CN115511124A - 一种基于售后维修记录的客户分级方法 - Google Patents

一种基于售后维修记录的客户分级方法 Download PDF

Info

Publication number
CN115511124A
CN115511124A CN202211181285.4A CN202211181285A CN115511124A CN 115511124 A CN115511124 A CN 115511124A CN 202211181285 A CN202211181285 A CN 202211181285A CN 115511124 A CN115511124 A CN 115511124A
Authority
CN
China
Prior art keywords
module
convolution
layer
maintenance record
customer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211181285.4A
Other languages
English (en)
Other versions
CN115511124B (zh
Inventor
皋勋
韩骅
许多
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Wangshang E Commerce Co ltd
Original Assignee
Shanghai Wangshang E Commerce Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Wangshang E Commerce Co ltd filed Critical Shanghai Wangshang E Commerce Co ltd
Priority to CN202211181285.4A priority Critical patent/CN115511124B/zh
Publication of CN115511124A publication Critical patent/CN115511124A/zh
Application granted granted Critical
Publication of CN115511124B publication Critical patent/CN115511124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种基于售后维修记录的客户分级方法，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果。本申请能够提高客户分级效率和分级准确率。

Description

一种基于售后维修记录的客户分级方法
技术领域
本发明涉及计算机领域，具体涉及一种基于售后维修记录的客户分级方法。
背景技术
随着经济全球化的不断推进发展，汽车工业在全国范围内都得到了广泛的普及发展，目前中国汽车市场逐步进入存量竞争时期，汽车市场从增量市场开始向保有量市场转移，产值收益也在向售后方向转移，这就给汽车的售后服务业带来了可观的市场前景，包括汽车的维修、美容、清洗、保养、改装等业务都受到了汽车售后维修服务企业的重视。
汽车售后维修服务企业通常可以利用它们每年收集的大量售后维修记录对客户进行分级，挖掘出不同客户在不同时间节点的需求，主动对每个相应级别的客户进行有效管理并采样相应的营销手段，提供符合该客户级别特征的产品或服务，以确保客户价值的不断贡献。
然而现有的客户分级方法通常采用员工手动评估分级，效率低下，同时客户分级结果存在不客观、不准确的缺点。因此，现在亟需一种基于售后维修记录的客户分级方法来解决上述问题。
发明内容
鉴于上述问题，提出了本申请，以便提供一种基于售后维修记录的客户分级方法，用于提高分级效率和分级准确率。
本申请提供了一种基于售后维修记录的客户分级方法，包括：
步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。
步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。
步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果；
所述卷积神经网络模型包括：特征提取模块、平均池化模块和分级模块；其中，特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；
售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出端连接分级模块的输入端，分级模块的输出端输出客户分级结果。
进一步的，所述步骤S1具体包括：
步骤S11，汽车售后维修服务企业预先制作售后维修记录表；
步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选；
步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。
进一步的，所述售后维修记录表包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度。
进一步的，所述分级模块包括依次连接的第一全连接层、激活层、Dropout层、第二全连接层、输出层。
进一步的，所述输出层为Softmax分类器。
进一步的，所述第一卷积层和第二卷积层采用1×1的卷积核。
进一步的，所述客户分为四类：优质客户、稳定客户、高潜力客户和低价值客户。
本申请的有益效果是：
(1)本申请提供了一种基于售后维修记录的客户分级方法，对维修记录表进行扫描，以得到图片格式的维修记录表，方便后续卷积神经网络模型对其直接识别分级，以提高分级效率。
(2)本申请提供了一种卷积神经网络模型，通过大尺寸卷积核的第一卷积模块、第二卷积模块提高特征转化能力和计算效率，仅在小尺寸卷积核的第三卷积模块、第四卷积模块处增加第一卷积层和第二卷积层，使得整个卷积神经网络在保证计算效率的同时，提高了卷积神经网络分级准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种基于售后维修记录的客户分级方法的流程图；
图2为本申请提供的卷积神经网络的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
本申请提供了一种基于售后维修记录的客户分级方法，对维修记录表进行扫描，以得到图片格式的维修记录表，方便后续卷积神经网络模型对其直接识别分级，以提高分级效率。同时通过大尺寸卷积核的第一卷积模块、第二卷积模块提高特征转化能力和计算效率，仅在小尺寸卷积核的第三卷积模块、第四卷积模块处增加第一卷积层和第二卷积层，使得整个卷积神经网络在保证卷积神经网络计算效率的同时，提高了卷积神经网络分级准确度。
下面结合附图和具体实施例对本申请作进一步说明。
图1为本发明实施例提供的一种基于售后维修记录的客户分级方法的流程图。如图1所示，一种基于售后维修记录的客户分级方法包括：
步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。
在本发明实施例中，所述步骤S1具体包括：
步骤S11，汽车售后维修服务企业可以预先制作售后维修记录表，包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度等信息。
步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选。
步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。
在本申请该实施例中，利用售后维修记录表记录汽车行驶里程数范围、维修次数范围、消费金额范围等客户信息，通过对维修记录表进行扫描，以得到图片格式的维修记录表，方便后续神经网络模型对其直接识别分级，以提高分级效率。
步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。
在本发明实施例中，如图2所示，所述卷积神经网络具体包括：特征提取模块、平均池化模块和分级模块。
特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；分级模块包括依次连接的第一全连接层、激活层、Dropout层、第二全连接层、输出层。
第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块分别包括三个相同的依次连接的卷积层，第一卷积模块中每个卷积层采用7×7的卷积核，第二卷积模块中每个卷积层采用5×5的卷积核，第三卷积模块、第四卷积模块中每个卷积层采用3×3的卷积核，第五卷积层、第六卷积层分别采用1×1的卷积核。其中，第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块中卷积核的大小可以根据特征提取需要进行调整。不同卷积核可使卷积操作获得不同尺度上的图片特征信息，本申请采用不同卷积核逐层进行卷积操作，进行特征提取。
售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出端连接分级模块的输入端，分级模块的输出端输出客户分级结果。
在卷积神经网络中，基于本申请售后维修记录表格的特定样式可知，客户特征信息主要集中在售后维修记录表的中间位置，其图像边缘特征信息无关紧要，因此本申请利用大尺寸卷积核提高特征转化能力，采用第一卷积模块、第二卷积模块对售后维修记录表直接进行特征提取，提高计算效率，而不注重边缘特征信息。经过多次卷积操作后，客户特征信息会逐渐变化到特征图像的边缘位置，即第二卷积模块输出的特征图像的边缘特征信息逐渐重要，因此本申请此时增加第一卷积层和第二卷积层，其采用1×1的卷积核，增强边缘特征信息的转化能力，与小尺寸的第三卷积模块、第四卷积模块并行处理，并将其与第三卷积模块、第四卷积模块分别进行特征求和拼接，在保证卷积神经网络计算效率的同时，提高卷积神经网络后续分级准确度。
因此，本申请利用大尺寸的第一卷积模块、第二卷积模块提高特征转化能力和计算效率，同时仅在小尺寸的第三卷积模块、第四卷积模块处增加第一卷积层和第二卷积层，使得整个卷积神经网络在保证卷积神经网络计算效率的同时，提高了卷积神经网络分级准确度。
进一步的，输出层为Softmax分类器，可将客户分为四类：优质客户、稳定客户、高潜力客户和低价值客户。在本申请中，卷积神经网络根据汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度等客户信息进行分级，以将客户分为优质客户、稳定客户、高潜力客户和低价值客户。
步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果。
上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。

Claims (7)

1.一种基于售后维修记录的客户分级方法，其特征在于，所述客户分级方法包括：
步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。
步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。
步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果；
所述卷积神经网络模型包括：特征提取模块、平均池化模块和分级模块；其中，特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；
售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出端连接分级模块的输入端，分级模块的输出端输出客户分级结果。
2.根据权利要求1所述的客户分级方法，其特征在于，所述步骤S1具体包括：
步骤S11，汽车售后维修服务企业预先制作售后维修记录表；
步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选；
步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。
3.根据权利要求2所述的客户分级方法，其特征在于，所述售后维修记录表包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度。
4.根据权利要求1所述的客户分级方法，其特征在于，所述分级模块包括依次连接的第一全连接层、激活层、Dropout层、第二全连接层、输出层。
5.根据权利要求3所述的客户分级方法，其特征在于，所述输出层为Softmax分类器。
6.根据权利要求1所述的客户分级方法，其特征在于，所述第一卷积层和第二卷积层采用1×1的卷积核。
7.根据权利要求1所述的客户分级方法，其特征在于，所述客户分为四类：优质客户、稳定客户、高潜力客户和低价值客户。
CN202211181285.4A 2022-09-27 2022-09-27 一种基于售后维修记录的客户分级方法 Active CN115511124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211181285.4A CN115511124B (zh) 2022-09-27 2022-09-27 一种基于售后维修记录的客户分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211181285.4A CN115511124B (zh) 2022-09-27 2022-09-27 一种基于售后维修记录的客户分级方法

Publications (2)

Publication Number Publication Date
CN115511124A true CN115511124A (zh) 2022-12-23
CN115511124B CN115511124B (zh) 2023-04-18

Family

ID=84505846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211181285.4A Active CN115511124B (zh) 2022-09-27 2022-09-27 一种基于售后维修记录的客户分级方法

Country Status (1)

Country Link
CN (1) CN115511124B (zh)

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2862080A1 (en) * 2012-01-23 2013-08-01 Headwater Partners I Llc Service plan design, user interfaces, application programming interfaces, and device management
CN106780052A (zh) * 2017-01-10 2017-05-31 上海诺悦智能科技有限公司 基于分类客户行为分析的保险服务推荐方法及系统
EP3291146A1 (en) * 2016-09-05 2018-03-07 Fujitsu Limited Knowledge extraction from a convolutional neural network
CN108717568A (zh) * 2018-05-16 2018-10-30 陕西师范大学 一种基于三维卷积神经网络的图像特征提取与训练方法
CN109241994A (zh) * 2018-07-31 2019-01-18 顺丰科技有限公司 一种用户异常行为检测方法、装置、设备及存储介质
CN110009508A (zh) * 2018-12-25 2019-07-12 阿里巴巴集团控股有限公司 一种车险自动赔付方法和系统
CN110211048A (zh) * 2019-05-28 2019-09-06 湖北华中电力科技开发有限责任公司 一种基于卷积神经网络的复杂档案图像倾斜矫正方法
CN110232188A (zh) * 2019-06-04 2019-09-13 上海电力学院 电网用户故障报修工单的文本自动分类方法
CN110377909A (zh) * 2019-07-19 2019-10-25 中国联合网络通信集团有限公司 一种客户反馈信息的分类方法及装置
CN110443286A (zh) * 2019-07-18 2019-11-12 广州华多网络科技有限公司 神经网络模型的训练方法、图像识别方法以及装置
US20190347668A1 (en) * 2018-05-10 2019-11-14 Hubspot, Inc. Multi-client service system platform
EP3582141A1 (fr) * 2018-06-13 2019-12-18 Idemia Identity & Security France Procédé d'apprentissage de paramètres d'un réseau de neurones à convolution
US20200050555A1 (en) * 2018-08-10 2020-02-13 Lg Electronics Inc. Optimizing data partitioning and replacement strategy for convolutional neural networks
CN110852785A (zh) * 2019-10-12 2020-02-28 中国平安人寿保险股份有限公司 用户分级方法、装置及计算机可读存储介质
US20200151309A1 (en) * 2018-11-08 2020-05-14 Idemia Identity & Security France Method of classification of an input image representative of a biometric trait by means of a convolutional neural network
CN112434829A (zh) * 2020-11-26 2021-03-02 广东修炼科技股份有限公司 一种车辆维保项目确定方法、系统、装置及存储介质
CN112446353A (zh) * 2020-12-14 2021-03-05 浙江工商大学 基于深度卷积神经网络的视频图像道线检测方法
CN112507864A (zh) * 2020-12-04 2021-03-16 河北地质大学 基于卷积神经网络的信贷档案识别方法
CN112508684A (zh) * 2020-12-04 2021-03-16 中信银行股份有限公司 一种基于联合卷积神经网络的催收风险评级方法及系统
CN112700286A (zh) * 2020-12-23 2021-04-23 罗科仕管理顾问有限公司 用于客户分类和多实体匹配的客户生命周期价值的深度学习模型
CN113344188A (zh) * 2021-06-18 2021-09-03 东南大学 基于通道注意力模块的轻量级神经网络模型
CN114328383A (zh) * 2021-12-27 2022-04-12 李莉 一种计算机自动化纸件档案数字方法、设备及终端
CN114651287A (zh) * 2019-09-27 2022-06-21 亚马逊技术股份有限公司 用于自动用户标识的电子装置
CN114742163A (zh) * 2022-04-14 2022-07-12 北京沃东天骏信息技术有限公司 一种售后任务的审核方法及装置

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2862080A1 (en) * 2012-01-23 2013-08-01 Headwater Partners I Llc Service plan design, user interfaces, application programming interfaces, and device management
EP3291146A1 (en) * 2016-09-05 2018-03-07 Fujitsu Limited Knowledge extraction from a convolutional neural network
CN106780052A (zh) * 2017-01-10 2017-05-31 上海诺悦智能科技有限公司 基于分类客户行为分析的保险服务推荐方法及系统
US20190347668A1 (en) * 2018-05-10 2019-11-14 Hubspot, Inc. Multi-client service system platform
CN108717568A (zh) * 2018-05-16 2018-10-30 陕西师范大学 一种基于三维卷积神经网络的图像特征提取与训练方法
EP3582141A1 (fr) * 2018-06-13 2019-12-18 Idemia Identity & Security France Procédé d'apprentissage de paramètres d'un réseau de neurones à convolution
CN109241994A (zh) * 2018-07-31 2019-01-18 顺丰科技有限公司 一种用户异常行为检测方法、装置、设备及存储介质
US20200050555A1 (en) * 2018-08-10 2020-02-13 Lg Electronics Inc. Optimizing data partitioning and replacement strategy for convolutional neural networks
US20200151309A1 (en) * 2018-11-08 2020-05-14 Idemia Identity & Security France Method of classification of an input image representative of a biometric trait by means of a convolutional neural network
CN110009508A (zh) * 2018-12-25 2019-07-12 阿里巴巴集团控股有限公司 一种车险自动赔付方法和系统
CN110211048A (zh) * 2019-05-28 2019-09-06 湖北华中电力科技开发有限责任公司 一种基于卷积神经网络的复杂档案图像倾斜矫正方法
CN110232188A (zh) * 2019-06-04 2019-09-13 上海电力学院 电网用户故障报修工单的文本自动分类方法
CN110443286A (zh) * 2019-07-18 2019-11-12 广州华多网络科技有限公司 神经网络模型的训练方法、图像识别方法以及装置
CN110377909A (zh) * 2019-07-19 2019-10-25 中国联合网络通信集团有限公司 一种客户反馈信息的分类方法及装置
CN114651287A (zh) * 2019-09-27 2022-06-21 亚马逊技术股份有限公司 用于自动用户标识的电子装置
CN110852785A (zh) * 2019-10-12 2020-02-28 中国平安人寿保险股份有限公司 用户分级方法、装置及计算机可读存储介质
CN112434829A (zh) * 2020-11-26 2021-03-02 广东修炼科技股份有限公司 一种车辆维保项目确定方法、系统、装置及存储介质
CN112507864A (zh) * 2020-12-04 2021-03-16 河北地质大学 基于卷积神经网络的信贷档案识别方法
CN112508684A (zh) * 2020-12-04 2021-03-16 中信银行股份有限公司 一种基于联合卷积神经网络的催收风险评级方法及系统
CN112446353A (zh) * 2020-12-14 2021-03-05 浙江工商大学 基于深度卷积神经网络的视频图像道线检测方法
CN112700286A (zh) * 2020-12-23 2021-04-23 罗科仕管理顾问有限公司 用于客户分类和多实体匹配的客户生命周期价值的深度学习模型
CN113344188A (zh) * 2021-06-18 2021-09-03 东南大学 基于通道注意力模块的轻量级神经网络模型
CN114328383A (zh) * 2021-12-27 2022-04-12 李莉 一种计算机自动化纸件档案数字方法、设备及终端
CN114742163A (zh) * 2022-04-14 2022-07-12 北京沃东天骏信息技术有限公司 一种售后任务的审核方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙建勇: "非结构化数据在商业银行内部审计中的应用探索" *
郭崇慧: "基于客户行为的4S店客户细分及其变化挖掘" *

Also Published As

Publication number Publication date
CN115511124B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
US20220358528A1 (en) Methods and apparatus for self-adaptive time series forecasting engine
CN105847598B (zh) 呼叫中心多因子话务预测方法
CN108876034B (zh) 一种改进的Lasso+RBF神经网络组合预测方法
TWI793412B (zh) 消費預測系統及消費預測方法
CN111090822A (zh) 业务对象的推送方法及装置
US20220277331A1 (en) Systems and methods for procurement cost forecasting
US20060116830A1 (en) Methods and systems for identifying recurrent patterns
CN109784161A (zh) 一种店内视频监控智能分析系统及方法
CN107688969B (zh) 一种新技术产品研发管理信息系统及管理信息方法
CN112464762A (zh) 基于图像处理的农产品筛选系统及其方法
CN111160967A (zh) 数据处理方法、装置及存储介质
CN115689655A (zh) 一种智能高效性自动化全域分析的scrm营销系统
CN112561603A (zh) 一种基于用户实时行为的事件标签实现方法及其系统
CN108960923A (zh) 一种定价的方法、装置及计算机存储介质
CN115511124B (zh) 一种基于售后维修记录的客户分级方法
CN115310761A (zh) 一种工业数据处理系统及管理方法
US20240037485A1 (en) Big data modeling and analyzing method and system for shipping user
CN112949963A (zh) 员工服务质量的评估方法、装置、存储介质和智能设备
CN113888287A (zh) 一种基于机器学习的电商大数据深度挖掘系统
CN113947218A (zh) 一种基于大数据的产品售后智能管理方法及系统
CN112884550A (zh) 一种基于客户购买能力的商品推荐方法及装置
CN116992350A (zh) 一种基于大数据的产业供应链优化方法及系统
CN110910163A (zh) 基于客户关系管理系统的汽配客户需求分析方法及系统
CN114936911B (zh) 一种智能化的营销推广系统
CN115687788A (zh) 一种智能化商机推荐方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant