CN116957397A - 客户情绪感知方法、装置、设备及存储介质 - Google Patents
客户情绪感知方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116957397A CN116957397A CN202310879273.7A CN202310879273A CN116957397A CN 116957397 A CN116957397 A CN 116957397A CN 202310879273 A CN202310879273 A CN 202310879273A CN 116957397 A CN116957397 A CN 116957397A
- Authority
- CN
- China
- Prior art keywords
- link
- index data
- emotion
- value
- emotion perception
- 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.)
- Pending
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 332
- 230000008447 perception Effects 0.000 title claims abstract description 285
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011161 development Methods 0.000 claims abstract description 55
- 238000005315 distribution function Methods 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 12
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于情感分析技术领域,公开了一种客户情绪感知方法、装置、设备及存储介质;该方法包括:获取预设周期内客户需求开发各个环节的多个指标数据;根据当前环节的指标数据、多个指标数据的分布函数得到各个数据指标的情绪感知值;根据当前环节中各个指标数据的预设映射规则优化情绪感知值,得到参考情绪感知值;根据参考情绪感知值、各个指标数据的权重、各个环节的权重得到总情绪感知值;本发明通过对各个环节的权重和各个环节中各个指标数据的权重得到客户的情绪感知值,同时在同一个环节中根据不同指标数据的分布函数准确计算各个指标数据的情绪感知值,可以有效采集全流程客户体验数据,有利于深入细致地挖掘系统使用过程中的各类问题。
Description
技术领域
本发明涉及情感分析技术领域,尤其涉及一种客户情绪感知方法、装置、设备及存储介质。
背景技术
为了推进数智化转型,实现高质量发展,业务支撑系统的服务质量和支撑效能迎来了新要求和新挑战,前端业务质量提升离不开业务系统的需求开发与更新迭代。针对集团内部需求开发处理流程的客户满意度提升方面,主要依靠满意度调查与深度访谈。
针对企业内部需求开发处理流程的客户满意度提升方面,主要依靠满意度调查与深度访谈,但是满意度调查与深度访谈存在执行项目周期长、体验数据量大和互动滞后性的问题。
发明内容
本发明的主要目的在于提供一种客户情绪感知方法、装置、设备及存储介质,旨在解决现有技术目前满意度调查存在执行项目周期长、体验数据量大和互动滞后性的技术问题。
为实现上述目的,本发明提供了一种客户情绪感知方法,所述方法包括以下步骤:
获取预设周期内客户需求开发各个环节的多个指标数据;
根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节;
根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值;
根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
可选地,所述根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,包括:
在所述当前环节为第一类需求开发环节时,获取第一类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;
根据所述分布函数得到所述参考指标的第一预设分布值和第二分布值;
将所述参考指标数据与所述第一预设分布值、所述第二分布值进行比较,根据比较结果得到当前环节中参考指标数据的情绪感知值。
可选地,所述根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值之后,还包括:
在所述当前环节为第二类需求开发环节时,获取第二类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;获取所述参考指标数据的调节系数,根据所述调节系数和所述分布函数得到当前环节中所述参考指标数据的情绪感知值;
在所述当前环节为第三类需求开发环节时,获取第三类需求开发环节中参考指标数据的分段函数,所述参考指标为当前环节中任意指标数据;根据所述分段函数得到当前环节中所述参考指标数据的情绪感知值。
可选地,所述根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值,包括:
判断所述前环节中各个指标数据的情绪感知值是否满足预设范围内,若所述情绪感知值不在预设范围内,则将所述情绪感知值作为参考情绪感知值;
若所述情绪感知值在预设范围内,则对所述情绪感知值进行计算得到参考情绪感知值。
可选地,所述根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值,包括:
获取各个环节中各个指标数据的指标权重,根据所述指标权重和各个环节的指标数据得到各个环节的情绪感知值;
获取各个环节的环节权重,根据所述环节权重和所述各个环节的情绪感知值得到初始总情绪感知值;
在当前客户的需求不是重点需求时,将所述初始总情绪感知值作为总情绪感知值;
在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值。
可选地,所述在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值,包括:
在当前客户的需求为重点需求时,判断所述初始总情绪感知值是否大于等于增大阈值,若所述初始总情绪感知值大于等于增大阈值,则根据预设增大系数对所述初始总情绪感知值进行调整,得到总情绪感知值;
若所述初始总情绪感知值小于增大阈值,且所述初始总情绪值大于缩小阈值,则将所述初始总情绪值作为总情绪感知值;
若所述初始总情绪感知值小于等于缩小阈值,则根据预设缩小系数对所述初始总情绪感知值进行调整,得到总情绪感知值。
可选地,所述根据所述参考情绪感知值、所述各个指标数据的权重以及所述各个环节的权重得到客户的总情绪感知值之后,还包括:
在所述总情绪感知值低于预设阈值时,获取各环节的实际得分;
根据各环节的实际得分确定差评环节;
确定所述差评环节中各指标数据的情绪感知值,根据所述差评环节中各指标数据的情绪感知值得到影响客户满意度的关键因子。
此外,为实现上述目的,本发明还提出一种客户情绪感知装置,所述客户情绪感知装置包括:
数据获取模块,用于获取预设周期内各个环节的多个指标数据;
情绪感知模块,用于根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节;
所述情绪感知模块,还用于根据当前环节中各个指标数据的映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值;
所述情绪感知模块,还用于根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
此外,为实现上述目的,本发明还提出一种客户情绪感知设备,所述客户情绪感知设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客户情绪感知程序,所述客户情绪感知程序配置为实现如上文所述的客户情绪感知方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有客户情绪感知程序,所述客户情绪感知程序被处理器执行时实现如上文所述的客户情绪感知方法的步骤。
本发明通过对各个环节的权重和各个环节中各个指标数据的权重得到客户的情绪感知值,同时在同一个环节中根据不同指标数据的分布函数准确计算各个指标数据的情绪感知值,可以有效采集全流程客户体验数据,有利于深入细致地挖掘系统使用过程中的各类问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的客户情绪感知设备的结构示意图;
图2为本发明客户情绪感知方法第一实施例的流程示意图;
图3为本发明客户情绪感知方法第二实施例的流程示意图;
图4为本发明客户情绪感知方法第三实施例的流程示意图;
图5为本发明客户情绪感知方法一实施例的细节完整流程示意图;
图6为本发明客户情绪感知装置第一实施例的结构框图。
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
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的客户情绪感知设备结构示意图。
如图1所示,该客户情绪感知设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、客户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。客户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选客户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对客户情绪感知设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、客户接口模块以及客户情绪感知程序。
在图1所示的客户情绪感知设备中,网络接口1004主要用于与网络服务器进行数据通信;客户接口1003主要用于与客户进行数据交互;本发明客户情绪感知设备中的处理器1001、存储器1005可以设置在客户情绪感知设备中,所述客户情绪感知设备通过处理器1001调用存储器1005中存储的客户情绪感知程序,并执行本发明实施例提供的客户情绪感知方法。
本发明实施例提供了一种客户情绪感知方法,参照图2,图2为本发明一种客户情绪感知方法第一实施例的流程示意图。
本实施例中,所述客户情绪感知方法包括以下步骤:
步骤S10:获取预设周期内客户需求开发各个环节的多个指标数据。
可理解的是,预设周期可以是一个月或者半年,可以根据实际情况进行调整,本发明对此不做限定。
需说明的是,客户需求开发各个环节可以包括需求提出、市场部增评、IT工作量评估、IT开发分析、转开发单、验收等环节。
需进一步说明的是,需求提出环节的指标数据可以包括需求提出时长、是否是重点需求及是否是紧急需求等,市场部增评环节的指标数据可以包括增评时长和循环增评次数等,IT工作量评估的指标数据可以包括工作量评估时长和单个需求工作量等,IT开发分析的指标数据可以包括开发分析时长、IT内部打回次数等,转开发单的指标数据可以包括IT需求响应时长、需求设计时长、需求开发时长等,验收的指标数据可以包括需求负责人需求验收时长、需求提出人验收时长等。
需强调的是,最开始获取预设周期内客户需求开发各个环节的初始指标数据,对各环节的初始指标数据的进行分析清洗,得到各环节对应的指标数据。其中,指标数据分析清洗,主要是对指标数据中小于等于0的值作为异常值,删除异常的初始指标数据。
步骤S20:根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节。
可理解的是,本实施例中需要计算各个环节的各个数据指标的情绪感知值,其中,当前环节为各个环节中的任意环节,通过对当前环节中各个数据指标的情绪感知值的计算,可以得到各个环节的各个数据指标的情绪感知值。
应理解的是,情绪感知值可以理解为客户对当前环节中该数据指标的情绪反馈,或者是满意度反馈。
需说明的是,各个指标数据的分布函数可以是预先通过多个相同指标数据的分布情况得到该指标数据的分布函数,其中,分布函数可以是由100个、150个等多个相同指标数据的分布情况得到。
步骤S30:根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值。
可理解的是,预设映射规则可以是对各个指标数据的一种处理策略。
需说明的是,所述根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值可以是先判断所述前环节中各个指标数据的情绪感知值是否满足预设范围内,若所述情绪感知值不在预设范围内,则将所述情绪感知值作为参考情绪感知值;其中,预设范围可以是大于0,小于1的范围,简单来说可以是,判断当前环节中各个指标数据的情绪感知值是否在0-1的范围内。
需进一步说明的是,若所述情绪感知值在预设范围内,则对所述情绪感知值进行计算得到参考情绪感知值;其中,对所述情绪感知值进行计算得到参考情绪感知值,可以是对情绪感知本身进行进行计算。
在具体实施中,对情绪感知值进行计算得到参考情绪感知值的计算公式可以参考下列公式:
其中,可以理解为客户A对i环节j指标数据的参考情绪感知值;/>可以理解为客户A对i环节j指标数据的初始情绪感知值。简单来说,将当前环节中各个指标数据的一半再加上0.5,得到初始情绪感知值,取初始情绪感知值的0.5次幂得到参考情绪感知值。
步骤S40:根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
可理解的是,各个指标数据有对应的指标权重,各个环节有对应的环节权重。
需说明的是,根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值可以是根据同一个环节中各个指标数据的情绪感知值和各个指标数据的指标权重得到该环节的情绪感知值;再根据该环节的环节权重和该环节的情绪感知值得到该客户的总情绪感知值。
需强调的是,所述根据所述参考情绪感知值、所述各个指标数据的权重以及所述各个环节的权重得到客户的总情绪感知值之后,还包括:
在所述总情绪感知值低于预设阈值时,获取各环节的实际得分;其中,预设阈值可以是1.5、6.8等,可以根据实际情况进行调整,本实施例对此不做限定;进一步的,实际得分可以理解为根据客户对各个环节设定的满分减去客户对各个环节扣除的分数得到。
根据各环节的实际得分确定差评环节;可理解的是,在某个环节的实际得分低于预设分值,则将该环节视为差评环节。
确定所述差评环节中各指标数据的情绪感知值,根据所述差评环节中各指标数据的情绪感知值得到影响客户满意度的关键因子,确定差评环节中各个指标数据的情绪感知值,将差评环节中情绪感知值最低的指标数据作为影响客户满意度的关键因子,可以根据该关键因子对各个环节的满意度或者是可以根据该关键因子对该指标数据进行深度挖掘。
需进一步强调的是,由于各环节的权重不同,因此没有直接选择客户在各环节上的总情绪感知值最低的为客户最不满意的环节,该步骤可以得到能够准确反应客户各环节满意度。
本实施例通过对各个环节的权重和各个环节中各个指标数据的权重得到客户的情绪感知值,同时在同一个环节中根据不同指标数据的分布函数准确计算各个指标数据的情绪感知值,可以有效采集全流程客户体验数据,有利于深入细致地挖掘系统使用过程中的各类问题。
参考图3,图3为本发明一种客户情绪感知方法第二实施例的流程示意图。
基于上述第一实施例,本实施例客户情绪感知方法在所述步骤S20,包括:
步骤S21:在所述当前环节为第一类需求开发环节时,获取第一类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据。
可理解的是,第一类需求开发环节可以指标数据中类别数较多的连续指标值的环节,例如需求提出、IT开发分析等。
应理解的是,在当前环节为第一类需求开发环节,该环节中的各个指标数据可以都有对应预先建立好的分布函数。
步骤S22:根据所述分布函数得到所述参考指标的第一预设分布值和第二分布值。
需说明的是,预先获取有参考指标的多个参数,根据对多个参数进行排序,将排序后前百分之十对应的参数值作为第一预设分布值,将排序后前百分之九十对应的参数值作为第二预设分布值。
需进一步说明的是,上述百分之十、百分之九十可以根据实际情况进行调整,本实施例对此不作限定。
在具体实施汇总,例如IT开发分析环节中的开发分析时长,预先获取200个开发分析时长的数据,并将该数据按照从小到大的顺序排列,进而可以得到200个开发分析时长的数据中第20个开发分析时长可以为对应的30分钟,200个开发分析时长的数据中第180个开发分析时长可以为对应的80分钟,则参考指标开发分析时长的第一预设分布值为30分钟,第二分布值预设分布值为80分钟。
步骤S23:将所述参考指标数据与所述第一预设分布值、所述第二分布值进行比较,根据比较结果得到当前环节中参考指标数据的情绪感知值。
可理解的是,第一预设分布值小于第二预设分布值。
应理解的是,将所述参考指标数据与所述第一预设分布值、所述第二分布值进行比较可以是将参考指标数据与第一预设分布值进行比较,若参考指标数据大于第一预设分布值,则将参考指标数据与第二预设分布值进行比较,可以得到参考指标数据是小于等于第一预设分布值或者大于第一预设分布值且小于第二预设分布值或大于等于第二预设分布值。
在具体实施中,当前环节中参考指标数据的情绪感知值得到计算可以参考下列公式:
其中,表示userA在指标数据j下的情绪感知值,f(feaj)表示指标数据j的分布函数,feaj@99%ile表示第二预设分布值,feaj@1%ile表示第一预设分布值,feajuserA表示客户A的指标数据j的值;其中,客户A可以是想要进行情绪感知的客户。
值得说明的是,当客户在i环节j指标数据的情绪感知值大于等于第二预设分布值,则将客户在i环节j指标数据的情绪感知值更新为0,当客户在i环节j指标数据的情绪感知值小于第二预设分布值且大于第一预设分布值时,根分布函数和第一预设分布值、第二预设分布值求积分可以得到该指标数据对应的情绪感知值;当客户在i环节j指标数据的情绪感知值小于等于第一预设分布值,则将客户在i环节j指标数据的情绪感知值更新为1。
需强调的是,所述根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值之后,还包括:
在所述当前环节为第二类需求开发环节时,获取第二类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;获取所述参考指标数据的调节系数,根据所述调节系数和所述分布函数得到当前环节中所述参考指标数据的情绪感知值;
其中,可以是含有类别数较少的离散指标数据的环节,类别数≤3或4等,第二类需求开发环节中的指标数据可以是“IT工作量评估打回次数”、“项目经理转派产品经理次数”等;
其中,参考指标的分布函数与第一类需求开发环节种参考指标数据的分布函数获取方式相同。
其中,调节系数可以是大于0小于1的参数,调节系数越大,不同指标值之间的情绪感知值差距越小,本实施例中调节系数可以是1/2,也可以是其他数值,可根据实际情况进行调整。
在具体实施中,根据所述调节系数和所述分布函数得到当前环节中所述参考指标数据的情绪感知值可以参考下列公式:
其中,表示userA在i环节指标数据j下的情绪感知值,a表示调节系数,feaj表示客户A的指标数据j的值。
在所述当前环节为第三类需求开发环节时,获取第三类需求开发环节中参考指标数据的分段函数,所述参考指标为当前环节中任意指标数据;根据所述分段函数得到当前环节中所述参考指标数据的情绪感知值。
其中,第三类需求开发环节是包括一些指标数据基于业务理解进行特殊处理的指标数据的环节,例如验收环节中的“满意度”指标。
其中,分段函数是第三类需求开发环节中各个参考指标数据预先设定的函数。
在具体实施中,预先获取有满意度指标数据的分段函数,分段函数如下:
其中,表示客户A对i环节中满意度指标数据的情绪感知值,fea满意度可以理解为是客户A在满意度指标数据的满意度值。
本实施例通过区分各个环节的类型,对不同类型环节中各个指标数据进行对应的情绪感知值的计算方法,第一预设类型环节的指标数据通过分布函数对应的第一预设值和第二预设值,根据指标数据与第一预设值和第二预设值的大小关系得到指标数据的情绪感知值,基于不同预设类型的环节采用不同的情绪感知值计算方式,能够更加准确的得到各个环节中指标数据的情绪感知值,从而基于各个环节的指标数据的情绪感知值能够得到总的情绪感知值,实现对客户全流程体验数据的采集和准确表达,从而准确反应客户各环节满意度。
参考图4,图4为本发明一种客户情绪感知方法第二实施例的流程示意图。
基于上述第一实施例,本实施例客户情绪感知方法在所述步骤S40,包括:
步骤S41:获取各个环节中各个指标数据的指标权重,根据所述指标权重和各个环节的指标数据得到各个环节的情绪感知值。
可理解的是,各个环节中的各个指标数据的指标权重可以是预先设定好的,也可以根据实际情况对单个指标权重或者对单个环节的指标权重进行调整。
在具体实施中,根据根据所述指标权重和各个环节的指标数据得到各个环节的情绪感知值的计算方法可以参考下列公式:
其中,feajlinki表示环节i下面所对应的第j个指标,为该指标的权重,为客户A在i环节的情绪感知值。
步骤S42:获取各个环节的环节权重,根据所述环节权重和所述各个环节的情绪感知值得到初始总情绪感知值。
可理解的是,在针对客户进行需求开发的过程中存在多个环节,但是可以理解的是每个环节对于需求开发的重要程度是不同的,可以根据每个环节的重要程度设定各个环节的权重。
在具体实施中,根据所述环节权重和所述各个环节的情绪感知值得到初始总情绪感知值可以参考下列公式:
其中,为以环节i的权重,/>为环节i中客户A的情绪感知值。
步骤S43:在当前客户的需求不是重点需求时,将所述初始总情绪感知值作为总情绪感知值。
可理解的是,客户需求可以是在与用户进行沟通时获得。
需说明的是,可以预先设定有重点需求列表,将当前客户的需求与重点需求列表中的需求进行匹配,如果匹配成功,则可以当前客户的需求为重点需求,若果匹配失败,则当前客户需求不是重点需求。
步骤S44:在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值。
可理解的是,在客户的需求是重点需求时,可以根据该客户的总情绪感知值的大小得到对应的预设调整策略,根据预设调整策略可以对客户的初始总情绪感知值进行调整,得到总情绪感知值。
需说明的是,所述在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值可以是在当前客户的需求为重点需求时,判断所述初始总情绪感知值是否大于等于增大阈值(增大阈值可以根据实际情况进行限定,本实施例以增大阈值为0.9为例进行说明),若所述初始总情绪感知值大于等于增大阈值,则根据预设增大系数(增大系数可以理解为是对初始总情绪感知值进行增大的参数,该增大系数可以根据实际情况进行调整,本实施例以增大系数为1.1为例进行说明)对所述初始总情绪感知值进行调整,得到总情绪感知值;
若所述初始总情绪感知值小于增大阈值,且所述初始总情绪值大于缩小阈值,则将所述初始总情绪值作为总情绪感知值,其中增大阈值大于缩小阈值,且二者可以不通;
若所述初始总情绪感知值小于等于缩小阈值(缩小阈值可以根据实际情况进行限定,本实施例以缩小阈值为0.7为例进行说明),则根据预设缩小系数(缩小系数可以理解为是对初始总情绪感知值进行缩小的参数,该缩小系数可以根据实际情况进行调整,本实施例以缩小系数为1.1为例进行说明)对所述初始总情绪感知值进行调整,得到总情绪感知值。
在具体实施中,在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值可以参考下列公式:
其中,1.1为增大系数,0.9为增大阈值;0.9为缩小系数,0.7为缩小阈值;EPS_newuserA可理解为总情绪感知值,EPSuserA可理解为初始总情绪感知值。
在具体实施中,为了得到客户的总情绪感知值,可以参考图5,图5为细节处理过程的客户总情绪感知值获取的完整流程。
本实施例通过各个环节中各个指标数据和指标数据的权重来计算各个环节的情绪感知值,再根据各个环节的情绪感知值和各个环节的权重来计算客户的总情绪感知值,同时基于客户需求是否为重点需求对客户的总情绪感知值进行放大或者缩小处理,得到更能体现可以真实情绪的总情绪感知值,从而能够更加准确的需求开发过程中,客户对各个环节的感受,实现对客户全流程体验数据的采集和准确表达,从而准确反应客户各环节满意度。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有客户情绪感知程序,所述客户情绪感知程序被处理器执行时实现如上文所述的客户情绪感知方法的步骤。
参照图6,图6为本发明客户情绪感知装置第一实施例的结构框图。
如图6所示,本发明实施例提出的客户情绪感知装置包括:
数据获取模块10,用于获取预设周期内各个环节的多个指标数据;
情绪感知模块20,用于根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节;
所述情绪感知模块20,还用于根据当前环节中各个指标数据的映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值;
所述情绪感知模块20,还用于根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
本实施例通过对各个环节的权重和各个环节中各个指标数据的权重得到客户的情绪感知值,同时在同一个环节中根据不同指标数据的分布函数准确计算各个指标数据的情绪感知值,可以有效采集全流程客户体验数据,有利于深入细致地挖掘系统使用过程中的各类问题。
在一实施例中,所述情绪感知模块20,还用于在所述当前环节为第一类需求开发环节时,获取第一类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;
根据所述分布函数得到所述参考指标的第一预设分布值和第二分布值;
将所述参考指标数据与所述第一预设分布值、所述第二分布值进行比较,根据比较结果得到当前环节中参考指标数据的情绪感知值。
在一实施例中,所述情绪感知模块20,还用于在所述当前环节为第二类需求开发环节时,获取第二类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;获取所述参考指标数据的调节系数,根据所述调节系数和所述分布函数得到当前环节中所述参考指标数据的情绪感知值;
在所述当前环节为第三类需求开发环节时,获取第三类需求开发环节中参考指标数据的分段函数,所述参考指标为当前环节中任意指标数据;根据所述分段函数得到当前环节中所述参考指标数据的情绪感知值。
在一实施例中,所述情绪感知模块20,还用于判断所述前环节中各个指标数据的情绪感知值是否满足预设范围内,若所述情绪感知值不在预设范围内,则将所述情绪感知值作为参考情绪感知值;
若所述情绪感知值在预设范围内,则对所述情绪感知值进行计算得到参考情绪感知值。
在一实施例中,所述情绪感知模块20,还用于获取各个环节中各个指标数据的指标权重,根据所述指标权重和各个环节的指标数据得到各个环节的情绪感知值;
获取各个环节的环节权重,根据所述环节权重和所述各个环节的情绪感知值得到初始总情绪感知值;
在当前客户的需求不是重点需求时,将所述初始总情绪感知值作为总情绪感知值;
在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值。
在一实施例中,所述情绪感知模块20,还用于在当前客户的需求为重点需求时,判断所述初始总情绪感知值是否大于等于增大阈值,若所述初始总情绪感知值大于等于增大阈值,则根据预设增大系数对所述初始总情绪感知值进行调整,得到总情绪感知值;
若所述初始总情绪感知值小于增大阈值,且所述初始总情绪值大于缩小阈值,则将所述初始总情绪值作为总情绪感知值;
若所述初始总情绪感知值小于等于缩小阈值,则根据预设缩小系数对所述初始总情绪感知值进行调整,得到总情绪感知值。
在一实施例中,所述情绪感知模块20,还用于在所述总情绪感知值低于预设阈值时,获取各环节的实际得分;
根据各环节的实际得分确定差评环节;
确定所述差评环节中各指标数据的情绪感知值,根据所述差评环节中各指标数据的情绪感知值得到影响客户满意度的关键因子。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,本发明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(如只读存储器(Read Only Memory,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,或者网络设备等)执行本发明各个实施例所述的方法。
应该理解的是,虽然本申请实施例中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,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。
以上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,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种客户情绪感知方法,其特征在于,所述客户情绪感知方法包括:
获取预设周期内客户需求开发各个环节的多个指标数据;
根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节;
根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值;
根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
2.如权利要求1所述的客户情绪感知方法,其特征在于,所述根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,包括:
在所述当前环节为第一类需求开发环节时,获取第一类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;
根据所述分布函数得到所述参考指标的第一预设分布值和第二分布值;
将所述参考指标数据与所述第一预设分布值、所述第二分布值进行比较,根据比较结果得到当前环节中参考指标数据的情绪感知值。
3.如权利要求2所述的客户情绪感知方法,其特征在于,所述根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值之后,还包括:
在所述当前环节为第二类需求开发环节时,获取第二类需求开发环节中参考指标数据的分布函数,所述参考指标为当前环节中任意指标数据;获取所述参考指标数据的调节系数,根据所述调节系数和所述分布函数得到当前环节中所述参考指标数据的情绪感知值;
在所述当前环节为第三类需求开发环节时,获取第三类需求开发环节中参考指标数据的分段函数,所述参考指标为当前环节中任意指标数据;根据所述分段函数得到当前环节中所述参考指标数据的情绪感知值。
4.如权利要求1所述的客户情绪感知方法,其特征在于,所述根据当前环节中各个指标数据的预设映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值,包括:
判断所述前环节中各个指标数据的情绪感知值是否满足预设范围内,若所述情绪感知值不在预设范围内,则将所述情绪感知值作为参考情绪感知值;
若所述情绪感知值在预设范围内,则对所述情绪感知值进行计算得到参考情绪感知值。
5.如权利要求1所述的客户情绪感知方法,其特征在于,所述根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值,包括:
获取各个环节中各个指标数据的指标权重,根据所述指标权重和各个环节的指标数据得到各个环节的情绪感知值;
获取各个环节的环节权重,根据所述环节权重和所述各个环节的情绪感知值得到初始总情绪感知值;
在当前客户的需求不是重点需求时,将所述初始总情绪感知值作为总情绪感知值;
在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值。
6.如权利要求5所述的客户情绪感知方法,其特征在于,所述在当前客户的需求为重点需求时,根据预设调整策略对所述初始总情绪感知值进行调整,得到总情绪感知值,包括:
在当前客户的需求为重点需求时,判断所述初始总情绪感知值是否大于等于增大阈值,若所述初始总情绪感知值大于等于增大阈值,则根据预设增大系数对所述初始总情绪感知值进行调整,得到总情绪感知值;
若所述初始总情绪感知值小于增大阈值,且所述初始总情绪值大于缩小阈值,则将所述初始总情绪值作为总情绪感知值;
若所述初始总情绪感知值小于等于缩小阈值,则根据预设缩小系数对所述初始总情绪感知值进行调整,得到总情绪感知值。
7.如权利要求1-6中任一项所述的客户情绪感知方法,其特征在于,所述根据所述参考情绪感知值、所述各个指标数据的权重以及所述各个环节的权重得到客户的总情绪感知值之后,还包括:
在所述总情绪感知值低于预设阈值时,获取各环节的实际得分;
根据各环节的实际得分确定差评环节;
确定所述差评环节中各指标数据的情绪感知值,根据所述差评环节中各指标数据的情绪感知值得到影响客户满意度的关键因子。
8.一种客户情绪感知装置,其特征在于,所述客户情绪感知装置包括:
数据获取模块,用于获取预设周期内各个环节的多个指标数据;
情绪感知模块,用于根据当前环节的指标数据以及当前环节中多个指标数据的分布函数得到当前环节中各个数据指标的情绪感知值,所述当前环节为所述各个环节中的任意环节;
所述情绪感知模块,还用于根据当前环节中各个指标数据的映射规则对所述情绪感知值进行优化,得到当前环节中各个指标数据的参考情绪感知值;
所述情绪感知模块,还用于根据各个环节中各个指标数据的参考情绪感知值、各个环节中各个指标数据的权重以及各个环节的权重得到总情绪感知值。
9.一种客户情绪感知设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客户情绪感知程序,所述客户情绪感知程序配置为实现如权利要求1至7中任一项所述的客户情绪感知方法。
10.一种存储介质,其特征在于,所述存储介质上存储有客户情绪感知程序,所述客户情绪感知程序被处理器执行时实现如权利要求1至7任一项所述的客户情绪感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879273.7A CN116957397A (zh) | 2023-07-17 | 2023-07-17 | 客户情绪感知方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879273.7A CN116957397A (zh) | 2023-07-17 | 2023-07-17 | 客户情绪感知方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116957397A true CN116957397A (zh) | 2023-10-27 |
Family
ID=88461363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310879273.7A Pending CN116957397A (zh) | 2023-07-17 | 2023-07-17 | 客户情绪感知方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116957397A (zh) |
-
2023
- 2023-07-17 CN CN202310879273.7A patent/CN116957397A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harrison et al. | Evaluating the expected welfare gain from insurance | |
Pigeon et al. | Composite Lognormal–Pareto model with random threshold | |
Gustman et al. | What people don't know about their pensions and social security: an analysis using linked data from the Health and Retirement Study | |
US8794971B2 (en) | Method and system for assigning a task to be processed by a crowdsourcing platform | |
US11429988B2 (en) | Method and system for increasing use of mobile devices to provide answer content in a question and answer based customer support system | |
US11151418B2 (en) | Interactive modeling application adapted for execution via distributed computer-based systems | |
CN117788176A (zh) | 用于评估和缓解网路安全风险的系统和方法 | |
WO2002103488A9 (en) | Compensation data prediction | |
WO2018157808A1 (zh) | 互联网征信评估方法和系统 | |
US20220076140A1 (en) | Prioritization of electronic communications | |
CN112862593B (zh) | 信用评分卡模型训练方法、装置、系统及计算机存储介质 | |
US7966212B2 (en) | Quantitative alignment of business offerings with the expectations of a business prospect | |
CA2838003A1 (en) | System and method for evaluating decision opportunities | |
CN116091113A (zh) | 营销模型数据处理方法、系统及计算机可读存储介质 | |
EP2573725A1 (en) | Survey prioritization engine | |
CN108074108B (zh) | 一种净推荐值的显示方法及其终端 | |
CN117541401A (zh) | 信息推送方法、装置、电子设备和存储介质 | |
Belluzzo Jr | Semiparametric approaches to welfare evaluations in binary response models | |
CN116957397A (zh) | 客户情绪感知方法、装置、设备及存储介质 | |
WO2012135159A2 (en) | Systems and methods for client development | |
CN110348916B (zh) | 用户留存度计算方法及装置 | |
Prat | The rate of learning‐by‐doing: estimates from a search‐matching model | |
CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN113674079A (zh) | 一种基于关系图谱和客户画像的金融风险控制系统及方法 | |
Skufi et al. | Using Macrofinancial Models to Simulate Macroeconomic Developments During the COVID-19 Pandemic: The Case of Albania |
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 |