CN117273848A - 基于人工智能的产品推荐方法、装置、设备及存储介质 - Google Patents
基于人工智能的产品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117273848A CN117273848A CN202311190910.6A CN202311190910A CN117273848A CN 117273848 A CN117273848 A CN 117273848A CN 202311190910 A CN202311190910 A CN 202311190910A CN 117273848 A CN117273848 A CN 117273848A
- Authority
- CN
- China
- Prior art keywords
- product
- client
- target
- information
- customer
- 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 87
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 52
- 238000005516 engineering process Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000012216 screening Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请属于人工智能领域与金融科技领域,涉及一种基于人工智能的产品推荐方法,包括:从预设的客户信息库中获取目标客户的客户信息;基于客户信息构建目标客户的客户画像;基于客户画像生成与目标客户对应的回访话术;基于回访话术,调用预设的智能机器人对目标客户进行回访处理,生成与目标客户对应的回访结果;基于客户画像与回访结果,从预设的产品库中确定出与目标客户匹配的目标产品;将目标产品推送给目标客户。本申请还提供一种基于人工智能的产品推荐装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,目标产品可存储于区块链中。本申请可应用于金融领域的金融产品推荐场景,实现了对于目标客户的精准个性化产品推荐。
Description
技术领域
本申请涉及人工智能开发技术领域与金融科技领域,尤其涉及基于人工智能的产品推荐方法、装置、计算机设备及存储介质。
背景技术
随着互联网与信息科技的快速发展,以及人们需求的多样化,许多金融科技企业,例如保险公司、银行都开始对企业自身及客户数据进行分析,提高产品的推广程度,从海量用户中筛选出与产品相符合的用户,以进行产品推荐,进而达到提高客户满意度及调整产业结构的作用。
现有技术中,通常采用协同过滤推荐算法来向目标客户进行产品推荐,通过利用目标客户对产品产生的历史信息作为依据,查找出与目标客户相似的客户邻居集,然后将客户邻居集中其他客户比较感兴趣的多个产品推荐给目标客户。然而,这种基于协同过滤推荐算法的方式只是简单地关注到了客户的历史信息,在所能获得的客户的历史信息有限时,对客户进行产品推荐的准确性较低。因此现有的产品推荐方式,并不能准确地向客户推送满足客户兴趣、需求的产品,个性化推荐效率较低。
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产品推荐方法、装置、计算机设备及存储介质,以解决现有的产品推荐方式,并不能准确地向客户推送满足客户兴趣、需求的产品,个性化推荐效率较低的技术问题。
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产品推荐方法,采用了如下所述的技术方案:
从预设的客户信息库中获取目标客户的客户信息;
基于所述客户信息构建所述目标客户的客户画像;
基于所述客户画像生成与所述目标客户对应的回访话术;
基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
将所述目标产品推送给所述目标客户。
进一步的,所述基于所述客户信息构建所述目标客户的客户画像的步骤,具体包括:
基于预设的特征类型对所述客户信息进行特征提取,得到对应的客户特征;
调用预设的画像生成模型;
将所述客户特征输入至所述画像生成模型内,通过所述画像生成模型对所述客户特征进行处理,生成与所述客户特征对应的画像数据;
将所述画像数据作为所述客户画像。
进一步的,所述基于所述客户画像生成与所述目标客户对应的回访话术的步骤,具体包括:
从所述客户画像中获取所述目标客户的兴趣信息;
从所述兴趣信息中获取产品信息;
从预设的话术库中获取与所述产品信息匹配的多个第一话术;
获取与各所述第一话术分别对应的产品营销成功率;
基于所述产品营销成功率从所述第一话术中筛选出第二话术;
将所述第二话术作为所述回访话术。
进一步的,所述基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果的步骤,具体包括:
从所述客户信息中获取所述目标客户的通讯信息;
通过所述智能机器人向与所述通讯信息对应的客户终端发起语音通话;
在语音通话拨通后,通过所述智能机器人根据所述回访话术与所述目标客户进行对话;
在对话过程中,获取所述目标客户的回答数据;
对所述回答数据进行存储得到对应的回访结果。
进一步的,所述基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品的步骤,具体包括:
从所述产品库中筛选出与所述回访结果对应的第一产品;
基于所述客户画像从所述第一产品中筛选出第二产品;
获取当前的时间信息;
从所述第二产品中筛选出与所述时间信息匹配的第三产品;
将所述第三产品作为所述目标产品。
进一步的,所述基于所述客户画像从所述第一产品中筛选出第二产品的步骤,具体包括:
从所述客户画像中获取所述目标客户的年龄信息、兴趣信息以及地区信息;
从所述第一产品中筛选出与所述年龄信息匹配的第四产品;
从所述第四产品中筛选出与所述兴趣信息匹配的第五产品;
从所述第五产品中筛选出与所述地区信息匹配的第六产品;
将所述第六产品作为所述第二产品。
进一步的,在所述将所述目标产品推送给所述目标客户的步骤之后,还包括:
接收所述目标客户返回的对于所述目标产品的反馈信息;
基于所述反馈信息生成与所述目标客户对应的满意度评估结果;
存储所述满意度评估结果。
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产品推荐装置,采用了如下所述的技术方案:
获取模块,用于从预设的客户信息库中获取目标客户的客户信息;
构建模块,用于基于所述客户信息构建所述目标客户的客户画像;
第一生成模块,用于基于所述客户画像生成与所述目标客户对应的回访话术;
第二生成模块,用于基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
确定模块,用于基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
推送模块,用于将所述目标产品推送给所述目标客户。
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,采用了如下所述的技术方案:
从预设的客户信息库中获取目标客户的客户信息;
基于所述客户信息构建所述目标客户的客户画像;
基于所述客户画像生成与所述目标客户对应的回访话术;
基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
将所述目标产品推送给所述目标客户。
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,采用了如下所述的技术方案:
从预设的客户信息库中获取目标客户的客户信息;
基于所述客户信息构建所述目标客户的客户画像;
基于所述客户画像生成与所述目标客户对应的回访话术;
基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
将所述目标产品推送给所述目标客户。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例首先从预设的客户信息库中获取目标客户的客户信息;然后基于所述客户信息构建所述目标客户的客户画像;之后基于所述客户画像生成与所述目标客户对应的回访话术;后续基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;进一步基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;最后将所述目标产品推送给所述目标客户。本申请实施例通过利用客户信息库来生成目标客户的客户画像,然后利用客户画像生成目标客户的回访话术,并调用智能机器人根据该回访话术对目标客户进行回访处理以得到回访结果,进而通过使用目标客户的客户画像以及目标客户的回访结果来对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而将该目标产品推送给目标客户,以实现了对于目标客户的精准个性化产品推荐,提高了产品推荐效率,提高了产品推荐的准确度与智能性,且能够将推荐目标客户真正感兴趣的产品,有利于提高目标客户的满意度。
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根据本申请的基于人工智能的产品推荐方法的一个实施例的流程图;
图3是根据本申请的基于人工智能的产品推荐装置的一个实施例的结构示意图;
图4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 Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,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产品推荐方法一般由服务器/终端设备执行,相应地,基于人工智能的产品推荐装置一般设置于服务器/终端设备中。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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产品推荐方法的一个实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。本申请实施例提供的基于人工智能的产品推荐方法能够应用于任意一种需要进行产品推荐的场景中,则该基于人工智能的产品推荐方法能够应用于这些场景的产品中,例如,金融保险领域中的金融产品推荐。所述的基于人工智能的产品推荐方法,包括以下步骤:
步骤S201,从预设的客户信息库中获取目标客户的客户信息。
在本实施例中,基于人工智能的产品推荐方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式获取客户信息。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(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。在金融保险的产品推送的业务场景下,基于人工智能的产品推荐方法的执行主体具体为具有产品推荐、管理和发放的自动化处理功能的AIGC(AI generated content,又称为生成式AI,意为人工智能生成内容)平台。上述客户信息库为保险客户信息库,上述保险客户信息库中可包括保险客户的客户信息,客户信息可包括客户的个人基本信息、交易信息、支付信息、产品访问记录、产品购买记录等信息。
步骤S202,基于所述客户信息构建所述目标客户的客户画像。
在本实施例中,上述基于所述客户信息构建所述目标客户的客户画像的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S203,基于所述客户画像生成与所述目标客户对应的回访话术。
在本实施例中,上述基于所述客户画像生成与所述目标客户对应的回访话术的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S204,基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果。
在本实施例中,上述基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S205,基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品。
在本实施例中,上述基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S206,将所述目标产品推送给所述目标客户。
在本实施例中,可通过从所述客户信息中获取所述目标客户的通讯信息,进而基于该通讯信息,将所述目标产品推送给所述目标客户。
本申请首先从预设的客户信息库中获取目标客户的客户信息;然后基于所述客户信息构建所述目标客户的客户画像;之后基于所述客户画像生成与所述目标客户对应的回访话术;后续基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;进一步基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;最后将所述目标产品推送给所述目标客户。本申请通过利用客户信息库来生成目标客户的客户画像,然后利用客户画像生成目标客户的回访话术,并调用智能机器人根据该回访话术对目标客户进行回访处理以得到回访结果,进而通过使用目标客户的客户画像以及目标客户的回访结果来对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而将该目标产品推送给目标客户,以实现了对于目标客户的精准个性化产品推荐,提高了产品推荐效率,提高了产品推荐的准确度与智能性,且能够将推荐目标客户真正感兴趣的产品,有利于提高目标客户的满意度。
在一些可选的实现方式中,步骤S202包括以下步骤:
基于预设的特征类型对所述客户信息进行特征提取,得到对应的客户特征。
在本实施例中,上述特征类型至少可包括个人基本属性、产品购买记录、产品访问记录等,个人基本属性可包括年龄、性别、职业、地区等。
调用预设的画像生成模型。
在本实施例中,上述画像生成模型为预先构建的具有对客户的多种信息特征进行高度精炼而抽象出的一个标签化的处理模型。
将所述客户特征输入至所述画像生成模型内,通过所述画像生成模型对所述客户特征进行处理,生成与所述客户特征对应的画像数据。
在本实施例中,将所述客户特征输入至所述画像生成模型内时,画像生成模型会先对输入的客户特征进行标签生成处理,即根据该客户特征进行高度精炼的特征标识,得到对应的客户标签,后续再根据得到的客户标签来构建出对应的画像数据,该画像数据为根据目标客户的个人基本属性、购买记录、产品访问记录等信息抽象出的一个标签化的数据。
将所述画像数据作为所述客户画像。
本申请通过基于预设的特征类型对所述客户信息进行特征提取,得到对应的客户特征;然后调用预设的画像生成模型;后续将所述客户特征输入至所述画像生成模型内,通过所述画像生成模型对所述客户特征进行处理,生成与所述客户特征对应的画像数据,并将所述画像数据作为所述客户画像。本申请通过基于画像生成模型对目标客户的客户信息进行处理,可以实现快速准确地构建出目标客户的客户画像,提高了客户画像的构建效率,保证了生成的客户画像的准确度。
在本实施例的一些可选的实现方式中,步骤S203包括以下步骤:
从所述客户画像中获取所述目标客户的兴趣信息。
在本实施例中,上述兴趣信息可指目标客户感兴趣的产品的相关信息,即目标客户的产品购买记录、产品访问记录。
从所述兴趣信息中获取产品信息。
在本实施例中,上述产品信息可指目标客户的产品购买记录、产品访问记录中涉及的目标客户感兴趣的产品的描述信息,例如可包括产品的名称信息。示例性的,产品信息可包括重疾险、车险。
从预设的话术库中获取与所述产品信息匹配的多个第一话术。
在本实施例中,可将产品信息作为关键词对话术库进行查询处理,以查询出与该产品信息匹配的表征话术类型的目标关键词,进而从话术库中抓取出与该目标关键词对应的话术,得到上述第一话术。其中,上述话术库为预先构建的存储有与各种不同的话术类型分别对应的话术的数据库。
获取与各所述第一话术分别对应的产品营销成功率。
在本实施例中,对于各种话术,还会预先统计各种话术的达成交易的次数以及使用的总次数,并通过计算话术的达成交易的次数与该话术使用的之间的商来统计出各种话术的产品营销成功率。其中,话术的产品营销成功率的数值越高,则表示该话术的营销效率越好。
基于所述产品营销成功率从所述第一话术中筛选出第二话术。
在本实施例中,可从所有产品营销成功率筛选出数值最高的目标产品营销成功率,进而将该目标产品营销成功率对应的话术作为上述第二话术。
将所述第二话术作为所述回访话术。
本申请通过从所述客户画像中获取所述目标客户的兴趣信息;然后从所述兴趣信息中获取产品信息;之后从预设的话术库中获取与所述产品信息匹配的多个第一话术;后续获取与各所述第一话术分别对应的产品营销成功率;最后基于所述产品营销成功率从所述第一话术中筛选出第二话术,并将所述第二话术作为所述回访话术。本申请通过使用目标客户的客户画像中的兴趣信息对话术库进行查询,以从话术库中快速准确地查询出与目标客户的兴趣信息匹配的第一话术,进而会基于第一话术的产品营销成功率对第一话术进行进一步筛选,以从第一话术中筛选出最终的与所述目标客户对应的回访话术,保证了回访话术的生成准确度。
在一些可选的实现方式中,步骤S204包括以下步骤:
从所述客户信息中获取所述目标客户的通讯信息。
在本实施例中,上述通讯信息具体可指目标客户的电话号码。
通过所述智能机器人向与所述通讯信息对应的客户终端发起语音通话。
在本实施例中,可通将目标客户的通讯信息推送至智能机器人,以便智能机器人使用该通讯信息进行拨号,从而向与所述通讯信息对应的客户终端发起语音通话。
在语音通话拨通后,通过所述智能机器人根据所述回访话术与所述目标客户进行对话。
在本实施例中,可提前将回访话术推送给智能机器人。上述智能机器人为基于人工智能技术构建的回访机器人,通过回访机器人可以实现自动回访客户,可以利用自然语言处理技术与客户进行自然对话,并利用语音识别技术识别客户的语音指令和情感状态。在与所述通讯信息对应的客户终端发起的语音通话拨通后,智能机器人调取内部存储的回访话术,并根据该回访话术获取问题模板,并按照问题模板依次对目标客户进行提问,以与目标客户进行对话。
在对话过程中,获取所述目标客户的回答数据。
在本实施例中,在对话过程中,可通过识别目标客户的回答语音,并将该回答语音进行文本转换得到对应的文本数据,以作为上述回答数据。
对所述回答数据进行存储得到对应的回访结果。
在本实施例中,可按照预设的修订规则对目标客户的回答数据进行修订处理得到目标回答数据,进而对该目标回答数据进行结构化存储以得到相应的回访结果。其中,上述修订规则为根据实际的回访修改业务需求创建的规则,修订处理可包括文本纠错、改写、补充等处理。
本申请通过从所述客户信息中获取所述目标客户的通讯信息;然后通过所述智能机器人向与所述通讯信息对应的客户终端发起语音通话;之后在语音通话拨通后,通过所述智能机器人根据所述回访话术与所述目标客户进行对话;后续在对话过程中,获取所述目标客户的回答数据;最后对所述回答数据进行存储得到对应的回访结果。本申请基于所述客户画像生成与所述目标客户对应的回访话术后,还智能地基于所述回访话术,调用智能机器人对所述目标客户进行自动回访处理,从而生成与所述目标客户对应的回访结果,有效地提高了客户回访的处理效率,降低客户回访的人力成本,进而有利于降低保险公司的运营成本,提高服务质量。
在一些可选的实现方式中,步骤S205包括以下步骤:
从所述产品库中筛选出与所述回访结果对应的第一产品。
在本实施例中,上述产品库为预先构建的存储有各种不同类型的待推销产品的数据库。可通过对回访结果进行产品描述信息提取,以从回访结果中提取出目标客户感兴趣的产品对应的产品描述信息。然后使用产品描述信息对产品库进行筛选处理,以从该产品库中筛选出与产品描述信息匹配的第一产品。第一产品是指产品库中符合所述产品描述信息的产品。
基于所述客户画像从所述第一产品中筛选出第二产品。
在本实施例中,上述基于所述客户画像从所述第一产品中筛选出第二产品的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
获取当前的时间信息。
在本实施例中,上述时间信息可包括季节信息与节日信息。
从所述第二产品中筛选出与所述时间信息匹配的第三产品。
在本实施例中,可通过使用季节信息对该第二产品进行筛选处理,以从该第二产品中筛选出与季节信息匹配的第一指定产品;然后使用节日信息对该第一指定产品进行筛选处理,以从该第一指定产品中筛选出与节日信息匹配的第二指定产品,并将该第二指定产品作为上述第三产品。
将所述第三产品作为所述目标产品。
本申请通过从所述产品库中筛选出与所述回访结果对应的第一产品;然后基于所述客户画像从所述第一产品中筛选出第二产品;之后获取当前的时间信息;后续从所述第二产品中筛选出与所述时间信息匹配的第三产品,并将所述第三产品作为所述目标产品。本申请通过使用目标客户的客户画像、目标客户的回访结果以及当前的时间信息对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而根据该目标产品实现了对于目标客户的精准个性化产品推荐,提高了产品推荐的准确度与智能性,有利于提高目标客户的满意度。
在本实施例的一些可选的实现方式中,所述基于所述客户画像从所述第一产品中筛选出第二产品,包括以下步骤:
从所述客户画像中获取所述目标客户的年龄信息、兴趣信息以及地区信息。
在本实施例中,兴趣信息可指目标客户感兴趣的产品的相关信息,即目标客户的产品购买记录、产品访问记录。
从所述第一产品中筛选出与所述年龄信息匹配的第四产品。
在本实施例中,可通过使用目标客户的年龄信息对第一产品进行筛选处理,以从该第一产品中筛选出与年龄信息匹配的第四产品。第四产品是指第一产品中符合所述年龄信息的产品。
从所述第四产品中筛选出与所述兴趣信息匹配的第五产品。
在本实施例中,可通过使用目标客户的兴趣信息对第四产品进行筛选处理,以从该第四产品中筛选出与兴趣信息匹配的第五产品。第五产品是指第四产品中符合所述兴趣信息的产品。
从所述第五产品中筛选出与所述地区信息匹配的第六产品。
在本实施例中,可通过使用目标客户的地区信息对第五产品进行筛选处理,以从该第五产品中筛选出与兴趣信息匹配的第六产品。第六产品是指第五产品中符合所述地区信息的产品。
将所述第六产品作为所述第二产品。
本申请通过从所述客户画像中获取所述目标客户的年龄信息、兴趣信息以及地区信息;然后从所述第一产品中筛选出与所述年龄信息匹配的第四产品;之后从所述第四产品中筛选出与所述兴趣信息匹配的第五产品;后续从所述第五产品中筛选出与所述地区信息匹配的第六产品,并将所述第六产品作为所述第二产品。本申请通过使用目标客户的客户画像中的年龄信息、兴趣信息、地区信息以及目标客户的回访结果、当前的时间信息对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而根据该目标产品实现了对于目标客户的精准个性化产品推荐,提高了产品推荐的准确度与智能性,有利于提高目标客户的满意度。
在本实施例的一些可选的实现方式中,在步骤S206之后,上述电子设备还可以执行以下步骤:
接收所述目标客户返回的对于所述目标产品的反馈信息。
在本实施例中,在将目标产品推送给目标客户后,目标客户还会对于推荐的目标产品做出产品反馈,并将反馈信息进行上传。
基于所述反馈信息生成与所述目标客户对应的满意度评估结果。
在本实施例中,可通过对反馈信息进行关键词提取得到相应的关键词,再将该关键词与满意度词库中的所有词语进行匹配,从所有词语中确定与所述该关键词匹配的目标词语,并基于该目标词语生成所述目标客户的满意度评估结果。其中,上述满意度词库为预先创建的存储有多个表征满意度的词语,例如可包括、很好、不错、不行、很差,等等。
存储所述满意度评估结果。
在本实施例中,对于满意度评估结果的存储方式不做限定,可根据实际的使用需求进行存储,例如可采用区块链存储、数据库存储、云盘存储,等等。另外,还可以根据生成的目标客户的满意度评估结果,为持续优化回访策略和产品推送策略提供数据支持,实现精细化运营,这将使保险公司能够根据客户反馈进行持续改进,帮助保险公司更好地了解市场动态,提高竞争力,进而有利于提高保险产品的销售额。
本申请通过接收所述目标客户返回的对于所述目标产品的反馈信息;然后基于所述反馈信息生成与所述目标客户对应的满意度评估结果;后续存储所述满意度评估结果。本申请在接收到目标客户返回的对于目标产品的反馈信息后,会智能地根据该反馈信息生成与目标客户对应的满意度评估结果,提高了满意度评估结果的生成效率,且根据该满意度评估结果有利于为持续优化回访策略和产品推送策略提供数据支持。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
需要强调的是,为进一步保证上述目标产品的私密和安全性,上述目标产品还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,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3,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产品推荐装置的一个实施例,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3所示,本实施例所述的基于人工智能的产品推荐装置300包括:获取模块301、构建模块302、第一生成模块303、第二生成模块304、确定模块305以及推送模块306。其中:
获取模块301,用于从预设的客户信息库中获取目标客户的客户信息;
构建模块302,用于基于所述客户信息构建所述目标客户的客户画像;
第一生成模块303,用于基于所述客户画像生成与所述目标客户对应的回访话术;
第二生成模块304,用于基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
确定模块305,用于基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
推送模块306,用于将所述目标产品推送给所述目标客户。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,构建模块302包括:
提取子模块,用于基于预设的特征类型对所述客户信息进行特征提取,得到对应的客户特征;
调用子模块,用于调用预设的画像生成模型;
第一生成子模块,用于将所述客户特征输入至所述画像生成模型内,通过所述画像生成模型对所述客户特征进行处理,生成与所述客户特征对应的画像数据;
第一确定子模块,用于将所述画像数据作为所述客户画像。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第一生成模块303包括:
第一获取子模块,用于从所述客户画像中获取所述目标客户的兴趣信息;
第二获取子模块,用于从所述兴趣信息中获取产品信息;
第三获取子模块,用于从预设的话术库中获取与所述产品信息匹配的多个第一话术;
第四获取子模块,用于获取与各所述第一话术分别对应的产品营销成功率;
第一筛选子模块,用于基于所述产品营销成功率从所述第一话术中筛选出第二话术;
第二确定子模块,用于将所述第二话术作为所述回访话术。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第二生成模块304包括:
第五获取子模块,用于从所述客户信息中获取所述目标客户的通讯信息;
第一处理子模块,用于通过所述智能机器人向与所述通讯信息对应的客户终端发起语音通话;
第二处理子模块,用于在语音通话拨通后,通过所述智能机器人根据所述回访话术与所述目标客户进行对话;
第六获取子模块,用于在对话过程中,获取所述目标客户的回答数据;
第二生成子模块,用于对所述回答数据进行存储得到对应的回访结果。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,确定模块305包括:
第二筛选子模块,用于从所述产品库中筛选出与所述回访结果对应的第一产品;
第三筛选子模块,用于基于所述客户画像从所述第一产品中筛选出第二产品;
第七获取子模块,用于获取当前的时间信息;
第四筛选子模块,用于从所述第二产品中筛选出与所述时间信息匹配的第三产品;
第三确定子模块,用于将所述第三产品作为所述目标产品。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第三筛选子模块包括:
获取单元,用于从所述客户画像中获取所述目标客户的年龄信息、兴趣信息以及地区信息;
第一筛选单元,用于从所述第一产品中筛选出与所述年龄信息匹配的第四产品;
第二筛选单元,用于从所述第四产品中筛选出与所述兴趣信息匹配的第五产品;
第三筛选单元,用于从所述第五产品中筛选出与所述地区信息匹配的第六产品;
确定单元,用于将所述第六产品作为所述第二产品。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,基于人工智能的产品推荐装置还包括:
接收模块,用于接收所述目标客户返回的对于所述目标产品的反馈信息;
第三生成模块,用于基于所述反馈信息生成与所述目标客户对应的满意度评估结果;
存储模块,用于存储所述满意度评估结果。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的产品推荐方法的步骤一一对应,在此不再赘述。
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4,图4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 Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,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(Smart Media Card,SMC),安全数字(Secure Digital,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产品推荐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(Central Processing 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产品推荐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。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的客户信息库中获取目标客户的客户信息;然后基于所述客户信息构建所述目标客户的客户画像;之后基于所述客户画像生成与所述目标客户对应的回访话术;后续基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;进一步基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;最后将所述目标产品推送给所述目标客户。本申请实施例通过利用客户信息库来生成目标客户的客户画像,然后利用客户画像生成目标客户的回访话术,并调用智能机器人根据该回访话术对目标客户进行回访处理以得到回访结果,进而通过使用目标客户的客户画像以及目标客户的回访结果来对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而将该目标产品推送给目标客户,以实现了对于目标客户的精准个性化产品推荐,提高了产品推荐效率,提高了产品推荐的准确度与智能性,且能够将推荐目标客户真正感兴趣的产品,有利于提高目标客户的满意度。
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产品推荐方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的客户信息库中获取目标客户的客户信息;然后基于所述客户信息构建所述目标客户的客户画像;之后基于所述客户画像生成与所述目标客户对应的回访话术;后续基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;进一步基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;最后将所述目标产品推送给所述目标客户。本申请实施例通过利用客户信息库来生成目标客户的客户画像,然后利用客户画像生成目标客户的回访话术,并调用智能机器人根据该回访话术对目标客户进行回访处理以得到回访结果,进而通过使用目标客户的客户画像以及目标客户的回访结果来对产品库进行筛选处理,以从该产品库中快速准确地确定出与目标客户匹配的目标产品,从而将该目标产品推送给目标客户,以实现了对于目标客户的精准个性化产品推荐,提高了产品推荐效率,提高了产品推荐的准确度与智能性,且能够将推荐目标客户真正感兴趣的产品,有利于提高目标客户的满意度。
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 (10)
1.一种基于人工智能的产品推荐方法,其特征在于,包括下述步骤:
从预设的客户信息库中获取目标客户的客户信息;
基于所述客户信息构建所述目标客户的客户画像;
基于所述客户画像生成与所述目标客户对应的回访话术;
基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
将所述目标产品推送给所述目标客户。
2.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述客户信息构建所述目标客户的客户画像的步骤,具体包括:
基于预设的特征类型对所述客户信息进行特征提取,得到对应的客户特征;
调用预设的画像生成模型;
将所述客户特征输入至所述画像生成模型内,通过所述画像生成模型对所述客户特征进行处理,生成与所述客户特征对应的画像数据;
将所述画像数据作为所述客户画像。
3.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述客户画像生成与所述目标客户对应的回访话术的步骤,具体包括:
从所述客户画像中获取所述目标客户的兴趣信息;
从所述兴趣信息中获取产品信息;
从预设的话术库中获取与所述产品信息匹配的多个第一话术;
获取与各所述第一话术分别对应的产品营销成功率;
基于所述产品营销成功率从所述第一话术中筛选出第二话术;
将所述第二话术作为所述回访话术。
4.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果的步骤,具体包括:
从所述客户信息中获取所述目标客户的通讯信息;
通过所述智能机器人向与所述通讯信息对应的客户终端发起语音通话;
在语音通话拨通后,通过所述智能机器人根据所述回访话术与所述目标客户进行对话;
在对话过程中,获取所述目标客户的回答数据;
对所述回答数据进行存储得到对应的回访结果。
5.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品的步骤,具体包括:
从所述产品库中筛选出与所述回访结果对应的第一产品;
基于所述客户画像从所述第一产品中筛选出第二产品;
获取当前的时间信息;
从所述第二产品中筛选出与所述时间信息匹配的第三产品;
将所述第三产品作为所述目标产品。
6.根据权利要求5所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述客户画像从所述第一产品中筛选出第二产品的步骤,具体包括:
从所述客户画像中获取所述目标客户的年龄信息、兴趣信息以及地区信息;
从所述第一产品中筛选出与所述年龄信息匹配的第四产品;
从所述第四产品中筛选出与所述兴趣信息匹配的第五产品;
从所述第五产品中筛选出与所述地区信息匹配的第六产品;
将所述第六产品作为所述第二产品。
7.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,在所述将所述目标产品推送给所述目标客户的步骤之后,还包括:
接收所述目标客户返回的对于所述目标产品的反馈信息;
基于所述反馈信息生成与所述目标客户对应的满意度评估结果;
存储所述满意度评估结果。
8.一种基于人工智能的产品推荐装置,其特征在于,包括:
获取模块,用于从预设的客户信息库中获取目标客户的客户信息;
构建模块,用于基于所述客户信息构建所述目标客户的客户画像;
第一生成模块,用于基于所述客户画像生成与所述目标客户对应的回访话术;
第二生成模块,用于基于所述回访话术,调用预设的智能机器人对所述目标客户进行回访处理,生成与所述目标客户对应的回访结果;
确定模块,用于基于所述客户画像与所述回访结果,从预设的产品库中确定出与所述目标客户匹配的目标产品;
推送模块,用于将所述目标产品推送给所述目标客户。
9.一种计算机设备,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7中任一项所述的基于人工智能的产品推荐方法的步骤。
10.一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7中任一项所述的基于人工智能的产品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190910.6A CN117273848A (zh) | 2023-09-14 | 2023-09-14 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190910.6A CN117273848A (zh) | 2023-09-14 | 2023-09-14 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117273848A true CN117273848A (zh) | 2023-12-22 |
Family
ID=89209808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311190910.6A Pending CN117273848A (zh) | 2023-09-14 | 2023-09-14 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273848A (zh) |
-
2023
- 2023-09-14 CN CN202311190910.6A patent/CN117273848A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN116563034A (zh) | 基于人工智能的购买预测方法、装置、设备及存储介质 | |
CN116703515A (zh) | 基于人工智能的推荐方法、装置、计算机设备及存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN113609833B (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
CN117273848A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
CN117312535B (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN117251631A (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN116821298A (zh) | 一种应用于投保信息的关键词自动识别方法、及相关设备 | |
CN116932739A (zh) | 基于人工智能的数据生成方法、装置、设备及存储介质 | |
CN117273958A (zh) | 基于规则引擎的核保数据处理方法、装置、设备及介质 | |
CN117370558A (zh) | 一种数据整合方法、装置、设备及其存储介质 | |
CN117076243A (zh) | 应用的扩缩容处理方法、装置、计算机设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN118212074A (zh) | 数据推荐方法、装置、计算机设备及存储介质 | |
CN116627416A (zh) | 页面配置方法、装置、计算机设备及存储介质 | |
CN117312535A (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN116775187A (zh) | 数据展示方法、装置、计算机设备及存储介质 | |
CN116166858A (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN117112665A (zh) | 链路数据的处理方法、装置、计算机设备及存储介质 | |
CN116757771A (zh) | 基于人工智能的方案推荐方法、装置、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 |