CN117350745A - 一种用于电商平台的售后处理方法、装置、设备和介质 - Google Patents
一种用于电商平台的售后处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117350745A CN117350745A CN202311642536.9A CN202311642536A CN117350745A CN 117350745 A CN117350745 A CN 117350745A CN 202311642536 A CN202311642536 A CN 202311642536A CN 117350745 A CN117350745 A CN 117350745A
- Authority
- CN
- China
- Prior art keywords
- service
- maintenance
- information
- sales
- site
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012423 maintenance Methods 0.000 claims abstract description 438
- 238000000034 method Methods 0.000 claims abstract description 101
- 238000004458 analytical method Methods 0.000 claims abstract description 97
- 238000012544 monitoring process Methods 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 77
- 230000004044 response Effects 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 15
- 238000002360 preparation method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000013433 optimization analysis Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 193
- 239000002699 waste material Substances 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 6
- 239000006227 byproduct Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010016754 Flashback Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual 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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及售后服务处理的技术领域，尤其是涉及一种用于电商平台的售后处理方法、装置、设备和介质，方法包括：基于售后服务信息进行服务类别分析，确定服务类别，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于服务站点分布地图每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。
Description
技术领域
本申请涉及售后服务处理的技术领域，尤其是涉及一种用于电商平台的售后处理方法、装置、设备和介质。
背景技术
在当今的网络环境下，电商平台为人们提供了一个网上交易洽谈的平台，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物和在线电子支付。电商平台中的售后服务为在产品出售以后所提供的各种服务活动，良好的售后服务有益于提高客户满意度、提高品牌影响力和增加客户的重复购买率，因而，电商平台的售后服务环节在整个交易过程中占据着重要位置。
当在电商平台购买的产品出现问题时，联系电商平台内的在线客服进行售后服务，在线客服在未了解清楚需要售后产品的实际情况下给到的解决方案大多为返厂维修，然而，直接进行返厂维修的周期长且流程复杂，使得售后服务的效率低。
因而，如何提高电商平台售后服务的效率是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种用于电商平台的售后处理方法、装置、设备和介质，用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的：
第一方面，本申请提供一种用于电商平台的售后处理方法，采用如下的技术方案：
一种用于电商平台的售后处理方法，包括：
获取售后服务信息，基于所述售后服务信息进行服务类别分析，确定服务类别，其中，所述服务类别包括：操作支持服务和维修服务；
基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式；其中，所述操作支持服务对应的服务方式包括：线上指导和智能应答；所述维修服务对应的服务方式包括：服务站点推荐和返厂维修；
当所述服务方式为所述服务站点推荐时，则基于所述售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于所述申请售后地点和每一所述待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
获取每一所述待选服务站点的站点信息，并基于所述服务站点分布地图和每一所述待选服务站点的所述站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将所述目标服务站点和所述推荐提示信息发送至客户端，其中，所述站点信息包括：站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置；
当所述服务方式为所述返厂维修时，则获取返厂维修流程，对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，并将每一所述目标流程节点的所述监控结果发送至客户端，其中，所述返厂维修流程为返厂维修开始至结束的全过程，所述目标流程节点为返厂维修流程中任意一个流程节点。
通过采用上述技术方案，在产品的实际使用过程中，并非所有售后问题均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务，然后，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图，然后，基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率。
本申请在一较佳示例中可以进一步配置为：所述基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式，包括：
当所述服务类别为所述操作支持服务时，基于服务优先级，确定所述服务方式为智能应答，持续获取智能应答过程的交互信息，并基于所述交互信息进行智能应答多维评估，得到评估结果；其中，所述服务优先级中智能应答的优先级高于线上指导的优先级；
当所述评估结果为无法满足需求时，则更改所述服务方式为线上指导，基于所述交互信息和所述售后服务信息进行紧急程度评估，并基于所述售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列；
当所述服务类别为所述维修服务时，则获取客户维修习惯、服务站点信息、返厂售后成本，并基于所述售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定所述维修服务对应的所述服务方式。
本申请在一较佳示例中可以进一步配置为：所述售后服务信息的确定方式，包括：
获取客户服务请求，基于所述客户服务请求进行关键词提取，得到问题关键词，其中，所述客户服务请求为客户描述产品出现的问题以及提出的自身需求的信息；
