CN116883048B - 基于人工智能的客户数据处理方法、装置及计算机设备 - Google Patents
基于人工智能的客户数据处理方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116883048B CN116883048B CN202310848886.4A CN202310848886A CN116883048B CN 116883048 B CN116883048 B CN 116883048B CN 202310848886 A CN202310848886 A CN 202310848886A CN 116883048 B CN116883048 B CN 116883048B
- Authority
- CN
- China
- Prior art keywords
- evaluation value
- term
- client
- short
- candidate
- 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 37
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 329
- 238000006243 chemical reaction Methods 0.000 claims abstract description 193
- 230000007774 longterm Effects 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000013210 evaluation model Methods 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims description 43
- 230000006399 behavior Effects 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 21
- 230000009466 transformation Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
Abstract
本申请实施例属于人工智能领域，涉及一种基于人工智能的客户数据处理方法、装置、计算机设备及存储介质，方法包括：响应于客户数据处理指令，获取候选客户的客户数据；将客户数据输入短期评估模型，得到候选客户的短期转化评估值；当短期转化评估值处于预设的第一区间时，将候选客户标记为目标客户；当短期转化评估值处于预设的第二区间时，获取候选客户的各历史短期评估值；基于短期转化评估值和各历史短期评估值，通过长期评估模型输出候选客户的长期转化评估值；当长期转化评估值处于预设的第三区间时，将候选客户标记为目标客户；对标记的目标客户进行产品推荐。本申请可以根据客户数据对客户进行准确评估。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的客户数据处理方法、装置、计算机设备及存储介质。
背景技术
客户是企业的重要资产，企业广泛地使用CRM(CustomerRelationshipManagement，客户关系管理)存储客户数据。企业的业务员需要经常与客户进行交流，从而获取到客户的需求，挖掘出隐藏的商机。当前，对客户是否存在需求的判断，很多都是基于经验总结或统计分析，这些技术手段难以覆盖全部客户，且存在一定的主观性，导致对客户进行评估的准确性较低，并且，也没有对CRM系统中的客户数据进行有效利用。
发明内容
本申请实施例的目的在于提出一种基于人工智能的客户数据处理方法、装置、计算机设备及存储介质，以解决客户评估准确性较低的问题。
为了解决上述技术问题，本申请实施例提供一种基于人工智能的客户数据处理方法，采用了如下所述的技术方案：
响应于客户数据处理指令，获取候选客户的客户数据；
将所述客户数据输入短期评估模型，得到所述候选客户的短期转化评估值；
当所述短期转化评估值处于预设的第一区间时，将所述候选客户标记为目标客户；
当所述短期转化评估值处于预设的第二区间时，获取所述候选客户的各历史短期评估值；
基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值；
当所述长期转化评估值处于预设的第三区间时，将所述候选客户标记为目标客户；
对标记的目标客户进行产品推荐。
进一步的，在所述响应于客户数据处理指令，获取候选客户的客户数据的步骤之前，还包括：
通过爬虫获取所述所述候选对象的对象信息；
基于爬取到的对象信息生成所述候选客户的客户数据；或者，
获取所述候选客户的行为信息，所述行为信息包括操作行为信息和沟通行为信息；
基于所述行为信息生成所述候选客户的客户数据。
进一步的，所述客户数据还包括预先存储的所述候选客户的基础数据和历史数据。
进一步的，在所述响应于客户数据处理指令，获取候选客户的客户数据的步骤之前，还包括：
对所述候选客户的客户数据进行监测；
当监测到所述候选客户的客户数据发生变化时，获取所述客户数据的数据变化信息；
当所述数据变化信息符合预设的变化条件时，生成针对所述候选客户的客户数据处理指令。
进一步的，所述长期评估模型包括编码网络、时序建模网络和输出函数，所述基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值的步骤包括：
获取所述各历史短期评估值分别对应的转化记录信息；
将所述短期转化评估值、所述各历史短期评估值及其对应的转化记录信息输入所述编码网络，得到多个样本编码；
将各样本编码分别输入所述时序建模网络，得到时序建模结果；
将所述时序建模结果输入所述输出函数，得到所述候选客户的长期转化评估值。
进一步的，所述将所述短期转化评估值、所述各历史短期评估值及其对应的转化记录信息输入所述编码网络，得到多个样本编码的步骤包括：
对于每个评估值，生成所述评估值的评估值文本，所述评估值包括所述短期转化评估值和所述各历史短期评估值，所述评估值文本包括所述评估值及其对应的转化记录信息，所述短期转化评估值的转化记录信息为空；
获取所述评估值的生成时间；
根据所述评估值的生成时间给所述评估值添加权重；
将各评估值各自对应的评估值文本、生成时间以及权重分别输入所述编码网络，得到多个样本编码。
进一步的，所述对标记的目标客户进行产品推荐的步骤包括：
获取与标记的目标客户相匹配的目标产品；
基于所述目标产品生成所述目标客户的产品推荐策略；
基于所述产品推荐策略对所述目标客户进行产品推荐。
为了解决上述技术问题，本申请实施例还提供一种基于人工智能的客户数据处理装置，采用了如下所述的技术方案：
数据获取模块，用于响应于客户数据处理指令，获取候选客户的客户数据；
短期评估模块，用于将所述客户数据输入短期评估模型，得到所述候选客户的短期转化评估值；
短期标记模块，用于当所述短期转化评估值处于预设的第一区间时，将所述候选客户标记为目标客户；
历史获取模块，用于当所述短期转化评估值处于预设的第二区间时，获取所述候选客户的各历史短期评估值；
长期评估模块，用于基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值；
长期标记模块，用于当所述长期转化评估值处于预设的第三区间时，将所述候选客户标记为目标客户；
产品推荐模块，用于对标记的目标客户进行产品推荐。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的基于人工智能的客户数据处理方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的基于人工智能的客户数据处理方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：获取候选客户的客户数据并输入短期评估模型，得到候选客户的短期转化评估值，短期转化评估值是短时间维度上候选客户实现商机转化可能性的评估值；当短期转化评估值处于预设的第一区间时，候选客户具有较高的商机转化可能性，可以标记为目标客户；当短期转化评估值处于预设的第二区间时，表示候选客户在短时间维度上具有一定的商机转化可能性，此时可以再从长时间维度进行商机转化评估；获取候选客户的各历史短期评估值，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出长期转化评估值；当长期转化评估值处于预设的第三区间时，表示候选客户在长时间维度上具有较高的商机转化可能性，也可以标记为目标客户，并对标记的目标客户进行产品推荐；本申请对客户数据进行充分挖掘，从短期和长期时间维度对客户进行评估，提高了客户评估的准确性。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，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是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的基于人工智能的客户数据处理方法的一个实施例的流程图；
图3是图2中步骤S205的一种具体实施方式的流程图；
图4是图3中步骤S2052的一种具体实施方式的流程图；
图5是根据本申请的基于人工智能的客户数据处理装置的一个实施例的结构示意图；
图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于人工智能的客户数据处理方法一般由服务器执行，相应地，基于人工智能的客户数据处理装置一般设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的基于人工智能的客户数据处理方法的一个实施例的流程图。所述的基于人工智能的客户数据处理方法，包括以下步骤：
步骤S201，响应于客户数据处理指令，获取候选客户的客户数据。
在本实施例中，基于人工智能的客户数据处理方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式与终端设备进行通信。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
具体地，CRM(CustomerRelationshipManagement，客户关系管理)系统中存储有候选客户的客户数据。CRM系统可以基于特定条件触发客户数据处理指令，客户数据处理指令中可以携带有客户标识，以指示对客户标识所对应的候选客户进行评估处理，并获取该候选客户的客户数据。
步骤S202，将客户数据输入短期评估模型，得到候选客户的短期转化评估值。
具体地，根据客户数据处理指令获取的客户数据，包含了候选客户近期内的特征数据，可以反应候选客户在短期内的特征、倾向。将客户数据输入短期评估模型。短期评估模型可以基于神经网络构建，并预先经过训练，可以根据客户数据输出候选客户的短期转化评估值。
短期转化评估值是基于客户数据，对候选客户当前是否能实现商机转化的定量评估值，可以理解，短期转化评估值数值越大，代表候选客户越有可能购买产品，蕴含商机的可能性越高。
步骤S203，当短期转化评估值处于预设的第一区间时，将候选客户标记为目标客户。
具体地，短期转化评估值是一个数值，本申请针对短期转化评估值预设了多个不交叉的区间，可以理解，不同区间的端点值大小不同，且不同的区间代表的商机转化的可能性不同。可以将第一区间的左端点设置为(0，1)中一个较大的数值，右端点设置为1。当短期转化评估值落于第一区间时，表示候选客户具有较高的完成商机转化的可能性，可以将候选客户标记为目标客户。
步骤S204，当短期转化评估值处于预设的第二区间时，获取候选客户的各历史短期评估值。
具体地，本申请还可以预设有第二区间，第二区间的右端点小于第一区间的左端点。对于短期转化评估值落在第二区间的候选客户，可以认为候选客户具有一定的商机转化的可能性，但是相较于落在第一区间时的商机转化的可能性，落在第二区间的候选客户的商机转化的可能性较低。
此时可以对这些候选客户进行进一步的评估：可以获取候选客户的各历史短期评估值；本申请可以对候选客户进行多次评估，每次评估都会生成短期转化评估值，并对短期转化评估值进行存储。在进行最新的评估时，候选客户在历史上生成的短期转化评估值被记作历史短期评估值。
需要指出的是，这里获取的候选客户的历史短期评估值，可以是预设数量的历史短期评估值(例如获取过去的五个历史短期评估值)，也可以是过去全部的历史短期评估值。
步骤S205，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出候选客户的长期转化评估值。
具体地，短期转化评估值落在第二区间的候选客户，可以认为该候选客户具有一定的商机转化的可能性；并且，其历史短期评估值可以反应其历史上的商机转化的可能性。从较长的时间维度，可以基于短期转化评估值和各历史短期评估值对候选客户进行评估、预测。
本申请可以基于短期转化评估值和各历史短期评估值，通过长期评估模型从长时间维度，对候选客户商机转化的可能性进行评估，得到长期转化评估值。长期评估模型也可以基于神经网络构建，并需要预先经过训练。
步骤S206，当长期转化评估值处于预设的第三区间时，将候选客户标记为目标客户。
具体地，本申请也对长期转化评估值预设了多个不交叉的区间，可以理解，不同区间的端点值大小不同，且不同的区间代表的商机转化的可能性不同。
当长期转化评估值处于预设的第三区间时，表示从长时间维度看，候选客户具有较高的完成商机转化的可能性，可以将候选客户标记为目标客户。
步骤S207，对标记的目标客户进行产品推荐。
具体地，对于标记得到的目标客户，其具有较高的完成商机转化的可能性，可以获取适配目标客户的产品，并根据这些产品对目标客户进行产品推荐，从而提高产品推荐的效率以及转化率。
本实施例中，获取候选客户的客户数据并输入短期评估模型，得到候选客户的短期转化评估值，短期转化评估值是短时间维度上候选客户实现商机转化可能性的评估值；当短期转化评估值处于预设的第一区间时，候选客户具有较高的商机转化可能性，可以标记为目标客户；当短期转化评估值处于预设的第二区间时，表示候选客户在短时间维度上具有一定的商机转化可能性，此时可以再从长时间维度进行商机转化评估；获取候选客户的各历史短期评估值，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出长期转化评估值；当长期转化评估值处于预设的第三区间时，表示候选客户在长时间维度上具有较高的商机转化可能性，也可以标记为目标客户，并对标记的目标客户进行产品推荐；本申请对客户数据进行充分挖掘，从短期和长期时间维度对客户进行评估，提高了客户评估的准确性。
进一步的，上述步骤S201之前，还可以包括：通过爬虫获取候选对象的对象信息；基于爬取到的对象信息生成候选客户的客户数据；或者，获取候选客户的行为信息，行为信息包括操作行为信息和沟通行为信息；基于行为信息生成候选客户的客户数据。
具体地，服务器可以运行爬虫，预先对爬虫进行设置，然后通过爬虫从互联网上爬取候选对象的对象信息。例如，当候选对象为企业时，可以从记录企业工商信息的网站、企业官网、新闻网站上爬取企业的对象信息；当候选对象为个人时，可以从搜索引擎上、个人公开的社交账户上爬取对象信息。然后对爬取到的对象信息进行文本处理、图像处理等，生成候选客户的客户数据。
或者，也可以通过业务系统获取候选客户的行为信息，这里的业务系统可以是CRM系统，也可以是非CRM系统的业务系统。行为信息是对客户行为的记录，包括操作行为信息和沟通行为信息；其中，操作行为信息可以是候选客户在业务系统中进行的各种操作的记录，例如候选客户的访问路径、候选客户对产品的访问情况等；候选客户可以通过业务系统产生沟通行为，例如与智能客服或者人工客服进行沟通，沟通行为信息记录了候选客户在沟通中的操作和沟通对话记录。服务器可以基于行为信息生成候选客户的客户数据。
在一个实施例中，可以根据对象信息、行为信息生成候选客户的客户画像，将客户画像作为客户数据。
本实施例中，通过爬虫获取候选对象的对象信息，以生成候选客户的客户数据；或者，获取候选客户的行为信息，基于行为信息生成客户数据，确保了客户数据获取方式以及数据量的丰富性。
进一步的，上述客户数据还包括预先存储的候选客户的基础数据和历史数据。
具体地，CRM系统中可以预先存储有候选客户的基础数据和历史数据；其中，基础数据是反应候选客户基本状况的数据，例如候选客户的姓名、性别、年龄、工作等；CRM系统也可以包含候选客户的历史数据，历史数据可以是候选客户在过去产生的数据，包括候选客户历史上的短期转化评估值、历史上购买、咨询的产品等；可以理解，历史数据可以是基于历史上的对象信息和行为信息生成的客户数据。
本实施例中，客户数据还包括预先存储的候选客户的基础数据和历史数据，进一步丰富了客户数据的种类。
进一步的，上述步骤S201之前，还可以包括：对候选客户的客户数据进行监测；当监测到候选客户的客户数据发生变化时，获取客户数据的数据变化信息；当数据变化信息符合预设的变化条件时，生成针对候选客户的客户数据处理指令。
具体地，本申请可以对候选客户的客户数据进行实时的更新，并对客户数据进行监测。当监测到候选客户的客户数据发生变化时，获取客户数据的数据变化信息。数据变化信息记录了客户数据中哪些特征发生了变化，并可以记录特征变化前后的具体值。
可以对数据变化信息进行评估，以判断客户数据的变化大小或者变化多少，即对客户数据的变化程度进行评估；例如，可以预先将客户数据中的一些特征标记为关键特征，如果关键特征发生变化，或者发生变化的关键特征的数量达到预设阈值A，则判定客户数据的变化程度较大；或者，如果客户数据中的特征发生变化，或者发生变化的特征的数量达到预设阈值B，则判定客户数据的变化程度较大；或者，计算变化前后的客户画像的相似度，如果相似度低于预设阈值C，则判定客户数据的变化程度较大。
当客户数据的变化程度较大时，确定数据变化信息符合预设的变化条件，表示此时候选客户可能发生较大的变化，可以对候选客户进行新的评估，并生成针对候选客户的客户数据处理指令。
本实施例中，当检测到候选客户的客户数据发生变化时，获取客户数据的数据变化信息；当数据变化信息符合预设的变化条件时，表示此时候选客户可能发生较大的变化，需要对候选客户进行新的评估，并生成针对候选客户的客户数据处理指令，实现了对候选客户的实时监测与即时评估。
进一步的，如图3所示，上述长期评估模型包括编码网络、时序建模网络和输出函数，上述步骤S205可以包括：
步骤S2051，获取各历史短期评估值分别对应的转化记录信息。
步骤S2052，将短期转化评估值、各历史短期评估值及其对应的转化记录信息输入编码网络，得到多个样本编码。
步骤S2053，将各样本编码分别输入时序建模网络，得到时序建模结果。
步骤S2054，将时序建模结果输入输出函数，得到候选客户的长期转化评估值。
具体地，长期评估模型可以是多个模型/网络复合而成的，它可以包括编码网络、时序建模网络和输出函数。
首先，获取各历史短期评估值分别对应的转化记录信息。在过去对候选客户进行评估后，可以对候选客户进行产品推荐，也可以不对候选客户进行产品推荐，候选客户可以购买产品，也可以不购买产品，上述信息可以作为转化记录信息进行存储。
然后，将短期转化评估值、各历史短期评估值及其对应的转化记录信息输入编码网络进行编码，得到多个向量形式的样本编码；短期转化评估值和每个历史短期评估值都对应有一个样本编码，可以理解，历史短期评估值的样本编码还包含了转化记录信息中的信息。
得到样本编码后，将各样本编码分别输入时序建模网络，短期转化评估值和各历史短期评估值具有时间上的先后顺序，是具有时序特征的数据，这些时序特征也包含在样本编码中。因此，可以通过时序建模网络学习样本编码中的时序特征以及上下文信息。
在一个实施例中，时序建模网络可以是Bi-LSTM(Bi-directionalLong Short-TermMemory)网络，即双向长短期记忆网络，它可以获取前向与后向的信息并整合到一起。Bi-LSTM网络中包含一条前向的LSTM网络以及一条后向的LSTM网络，通过将正向LSTM网络与反向LSTM网络相结合，将两个方向的隐藏层表示连接到一起，得到最终的上下文相关表示，其蕴含了更多的特征信息，并输出总体的时序建模结果。
需要指出的是，Bi-LSTM只是时序建模网络的一种构建方式，并不代表时序建模网络只能以Bi-LSTM为基础进行构建。
将时序建模结果输入最后的输出函数，输出函数可以是Sigmoid函数，Sigmoid函数的输出是概率值，将其作为长期转化评估值，代表长时间维度上，候选客户发生商机转化的可能性。
本实施例中，获取各历史短期评估值分别对应的转化记录信息，转化记录信息记录了候选客户在过去每次评估后的商机转化情况；将短期转化评估值、各历史短期评估值及其对应的转化记录信息输入编码网络，得到多个样本编码；将各样本编码分别输入时序建模网络以挖掘时序特征，得到时序建模结果；将时序建模结果输入输出函数，得到候选客户的长期转化评估值，实现长时间维度上的客户评估。
进一步的，如图4所示，上述步骤S2052可以包括：
步骤S20521，对于每个评估值，生成评估值的评估值文本，评估值包括短期转化评估值和各历史短期评估值，评估值文本包括评估值及其对应的转化记录信息，短期转化评估值的转化记录信息为空。
步骤S20522，获取评估值的生成时间。
步骤S20523，根据评估值的生成时间给评估值添加权重。
步骤S20524，将各评估值各自对应的评估值文本、生成时间以及权重分别输入编码网络，得到多个样本编码。
具体地，对于每个评估值(这里的评估值包括短期转化评估值和各历史短期评估值)，生成评估值的评估值文本。评估值文本以特定的格式记录评估值，以及评估值所对应的转化记录信息；由于短期转化评估值是最新生成的，其转化记录信息可以为空。
每个评估值具有生成时间，这里的生成时间可以是评估值的实际生成时间；由于客户评估是基于客户数据处理指令触发的，客户数据处理指令是客户数据发生较大变化时触发的，因此，也可以将客户数据处理指令的触发时间作为评估值的生成时间；由于评估值具有时间上的先后顺序，也可以给各评估值添加序号作为生成时间，序号越小，代表评估值的生成离当前越近，可以理解，短期转化评估值具有最小的序号。
可以根据评估值的生成时间给评估值添加权重，可以理解，离当前越近的数据，重要程度越高，因为它更接近客户当前的状态。根据生成时间，评估值的生成离当前越近，其权重越大，评估值的生成离当前越远，其权重越小。
对于每个评估值，将评估值对应的评估值文本、生成时间以及权重按照预设顺序进行拼接，然后添加标识符以显示信息种类，然后输入编码网络进行编码，得到多个样本编码。
本实施例中，对于每个评估值，生成评估值的评估值文本，评估值文本包括评估值及其对应的转化记录信息；获取评估值的生成时间；根据评估值的生成时间给评估值添加权重，以对不同评估值及其关联信息的重要性进行区分；将评估值文本、生成时间以及权重分别输入编码网络，输入编码网络的信息种类较为丰富，提高了样本编码的准确性。
进一步的，上述步骤S207可以包括：获取与标记的目标客户相匹配的目标产品；基于目标产品生成目标客户的产品推荐策略；基于产品推荐策略对目标客户进行产品推荐。
具体地，获取与标记的目标客户相匹配的目标产品，例如，可以对目标客户与候选产品进行匹配性的评估，选取匹配性较高的候选产品作为目标产品。
然后基于目标产品生成目标客户的产品推荐策略，产品推荐策略用于指示如何向目标客户推荐目标产品，例如，根据目标客户和目标产品生成推荐话术，推荐话术的生成需要结合目标客户的客户数据和评估状况(包括当前的短期转化评估值、长期转化评估值、历史短期评估值及其对应的转化记录信息等)，产品推荐策略也可以包括何时、以何种方式对目标客户进行产品推荐。
对目标客户的产品推荐基于产品推荐策略进行，例如，将产品推荐策略发送给业务系统，由业务系统根据推荐策略自动对目标客户进行产品推荐，或者将推荐话术发送给业务员，由业务员对目标客户进行产品推荐。
本实施例中，获取与目标客户相匹配的目标产品；基于目标产品生成适合目标客户的产品推荐策略；基于产品推荐策略对目标客户进行产品推荐，使得产品推荐更具有针对性，提高了产品推荐的转化率。
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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令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，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(Random AccessMemory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5，作为对上述图2所示方法的实现，本申请提供了一种基于人工智能的客户数据处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例所述的基于人工智能的客户数据处理装置300包括：数据获取模块301、短期评估模块302、短期标记模块303、历史获取模块304、长期评估模块305、长期标记模块306以及产品推荐模块307，其中：
数据获取模块301，用于响应于客户数据处理指令，获取候选客户的客户数据。
短期评估模块302，用于将客户数据输入短期评估模型，得到候选客户的短期转化评估值。
短期标记模块303，用于当短期转化评估值处于预设的第一区间时，将候选客户标记为目标客户。
历史获取模块304，用于当短期转化评估值处于预设的第二区间时，获取候选客户的各历史短期评估值。
长期评估模块305，用于基于短期转化评估值和各历史短期评估值，通过长期评估模型输出候选客户的长期转化评估值。
长期标记模块306，用于当长期转化评估值处于预设的第三区间时，将候选客户标记为目标客户。
产品推荐模块307，用于对标记的目标客户进行产品推荐。
本实施例中，获取候选客户的客户数据并输入短期评估模型，得到候选客户的短期转化评估值，短期转化评估值是短时间维度上候选客户实现商机转化可能性的评估值；当短期转化评估值处于预设的第一区间时，候选客户具有较高的商机转化可能性，可以标记为目标客户；当短期转化评估值处于预设的第二区间时，表示候选客户在短时间维度上具有一定的商机转化可能性，此时可以再从长时间维度进行商机转化评估；获取候选客户的各历史短期评估值，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出长期转化评估值；当长期转化评估值处于预设的第三区间时，表示候选客户在长时间维度上具有较高的商机转化可能性，也可以标记为目标客户，并对标记的目标客户进行产品推荐；本申请对客户数据进行充分挖掘，从短期和长期时间维度对客户进行评估，提高了客户评估的准确性。
在本实施例的一些可选的实现方式中，基于人工智能的客户数据处理装置300还可以包括：爬虫获取模块、第一生成模块、行为获取模块以及第二生成模块，其中：
爬虫获取模块，用于通过爬虫获取候选对象的对象信息。
第一生成模块，用于基于爬取到的对象信息生成候选客户的客户数据。
行为获取模块，用于获取候选客户的行为信息，行为信息包括操作行为信息和沟通行为信息。
第二生成模块，用于基于行为信息生成候选客户的客户数据。
本实施例中，通过爬虫获取候选对象的对象信息，以生成候选客户的客户数据；或者，获取候选客户的行为信息，基于行为信息生成客户数据，确保了客户数据获取方式以及数据量的丰富性。
在本实施例的一些可选的实现方式中，客户数据还包括预先存储的候选客户的基础数据和历史数据。
本实施例中，客户数据还包括预先存储的候选客户的基础数据和历史数据，进一步丰富了客户数据的种类。
在本实施例的一些可选的实现方式中，基于人工智能的客户数据处理装置300还可以包括：数据监测模块、变化获取模块以及指令生成模块，其中：
数据监测模块，用于对候选客户的客户数据进行监测。
变化获取模块，用于当监测到候选客户的客户数据发生变化时，获取客户数据的数据变化信息。
指令生成模块，用于当数据变化信息符合预设的变化条件时，生成针对候选客户的客户数据处理指令。
本实施例中，当检测到候选客户的客户数据发生变化时，获取客户数据的数据变化信息；当数据变化信息符合预设的变化条件时，表示此时候选客户可能发生较大的变化，需要对候选客户进行新的评估，并生成针对候选客户的客户数据处理指令，实现了对候选客户的实时监测与即时评估。
在本实施例的一些可选的实现方式中，长期评估模型包括编码网络、时序建模网络和输出函数，则长期评估模块305可以包括：记录获取子模块、编码子模块、时序建模子模块以及长期评估子模块，其中：
记录获取子模块，用于获取各历史短期评估值分别对应的转化记录信息。
编码子模块，用于将短期转化评估值、各历史短期评估值及其对应的转化记录信息输入编码网络，得到多个样本编码。
时序建模子模块，用于将各样本编码分别输入时序建模网络，得到时序建模结果。
长期评估子模块，用于将时序建模结果输入输出函数，得到候选客户的长期转化评估值。
本实施例中，获取各历史短期评估值分别对应的转化记录信息，转化记录信息记录了候选客户在过去每次评估后的商机转化情况；将短期转化评估值、各历史短期评估值及其对应的转化记录信息输入编码网络，得到多个样本编码；将各样本编码分别输入时序建模网络以挖掘时序特征，得到时序建模结果；将时序建模结果输入输出函数，得到候选客户的长期转化评估值，实现长时间维度上的客户评估。
在本实施例的一些可选的实现方式中，编码子模块可以包括：文本生成单元、时间获取单元、权重添加单元以及编码输入单元，其中：
文本生成单元，用于对于每个评估值，生成评估值的评估值文本，评估值包括短期转化评估值和各历史短期评估值，评估值文本包括评估值及其对应的转化记录信息，短期转化评估值的转化记录信息为空。
时间获取单元，用于获取评估值的生成时间。
权重添加单元，用于根据评估值的生成时间给评估值添加权重。
编码输入单元，用于将各评估值各自对应的评估值文本、生成时间以及权重分别输入编码网络，得到多个样本编码。
本实施例中，对于每个评估值，生成评估值的评估值文本，评估值文本包括评估值及其对应的转化记录信息；获取评估值的生成时间；根据评估值的生成时间给评估值添加权重，以对不同评估值及其关联信息的重要性进行区分；将评估值文本、生成时间以及权重分别输入编码网络，输入编码网络的信息种类较为丰富，提高了样本编码的准确性。
在本实施例的一些可选的实现方式中，产品推荐模块307可以包括：产品获取子模块、策略生成子模块以及产品推荐子模块，其中：
产品获取子模块，用于获取与标记的目标客户相匹配的目标产品。
策略生成子模块，用于基于目标产品生成目标客户的产品推荐策略。
产品推荐子模块，用于基于产品推荐策略对目标客户进行产品推荐。
本实施例中，获取与目标客户相匹配的目标产品；基于目标产品生成适合目标客户的产品推荐策略；基于产品推荐策略对目标客户进行产品推荐，使得产品推荐更具有针对性，提高了产品推荐的转化率。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific IntegratedCircuit，ASIC)、可编程门阵列(Field－ProgrammableGateArray，FPGA)、数字处理器(DigitalSignalProcessor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如基于人工智能的客户数据处理方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(CentralProcessing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述基于人工智能的客户数据处理方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本实施例中提供的计算机设备可以执行上述基于人工智能的客户数据处理方法。此处基于人工智能的客户数据处理方法可以是上述各个实施例的基于人工智能的客户数据处理方法。
本实施例中，获取候选客户的客户数据并输入短期评估模型，得到候选客户的短期转化评估值，短期转化评估值是短时间维度上候选客户实现商机转化可能性的评估值；当短期转化评估值处于预设的第一区间时，候选客户具有较高的商机转化可能性，可以标记为目标客户；当短期转化评估值处于预设的第二区间时，表示候选客户在短时间维度上具有一定的商机转化可能性，此时可以再从长时间维度进行商机转化评估；获取候选客户的各历史短期评估值，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出长期转化评估值；当长期转化评估值处于预设的第三区间时，表示候选客户在长时间维度上具有较高的商机转化可能性，也可以标记为目标客户，并对标记的目标客户进行产品推荐；本申请对客户数据进行充分挖掘，从短期和长期时间维度对客户进行评估，提高了客户评估的准确性。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于人工智能的客户数据处理方法的步骤。
本实施例中，获取候选客户的客户数据并输入短期评估模型，得到候选客户的短期转化评估值，短期转化评估值是短时间维度上候选客户实现商机转化可能性的评估值；当短期转化评估值处于预设的第一区间时，候选客户具有较高的商机转化可能性，可以标记为目标客户；当短期转化评估值处于预设的第二区间时，表示候选客户在短时间维度上具有一定的商机转化可能性，此时可以再从长时间维度进行商机转化评估；获取候选客户的各历史短期评估值，基于短期转化评估值和各历史短期评估值，通过长期评估模型输出长期转化评估值；当长期转化评估值处于预设的第三区间时，表示候选客户在长时间维度上具有较高的商机转化可能性，也可以标记为目标客户，并对标记的目标客户进行产品推荐；本申请对客户数据进行充分挖掘，从短期和长期时间维度对客户进行评估，提高了客户评估的准确性。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (8)
1.一种基于人工智能的客户数据处理方法，其特征在于，包括下述步骤：
响应于客户数据处理指令，获取候选客户的客户数据；
将所述客户数据输入短期评估模型，得到所述候选客户的短期转化评估值；
当所述短期转化评估值处于预设的第一区间时，将所述候选客户标记为目标客户；
当所述短期转化评估值处于预设的第二区间时，获取所述候选客户的各历史短期评估值；
基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值；
当所述长期转化评估值处于预设的第三区间时，将所述候选客户标记为目标客户；
对标记的目标客户进行产品推荐；
所述长期评估模型包括编码网络、时序建模网络和输出函数，所述基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值的步骤包括：
获取所述各历史短期评估值分别对应的转化记录信息；
对于每个评估值，生成所述评估值的评估值文本，所述评估值包括所述短期转化评估值和所述各历史短期评估值，所述评估值文本包括所述评估值及其对应的转化记录信息，所述短期转化评估值的转化记录信息为空；
获取所述评估值的生成时间；
根据所述评估值的生成时间给所述评估值添加权重；
将各评估值各自对应的评估值文本、生成时间以及权重分别输入所述编码网络，得到多个样本编码；
将各样本编码分别输入所述时序建模网络，得到时序建模结果；
将所述时序建模结果输入所述输出函数，得到所述候选客户的长期转化评估值。
2.根据权利要求1所述的基于人工智能的客户数据处理方法，其特征在于，在所述响应于客户数据处理指令，获取候选客户的客户数据的步骤之前，还包括：
通过爬虫获取候选对象的对象信息；
基于爬取到的对象信息生成所述候选客户的客户数据；或者，
获取所述候选客户的行为信息，所述行为信息包括操作行为信息和沟通行为信息；
基于所述行为信息生成所述候选客户的客户数据。
3.根据权利要求2所述的基于人工智能的客户数据处理方法，其特征在于，所述客户数据还包括预先存储的所述候选客户的基础数据和历史数据。
4.根据权利要求1所述的基于人工智能的客户数据处理方法，其特征在于，在所述响应于客户数据处理指令，获取候选客户的客户数据的步骤之前，还包括：
对所述候选客户的客户数据进行监测；
当监测到所述候选客户的客户数据发生变化时，获取所述客户数据的数据变化信息；
当所述数据变化信息符合预设的变化条件时，生成针对所述候选客户的客户数据处理指令。
5.根据权利要求1所述的基于人工智能的客户数据处理方法，其特征在于，所述对标记的目标客户进行产品推荐的步骤包括：
获取与标记的目标客户相匹配的目标产品；
基于所述目标产品生成所述目标客户的产品推荐策略；
基于所述产品推荐策略对所述目标客户进行产品推荐。
6.一种基于人工智能的客户数据处理装置，其特征在于，包括：
数据获取模块，用于响应于客户数据处理指令，获取候选客户的客户数据；
短期评估模块，用于将所述客户数据输入短期评估模型，得到所述候选客户的短期转化评估值；
短期标记模块，用于当所述短期转化评估值处于预设的第一区间时，将所述候选客户标记为目标客户；
历史获取模块，用于当所述短期转化评估值处于预设的第二区间时，获取所述候选客户的各历史短期评估值；
长期评估模块，用于基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值；
长期标记模块，用于当所述长期转化评估值处于预设的第三区间时，将所述候选客户标记为目标客户；
产品推荐模块，用于对标记的目标客户进行产品推荐；
所述长期评估模型包括编码网络、时序建模网络和输出函数，所述基于所述短期转化评估值和所述各历史短期评估值，通过长期评估模型输出所述候选客户的长期转化评估值包括：
获取所述各历史短期评估值分别对应的转化记录信息；
对于每个评估值，生成所述评估值的评估值文本，所述评估值包括所述短期转化评估值和所述各历史短期评估值，所述评估值文本包括所述评估值及其对应的转化记录信息，所述短期转化评估值的转化记录信息为空；
获取所述评估值的生成时间；
根据所述评估值的生成时间给所述评估值添加权重；
将各评估值各自对应的评估值文本、生成时间以及权重分别输入所述编码网络，得到多个样本编码；
将各样本编码分别输入所述时序建模网络，得到时序建模结果；
将所述时序建模结果输入所述输出函数，得到所述候选客户的长期转化评估值。
7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的基于人工智能的客户数据处理方法的步骤。
8.一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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的基于人工智能的客户数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310848886.4A CN116883048B (zh) | 2023-07-12 | 2023-07-12 | 基于人工智能的客户数据处理方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310848886.4A CN116883048B (zh) | 2023-07-12 | 2023-07-12 | 基于人工智能的客户数据处理方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116883048A CN116883048A (zh) | 2023-10-13 |
| CN116883048B true CN116883048B (zh) | 2024-03-15 |
Family
ID=88271012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310848886.4A Active CN116883048B (zh) | 2023-07-12 | 2023-07-12 | 基于人工智能的客户数据处理方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116883048B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208505A (ja) * | 2002-12-13 | 2003-07-25 | Dentsu Tec Inc | 顧客資産価値評価システム |
| CN109063900A (zh) * | 2018-07-16 | 2018-12-21 | 广州视源电子科技股份有限公司 | 用户转化率预测模型的训练及用户转化率预测方法和装置 |
| CN112035541A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技（深圳）有限公司 | 客户画像方法、装置、计算机可读存储介质及终端设备 |
| CN112182398A (zh) * | 2020-10-13 | 2021-01-05 | 福州大学 | 考虑用户的长期偏好与短期偏好的景点推荐方法和系统 |
| CN112561575A (zh) * | 2020-12-08 | 2021-03-26 | 上海优扬新媒信息技术有限公司 | 一种ctr预估模型选择方法及装置 |
| CN112861012A (zh) * | 2021-03-09 | 2021-05-28 | 河南工业大学 | 基于上下文和用户长短期偏好自适应学习的推荐方法及装置 |
| CN113362119A (zh) * | 2021-07-15 | 2021-09-07 | 中国工商银行股份有限公司 | 长短期客户行为预测方法及装置 |
| CN113962716A (zh) * | 2021-06-07 | 2022-01-21 | 贵州电网有限责任公司 | 一种基于混合神经网络的电力客户细分方法 |
| CN114925275A (zh) * | 2022-05-25 | 2022-08-19 | 平安银行股份有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
| CN114969494A (zh) * | 2021-02-22 | 2022-08-30 | 广州视源电子科技股份有限公司 | 有效行为确定方法、装置、设备及存储介质 |
| WO2023108993A1 (zh) * | 2021-12-15 | 2023-06-22 | 平安科技（深圳）有限公司 | 基于深度聚类算法的产品推荐方法、装置、设备及介质 |
| CN116385043A (zh) * | 2023-03-29 | 2023-07-04 | 平安银行股份有限公司 | 一种商机推荐方法、装置及电子设备 |
| CN116402625A (zh) * | 2023-06-07 | 2023-07-07 | 平安科技（深圳）有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130035975A1 (en) * | 2011-08-05 | 2013-02-07 | David Cavander | Cross-media attribution model for allocation of marketing resources |
| US20150348119A1 (en) * | 2014-05-28 | 2015-12-03 | Videology Inc. | Method and system for targeted advertising based on associated online and offline user behaviors |
| CN107818105B (zh) * | 2016-09-13 | 2021-04-09 | 腾讯科技（深圳）有限公司 | 应用程序的推荐方法及服务器 |
| US20190171957A1 (en) * | 2017-12-06 | 2019-06-06 | Cognant Llc | System and method for user-level lifetime value prediction |
| CN112765478B (zh) * | 2021-03-12 | 2023-06-20 | 北京百度网讯科技有限公司 | 用于推荐内容的方法、装置、设备、介质和程序产品 |
-
2023
- 2023-07-12 CN CN202310848886.4A patent/CN116883048B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208505A (ja) * | 2002-12-13 | 2003-07-25 | Dentsu Tec Inc | 顧客資産価値評価システム |
| CN109063900A (zh) * | 2018-07-16 | 2018-12-21 | 广州视源电子科技股份有限公司 | 用户转化率预测模型的训练及用户转化率预测方法和装置 |
| CN112035541A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技（深圳）有限公司 | 客户画像方法、装置、计算机可读存储介质及终端设备 |
| CN112182398A (zh) * | 2020-10-13 | 2021-01-05 | 福州大学 | 考虑用户的长期偏好与短期偏好的景点推荐方法和系统 |
| CN112561575A (zh) * | 2020-12-08 | 2021-03-26 | 上海优扬新媒信息技术有限公司 | 一种ctr预估模型选择方法及装置 |
| CN114969494A (zh) * | 2021-02-22 | 2022-08-30 | 广州视源电子科技股份有限公司 | 有效行为确定方法、装置、设备及存储介质 |
| CN112861012A (zh) * | 2021-03-09 | 2021-05-28 | 河南工业大学 | 基于上下文和用户长短期偏好自适应学习的推荐方法及装置 |
| CN113962716A (zh) * | 2021-06-07 | 2022-01-21 | 贵州电网有限责任公司 | 一种基于混合神经网络的电力客户细分方法 |
| CN113362119A (zh) * | 2021-07-15 | 2021-09-07 | 中国工商银行股份有限公司 | 长短期客户行为预测方法及装置 |
| WO2023108993A1 (zh) * | 2021-12-15 | 2023-06-22 | 平安科技（深圳）有限公司 | 基于深度聚类算法的产品推荐方法、装置、设备及介质 |
| CN114925275A (zh) * | 2022-05-25 | 2022-08-19 | 平安银行股份有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
| CN116385043A (zh) * | 2023-03-29 | 2023-07-04 | 平安银行股份有限公司 | 一种商机推荐方法、装置及电子设备 |
| CN116402625A (zh) * | 2023-06-07 | 2023-07-07 | 平安科技（深圳）有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Evaluation of deep learning with long short-term memory networks for time series forecasting in supply chain management;Massimo Pacella , Gabriele Papadia;Procedia CIRP;604-609 * |
| 区分长短期兴趣的用户动态推荐模型研究;朱妮;;合作经济与科技(10);93-95 * |
| 大客户商机管理模式研究;张敏;陈云海;孙丽娟;;广东通信技术(05);6-9，25 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116883048A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
| CN112269918B (zh) | 信息推荐方法、装置、设备及存储介质 | |
| CN113986564A (zh) | 应用数据的流量监控方法、装置、计算机设备及介质 | |
| CN113886721B (zh) | 个性化兴趣点推荐方法、装置、计算机设备及存储介质 | |
| CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
| CN111950623B (zh) | 数据稳定性监控方法、装置、计算机设备及介质 | |
| CN117522538A (zh) | 招投标信息处理方法、装置、计算机设备及存储介质 | |
| CN116883048B (zh) | 基于人工智能的客户数据处理方法、装置及计算机设备 | |
| CN116911572A (zh) | 页面自动化装配方法、系统、计算机设备及存储介质 | |
| CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
| CN117114618A (zh) | 待办项跟进方法、系统、计算机设备及存储介质 | |
| CN116843216A (zh) | 一种指标预警方法、装置、计算机设备及存储介质 | |
| CN111415683A (zh) | 语音识别异常告警方法、装置、计算机设备和存储介质 | |
| CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
| CN114090407A (zh) | 基于线性回归模型的接口性能预警方法及其相关设备 | |
| CN112669136A (zh) | 基于大数据的金融产品推荐方法、系统、设备及存储介质 | |
| CN112085566A (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
| CN115640896B (zh) | 多用户场景下的家庭用户电力负荷预测方法及相关设备 | |
| CN113269370B (zh) | 一种活跃用户预测方法、装置、电子设备及可读存储介质 | |
| CN116821210A (zh) | 黑名单查询方法、装置、计算机设备及存储介质 | |
| CN114418718A (zh) | 一种税务数据处理方法、装置、计算机设备及存储介质 | |
| CN117853247A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
| CN117252564A (zh) | 资源调度方法、装置、计算机设备及存储介质 | |
| CN116932486A (zh) | 文件生成方法、装置、计算机设备及存储介质 | |
| CN117851674A (zh) | 主动服务方法、系统、计算机设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240221 Address after: Room 503 and 505, No. 155, 157, 159 Tianhe East Road, Tianhe District, Guangzhou City, Guangdong Province, 510620 (office only) Applicant after: Zhuosheng Technology (Guangzhou) Co.,Ltd. Country or region after: China Address before: Room 602, 6th Floor, Block A, Building 1, No. 8 Science Avenue, Science City, High tech Industrial Development Zone, Guangzhou City, Guangdong Province, 510000 (self declared) Applicant before: Guangzhou Chaohui Intelligent Technology Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |