CN117035803A - 客户风险控制方法、装置、存储介质及电子设备 - Google Patents
客户风险控制方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117035803A CN117035803A CN202310483361.5A CN202310483361A CN117035803A CN 117035803 A CN117035803 A CN 117035803A CN 202310483361 A CN202310483361 A CN 202310483361A CN 117035803 A CN117035803 A CN 117035803A
- Authority
- CN
- China
- Prior art keywords
- target
- risk
- server
- shopping
- risk level
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012954 risk control Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims description 110
- 230000006399 behavior Effects 0.000 claims description 71
- 238000012502 risk assessment Methods 0.000 claims description 53
- 238000013486 operation strategy Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000007935 neutral effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 241000207961 Sesamum Species 0.000 description 4
- 235000003434 Sesamum indicum Nutrition 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06Q30/018—Certifying business or products
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种客户风险控制方法、装置、存储介质及电子设备,其中,方法包括:无人商店响应于目标客户的认证操作,获取目标客户的认证信息后将认证信息发送至服务器,服务器基于认证信息确定目标客户对应的目标购物风险等级,服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略,从而基于不同的风险等级执行不同的目标服务器运营策略。
Description
技术领域
本说明书涉及无人商店技术领域,尤其涉及一种客户风险分级方法、装置、存储介质及电子设备。
背景技术
近年来,随着科技的快速发展,驱动了线下新零售的兴起。较多传统超市开始往智能化的方向发展,因此逐渐出现了较多的无人商店,客户进入无人商店后往往需要人工客服进行线上照看,当无人商店的客户较多或无人商店较多时,由于人工客服的精力有限,难以有侧重地进行线上照看,导致人工客服的运营容易出错。
发明内容
本说明书提供了一种客户风险分级方法、装置、存储介质及电子设备,可以解决当无人商店的客户较多或无人商店较多时,由于人工客服的精力有限,导致人工客服的运营容易出错的技术问题,所述技术方案如下:
第一方面,本说明书实施例提供了一种客户风险控制方法,应用于无人商店,所述方法包括:
响应于目标客户的认证操作,获取所述目标客户的认证信息;
将所述认证信息发送至服务器,以使所述服务器基于所述认证信息确定所述目标客户对应的目标购物风险等级,并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
第二方面,本说明书提供了一种客户风险控制方法,应用于服务器,所述方法包括:
接收无人商店发送的目标客户的认证信息,基于所述认证信息确定所述目标客户对应的目标购物风险等级,并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
第三方面,本说明书提供了一种应用于无人商店的客户风险控制装置,所述装置包括:
认证模块,适于响应于目标客户的认证操作,获取所述目标客户的认证信息;
发送模块,适于将所述认证信息发送至服务器,以使所述服务器基于所述认证信息确定所述目标客户对应的目标购物风险等级,并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
第四方面,本说明书提供了一种应用于服务器的客户风险控制装置,所述装置包括:
分级执行模块,适于接收无人商店发送的目标客户的认证信息,基于所述认证信息确定所述目标客户对应的目标购物风险等级,并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
第五方面,本说明书提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
第六方面,本说明书实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机或处理器上运行时,使得所述计算机或所述处理器执行上述的方法的步骤。
第七方面,本说明书实施例提供一种电子设备,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本说明书一些实施例提供的技术方案带来的有益效果至少包括:本说明书实施例提供一种客户风险控制方法,目标客户对无人商店发出认证操作,无人商店响应于目标客户的认证操作,获取目标客户的认证信息,之后,无人商店将目标客户的认证信息发送至服务器,服务器基于认证信息确定目标客户对应的目标购物风险等级,并且服务器还基于目标购物风险等级对目标客户执行对应的目标服务器运营策略,以实现对不同目标购物风险等级的客户执行差异化的目标服务器运营策略,在人工客服介入时可以根据目标服务器运营策略进行有侧重地介入,以节省人工客服的精力,以解决由于人工客服的精力有限,难以有侧重地进行线上照看,导致人工客服的运营容易出错的技术问题。
附图说明
为了更清楚地说明本说明书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说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种客户风险控制方法的示例性系统架构图;
图2为本说明书一示例性实施例提供的一种客户风险控制的流程示意图;
图3为本说明书一示例性实施例提供的一种目标客户进行认证操作的示意图;
图4为本说明书一示例性实施例提供的一种确定目标客户对应的目标购物风险等级的流程示意图;
图5为本说明书一示例性实施例提供的一种确定目标客户对应的目标风险评估值的示意图;
图6为本说明书实施例提供的一种应用于无人商店的客户风险控制装置的结构框图;
图7为本说明书实施例提供的一种应用于服务器的客户风险控制装置的结构框图;
图8为本说明书实施例提供的一种应用于无人商店的电子设备的结构示意图;
图9为本说明书实施例提供的一种应用于服务器的电子设备的结构示意图。
具体实施方式
为使得本说明书实施例的特征和优点能够更加的明显和易懂,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而非全部实施例。基于本说明书中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书实施例保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书实施例相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本说明书实施例的一些方面相一致的装置和方法的例子。
随着科技的快速发展,驱动了线下新零售的兴起。近年来,线下新零售经历了由全封闭的无人商超模式到现在更低成本的云端无人值守商超模式的发展。全封闭式的无人商超由于成本高昂,以及营业利润远小于无人商超的折旧摊销等成本原因,逐渐淡出市场,取而代之的是针对原有社区小店的改造方案,将社区小店改造为低成本的云端值守的无人商店,利用人工客服在云端进行线上值守解决社区小店有关人力成本以及延时经营的问题。
但是,目前的无人商店对购物进门前的客户没有进行风险评估,此时对云端值守的人工客户的要求较高,当无人商店的客户较多或无人商店较多时,由于人工客服的精力有限,难以有侧重地进行线上照看,导致人工客服的运营容易出错。
因此本说明书实施例提供一种客户风险控制方法,目标客户对无人商店发出认证操作,无人商店响应于目标客户的认证操作,获取目标客户的认证信息,之后,无人商店将目标客户的认证信息发送至服务器,服务器基于认证信息确定目标客户对应的目标购物风险等级,并且服务器还基于目标购物风险等级对目标客户执行对应的目标服务器运营策略,以实现对不同目标购物风险等级的客户执行差异化的目标服务器运营策略,在人工客服介入时可以根据目标服务器运营策略进行有侧重地介入,以节省人工客服的精力,以解决由于人工客服的精力有限,难以有侧重地进行线上照看,导致人工客服的运营容易出错的技术问题。
请参阅图1,图1为本说明书实施例提供的一种客户风险控制方法的示例性系统架构图。
如图1所示,系统架构可以包括无人商店的电子设备101、网络102和服务器103。网络102用于在无人商店的电子设备101和服务器103之间提供通信链路的介质。网络102可以包括各种类型的有线通信链路或无线通信链路,例如:有线通信链路包括光纤、双绞线或同轴电缆的,无线通信链路包括蓝牙通信链路、无线保真(Wireless-Fidelity,Wi-Fi)通信链路或微波通信链路等。
无人商店的电子设备101可以通过网络102与服务器103交互,以接收来自服务器103的消息或向服务器103发送消息,或者无人商店的电子设备101可以通过网络102与服务器103交互,进而接收其他用户向服务器103发送的消息或者数据。无人商店的电子设备101可以是硬件,也可以是软件。当无人商店的电子设备101为硬件时,可以是各种电子设备,包括但不限于智能手表、智能手机、平板电脑、膝上型便携式计算机和台式计算机等。当无人商店的电子设备101为软件时,可以是安装在上述所列举的电子设备中,其可以实现呈多个软件或软件模块(例如:用来提供分布式服务),也可以实现成单个软件或软件模块,在此不作具体限定。
在本说明书实施例中,首先,无人商店的电子设备101响应于目标客户的认证操作,获取目标客户的认证信息,之后,无人商店的电子设备101将认证信息发送至服务器,以使服务器103基于认证信息确定目标客户对应的目标购物风险等级,并使服务器103基于目标购物风险等级对目标客户执行对应的目标服务器运营策略.
服务器103可以是提供各种服务的集成服务器。需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
在本说明书实施例中,服务器103接收无人商店的电子设备101发送的目标客户的认证信息后,服务器103基于认证信息确定目标客户对应的目标购物风险等级,并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
应理解,图1中的无人商店的电子设备101、网络102以及服务器103的数目仅是示意性的,根据实现需要,可以是任意数量的无人商店的电子设备101、网络102以及服务器103。
请参阅图2,图2为本说明书一示例性实施例提供的一种客户风险控制的流程示意图。
S202:无人商店响应于目标客户的认证操作,获取目标客户的认证信息。
目标客户进入无人商店前,无人商店中相应的电子设备对目标客户的身份进行认证,以便无人商店可以通过目标客户的身份采取对应的运营策略。这里,目标客户的认证操作包括但不限于生物识别以及实名认证等。生物识别的方式可以包括:人脸特征、眼纹、声纹、指纹、掌纹、心跳、脉搏等。其中眼纹可以包括虹膜、巩膜等生物特征。实名认证的方式可以包括:用户预留的并已经被审核确认的身份信息,例如身份证信息、银行卡信息等。
需要说明的是,可以基于一种或多种生物识别方式对目标客户进行认证。多种生物识别方式对目标客户进行认证可以更加准确高效的识别目标客户的真实身份。
图3为本说明书一示例性实施例提供的一种目标客户进行认证操作的示意图。如图3所示,图3中示意了目标客户基于无人商店的人脸识别设备进行刷脸认证,人脸识别设备的刷脸认证可以结合眼纹、3D(三维,three dimensional)人脸特征等生物识别方式对目标客户进行认证,以更加精准地识别目标客户的真实身份。
这里,目标客户可以是初次光顾无人商店的客户,也可以是曾经多次光顾无人商店的客户。还可以是与该无人商店关联的其他无人商店的客户,如,同一公司或合作公司下属的其他连锁无人商店的客户。
S204:无人商店将认证信息发送至服务器。
无人商店在获取到目标客户的认证信息后,可以将认证信息发送至服务器以供服务器进行识别。无人商店将认证信息发送至服务器的方式包括但不限于通过有线通信链路或者无线通信链路的方式进行传输。
可选地,无人商店可以在获取到认证信息后将认证信息进行加密后发送至服务器,以避免目标客户的认证信息泄露导致目标客户生物信息以及实名认证信息的泄露。例如,无人商店在响应于目标客户的认证操作之前,可以生成相互匹配的加密公钥和解密私钥,无人商店先将解密私钥发送至服务器,在无人商店获取到认证信息后基于加密公钥对认证信息进行加密,之后,无人商店将经过加密公钥加密的认证信息发送至服务器以使服务器基于解密私钥对认证信息进行解密。
可选地,无人商店在获取到认证信息后,可以基于认证信息生成相互匹配的加密公钥和解密私钥,以使不同的认证信息对应不同的加密公钥和解密私钥,从而进一步保护认证信息。同样的,无人商店先将解密私钥发送至服务器,并基于加密公钥对认证信息进行加密,之后,将经过加密公钥加密的认证信息发送至服务器以使服务器基于解密私钥对认证信息进行解密。
S206:服务器接收无人商店发送的目标客户的认证信息,基于认证信息确定目标客户对应的目标购物风险等级。
服务器通过目标客户的认证信息确认目标客户的身份,以及基于认证信息获取目标客户用于评估目标购物风险等级的风控评估信息对应的权限。风控评估信息可以基于目标客户预留的信息或者目标客户在无人商店合作企业中预留的信息获得。
这里,目标客户预留的信息可以存储于服务器的客户数据库中,目标客户预留的信息可以包括目标客户基于要求预留的基本信息,以及目标客户在无人商店以及无人商店合作企业中的历史使用信息。基本信息包括但不限于目标客户的学历信息、失信信息、信用信息以及常驻人群属性信息等风控评估信息中的至少一种风控评估信息。历史使用信息包括但不限于无人商店历史购物行为信息以及消费信息等风控评估信息中的至少一种风控评估信息。
图4为本说明书一示例性实施例提供的一种确定目标客户对应的目标购物风险等级的流程示意图。
如图4所示,可选地,步骤S206中基于认证信息确定目标客户对应的目标购物风险等级包括:
S402:服务器基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息。
其中,服务器可以基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的一种或多种风控评估信息。
无人商店历史购物行为信息可以包括目标客户在无人商店购物时被记录的历史购物行为,这些历史购物行为在无人商店历史购物行为信息中可以被标记。标记后这些历史购物行为可以划分为不同类型的行为,包括但不限于积极的历史购物行为、中立的历史购物行为以及消极的历史购物行为等。例如:当目标客户在无人商店中将商品从货架中取下后发现不是目标商品,并将该商品重新放回原始的位置时减轻运营成本的行为可以对应积极的历史购物行为,而目标客户在无人商店中走动的基础购物行为可以对应中立的历史购物行为,而目标客户在无人商店中毁坏商品包装等增大运营成本的行为可以对应消极的历史购物行为。
具体的,积极的历史购物行为、中立的历史购物行为以及消极的历史购物行为分别可以包括一个或多个等级。如:积极的历史购物行为、中立的历史购物行为以及消极的历史购物行为可以分别对应3级、2级以及1级等。进一步的,为了更加细致的区分不同无人商店历史购物行为对应的等级,积极的历史购物行为、中立的历史购物行为以及消极的历史购物行为可以分别对应7至10级、5至6级以及1至4级。
换言之,不同类型的历史购物行为可以划分为多个等级,当目标用户的历史购物行为越积极,则该历史购物行为对应的等级可以越高,同样的,当目标用户的历史购物行为越消极,则该历史购物行为对应的等级可以越低。并且,可以基于中立的历史购物行为的消极以及积极倾向确定中立的历史购物行为的等级。这里提供了一种确定历史购物行为等级的方法,当然,还可以基于预先建立的历史购物行为模型或者历史购物行为算法等通过识别目标用户的历史购物行为确定目标用户的历史购物行为等级。
需要说明的是,当目标客户初次光顾无人商店时,此时目标客户的历史购物行为等级为空,可以通过以往数据统计或人为预设平均历史购物行为等级,之后,将平均历史购物行为等级作为目标客户的历史购物行为等级;或,目标客户初次光顾无人商店时,此时目标客户的历史购物行为等级为空,历史购物行为等级可以不参与后续对目标购物风险等级的评估。
容易理解的,学历信息可以包括目标客户的最高学历信息。同样的,目标客户的最高学历也可以被标记,当目标用户的最高学历越高,则目标客户的最高学历信息被标记的最高学历等级越高。例如,同样可以基于目标客户的最高学历信息将目标用户的最高学历等级划分为多个等级,如1至10级等。当然,还可以基于预先建立的最高学历模型或者最高学历算法等通过识别目标用户的最高学历确定目标用户的最高学历等级。
目标客户对应的消费信息包括但不限于目标客户在无人商店的消费数据,还可以包括目标客户在其他连锁无人商店的消费数据,或者在无人商店合作企业上的消费数据等。基于目标客户对应的消费信息可以确定目标客户的消费等级。例如,基于消费数据获取目标客户的消费流水,基于目标客户的消费流水确定消费总额,当目标用户的消费总额越高,则目标客户被标记的消费等级越高。又如,同样可以基于目标客户的消费信息将目标用户的消费等级划分为多个等级,如1至10级等。当然,还可以基于预先建立的消费模型或者消费算法等通过识别目标用户的消费数据确定目标用户的消费等级。
目标客户对应的失信信息可以基于失信被执行人名单获得。一般的,目标客户对应的失信行为也可以被标记,基于失信被执行人名单确定目标客户对应的失信行为等级,目标客户对应的失信行为越消极则失信行为等级越低,当目标客户不位于失信被执行人名单上时,则失信行为等级为较高级别。同样的,可以基于目标客户的失信信息将目标用户的失信行为等级划分为多个等级,如1至10级等。当然,还可以基于预先建立的失信行为模型或者失信行为算法等通过识别目标用户的失信行为确定目标用户的失信行为等级。
目标客户对应的信用信息可以基于与无人商店关联的平台授权获得,常见的如芝麻信用信息等。这里,在信用信息中可以基于芝麻信用信息对应的芝麻信用分对目标客户的信用进行标记。或者,可以建立芝麻信用分与信用等级之间的映射关系。例如,映射后的信用等级可以划分为多个等级,如1至10级等,目标客户对应的信用越优秀则信用等级越高,相反地,目标客户对应的信用越差则信用等级越低。
目标客户对应的常驻人群属性信息可以基于目标客户的位置与无人商店位置之间的距离确定,同样的,常驻人群属性信息中目标客户的常驻人群属性也可以被标记,常驻人群属性可以基于目标客户的工作位置或居住位置与无人商店之间的距离划分。例如,当目标客户的工作位置或居住位置与无人商店位置之间的距离越近,则常驻人群属性对应的常驻人群属性等级越高;相反的,当目标客户的工作位置或居住位置与无人商店位置之间的距离越远,则常驻人群属性对应的常驻人群属性等级越低。常驻人群属性等级同样可以划分为多个等级,如1至10级等。
S404:服务器基于各风控评估信息确定目标客户对应的目标风险评估值,并基于目标风险评估值确定与目标客户对应的目标购物风险等级。
服务器可以基于单个或多个风控评估信息确定目标客户对应的目标风险评估值,基于单个或多个风控评估信息确定目标客户对应的目标风险评估值的方式包括但不限于通过预先建立的映射表、通过预先建立的模型,以及基于预先建立的算法或者直接对各风控评估信息对应的风控评估等级进行运算获得。
例如,无人商店历史购物行为信息对应的风控评估等级可以是历史购物行为等级、学历信息对应的风控评估等级可以是最高学历等级、消费信息对应的风控评估等级可以是消费等级、失信信息对应的风控评估等级可以是失信行为等级、信用信息对应的风控评估等级可以是信用等级、常驻人群属性信息对应的风控评估等级可以是常驻人群属性等级。
在本说明书提供的一种可行的实施方式中,可以基于目标客户的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息以及常驻人群属性信息的重要程度对无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息赋予相应的权重,并基于无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息对应的权重分别与历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级之间乘积的加和确定目标客户对应的目标风险评估值。
在本说明书提供的一种可行的实施方式中,可以对历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级进行加权平均确定目标客户对应的目标风险评估值,其中,各加权系数的和为1,可以基于目标客户的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息以及常驻人群属性信息的重要程度确定各自对应的加权系数。
图5为本说明书一示例性实施例提供的一种确定目标客户对应的目标风险评估值的示意图。如图5所示,本说明书还提供了一种可行的实施方式,基于历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级确定各自对应的目标梯度线L的长度,通过各目标梯度线L的长度确定虚线区域多边形的面积,基于虚线区域多边形的面积S1与总面积S2的占比乘以目标风险评估值设定的阈值来确定目标风险评估值。这里,总面积基于各风控评估等级的最大值对应预设梯度线M的长度确定。需要说明的是,可以基于无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息对应的重要性调整历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级对应的预设梯度线M的长度。
可选地,步骤S404中服务器基于各风控评估信息确定目标客户对应的目标风险评估值,包括:
服务器计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,预设客户画像模型基于各风控评估等级确定与目标客户对应的目标风险评估值。
其中,可以将目标客户对应的历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级输入预设客户画像模型,之后,通过预设客户画像模型生成目标风险评估值。目标风险评估值用于对目标客户进入无人商店后对无人商店带来的风险进行量化。
这里,预设客户画像模型可以包括但不限于回归模型,其中,回归模型包括但不限于线性回归、多项式回归等,可以将目标客户对应的历史购物行为等级、最高学历等级、消费等级、失信行为等级、信用等级以及常驻人群属性等级作为自变量X1、X2、X3、X4、X5以及X6,目标风险评估值作为因变量Y,每个自变量对应有各自的回归系数a、b、c、d、e、f,以及随机变量ε。
当回归模型线性回归时,Y=a·X1+b·X2+c·X3+d·X4+e·X5+f·X6+ε;当回归模型多项式回归时,Y=a·X1 a1 +b·X2 a2+c·X3 a3+d·X4 a4+e·X5 a5+f·X6 a6+ε,其中,a1、a2、a3、a4、a5、a6分别为X1、X2、X3、X4、X5、X6的指数,a1、a2、a3、a4、a5、a6中至少有一个的数值大于1。
在本说明书提供的一种可行的实施方式中,目标风险评估值越高,目标客户进入无人商店后对无人商店带来的风险越低;目标风险评估值越低,目标客户进入无人商店后对无人商店带来的风险越高。
可选地,步骤S404中基于目标风险评估值确定与目标客户对应的目标购物风险等级,包括:
服务器确定无人商店对应的具有历史购物风险等级的历史客户的数量,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,使得服务器将目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与目标客户对应的目标购物风险等级。
每个目标客户通过无人商店进行认证后具有对应的目标购物风险等级,服务器将无人商店中每个目标客户以及其对应的目标购物风险等级进行存储,存储为历史客户和历史购物风险等级。无人商店同样可以在本地将历史客户和历史购物风险等级进行存储。
当无人商店初次开业时,此时无人商店对应的历史客户的数量较少,因此,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,则新认证的目标客户的目标购物风险等级可以基于该目标客户对应的目标风险评估值确定。
预先建立多个预设风险评估值范围,每个预设风险评估值范围对应一个购物风险等级,当目标风险评估值与其中一个预设风险评估值范围相匹配时,则将该预设风险评估值范围对应的购物风险等级作为目标客户的目标购物风险等级。
例如,若基于各风控评估信息确定的客户的风险评估值的范围为0至100,则将0至100对应所有的购物风险等级进行划分,例如,所有的购物风险等级可以划分为三个等级时,则可以将购物风险等级中较低的购物风险等级对应0至40,购物风险等级中较高的购物风险等级对应80至100,其余部分对应购物风险等级中居中的购物风险等级,其中,风险评估值越高,则对应的客户的风险越低,即,购物风险等级越高,则对应的客户的风险越低。
具体的,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,目标客户对应的目标风险评估值为20时,此时目标客户对应的目标购物风险等级为购物风险等级中较低的购物风险等级;目标客户对应的目标风险评估值为90时,此时目标客户对应的目标购物风险等级为购物风险等级中较高的购物风险等级;目标客户对应的目标风险评估值为50时,此时目标客户对应的目标购物风险等级为购物风险等级中居中的购物风险等级。
在本说明书提供的一种实施例中,无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,服务器将具有历史风险评估值和目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有历史风险评估值的历史用户和目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
无人商店在积累了预设数量的历史客户后,可以基于积累的各历史客户对数据对目标客户以及历史客户各自对应的目标购物风险等级和历史购物风险等级进行重新划分,以结合实际数据准确确定目标客户以及历史客户各自对应的目标购物风险等级和历史购物风险等级。需要说明的是,无人商店对应的具有历史购物风险等级的历史客户的数量可以是一个无人商店对应的历史客户的数量,也可以是多个无人商店对应的历史客户的数量,还可以是目标区域内全部无人商店对应的历史客户的数量,此处不作限定。
无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,新认证的目标客户确定目标风险评估值后,将每个历史风险评估值以及目标风险评估值进行降序或升序排列,之后,基于预设比例将每个历史风险评估值以及目标风险评估值划分至各购物风险等级,以对每个历史客户的历史购物风险等级进行更新以及确定目标购物风险等级。
例如,将每个历史风险评估值以及目标风险评估值进行升序排列时,按照升序排列顺序基于3:6:1的比例将每个历史客户以及目标客户划分为三个等级。其中,占比三成的历史风险评估值或者目标风险评估值对应购物风险等级中较低的购物风险等级,占比六成的历史风险评估值或者目标风险评估值对应购物风险等级中居中的购物风险等级,占比一成的历史风险评估值或者目标风险评估值对应购物风险等级中较高的购物风险等级。
S208:服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
在服务器一侧,当确定了目标客户的目标购物风险等级后,服务器会执行与目标购物风险等级对应的目标服务器运营策略。这里,服务器中预先建立了针对各购物风险等级客户的服务器运营策略。购物风险等级中较低的目标购物风险等级对应的目标客户风险较高,可以采取严格的目标服务器运营策略,全程有远程人工客服在线监督和指导,降低风险;购物风险等级中较高的目标购物风险等级对应的目标客户风险较低,可以采取宽进宽出的目标服务器运营策略,可以不用主动唤起远程人工客服监督;购物风险等级中居中的目标购物风险等级对应的目标客户风险适中,可以采取宽进严出的目标服务器运营策略,可以在结账离开时人工客服确认无误后开门放行。
可选地,步骤S208中服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略,包括:
服务器判断目标购物风险等级与第一预设风险等级匹配时,服务器提示人工客服执行对目标客户进行线上照看的目标服务器运营策略。
当目标客户对应的目标购物风险等级与第一预设风险等级匹配时,服务器确认目标客户具有风险,此时,服务器可以提示人工客服执行对目标客户进行线上照看的目标服务器运营策略,提示方式包括但不限于页面弹窗、播放提示音、震动、提示灯闪烁等。当目标客户进入无人商店后,人工客服通过无人商店中的监督设备对目标客户进行线上照看,以规避风险。容易理解的,人工客服还可以接管无人商店中的喇叭、收银等设备以进一步规避风险。
进一步地,服务器判断目标购物风险等级与第一预设风险等级匹配时,服务器提示人工客服执行对目标客户进行线上照看的目标服务器运营策略,包括:
服务器判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,服务器提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略;
服务器判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,服务器提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。
这里,第一预设风险等级可以包括购物风险等级中较低的购物风险等级以及居中的购物风险等级,第一子等级可以对应购物风险等级中较低的购物风险等级,第二子等级可以对应购物风险等级中居中的购物风险等级。
当服务器判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则该目标购物风险等级较低,表明目标客户的风险较高,对无人商店带来损失的可能性较高,服务器提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略。例如,可以对目标客户在选购商品、自助结算、开门离开这几个阶段对目标客户的风险进行把控。目标客户在选购商品时,人工客服基于无人商店中的播报设备播报注意事项以及基于监督设备进行全程在线监督;在自助结算阶段,在目标客户进行自主付款时,人工客服在线监督是否存在漏扫行为,无人商店的设备对漏扫行为进行监测;最后,当人工客服确认没有漏单漏扫后打开无人商店的大门对目标客户进行放行。
当服务器判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则该目标购物风险等级居中,表明目标客户存在一定风险,可能会对无人商店带来损失,服务器提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。例如,目标客户进入无人商店后,目标客户在选购商品时,电脑语音进行播报,人工客服被动响应,即,目标客户提示需要人工客服时基于服务器提示人工客服会介入;同样的,在自助结算阶段,当无人商店的设备检测到存在漏扫行为时基于服务器提示人工客服被动响应;最后,开门离开阶段,当人工客服确认没有漏单漏扫后打开无人商店的大门对目标客户进行放行。
在本说明书提供的一种实施例中,步骤S208中服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略,还包括:
服务器判断目标购物风险等级与第二预设风险等级匹配时,服务器执行无人照看的目标服务器运营策略。
服务器判断目标购物风险等级与第二预设风险等级匹配时,此时,可以判断目标客户对应的目标购物风险等级较高,表明目标客户的风险较低,此时服务器执行无人照看的目标服务器运营策略,无人照看的目标服务器运营策略,即服务器被动响应目标客户的需求或者被目标客户触发后被动响应。例如,目标客户进入无人商店后,目标客户在选购商品时,电脑语音进行播报,服务器被动响应目标客户的需求或者被目标客户触发后被动响应,提示人工客服介入;在自助结算阶段,当无人商店的设备检测到存在漏扫行为时基于服务器提示人工客服被动响应;最后,开门离开阶段,目标客户再次刷脸识别以使无人商店的大门对目标客户进行放行。
S210:服务器基于目标购物风险等级向无人商店发送与目标客户对应的目标商店运营策略。
无人商店中的目标客户可以有一个或多个,不同的目标商店运营策略对应不同目标购物风险等级的目标客户。服务器将目标商店运营策略发送至无人商店的方式包括但不限于通过有线通信链路或者无线通信链路的方式进行传输。容易理解的,为了避免传输过程中数据的泄露,可以将与目标客户对应的目标商店运营策略进行加密传输。
S212:无人商店接收并执行服务器基于目标购物风险等级向无人商店发送的目标客户对应的目标商店运营策略。
目标商店运营策略应用于无人商店,无人商店基于目标客户的目标购物风险等级执行全自主的目标商店运营策略、半自主的目标商店运营策略以及人工客服托管的目标商店运营策略。其中全自主的目标商店运营策略可以对应参考无人照看的目标服务器运营策略,半自主的目标商店运营策略可以对应参考半人工目标服务器运营策略,人工客服托管的目标商店运营策略可对应参考全人工目标服务器运营策略,此处不再过多赘述。
需要说明的是,为了避免目标客户无认证操作就进入无人商店,无人商店的大门在目标客户无认证前可以处于关闭状态,目标客户无认证后,无人商店接收并准备执行服务器基于目标购物风险等级向无人商店发送目标客户对应的目标商店运营策略时,可以将无人商店的大门打开以使目标客户进入,目标客户进入后关闭大门,当满足目标客户通行条件时可放行目标客户离开。通行条件可参考上述开门离开阶段时的描述,此处不再赘述。
本说明书实施例提供了一种客户风险控制方法,通过确定目标客户的目标购物风险等级,基于不同的风险等级执行不同的目标服务器运营策略,以实现对不同目标购物风险等级的目标客户执行差异化的目标服务器运营策略,在人工客服介入时可以根据目标服务器运营策略进行有侧重地介入,以节省人工客服的精力。
请参阅图6,图6为本说明书实施例提供的一种应用于无人商店的客户风险控制装置的结构框图。如图6所示,应用于无人商店的客户风险控制装置600包括:
认证模块610,适于响应于目标客户的认证操作,获取目标客户的认证信息;
发送模块620,适于将认证信息发送至服务器,以使服务器基于认证信息确定目标客户对应的目标购物风险等级,并使服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
可选地,应用于无人商店的客户风险控制装置600还包括目标商店运营策略执行模块,目标商店运营策略执行模块适于接收并执行服务器基于目标购物风险等级向无人商店发送的目标客户对应的目标商店运营策略。
可选地,发送模块620,还适于使服务器判断目标购物风险等级与第一预设风险等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的目标服务器运营策略。
可选地,发送模块620,还适于使服务器判断目标购物风险等级与第二预设风险等级匹配时,则使服务器执行无人照看的目标服务器运营策略。
可选地,发送模块620,还适于使服务器判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略;
以及使服务器判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。
可选地,发送模块620,还适于使服务器基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及使得服务器基于各风控评估信息确定目标客户对应的目标风险评估值,并基于目标风险评估值确定与目标客户对应的目标购物风险等级。
可选地,发送模块620,还适于使得服务器计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得预设客户画像模型基于各风控评估等级确定与目标客户对应的目标风险评估值。
可选地,发送模块620,还适于使得服务器确定无人商店对应的具有历史购物风险等级的历史客户的数量,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,使得服务器将目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与目标客户对应的目标购物风险等级。
可选地,发送模块620,还适于当无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,使得服务器将具有历史风险评估值和目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有历史风险评估值的历史用户和目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
在本说明书实施例中,提供一种应用于无人商店的客户风险控制装置,其中,认证模块,适于响应于目标客户的认证操作,获取目标客户的认证信息;发送模块,适于将认证信息发送至服务器,以使服务器基于认证信息确定目标客户对应的目标购物风险等级,并使服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。通过认证模块确定目标客户的认证信息,并将认证信息发送至服务器后使服务器基于认证信息确定目标客户对应的目标购物风险等级,以实现对不同目标购物风险等级的目标客户执行差异化的目标服务器运营策略,在人工客服介入时可以根据目标服务器运营策略进行有侧重地介入,以节省人工客服的精力。
请参阅图7,图7为本说明书实施例提供的一种应用于服务器的客户风险控制装置的结构框图。如图7所示,应用于服务器的客户风险控制装置700包括:
分级执行模块710,适于接收无人商店发送的目标客户的认证信息,基于认证信息确定目标客户对应的目标购物风险等级,并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
可选地,客户风险控制装置700还包括目标商店运营策略发送模块,目标商店运营策略发送模块适于基于目标购物风险等级向无人商店发送与目标客户对应的目标商店运营策略,以使无人商店执行目标商店运营策略。
可选地,分级执行模块710,还适于判断目标购物风险等级与第一预设风险等级匹配时,则提示人工客服执行对目标客户进行线上照看的目标服务器运营策略。
可选地,分级执行模块710,还适于判断目标购物风险等级与第二预设风险等级匹配时,则执行无人照看的目标服务器运营策略。
可选地,分级执行模块710,还适于判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略;
判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。
可选地,分级执行模块710,还适于基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及基于各风控评估信息确定目标客户对应的目标风险评估值,并基于目标风险评估值确定与目标客户对应的目标购物风险等级。
可选地,分级执行模块710,还适于计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得预设客户画像模型基于各风控评估等级确定与目标客户对应的目标风险评估值。
可选地,分级执行模块710,还适于确定无人商店对应的具有历史购物风险等级的历史客户的数量,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,将目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与目标客户对应的目标购物风险等级。
可选地,分级执行模块710,还适于当无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,将具有历史风险评估值和目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有历史风险评估值的历史客户和目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
在本说明书实施例中,提供一种应用于服务器的客户风险控制装置,其中,分级执行模块适于接收无人商店发送的目标客户的认证信息,基于认证信息确定目标客户对应的目标购物风险等级,并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。通过确定目标客户的认证信息,并将认证信息发送至服务器后使服务器基于认证信息确定目标客户对应的目标购物风险等级,以实现对不同目标购物风险等级的目标客户执行差异化的目标服务器运营策略,在人工客服介入时可以根据目标服务器运营策略进行有侧重地介入,以节省人工客服的精力。
本说明书实施例提供一种包含指令的计算机程序产品,当计算机程序产品在计算机或处理器上运行时,使得计算机或处理器执行上述实施例中任一项的方法的步骤。
本说明书实施例还提供了一种计算机存储介质,计算机存储介质可以存储有多条指令,指令适于由处理器加载并执行如上述实施例中的任一项的方法的步骤。
请参见图8,图8为本说明书实施例提供的一种应用于无人商店的电子设备的结构示意图。如图8所示,应用于无人商店的电子设备800可以包括:至少一个电子设备处理器801,至少一个网络接口804,用户接口803,存储器805,至少一个通信总线802。
其中,通信总线802用于实现这些组件之间的连接通信。
其中,用户接口803可以包括显示屏(Display)、摄像头(Camera),可选用户接口803还可以包括标准的有线接口、无线接口。
其中,网络接口804可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,电子设备处理器801可以包括一个或者多个处理核心。电子设备处理器801利用各种接口和线路连接整个应用于无人商店的电子设备800内的各个部分,通过运行或执行存储在存储器805内的指令、程序、代码集或指令集,以及调用存储在存储器805内的数据,执行应用于无人商店的电子设备800的各种功能和处理数据。可选的,电子设备处理器801可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。电子设备处理器801可集成中心处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到电子设备处理器801中,单独通过一块芯片进行实现。
其中,存储器805可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选的,该存储器805包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器805可用于存储指令、程序、代码、代码集或指令集。存储器805可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器805可选的还可以是至少一个位于远离前述电子设备处理器801的存储装置。如图8所示,作为一种计算机存储介质的存储器805中可以包括操作系统、网络通信模块、用户接口模块以及应用于无人商店的客户风险控制程序。
在图8所示的应用于无人商店的电子设备800中,用户接口803主要用于为用户提供输入的接口,获取用户输入的数据;而电子设备处理器801可以用于调用存储器805中存储的应用于无人商店的客户风险控制程序,并具体执行以下操作:
响应于目标客户的认证操作,获取目标客户的认证信息;
将认证信息发送至服务器,以使服务器基于认证信息确定目标客户对应的目标购物风险等级,并使服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
在一些实施例中,电子设备处理器801还执行接收并执行服务器基于目标购物风险等级向无人商店发送的目标客户对应的目标商店运营策略。
在一些实施例中,电子设备处理器801执行并使服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略时,具体执行以下步骤:
并使服务器判断目标购物风险等级与第一预设风险等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的目标服务器运营策略。
在一些实施例中,电子设备处理器801执行并使服务器基于目标购物风险等级对目标客户执行对应的目标服务器运营策略时,具体执行以下步骤:
并使服务器判断目标购物风险等级与第二预设风险等级匹配时,则使服务器执行无人照看的目标服务器运营策略。
在一些实施例中,电子设备处理器801执行并使服务器判断目标购物风险等级与第一预设风险等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的目标服务器运营策略时,具体执行以下步骤:
并使服务器判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略;
并使服务器判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则使服务器提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。
在一些实施例中,电子设备处理器801执行以使服务器基于认证信息确定目标客户对应的目标购物风险等级时,具体执行以下步骤:
以使服务器基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及使得服务器基于各风控评估信息确定目标客户对应的目标风险评估值,并基于目标风险评估值确定与目标客户对应的目标购物风险等级。
在一些实施例中,电子设备处理器801执行以及使得服务器基于各风控评估信息确定目标客户对应的目标风险评估值时,具体执行以下步骤:
使得服务器计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得预设客户画像模型基于各风控评估等级确定与目标客户对应的目标风险评估值。
在一些实施例中,电子设备处理器801执行基于目标风险评估值确定与目标客户对应的目标购物风险等级时,具体执行以下步骤:
使得服务器确定无人商店对应的具有历史购物风险等级的历史客户的数量,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,使得服务器将目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与目标客户对应的目标购物风险等级。
在一些实施例中,电子设备处理器801执行当无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,使得服务器将具有历史风险评估值和目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有历史风险评估值的历史用户和目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
请参见图9,图9为本说明书实施例提供的一种应用于服务器的电子设备的结构示意图。如图9所示,应用于服务器的电子设备900可以包括:至少一个电子设备处理器901,至少一个网络接口904,用户接口903,存储器905,至少一个通信总线902。
其中,通信总线902用于实现这些组件之间的连接通信。
其中,用户接口903可以包括显示屏(Display)、摄像头(Camera),可选用户接口903还可以包括标准的有线接口、无线接口。
其中,网络接口904可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,电子设备处理器901可以包括一个或者多个处理核心。电子设备处理器901利用各种接口和线路连接整个应用于服务器的电子设备900内的各个部分,通过运行或执行存储在存储器905内的指令、程序、代码集或指令集,以及调用存储在存储器905内的数据,执行应用于服务器的电子设备900的各种功能和处理数据。可选的,电子设备处理器901可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。电子设备处理器901可集成中心处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到电子设备处理器901中,单独通过一块芯片进行实现。
其中,存储器905可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选的,该存储器905包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器905可用于存储指令、程序、代码、代码集或指令集。存储器905可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器905可选的还可以是至少一个位于远离前述电子设备处理器901的存储装置。如图9所示,作为一种计算机存储介质的存储器905中可以包括操作系统、网络通信模块、用户接口模块以及应用于无人商店的客户风险控制程序。
在图9所示的应用于服务器的电子设备900中,用户接口903主要用于为用户提供输入的接口,获取用户输入的数据;而电子设备处理器901可以用于调用存储器905中存储的应用于服务器的客户风险控制程序,并具体执行以下操作:
接收无人商店发送的目标客户的认证信息,基于认证信息确定目标客户对应的目标购物风险等级,并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略。
在一些实施例中,电子设备处理器901还执行基于目标购物风险等级向无人商店发送与目标客户对应的目标商店运营策略,以使无人商店执行目标商店运营策略。
在一些实施例中,电子设备处理器901执行并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略时,具体执行以下步骤:
判断目标购物风险等级与第一预设风险等级匹配时,则提示人工客服执行对目标客户进行线上照看的目标服务器运营策略。
在一些实施例中,电子设备处理器901执行并基于目标购物风险等级对目标客户执行对应的目标服务器运营策略时,具体执行以下步骤:
判断目标购物风险等级与第二预设风险等级匹配时,则执行无人照看的目标服务器运营策略。
在一些实施例中,电子设备处理器901执行判断目标购物风险等级与第一预设风险等级匹配时,则提示人工客服执行对目标客户进行线上照看的目标服务器运营策略时,具体执行以下步骤:
判断目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则提示人工客服执行对目标客户进行线上照看的全人工目标服务器运营策略;
判断目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则提示人工客服执行对目标客户进行线上照看的半人工目标服务器运营策略。
在一些实施例中,电子设备处理器901执行基于认证信息确定目标客户对应的目标购物风险等级时,具体执行以下步骤:
基于认证信息获取与目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及基于各风控评估信息确定目标客户对应的目标风险评估值,并基于目标风险评估值确定与目标客户对应的目标购物风险等级。
在一些实施例中,电子设备处理器901执行以及基于各风控评估信息确定目标客户对应的目标风险评估值时,具体执行以下步骤:
计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得预设客户画像模型基于各风控评估等级确定与目标客户对应的目标风险评估值。
在一些实施例中,电子设备处理器901执行基于目标风险评估值确定与目标客户对应的目标购物风险等级时,具体执行以下步骤:
确定无人商店对应的具有历史购物风险等级的历史客户的数量,当无人商店中具有历史购物风险等级的历史客户的数量小于预设数值时,将目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与目标客户对应的目标购物风险等级。
在一些实施例中,电子设备处理器901执行当无人商店对应的具有历史购物风险等级的历史客户的数量等于或者大于预设数值时,将具有历史风险评估值和目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有历史风险评估值的历史客户和目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
在本说明书所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。上述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时,全部或部分地产生按照本说明书实施例上述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络,或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者通过上述计算机可读存储介质进行传输。上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DigitalSubscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字多功能光盘(DigitalVersatile Disc,DVD)),或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本说明书实施例所提供的一种客户风险控制方法、装置、存储介质及电子设备的描述,对于本领域的技术人员,依据本说明书实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本说明书实施例的限制。
Claims (23)
1.一种客户风险控制方法,应用于无人商店,所述方法包括:
响应于目标客户的认证操作,获取所述目标客户的认证信息;
将所述认证信息发送至服务器,以使所述服务器基于所述认证信息确定所述目标客户对应的目标购物风险等级,并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
2.根据权利要求1所述的客户风险控制方法,所述方法还包括:
接收并执行所述服务器基于所述目标购物风险等级向所述无人商店发送的所述目标客户对应的目标商店运营策略。
3.根据权利要求1所述的客户风险控制方法,所述并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略,包括:
并使所述服务器判断所述目标购物风险等级与第一预设风险等级匹配时,则使所述服务器提示人工客服执行对所述目标客户进行线上照看的目标服务器运营策略。
4.根据权利要求3所述的客户风险控制方法,所述并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略,还包括:
并使所述服务器判断所述目标购物风险等级与第二预设风险等级匹配时,则使所述服务器执行无人照看的目标服务器运营策略。
5.根据权利要求3所述的客户风险控制方法,所述并使所述服务器判断所述目标购物风险等级与第一预设风险等级匹配时,则使所述服务器提示人工客服执行对所述目标客户进行线上照看的目标服务器运营策略,包括:
并使所述服务器判断所述目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则使所述服务器提示人工客服执行对所述目标客户进行线上照看的全人工目标服务器运营策略;
并使所述服务器判断所述目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则使所述服务器提示人工客服执行对所述目标客户进行线上照看的半人工目标服务器运营策略。
6.根据权利要求1所述的客户风险控制方法,所述以使所述服务器基于所述认证信息确定所述目标客户对应的目标购物风险等级,包括:
以使所述服务器基于所述认证信息获取与所述目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及使得所述服务器基于各风控评估信息确定所述目标客户对应的目标风险评估值,并基于所述目标风险评估值确定与所述目标客户对应的目标购物风险等级。
7.根据权利要求6所述的客户风险控制方法,所述以及使得所述服务器基于各风控评估信息确定所述目标客户对应的目标风险评估值,包括:
使得所述服务器计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得所述预设客户画像模型基于各风控评估等级确定与所述目标客户对应的目标风险评估值。
8.根据权利要求6所述的客户风险控制方法,所述基于所述目标风险评估值确定与所述目标客户对应的目标购物风险等级,包括:
使得所述服务器确定所述无人商店对应的具有历史购物风险等级的历史客户的数量,当所述无人商店中具有所述历史购物风险等级的历史客户的数量小于预设数值时,使得所述服务器将所述目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与所述目标客户对应的目标购物风险等级。
9.根据权利要求8所述的客户风险控制方法,当所述无人商店对应的具有所述历史购物风险等级的历史客户的数量等于或者大于所述预设数值时,使得所述服务器将具有历史风险评估值和所述目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有所述历史风险评估值的历史用户和所述目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
10.一种客户风险控制方法,应用于服务器,所述方法包括:
接收无人商店发送的目标客户的认证信息,基于所述认证信息确定所述目标客户对应的目标购物风险等级,并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
11.根据权利要求10所述的客户风险控制方法,所述方法还包括:
基于所述目标购物风险等级向所述无人商店发送与所述目标客户对应的目标商店运营策略,以使所述无人商店执行所述目标商店运营策略。
12.根据权利要求10所述的客户风险控制方法,所述并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略,包括:
判断所述目标购物风险等级与第一预设风险等级匹配时,则提示人工客服执行对所述目标客户进行线上照看的目标服务器运营策略。
13.根据权利要求12所述的客户风险控制方法,所述并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略,还包括:
判断所述目标购物风险等级与第二预设风险等级匹配时,则执行无人照看的目标服务器运营策略。
14.根据权利要求12所述的客户风险控制方法,所述判断所述目标购物风险等级与第一预设风险等级匹配时,则提示人工客服执行对所述目标客户进行线上照看的目标服务器运营策略,包括:
判断所述目标购物风险等级与第一预设风险等级中的第一子等级匹配时,则提示人工客服执行对所述目标客户进行线上照看的全人工目标服务器运营策略;
判断所述目标购物风险等级与第一预设风险等级中的第二子等级匹配时,则提示人工客服执行对所述目标客户进行线上照看的半人工目标服务器运营策略。
15.根据权利要求10所述的客户风险控制方法,所述基于所述认证信息确定所述目标客户对应的目标购物风险等级,包括:
基于所述认证信息获取与所述目标客户对应的无人商店历史购物行为信息、学历信息、消费信息、失信信息、信用信息和常驻人群属性信息中的至少一种风控评估信息;
以及基于各风控评估信息确定所述目标客户对应的目标风险评估值,并基于所述目标风险评估值确定与所述目标客户对应的目标购物风险等级。
16.根据权利要求15所述的客户风险控制方法,所述以及基于各风控评估信息确定所述目标客户对应的目标风险评估值,包括:
计算各风控评估信息对应的风控评估等级,以及将各风控评估等级输入预设客户画像模型,并使得所述预设客户画像模型基于各风控评估等级确定与所述目标客户对应的目标风险评估值。
17.根据权利要求15所述的客户风险控制方法,所述基于所述目标风险评估值确定与所述目标客户对应的目标购物风险等级,包括:
确定所述无人商店对应的具有历史购物风险等级的历史客户的数量,当所述无人商店中具有所述历史购物风险等级的历史客户的数量小于预设数值时,将所述目标风险评估值与各购物风险等级对应的预设风险评估值范围进行匹配,确定与所述目标客户对应的目标购物风险等级。
18.根据权利要求17所述的客户风险控制方法,当所述无人商店对应的具有所述历史购物风险等级的历史客户的数量等于或者大于所述预设数值时,将具有历史风险评估值和所述目标风险评估值的各客户按照对应的风险评估分进行排列,并基于排列顺序将具有所述历史风险评估值的历史客户和所述目标风险评估值的目标客户按照预设比例划分至各购物风险等级。
19.一种应用于无人商店的客户风险控制装置,所述装置包括:
认证模块,适于响应于目标客户的认证操作,获取所述目标客户的认证信息;
发送模块,适于将所述认证信息发送至服务器,以使所述服务器基于所述认证信息确定所述目标客户对应的目标购物风险等级,并使所述服务器基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
20.一种应用于服务器的客户风险控制装置,所述装置包括:
分级执行模块,适于接收无人商店发送的目标客户的认证信息,基于所述认证信息确定所述目标客户对应的目标购物风险等级,并基于所述目标购物风险等级对所述目标客户执行对应的目标服务器运营策略。
21.一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1至18中任意一项的方法步骤。
22.一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由处理器加载并执行如权利要求1至18中任意一项的方法步骤。
23.一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1至18中任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310483361.5A CN117035803A (zh) | 2023-04-27 | 2023-04-27 | 客户风险控制方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310483361.5A CN117035803A (zh) | 2023-04-27 | 2023-04-27 | 客户风险控制方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035803A true CN117035803A (zh) | 2023-11-10 |
Family
ID=88623239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310483361.5A Pending CN117035803A (zh) | 2023-04-27 | 2023-04-27 | 客户风险控制方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035803A (zh) |
-
2023
- 2023-04-27 CN CN202310483361.5A patent/CN117035803A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210279730A1 (en) | Machine learning engine for fraud detection during cross-location online transaction processing | |
US11443224B2 (en) | Automated machine learning feature processing | |
AU2015213817B2 (en) | Systems, apparatuses and methods for communication flow modification | |
US20170364920A1 (en) | Security approaches for virtual reality transactions | |
US20210264448A1 (en) | Privacy preserving ai derived simulated world | |
KR102356322B1 (ko) | 리스크 파라미터 조절 방법, 그리고 리스크 식별을 위한 방법 및 디바이스 | |
US11830287B2 (en) | Method and system for customizing user experience | |
US20210264517A1 (en) | Internet meme economy | |
US11798000B2 (en) | Method for configuring guest checkout options | |
US20210304166A1 (en) | Method and System to Predict ATM Locations for Users | |
KR20200024438A (ko) | 매장 무인 판매 시스템 | |
US20240046272A1 (en) | Systems and methods for bypassing contactless payment transaction limit | |
CN117035803A (zh) | 客户风险控制方法、装置、存储介质及电子设备 | |
CN113807858B (zh) | 一种基于决策树模型的数据处理方法及相关设备 | |
US20200160233A1 (en) | Tap to reserve | |
CN113614677B (zh) | 使用空中标志符号的运动启动的交易系统 | |
KR101505947B1 (ko) | 금융상품의 벤치마크정보 생성서버 및 생성방법 | |
Zarco et al. | A comprehensive view of biometric payment in retailing: A complete study from user to expert | |
JP7372119B2 (ja) | 認証システム、認証装置、認証方法及び認証プログラム | |
KR102302785B1 (ko) | 포인트 마켓 플랫폼의 서비스 방법 | |
US20240193501A1 (en) | Interface for management of resource transfers | |
US20240193612A1 (en) | Actionable insights for resource transfers | |
US20240152959A1 (en) | Systems and methods for artificial intelligence using data analytics of unstructured data | |
US20240086923A1 (en) | Entity profile for access control | |
US20240134713A1 (en) | Applying provisional resource utilization thresholds |
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 |