获取售后订单信息，基于所述售后订单信息进行购买信息提取，得到购买信息；
获取规定上传图像，基于所述规定上传图像进行编码识别，得到产品识别码，其中，所述产品识别码是产品的唯一标识；
综合所述问题关键词、所述购买信息和所述产品识别码，得到所述售后服务信息。
本申请在一较佳示例中可以进一步配置为：所述基于所述售后服务信息进行服务类别分析，确定服务类别，包括：
基于所述售后服务信息进行预处理，得到预处理后的售后服务信息，其中，预处理包括：信息抽取、分词处理、去除停用词；
基于所述预处理后的售后服务信息进行特征提取，得到售后特征；
将所述售后特征输入至服务类别分析模块进行语义分析，确定服务类别，其中，所述服务类别分析模块是利用大量的训练数据对神经网络进行训练得到的。
本申请在一较佳示例中可以进一步配置为：当所述目标流程节点为维修评估节点时，所述对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，包括：
获取返厂准备视频，并基于所述返厂准备视频进行关键信息提取，得到产品维修关键信息，其中，所述产品维修关键信息表征产品的损坏情况；
利用产品故障预估模型对所述产品维修关键信息进行故障预测，得到多个潜在故障器件；
基于多个所述潜在故障器件和所述售后服务信息中产品信息进行维修预估，得到预估维修方案，并将所述预估维修方案发送至客户端，其中，所述预估维修方案包括每一潜在故障器件对应的维修费用和至少两个潜在故障器件组合维修对应的维修费用；
当检测到客户端发送的维修意向指令时，则获取所述维修意向指令，基于所述维修意向指令，确定所述维修评估节点的监控结果。
本申请在一较佳示例中可以进一步配置为：当所述目标流程节点为维修处理节点时，所述对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，包括：
获取维修全程视频和维修结论单，基于所述维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述；
基于所述更换器件信息、所述维修流程简述和所述维修结论单进行结论匹配，当匹配成功时，则确定所述维修处理节点的监控结果为正常，并将所述维修全程视频和所述维修结论单发送至客户端；
当匹配失败时，则确定所述维修处理节点的监控结果为异常，生成维修处理异常信息。
本申请在一较佳示例中可以进一步配置为：将所述维修全程视频和所述维修结论单发送至客户端之后，还包括：
获取目标产品对应的多个历史维修结论单，基于多个所述历史维修结论单进行器件质量分析，确定所述目标产品的易损器件；
基于所述目标产品和所述易损器件进行易损原因分析，确定所述易损器件对应的易损原因；
获取所述目标产品对应的多个历史评论信息，基于多个所述历史评论信息进行产品优化分析，确定所述目标产品的待优化信息；
基于所述易损器件、所述易损原因和待优化信息进行综合分析，确定所述目标产品对应的迭代更新建议。
第二方面，本申请提供一种用于电商平台的售后处理装置，采用如下的技术方案：
一种用于电商平台的售后处理装置，包括：
服务类别分析模块，用于获取售后服务信息，基于所述售后服务信息进行服务类别分析，确定服务类别，其中，所述服务类别包括：操作支持服务和维修服务；
服务方式分析模块，用于基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式；其中，所述操作支持服务对应的服务方式包括：线上指导和智能应答；所述维修服务对应的服务方式包括：服务站点推荐和返厂维修；
服务站点筛选模块，用于当所述服务方式为所述服务站点推荐时，则基于所述售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于所述申请售后地点和每一所述待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
服务站点推荐模块，用于基于所述服务站点分布地图进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将所述目标服务站点和所述推荐提示信息发送至客户端；
售后监控模块，用于当所述服务方式为所述返厂维修时，则获取返厂维修流程，对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，并将每一所述目标流程节点的所述监控结果发送至客户端，其中，所述返厂维修流程为返厂维修开始至结束的全过程，所述目标流程节点为返厂维修流程中任意一个流程节点。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的用于电商平台的售后处理方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的用于电商平台的售后处理方法。
综上所述，本申请包括以下至少一种有益技术效果：
在产品的实际使用过程中，并非所有售后问题均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务，然后，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图，然后，基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率；
为了避免偶然故障对物流成本资源的浪费，基于返厂准备视频进行关键信息提取，得到产品维修关键信息，然后，利用产品故障预估模型对产品维修关键信息进行故障预测，得到多个潜在故障器件。基于多个潜在故障器件和售后服务信息中产品信息进行维修预估，得到预估维修方案，并将预估维修方案发送至客户端，以便于客户能够提前了解产品的故障情况和维修方案，预先了解产品维修需要消耗的费用，能够避免最终维修费用超过客户预期范围而引发后续问题，在一定程度上提高了售后服务的效率。最终，基于维修意向指令，确定维修评估节点的监控结果。
附图说明
图1是本申请其中一实施例的一种用于电商平台的售后处理方法的流程示意图；
图2是本申请其中一实施例的针对维修评估节点的售后监控的流程示意图；
图3是本申请其中一实施例的一种用于电商平台的售后处理装置的结构示意图；
图4是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合图1至图4对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，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作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。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种用于电商平台的售后处理方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105，其中：
步骤S101：获取售后服务信息，基于售后服务信息进行服务类别分析，确定服务类别，其中，服务类别包括：操作支持服务和维修服务。
对于本申请实施例，售后服务信息是基于交易售后订单信息和客户服务请求综合得到的，即，售后服务信息能够表征产品的购买情况、保修情况、售后问题描述情况。在产品的实际使用过程中，并非所有售后服务均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，即，客户不会使用产品，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务。服务类别分析的实现方式有多种，本申请实施例不再进行限定，在一种可实现的方式中，基于售后服务信息进行预处理，得到预处理后的售后服务信息，其中，预处理包括：信息抽取、分词处理、去除停用词等，以使得预处理后的售后服务信息能够更加精准地表征售后服务信息的服务类别；然后，基于预处理后的售后服务信息进行特征提取，得到能表示售后服务信息含义的关键词、短语和句子；进而，将特征提取后的文本特征转化为向量形式，并将向量形式的售后服务信息输入至服务类别分析模块进行语义分析，得到该售后服务信息对应的服务类别，其中，服务类别分析模块是利用大量的已标注数据对神经网络进行训练得到的，已标注数据为确定了服务类别的向量形式数据。
