CN117252995B - 智能名片的使用方法、智能销售系统及存储介质 - Google Patents

Abstract

本申请提供了一种智能名片的使用方法、智能销售系统及存储介质，方法应用于智能销售系统的服务器；方法包括：获取智能销售系统的用户终端对应的用户信息和用户终端的使用信息输入至预训练的意向生成模型，意向生成模型用于根据用户信息和使用信息生成用户终端对应的意向产品信息；根据用户信息提取出用户性格信息以确认用户终端对应的沟通方式信息；根据意向产品信息和沟通方式信息生成问候语句，根据问候语句和预设三维人脸模型生成智能名片；将智能名片发送至用户终端，以在用户终端使用智能名片时，预设三维人脸模型会根据问候语句在用户终端中进行提问。所提供的方法能够快速确定用户意向的产品，并及时通过智能名片与用户进行有效沟通。

Description

智能名片的使用方法、智能销售系统及存储介质

技术领域

本申请涉及销售人工智能应用领域，尤其涉及一种智能名片的使用方法、智能销售系统及存储介质。

背景技术

目前，在销售系统中，受限于销售的个人精力，一名销售无法同时接待多名客户，在多名客户同时对销售进行咨询时，十分容易导致销售的讲解出现差错导致客户流失。

为提高智能销售系统的接待人数，当下智能客服得到了广泛使用，智能客服能够帮助客户尽快了解相关产品信息。但是，当下智能客服基本是根据用户所出的问题进行回复，在用户不知道提问的问题时智能客服无法与用户进行有效沟通，导致智能客服应用在销售系统上的效果不甚理想。

发明内容

本申请提供了一种智能名片的使用方法、智能销售系统及存储介质，旨在解决现有的智能客服基本是根据用户所出的问题进行回复，在用户不知道提问的问题时智能客服无法与用户进行有效沟通，导致智能客服应用在销售系统上的效果不甚理想的问题。

第一方面，本申请提供了一种智能名片的使用方法 ，所述方法应用于智能销售系统的服务器，所述智能销售系统还包括用户终端；所述方法包括：

获取所述用户终端对应的用户信息和用户终端的使用信息；

将所述用户信息和所述使用信息输入至预训练的意向生成模型，所述意向生成模型用于根据所述用户信息和所述使用信息生成所述用户终端对应的意向产品信息；

根据所述用户信息提取出用户性格信息，根据所述用户性格信息确认所述用户终端对应的沟通方式信息；

根据所述意向产品信息和所述沟通方式信息生成问候语句，根据所述问候语句和预设三维人脸模型生成智能名片；

将所述智能名片发送至所述用户终端，以使得在所述用户终端使用所述智能名片时，所述预设三维人脸模型会根据所述问候语句在所述用户终端中进行提问。

第二方面，本申请提供了一种智能销售系统，包括：

服务器和用户终端，所述服务器搭载有预设应用程序的服务端、所述用户终端搭载有所述预设应用程序的客户端；

其中，所述服务器包括：存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现本申请任一实施例所提供的智能名片的使用方法的步骤。

第三方面，本申请提供了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程序，所述计算机程序被处理器执行时使所述处理器实现本申请任一实施例所提供的智能名片的使用方法的步骤。

本申请提供了一种智能名片的使用方法、智能销售系统及存储介质，方法应用于智能销售系统的服务器，智能销售系统还包括用户终端；方法包括：获取用户终端对应的用户信息和用户终端的使用信息；将用户信息和使用信息输入至预训练的意向生成模型，意向生成模型用于根据用户信息和使用信息生成用户终端对应的意向产品信息；根据用户信息提取出用户性格信息，根据用户性格信息确认用户终端对应的沟通方式信息；根据意向产品信息和沟通方式信息生成问候语句，根据问候语句和预设三维人脸模型生成智能名片；将智能名片发送至用户终端，以使得在用户终端使用智能名片时，预设三维人脸模型会根据问候语句在用户终端中进行提问。进而通过服务器将用户信息和用户终端的使用信息输入至意向生成模型，以提取对应的意向产品信息，再根据用户信息提取出用户性格信息确认用户终端对应的沟通方式信息，最终根据沟通方式信息和意向产品信息生成问候语句，根据问候语句和预设三维人脸模型生成智能名片，以使得在用户终端使用智能名片时，预设三维人脸模型会根据问候语句在用户终端中进行提问。所提供的方法能够快速确定用户意向的产品，并及时通过智能名片与用户进行有效沟通，提升用户体验的同时使得最终智能销售系统的成交率能够大幅提升。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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是本申请实施例提供的一种智能销售系统的结构示意框图；

图2是本申请实施例提供的一种智能名片的使用方法的步骤示意流程图；

图3是本申请实施例提供的一种用户使用信息的获取界面示意图；

图4是本申请实施例提供的一种意向产品信息获取方法的步骤示意流程图；

图5是本申请实施例提供的另一种意向产品信息获取方法的步骤示意流程图；

图6是本申请实施例提供的一种Transformer模型的结构示意图；

图7是本申请实施例提供的一种沟通方式确认方法的步骤示意流程图；

图8是本申请实施例提供的一种问候语句生成方法的步骤示意流程图；

图9是本申请实施例提供的一种智能名片的示意图；

图10是本申请实施例提供的另一种智能名片的示意图；

图11是本申请实施例提供的一种解答方法的步骤示意流程图；

图12是本申请实施例提供的一种服务器的示意性框图。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

为便于理解本申请实施例，下面对本申请实施例中涉及到的一些词汇作简单说明。

1.用户画像：用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

2. Transformer模型：Transformer是一个利用注意力机制来提高模型训练速度的模型。Trasnformer可以说是完全基于自注意力机制的一个深度学习模型，因为它适用于并行化计算，和它本身模型的复杂程度导致它在精度和性能上都要高于之前流行的RNN循环神经网络。

当在Trasnformer模型输入一个文本的时候，该文本数据会先经过Encoders（编码器）的模块，对该文本进行编码，然后将编码后的数据再传入一个叫Decoders（解码器）的模块进行解码，解码后就得到了翻译后的文本。一般情况下，Encoders里边有6个小编码器，同样的，Decoders里边有6个小解码器。Encoder里边的结构是一个自注意力机制（self-attention）加上一个前馈神经网络。

3. self-attention：自注意力机制，就是自己和自己计算一遍注意力，即对每一个输入的词向量，我们需要构建self-attention的输入。self-attention的输入就是词向量，即整个模型的最初的输入是词向量的形式。transformer首先将词向量乘上三个矩阵，得到三个新的向量，之所以乘上三个矩阵参数而不是直接用原本的词向量是因为这样增加更多的参数，提高模型效果。输入乘上三个矩阵后分别得到Q,K,V。Q是查询要求，K是候选结果的标题，V是候选结果的具体内容。每个单词的Q和所有其他单词的K做匹配，看和各个单词的相关程度，这个相关程度去和每个单词的V做加权，从各个单词中根据需要提取信息。

4. Word2vec：是一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。网络以词表现，并且需猜测相邻位置的输入词，在word2vec中词袋模型假设下，词的顺序是不重要的。训练完成之后，word2vec模型可用来映射每个词到一个向量，可用来表示词对词之间的关系，该向量为神经网络之隐藏层。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

目前，在销售系统中，受限于销售的个人精力，一名销售无法同时接待多名客户，在多名客户同时对销售进行咨询时，十分容易导致销售的讲解出现差错导致客户流失。

为提高智能销售系统的接待人数，当下智能客服得到了广泛使用，智能客服能够帮助客户尽快了解相关产品信息。但是，当下智能客服基本是根据用户所出的问题进行回复，在用户不知道提问的问题时智能客服无法与用户进行有效沟通，导致智能客服应用在销售系统上的效果不甚理想。

为解决上述问题，请参照图1，图1是本申请实施例所提供的一种智能销售系统的结构示意框图。所提供的的智能销售系统10包括服务器11和用户终端12。

具体地，服务器11搭载有预设应用程序的服务端、用户终端12搭载有预设应用程序的客户端，进而所提供的服务器11能够实现本申请任一实施例所提供的智能名片的使用方法。

需要说明的是，本申请所提出的智能销售系统10可以应用于任意需要进行销售的场景，例如保险销售、车辆销售和房地产销售等销售场景。在本申请所提供的智能销售系统中，每个销售人员通过制作并分享给用户对应的智能名片能够确定用户意向的产品，能够及时通过智能名片与用户进行有效沟通，进而提升销售人员同时接待的用户的数量。同时用户也能够通过智能名片实现与销售真人进行沟通的体验。

本申请实施例提供了一种智能销售系统，所提供的智能销售系统能够快速确定用户意向的产品，能够及时通过智能名片与用户进行有效沟通，以提高销售人员的工作效率和成交率。

本申请提出了一种智能名片的使用方法，请参照图2，图2是本申请实施例所提供的一种智能名片的使用方法的步骤示意流程图。所提供的方法应用于本申请任一实施例所提供的智能销售系统的服务器。

如图2所示，所提供的方法包括步骤S101至S105。

S101.获取用户终端对应的用户信息和用户终端的使用信息。

具体地，用户终端通过将包括用户个人注册信息的用户信息和用户使用用户终端的使用信息发送至服务器，服务器能够通过深入分析用户信息和使用信息，进而获取用户对应的意向产品信息，进而能够在用户不确定智能销售系统中是否有合适的产品时，服务器就能通过使用智能名片基于用户意向产品与用户展开有效沟通，提升用户的使用体验的同时也提升了用户最终的成交率。

示例性的，用户信息可以包括用户姓名、年龄、籍贯、常驻地、星座、爱好、MBTI人格理论(迈尔斯类型指标,Myers Briggs Type Indicator,MBTI)属性等用户在智能销售系统中注册的个人信息，进而能够帮助服务器从用户信息中提取出用户的个人爱好和性格特征。

示例性的，用户终端的使用信息可以包括用户终端搭载的应用程序信息、用户终端的历史浏览信息、用户终端每日的应用程序使用时长。进而服务器能够根据用户对用户终端的使用信息判断例如用户爱好的应用程序类型，或根据用户历史浏览信息确定用户感兴趣的产品方向，进而帮助服务器更快确定用户的意向产品。

需要说明的是，请参照图3，图3是本申请实施例所提供的一种用户使用信息的获取界面示意图。如图3所示，服务器通过获取用户终端的阅读信息，例如对销售或者智能名片分享给用户带有产品信息的推文，进而通过获取用户对推文的阅读情况能够确定用户的感兴趣方向，进而帮助服务器更快确定用户的意向产品。

需要说明的是，本申请所涉及的关于用户信息和使用信息的获取，均是在用户授权的情况下获取的，是为了提升用户的使用体验在保护用户个人隐私情况下所进行的数据分析过程，所提供的方法严格遵守并符合相关法律法规的需求。

S102.将用户信息和使用信息输入至预训练的意向生成模型，意向生成模型用于根据用户信息和使用信息生成用户终端对应的意向产品信息。

具体地，服务器通过将用户信息和使用信息输入至预训练的意向生成模型，例如预训练的多层神经网络模型。进而意向生成模型能够根据用户信息和使用信息提取出用户信息和使用信息中所隐含的关于意向产品信息的关联特征，进而意向生成模型能够确认用户所对应的意向产品信息。以在后续能快速根据意向产品信息使用智能名片对用户进行推销。

在一些实施例中，意向生成模型包括预设多层神经网络；请参照图4，图4是本申请实施例提供的一种意向产品信息获取方法的步骤示意流程图。

如图4所示，所提供的意向产品信息获取方法包括步骤S102a至S102c。

S102a.根据用户信息和使用信息确定用户等级。

S102b.将用户信息、使用信息和用户等级生成用户终端对应的用户画像。

S102c.将用户画像输入至预设多层神经网络，预设多层神经网络用于输出意向产品信息。

服务器通过根据用户信息和使用信息确定用户等级，例如用户的月平均网购金额、工资水平、职位等信息，进而能够帮助服务器确定高净值用户群、一般价值用户群和潜在价值用户群。针对不同类别用户群可以针对性采取不同推销的产品类型和规格，也能够推销更得到用户认同的产品。在获取用户信息、使用信息和用户等级之后，完成了用户数据采集，用户数据是构建用户画像的核心，也是建立客观、有说服力的用户画像的重要依据。所建立的用户画像也能更好解决消费者的痛点，实现对消费者的高质量推荐。在构建完成用户画像之后，通过将用户画像输入至预设多层神经网络，预设多层神经网络用于挖掘用户画像中隐含的关于意向产品信息的关联特征，并输出用户的意向产品信息。

示例性的，将用户信息、使用信息和用户等级生成用户终端对应的用户画像，包括：对用户信息和使用信息进行特征提取，获取用户终端对应的多个用户特征信息；根据用户画像对应的预设分类对多个用户特征信息进行分组，获得多个特征信息组；根据多个特征信息组和用户等级生成用户终端对应的用户画像。

用户画像的构建包括数据采集、数据分析和完善用户画像等三个步骤。在获取用户终端对应的用户信息和用户终端的使用信息并根据用户信息和使用信息确定用户等级之后，已完成了基于用户画像的数据采集工作。此时在数据分析步骤中需要对海量的用户源数据进行分析梳理，提炼出有效数据并构建有效模型。即根据相应的标准对不同维度的用户数据进行精细化处理，将多个用户特征信息拆分成不同的特征信息组，对用户进行细分。通过依据提取出的例如用户属性、用户偏好、消费场景等与用户意向产品直接关联的用户特征信息将数据进行处理和区分，从而构建多维度完整的用户画像。

在完成了用户数据的基本呈现后，服务器还需要提取出更加关键的用户等级，根据用户等级完成用户评估分级，并结合用户特征信息中关于用户规模、用户价值和使用频率来划分用户画像，帮助品牌确定高净值用户群、一般价值用户群和潜在价值用户群。完善用户画像会将用户画像的颗粒度描绘的更精细，从而为品牌进行市场运营、战略提供有价值的参考，更好地服务消费者。因此所构建的用户画像能更好结合洞察到用户痛点来改进产品和服务。

示例性的，预设多层神经网络至少包括全连接层和编码层；使用信息至少包括用户终端的历史浏览信息和应用程序使用信息；如图5所示，图5是本申请实施例提供的另一种意向产品信息获取方法的步骤示意流程图。与图4所提供的方法不同的是，图5所提供的方法还包括步骤S102c1至S102c2。

S102c1.将用户画像对应的历史浏览信息、应用程序使用信息和用户信息输入至全连接层进行全连接。

S102c2.将全连接后的历史浏览信息、应用程序使用信息和用户信息输入至编码层，编码层基于自注意力机制输出意向产品信息。

由于历史浏览信息、应用程序使用信息和用户信息均为文本信息或列表信息，通过使用全连接层，例如全连接层包括第一全连接层、第二全连接层和第三全连接层和拼接层，三层全连接层分别输入历史浏览信息、应用程序使用信息和用户信息进行全连接，再将全连接后的历史浏览信息、应用程序使用信息和用户信息经拼接层拼接后输入至编码层。进而编码层可以基于自注意力机制挖掘历史浏览信息、应用程序使用信息和用户信息之间与意向产品信息的关联性，以输出准确的意向产品。通过搭建意向产品生成模型对历史浏览信息、应用程序使用信息和用户信息数据进行自监督训练，能充分挖掘历史浏览信息、应用程序使用信息和用户信息三组数据两两之间的风险共现关系和隐空间逻辑关联关系。

需要说明的是，在一些实施例中，编码层存储有注意力函数，注意力函数用于计算历史浏览信息和应用程序使用信息的第一关联参数、历史浏览信息和用户信息的第二关联参数、应用程序使用信息和用户信息的第三关联参数； 意向产品信息包括第一意向产品信息、第二意向产品信息和第三意向产品信息；将全连接后的历史浏览信息、应用程序使用信息和用户信息输入至编码层，包括：将全连接后的历史浏览信息、应用程序使用信息和用户信息输入至编码层，编码层根据注意力函数计算第一关联参数、第二关联参数和第三关联参数，并根据第一关联参数、第二关联参数和第三关联参数分别获取第一意向产品信息、第二意向产品信息和第三意向产品信息。

当本申请所提供的预设多层神经网络为Transformer模型时，如图6所示，图6是本申请实施例提供的一种Transformer模型的结构示意图。本申请所提供的方法通过采用了多头注意力机制，意在挖掘历史浏览信息、应用程序使用信息和用户信息三组数据两两之间的风险共现关系和隐空间逻辑关联关系。通过通过Q、K、V向量的方式构造注意力函数，以计算多组历史浏览信息和应用程序使用信息的第一关联参数、历史浏览信息和用户信息的第二关联参数、应用程序使用信息和用户信息的第三关联参数。其中，注意力函数的计算公式如下：

其中，atten为注意力函数、Q（query）是查询要求，K（Key）是候选结果的标题，V（Value）是候选结果的具体内容，dk为全连接后的历史浏览信息、应用程序使用信息和用户信息的维度，通过构建Softmax函数求取注意力函数的值，Q、K、V通过多组权重来构建多头注意力。进而完成第一关联参数、第二关联参数和第三关联参数的计算，以获取第一关联参数对应的第一意向产品信息、第二关联参数对应的第二意向产品信息和第三关联参数对应的第三意向产品信息。进而能在三个维度上获取用户对应的意向产品信息，以更全面的对用户进行产品的推荐。

需要说明的是，在一些实施例中，根据第一关联参数、第二关联参数和第三关联参数分别获取第一意向产品信息、第二意向产品信息和第三意向产品信息包括：将第一关联参数输入至预训练的第一决策树分类器、将第二关联参数输入至预训练的第二决策树分类器和将第三关联参数输入至预训练的第三决策树分类器。进而通过训练各关联参数所对应的决策树分类器，能够最终输出第一关联参数、第二关联参数和第三关联参数分别对应的第一意向产品信息、第二意向产品信息和第三意向产品信息。

S103.根据用户信息提取出用户性格信息，根据用户性格信息确认用户终端对应的沟通方式信息。

具体地，由于不同用户其所适应的沟通方式是不同的，例如部分客户可能更关注产品参数，需要在沟通过程中更多对产品参数进行介绍，部分客户可能属于情绪调动型客户，更需要在沟通过程中对其进行情绪上共鸣的产生。服务器通过对用户信息进行分析，能够提取对应用户沟通方式的用户性格信息，例如在用户的MBTI人格理论(迈尔斯类型指标,Myers Briggs Type Indicator,MBTI)属性中，I属性的用户和E属性的用户相比更为外向，对其可以采用更为情绪调动型的沟通方式。通过用户终端对应的沟通方式信息的确定，服务器能够使用智能名片实时以用户最习惯的方式与用户进行沟通，进而能提升沟通的效率，也使得用户在沟通过程中的舒适度能够得到提升，最终成交率也能相应得到提升。

在一些实施例中，根据用户信息提取出用户性格信息，包括：在用户信息中进行特征提取，获取多个性格特征信息；将性格特征信息输入至预设性格分析模型，预设性格分析模型根据性格特征信息输出用户终端对应的用户性格信息。

用户信息中包含能反应用户性格特征的信息，例如星座、爱好、MBTI属性等信息，例如喜欢运动的和喜欢书法的用户相比更容易兴奋、MBTI 属性中I属性的用户和E属性的用户相比更为外向，等等。预设性格分析模型，例如预设卷积神经网络模型（CNN），能够综合根据用户的多个性格特征信息对用户最可能的性格特征信息进行预测，进而确保服务器最终使用智能名片与用户的沟通是在用户的沟通习惯中的。

示例性的，服务器存储有预设性格信息数据库，预设性格信息数据库包括多个预设性格信息和预设性格信息对应的预设性格特征信息。在用户信息中进行特征提取，获取多个性格特征信息之后，还包括：将性格特征信息在预设性格信息数据库中进行匹配，以获取性格特征信息对应的预设性格特征信息；将匹配成功的预设性格特征信息对应的预设性格信息作为用户性格信息。

通过建立预设性格特征信息和预设性格信息对照的预设性格信息数据库，进而服务器能够快速根据提取的用户信息确定对应的用户性格信息，确保服务器最终使用智能名片与用户的沟通是在用户的沟通习惯中的。

在一些实施例中，服务器存储有预设的沟通类型数据库，沟通类型数据库包括预设沟通类型和预设沟通类型对应的预设性格类型；沟通方式信息包括沟通类别和语种；请参照图7，图7是本申请实施例提供的一种沟通方式确认方法的步骤示意流程图。

如图7所示，所提供的沟通方式确认方法包括步骤S103a至S103c。

S103a.根据用户信息提取出用户性格类型、用户常用的语种。

S103b.根据用户性格类型在沟通类型数据库中确认用户性格类型对应的预设性格类型。

S103c.将匹配成功的预设性格类型对应的预设沟通类型与语种确认用户终端对应的沟通方式。

通过根据用户信息提取出用户性格类型，例如直接在注册信息中获取用户填写的性格类型，或，根据用户的星座、MBTI属性等信息分析获取的性格类型，以及用户常用的语种，例如用户常用英语、汉语等语种，还可以包括然后在汉语中用户常用的方言类型为粤语、闽南语等方言信息。进而能够更全面确认用户终端对应的沟通方式，以提升用户在沟通过程中的体验。

示例性的，请参照图8，图8是本申请实施例提供的一种问候语句生成方法的步骤示意流程图。

如图8所示，所提供的问候语句生成方法包括步骤S103c1至S103c2。

S103c1.提取意向产品信息对应的产品类型。

S103c2.根据沟通类型、语种和产品类型生成所述问候语句。

通过提取意向产品信息对应的产品类型，不同的意向产品类型对应着不同的沟通方式，例如产品类型为家具时，用户需要更多从装修、居家角度的沟通，例如产品类型为玩具时，用户需要更多从育儿等角度的沟通。进而服务器能够根据沟通类型、语种和产品类型生成用户针对性的问候语句，通过语种也能确保最终的问候语句是用户的常用语，以确保问候语句能最大程度针对用户的痛点并在用户的舒适区与用户进行沟通解答。

需要说明的是，在一些实施例中，服务器存储有问候语句数据库，问候语句数据库包括多个预设问候语句和预设问候语句对应的预设沟通类型和预设产品类型。根据沟通类型、语种和产品类型生成所述问候语句，包括：根据沟通类型和产品类型在问候语句数据库中进行匹配；将匹配成功的预设沟通类型和预设产品类型对应的预设问候语句根据语种进行翻译后作为用户终端对应的问候语句。

S104.根据意向产品信息和沟通方式信息生成问候语句，根据问候语句和预设三维人脸模型生成智能名片。

具体地，服务器在确认意向产品信息和沟通方式信息后，即可根据意向产品信息和沟通方式信息生成问候语句，例如用户意向产品信息为沙发、沟通方式信息为侧重产品参数介绍的沟通方式，那么问候语句可以为“您好，本店最新上架了一款沙发，采用的设计类型、颜色、规格、价格分别是······”。进而用户也更愿意主动了解所介绍的产品的内容，并基于产品内容展开深入沟通了解。服务器再根据用户终端对应的问候语句和预设三维人脸模型，例如所构建的销售对应的三维人脸模型，生成销售对应的智能名片，如图9所示，图9是本申请实施例所提供的一种智能名片的示意图。进而通过智能名片的生成能够在用户打开销售对应的智能名片时通过三维人脸模型与用户进行沟通，以使用户能有与真实销售进行沟通的体验，能更好提升用户对所介绍产品的认可度，提升最终的成交率。

示例性的，如图9所示，智能名片至少包括第一区域和第二区域，所提供的智能销售系统还包括销售终端；根据问候语句和预设三维人脸模型生成智能名片，包括：获取销售终端发送的销售个人信息；在第一区域中添加三维模型，在第二区域中添加销售个人信息，将问候语句存储在智能名片中，完成智能名片的生成。

如图9所示，智能名片上包括更大面积的第一区域用于放置生成的三维模型，第二区域用于放置用户的个人信息，例如用户的手机号、邮箱等信息。进而用户能够通过用户终端与智能名片中的三维模型进行对话，也能够通过智能名片直接与智能名片对应的销售人员进行联系，提高用户的使用体验。

需要说明的是，如图9所示，智能名片还包括名片分享按钮和将手机号码存入手机通讯录的按钮。基于名片分享按钮销售人员能够很方便的将自身的智能名片分享给客户，进而客户能够很方便的跳转到对应的智能名片。通过存入手机通讯录按钮用户也能快速与销售联系。

需要说明的是，如图9所示，智能名片还包括产品、案例、和我聊一聊、官网等图标。在产品图标被触发时用户终端会显示智能销售系统的多个产品信息，同时三维模型也可以同步对产品进行介绍。在案例图标被触发时用户终端会该销售人员的销售案例，同时三维模型也能同步对案例进行介绍。在和我聊一聊图标被触发时用户终端中三维模型会主动与用户进行沟通与介绍。在官网图标被触发时用户终端会跳转至该智能销售系统所属的品牌对应的官方网站，同时三维模型也能同步对品牌进行介绍。进而通过智能名片用户能够更深入了解产品的内容。

需要说明的是，在一些实施例中，如图9所示，服务器通过驱动智能名片中的三维模型对问候语句进行阅读与用户沟通，当用户不便于通过语音进行沟通时，图9的智能名片界面中也有“关闭声音”按钮，此时也会有文字显示对应的问候语句内容，进而丰富了用户的使用体验。

需要说明的是，在一些实施例中，如图10所示，图10是本申请实施例所提供的另一种智能名片的示意图。智能名片中还包括智能问答界面，进而也能通过文字问答的形式与用户进行沟通，同时也能实时分析用户可能想问的问题在“猜你想问”一栏供用户进行提问。

S105.将智能名片发送至用户终端，以使得在用户终端使用智能名片时，预设三维人脸模型会根据问候语句在用户终端中进行提问。

具体地，在服务器将智能名片发送给用户终端之后，用户打开用户终端时三维模型能主动根据问候语句与用户进行沟通，用户也能够通过用户终端与智能名片中的三维模型进行对话，能通过智能名片能了解智能销售系统中的意向产品信息对应的产品详情，也能够通过智能名片直接与智能名片对应的销售人员进行联系。进而能够快速确定用户意向的产品，能够及时通过智能名片与用户进行有效沟通，提升用户体验的同时使得最终智能销售系统的成交率能够大幅提升。

在一些实施例中，如图11所示，图11是本申请实施例所提供的一种解答方法的步骤示意流程图。

如图11所示，所提供的解答方法包括步骤S201至S204。

S201.获取用户终端基于问候语句的回复语句。

S202.根据回复语句提取回复语句对应的情绪信息。

S203.根据回复语句、情绪信息和意向产品信息生成对应的解答语句。

S204.将解答语句发送至用户终端，以使预设三维人脸模型会根据解答语句在用户终端中进行解答。

在用户终端中智能客服基于问候语句与用户进行打招呼后，智能客服能够基于用户终端的每一句回复语句提取回复语句对应的情绪信息，例如用户的情绪是激动、喜悦、愤怒、平静、低沉或失落。此时根据用户回复语句的内容和用户情绪信息和意向产品信息生成对应的解答语句，能够基于上下文内容精确生成针对用户痛点进行回复的语句，以提升用户在使用智能名片过程中的沟通舒适度。

示例性的，在获取用户终端基于问候语句的回复语句之后，方法还包括： 根据回复语句获取意向产品信息对应的满意度；当满意度小于预设阈值时，根据回复语句、用户信息和历史浏览信息更新意向产品信息。

服务器通过根据回复语句获取意向产品信息对应的满意度，例如回复语句是否包含肯定的词语如好、满意、可以和否定的词语不行、不需要等。满意度的计算公式如下：

式中K为满意度，A为肯定的词语在回复语句中所占的比例，B为否定的词语在回复语句中所占的比例。α为肯定的词语对应的权重，β为否定的词语对应的权重。通过根据需求可以调整α和β的取值大小，其中α为正数，β为负数。进而能够快速确认用户回复语句的满意度，当用户的满意度小于预设阈值时，服务器需要基于回复语句提取用户不满意的原因，并基于不满意的原因、用户信息和使用信息输入至意向生成模型以更新意向产品信息。进而确保能够在推荐不合适时及时修改推荐方案，以避免用户的流失。

需要说明的是，在一些实施例中，智能销售系统还包括销售终端；当满意度小于预设阈值时，方法还包括： 根据问候语句与回复语句生成聊天记录；根据问候语句、回复语句、意向产品信息和用户信息生成推送信息；将聊天记录发送至销售终端，以使销售终端能够根据推送信息确定解答语句并将解答语句发送至用户终端。

同时，当服务器确认用户此时不满意，或无法生成对应的解答语句时，此时服务器根据问候语句、回复语句、意向产品信息和用户信息生成推送信息。服务器向销售终端发送该推送信息，例如通过短信、邮件、应用程序推送等形式进行通知。进而销售终端对应的销售能够及时对用户的问题进行回答。进而避免由于用户不满而流失。

示例性的，意向产品信息还包括产品标识信息，产品标识信息用于在被触发时在用户终端显示意向产品信息对应的购买界面；在获取用户终端基于问候语句的回复语句之后，方法还包括：提取回复语句对应的情绪信息；根据情绪信息和用户信息生成用户终端对应的成交率；当成交率大于预设阈值时，向用户终端发送产品标识信息。

产品标识信息可以是产品购买界面对应的链接、二维码等标识信息，服务器通过提取回复语句对应的情绪信息，并根据情绪信息和用户信息生成用户终端对应的成交率，情绪信息用于确认用户的购买意向，例如回复语句是否包含表达购买意向的词语如好、我需要、我准备购买/下单和否定的词语。成交率的计算公式如下：

/>

式中P为成交率，C为表达购买意向的词语的字数，D为回复语句的字数。γ为权重系数。通过根据需求可以调整γ的取值大小。进而能够快速确认用户的成交率，当成交率大于预设阈值时，服务器将意向产品的标识信息发送至用户终端，以使智能名片中能向用户终端展示意向产品的购买界面，以提升最终的成交率。

需要说明的是，在一些实施例中，情绪信息至少包括兴奋、平静和不满 ；提取回复语句对应的情绪信息，包括：判断回复语句中是否包含第一预设词语和第二预设词语；若回复语句中不包含第一预设词语和第二预设词语，确认回复语句对应的情绪信息为平静；若回复语句包含第一预设词语，确认回复语句对应的情绪信息为兴奋；若回复语句包含第二预设词语，确认回复语句对应的情绪信息为不满。

服务器通过判断在回复语句中是否包含代表兴奋的第一预设词语和代表不满的第二预设词语，当都没有时则判断情绪为平静，进而服务器能快速根据用户终端的回复语句确认用户当前的情绪，以针对性的生成对应的解答语句。

需要说明的是，在一些实施例中，提取回复语句对应的情绪信息，方法还包括：对回复语句进行特征提取，用于将特征提取后的回复语句输入至预设情绪分析模型，以获取回复语句对应的情绪信息。

预设情绪分析模型用于根据语句提取出语句中隐含的情绪信息，例如预设情绪分析模型为word2vec模型或Transformer模型。进而服务器能够准确确认用户当前的情绪，以针对性的生成对应的解答语句。

本申请提供了智能名片的使用方法，通过服务器将用户信息和用户终端的使用信息输入至意向生成模型，以提取对应的意向产品信息，再根据用户信息提取出用户性格信息确认用户终端对应的沟通方式信息，最终根据沟通方式信息和意向产品信息生成问候语句，根据问候语句和预设三维人脸模型生成智能名片，以使得在用户终端使用智能名片时，预设三维人脸模型会根据问候语句在用户终端中进行提问。所提供的方法能够快速确定用户意向的产品，并及时通过智能名片与用户进行有效沟通，提升用户体验的同时使得最终智能销售系统的成交率能够大幅提升。

本申请提供了一种服务器。如图12所示，图12是本申请实施例提供的一种服务器的示意性框图。其中，该服务器可以包括处理器、存储器和网络接口。处理器、存储器和网络接口通过系统总线连接，该系统总线比如为I2C（Inter-integrated Circuit）总线。

具体地，处理器可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器 (Digital Signal Processor，DSP)等。

具体地，存储器可以是Flash芯片、只读存储器 (ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的终端设备的限定，具体的服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现本申请实施例提供的智能名片的使用方法任一项中相应的步骤。

示例性的所提供的服务器用于如下步骤：

获取所述用户终端对应的用户信息和用户终端的使用信息。

将所述用户信息和所述使用信息输入至预训练的意向生成模型，所述意向生成模型用于根据所述用户信息和所述使用信息生成所述用户终端对应的意向产品信息。

根据所述用户信息提取出用户性格信息，根据所述用户性格信息确认所述用户终端对应的沟通方式信息。

根据所述意向产品信息和所述沟通方式信息生成问候语句，根据所述问候语句和预设三维人脸模型生成智能名片。

将所述智能名片发送至所述用户终端，以使得在所述用户终端使用所述智能名片时，所述预设三维人脸模型会根据所述问候语句在所述用户终端中进行提问。

在一些实施例中，所述意向生成模型包括预设多层神经网络；所述将所述用户信息和所述使用信息输入至预训练的意向生成模型，包括：根据所述用户信息和所述使用信息确定所述用户等级 ；将所述用户信息、所述使用信息和所述用户等级生成所述用户终端对应的用户画像；将所述用户画像输入至所述预设多层神经网络，所述预设多层神经网络用于输出所述意向产品信息。

