CN116503107B - 一种应用人工智能的业务大数据处理方法及系统 - Google Patents
一种应用人工智能的业务大数据处理方法及系统 Download PDFInfo
- Publication number
- CN116503107B CN116503107B CN202310744702.XA CN202310744702A CN116503107B CN 116503107 B CN116503107 B CN 116503107B CN 202310744702 A CN202310744702 A CN 202310744702A CN 116503107 B CN116503107 B CN 116503107B
- Authority
- CN
- China
- Prior art keywords
- service
- target
- user
- business
- target potential
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
-
- 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
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/1396—Protocols specially adapted for monitoring users' activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Computer Hardware Design (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例涉及人工智能技术领域,公开了一种应用人工智能的业务大数据处理方法及系统,该业务大数据处理方法是首先通过相关信息来将用户确定为目标潜在用户,然后根据目标潜在用户的对话回答来确定业务推文形成的实际业务情况,以判断是否符合目标业务期望,从而形成目标业务推文的反馈信息,如此,用户可以根据该反馈信息来对该业务推文进行优化、修改,以最大限度的发挥其经济价值。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种应用人工智能的业务大数据处理方法及系统。
背景技术
服务类型企业为获得更多的业务,一般会选择通过广告推文进行业务推广,如在知识产权领域,很多代理公司将专业技术方面的知识形成推文进行内容发送,以供用户进行相关知识的学习,同时形成一种潜在的业务广告,但是目前的系统对该类业务广告推文的效果无法进行有效的评价,因此,无法向用户提供有效的业务推文调整、优化参考信息,从而导致业务推文无法发挥其最大的经济价值。
发明内容
本发明的主要目的是提供一种应用人工智能的业务大数据处理方法及系统,旨在解决现有技术中对业务广告推文的效果无法进行有效评价的技术问题。
为实现上述目的,第一方面,本申请实施例中提供了一种应用人工智能的业务大数据处理方法,应用于人工智能服务系统,所述方法包括:
获取用户对目标业务推文的浏览时长;
确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;
向所述目标潜在用户发送业务询问信息;
响应于所述目标潜在用户对所述业务询问信息的回答;
基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,其中,所述业务类型包括业务办理业务、分销合作业务以及学习业务;
统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;
将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;
基于所述比对结果,得到所述目标业务推文的第一反馈信息,其中,所述第一反馈信息包括高准确性业务推文、低准确性业务推文。
优选地,所述方法还包括:
统计第二预设周期内用户对目标业务推文的浏览总时长;
基于所述浏览总时长与IP地址数量,确定平均浏览时长;
基于所述平均浏览时长,得到所述目标业务推文的第二反馈信息,其中,所述第二反馈信息包括高热度业务推文、低热度业务推文。
优选地,所述向所述目标潜在用户发送业务询问信息,包括:
获取所述目标潜在用户浏览所述目标业务推文的终端类型,其中,所述终端类型包括移动终端及非移动终端;
确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息;
确定所述终端类型为非移动终端时,向所述目标潜在用户发送文字询问信息。
优选地,所述确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,包括:
获取所述目标潜在用户的在线时长;
确定所述目标潜在用户的在线时长大于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送视频询问请求信息的概率大于60%;
确定所述目标潜在用户的在线时长小于等于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送音频询问信息的概率大于60%。
优选地,所述确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,包括:
获取所述目标潜在用户的在线时长;
确定所述目标潜在用户的在线时长大于预设值时,向所述目标潜在用户发送视频询问请求信息;
确定所述目标潜在用户的在线时长小于预设值时,向所述目标潜在用户发送音频询问信息。
优选地,所述基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,包括:
采用预先训练的人工智能模型,提取所述回答内容的关键词;
根据所述关键词确定所述目标潜在客户的业务类型。
优选地,将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果,包括:
当业务大数据中业务类型的比例在业务目标期望范围内时,得到符合预期的第一比对结果;
当业务大数据中业务类型的比例不在业务目标期望范围内时,得到不符合预期的第二比对结果。
优选地,所述基于所述比对结果,得到所述目标业务推文的第一反馈信息,包括:
当所述比对结果为第一比对结果时,确定所述目标业务推文为高准确性业务推文;
当所述比对结果为第二比对结果时,确定所述目标业务推文为低准确性业务推文。
第二方面,本申请实施例中还提供了一种人工智能服务系统,包括:
获取模块,用于获取用户对目标业务推文的浏览时长;
判定模块,根据用户浏览时长判定用户是否为目标潜在用户;
发送模块,向所述目标潜在用户发送业务询问信息;
分析模块,分析用户的回答内容,根据分析结果确定目标潜在客户的业务类型;
整合模块,整合统计目标潜在客户的业务类型形成业务大数据;
对比分析模块,对比分析业务大数据及目标业务推文的业务目标期望,根据分析结果得到第一反馈信息。
第三方面,本申请实施例中还提供了一种电子设备,包括:处理器及存储器;
其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如第一方面所述的业务大数据处理方法。
区别于现有技术,本申请实施例提供的应用人工智能的业务大数据处理方法,首先获取用户对目标业务推文的浏览时长;然后确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;然后向所述目标潜在用户发送业务询问信息;然后响应于所述目标潜在用户对所述业务询问信息的回答;然后基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型;然后统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;再将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;最后基于所述比对结果,得到所述目标业务推文的第一反馈信息。也即,该方法是根据目标潜在用户的对话回答来确定业务推文形成的实际业务情况,以判断是否符合目标业务期望,从而形成目标业务推文的反馈信息,如此,用户可以根据该反馈信息来对该业务推文进行优化、修改调整,以最大限度的发挥其经济价值。
附图说明
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本申请一实施例中业务大数据处理方法的流程示意图;
图2为本申请另一实施例中业务大数据处理方法的流程示意图;
图3为本申请一实施例中步骤S300的流程示意图;
图4为本申请一实施例中步骤S320的流程示意图;
图5为本申请另一实施例中步骤S320的流程示意图;
图6为本申请一实施例中步骤S500的流程示意图;
图7为本申请实施例中人工智能服务系统的模块结构示意图;
图8为本申请实施例提供的电子设备的硬件结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中的“和/或”包括三个方案,以A和/或B为例,包括A技术方案、B技术方案,以及A和B同时满足的技术方案;另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
发明人发现,服务类型企业为获得更多的业务,一般会选择通过广告推文进行业务推广,如在知识产权领域,很多代理公司将专业技术方面的知识形成推文进行内容发送,以供用户进行相关知识的学习,同时形成一种潜在的业务广告,但是目前的系统对该类业务广告推文的效果无法进行有效的评价,因此,无法向用户提供有效的业务推文优化参考信息,从而导致业务推文无法发挥其最大的经济价值。
针对上述问题,本申请实施例提供了一种应用人工智能的业务大数据处理方法,该方法是根据目标潜在用户的对话回答来确定业务推文形成的实际业务情况,以判断是否符合目标业务期望,从而形成目标业务推文的反馈信息,如此,用户可以根据该反馈信息来对该业务推文进行优化、修改调整,以最大限度的发挥其经济价值。
以下将主要描述应用人工智能的业务大数据处理方法的具体步骤,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。请参阅附图1,所述应用人工智能的业务大数据处理方法包括:
S100,获取用户对目标业务推文的浏览时长;
S200,确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;
S300,向所述目标潜在用户发送业务询问信息;
S400,响应于所述目标潜在用户对所述业务询问信息的回答;
S500,基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,其中,所述业务类型包括业务办理业务、分销合作业务以及学习业务;
S600,统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;
S700,将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;
S800,基于所述比对结果,得到所述目标业务推文的第一反馈信息,其中,所述第一反馈信息包括高准确性业务推文、低准确性业务推文。
可以理解,本申请的业务大数据处理方法,首先获取用户对目标业务推文的浏览时长;然后确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;然后向所述目标潜在用户发送业务询问信息;然后响应于所述目标潜在用户对所述业务询问信息的回答;然后基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型;然后统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;再将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;最后基于所述比对结果,得到所述目标业务推文的第一反馈信息。也即,该方法是根据目标潜在用户的对话回答来确定业务推文形成的实际业务情况,以判断是否符合目标业务期望,从而形成目标业务推文的反馈信息,如此,用户可以根据该反馈信息来对该业务推文进行优化、修改调整,以最大限度的发挥其经济价值。
具体地,本申请中,获取用户对目标业务推文的浏览时长可以通过数字计时器或程序代码计时器进行确定,当浏览时长大于预设值时,将所述浏览用户标记确定为目标潜在用户;向所述目标潜在用户发送业务询问信息的方式有多种,如向用户发送文字询问信息或语音询问信息或直接视频与用户进行交流得到询问信息,至于向用户发送何种业务询问信息,可以根据用户的闲忙情况以及交流习惯进行确定,因此,系统可以根据用户的年龄、性别,在线时间以及使用的设备类型进行确定,以更高效的获取得到目标潜在用户对所述业务询问信息的回答信息;系统可以对用户回答的信息进行人工识别或者机器识别以得到目标潜在客户想进行业务类型,例如,当用户回答“想申请专利、商标”,系统可以识别出该用户是想办理相关业务,当用户回答“我这边有些客户资源,我想跟你们合作”,系统可以识别出该用户是想进行分销合作,当用户回答“没啥问题”或者“学习”或者没有进行任何回答时,系统可以识别出该用户仅仅是为了学习,因此,根据所述目标潜在客户的回答内容,可以确定所述目标潜在客户的业务类型(是业务办理业务、分销合作业务还是学习业务);系统统计某个业务推广周期内的业务类型形成业务大数据,如统计一个月的时间得到业务办理业务占20%、分销合作业务占30%、学习业务占50%;当某个推文的发布者其目标期望是使得业务办理业务达到50%以上,因此,该业务大数据(业务办理业务占20%、分销合作业务占30%、学习业务占50%)则明显与目标期望不符,因此,系统可以根据该对比信息得到目标业务推文的第一反馈信息,表征该业务推文为低准确性业务推文,以提醒发布者该业务推文需要优化或修改,或者当实际业务与目标期望业务相符合时,系统可以根据该对比信息得到目标业务推文的第一反馈信息,表征该业务推文为高准确性业务推文,以提醒发布者该推文符合预期推广方向,继续保持该推文的发布风格。
评价业务推文的效果除了推文的目标准确性之外,还有很多其他的指标,如推文的热度等,请参阅附图2,在其他实施例中,所述应用人工智能的业务大数据处理方法还包括:
S900,统计第二预设周期内用户对目标业务推文的浏览总时长;
S1000,基于所述浏览总时长与IP地址数量,确定平均浏览时长;
S1100,基于所述平均浏览时长,得到所述目标业务推文的第二反馈信息,其中,所述第二反馈信息包括高热度业务推文、低热度业务推文。
具体地,首先在一个周期(即第二预设周期)内统计所有用户对目标业务推文的浏览总时长,第二预设周期可以与第一预设周期相同,也可以与第一预设周期不同;然后基于所述浏览总时长与IP地址数量,确定平均浏览时长,浏览总时长除以IP地址总数量即得到平均浏览时长;最后基于所述平均浏览时长,得到所述目标业务推文的第二反馈信息,当平均浏览时长大于预设阈值时,表示该业务推文为高热度业务推文,反之,当平均浏览时长小于等于预设阈值时,表示该业务推文为低热度业务推文;推文发布者可以根据该反馈信息确定业务推文是否需要修改调整、优化、更新。
可以理解,系统发送什么类型的业务询问信息,取决于用户的闲忙情况、在线状态或者交流习惯等,更具体地比如取决于使用设备的类型、在线时长以及用户的年龄、性别等;以用户使用终端设备的类型为例进行说明,当用户浏览所述目标业务推文的终端类型为非移动终端(台式电脑等)时,用户不太方便使用语音甚至视频进行交流;当用户浏览所述目标业务推文的终端类型为移动终端(手机、平板电脑、穿戴设备等)时,用户使用语音或者视频能够更高效的交流。请参阅附图3,本申请实施例中,所述步骤S300:向所述目标潜在用户发送业务询问信息,包括:
S310,获取所述目标潜在用户浏览所述目标业务推文的终端类型,其中,所述终端类型包括移动终端及非移动终端;
S320,确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息;
S330,确定所述终端类型为非移动终端时,向所述目标潜在用户发送文字询问信息。
具体地,当用户在浏览业务推文时,系统首先获取用户的终端类型,当该用户使用移动终端时,系统向所述目标潜在用户发送音频询问信息或视频询问请求信息,即通过语音或者视频与用户交流业务;当该用户使用非移动终端时,系统向所述目标潜在用户发送文字询问信息,即通过文字与用户沟通业务;需要说明的是,系统发送视频询问请求信息后,用户需要接受请求才能进行视频交流。
可以理解,当用户在线时长较长时,说明用户有更多的时间来与推文发布者交流,可以通过视频的方式更高效的沟通;当用户在线时长较短时,说明用户可能没有太多的时间来与推文发布者交流;请参阅附图4,在一实施例中,所述步骤S320:确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,包括:
S321,获取所述目标潜在用户的在线时长;
S322,确定所述目标潜在用户的在线时长大于预设值时,向所述目标潜在用户发送视频询问请求信息;
S323,确定所述目标潜在用户的在线时长小于预设值时,向所述目标潜在用户发送音频询问信息。
具体地,首先获取目标潜在用户的在线时长,当目标潜在用户的在线时长大于预设值时,向所述目标潜在用户发送视频询问请求信息,当目标潜在用户的在线时长小于预设值时,向所述目标潜在用户发送音频询问信息。
但是,通过在线时长这一指标来评价采用语音还是视频来进行交流也未必完全符合用户的交流需求。因此,在一实施例中,请参阅附图5,所述步骤S320:确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,包括:
S321,获取所述目标潜在用户的在线时长;
S324,确定所述目标潜在用户的在线时长大于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送视频询问请求信息的概率大于60%;
S325,确定所述目标潜在用户的在线时长小于等于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送音频询问信息的概率大于60%。
具体地,首先获取所述目标潜在用户的在线时长,当目标潜在用户的在线时长大于预设值,系统随机发送音频询问信息或视频询问请求信息,并且该随机事情是以较大的概率通过视频进行交流,较小的概率通过语音进行业务交流;当目标潜在用户的在线时长小于等于预设值,系统随机发送音频询问信息或视频询问请求信息,并且该随机事情是以较大的概率通过语音进行交流,以较小的概率通过视频进行交流;如此,系统通过随机事件选择交流方式能够更好的满足用户的交流需求,交流方式更灵活。
请参阅附图6,本申请实施例中,所述步骤S500:基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,包括:
S510,采用预先训练的人工智能模型,提取所述回答内容的关键词;
S520,根据所述关键词确定所述目标潜在客户的业务类型。
具体地,系统通过预先训练的人工智能模型提取用户回答内容的关键词,然后根据所述关键词确定所述目标潜在客户的业务类型。比如,当用户回答“想申请专利、商标”,系统抓取关键词“想申请”,即可得知该用户是想办理相关业务,当用户回答“我这边有些客户资源,我想跟你们合作”,系统抓取关键词“资源、合作”,即可得知该用户是想进行分销合作,当用户回答“没啥问题”或者“学习”,系统抓取关键词“学习”或者无关键词时,即可得知该用户仅想学习,关键词的设置可以通过以前用户进行咨询的大数据进行确定;因此,通过关键词可以确定所述目标潜在客户的业务类型。需要说明的是,人工智能模型的训练为现有成熟的技术,不是本申请要保护的内容,这里不对该部分内容进行描述。
本申请实施例中,所述步骤S700:将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果,包括:
当业务大数据中业务类型的比例在业务目标期望范围内时,得到符合预期的第一比对结果;
当业务大数据中业务类型的比例不在业务目标期望范围内时,得到不符合预期的第二比对结果。
具体地,业务大数据即为用户实际需求的业务类型的统计汇总,如发布某个业务推文,在一个考察期下来,统计得到业务办理业务占20%、分销合作业务占30%、学习业务占50%;在发布业务推文之前,发布者会定一个推文的目标预期,如业务办理业务需要占到50%以上,才说明该条推文是成功的、有效果的、有价值的;因此,在得到业务大数据之后,需要将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果,当业务大数据中业务类型的比例在业务目标期望范围内时(第一比对结果),说明所述目标业务推文为高准确性业务推文;当业务大数据中业务类型的比例不在业务目标期望范围内时(第二比对结果),说明所述目标业务推文为低准确性业务推文。如此,发布者可以通过该业务推文的反馈信息来做出决策,是否需要调整、优化业务推文。
需要说明的是,业务推文发布者可以根据业务推文的准确性高低和/或热度高低的反馈信息来对业务推文采取调整、优化等进一步的决策。
请参阅附图7,本申请实施例还提供了一种人工智能服务系统100,包括:
获取模块110,用于获取用户对目标业务推文的浏览时长;
判定模块120,根据用户浏览时长判定用户是否为目标潜在用户;
发送模块130,向所述目标潜在用户发送业务询问信息;
分析模块140,分析用户的回答内容,根据分析结果确定目标潜在客户的业务类型;
整合模块150,整合统计目标潜在客户的业务类型形成业务大数据;
对比分析模块160,对比分析业务大数据及目标业务推文的业务目标期望,根据分析结果得到第一反馈信息。
请参阅附图8,图8为本申请实施例提供的电子设备200的硬件结构示意图,所述电子设备包括处理器210及存储器220;其中,处理器210用于提供计算和控制能力,以控制电子设备200执行相应任务,例如,控制执行上述任一方法实施例中的应用人工智能的业务大数据处理方法,所述方法包括如下步骤:获取用户对目标业务推文的浏览时长;确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;向所述目标潜在用户发送业务询问信息;响应于所述目标潜在用户对所述业务询问信息的回答;基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,其中,所述业务类型包括业务办理业务、分销合作业务以及学习业务;统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;基于所述比对结果,得到所述目标业务推文的第一反馈信息,其中,所述第一反馈信息包括高准确性业务推文、低准确性业务推文。
处理器210可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、硬件芯片或者其任意组合;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(genericarray logic,GAL)或其任意组合。
存储器220作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本申请实施例中的业务大数据处理方法对应的程序指令/模块。处理器210通过运行存储在存储器220中的非暂态软件程序、指令以及模块,可以实现上述任一方法实施例中的业务大数据处理方法。
具体地,存储器220可以包括易失性存储器(volatile memory,VM),例如随机存取存储器(random access memory, RAM);存储器220也可以包括非易失性存储器(non-volatile memory,NVM),例如只读存储器(read-only memory, ROM),快闪存储器(flashmemory),硬盘(hard disk drive, HDD)或固态硬盘(solid-state drive, SSD)或其他非暂态固态存储器件;存储器220还可以包括上述种类的存储器的组合。
综上所述,本申请电子设备200采用了上述任意一个业务大数据处理方法实施例的技术方案,因此,至少具有上述实施例的技术方案所带来的有益效果,在此不再一一赘述。
本申请实施例还提供了一种计算机可读存储介质,例如包括程序代码的存储器,上述程序代码可由处理器执行以完成上述实施例中的业务大数据处理方法。例如,该计算机可读存储介质可以是只读存储器(Read-Only Memory ,ROM)、随机存取存储器(RandomAccess Memory,RAM)、只读光盘(Compact Disc Read-Only Memory,CDROM)、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括一条或多条程序代码,该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码,处理器执行该程序代码,以完成上述实施例中提供的业务大数据处理方法步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来程序代码相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种应用人工智能的业务大数据处理方法,应用于人工智能服务系统,其特征在于,所述方法包括:
获取用户对目标业务推文的浏览时长;
确定所述浏览时长大于预设值,将所述用户确定为目标潜在用户;
获取所述目标潜在用户浏览所述目标业务推文的终端类型;
根据目标潜在用户浏览所述目标业务推文的终端类型向所述目标潜在用户发送业务询问信息;其中,确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,确定所述终端类型为非移动终端时,向所述目标潜在用户发送文字询问信息;并且在所述目标潜在用户的在线时长大于预设值时,向所述目标潜在用户发送视频询问请求信息;在所述目标潜在用户的在线时长小于预设值时,向所述目标潜在用户发送音频询问信息;
响应于所述目标潜在用户对所述业务询问信息的回答;
基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,其中,所述业务类型包括业务办理业务、分销合作业务以及学习业务;
统计整合第一预设周期内所有目标潜在客户的业务类型形成业务大数据;
将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果;
基于所述比对结果,得到所述目标业务推文的第一反馈信息,其中,所述第一反馈信息包括高准确性业务推文、低准确性业务推文。
2.如权利要求1所述的应用人工智能的业务大数据处理方法,其特征在于,所述方法还包括:
统计第二预设周期内用户对目标业务推文的浏览总时长;
基于所述浏览总时长与IP地址数量,确定平均浏览时长;
基于所述平均浏览时长,得到所述目标业务推文的第二反馈信息,其中,所述第二反馈信息包括高热度业务推文、低热度业务推文。
3.如权利要求1所述的应用人工智能的业务大数据处理方法,其特征在于,所述确定所述终端类型为移动终端时,向所述目标潜在用户发送音频询问信息或视频询问请求信息,包括:
获取所述目标潜在用户的在线时长;
确定所述目标潜在用户的在线时长大于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送视频询问请求信息的概率大于60%;
确定所述目标潜在用户的在线时长小于等于预设值,向所述目标潜在用户随机发送音频询问信息或视频询问请求信息,其中,向所述目标潜在用户发送音频询问信息的概率大于60%。
4.如权利要求1所述的应用人工智能的业务大数据处理方法,其特征在于,所述基于所述目标潜在客户的回答内容,确定所述目标潜在客户的业务类型,包括:
采用预先训练的人工智能模型,提取所述回答内容的关键词;
根据所述关键词确定所述目标潜在客户的业务类型。
5.如权利要求1所述的应用人工智能的业务大数据处理方法,其特征在于,将所述业务大数据及目标业务推文的业务目标期望进行比对得到比对结果,包括:
当业务大数据中业务类型的比例在业务目标期望范围内时,得到符合预期的第一比对结果;
当业务大数据中业务类型的比例不在业务目标期望范围内时,得到不符合预期的第二比对结果。
6.如权利要求5所述的应用人工智能的业务大数据处理方法,其特征在于,所述基于所述比对结果,得到所述目标业务推文的第一反馈信息,包括:
当所述比对结果为第一比对结果时,确定所述目标业务推文为高准确性业务推文;
当所述比对结果为第二比对结果时,确定所述目标业务推文为低准确性业务推文。
7.一种人工智能服务系统,其特征在于,包括:
获取模块,用于获取用户对目标业务推文的浏览时长;
判定模块,根据用户浏览时长判定用户是否为目标潜在用户;
发送模块,向所述目标潜在用户发送业务询问信息;
分析模块,分析用户的回答内容,根据分析结果确定目标潜在客户的业务类型;
整合模块,整合统计目标潜在客户的业务类型形成业务大数据;
对比分析模块,对比分析业务大数据及目标业务推文的业务目标期望,根据分析结果得到第一反馈信息。
8.一种电子设备,其特征在于,包括:处理器及存储器;
其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求1至6任一项所述的业务大数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744702.XA CN116503107B (zh) | 2023-06-25 | 2023-06-25 | 一种应用人工智能的业务大数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744702.XA CN116503107B (zh) | 2023-06-25 | 2023-06-25 | 一种应用人工智能的业务大数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116503107A CN116503107A (zh) | 2023-07-28 |
CN116503107B true CN116503107B (zh) | 2023-10-03 |
Family
ID=87326925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310744702.XA Active CN116503107B (zh) | 2023-06-25 | 2023-06-25 | 一种应用人工智能的业务大数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116503107B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005108172A (ja) * | 2003-09-30 | 2005-04-21 | Ilink Systems Inc | 営業支援システムおよび情報共有システム |
CN103577458A (zh) * | 2012-08-01 | 2014-02-12 | 上海亿动信息技术有限公司 | 一种根据终端类型显示网页的控制方法及相应控制装置 |
CN104205157A (zh) * | 2012-03-23 | 2014-12-10 | 英特尔公司 | 合作媒体收集系统和方法 |
CN104781837A (zh) * | 2012-08-15 | 2015-07-15 | 汤姆森路透社全球资源公司 | 用于通过使用基于事件的情绪分析来形成预测的系统和方法 |
CN107517190A (zh) * | 2016-06-17 | 2017-12-26 | 中国移动通信集团上海有限公司 | 一种业务推荐方法及装置 |
US9947028B1 (en) * | 2014-02-27 | 2018-04-17 | Intuit Inc. | System and method for increasing online conversion rate of potential users |
CN109598526A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 媒体贡献的分析方法及装置 |
CN112104734A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113065363A (zh) * | 2021-03-22 | 2021-07-02 | 联想(北京)有限公司 | 一种对话信息的处理方法及装置 |
CN114090825A (zh) * | 2021-11-24 | 2022-02-25 | 武汉金梦奇缘科技有限公司 | 一种心理咨询短视频的大数据分析精准引流方法 |
CN115687783A (zh) * | 2022-11-15 | 2023-02-03 | 平安壹钱包电子商务有限公司 | 业务应用的推送方法及装置、存储介质、计算机设备 |
US11609952B1 (en) * | 2018-06-06 | 2023-03-21 | Zeetogroup, Llc | Utility based inquiry selection in a streaming data pipeline |
CN115983915A (zh) * | 2022-12-30 | 2023-04-18 | 高健 | 一种基于运维大数据的汽车营销分析方法及系统 |
CN116208579A (zh) * | 2023-02-21 | 2023-06-02 | 广东好太太智能家居有限公司 | 信息推送方法、装置、设备以及存储介质 |
CN116226505A (zh) * | 2021-12-06 | 2023-06-06 | 中国移动通信有限公司研究院 | 一种业务处理、装置及设备 |
-
2023
- 2023-06-25 CN CN202310744702.XA patent/CN116503107B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005108172A (ja) * | 2003-09-30 | 2005-04-21 | Ilink Systems Inc | 営業支援システムおよび情報共有システム |
CN104205157A (zh) * | 2012-03-23 | 2014-12-10 | 英特尔公司 | 合作媒体收集系统和方法 |
CN103577458A (zh) * | 2012-08-01 | 2014-02-12 | 上海亿动信息技术有限公司 | 一种根据终端类型显示网页的控制方法及相应控制装置 |
CN104781837A (zh) * | 2012-08-15 | 2015-07-15 | 汤姆森路透社全球资源公司 | 用于通过使用基于事件的情绪分析来形成预测的系统和方法 |
US9947028B1 (en) * | 2014-02-27 | 2018-04-17 | Intuit Inc. | System and method for increasing online conversion rate of potential users |
CN107517190A (zh) * | 2016-06-17 | 2017-12-26 | 中国移动通信集团上海有限公司 | 一种业务推荐方法及装置 |
CN109598526A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 媒体贡献的分析方法及装置 |
US11609952B1 (en) * | 2018-06-06 | 2023-03-21 | Zeetogroup, Llc | Utility based inquiry selection in a streaming data pipeline |
CN112104734A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113065363A (zh) * | 2021-03-22 | 2021-07-02 | 联想(北京)有限公司 | 一种对话信息的处理方法及装置 |
CN114090825A (zh) * | 2021-11-24 | 2022-02-25 | 武汉金梦奇缘科技有限公司 | 一种心理咨询短视频的大数据分析精准引流方法 |
CN116226505A (zh) * | 2021-12-06 | 2023-06-06 | 中国移动通信有限公司研究院 | 一种业务处理、装置及设备 |
CN115687783A (zh) * | 2022-11-15 | 2023-02-03 | 平安壹钱包电子商务有限公司 | 业务应用的推送方法及装置、存储介质、计算机设备 |
CN115983915A (zh) * | 2022-12-30 | 2023-04-18 | 高健 | 一种基于运维大数据的汽车营销分析方法及系统 |
CN116208579A (zh) * | 2023-02-21 | 2023-06-02 | 广东好太太智能家居有限公司 | 信息推送方法、装置、设备以及存储介质 |
Non-Patent Citations (3)
Title |
---|
"电视数据"的社交战争;宁薇;;IT经理世界(20);全文 * |
基于Logistic模型的电信业务潜在用户预测研究;司亚清;孟亚楠;;软件(11);全文 * |
社交媒体健康信息的语义分析:以推特上癌症相关推文为例;韩纲;朱丹;蔡承睿;王文;;国际新闻界(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116503107A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804567B (zh) | 提高智能客服应答率的方法、设备、存储介质及装置 | |
CN108737535B (zh) | 一种消息推送方法、存储介质和服务器 | |
US20190171724A1 (en) | Method and apparatus for determining hot event | |
CN110825957A (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
US11475055B2 (en) | Artificial intelligence based method and apparatus for determining regional information | |
WO2021155691A1 (zh) | 用户画像生成方法、装置、存储介质及设备 | |
CN111523035B (zh) | App浏览内容的推荐方法、装置、服务器和介质 | |
CN108520471B (zh) | 重叠社区发现方法、装置、设备及存储介质 | |
CN109685536B (zh) | 用于输出信息的方法和装置 | |
CN111369281B (zh) | 线上消息处理方法、装置、设备及可读存储介质 | |
CN110825868A (zh) | 一种基于话题热度的文本推送方法、终端设备及存储介质 | |
CN112818234B (zh) | 一种网络舆情信息分析处理方法及系统 | |
CN114297476A (zh) | 基于用户标签的问卷调查方法、系统、电子设备及存储介质 | |
CN116503107B (zh) | 一种应用人工智能的业务大数据处理方法及系统 | |
CN108388652B (zh) | 一种发送歌单标识的方法和装置 | |
CN111435381A (zh) | 请求分发方法和装置 | |
CN115373960A (zh) | 一种数据库查询性能分析方法、装置及存储介质 | |
CN112487175A (zh) | 参展人流控制方法、装置、服务器及计算机可读存储介质 | |
CN111143688A (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
CN106941451B (zh) | 一种基于网络感知和覆盖率阈值矩阵的文件智能缓存方法 | |
CN113726903B (zh) | 一种数据上传方法及装置 | |
CN111798285B (zh) | 信息生成方法和装置 | |
CN118277396B (zh) | 基于云计算的资产质量数据更新方法及系统 | |
CN116796076B (zh) | 业务推荐方法、装置、设备及存储介质 | |
CN118071388B (zh) | 互联网产品运营系统的控制方法、设备及存储介质 |
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 |