步骤S102：基于售后服务信息和服务类别进行服务方式分析，确定服务方式；其中，操作支持服务对应的服务方式包括：线上指导和智能应答；维修服务对应的服务方式包括：服务站点和推荐返厂维修。
对于本申请实施例，针对不同类型的服务类别需要采用与之对应的服务方式，合适的服务方式不仅能够提升售后服务的效率，还能够节省售后服务的成本，因而，基于售后服务信息和服务类别进行服务方式分析，确定与售后服务信息高度匹配的服务方式。为了提升服务方式与售后服务信息的匹配度，针对操作支持服务类别对应的服务方式，由于智能应答的方式响应速度快、处理效率高，故在进行服务方式分析上优先采用智能应答的方式进行售后服务，然而，智能应答的方式能够较为快速的解决一些简单问题，针对一些稍微复杂些的问题，有时单单利用智能应答的方式无法很好地解决售后服务中的问题，故，在服务方式分析中综合考虑客户咨询问题的次数、线上咨询时长、客户咨询态度等多种因素，将智能应答无法较好解决的服务方式确定为线上指导，以提升售后服务的效率。针对维修服务对应的服务方式，综合考虑产品损坏信息、产品体积重量、客户维修习惯、服务站点信息、返厂维修成本等多方面的因素进行服务方式分析，确定出与客户需求匹配度高的服务维修方式。针对维修服务的服务方式分析中，还可以考虑其他方面的因素，本申请实施例不再进行限定。针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。
步骤S103：当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
步骤S104：获取每一待选服务站点的站点信息，并基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将目标服务站点和推荐提示信息发送至客户端，其中，站点信息包括：站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置。
对于本申请实施例，当服务方式为服务站点推荐时，面对在预设区域内的多个服务站点，客户会出现前往服务站点不合适的情况，这种情况不仅会增长售后服务的时长，降低售后服务的处理效率，还会影响客户的售后体验。因而，为了提升售后服务的处理效率，本申请实施例中，在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率。
具体的，电子设备预先存储了所有服务站点信息，其中，服务站点信息包括但不限于：站点位置、站点营业时间、站点维修范围、站点维修评分、站点技术实力、站点维修效率等，基于售后服务信息中的申请售后地点和所有服务站点信息中的站点位置进行服务站点筛选，得到多个待选服务站点，其中，售后服务信息中的申请售后地点用来代表需要维修产品所在位置。针对服务站点筛选环节，基于申请售后地点和多个站点位置进行距离计算，得到每一服务站点与申请售后地点之间的距离，然后，基于每一距离和距离阈值进行大小比较，将比距离阈值小的服务站点记为待选服务站点。然后，将筛选出的多个站点位置和申请售后地点在地图上进行标注，得到服务站点分布地图，地图显示的方式有多种，在一种可实现的方式中，利用地图接口（例如，谷歌地图、百度地图）、站点位置的坐标和申请售后地点的坐标进行地图显示。
进而，服务站点推荐分析的方式有多种，在一种可实现的方式中，服务站点推荐分析中最为重要的一个因素为距离，距离在一定程度上影响了客户的售后服务体验和售后服务时长，因而，服务站点推荐分析确定目标服务站点时，可以选取距离最小的待选服务站点作为目标服务站点，以缩短客户往返服务站点路程中所消耗的时长，在一定程度上提高售后服务的效率。由于距离指的是两者之间的直线距离，在实际前往服务站点的过程中，实际行进路线与直线路线并不相同，故，直线距离并不能很好地表征待选服务站点与申请售后地点之间的匹配度，可能会存在距离小，但实际前往消耗时间较多的情况。因而，基于服务站点分布地图中申请售后地点和每一待选服务站点对应的站点位置进行路径规划，得到申请售后地点至每一待选服务站点的路线，并针对每一路线进行耗时计算，得到每一路线对应的消耗时长，选取消耗时长最短的待选服务站点记为目标服务站点。在另一种可实现的方式中，基于服务站点分布地图和每一待选服务站点对应的站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在本申请实施例中，利用站点推荐模型进行服务站点推荐分析，站点推荐模型是利用机器学习和数据挖掘技术创建的，即，将用户需求、每一待选服务站点的站点信息、服务站点分布地图输入至站点推荐模型进行服务站点推荐分析，站点推荐模型预测每一待选服务站点与用户需求的匹配度，然后，将与用户需求匹配度最高的待选服务站点记为目标服务站点。用户需求为用户根据实际需求所确定的，可以自主决定在推荐服务站点时，重点考虑服务站点的哪方面因素，例如，用户比较看重站点维修效率，不看重站点维修评分，因而，调整站点推荐模型内的参数，以使得站点推荐模型推荐的目标服务站点维修效率高。在确定了目标服务站点后，基于目标服务站点的一些基础信息确定推荐提示信息，其中，推荐提示信息包括但不限于：详细路线规划、站点营业时间提醒、维修优惠信息提示等。
步骤S105：当服务方式为返厂维修时，则获取返厂维修流程，对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，其中，返厂维修流程为返厂维修开始至结束的全过程，目标流程节点为返厂维修流程中任意一个流程节点。
对于本申请实施例，返厂维修的周期长，针对维修中的各个流程节点客户无法及时地了解，在一定程度上会影响客户在售后服务中的体验感，同时出现频繁询问进度的情况，以使得一部分人力资源消耗在解答维修进度方面，以造成售后服务的效率低。针对这种情况，本申请实施例中针对返厂维修的服务方式，按照返厂维修流程的顺序实行售后监控，便于客户能够追踪售后服务流程，提升售后服务的效率。
具体的，返厂流程的流程节点包括但不限于：返厂维修开始节点、维修评估节点、产品寄出节点、维修处理节点、产品寄回节点、返厂维修结束节点，针对返厂流程中的每一流程节点，基于目标流程节点处的节点数据进行处理分析，当分析结果为正常时，则推进返厂流程向后进行，并将节点数据上传作为流程节点的监控数据；当分析结果为异常时，则固定在该异常节点，并将异常情况作为流程节点的监控结果。例如，当处于返厂维修流程中的维修评估节点时，获取返厂准备视频，并基于返厂准备视频进行关键信息提取，得到产品维修关键信息，其中，产品维修关键信息表征产品的损坏情况；利用产品故障预估模型对产品维修关键信息进行故障预测，得到多个潜在故障器件；基于多个潜在故障器件和售后服务信息中产品信息进行维修预估，得到预估维修方案，并将预估维修方案发送至客户端，其中，预估维修方案包括每一潜在故障器件对应的维修费用和至少两个潜在故障器件组合维修对应的维修费用；当获取到维修意向指令时，则基于维修意向指令确定维修评估节点的监控结果为正常，推进返厂流程向后进行；当获取到维修拒绝指令时，则基于维修拒绝指令确定维修评估节点的监控结果为异常，并固定在该维修评估节点，将异常的监控结果发送至客户端。
可见，在本申请实施例中，在产品的实际使用过程中，并非所有售后问题均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务，然后，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图，然后，基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率。
进一步的，在本申请实施例中，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，包括：
当服务类别为操作支持服务时，基于服务优先级，确定服务方式为智能应答，持续获取智能应答过程的交互信息，并基于交互信息进行智能应答多维评估，得到评估结果；其中，服务优先级中智能应答的优先级高于线上指导的优先级；
当评估结果为无法满足需求时，则更改服务方式为线上指导，基于交互信息和售后服务信息进行紧急程度评估，并基于售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列；
当服务类别为维修服务时，则获取客户维修习惯、服务站点信息、返厂售后成本，并基于售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定维修服务对应的服务方式。
对于本申请实施例，针对操作支持服务的服务类别，由于智能应答的方式响应速度快、处理效率高，故在进行服务方式分析上优先采用智能应答的方式进行售后服务，然而，由于售后服务中问题的特殊性，有时单单利用智能应答的方式无法很好地解决售后服务中的问题，因而，持续获取智能应答过程的交互信息，其中，交互信息包括：用户提问、问题描述、智能回复等。然后，基于交互信息进行智能应答多维评估，得到评估结果，即，判断客户是否在重复询问相同问题、分析线上指导的时长问题、基于态度分析以判断客户是否出现了负向态度，其中，多维评估为利用文本分类、情感分析等方式来评估线上指导的问题解决度，并当问题解决度大于解决度阈值时，确定评估结果为满足需求；当问题解决度不大于解决度阈值时，确定评估结果为无法满足需求，其中，解决度阈值为本领域技术人员基于大量的实验验证得到的。进而，当评估结果为满足需求时，则保持智能应答直至售后服务完成；当评估结果为无法满足需求时，则更改服务方式为线上指导，其中，线上指导为在线上采取人工远程指导。为了确保关键问题能够优先得到处理，故，基于交互信息和售后服务信息进行紧急程度评估，确定该售后服务信息对应的紧急程度。紧急程度评估的中考虑的因素有多种，例如，综合考虑交互信息中客户的态度、售后服务信息中客户的等级、交互信息中产品的损坏情况来综合确定紧急程度。在实际过程中，根据售后服务的需求和服务人员的配置，建立多个线上指导队列，不同的线上指导队列代表不同的处理级别和处理速度，因而，基于售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列，以使得紧急程度高的售后服务信息能够优先得到处理，确保售后服务资源得到合理的分配和利用，提高服务响应速度和客户满意度。
当服务类别为维修服务时，客户维修习惯可以为基于客户历史维修情况中的服务方式确定的，用于表征客户倾向于使用的售后服务方式；服务站点信息包括但不限于：站点数量、站点分布情况、站点维修范围（即，能够维修产品的哪些故障）；返厂售后成本可以综合考虑返厂维修的时间成本和物流成本。进而，基于售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定维修服务对应的服务方式，其中，综合多因素进行维修方式分析的方式，本申请实施例不再进行限定，用户可根据实际情况自行设定。
可见，在本申请实施例中，当服务类别为操作支持服务时，则确定服务方式为智能应答，并基于交互信息进行智能应答多维评估，得到评估结果；当评估结果为无法满足需求时，则更改服务方式为线上指导，基于售后服务信息和交互信息进行紧急程度评估，并基于售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列。与此同时，当服务类别为维修服务时，则获取客户维修习惯、服务站点信息、返厂售后成本，并基于售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定维修服务对应的服务方式。
进一步的，为了提高售后服务信息的全面性，在本申请实施例中，售后服务信息的确定方式，包括：
获取客户服务请求，基于客户服务请求进行关键词提取，得到问题关键词，其中，客户服务请求为客户描述产品出现的问题以及提出的自身需求的信息；
获取售后订单信息，基于售后订单信息进行购买信息提取，得到购买信息；
获取规定上传图像，基于规定上传图像进行编码识别，得到产品识别码，其中，产品识别码是产品的唯一标识；
综合问题关键词、购买信息和产品识别码，得到售后服务信息。
对于本申请实施例，客户通常在客户端上传客户服务请求，客户服务请求为客户对产品问题的描述、需求和期望，基于客户服务请求进行关键词提取，得到问题关键词，其中，利用自然语言处理技术，如文本分析或词云分析等方法来进行关键词提取，问题关键词反映了客户描述的问题的主要特征，例如，不工作、闪退、掉电速度快。然后，基于售后订单信息进行购买信息提取，得到购买信息，其中，购买信息包括但不限于：购买时间、购买平台、出货仓库、保修类型、保修时长等。与此同时，在进行售后服务时，平台通常会要求客户上传包括产品标识码的图像，因而，基于规定上传图像进行编码识别，得到产品识别码，产品识别码是产品的唯一标识符，可以用于追踪或识别特定的产品。最终，基于问题关键词、购买信息和产品识别码，得到售后服务信息，售后服务信息能够用于后续的售后服务，例如故障排查、维修或更换产品等。从多个方面来获取多因素信息共同构成售后服务信息，提高了售后服务信息的全面性。
可见，在本申请实施例中，基于客户服务请求进行关键词提取，得到问题关键词，并基于售后订单信息进行购买信息提取，得到购买信息，然后，基于规定上传图像进行编码识别，得到产品识别码，其中，产品识别码是产品的唯一标识，综合问题关键词、购买信息和产品识别码，得到售后服务信息。从多个方面来获取多因素信息共同构成售后服务信息，提高了售后服务信息的全面性。
进一步的，为了能够避免最终维修费用超过客户预期范围而引发后续问题，在一定程度上提高了售后服务的效率，在本申请实施例中，如图2所示，当目标流程节点为维修评估节点时，对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，包括：步骤S1051-步骤S1054，其中：
步骤S1051：获取返厂准备视频，并基于返厂准备视频进行关键信息提取，得到产品维修关键信息，其中，产品维修关键信息表征产品的损坏情况。
对于本申请实施例，产品的故障表现分为偶然故障和真实故障，偶然故障为受偶然因素或随机扰动而引起的故障，然而，针对偶然故障技术人员并不能进行详细的故障分析和排查，常常会出现收到的产品表现正常，无法进行故障维修。在返厂维修方式中，这种情况会极大地浪费物流成本资源，因而，需要客户按照预设要求上传返厂准备视频，例如，针对产品进行多次开关场景的视频、按照要求简单拆卸产品部件的视频、将产品按照预设流程执行的视频。然后，基于返厂准备视频进行关键信息提取，得到产品维修关键信息，产品维修关键信息包括但不限于：故障模式、可观部件形态（例如，发黑、变形、破损等）。关键信息提取的方式有多种，本申请实施例不再进行限定，在一种可实现的方式中，利用故障模式检测模型对返厂准备视频进行关键信息提取，得到产品维修关键信息中的故障模式，其中，故障模式检测模型是利用大量训练数据对神经网络模型训练得到的；利用计算机视觉技术对返厂准备视频进行关键信息提取，得到产品维修关键信息中的可观部件形态，例如，判断产品部件是否有变形、发黑和损坏的情况。
步骤S1052：利用产品故障预估模型对产品维修关键信息进行故障预测，得到多个潜在故障器件。
对于本申请实施例，针对产品维修关键信息中的故障模式指的是产品发生故障的表现形式，例如，无法开机、开机闪退、白屏等多种形式；针对产品维修关键信息中的可观部件形态为外部可直接看到的器件的状态，例如，插口发黑、屏幕破损等。将产品维修关键信息输入至产品故障预估模型中进行故障预测，得到多个潜在故障器件，其中，多个潜在故障器件为可能存在故障的多个产品部件，在实际维修过程中多个潜在故障器件不一定全部存在故障；产品故障预估模型是基于大量的故障预测训练模型对神经网络进行训练得到的，能够精准、快速地判断出产品的潜在故障器件。
步骤S1053：基于多个潜在故障器件和售后服务信息中产品信息进行维修预估，得到预估维修方案，并将预估维修方案发送至客户端，其中，预估维修方案包括每一潜在故障器件对应的维修费用和至少两个潜在故障器件组合维修对应的维修费用；
步骤S1054：当检测到客户端发送的维修意向指令时，则获取维修意向指令，基于维修意向指令，确定维修评估节点的监控结果。
对于本申请实施例，由于维修不同产品对技术人员的要求不同、不同产品零器件的成本不同，不同的产品即便更换相同的故障器件也会存在维修费用上的差异，因而，在确定维修方案时需要结合售后服务信息中产品信息。具体的，基于每一潜在故障器件和售后服务信息中产品信息进行单一故障器件更换费用计算，得到每一潜在故障器件对应的器件更换费用，并基于售后服务信息中产品信息确定该产品所对应的人工费用。然后，基于每一潜在故障器件对应的器件更换费用、人工费用进行维修预估，得到预估维修方案，预估维修方案中包括所有可能的维修情况以及维修费用情况，以便于客户能够提前预知所有可能的维修状况。例如，A产品对应的潜在故障器件包括：A器件、B器件和C器件，A产品对应的人工费用为d元，A器件的器件更换费用为a元，B器件的器件更换费用为b元，C器件的器件更换费用为c元，预估维修方案中报告以下几种情况：（1）更换A器件，维修费用为a+d元；（2）更换B器件，维修费用为b+d元；（3）更换C器件，维修费用为c+d元；（4）更换A器件和B器件，维修费用为a+b+d元；（5）更换A器件和C器件，维修费用为a+c+d元；（6）更换B器件和C器件，维修费用为b+c+d元；（7）更换A器件、B器件和C器件，维修费用为a+b+c+d元。在生成预估维修方案后，将预估维修方案发送至客户端，以便于客户能够提前了解产品的故障情况和维修方案，预先了解产品维修需要消耗的费用，能够避免最终维修费用超过客户预期范围而引发后续问题，在一定程度上提高了售后服务的效率。客户能够接受预估维修方案时，客户可以在客户端界面点击同意维修的按钮，此时，电子设备能够检测到客户端发送的维修意向指令，则基于维修意向指令确定维修评估节点的监控结果为正常，推进返厂维修流程向后进行；客户不能够接受预估维修方案时，客户可以在客户端界面点击不同意维修的按钮，此时，电子设备能够检测到客户端发送的维修拒绝指令时，则基于维修拒绝指令确定维修评估节点的监控结果为异常，并固定在该维修评估节点，将异常的监控结果发送至客户端进行显示。
可见，在本申请实施例中，为了避免偶然故障对物流成本资源的浪费，基于返厂准备视频进行关键信息提取，得到产品维修关键信息，然后，利用产品故障预估模型对产品维修关键信息进行故障预测，得到多个潜在故障器件。基于多个潜在故障器件和售后服务信息中产品信息进行维修预估，得到预估维修方案，并将预估维修方案发送至客户端，以便于客户能够提前了解产品的故障情况和维修方案，预先了解产品维修需要消耗的费用，能够避免最终维修费用超过客户预期范围而引发后续问题，在一定程度上提高了售后服务的效率。最终，基于维修意向指令，确定维修评估节点的监控结果。
进一步的，为了客户能够全面、清楚地了解产品的整个维修过程，并保证维修处理节点的监控结果的准确性，在本申请实施例中，当目标流程节点为维修处理节点时，对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，包括：
获取维修全程视频和维修结论单，基于维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述；
基于更换器件信息、维修流程简述和维修结论单进行结论匹配，当匹配成功时，则确定维修处理节点的监控结果为正常，并将维修全程视频和维修结论单发送至客户端；
当匹配失败时，则确定维修处理节点的监控结果为异常，生成维修处理异常信息。
对于本申请实施例，为了提升客户售后服务的体验感，针对维修处理节点来说，在维修过程中会进行实时录像，以便于客户能够全面、清楚地了解产品的整个维修过程，避免客户存在维修疑虑的情况。维修全程视频为售后技术人员针对产品进行维修全过程的拍摄视频，在维修全过程视频中至少包括：产品拆卸、零器件更换、功能验证、产品组装等，与此同时，在维修全程视频中售后技术人员可以基于维修全过程进行讲解，当然，还可以针对产品之后的日常使用提出建议，以延长产品的使用寿命。维修结论单是售后技术人员针对产品整体的维修给出的结论性总结，维修结论单包括但不限于：故障诊断、维修更换器件信息、维修过程。然而，针对返厂维修而言，同一售后技术人员在一段时间内会存在大量的产品进行返厂维修，可能会存在维修结论单与设备实际维修情况不符的情况，倘若将不符合实际情况的维修结论单发送给客户，不仅会影响客户对产品故障的认知，同时还会影响客户的售后服务的体验感，为后续的售后服务引发一系列的问题。
因而，在将维修全程视频和维修结论单发送至客户端之前，基于维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述，其中，维修行为分析的方式有多种，本申请实施例不再进行限定。在一种可实现的方式中，利用目标检测算法识别维修全程视频中出现的工程器具、设备和组件，用于帮助定位和标记维修中涉及到的关键器件；利用动作识别技术识别售后维修人员的相关动作和操作步骤，并通过分析售后维修人员的相关动作和操作步骤的动作序列，得到维修流程简述，其中，维修流程简述可以为文本形式，当然，还可以为图形化的流程图。然后，基于目标检测算法识别到的关键器件进行信息提取，确定维修过程中更换器件信息，更换器件信息包括但不限于：更换器件名称、型号。然后，基于维修全程视频对应的更换器件信息与维修结论单中的维修更换器件信息进行器件匹配，并基于维修全程视频对应的维修流程简述与维修结论单中的维修过程进行流程匹配，当器件匹配和流程匹配均匹配成功后，确定结论匹配的结果为匹配成功，则确定维修处理节点的监控结果为正常，将维修全程视频和维修结论单发送至客户端，并推进返厂维修流程向后进行，以便于客户能够及时、准确地了解到维修处理的详细情况。否则，确定结论匹配的结果为匹配失败，确定维修处理节点的监控结果为异常，固定在该维修处理节点，并生成维修处理异常信息，其中，维修处理异常信息可以为按照预设格式显示的异常信息，便于售后技术人员尽快修改维修结论单，以保证维修处理节点的监控结果的准确性。
可见，在本申请实施例中，为了提升客户售后服务的体验感，针对维修处理节点来说，在维修过程中会进行实时录像，以便于客户能够全面、清楚地了解产品的整个维修过程，避免客户存在维修疑虑的情况，基于维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述。倘若将不符合实际情况的维修结论单发送给客户，不仅会影响客户对产品故障的认知，同时还会影响客户的售后服务的体验感，为后续的售后服务引发一系列的问题，因而，基于更换器件信息、维修流程简述和维修结论单进行结论匹配，当匹配成功时，则确定维修处理节点的监控结果为正常，并将维修全程视频和维修结论单发送至客户端；当匹配失败时，则确定维修处理节点的监控结果为异常，生成维修处理异常信息，便于售后技术人员尽快修改维修结论单，以保证维修处理节点的监控结果的准确性。
进一步的，为了提升目标产品质量、增强用户体验、促进产品的迭代更新，在本申请实施例中，将维修全程视频和维修结论单发送至客户端之后，还包括：
获取目标产品对应的多个历史维修结论单，基于多个历史维修结论单进行器件质量分析，确定目标产品的易损器件；
基于目标产品和易损器件进行易损原因分析，确定易损器件对应的易损原因；
获取目标产品对应的多个历史评论信息，基于多个历史评论信息进行产品优化分析，确定目标产品的待优化信息；
基于易损器件、易损原因和待优化信息进行综合分析，确定目标产品对应的迭代更新建议。
对于本申请实施例，为了提升目标产品质量、增强用户体验、促进产品的迭代更新，针对目标产品的多个历史维修结论单和多个历史评论信息进行分析，确定目标产品的迭代更新建议，以便于生产目标产品的厂家能够及时、准确地迭代更新目标产品。
具体的，目标产品为众多产品中的一种，由于目标产品在出厂或者设计过程中，可能会存在某些问题，使得某些器件的质量与其他器件相比要低一些，常常会出现由于某些器件的质量问题而导致的售后维修，这类器件称为易损器件。因而，基于多个历史维修结论单进行器件质量分析，确定目标产品的易损器件，其中，器件质量分析的方式有多种，在一种可实现的方式中，基于多个历史维修结论单中各自对应的维修更换器件信息进行多因素分析，确定目标产品的易损器件，其中，易损器件为在多次维修中可能出现较高的故障率或更换频率的器件，多因素分析为综合器件的故障频率、维修次数、寿命等信息来评估器件质量的分析方法。维修结论单中还可以包括：分析师评估，基于目标产品、易损器件和分析师评估来进行易损原因分析，确定易损器件对应的易损原因，其中，易损原因包括但不限于：设计缺陷、制造问题、材料质量。与此同时，基于多个历史评论信息进行产品优化分析，确定目标产品的待优化信息，其中，历史评论信息可以来自维修服务的客户、用户反馈、产品论坛等渠道来获取，历史评论信息包括但不限于：产品的性能问题、功能不足问题和操作体验方面的信息；产品优化分析用于对历史评论信息进行分析，识别目标产品的待优化信息，即，根据历史评论信息的关键词、评分、频率等信息来判断用户对产品的关注点和不满意之处，确定重复出现的问题或关键需求，作为产品优化的依据。最终，基于易损器件、易损原因和待优化信息进行综合分析，确定目标产品对应的迭代更新建议，在进行综合分析时，可以针对每一方面的信息选取与之对应的解决方案，并共同构成目标产品对应的迭代更新建议，迭代更新建议包括但不限于：改进器件质量控制、修复易损原因、增加产品功能、优化设计等，迭代更新建议旨在提升产品的可靠性、性能和用户满意度。
可见，在本申请实施例中，为了提升目标产品质量、增强用户体验、促进产品的迭代更新，基于多个历史维修结论单进行器件质量分析，确定目标产品的易损器件，并基于目标产品和易损器件进行易损原因分析，确定易损器件对应的易损原因。基于多个历史评论信息进行产品优化分析，确定目标产品的待优化信息，最终，基于易损器件、易损原因和待优化信息进行综合分析，确定目标产品对应的迭代更新建议。
上述实施例从方法流程的角度介绍一种用于电商平台的售后处理方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种用于电商平台的售后处理装置，具体详见下述实施例。
本申请实施例提供一种用于电商平台的售后处理装置，如图3所示，该用于电商平台的售后处理装置具体可以包括：
服务类别分析模块210，用于获取售后服务信息，基于售后服务信息进行服务类别分析，确定服务类别，其中，服务类别包括：操作支持服务和维修服务；
服务方式分析模块220，用于基于售后服务信息和服务类别进行服务方式分析，确定服务方式；其中，操作支持服务对应的服务方式包括：线上指导和智能应答；维修服务对应的服务方式包括：服务站点推荐和返厂维修；
服务站点筛选模块230，用于当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
服务站点推荐模块240，用于获取每一待选服务站点的站点信息，并基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将目标服务站点和推荐提示信息发送至客户端，其中，站点信息包括：站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置；
售后监控模块250，用于当服务方式为返厂维修时，则获取返厂维修流程，对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，其中，返厂维修流程为返厂维修开始至结束的全过程，目标流程节点为返厂维修流程中任意一个流程节点。
对于本申请实施例，在产品的实际使用过程中，并非所有售后问题均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务，然后，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图，然后，基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率。
本申请实施例的一种可能的实现方式，当目标流程节点为维修评估节点时，售后监控模块250在执行对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果时，用于：
获取返厂准备视频，并基于返厂准备视频进行关键信息提取，得到产品维修关键信息，其中，产品维修关键信息表征产品的损坏情况；
利用产品故障预估模型对产品维修关键信息进行故障预测，得到多个潜在故障器件；
基于多个潜在故障器件和售后服务信息中产品信息进行维修预估，得到预估维修方案，并将预估维修方案发送至客户端，其中，预估维修方案包括每一潜在故障器件对应的维修费用和至少两个潜在故障器件组合维修对应的维修费用；
当检测到客户端发送的维修意向指令时，则获取维修意向指令，基于维修意向指令，确定维修评估节点的监控结果。
本申请实施例的一种可能的实现方式，当目标流程节点为维修处理节点时，售后监控模块250在执行对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果时，用于：
获取维修全程视频和维修结论单，基于维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述；
基于更换器件信息、维修流程简述和维修结论单进行结论匹配，当匹配成功时，则确定维修处理节点的监控结果为正常，并将维修全程视频和维修结论单发送至客户端；
当匹配失败时，则确定维修处理节点的监控结果为异常，生成维修处理异常信息。
本申请实施例的一种可能的实现方式，用于电商平台的售后处理装置，包括：
迭代更新模块，用于获取目标产品对应的多个历史维修结论单，基于多个历史维修结论单进行器件质量分析，确定目标产品的易损器件；
基于目标产品和易损器件进行易损原因分析，确定易损器件对应的易损原因；
获取目标产品对应的多个历史评论信息，基于多个历史评论信息进行产品优化分析，确定目标产品的待优化信息；
基于易损器件、易损原因和待优化信息进行综合分析，确定目标产品对应的迭代更新建议。
本申请实施例的一种可能的实现方式，服务方式分析模块220在执行基于售后服务信息和服务类别进行服务方式分析，确定服务方式时，用于：
当服务类别为操作支持服务时，基于服务优先级，确定服务方式为智能应答，持续获取智能应答过程的交互信息，并基于交互信息进行智能应答多维评估，得到评估结果；
当评估结果为无法满足需求时，则更改服务方式为线上指导，基于交互信息和售后服务信息进行紧急程度评估，并基于售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列；其中，服务优先级中智能应答的优先级高于线上指导的优先级；
当服务类别为维修服务时，则获取客户维修习惯、服务站点信息、返厂售后成本，并基于售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定维修服务对应的服务方式。
本申请实施例的一种可能的实现方式，售后服务信息的确定方式，包括：
获取客户服务请求，基于客户服务请求进行关键词提取，得到问题关键词，其中，客户服务请求为客户描述产品出现的问题以及提出的自身需求的信息；
获取售后订单信息，基于售后订单信息进行购买信息提取，得到购买信息；
获取规定上传图像，基于规定上传图像进行编码识别，得到产品识别码，其中，产品识别码是产品的唯一标识；
综合问题关键词、购买信息和产品识别码，得到售后服务信息。
本申请实施例的一种可能的实现方式，服务类别分析模块210在执行基于售后服务信息进行服务类别分析，确定服务类别，包括：
基于售后服务信息进行预处理，得到预处理后的售后服务信息，其中，预处理包括：信息抽取、分词处理、去除停用词；
基于预处理后的售后服务信息进行特征提取，得到售后特征；
将售后特征输入至服务类别分析模块进行语义分析，确定服务类别，其中，服务类别分析模块是利用大量的训练数据对神经网络进行训练得到的。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种用于电商平台的售后处理装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例中提供了一种电子设备，如图4所示，图4所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例，在产品的实际使用过程中，并非所有售后问题均由产品的质量引发，有一些是由于客户未充分了解和熟练掌握产品的使用方法而引发的售后问题，针对操作问题引发的售后服务，线上指导和智能应答的处理效率均高于返厂维修，故，在售后服务过程中，倘若将未存在产品质量问题的产品进行返厂维修，不仅会造成售后服务中物流资源浪费，还会降低售后服务效率。因而，基于售后服务信息进行服务类别分析，确定服务类别，将由客户操作问题引发的售后服务确定为操作支持服务，由产品质量引发的售后服务确定为维修服务，然后，基于售后服务信息和服务类别进行服务方式分析，确定服务方式，针对不同服务类别采用与之对应合适的服务方式，以提升售后服务的处理效率。进而，当服务方式为返厂维修时，则对返厂维修流程中目标流程节点进行售后监控，得到目标流程节点的监控结果，并将每一目标流程节点的监控结果发送至客户端，以便于客户能够追踪售后服务流程。当服务方式为服务站点推荐时，则基于售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于申请售后地点和每一待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图，然后，基于服务站点分布地图和每一待选服务站点的站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息。在进行服务站点推荐时，为客户筛选出最优的目标服务站点，并给到推荐提示信息，提升了售后服务的处理效率。