在一些实施例中，所述预设多层神经网络至少包括全连接层和编码层；所述使用信息至少包括所述用户终端的历史浏览信息和应用程序使用信息；所述将所述用户画像输入至所述预设多层神经网络，包括：将所述用户画像对应的历史浏览信息、应用程序使用信息和用户信息输入至所述全连接层进行全连接将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，所述编码层基于自注意力机制输出所述意向产品信息。

在一些实施例中，所述编码层存储有注意力函数，所述注意力函数用于计算所述历史浏览信息和所述应用程序使用信息的第一关联参数、所述历史浏览信息和所述用户信息的第二关联参数、所述应用程序使用信息和用户信息的第三关联参数； 所述意向产品信息包括第一意向产品信息、第二意向产品信息和第三意向产品信息；所述将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，包括：将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，所述编码层根据所述注意力函数计算所述第一关联参数、第二关联参数和第三关联参数，并根据所述第一关联参数、第二关联参数和第三关联参数分别获取所述第一意向产品信息、第二意向产品信息和第三意向产品信息。

在一些实施例中，在所述将所述智能名片发送至所述用户终端之后，所述方法还包括：获取所述用户终端基于所述问候语句的回复语句；根据所述回复语句提取所述回复语句对应的情绪信息；根据所述回复语句、情绪信息和意向产品信息生成对应的解答语句；将所述解答语句发送至所述用户终端，以使所述预设三维人脸模型会根据所述解答语句在所述用户终端中进行解答。

在一些实施例中，在所述获取所述用户终端基于所述问候语句的回复语句之后，所述方法还包括：根据所述回复语句获取所述意向产品信息对应的满意度；当所述满意度小于预设阈值时，根据所述回复语句、用户信息和所述历史浏览信息更新所述意向产品信息。

在一些实施例中，所述智能销售系统还包括销售终端；当所述满意度小于预设阈值时，所述方法还包括：根据所述问候语句与所述回复语句生成聊天记录；根据所述问候语句、回复语句、意向产品信息和用户信息生成推送信息；将所述聊天记录发送至所述销售终端，以使所述销售终端能够根据所述推送信息确定所述解答语句并将所述解答语句发送至所述用户终端。

在一些实施例中，所述意向产品信息还包括产品标识信息，所述产品标识信息用于在被触发时在所述用户终端显示所述意向产品信息对应的购买界面；在所述获取所述用户终端基于所述问候语句的回复语句之后，所述方法还包括：提取所述回复语句对应的情绪信息；根据所述情绪信息和用户信息生成所述用户终端对应的成交率；当所述成交率大于预设阈值时，向所述用户终端发送所述产品标识信息。

在一些实施例中，所述情绪信息至少包括兴奋、平静和不满 ；所述提取所述回复语句对应的情绪信息，包括：判断所述回复语句中是否包含第一预设词语和第二预设词语；若所述回复语句中不包含所述第一预设词语和第二预设词语，确认所述回复语句对应的情绪信息为平静；若所述回复语句包含所述第一预设词语，确认所述回复语句对应的情绪信息为兴奋；若所述回复语句包含所述第二预设词语，确认所述回复语句对应的情绪信息为不满。

在一些实施例中，所述提取所述回复语句对应的情绪信息，所述方法还包括： 对所述回复语句进行特征提取，用于将特征提取后的所述回复语句输入至预设情绪分析模型，以获取所述回复语句对应的情绪信息。

在一些实施例中，所述服务器存储有预设的沟通类型数据库，所述沟通类型数据库包括预设沟通类型和所述预设沟通类型对应的预设性格类型；所述沟通方式信息包括沟通类别和语种；所述根据所述用户信息提取出用户性格信息，根据所述用户性格信息确认所述用户终端对应的沟通方式，包括：根据所述用户信息提取出用户性格类型、用户常用的语种；根据所述用户性格类型在所述沟通类型数据库中确认所述用户性格类型对应的所述预设性格类型；将匹配成功的所述预设性格类型对应的所述预设沟通类型与所述语种确认所述用户终端对应的沟通方式。

在一些实施例中，所述根据所述意向产品信息和所述沟通方式信息生成问候语句，包括：提取所述意向产品信息对应的 产品类型；根据所述沟通类型、语种和所述产品类型生成所述问候语句。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的服务器的具体工作过程，可以参考前述智能名片的使用方法实施例中的对应过程，在此不再赘述。

本申请的实施例中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存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现上述实施例提供的智能名片的使用方法的步骤。

其中，计算机可读存储介质可以是前述实施例的服务器的内部存储单元，例如服务器的硬盘或内存。计算机可读存储介质也可以是服务器的外部存储设备，例如服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

由于该计算机可读存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种智能名片的使用方法，因此，可以实现本申请实施例所提供的任一种智能名片的使用方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅是本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (13)

1.一种智能名片的使用方法，其特征在于，所述方法应用于智能销售系统的服务器，所述智能销售系统还包括用户终端；所述方法包括：

获取所述用户终端对应的用户信息和用户终端的使用信息；

将所述用户信息和所述使用信息输入至预训练的意向生成模型，所述意向生成模型用于根据所述用户信息和所述使用信息生成所述用户终端对应的意向产品信息；

根据所述用户信息提取出用户性格信息，根据所述用户性格信息确认所述用户终端对应的沟通方式信息；其中，所述服务器存储有预设的沟通类型数据库，所述沟通类型数据库包括预设沟通类型和所述预设沟通类型对应的预设性格类型；所述沟通方式信息包括沟通类别和语种；所述根据所述用户信息提取出用户性格信息，根据所述用户性格信息确认所述用户终端对应的沟通方式信息，包括：根据所述用户信息提取出用户性格类型、用户常用的语种；根据所述用户性格类型在所述沟通类型数据库中确认所述用户性格类型对应的所述预设性格类型；将匹配成功的所述预设性格类型对应的所述预设沟通类型与所述语种确认所述用户终端对应的沟通方式信息；

根据所述意向产品信息和所述沟通方式信息生成问候语句，根据所述问候语句和预设三维人脸模型生成智能名片；

将所述智能名片发送至所述用户终端，以使得在所述用户终端使用所述智能名片时，所述预设三维人脸模型会根据所述问候语句在所述用户终端中进行提问。

2.根据权利要求1所述的方法，其特征在于，所述意向生成模型包括预设多层神经网络；所述将所述用户信息和所述使用信息输入至预训练的意向生成模型，包括：

根据所述用户信息和所述使用信息确定用户等级；

将所述用户信息、所述使用信息和所述用户等级生成所述用户终端对应的用户画像；

将所述用户画像输入至所述预设多层神经网络，所述预设多层神经网络用于输出所述意向产品信息。

3.根据权利要求2所述的方法，其特征在于，所述预设多层神经网络至少包括全连接层和编码层；所述使用信息至少包括所述用户终端的历史浏览信息和应用程序使用信息；所述将所述用户画像输入至所述预设多层神经网络，包括：

将所述用户画像对应的历史浏览信息、应用程序使用信息和用户信息输入至所述全连接层进行全连接；

将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，所述编码层基于自注意力机制输出所述意向产品信息。

4.根据权利要求3所述的方法，其特征在于，所述编码层存储有注意力函数，所述注意力函数用于计算所述历史浏览信息和所述应用程序使用信息的第一关联参数、所述历史浏览信息和所述用户信息的第二关联参数、所述应用程序使用信息和用户信息的第三关联参数；所述意向产品信息包括第一意向产品信息、第二意向产品信息和第三意向产品信息；所述将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，包括：

将全连接后的所述历史浏览信息、应用程序使用信息和用户信息输入至所述编码层，所述编码层根据所述注意力函数计算所述第一关联参数、第二关联参数和第三关联参数，并根据所述第一关联参数、第二关联参数和第三关联参数分别获取所述第一意向产品信息、第二意向产品信息和第三意向产品信息。

5.根据权利要求1所述的方法，其特征在于，在所述将所述智能名片发送至所述用户终端之后，所述方法还包括：

获取所述用户终端基于所述问候语句的回复语句；

根据所述回复语句提取所述回复语句对应的情绪信息；

根据所述回复语句、情绪信息和意向产品信息生成对应的解答语句；

将所述解答语句发送至所述用户终端，以使所述预设三维人脸模型会根据所述解答语句在所述用户终端中进行解答。

6.根据权利要求5所述的方法，其特征在于，在所述获取所述用户终端基于所述问候语句的回复语句之后，所述方法还包括：

根据所述回复语句获取所述意向产品信息对应的满意度；

当所述满意度小于预设阈值时，根据所述回复语句、用户信息和历史浏览信息更新所述意向产品信息。

7.根据权利要求6所述的方法，其特征在于，所述智能销售系统还包括销售终端；当所述满意度小于预设阈值时，所述方法还包括：

根据所述问候语句与所述回复语句生成聊天记录；

根据所述问候语句、回复语句、意向产品信息和用户信息生成推送信息；

将所述聊天记录发送至所述销售终端，以使所述销售终端能够根据所述推送信息确定所述解答语句并将所述解答语句发送至所述用户终端。

8.根据权利要求5所述的方法，其特征在于，所述意向产品信息还包括产品标识信息，所述产品标识信息用于在被触发时在所述用户终端显示所述意向产品信息对应的购买界面；在所述获取所述用户终端基于所述问候语句的回复语句之后，所述方法还包括：

提取所述回复语句对应的情绪信息；

根据所述情绪信息和用户信息生成所述用户终端对应的成交率；

当所述成交率大于预设阈值时，向所述用户终端发送所述产品标识信息。

9.根据权利要求8所述的方法，其特征在于，所述情绪信息至少包括兴奋、平静和不满；所述提取所述回复语句对应的情绪信息，包括：

判断所述回复语句中是否包含第一预设词语和第二预设词语；

若所述回复语句中不包含所述第一预设词语和第二预设词语，确认所述回复语句对应的情绪信息为平静；

若所述回复语句包含所述第一预设词语，确认所述回复语句对应的情绪信息为兴奋；

若所述回复语句包含所述第二预设词语，确认所述回复语句对应的情绪信息为不满。

10.根据权利要求8所述的方法，其特征在于，所述提取所述回复语句对应的情绪信息，所述方法还包括：

对所述回复语句进行特征提取，用于将特征提取后的所述回复语句输入至预设情绪分析模型，以获取所述回复语句对应的情绪信息。

11.根据权利要求1所述的方法，其特征在于，所述根据所述意向产品信息和所述沟通方式信息生成问候语句，包括：

提取所述意向产品信息对应的产品类型；

根据所述沟通类型、语种和所述产品类型生成所述问候语句。

12.一种智能销售系统，其特征在于，包括：

服务器和用户终端，所述服务器搭载有预设应用程序的服务端、所述用户终端搭载有所述预设应用程序的客户端；

其中，所述服务器包括：存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如权利要求1-11中任一项所述的智能名片的使用方法的步骤。

13.一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程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-11中任一项所述的智能名片的使用方法的步骤。