CN116091080A - 基于智慧燃气呼叫中心的回访管理方法和物联网系统 - Google Patents

基于智慧燃气呼叫中心的回访管理方法和物联网系统 Download PDF

Info

Publication number
CN116091080A
CN116091080A CN202310378650.9A CN202310378650A CN116091080A CN 116091080 A CN116091080 A CN 116091080A CN 202310378650 A CN202310378650 A CN 202310378650A CN 116091080 A CN116091080 A CN 116091080A
Authority
CN
China
Prior art keywords
gas
return visit
return
user
call
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
CN202310378650.9A
Other languages
English (en)
Other versions
CN116091080B (zh
Inventor
邵泽华
刘彬
张磊
李勇
梁永增
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.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology 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 Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202310378650.9A priority Critical patent/CN116091080B/zh
Priority to US18/303,594 priority patent/US20230252374A1/en
Publication of CN116091080A publication Critical patent/CN116091080A/zh
Application granted granted Critical
Publication of CN116091080B publication Critical patent/CN116091080B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供一种基于智慧燃气呼叫中心的回访管理方法，该方法包括获取一个或多个燃气用户的燃气呼叫咨询数据，燃气呼叫咨询数据至少包括呼叫类型分布；基于一个或多个燃气用户的燃气呼叫咨询数据，确定回访燃气用户；基于回访燃气用户的燃气呼叫咨询数据及其燃气用户特征，确定回访参数，燃气用户特征至少包括燃气终端类型，回访参数至少包括回访问题集。

Description

基于智慧燃气呼叫中心的回访管理方法和物联网系统
技术领域
本说明书涉及燃气用户回访领域，特别涉及基于智慧燃气呼叫中心的回访管理方法和物联网系统。
背景技术
对于传统的燃气用户回访工作，回访过程多浮于形式，能涉及到的针对燃气用户的实质性问题较少，难以达成良好的回访效果，对用户的回访体验和后续的燃气使用体验均产生了消极影响。
因此，期望提出一种基于智慧燃气呼叫中心的回访管理方法，用以确定回访方式和回访内容，进而实现对燃气用户的有针对性的回访，同时提高回访效率和回访服务质量。
发明内容
本说明书一个或多个实施例提供一种基于智慧燃气呼叫中心的回访管理方法。所述基于智慧燃气呼叫中心的回访管理方法包括：获取一个或多个燃气用户的燃气呼叫咨询数据，燃气呼叫咨询数据至少包括呼叫类型分布；基于一个或多个燃气用户的燃气呼叫咨询数据，确定回访燃气用户；基于回访燃气用户的燃气呼叫咨询数据及其燃气用户特征，确定回访参数，燃气用户特征至少包括燃气终端类型，回访参数至少包括回访问题集。
本说明书一个或多个实施例提供一种基于智慧燃气呼叫中心的回访管理物联网系统。所述基于智慧燃气呼叫中心的回访管理物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台；智慧燃气管理平台包括智慧客服管理分平台、智慧运行管理分平台和智慧燃气数据中心；智慧燃气管理平台被配置为执行以下操作：智慧燃气数据中心经由智慧燃气传感网络平台从至少一个燃气终端设备中获取燃气使用数据并发送至智慧燃气管理平台；至少一个燃气终端设备被配置于智慧燃气对象平台中；智慧燃气管理平台被配置为：获取一个或多个燃气用户的燃气呼叫咨询数据，燃气呼叫咨询数据至少包括呼叫类型分布；基于一个或多个燃气用户的燃气呼叫咨询数据，确定回访燃气用户；基于回访燃气用户的燃气呼叫咨询数据及其燃气用户特征，确定回访参数，燃气用户特征至少包括燃气终端类型，回访参数至少包括回访问题集。
本说明书一个或多个实施例提供一种计算机可读存储介质。所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行基于智慧燃气呼叫中心的回访管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的基于智慧燃气呼叫中心的回访管理物联网系统的结构图；
图2是根据本说明书一些实施例所示的基于智慧燃气呼叫中心的回访管理方法的示例性流程图；
图3是根据本说明书一些实施例所示的确定回访燃气用户的方法的示例性流程图；
图4是根据本说明书一些实施例所示的确定回访参数的方法的示例性流程图；
图5是根据本说明书一些实施例所示的另一确定回访参数的方法的示例性流程图；
图6是根据本说明书一些实施例所示的发生概率预测模型的模型结构图；
图7是根据本说明书一些实施例所示的回访效果预测模型的模型结构图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于智慧燃气呼叫中心的回访管理物联网系统的结构图。在一些实施例中，基于智慧燃气呼叫中心的回访管理物联网系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150。
智慧燃气用户平台110是可以用于与用户进行交互的平台。在一些实施例中，智慧燃气用户平台110可以被配置为终端设备。例如，终端设备可以指智慧燃气用户终端，可以包括移动终端设备、平板计算机等终端设备或其任意组合。在一些实施例中，智慧燃气用户平台110可以用于将客服反馈信息和/或回访参数反馈给燃气用户。回访参数的相关说明可参见图2相关描述。
在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台111、政府用户分平台112和监管用户分平台113。在一些实施例中，智慧燃气用户平台110可以向下与智慧燃气服务平台120进行双向交互，下发燃气用户的呼叫信息和/或回访参数查询指令至智慧燃气服务平台120，接收智慧燃气服务平台120上传的客服反馈信息和/或回访参数。
燃气用户分平台111面向燃气用户，提供安全用气的相关服务。燃气用户可以指使用燃气的用户。在一些实施例中，燃气用户分平台111可以与智慧燃气服务平台120的智慧用气服务分平台121进行信息交互，获取安全用气相关的服务提醒以及燃气问题的解决方案。
政府用户分平台112面向政府用户，提供燃气运营相关数据。政府用户可以指负责燃气运营的用户。在一些实施例中，政府用户分平台112可以与智慧燃气服务平台120的智慧运营服务分平台122进行信息交互，获取燃气运营相关的数据。
监管用户分平台113面向监管用户，对整个基于智慧燃气呼叫中心的回访管理物联网系统100的运行进行监管。监管用可以是指安全监管部门的用户。在一些实施例中，监管用户分平台113可以与智慧燃气服务平台120的智慧监管服务分平台123进行信息交互，获取安全监管需求的服务。
智慧燃气服务平台120可以是用于接收和传输数据和/或信息的平台。例如，智慧燃气服务平台120可以将回访参数上传至智慧燃气用户平台110。在一些实施例中，智慧燃气服务平台可以包括智慧用气服务分平台121、智慧运营服务分平台122和智慧监管服务分平台123。智慧用气服务分平台121对应于燃气用户分平台111，可以与燃气用户分平台111进行信息交互，为燃气用户提供安全用气的服务；智慧运营服务分平台122对应于政府用户分平台112，可以与政府用户分平台112进行信息交互，为政府用户提供燃气运营的服务；智慧监管服务分平台123对应于监管用户分平台113，可以与监管用户分平台113进行信息交互，为燃气监管用户提供安全监管的服务。
在一些实施例中，智慧燃气服务平台120可以向下与智慧燃气管理平台130的智慧燃气数据中心133进行双向交互，下发回访参数查询指令至智慧燃气数据中心133，接收智慧燃气数据中心133上传的回访参数。
智慧燃气管理平台130可以指统筹、协调各功能平台之间的联系和协作，汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。例如，智慧燃气管理平台130可以基于燃气用户的燃气呼叫咨询数据确定回访燃气用户。燃气呼叫咨询数据、回访燃气用户的相关说明可参见图2相关描述。
在一些实施例中，智慧燃气管理平台130可以包括智慧客服管理分平台131、智慧运行管理分平台132和智慧燃气数据中心133。在一些实施例中，智慧客服管理分平台131和智慧运行管理分平台132可以分别与智慧燃气数据中心133进行双向交互。例如，智慧客服管理分平台131和智慧运行管理分平台132可以分别从智慧燃气数据中心133获取并反馈管理数据。在一些实施例中，智慧燃气数据中心133可以汇总、存储基于智慧燃气呼叫中心的回访管理物联网系统100的所有运行数据。在一些实施例中，智慧客服管理分平台131可以通过智慧燃气数据中心133与智慧燃气服务平台120、智慧燃气传感网络平台140分别进行信息交互。例如，智慧燃气数据中心133可以接收智慧燃气传感网络平台140上传的燃气终端设备相关的参数数据，并发送至智慧客服管理分平台131和智慧运行管理分平台132进行处理，并将处理后的数据发送至智慧燃气服务平台120和/或智慧燃气传感网络平台140。燃气终端设备相关的参数数据可以包括燃气表的计量数据和环境（例如环境温度、大气压等）监测数据。
在一些实施例中，智慧燃气管理平台130还可以包括处理器。处理器可以用于执行基于燃气呼叫中心的回访管理方法。
智慧燃气传感网络平台140可以是对传感通信进行管理的功能平台。智慧燃气传感网络平台140可以被配置为通信网络和网关，实现网络管理、协议管理、指令管理和数据解析等功能。在一些实施例中，智慧燃气传感网络平台140可以连接智慧燃气管理平台130和智慧燃气对象平台150，实现感知信息传感通信和控制信息传感通信功能。例如，智慧燃气传感网络平台140可以接收智慧燃气对象平台150上传的燃气终端设备相关的参数数据，下发获取燃气终端设备相关的参数数据的指令至智慧燃气对象平台150。
在一些实施例中，智慧燃气传感网络平台140可以包括燃气户内设备传感网络分平台141和燃气管网设备传感网络分平台142，可分别与智慧燃气对象平台150的燃气户内设备对象分平台151和燃气管网设备对象分平台152进行双向交互。
智慧燃气对象平台150可以是感知信息生成和控制信息执行的功能平台。在一些实施例中，智慧燃气对象平台150可以包括燃气户内设备对象分平台151和燃气管网设备对象分平台152。燃气管网设备对象分平台152可以配置有燃气门站压缩机、调压设备、燃气流量计、阀控设备、温度计、气压计等。其中，燃气流量计可以用于获得燃气管道的实际运输流量；温度计可以用于获取燃气管道中的燃气温度；气压计用于获取燃气管道中的燃气气压。燃气户内设备对象分平台151可以配置有户内设备（例如燃气表），户内设备的相关数据可以通过燃气户内设备传感网络分平台141上传到智慧燃气数据中心133。
本说明书一些实施例中，通过五种平台的物联网功能体系结构实施基于智慧燃气呼叫中心的回访管理，完成了信息流程的闭环，使物联网信息处理更加流畅高效。
需要注意的是，以上对于基于智慧燃气呼叫中心的回访管理物联网系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，智慧燃气管理平台130和智慧燃气传感网络平台140可以整合在一个组成部分中。又例如，各个组成部分可以共用一个存储模块，各个组成部分也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的基于智慧燃气呼叫中心的回访管理方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由智慧燃气管理平台130中的处理器执行。
步骤210，获取一个或多个燃气用户的燃气呼叫咨询数据，燃气呼叫咨询数据至少包括呼叫类型分布。
燃气呼叫咨询数据可以指预设时间段内，燃气用户与燃气呼叫中心进行的呼叫的类型的相关统计数据。燃气呼叫咨询数据可以包括燃气用户的编号、呼叫总次数和呼叫类型分布。其中，预设时间段的时长可以预设，例如，当前时间点前的一年以内。
呼叫类型分布可以指燃气用户与呼叫中心进行的各种类型的呼叫的次数占呼叫总次数的比例。呼叫的类型可以包括投诉、维修、咨询、采购等。示例性的呼叫类型分布可以是“投诉类呼叫占33%、维修类呼叫占38%、咨询类呼叫占19%、采购类呼叫占10%”。
示例性地，燃气呼叫咨询数据的内容可以是“燃气用户编号0147，呼叫总次数10次，其中投诉类呼叫占30%，维修类呼叫占30%，咨询类呼叫占20%，采购类呼叫占20%”。在一些实施例中，燃气呼叫咨询数据可以是向量形式的数据。例如，依据上例中0147号燃气用户的燃气呼叫咨询数据，对应的向量为（0147，10，30%，30%，20%，20%）。
燃气呼叫咨询数据可以基于呼叫中心的呼叫记录数据获取。
步骤220，基于一个或多个燃气用户的燃气呼叫咨询数据，确定回访燃气用户。
回访燃气用户可以指后续需进行回访的燃气用户。
在一些实施例中，可以基于一个或多个燃气用户的燃气呼叫咨询数据，确定各个燃气用户的回访必要度，并基于各个燃气用户的回访必要度，确定回访燃气用户。更多关于回访必要度和回访燃气用户的确定方法的说明可参见图3相关描述。
步骤230，基于回访燃气用户的燃气呼叫咨询数据及其燃气用户特征，确定回访参数，燃气用户特征至少包括燃气终端类型，回访参数至少包括回访问题集。
燃气用户特征可以指能够反映燃气用户的用气特征的数据。燃气用户特征可以包括燃气用户的燃气终端类型、燃气用户体量和燃气用户类型。
燃气终端类型可以指燃气用户所使用的燃气终端设备的种类。燃气终端类型可以包括焊接枪、燃气灶、燃气锅炉等。
燃气用户体量可以指能够反映燃气用户用气设施数量的数据。燃气用户体量可以包括燃气用户所使用的燃气终端设备的个数。例如，燃气用户体量可以是“燃气用户所使用的燃气终端设备数量为5个”。
燃气用户类型可以包括居民用户、商业用户和公司用户。
示例性地，燃气用户特征的内容可以是“燃气终端设备的种类为燃气灶，数量为3个，燃气用户类型为商业用户”。在一些实施例中，燃气用户特征可以是向量形式的数据。例如，基于上例的燃气用户特征，对应的向量为（1，3，2），其中，对于第一个维度的元素，可预设1代表焊接枪，2代表燃气灶，3代表燃气锅炉等；对于第二个维度的元素，其值可直接代表燃气终端设备的个数；对于第三个维度的元素，可预设1代表居民用户，2代表商业用户，3代表公司用户等。
燃气用户特征可以基于智慧燃气对象平台150通过获取燃气用户所使用的燃气终端设备的安装记录进行确定。
回访参数可以指客服人员对回访燃气用户进行回访时，与回访内容和/或回访形式相关的数据。回访参数可以包括回访问题集，回访形式可以包括网络回访、电话回访和上门回访等。
回访问题集可以指客服人员对回访燃气用户进行回访时，对回访燃气用户提问的问题的集合。例如，回访问题集可以是“供气量是否充足？设备是否再次故障？.......”。
在一些实施例中，可以基于回访燃气用户的燃气用户特征，确定回访可选域，并基于回访可选域，确定回访参数。更多关于回访可选域和回访参数的确定方法的说明可参见图4相关描述。
本说明书一些实施例中，通过上述基于燃气呼叫中心的回访管理方法，可以增强所确定的回访问题对于燃气用户的针对性，进而提高了回访效率和回访服务质量。
应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，使用其他方法确定回访燃气用户。
图3是根据本说明书一些实施例所示的确定回访燃气用户的方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由智慧燃气管理平台130中的处理器执行。
步骤310，基于一个或多个燃气用户的燃气呼叫咨询数据，确定各个燃气用户的回访必要度。
回访必要度可以指对燃气用户进行回访的必要程度。在一些实施例中，回访必要度可以通过[0,100]内的数值进行表征，数值越大，代表对相应的燃气用户进行回访的必要程度越高。
在一些实施例中，可以基于一个或多个燃气用户的燃气呼叫咨询数据，根据预设规则，确定各燃气用户的回访必要度。例如，预设规则可以是燃气用户的回访必要度与燃气呼叫咨询数据中的呼叫总次数正相关，与投诉类呼叫和维修类呼叫的占比正相关，与采购类呼叫的占比负相关等。
在一些实施例中，对于每个燃气用户，可以基于包含燃气呼叫咨询数据的燃气用户相关特征，通过发生概率预测模型，确定燃气用户在各个候选预估发生时间组合下，发生对应呼叫的预估发生概率，候选预估发生时间组合可以包括一个或多个不同类型的呼叫在未来的预估发生时间，发生概率预测模型为机器学习模型；基于预估发生概率，确定回访必要度。关于发生概率预测模型和燃气用户相关特征的相关说明可参见图6相关描述。
预估发生时间组合可以指各种类型的呼叫在未来的预计发生时间所构成的集合。例如，预估发生时间组合可以是“投诉类呼叫的预估发生时间为当前时间的3天后，维修类呼叫的预估发生时间为当前时间的40天后，咨询类呼叫的预估发生时间为当前时间的7天后，采购类呼叫的预估发生时间为当前时间的100天后”。在一些实施例中，预估发生时间组合可以是向量形式的数据。例如，基于上例的预估发生时间组合，对应的向量为（3，40，7，100）。
候选预估发生时间组合可以指用于确定第一候选预估发生时间组合和/或目标预估发生时间组合的候选的样本预估发生时间组合。候选预估发生时间组合的形式可以与预估发生时间组合相同。候选预估发生时间组合中包括的各个类型的呼叫在未来的预计的发生时间可以是随机值，也可以基于经验人工预设。关于第一候选预估发生时间组合和目标预估发生时间组合的相关描述可参见后文。
在一些实施例中，可以将多个候选预估发生时间组合中，对应的呼叫的预估发生概率最大的候选预估发生时间组合确定为第一候选预估发生时间组合，并基于第一候选预估发生时间组合确定回访必要度。例如，回访必要度可以与第一候选预估发生时间组合中投诉类呼叫和维修类呼叫的预估发生时间负相关，与第一候选预估发生时间组合中咨询类呼叫和采购类呼叫的预估发生时间正相关等。
在一些实施例中，可以将满足发生概率阈值条件的候选预估发生时间组合确定为目标预估发生时间组合；对至少一个目标预估发生时间组合进行加权处理，确定回访必要度。
满足发生概率阈值条件可以指候选预估发生时间组合的对应呼叫的预估发生概率大于发生概率阈值。发生概率阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
在一些实施例中，至少一个目标预估发生时间组合对应的权重值可以与其对应呼叫的预估发生概率正相关。
在一些实施例中，对至少一个目标预估发生时间组合进行加权处理，确定回访必要度的方法可以如下公式(1)所示：
（1）
其中，代表对至少一个目标预估发生时间组合进行加权处理后得到的回访必要度；代表目标预估发生时间组合的个数；代表第个目标预估发生时间组合，；代表第个目标预估发生时间组合对应的权重值；、、和分别代表第个目标预估发生时间组合中，投诉类呼叫的预估发生时间、维修类呼叫的预估发生时间、咨询类呼叫的预估发生时间和采购类呼叫的预估发生时间；代表基于第个目标预估发生时间组合确定回访必要度的函数关系式。示例性地，的具体映射关系可以如下公式(2)所示：
（2）
其中，、、和为常数，均大于0，其具体值可以预设；其余变量的含义与公式(1)相同。
步骤320，基于各个燃气用户的回访必要度，确定回访燃气用户。
在一些实施例中，可以将回访必要度满足回访度阈值条件的燃气用户确定为回访燃气用户。其中，不同燃气用户的回访度阈值不同，燃气用户的回访度阈值相关于燃气用户的历史回访频度。
满足回访度阈值条件可以指回访必要度大于回访度阈值。回访度阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
在一些实施例中，可以对不同燃气用户设定不同的回访度阈值。
在一些实施例中，燃气用户对应的回访度阈值可以相关于该燃气用户的历史回访频度。例如，燃气用户对应的回访度阈值可以与该燃气用户的历史回访频度正相关。
燃气用户的历史回访频度可以指对该燃气用户的历史回访的频率。例如，历史回访频度可以是1次/月。
本说明书一些实施例中，通过上述的方法确定回访燃气用户，满足了大部分需要回访的用户的回访需求，减少了不必要的回访，提高了回访工作的效率和质量。其中，通过模型确定在各个候选预估发生时间组合下，发生对应呼叫的预估发生概率，保证了确定结果准确度的同时，提高了确定工作的效率；通过上述确定回访必要度的方法，有效提高了所确定的回访必要度的准确性和适应性；对不同的燃气用户设定不同的回访度阈值，进一步提高了所确定的回访必要度的适应性。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，使用其他方法确定回访度阈值。
图4是根据本说明书一些实施例所示的确定回访参数的方法的示例性流程图。如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由智慧燃气管理平台130中的处理器执行。
步骤410，基于回访燃气用户的燃气用户特征，确定回访可选域，回访可选域至少包括可供询问的回访问题。
回访可选域可以指由具有相同燃气用户特征的回访燃气用户的历史回访问题组成的回访问题集合。例如，回访燃气用户的燃气用户特征为“燃气终端设备的种类为燃气灶，数量为3个，燃气用户类型为商业用户”，对应的回访可选域可以是“是否需要采购新的燃气设备？设备是否有再次故障？......”。又例如，回访燃气用户的燃气用户特征为“燃气终端设备的种类为燃气灶，数量为1个，燃气用户类型为居民用户”，对应的回访可选域可以是“供气量是否充足？设备是否再次故障？......”。关于燃气用户特征和回访燃气用户的相关说明可参见图2相关描述。
回访可选域可以基于历史回访记录进行确定。
步骤420，基于回访可选域，确定回访参数。
在一些实施例中，可以从回访可选域中随机选择若干个回访问题，构成回访参数中的回访问题集。关于回访问题集的相关说明可参见图2相关描述。
在一些实施例中，可以基于如图5所示的方法，确定回访参数。
图5是根据本说明书一些实施例所示的另一确定回访参数的方法的示例性流程图。如图5所示，流程500包括下述步骤。在一些实施例中，流程500可以由智慧燃气管理平台130中的处理器执行。
步骤510，获取至少一个回访问题频繁项，回访问题频繁项包括的回访问题包含于回访可选域。
回访问题频繁项可以指在回访效果较好的历史回访过程中，提问次数（后文称之为支持度）不小于支持度阈值的回访问题组合。回访问题组合可以指由回访可选域中任意数量的回访问题组成的回访问题的集合。历史回访过程的回访效果可以基于历史回访燃气用户在历史回访后的行为确定，可以包括“较好”与“较差”两种回访效果。例如，历史回访燃气用户在历史回访后，燃气采购需求增大，则可以认为回访效果较好。又例如，历史回访燃气用户在历史回访后，投诉次数增多，维修需求增加，则可以认为回访效果较差。支持度阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
示例性的回访问题频繁项的确定流程可以是：以下述具有相同燃气用户特征的回访燃气用户的历史回访记录为例，历史回访记录的内容为“回访过程1：回访问题集包括问题a、问题b、问题c、问题e、问题g，回访效果较好；回访过程2：回访问题集包括问题a、问题b、问题c、问题d、问题e，回访效果较差；回访过程3：回访问题集包括问题c、问题e、问题f、问题g、问题i，回访效果较好；回访过程4：回访问题集包括问题c、问题d、问题e、问题g、问题h，回访效果较好。”，假设支持度阈值设定为2，根据回访效果较好的历史回访过程，示例性地，可统计得到回访问题组合ceg（由问题c、问题e和问题g组成的回访问题组合）的支持度为3（在所有回访效果较好的历史回访过程中，回访问题包含了回访问题组合ceg的历史回访过程有回访过程1、回访过程3和回访过程4，共三个），大于支持度阈值，则回访问题组合ceg可作为一个回访问题频繁项；又例如，可统计得到回访问题组合cf（由问题c和问题f组成的回访问题组合）的支持度为1（在所有回访效果较好的历史回访过程中，回访问题包含了回访问题组合cf的历史回访过程只有回访过程3），小于支持度阈值，则回访问题组合cf不可作为一个回访问题频繁项。关于回访问题集的相关说明可参见图2相关描述。
在一些实施例中，可以基于Apriori、FP Tree等算法确定回访问题频繁项。
在一些实施例中，回访问题频繁项的确定流程中，各个问题组合的支持度相关于历史回访记录中的历史回访燃气用户与当前回访燃气用户的燃气特征一致度，燃气特征一致度可以基于燃气用户特征、燃气运输使用特征、历史故障特征和燃气呼叫咨询数据确定。
燃气特征一致度可以指历史回访记录中的历史回访燃气用户的燃气用户特征、燃气运输特征、燃气使用特征、历史故障特征和燃气呼叫咨询数据，与当前回访燃气用户的燃气用户特征、燃气运输特征、燃气使用特征、历史故障特征和燃气呼叫咨询数据的综合性一致程度。燃气特征一致度可以通过[0,1]范围内的数值进行表征。关于燃气用户特征和燃气呼叫咨询数据的相关说明可参见图2相关描述。
燃气运输特征可以指反映燃气在燃气管道内传输时的相关特征的数据。燃气运输特征可以包括燃气在管道运输时的温度、压强和流速等。例如，燃气运输特征可以是“燃气在管道运输时的温度为20℃，压强为3MPa，流速为8m/s”。在一些实施例中，燃气运输特征可以是向量形式的数据。例如，依据上例的燃气运输特征，对应的向量为（20，3，8）。
燃气运输特征可以基于配置于智慧燃气对象平台150的温度计、气压计和流量计进行确定。
燃气使用特征可以指反映燃气用户对燃气进行使用时的相关特征的数据。燃气使用特征可以包括燃气热值、用气频率、平均单次用气时长和日均用气量等。例如，燃气使用特征可以是“燃气热值为36MJ/m3，用气频率为10次/天，平均单次用气时长为40分钟，日均用气量为0.6m3”。在一些实施例中，燃气使用特征可以是向量形式的数据。例如，依据上例的燃气使用特征，对应的向量为（36，10，40，0.6）。
燃气使用特征可以基于配置于智慧燃气对象平台150的燃气表进行确定。
历史故障特征可以指反映燃气用户的燃气终端设备的历史故障情况的相关特征的数据。历史故障特征可以包括燃气用户的燃气终端设备发生过的各类故障的次数。例如，历史故障特征可以是“燃气压力不足2次，燃气管道破裂3次”。在一些实施例中，历史故障特征可以是向量形式的数据。例如，依据上例的历史故障特征，对应的向量为（2，3）。
历史故障特征可以基于燃气用户的报修记录进行确定。
在一些实施例中，可以基于历史回访燃气用户和当前回访燃气用户的燃气用户特征、燃气运输特征、燃气使用特征、历史故障特征和燃气呼叫咨询数据，分别对应构建历史燃气特征向量和当前燃气特征向量，并基于历史燃气特征向量和当前燃气特征向量的相似度，确定历史回访燃气用户与当前回访燃气用户的燃气特征一致度。
构建历史燃气特征向量的方法可以有多种，例如，可以将历史回访燃气用户的燃气用户特征、燃气运输特征、燃气使用特征、历史故障特征和燃气呼叫咨询数据对应的向量进行合并，得到历史燃气特征向量。例如，历史回访燃气用户的燃气用户特征向量为（1，3，2），燃气运输特征向量为（20，3，8），燃气使用特征向量为（36，10，40，0.6），历史故障特征向量为（2，3），燃气呼叫咨询数据向量为（0147，10，30%，30%，20%，20%），则合并得到的历史燃气特征向量为（1，3，2，20，3，8，36，10，40，0.6，2，3，0147，10，30%，30%，20%，20%）。
构建当前燃气特征向量的方法可以与构建历史燃气特征向量的方法相同。
历史燃气特征向量和当前燃气特征向量的相似度可以基于历史燃气特征向量和当前燃气特征向量的向量距离进行确定，例如，可以与向量距离负相关。向量距离可以通过欧氏距离、曼哈顿距离、切比雪夫距离和马氏距离等距离计算方法进行确定。
在一些实施例中，历史回访燃气用户与当前回访燃气用户的燃气特征一致度可以与历史燃气特征向量和当前燃气特征向量的相似度正相关。
示例性的，若回访问题频繁项与燃气特征一致度相关，则回访问题频繁项的确定流程可以是：以下述具有相同燃气用户特征的回访燃气用户的历史回访记录为例，历史回访记录的内容为“回访过程1：回访问题集包括问题a、问题b、问题c、问题e、问题g，回访效果较好，燃气特征一致度为0.8；回访过程2：回访问题集包括问题a、问题b、问题c、问题d、问题e，回访效果较差，燃气特征一致度为0.9；回访过程3：回访问题集包括问题c、问题e、问题f、问题g、问题h，回访效果较好，燃气特征一致度为0.8；回访过程4：回访问题集包括问题c、问题d、问题e、问题g、问题h，回访效果较好，燃气特征一致度为0.7。”，假设支持度阈值设定为2，根据回访效果较好的历史回访过程，示例性地，可计算得到回访问题组合ceg的支持度为0.8+0.8+0.7=2.3（在所有回访效果较好的历史回访过程中，回访问题包含了回访问题组合ceg的历史回访过程有回访过程1、回访过程3和回访过程4），大于支持度阈值；回访问题组合gh的支持度为0.8+0.7=1.5（在所有回访效果较好的历史回访过程中，回访问题包含了回访问题组合gh的历史回访过程有回访过程3和回访过程4），小于支持度阈值；回访问题组合ab的支持度为0.8（在所有回访效果较好的历史回访过程中，回访问题包含了回访问题组合ab的历史回访过程只有回访过程1），小于支持度阈值。基于此，回访问题组合ceg可作为一个回访问题频繁项，回访问题组合gh和回访问题组合ab不可作为回访问题频繁项。
步骤520，基于回访问题频繁项，确定多个候选回访问题集。
候选回访问题集可以指用于确定回访问题集的候选的由回访问题组成的集合。
在一些实施例中，可以通过如下流程（S1至S4）确定候选回访问题集：
S1：在回访可选域中，随机任选n个回访问题（Q1~Qn）。其中，n为预设问题数量。关于回访可选域的相关说明可参见图4相关描述。
S2：依次基于S1选择的每个回访问题Qi（i=1，2，…，n）确定该回访问题是否属于某个回访问题频繁项；
S3：响应于是，则将该回访问题Qi所属的至少一个回访问题频繁项中包括的所有回访问题加入候选回访问题集；响应于否，则仅将回访问题Qi加入候选回访问题集。此时，可得到一个至少包括回访问题Q1~Qn的候选回访问题集。
S2与S3的示例性执行过程可以是：假设回访可选域从中随机选出的回访问题包括问题c、问题i和问题o；假设查询到的包含问题c的回访问题频繁项有回访问题频繁项A（包括问题c、问题e、问题g）和回访问题频繁项B（包括问题c、问题h、问题m、问题p）；假设没有查询到的包含问题i的回访问题频繁项；假设查询到的包含问题o的回访问题频繁项有回访问题频繁项C（包括问题f、问题h、问题o），那么得到的候选回访问题集包含的回访问题有问题c、问题e、问题f、问题g、问题h、问题i、问题m、问题o和问题p。
S4：重复执行S1至S3达到预设次数，得到多个候选回访问题集。
在一些实施例中，预设问题数量可以相关于当前回访燃气用户的回访必要度。例如，预设问题数量可以与当前回访燃气用户的回访必要度正相关。关于回访必要度的相关说明可参见图3相关描述。
步骤530，基于回访效果预测模型确定每个候选回访问题集的评估值，评估值至少可以包括正向需求产生频度和负向需求产生频度。
评估值可以指反映当前回访燃气用户在进行回访后的第一时间段内，其正向需求和负向需求的预估产生频次情况的数据。其中，正向需求可以包括采购需求和咨询需求；负向需求可以包括投诉需求和维修需求；第一时间段的时长可以预设，例如，1年。
正向需求产生频度可以指当前回访燃气用户在进行回访后的第一时间段内，其正向需求的预估产生频率。例如，正向需求产生频度可以是2，代表当前回访燃气用户在进行回访后的第一时间段内，其正向需求的预估产生频次为2次。
负向需求产生频度可以指当前回访燃气用户在进行回访后的第一时间段内，其负向需求的预估产生频率。例如，负向需求产生频度可以是3，代表当前回访燃气用户在进行回访后的第一时间段内，其负向需求的预估产生频次为3次。
在一些实施例中，可以基于回访效果预测模型对候选回访问题集的处理，确定候选回访问题集的评估值，发生概率预测模型为机器学习模型。关于回访效果预测模型的相关说明可参见图7相关描述。
步骤540，基于各个候选回访问题集的评估值，确定目标回访问题集。
目标回访问题集可以指从各个候选回访问题集选出的，用于确定回访问题集的回访问题的集合。
目标回访问题集的确定方法可以有多种，例如，可以将满足预设条件的候选回访问题集确定为目标回访问题集。预设条件可以是候选回访问题集的评估值中的正向需求产生频度大于正向需求阈值且负向需求产生频度小于负向需求阈值。正向需求阈值和负向需求阈值均可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
步骤550，基于目标回访问题集，确定回访参数。
在一些实施例中，可以将所有目标回访问题集包括的所有回访问题作为回访参数包括的回访问题集中的回访问题。
在一些实施例中，回访参数还可以包括回访间隔；回访效果预测模型的输入还可以包括回访间隔和历史回访频度。
回访间隔可以指上次对某一回访燃气用户的回访时间，到预估的下一次对该回访燃气用户进行回访的时间之间的时间间隔。回访间隔可以基于经验人工预估确定。
历史回访频度可以指对回访燃气用户的历史回访频率。例如，历史回访频度可以是2次/月。历史回访频度可以基于回访燃气用户的历史回访记录进行确定，关于历史回访频度的更多说明参见图3的步骤320的相关内容。
本说明书一些实施例中，通过上述确定回访参数的方法，可以有效提高所确定的回访参数的适应性；通过引入回访问题频繁项确定回访参数，进一步提高了所确定的回访参数的适应性；通过历史回访记录来统计出现次数（支持度）以确定回访问题频繁项时，基于燃气特征一致度加权统计出现次数，可以使得确定得到的频繁项是来自于与当前待确定回访参数的回访用户具有相似燃气特征的燃气用户，从而使得频繁项相关于当前待确定回访参数的回访用户的燃气特征，从而使得确定回访用户的回访参数时，频繁项中包含的问题更贴合于该回访用户；通过预设问题数量与回访燃气用户的回访必要度挂钩，可以使得回访问题集的大小和回访用户的回访必要度挂钩，回访必要度越大，则对该回访用户的回访问题的数量也更倾向于越多，从而获取到该用户的更多信息；通过在回访参数中引入回访间隔，可以使得回访过程更人性化，也从一个侧面提高了回访服务的质量。
图6是根据本说明书一些实施例所示的发生概率预测模型的模型结构图。
在一些实施例中，智慧燃气管理平台130中的处理器可以基于发生概率预测模型对燃气用户的包含燃气呼叫咨询数据的燃气用户相关特征和候选预估发生时间组合进行处理，确定燃气用户在各个候选预估发生时间组合下，发生对应呼叫的预估发生概率。燃气用户相关特征可以包括燃气用户特征、燃气运输特征、燃气使用特征、历史故障特征和燃气呼叫咨询数据。关于燃气用户特征和燃气呼叫咨询数据的相关说明可参见图2相关描述。关于候选预估发生时间组合及其预估发生概率的相关说明可参见图3相关描述。关于燃气运输特征、燃气使用特征和历史故障特征的相关说明可参见图5相关描述。
发生概率预测模型可以指用于确定候选预估发生时间组合对应的预估发生概率的机器学习模型。在一些实施例中，发生概率预测模型可以包括循环神经网络（RecurrentNeural Network, RNN）模型、深度神经网络（Deep Neural Network,DNN）模型、卷积神经网络（Convolutional Neural Network, CNN）模型等各种可行的模型中的任意一种或组合。
如图6所示，发生概率预测模型630的输入可以包括某个燃气用户的燃气用户相关特征610和候选预估发生时间组合620，输出可以是该燃气用户在候选预估发生时间组合下发生对应呼叫的预估发生概率640。其中，燃气用户相关特征610可以包括燃气用户特征611、燃气运输特征612、燃气使用特征613、历史故障特征614和燃气呼叫咨询数据615。
在一些实施例中，如图6所示，发生概率预测模型630的输入还可以包括回访燃气用户在回访可选域的回访问题频繁项的数量650。回访燃气用户在回访可选域的回访问题频繁项的数量可以指回访问题频繁项的个数，例如，4个。关于回访可选域的相关说明可参见图4相关描述。关于回访问题频繁项的相关说明可参见图5相关描述。
在一些实施例中，发生概率预测模型630可以通过多个标有第一标签的第一训练样本训练得到。例如，可以将多个标有第一标签的第一训练样本输入初始发生概率预测模型，通过第一标签和初始发生概率预测模型的结果构建第一损失函数，基于第一损失函数迭代更新初始发生概率预测模型的参数。当初始发生概率预测模型的损失函数满足训练结束的预设条件时模型训练完成，得到训练好的发生概率预测模型。其中，训练结束的预设条件可以是第一损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第一训练样本可以包括样本燃气用户相关特征和样本发生时间组合。第一标签可以包括第一训练样本中的样本燃气用户在对应的发生时间组合下是否进行呼叫。样本燃气用户的相关特征可以包括样本燃气用户特征、样本燃气运输特征、样本燃气使用特征、样本历史故障特征和样本燃气呼叫咨询数据。样本燃气用户特征可以基于样本燃气用户所使用的燃气终端设备的安装记录进行确定。样本燃气运输特征可以基于配置于智慧燃气对象平台150的温度计、气压计和流量计获取。样本燃气使用特征可以基于配置于智慧燃气对象平台150的燃气表获取。样本历史故障特征可以基于燃气用户的报修记录获取。样本燃气呼叫咨询数据可以基于呼叫中心的呼叫记录数据获取；样本发生时间组合可以人工设定。第一标签可以基于人工标注确定。
在一些实施例中，若发生概率预测模型的输入还包括了回访燃气用户在回访可选域的回访问题频繁项的数量，则第一训练样本还可以包括回访问题频繁项的样本数量。回访问题频繁项的样本数量可以人工设定。
本说明书一些实施例中，通过模型确定候选预估发生时间组合对应的预估发生概率，既可以保证预估结果的准确度，又可以提升预估工作的效率。
图7是根据本说明书一些实施例所示的回访效果预测模型的模型结构图。
在一些实施例中，智慧燃气管理平台130中的处理器可以基于回访效果预测模型对候选回访问题集进行处理，确定候选回访问题集的评估值。关于候选回访问题集及其评估值的相关说明可参见图5相关描述。
回访效果预测模型可以指用于确定候选回访问题集的评估值的机器学习模型。在一些实施例中，回访效果预测模型可以包括循环神经网络（Recurrent Neural Network,RNN）模型、深度神经网络（Deep Neural Network,DNN）模型、卷积神经网络（ConvolutionalNeural Network, CNN）模型等各种可行的模型中的任意一种或组合。
如图7所示，回访效果预测模型730的输入可以包括某个燃气用户的燃气用户相关特征610和候选回访问题集720，输出可以包括候选回访问题集的评估值740。其中，燃气用户相关特征610可以包括燃气用户特征611、燃气运输特征612、燃气使用特征613、历史故障特征614和燃气呼叫咨询数据615。更多关于燃气用户相关特征的说明可参见图6相关描述。
在一些实施例中，如图7所示，回访效果预测模型730的输入还可以包括回访间隔750和历史回访频度760。关于回访间隔和历史回访频度的相关说明可参见图5相关描述。
在一些实施例中，回访效果预测模型730可以通过多个标有第二标签的第二训练样本训练得到。例如，可以将多个标有第二标签的第二训练样本输入初始回访效果预测模型，通过第二标签和初始回访效果预测模型的结果构建第二损失函数，基于第二损失函数迭代更新初始发生概率预测模型的参数。当初始回访效果预测模型的损失函数满足训练结束的预设条件时模型训练完成，得到训练好的回访效果预测模型。其中，训练结束的预设条件可以是第二损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第二训练样本可以包括样本燃气用户相关特征和样本回访问题集。第二标签可以包括针对样本燃气用户，第二训练样本中样本回访问题集对应的评估值。第二训练样本中的样本燃气用户相关特征可以与第一训练样本中的样本燃气用户相关特征相同。关于第一训练样本的相关说明可参见图6相关描述。样本回访问题集中的回访问题可以人工设定。第二标签可以基于人工标注确定。
在一些实施例中，若回访效果预测模型的输入还包括了回访间隔和历史回访频度，则第二训练样本还可以包括样本回访间隔和样本历史回访频度。其中，样本回访间隔可以人工设定；样本历史回访频度可以基于回访燃气用户的历史回访记录获取。
本说明书一些实施例中，通过模型确定候选回访问题集的评估值，既可以保证确定结果的准确度，又可以提升确定工作的效率；通过在模型的输入中引入回访间隔和历史回访频度，进一步提高了模型确定的结果的准确度。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于智慧燃气呼叫中心的回访管理方法，其特征在于，由基于智慧燃气呼叫中心的回访管理物联网系统的智慧燃气管理平台执行，所述方法包括：
获取一个或多个燃气用户的燃气呼叫咨询数据，所述燃气呼叫咨询数据至少包括呼叫类型分布；
基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定回访燃气用户；
基于所述回访燃气用户的所述燃气呼叫咨询数据及其燃气用户特征，确定回访参数，所述燃气用户特征至少包括燃气终端类型，所述回访参数至少包括回访问题集。
2.如权利要求1所述的方法，其特征在于，所述基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定回访燃气用户，包括：
基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定各个所述燃气用户的回访必要度；
基于各个所述燃气用户的所述回访必要度，确定所述回访燃气用户。
3.如权利要求2所述的方法，其特征在于，所述基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定各个所述燃气用户的回访必要度，包括：
对于每个所述燃气用户，基于包含所述燃气呼叫咨询数据的燃气用户相关特征，通过发生概率预测模型，确定所述燃气用户在各个候选预估发生时间组合下，发生对应呼叫的预估发生概率，所述候选预估发生时间组合包括一个或多个不同类型的所述呼叫在未来的预估发生时间，所述发生概率预测模型为机器学习模型；
基于各个所述候选预估发生时间组合的所述预估发生概率，确定所述回访必要度。
4.如权利要求3所述的方法，其特征在于，所述基于所述预估发生概率，确定所述回访必要度，包括：
将满足发生概率阈值条件的所述候选预估发生时间组合确定为目标预估发生时间组合；
对至少一个所述目标预估发生时间组合进行加权处理，确定所述回访必要度。
5.如权利要求1所述的方法，其特征在于，所述基于所述回访燃气用户的所述燃气呼叫咨询数据及其燃气用户特征，确定回访参数，包括：
基于所述回访燃气用户的所述燃气用户特征，确定回访可选域，所述回访可选域至少包括可供询问的回访问题；
基于所述回访可选域，确定所述回访参数。
6.如权利要求5所述的方法，其特征在于，基于所述回访可选域，确定所述回访参数，包括：
获取至少一个回访问题频繁项，所述回访问题频繁项包括的所述回访问题包含于所述回访可选域；
基于所述回访问题频繁项，确定多个候选回访问题集；
基于回访效果预测模型确定每个所述候选回访问题集的评估值，所述评估值至少包括正向需求产生频度和负向需求产生频度；
基于各个所述候选回访问题集的所述评估值，确定目标回访问题集；
基于所述目标回访问题集，确定所述回访参数。
7.如权利要求6所述的方法，其特征在于，所述回访参数还包括回访间隔；所述回访效果预测模型的输入还包括所述回访间隔和历史回访频度。
8.一种基于智慧燃气呼叫中心的回访管理物联网系统，其特征在于，所述基于智慧燃气呼叫中心的回访管理物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台，所述智慧燃气管理平台包括智慧客服管理分平台、智慧运行管理分平台和智慧燃气数据中心，所述智慧燃气管理平台被配置为执行以下操作：
所述智慧燃气数据中心经由所述智慧燃气传感网络平台从至少一个燃气终端设备中获取燃气使用数据并发送至所述智慧燃气管理分平台，所述至少一个燃气终端设备被配置于所述智慧燃气对象平台中；
所述智慧燃气管理平台被配置为：
获取一个或多个燃气用户的燃气呼叫咨询数据，所述燃气呼叫咨询数据至少包括呼叫类型分布；
基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定回访燃气用户；
基于所述回访燃气用户的所述燃气呼叫咨询数据及其燃气用户特征，确定回访参数，所述燃气用户特征至少包括燃气终端类型，所述回访参数至少包括回访问题集。
9.如权利要求8所述的物联网系统，其特征在于，所述智慧燃气管理平台进一步被配置为：
基于一个或多个所述燃气用户的所述燃气呼叫咨询数据，确定各个所述燃气用户的回访必要度；
基于各个所述燃气用户的所述回访必要度，确定所述回访燃气用户。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1所述的基于智慧燃气呼叫中心的回访管理方法。
CN202310378650.9A 2023-04-11 2023-04-11 基于智慧燃气呼叫中心的回访管理方法和物联网系统 Active CN116091080B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310378650.9A CN116091080B (zh) 2023-04-11 2023-04-11 基于智慧燃气呼叫中心的回访管理方法和物联网系统
US18/303,594 US20230252374A1 (en) 2023-04-11 2023-04-20 Methods and internet of things (iot) systems for managing return visit based on call center of smart gas

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310378650.9A CN116091080B (zh) 2023-04-11 2023-04-11 基于智慧燃气呼叫中心的回访管理方法和物联网系统

Publications (2)

Publication Number Publication Date
CN116091080A true CN116091080A (zh) 2023-05-09
CN116091080B CN116091080B (zh) 2023-06-30

Family

ID=86208666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310378650.9A Active CN116091080B (zh) 2023-04-11 2023-04-11 基于智慧燃气呼叫中心的回访管理方法和物联网系统

Country Status (2)

Country Link
US (1) US20230252374A1 (zh)
CN (1) CN116091080B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664019A (zh) * 2023-07-28 2023-08-29 成都秦川物联网科技股份有限公司 智慧燃气数据时效性管理方法、物联网系统、装置及介质
CN116703651A (zh) * 2023-08-08 2023-09-05 成都秦川物联网科技股份有限公司 一种智慧燃气数据中心运行管理方法、物联网系统和介质
CN117350680A (zh) * 2023-11-28 2024-01-05 成都秦川物联网科技股份有限公司 基于用户活跃度的智慧燃气安全管理方法和物联网系统
CN117479049A (zh) * 2023-12-27 2024-01-30 成都秦川物联网科技股份有限公司 用于智慧燃气的数据传输管控方法、物联网系统及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090012838A1 (en) * 2007-07-03 2009-01-08 Accenture Global Services Gmbh Determination of a preferred ratio of supervisors to agents in call centers
CN106203809A (zh) * 2016-07-04 2016-12-07 吴江港华燃气有限公司 一种燃气热线任务自动接收分配系统
US10755281B1 (en) * 2017-03-31 2020-08-25 Square, Inc. Payment transaction authentication system and method
CN112241924A (zh) * 2020-09-22 2021-01-19 四川九门科技股份有限公司 一种智慧燃气系统
CN112819263A (zh) * 2019-10-31 2021-05-18 北京沃东天骏信息技术有限公司 一种调度客服的方法和装置
CN113283915A (zh) * 2021-04-23 2021-08-20 深圳市中燃科技有限公司 燃气呼叫中心业务处理方法、系统、终端及存储介质
CN115705400A (zh) * 2021-08-04 2023-02-17 顺丰科技有限公司 话务量预测模型构建方法、装置及计算机可读存储介质
CN115914468A (zh) * 2023-03-09 2023-04-04 成都秦川物联网科技股份有限公司 智慧燃气呼叫中心的反馈管理方法、物联网系统及介质
CN115936449A (zh) * 2023-03-09 2023-04-07 成都秦川物联网科技股份有限公司 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统
CN115936722A (zh) * 2023-03-09 2023-04-07 成都秦川物联网科技股份有限公司 智慧燃气呼叫中心的数据管理方法与物联网系统、介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090012838A1 (en) * 2007-07-03 2009-01-08 Accenture Global Services Gmbh Determination of a preferred ratio of supervisors to agents in call centers
CN106203809A (zh) * 2016-07-04 2016-12-07 吴江港华燃气有限公司 一种燃气热线任务自动接收分配系统
US10755281B1 (en) * 2017-03-31 2020-08-25 Square, Inc. Payment transaction authentication system and method
CN112819263A (zh) * 2019-10-31 2021-05-18 北京沃东天骏信息技术有限公司 一种调度客服的方法和装置
CN112241924A (zh) * 2020-09-22 2021-01-19 四川九门科技股份有限公司 一种智慧燃气系统
CN113283915A (zh) * 2021-04-23 2021-08-20 深圳市中燃科技有限公司 燃气呼叫中心业务处理方法、系统、终端及存储介质
CN115705400A (zh) * 2021-08-04 2023-02-17 顺丰科技有限公司 话务量预测模型构建方法、装置及计算机可读存储介质
CN115914468A (zh) * 2023-03-09 2023-04-04 成都秦川物联网科技股份有限公司 智慧燃气呼叫中心的反馈管理方法、物联网系统及介质
CN115936449A (zh) * 2023-03-09 2023-04-07 成都秦川物联网科技股份有限公司 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统
CN115936722A (zh) * 2023-03-09 2023-04-07 成都秦川物联网科技股份有限公司 智慧燃气呼叫中心的数据管理方法与物联网系统、介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
唐震: "\"燃气报修呼叫客户服务系统开发与应用\"", 《城市燃气》, no. 5, pages 40 - 45 *
邵泽华: ""物联网智能燃气表传感网络通信技术发展方向"", 《煤气与热力》, vol. 41, no. 4, pages 88 - 92 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664019A (zh) * 2023-07-28 2023-08-29 成都秦川物联网科技股份有限公司 智慧燃气数据时效性管理方法、物联网系统、装置及介质
CN116664019B (zh) * 2023-07-28 2023-10-20 成都秦川物联网科技股份有限公司 智慧燃气数据时效性管理方法、物联网系统、装置及介质
CN116703651A (zh) * 2023-08-08 2023-09-05 成都秦川物联网科技股份有限公司 一种智慧燃气数据中心运行管理方法、物联网系统和介质
CN116703651B (zh) * 2023-08-08 2023-11-14 成都秦川物联网科技股份有限公司 一种智慧燃气数据中心运行管理方法、物联网系统和介质
CN117350680A (zh) * 2023-11-28 2024-01-05 成都秦川物联网科技股份有限公司 基于用户活跃度的智慧燃气安全管理方法和物联网系统
CN117350680B (zh) * 2023-11-28 2024-02-13 成都秦川物联网科技股份有限公司 基于用户活跃度的智慧燃气安全管理方法和物联网系统
CN117479049A (zh) * 2023-12-27 2024-01-30 成都秦川物联网科技股份有限公司 用于智慧燃气的数据传输管控方法、物联网系统及介质
CN117479049B (zh) * 2023-12-27 2024-03-15 成都秦川物联网科技股份有限公司 用于智慧燃气的数据传输管控方法、物联网系统及介质

Also Published As

Publication number Publication date
CN116091080B (zh) 2023-06-30
US20230252374A1 (en) 2023-08-10

Similar Documents

Publication Publication Date Title
CN116091080B (zh) 基于智慧燃气呼叫中心的回访管理方法和物联网系统
CN115358432B (zh) 用于智慧燃气的燃气表计量故障确定方法和物联网系统
US11893518B2 (en) Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things
CN115640914B (zh) 一种智慧燃气储气优化方法、物联网系统、装置及介质
AU2011239306B2 (en) Digital analytics system
US11863920B2 (en) Methods and internet of things systems for gas usage safety warning based on smart gases
CN116386287A (zh) 用于智慧燃气的燃气泄漏智能预警方法和物联网系统
US20230247138A1 (en) Methods and internet of things systems for gas operation based on call centers of smart gas
CN115618652B (zh) 智慧燃气压缩机运行优化方法、物联网系统、装置及介质
CN115681821B (zh) 用于智慧燃气设备管理的加臭自动控制方法和物联网系统
CN111435482A (zh) 一种外呼模型的构建方法、外呼方法、装置和存储介质
US20230108309A1 (en) Methods and systems for gas meter replacement prompt based on a smart gas internet of things
CN115914468B (zh) 智慧燃气呼叫中心的反馈管理方法、物联网系统及介质
CN115775088B (zh) 一种智慧燃气巡检计划确定方法与物联网系统
US20230328139A1 (en) Methods and internet of things systems for platform intelligent statement based on operation of smart gas
CN116664019B (zh) 智慧燃气数据时效性管理方法、物联网系统、装置及介质
CN115936722A (zh) 智慧燃气呼叫中心的数据管理方法与物联网系统、介质
US20160140586A1 (en) Behavioral demand response using substation meter data
CN116156059B (zh) 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质
US20230259849A1 (en) Methods and internet of things (iot) systems for maintenance management of smart gas call center
US20230316237A1 (en) Methods, internet of things ststems and medium for optimizing smart gas work order scheduling
CN113139823A (zh) 一种智能定价系统

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