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。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种用于电商平台的售后处理方法，其特征在于，包括：
获取售后服务信息，基于所述售后服务信息进行服务类别分析，确定服务类别，其中，所述服务类别包括：操作支持服务和维修服务；
基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式；其中，所述操作支持服务对应的服务方式包括：线上指导和智能应答；所述维修服务对应的服务方式包括：服务站点推荐和返厂维修；
当所述服务方式为所述服务站点推荐时，则基于所述售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于所述申请售后地点和每一所述待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
获取每一所述待选服务站点的站点信息，并基于所述服务站点分布地图和每一所述待选服务站点的所述站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将所述目标服务站点和所述推荐提示信息发送至客户端，其中，所述站点信息包括：站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置；
当所述服务方式为所述返厂维修时，则获取返厂维修流程，对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，并将每一所述目标流程节点的所述监控结果发送至客户端，其中，所述返厂维修流程为返厂维修开始至结束的全过程，所述目标流程节点为返厂维修流程中任意一个流程节点。
2.根据权利要求1所述的用于电商平台的售后处理方法，其特征在于，所述基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式，包括：
当所述服务类别为所述操作支持服务时，基于服务优先级，确定所述服务方式为智能应答，持续获取智能应答过程的交互信息，并基于所述交互信息进行智能应答多维评估，得到评估结果；其中，所述服务优先级中智能应答的优先级高于线上指导的优先级；
当所述评估结果为无法满足需求时，则更改所述服务方式为线上指导，基于所述交互信息和所述售后服务信息进行紧急程度评估，并基于所述售后服务信息对应的紧急程度进行线上指导队列匹配，确定目标线上指导队列；
当所述服务类别为所述维修服务时，则获取客户维修习惯、服务站点信息、返厂售后成本，并基于所述售后服务信息、客户维修习惯、服务站点信息、返厂售后成本进行维修方式分析，确定所述维修服务对应的所述服务方式。
3.根据权利要求1所述的用于电商平台的售后处理方法，其特征在于，所述售后服务信息的确定方式，包括：
获取客户服务请求，基于所述客户服务请求进行关键词提取，得到问题关键词，其中，所述客户服务请求为客户描述产品出现的问题以及提出的自身需求的信息；
获取售后订单信息，基于所述售后订单信息进行购买信息提取，得到购买信息；
获取规定上传图像，基于所述规定上传图像进行编码识别，得到产品识别码，其中，所述产品识别码是产品的唯一标识；
综合所述问题关键词、所述购买信息和所述产品识别码，得到所述售后服务信息。
4.根据权利要求1所述的用于电商平台的售后处理方法，其特征在于，所述基于所述售后服务信息进行服务类别分析，确定服务类别，包括：
基于所述售后服务信息进行预处理，得到预处理后的售后服务信息，其中，预处理包括：信息抽取、分词处理、去除停用词；
基于所述预处理后的售后服务信息进行特征提取，得到售后特征；
将所述售后特征输入至服务类别分析模块进行语义分析，确定服务类别，其中，所述服务类别分析模块是利用大量的训练数据对神经网络进行训练得到的。
5.根据权利要求1所述的用于电商平台的售后处理方法，其特征在于，当所述目标流程节点为维修评估节点时，所述对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，包括：
获取返厂准备视频，并基于所述返厂准备视频进行关键信息提取，得到产品维修关键信息，其中，所述产品维修关键信息表征产品的损坏情况；
利用产品故障预估模型对所述产品维修关键信息进行故障预测，得到多个潜在故障器件；
基于多个所述潜在故障器件和所述售后服务信息中产品信息进行维修预估，得到预估维修方案，并将所述预估维修方案发送至客户端，其中，所述预估维修方案包括每一潜在故障器件对应的维修费用和至少两个潜在故障器件组合维修对应的维修费用；
当检测到客户端发送的维修意向指令时，则获取所述维修意向指令，基于所述维修意向指令，确定所述维修评估节点的监控结果。
6.根据权利要求1所述的用于电商平台的售后处理方法，其特征在于，当所述目标流程节点为维修处理节点时，所述对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，包括：
获取维修全程视频和维修结论单，基于所述维修全程视频进行维修行为分析，得到更换器件信息、维修流程简述；
基于所述更换器件信息、所述维修流程简述和所述维修结论单进行结论匹配，当匹配成功时，则确定所述维修处理节点的监控结果为正常，并将所述维修全程视频和所述维修结论单发送至客户端；
当匹配失败时，则确定所述维修处理节点的监控结果为异常，生成维修处理异常信息。
7.根据权利要求6所述的用于电商平台的售后处理方法，其特征在于，将所述维修全程视频和所述维修结论单发送至客户端之后，还包括：
获取目标产品对应的多个历史维修结论单，基于多个所述历史维修结论单进行器件质量分析，确定所述目标产品的易损器件；
基于所述目标产品和所述易损器件进行易损原因分析，确定所述易损器件对应的易损原因；
获取所述目标产品对应的多个历史评论信息，基于多个所述历史评论信息进行产品优化分析，确定所述目标产品的待优化信息；
基于所述易损器件、所述易损原因和待优化信息进行综合分析，确定所述目标产品对应的迭代更新建议。
8.一种用于电商平台的售后处理装置，其特征在于，包括：
服务类别分析模块，用于获取售后服务信息，基于所述售后服务信息进行服务类别分析，确定服务类别，其中，所述服务类别包括：操作支持服务和维修服务；
服务方式分析模块，用于基于所述售后服务信息和所述服务类别进行服务方式分析，确定服务方式；其中，所述操作支持服务对应的服务方式包括：线上指导和智能应答；所述维修服务对应的服务方式包括：服务站点推荐和返厂维修；
服务站点筛选模块，用于当所述服务方式为所述服务站点推荐时，则基于所述售后服务信息中的申请售后地点进行服务站点筛选，得到多个待选服务站点，并基于所述申请售后地点和每一所述待选服务站点对应的站点位置进行地图显示，得到服务站点分布地图；
服务站点推荐模块，用于获取每一所述待选服务站点的站点信息，并基于所述服务站点分布地图和每一所述待选服务站点的所述站点信息进行服务站点推荐分析，得到目标服务站点和推荐提示信息，将所述目标服务站点和所述推荐提示信息发送至客户端；其中，所述站点信息包括：站点维修评分、站点维修范围、站点技术实力、站点维修效率、站点位置；
售后监控模块，用于当所述服务方式为所述返厂维修时，则获取返厂维修流程，对所述返厂维修流程中目标流程节点进行售后监控，得到所述目标流程节点的监控结果，并将每一所述目标流程节点的所述监控结果发送至客户端，其中，所述返厂维修流程为返厂维修开始至结束的全过程，所述目标流程节点为返厂维修流程中任意一个流程节点。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～7任一项所述的用于电商平台的售后处理方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～7任一项所述的用于电商平台的售后处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311642536.9A CN117350745B (zh) | 2023-12-04 | 2023-12-04 | 一种用于电商平台的售后处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311642536.9A CN117350745B (zh) | 2023-12-04 | 2023-12-04 | 一种用于电商平台的售后处理方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117350745A true CN117350745A (zh) | 2024-01-05 |
| CN117350745B CN117350745B (zh) | 2024-03-08 |
Family
ID=89371398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311642536.9A Active CN117350745B (zh) | 2023-12-04 | 2023-12-04 | 一种用于电商平台的售后处理方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117350745B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102917310A (zh) * | 2012-11-06 | 2013-02-06 | 北京奇虎科技有限公司 | 信息推送系统 |
| CN109063852A (zh) * | 2018-08-08 | 2018-12-21 | 万翼科技有限公司 | 任务状态确认方法、装置及计算机可读存储介质 |
| CN110276458A (zh) * | 2019-06-25 | 2019-09-24 | 秒针信息技术有限公司 | 车辆故障的处理方法、装置、存储介质及电子装置 |
| CN112633758A (zh) * | 2020-12-31 | 2021-04-09 | 重庆电子工程职业学院 | 检修人员智能化线上管理系统 |
| CN113947218A (zh) * | 2021-09-16 | 2022-01-18 | 刘兆海 | 一种基于大数据的产品售后智能管理方法及系统 |
| CN114119048A (zh) * | 2021-12-01 | 2022-03-01 | 广州品唯软件有限公司 | 一种维修服务方法、装置、设备和可读存储介质 |
| CN115718802A (zh) * | 2022-11-14 | 2023-02-28 | 长城汽车股份有限公司 | 一种故障诊断方法、系统、设备及存储介质 |
-
2023
- 2023-12-04 CN CN202311642536.9A patent/CN117350745B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102917310A (zh) * | 2012-11-06 | 2013-02-06 | 北京奇虎科技有限公司 | 信息推送系统 |
| CN109063852A (zh) * | 2018-08-08 | 2018-12-21 | 万翼科技有限公司 | 任务状态确认方法、装置及计算机可读存储介质 |
| CN110276458A (zh) * | 2019-06-25 | 2019-09-24 | 秒针信息技术有限公司 | 车辆故障的处理方法、装置、存储介质及电子装置 |
| CN112633758A (zh) * | 2020-12-31 | 2021-04-09 | 重庆电子工程职业学院 | 检修人员智能化线上管理系统 |
| CN113947218A (zh) * | 2021-09-16 | 2022-01-18 | 刘兆海 | 一种基于大数据的产品售后智能管理方法及系统 |
| CN114119048A (zh) * | 2021-12-01 | 2022-03-01 | 广州品唯软件有限公司 | 一种维修服务方法、装置、设备和可读存储介质 |
| CN115718802A (zh) * | 2022-11-14 | 2023-02-28 | 长城汽车股份有限公司 | 一种故障诊断方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117350745B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210035044A1 (en) | Task-level Answer Confidence Estimation for Worker Assessment | |
| US8374905B2 (en) | Predicting success of a proposed project | |
| US10558987B2 (en) | System identification framework | |
| JP2019519021A (ja) | パフォーマンスモデル悪影響補正 | |
| US11144582B2 (en) | Method and system for parsing and aggregating unstructured data objects | |
| US20210357699A1 (en) | Data quality assessment for data analytics | |
| Ahmadi et al. | A social media analytics-based approach to customer-centric reverse logistics management of electronic devices: A case study on notebooks | |
| US11710145B2 (en) | Training a machine learning algorithm to create survey questions | |
| Ordoobadi | Inclusion of risk in evaluation of advanced technologies | |
| CN117350745B (zh) | 一种用于电商平台的售后处理方法、装置、设备和介质 | |
| US20180012229A1 (en) | Computer-Implemented System And Method For Providing Contextually Relevant Servicing | |
| CN113377640B (zh) | 解释业务场景下模型的方法、介质、装置和计算设备 | |
| WO2022226016A1 (en) | After-market service process digitization | |
| CN113779241A (zh) | 信息获取方法及装置、计算机可读存储介质、电子设备 | |
| CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
| CN112396481A (zh) | 线下产品信息发送方法、系统、电子设备和存储介质 | |
| CN113849369B (zh) | 一种评分方法、装置、设备及存储介质 | |
| US20220383271A1 (en) | Selecting remediation facilities | |
| KR102643223B1 (ko) | 유통 및 공사 서비스 제공을 위한 프로젝트 별 매입 및 매출 관리 기능 erp 시스템 운용 방법 | |
| CN112712224B (zh) | 顾客为导向的产品质量管理方法、系统、设备和介质 | |
| US20230075067A1 (en) | Systems and Methods for Resource Analysis, Optimization, or Visualization | |
| Adak et al. | Smart Cart Application for E-Commerce Websites: A Case Study | |
| CN115757802A (zh) | 文本分类处理方法、文本信息排序的展示方法、装置 | |
| CN114997968A (zh) | 一种商品卖点迁移推荐方法及系统 | |
| CN117764685A (zh) | 数据处理方法、装置、存储介质及电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |