CN117425904A - 用于任务确定、委派和自动化的系统和方法 - Google Patents
用于任务确定、委派和自动化的系统和方法 Download PDFInfo
- Publication number
- CN117425904A CN117425904A CN202280038976.0A CN202280038976A CN117425904A CN 117425904 A CN117425904 A CN 117425904A CN 202280038976 A CN202280038976 A CN 202280038976A CN 117425904 A CN117425904 A CN 117425904A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- delegate
- representative
- suggestion
- 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 description 182
- 230000008901 benefit Effects 0.000 claims abstract description 64
- 238000004422 calculation algorithm Methods 0.000 claims description 161
- 238000010801 machine learning Methods 0.000 claims description 133
- 230000015654 memory Effects 0.000 claims description 64
- 238000005304 joining Methods 0.000 claims description 54
- 238000003860 storage Methods 0.000 claims description 50
- 230000003993 interaction Effects 0.000 claims description 38
- 238000003058 natural language processing Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 10
- 230000001149 cognitive effect Effects 0.000 abstract description 11
- 230000006399 behavior Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 112
- 238000013473 artificial intelligence Methods 0.000 description 104
- 238000004891 communication Methods 0.000 description 80
- 238000009826 distribution Methods 0.000 description 75
- 230000004044 response Effects 0.000 description 47
- 238000012423 maintenance Methods 0.000 description 29
- 239000000047 product Substances 0.000 description 19
- 238000012544 monitoring process Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 238000004140 cleaning Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 12
- 230000008439 repair process Effects 0.000 description 12
- 238000012552 review Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 239000013589 supplement Substances 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000013500 data storage Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 230000008451 emotion Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 235000013305 food Nutrition 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 235000021178 picnic Nutrition 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 235000020805 dietary restrictions Nutrition 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 241000256602 Isoptera Species 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000020785 dietary preference Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000282376 Panthera tigris Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000205585 Aquilegia canadensis Species 0.000 description 1
- 244000035744 Hura crepitans Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- 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
- G06Q30/0203—Market surveys; Market polls
Abstract
公开的实施方式提供一种框架来识别和推荐可以为会员的利益而执行的任务。通过该框架,可以为会员分配代表,随着时间的推移,该代表了解会员的偏好和行为,这些偏好和行为可用于推荐可以执行的任务,以减少会员的认知负荷。此外,随着代表随着时间的推移与会员发展关系,代表还可以为会员策划体验,并帮助会员实现个人目标和抱负。
Description
相关申请的交叉引用
本专利申请要求于2021年3月30日提交的美国临时专利申请No.63/168,202的优先权权益,该临时专利申请的公开内容通过引用并入本文中。
技术领域
本发明总体上涉及任务的确定和委派。在一个示例中,本文描述的系统和方法可以用于识别和推荐可以为会员的利益而执行的任务。此外,本文描述的系统和方法可以用于为会员的利益而提供任务执行的自动协调。
发明内容
公开的实施方式可以提供一种框架来识别和推荐可以为会员的利益而执行的任务。根据一些实施方式,提供了一种计算机实现的方法。该计算机实现的方法包括接收在会员和代表之间交换的一组消息。所述代表被分配给所述会员以为了所述会员的利益执行任务。该计算机实现的方法还包括训练机器学习算法以识别可为了所述会员的利益执行的一组任务。使用所述一组消息以及历史数据来训练所述机器学习算法,所述历史数据与代表和其他会员之间先前交换的消息相对应并与为了所述其他会员的利益生成的相应任务相对应。该计算机实现的方法还包括对所述一组任务进行排序以生成经排序的一组任务。根据所述会员将与所述一组任务相关联的任务委派给所述代表以执行所述任务的可能性来对所述一组任务进行排序。该计算机实现的方法还包括提供所述经排序的一组任务。当接收到所述经排序的一组任务时,所述代表从所述经排序的一组任务中选择一个或多个任务以呈现给所述会员。该计算机实现的方法还包括更新所述机器学习算法。使用所述一组任务和会员从所述经排序的一组任务中对供执行的任务的选择来更新所述机器学习算法。
在一些实施方式中,该计算机实现的方法还包括接收生成对于与所述经排序的一组任务相关联的任务的建议的请求。该计算机实现的方法还包括提供与任务类型相对应的建议模板。所述任务类型对应于与所述一组任务相关联的所述任务。此外,所述建议模板具有一组数据字段。根据与所述会员相关联的会员简档来提供所述一组数据字段。该计算机实现的方法还包括呈现完成的建议。所述完成的建议是由于接收到所述建议模板而呈现的。此外,当呈现所述完成的建议时,监控所述会员与所述完成的建议的交互,以识别对所述建议模板的修订。
在一些实施方式中,基于与所述会员相关联的会员简档和所述代表之间的相似性向量,将所述代表分配给所述会员。
在一些实施方式中,所述计算机实现的方法还包括针对可提供给所述会员的体验生成一个或多个体验推荐。所述一个或多个体验推荐是基于与所述会员相关联的会员简档生成的。该计算机实现的方法还包括提供所述一个或多个体验推荐。当提供所述一个或多个体验推荐时,所述代表向所述会员呈现所述一个或多个体验推荐。
在一些实施方式中,该计算机实现的方法还包括检测对与所述经排序的一组任务相关联的任务相对应的一个或多个数据字段的输入。该计算机实现的方法还包括实时自动更新与所述会员相关联的会员简档,以将所述输入加入所述一个或多个数据字段中。
在一些实施方式中,该计算机实现的方法还包括使用自然语言处理(NLP)算法来识别所述一个或多个任务推荐。所述NLP算法使用所述一组消息作为输入。
在一些实施方式中,该计算机实现的方法还包括实时自动处理与所述会员相关联的会员简档,以填充与所述一个或多个任务相关联的一个或多个数据字段。所述一个或多个数据字段对应于在所述会员的加入期间提供的信息。
在一个实施方式中,一种系统,包括:一个或多个处理器和包括指令的存储器,这些指令由于由所述一个或多个处理器执行而使得所述系统执行本文所述的方法。在另一实施方式中,一种非暂时性计算机可读存储介质,在所述非暂时性计算机可读存储介质上存储有可执行指令,所述可执行指令由于由计算机系统的一个或多个处理器执行而使得所述计算机系统执行本文所述的方法。
下面详细讨论本发明的各种实施方式。尽管讨论了特定实现方式,但是应当理解,这仅出于说明目的。相关领域的技术人员能够认识到,在不脱离本发明的精神和范围的情况下,可以使用其他组件和配置。因此,以下描述和附图是说明性的而不能理解成是限制性的。描述了很多特定细节以提供对本发明的透彻理解。然而,在某些情况中,众所周知的或常规的细节没有被描述以避免使说明书含糊不清。对本发明的一个实施方式或一实施方式的提及可以是指同一实施方式或任一实施方式;并且,这种提及意味着实施方式中的至少一个实施方式。
对“一个实施方式”或“一实施方式”的提及意味着,结合该实施方式描述的特定特征、结构或特性被包括在本发明的至少一个实施方式中。在本说明书中各种地方出现的措词“在一个实施方式中”未必是全都指的是同一实施方式,也不是与其他实施方式相互排斥的不同的或替选的实施方式。此外,描述了可以由一些实施方式具有而其他实施方式不具有的各个特征。
本说明书中所使用的术语在本发明的上下文中以及在使用各个术语的特定上下文中,通常具有其在本领域中的通常含义。替选语言和同义词可用于本文中讨论的术语中的任一者或多者,并且本文是否详细阐述或讨论了术语不应有特别意义。在一些情况下,提供了用于某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。本说明书中任何地方使用的示例(包括本文讨论的任何术语的示例)仅是说明性的,并不旨在进一步限制本发明或任何示例术语的范围和含义。同样,本发明不限于本说明书中给出的各个实施方式。
在不旨在限制本发明的范围的情况下,下面给出根据本发明的实施方式的仪器、装置、方法及其相关的结果的示例。需要注意的是,为了方便读者,示例中可以使用标题或副标题,其不应以任何方式限制本发明的范围。除非另有定义,否则本文中所使用的技术术语和科学术语具有本发明所属领域普通技术人员通常理解的含义。在有矛盾的情况下,将以包括定义的本申请文件为准。
本发明的附加特征和优势将在以下描述中进行阐述,并且某种程度上能够从描述中显而易见或者可以从本文公开的原理的实践中习得。本发明的特征和优势可以通过所附权利要求中特别指出的仪器和结合来实现并获得。本发明的这些和其他特征能够从以下描述和所附权利要求变得更充分明显,或者可以从本文阐述的原理的实践中了解。
附图说明
下面将参考以下附图详细描述说明性实施方式。
图1示出了根据各种实施方式的环境的说明性示例,其中任务促进服务将代表分配给会员,通过该环境,可以推荐为了会员的利益而可执行的各种任务,以由代表和/或一个或多个第三方服务执行;
图2示出了根据至少一个实施方式的环境的说明性示例,其中代表分配系统执行会员的加入过程并基于会员和代表属性将代表分配给该会员;
图3示出了根据至少一个实施方式的环境的说明性示例,其中从会员区域收集和聚合任务相关数据以识别可以推荐给会员以由代表和/或第三方服务执行的一个或多个任务;
图4示出了根据至少一个实施方式的环境的说明性示例,其中任务推荐系统生成为了会员的利益而要执行的任务的推荐并对其进行排名;
图5示出了根据至少一个实施方式的环境的说明性示例,其中任务协调系统通过代表和/或一个或多个第三方服务为了会员的利益而分配任务并监控任务的执行;
图6示出了根据至少一个实施方式的用于将新会员加入任务促进服务并将代表分配给该新会员的过程的说明性示例;
图7示出了根据至少一个实施方式的用于生成新任务和可用于确定将向会员呈现什么任务的任务排名的过程的说明性示例;
图8示出了根据至少一个实施方式的用于基于会员和分配的代表之间交换的消息来生成任务推荐的过程的说明性示例;
图9示出了根据至少一个实施方式的用于生成建议并监控会员与所生成的建议的交互的过程的说明性示例;
图10示出了根据至少一个实施方式的用于根据所选择的建议选项来监控任务的执行的过程的说明性示例;以及
图11示出了根据各种实施方式的包括彼此电通信的各种组件的计算系统架构。
在附图中,相似的组件和/或特征可以具有相同的附图标记。此外,相同类型的各种组件可以通过在附图标记后加上破折号和第二标记来区分,第二标记在相似的组件之间进行区分。如果在说明书中仅使用了第一附图标记,则该描述适用于具有相同的第一附图标记的相似组件中的任一者,而与第二附图标记无关。
具体实施方式
在以下描述中,出于解释的目的,阐述了具体细节,以提供对某些创造性实施方式的透彻理解。然而,将显而易见的是,可以在没有这些具体细节的情况下实践各种实施方式。这些附图和描述并不意图进行限制。“示例性”一词在本文中用于表示“用作示例、实例或说明”。本文中描述为“示例性”的任何实施方式或设计不一定被解释为比其他实施方式或设计更优选或更有利。
公开的实施方式可以提供一种框架来识别和推荐可以为会员的利益而执行的任务。通过该框架,可以为会员分配代表,随着时间的推移,该代表可以了解会员的偏好和行为,这些偏好和行为可用于推荐可以执行的任务,以减少会员的认知负荷。此外,随着代表随着时间的推移与会员发展关系,代表还可以为会员策划体验,并帮助会员实现个人目标和抱负。
图1示出了根据各种实施方式的环境100的说明性示例,其中任务促进服务102将代表106分配给会员118,通过该环境,可以推荐为了会员的利益而可执行的各种任务,以由代表106和/或一个或多个第三方服务116执行。任务促进服务102可以被实施为通过识别任务并将任务委派给代表106来减少会员及其家人在他们住宅中和周围执行各种任务时的认知负荷,代表106可以为了这些会员的利益而协调这些任务的执行。在一个实施方式中,会员118可以通过计算设备120(例如,膝上型计算机、智能手机等)向任务促进服务102提交请求,以启动将代表106分配给会员120的加入过程,并启动对可为了会员118的利益而执行的任务的识别。例如,会员118可以通过由任务促进服务102提供并安装在计算设备120上的应用程序来访问任务促进服务102。附加地或替选地,任务促进服务102可以维护网络服务器(未示出),该网络服务器托管一个或多个网站,该一个或多个网站被配置为呈现或以其他方式提供界面,会员118可以通过该界面访问任务促进服务102并启动加入过程。
在加入过程期间,任务促进服务102可以收集会员118的识别信息,代表分配系统104可以使用该信息来识别代表106并将其分配给会员118。例如,任务促进服务102可以向会员118提供调查或问卷,会员118可以通过该调查或问卷提供代表分配系统104可用于为会员118选择代表106的识别信息。例如,任务促进服务102可以提示会员118提供关于会员的家庭组成(例如,会员住宅中居民的数量、会员住宅中儿童的数量、会员住宅中宠物的数量和类型等)、会员住宅的物理位置、会员118的任何特殊需要或要求(例如,身体或情感的残疾等)等的详细信息。在一些情况下,可以提示会员118提供人口统计信息(例如,年龄、种族、民族、书面/口头语言等)。也可以提示会员118指示任何个人兴趣或爱好,这些兴趣或爱好可用于识别会员118可能感兴趣的可能体验(在本文中更详细地描述)。在一些情况下,任务促进服务102可以提示会员118指定会员118希望被协助或希望委派给另一实体(例如代表和/或第三方)的任何任务。
在一个实施方式中,任务促进服务102可以提示会员118指示将任务委派给其他人(例如代表和/或第三方)时的信任级别或其他衡量标准。例如,任务促进服务102可以利用会员118在加入过程期间提交的识别信息来识别可能与会员的日常生活相关的初始任务类别。在一些情况下,任务促进服务102可以利用机器学习算法或人工智能来识别可能与会员118相关的任务类别。例如,任务促进服务102可以实施聚类算法,以基于一个或多个向量(例如,地理位置、人口统计信息、将任务委托给他人的可能性、家庭组成、住宅组成等)来识别类似位置的会员。在一些情况下,可以使用聚类算法来分析与由样本会员(例如,测试人员等)提供的任务促进服务102提供的对提示的响应相对应的输入会员特征数据集,以识别可以与任务促进服务102交互的不同类型的会员。示例聚类算法可以使用样本会员数据集(例如,历史会员数据、假设会员数据等)来训练以对会员进行分类,以便识别可能与会员相关的任务类别,该示例聚类算法可以包括:k-均值聚类算法、模糊c-均值(FCM)算法、期望最大化(EM)算法、分层聚类算法、基于密度的具有噪声的应用的空间聚类(DBSCAN)算法等。基于使用会员的识别信息生成的机器学习算法的输出,任务促进服务102可以提示会员118提供关于委派与机器学习算法提供的任务类别相对应的任务的舒适度水平的响应。这可以减少提供给会员118的提示的数量,并更好地根据会员的需要定制提示。
在一个实施方式中,将会员的识别信息、以及与会员在将不同类别的任务委派给他人时的舒适度或兴趣水平相关的任何信息提供给任务促进服务102的代表分配系统104,以识别可被分配给会员118的代表106。代表分配系统104可以使用计算机系统来实现,或者作为在任务促进服务102的计算机系统上实现的应用程序或其他可执行代码来实现。在一个实施方式中,代表分配系统104使用会员的识别信息、与会员在将任务委派给他人时的舒适度或兴趣水平相关的任何信息、以及在加入过程期间获得的任何其他信息作为分类或聚类算法的输入,该分类或聚类算法被配置为识别可能非常适合以富有成效的方式与会员118交互和通信的代表。例如,可以基于各种标准来描述代表106,这些标准包括(但不限于)人口统计和其他识别信息、地理位置、处理不同类别的任务的经验、与不同类别的会员通信的经验等。使用分类或聚类算法,代表分配系统104可以识别一组代表106,该一组代表106更有可能与会员118发展积极的长期关系,同时处理可能需要为会员118的利益而处理的任何任务。
一旦代表分配系统104已经识别出可以被分配给会员118以用作会员118的助理或礼宾的一组代表106,则代表分配系统104可以评估与该组代表106中的每个代表相对应的数据,以识别可以分配给会员118的特定代表。例如,代表分配系统104可以根据会员和代表的人口统计信息之间的相似程度或向量对该组代表106中的每个代表进行排名。例如,如果会员和特定代表共享相似的背景(例如,在同一城市上大学、来自同一家乡、共享特定兴趣等),则与可能具有不太相似背景的其他代表相比,代表分配系统104可以将该特定代表排名更高。类似地,如果会员和特定代表在地理上彼此接近,则与可能远离会员118的其他代表相比,代表分配系统104可以将该特定代表排名更高。在一些情况下,可以基于每个因素对在会员和代表之间创建积极的长期关系的影响来加权每个因素。例如,基于与会员和代表的交互相对应的历史数据,代表分配系统104可以识别不同因素之间的相关性和这些交互的极性(例如,积极的、消极的等)。基于这些相关性(或缺乏这些相关性),代表分配系统104可以对每个因素应用权重。
在一些情况下,可以为所识别的该组代表106中的每个代表分配与各种因素相对应的分数,这些因素与会员和代表的人口统计信息之间的相似程度或向量相对应。例如,每个因素可以具有与分配给该因素的权重相对应的可能的分数范围。作为说明性示例,用于获得代表分数的各种因素可以各自具有在1和10之间的可能分数。然而,基于分配给每个因素的权重,可以将该可能分数乘以加权因子,使得与具有较小权重的因素相比,具有较大权重的因素可以乘以较高的加权因子。结果是得到与确定会员118和代表之间的匹配的因素的重要性或相关性相对应的一组不同的评分范围。为各种因素确定的分数可以被聚合以获得该组代表106中的每个代表的复合分数。这些复合分数可以用于创建该组代表106的排名。
在一个实施方式中,代表分配系统104使用该组代表106的排名来选择可以分配给会员118的代表。例如,代表分配系统104可以选择排名最高的代表,并确定该代表与会员118接洽的可用性以识别和推荐任务、协调任务的解决、以及以其他方式与会员118通信,从而确保他们的需求得到处理。如果所选择的代表不可用(例如,该代表已经与一个或多个其他会员接洽,等等),则代表分配系统104可以根据上述排名选择另一代表,并确定该代表与会员118接洽的可用性。可以重复该过程,直到从该组代表106中识别出可用于与会员118接洽的代表为止。在一些情况下,代表性可用性可被用作用于获得上述代表分数的因素,由此,不可用或不具有足够带宽来容纳新会员118的代表可被分配较低的代表分数。因此,不可用的代表可以被排名为低于可用于分配给会员118的其他代表。
在一个实施方式中,代表分配系统104可以基于与每个代表的可用性相对应的信息从该组代表106中选择一代表。例如,代表分配系统104可以从该组代表106中自动选择第一可用代表。在一些情况下,代表分配系统104可以自动选择满足与会员的识别信息相对应的一个或多个标准的第一可用代表(例如,其简档与会员简档最匹配的代表等)。例如,代表分配系统104可以自动选择在会员118的地理接近范围内、与会员118共享相似背景等的可用代表。
在一个实施方式中,代表106可以是自动化进程,例如机器人,其可以被配置为自动与会员118接洽并与之交互。例如,代表分配系统104可以利用会员118在加入过程期间提供的响应作为对机器学习算法或人工智能的输入,来生成会员简档和机器人,该机器人可以用作会员118的代表106。该机器人可以被配置为自主地与会员118聊天以生成任务和建议、根据任何认可的建议代表会员118执行任务、如本文所述的其他操作等。该机器人可以根据在会员简档中定义的会员118的参数或特性来进行配置。随着机器人与会员118随着时间的推移通信,机器人可以被更新以改进机器人与会员118的交互。
在加入过程期间收集的与会员118相关联的数据、以及与所选代表相对应的任何数据,可以存储在用户数据存储器108中。用户数据存储器108可以包括与任务促进服务102的每个会员118相对应的条目。该条目可以包括相应会员118的识别信息、以及与分配给该会员118的代表相对应的标识符或其他信息。如本文中更详细地描述的,用户数据存储器108中的条目还可以包括与会员118和分配的代表之间随着时间的推移而进行的通信相对应的历史数据。例如,当会员118通过聊天会话或流与代表106交互时,通过聊天会话或流交换的消息可以被记录在用户数据存储器108中。
在一个实施方式中,任务促进服务102使用与会员118相关联的数据来创建与会员118相对应的会员简档。如上所述,任务促进服务102可以向会员118提供调查或问卷,会员118可以通过该调查或问卷提供与会员118相关联的识别信息。任务促进服务102可以使用会员118对该调查或问卷提供的响应来生成与会员118相对应的初始会员简档。在一个实施方式中,一旦代表分配系统104已经将代表分配给会员118,任务促进服务102就可以提示会员118生成与会员118相对应的新会员简档。例如,任务促进服务102可以向会员118提供调查或问卷,该调查或问卷包括可以用于补充先前在上述加入过程期间提供的信息的一组问题。例如,通过调查或问卷,任务促进服务102可以提示会员118提供关于家庭成员、重要日期(例如,生日等)、饮食限制等的附加信息。基于会员118提供的响应,任务促进服务102可以更新与会员118相对应的会员简档。
在一些情况下,会员118可以访问会员简档,例如通过任务促进服务102提供的应用程序或门户网站来进行访问。通过该应用程序或门户网站,会员118可以添加、移除或编辑会员简档内的任何信息。在一些情况下,会员简档可以被划分为与会员、会员的家庭、会员的住宅等相对应的各个部分。这些部分中的每一个可以基于在加入过程期间收集的与会员118相关联的数据以及在向会员118分配代表之后对提供给会员118的调查或问卷的任何响应来补充。此外,每个部分可以包括额外的问题或提示,会员118可以使用这些问题或提示来提供可以用于扩展会员简档的附加信息。例如,通过会员简档,可以提示会员118提供可用于访问任何外部账户(例如,信用卡账户、零售商账户等)的任何凭证,以促进任务的完成。
在一个实施方式中,会员简档中的某些信息可以被会员118或代表隐藏。例如,当代表通过完成各种任务而与会员118发展关系时,代表可以修改会员简档以提供关于会员118的备注(例如,会员的特质、关于会员的任何反馈等)。因此,当会员118访问其会员简档时,这些备注可以被隐藏,使得会员118无法查看这些备注或以其他方式访问会员简档的已经由代表118或任务促进服务102指定为会员不可获得的任何部分。
如本文中进一步详细描述的,分配给会员118的代表可以基于与代表共享的信息和/或代表自己对会员118的观察来添加或以其他方式修改会员简档中的信息。此外,当代表会员118创建或执行任务时,任务促进服务102可以自动地显露会员简档的相关部分。例如,如果代表正在为会员118生成与用餐计划相关的任务,则任务促进服务102可以自动识别会员简档中可能与用餐计划上下文相关的部分,并向代表显露会员简档的这些部分(例如,饮食偏好、饮食限制等)。在一些情况下,如果代表需要用于代表会员118创建或执行任务的附加信息,则代表可以邀请会员118更新会员简档的特定部分,而不是让会员118通过会员118和所分配的代表之间的聊天会话或其他通信会话来共享该附加信息。
在一个实施方式中,一旦代表分配系统104已将特定代表分配给会员118,代表分配系统104就向会员118和特定代表通知该配对。此外,代表分配系统104可以在会员118和所分配的代表之间建立聊天会话或其他通信会话,以促进会员118和代表之间的通信。例如,通过由任务促进服务102提供并安装在计算设备120上的应用程序,或者通过由任务促进服务102提供的门户网站,会员118可以通过聊天会话或其他通信会话与所分配的代表交换消息。类似地,代表可以被提供界面,代表可以通过该界面与会员118交换消息。
在一些情况下,会员118可以启动或以其他方式恢复与所分配的代表的聊天会话。例如,通过任务促进服务102提供的应用程序或门户网站,会员可以通过聊天会话或其他通信会话向代表发送消息,以与代表通信。会员118可以向代表提交消息以指示会员118希望获得对特定任务的帮助。作为说明性示例,会员118可以向代表提交消息,以指示会员118希望代表在未来几个月内就即将搬到丹佛提供帮助。可以通过由任务促进服务102提供的界面向代表呈现所提交的消息。因此,代表可以评估该消息并生成将被执行以帮助会员118的相应任务。例如,代表可以通过由任务促进服务102提供的界面访问任务生成表单,代表可以通过该任务生成表单提供与任务相关的信息。该信息可以包括与会员118相关的信息(例如,会员姓名、会员地址等)以及任务本身的各种参数(例如,所分配的预算、完成任务的时间范围等)。任务的参数还可以包括任何会员偏好(例如,优选品牌、优选第三方服务116等)。
在一个实施方式中,代表可以向任务促进服务102的任务推荐系统112提供从会员118获得的关于在会员118和代表之间交换的一个或多个消息中指定的任务的信息,以动态且实时地识别生成用于完成任务的一个或多个建议可能需要的任何附加任务参数。任务推荐系统112可以使用计算机系统来实现,或者作为在任务促进服务102的计算机系统上实现的应用程序或其他可执行代码来实现。在一个实施方式中,任务推荐系统112向代表提供界面,代表可以通过该界面生成任务,该任务可以通过聊天会话(例如,通过会员118使用的应用程序等)呈现给会员,并且可以由代表和/或一个或多个第三方服务116为了会员118的利益而完成。例如,代表可以提供由会员提供的任务的名称、任务的任何已知参数(例如,预算、时间范围、要执行的任务操作等)等。作为说明性示例,如果会员118发送消息“嘿,Russell,你能帮助我们在2个月内搬到丹佛吗?”,则代表可以评估该消息并生成题为“搬到丹佛”的任务。对于该任务,代表可以指示完成该任务的时间范围为两个月,如会员118所指示的。此外,代表可以添加代表已知的关于该会员的附加信息。例如,代表可以指示任何优选的搬家公司、任何预算限制等。
在一个实施方式中,任务推荐系统112向代表提供来自与会员118相对应的会员简档的任何相关信息,这些信息可用于生成任务。例如,如果代表生成题为“搬到丹佛”的新任务,则任务推荐系统112可以确定该新任务对应于搬到新城市或其他位置。因此,任务推荐系统112可以处理会员简档,以识别会员简档中可能与该任务相关的部分(例如,会员住宅的物理位置、会员住宅中居民的数量、会员住宅的面积和房间数量等)。任务推荐系统112可以自动将会员简档的这些部分显露给代表,以便允许代表使用该信息来生成新任务。替选地,任务推荐系统112可以自动使用该信息来填充用于创建新任务的任务模板内的一个或多个字段。
在一个实施方式中,代表可以访问由任务促进服务102维护的资源库,以获得可以用于生成可以代表会员118执行的新任务的任务模板。资源库可以用作与不同任务类别(例如,车辆维护任务、住宅维护任务、与家庭相关的事件任务、护理任务、与体验相关的任务等)相对应的不同任务模板的存储库。任务模板可以包括多个任务定义字段,这些字段可以用于定义可以为会员118的利益而执行的任务。例如,与车辆维护任务相对应的任务定义字段可用于定义会员车辆的品牌和型号、车辆的使用年限、与车辆上次维护时间相对应的信息、与车辆相关联的任何报告事故、与车辆相关联的任何问题的描述等。因此,资源库中维护的每个任务模板可以包括特定于与该任务模板相关联的任务类别的字段。在一些情况下,代表可以进一步定义任务模板的自定义字段,通过该自定义字段,代表可以提供在定义和完成任务时可能有用的附加信息。这些自定义字段可以被添加到任务模板,使得如果代表将来获得任务模板以创建类似的任务,则这些自定义字段可由该代表获得。
在一些情况下,如果代表从资源库中选择了特定任务模板,则任务推荐系统112可以自动识别与会员118相对应的会员简档的相关部分。例如,如上所述,每个模板可以与特定的任务类别相关联。此外,会员简档的不同部分可以类似地与不同的任务类别相关联,使得响应于代表对任务模板的选择,任务推荐系统112可以识别会员简档的相关部分。从会员简档的这些相关部分,任务推荐系统112可以自动获得可用于填充所选任务模板的一个或多个字段的信息。例如,如果会员118已经在其会员简档中指示他们驾驶2020斯巴鲁傲虎,并且该信息在会员简档的与该会员的车辆相对应的部分中指示,则任务推荐系统112可以从会员简档自动获得该信息,以填充任务模板内与会员车辆的品牌、型号和年份相对应的字段(例如,“品牌=斯巴鲁”、“型号=傲虎”、“年份=2020”等)。这可以减少代表为新任务填充任务模板所需要执行的数据输入量。
在一个实施方式中,基于代表选择的任务模板,任务推荐系统112自动确定代表可以访问会员简档的哪些部分以创建任务。例如,如果代表从资源库中选择与车辆维护任务相对应的任务模板(例如,该模板的任务类别被指定为“车辆维护”),则任务推荐系统112可以处理会员简档,以识别会员简档中可能与车辆维护任务相关的一个或多个部分(例如,会员车辆的品牌和型号、车辆的使用年限、与车辆上次维护时间相对应的信息等)。任务推荐系统112可以向代表呈现会员简档的这些相关部分,同时隐藏会员简档中可能与代表选择的任务类别不相关的任何其他部分。这可以防止代表在没有对会员简档中的任何信息的特定需要的情况下访问该信息,从而减少会员信息的暴露。
在一个实施方式中,代表可以将生成的任务提供给任务推荐系统112,以确定是否需要附加的会员输入来创建可以提交给会员以完成任务的建议。例如,任务推荐系统112可以使用机器学习算法或人工智能来处理所生成的任务和来自用户数据存储器108的与会员118相对应的信息,以自动识别任务的附加参数、以及可能需要来自会员118的用于生成建议的任何附加信息。例如,任务推荐系统112可以使用生成的任务、与会员118相对应的信息(例如,会员简档)、以及与为其他类似位置的会员执行的任务相对应的历史数据,作为对机器学习算法或人工智能的输入,来识别可自动完成任务的任何附加参数以及会员118定义任务可能需要的任何附加信息。例如,如果任务与即将搬到另一个城市有关,则任务推荐系统112可以利用机器学习算法或人工智能来识别处境相似的会员(例如,会员118的同一地理区域内的会员、具有相似任务委派敏感性的会员、执行过相似任务的会员等)。基于为会员118生成的任务、来自存储在用户数据存储器108中的会员简档的会员118的特性、以及与这些处境相似的会员相对应的数据,任务推荐系统112可以为任务提供附加参数。作为说明性示例,对于前述任务“搬到丹佛”,任务推荐系统112可以提供该任务的推荐预算、会员118可能认可的一个或多个搬家公司(如具有积极反馈的其他处境相似的会员所使用的)、等等。代表可以查看这些附加参数,并选择这些参数中的一个或多个以包括在任务中。
如果任务推荐系统112确定该任务需要附加的会员输入,则任务推荐系统112可以向代表提供可以向会员118呈现的关于该任务的问题的推荐。返回到“搬到丹佛”任务示例,如果任务推荐系统112确定针对该任务了解会员的住宅的一个或多个参数(例如,面积、房间数量等)是重要的,则任务推荐系统114可以向代表提供推荐以提示会员118提供这一个或多个参数。代表可以查看由任务推荐系统112提供的推荐,并且通过聊天会话提示会员118提供附加的任务参数。该过程可以减少为了定义特定任务而提供给会员118的提示的数量,从而减少会员118的认知负荷。在一些情况下,任务推荐系统112可以通过聊天会话自动地向会员118呈现这些问题,而不是向代表提供针对可以呈现给会员118的关于任务的问题的推荐。例如,如果任务推荐系统112确定该任务需要与会员住宅的面积有关的问题,则任务推荐系统112可以通过聊天会话自动提示会员118提供会员住宅的面积。在一个实施方式中,由会员118响应于这些问题提供的信息可以用于自动补充会员简档,使得对于未来的任务,该信息可以容易地被代表和/或任务推荐系统112获得以用于定义新任务。
在一个实施方式中,任务促进服务102自动生成与任务相对应的特定聊天会话或其他通信会话。与任务相对应的该特定聊天会话或其他通信会话可以不同于先前在会员118和代表之间建立的聊天会话。通过该特定于任务的聊天会话或其他通信会话,会员118和代表可以交换与特定任务有关的消息。例如,通过该特定于任务的聊天会话或其他通信会话,代表可以向会员118提示确定任务的一个或多个参数可能需要的信息。类似地,如果会员118有与特定任务相关的问题,则会员118可以通过该特定于任务的聊天会话或其他通信会话来提供这些问题。特定于任务的聊天会话或其他通信会话的实现可以减少通过其他聊天会话或通信会话交换的消息的数量,同时确保这些特定于任务的聊天会话或其他通信会话内的通信与相应的任务相关。
在一个实施方式中,一旦代表从会员118和/或通过任务推荐系统112获得了必要的任务相关信息(例如,通过评估为处境相似的会员执行的任务而获得的任务参数等),则代表可以利用任务促进服务102的任务协调系统114来生成用于解决任务的一个或多个建议。任务协调系统114可以使用计算机系统来实现,或者作为在任务促进服务102的计算机系统上实现的应用程序或其他可执行代码来实现。在一些示例中,代表可以利用由任务协调系统114维护的资源库来识别一个或多个第三方服务116和/或资源(例如,零售商、餐厅、网站、品牌、商品类型、特定商品等),这些第三方服务116和/或资源可以用于根据代表和任务推荐系统112识别的一个或多个任务参数来为了会员118的利益而执行任务。建议可以指定完成任务的时间范围、将参与完成任务的任何第三方服务116(如果有的话)的标识、完成任务的预算估计、用于完成任务的资源或资源类型、等等。代表可以通过聊天会话向会员118呈现建议,以征求来自会员118的响应以继续进行该建议或提供用于完成任务的替选建议。
在一个实施方式中,任务推荐系统112可以向代表提供关于代表是否应该向会员118提供建议的推荐,并向会员提供关于完成所定义的任务而听从代表的选项。例如除了向任务推荐系统112提供会员和任务相关信息以识别任务的附加参数之外,代表可以向任务推荐系统112指示其推荐,以向会员118呈现用于完成任务的一个或多个建议、以及呈现或省略听从代表来完成任务的选项。任务推荐系统112可以利用机器学习算法或人工智能来生成上述推荐。任务推荐系统112可以利用由代表提供的信息、以及来自用户数据存储器108的用于处境相似的会员的数据和与来自任务数据存储器110的相似任务(例如,具有与提交的任务相似的参数的任务、代表处境相似的会员执行的任务等)相对应的任务数据,来确定是否推荐用于完成任务的一个或多个建议的呈现,以及是否向会员118呈现听从代表来完成任务的选项。
如果代表确定要向会员呈现听从代表来完成任务的选项,则代表可以通过聊天会话向会员呈现该选项。该选项可以以按钮或其他图形用户界面(GUI)元素的形式呈现,会员可以选择该按钮或其他GUI元素来指示其对该选项的认可。例如,可以向会员呈现“鼓励(Run With It)”按钮,以向会员提供与任务执行相关的所有决策都听从代表的选项。如果会员118选择该选项,则代表可以代表会员118呈现代表已经选择的用于完成任务的建议,并且可以继续与一个或多个第三方服务116协调以根据该建议执行并完成任务。因此,不是允许会员118选择用于完成任务的特定建议,而是代表可以代表会员118选择特定建议。建议仍然可以被呈现给会员118,以便会员118查证任务如何完成。代表代表会员118为完成任务而采取的任何动作都可以记录在任务数据存储器110中与任务相对应的条目中。替选地,如果会员118拒绝所述选项,而是指示代表提供用于完成任务的一个或多个建议,则代表可以如上所述生成一个或更多个建议。
在一个实施方式中,任务推荐系统112记录会员对被呈现听从代表来完成任务的选项的反应,以用于训练用于向代表呈现该选项的推荐的机器学习算法或人工智能。例如,如果代表选择向会员118呈现该选项,则任务推荐系统112可以记录会员118是选择了该选项,还是拒绝了该提议并请求呈现与任务相关的一个或多个建议。类似地,如果代表选择呈现一个或多个建议而不呈现听从代表的选项,则任务推荐系统112可以记录会员118是对这一个或多个建议的呈现感到满意,还是请求该代表代表该会员选择建议从而听从代表来完成任务。这些会员的反应连同与任务相对应的数据、代表的动作(例如,选项的呈现、建议的呈现等)、以及由任务推荐系统112提供的推荐可以存储在任务数据存储器110中,以供任务推荐系统112在训练和/或加强机器学习算法或人工智能时使用。
在一个实施方式中,代表可以基于会员特性、任务历史、和其他因素来提议一个或多个任务。例如,当会员118通过聊天会话与代表通信时,代表可以评估来自会员118的任何消息,以识别可以执行以减少会员的认知负荷的任何任务。作为说明性示例,如果会员118通过聊天会话指示他们配偶的生日即将到来,则代表可以利用其对会员118的了解来制定一个或多个任务,该任务可以在预期他们配偶的生日时推荐给会员118。代表可以推荐诸如购买蛋糕、订购鲜花、为会员118建立独特的旅行体验等任务。在一些实施方式中,代表可以在没有会员输入的情况下生成任务提议。例如,作为加入过程的一部分,会员118可以向任务促进服务102提供对一个或多个会员资源的访问,例如会员的日历、会员的个人健身设备(例如,健身追踪器、具有通信能力的锻炼设备等)、会员的车辆数据等。从这些会员资源收集的数据可以由代表监控,代表可以解析这些数据以生成用于会员118的任务提议。
在一个实施方式中,任务推荐系统112可以评估通过与代表的聊天会话从会员118收集的数据,以识别可以呈现给会员118以供完成的一个或多个任务。例如,任务推荐系统112可以利用自然语言处理(NLP)或其他人工智能来评估从会员118接收的消息或其他通信,以识别意图。意图可以对应于会员118希望解决的问题。意图的示例可以包括(例如)主题(topic)、情绪、复杂性和紧急性。主题可以包括但不限于学科、产品、服务、技术问题、使用问题、投诉、购买请求等。例如,可以基于对消息的语义分析(例如,通过识别关键字、句子结构、重复的词、标点符号和/或非冠词)、用户输入(例如,已经选择了一个或多个类别)、和/或与消息相关的统计信息(例如,键入速度和/或响应延迟)来确定意图。NLP算法或其他人工智能可以使用该意图来识别可以推荐给会员118的可能任务。例如,任务推荐系统112可以使用NLP或其他人工智能来处理来自会员118的任何传入消息,以基于所识别的意图来检测会员118想要解决的新任务或其他问题。在一些情况下,任务推荐系统112可以利用历史任务数据和来自任务数据存储器110的相应消息来训练NLP或其他人工智能以识别可能的任务。如果任务推荐系统112识别出可以推荐给会员118的一个或多个可能的任务,则任务推荐系统112可以将这些可能的任务呈现给代表,代表可以选择可以通过聊天会话与会员118共享的任务。
在一个实施方式中,任务推荐系统112可以生成可以呈现给会员118以供完成的可能任务的列表,从而减少会员的认知负荷。例如,基于对从不同会员源(例如,个人健身或生物计量设备、视频和音频记录等)收集的数据的评估,任务推荐系统112可以识别可以为会员118的利益而完成的一组初始任务。此外,任务推荐系统112可以基于外部因素来识别附加和/或替选任务。例如,任务推荐系统112可以基于会员的地理位置来识别季节性任务(例如,树叶收集、排水沟清洁等)。作为另一示例,任务推荐系统112可以识别在会员的地理区域内和/或以其他方式类似地定位的区域内为了其他会员(例如与会员118共享一个或多个特性)的利益而执行的任务。例如,如果会员的街区内的各种会员正在清洁他们的排水沟或密封车道以备冬季使用,则任务推荐系统112可以确定这些任务可以为了会员118的利益而执行,并且可以呼吁会员118来完成。
在一个实施方式中,任务推荐系统112可以使用该组初始任务、来自用户数据存储器108的特定于会员的数据(例如,特性、人口统计信息、位置、对推荐和建议的历史响应等)、来自用户数据存储器108的与处境相似的会员相对应的数据、以及来自任务数据存储器110的与先前为会员118和其他处境相似的会员的利益而执行的任务相对应的历史数据,作为机器学习算法或人工智能的输入,来识别可以推荐给会员118以供执行的一组任务。例如,虽然一组初始任务可以包括与排水沟清洁相关的任务,但是基于会员的偏好,会员118可能更喜欢自己执行该任务。因此,机器学习算法或人工智能的输出(例如,可以向会员118推荐的一组任务)可以省略该任务。此外,除了可以推荐给会员118的该组任务之外,如上所述,机器学习算法或人工智能的输出可以针对每个识别的任务指定用于呈现按钮或其他GUI元素的推荐,会员118可以选择该按钮或其他GUI元素来指示其想要听从代表来执行该任务。
可向代表提供可推荐给会员118的该组任务的列表,以最终确定哪些任务可通过任务专用界面(例如,特定于这些任务的通信会话等)呈现给会员118。在一个实施方式中,任务推荐系统112可以基于会员118选择任务以委派给代表执行和/或与第三方服务116协调的可能性来对该组任务的列表进行排名。替选地,任务推荐系统112可以基于完成每个任务的紧急程度来对该组任务的列表进行排名。紧急程度可以基于会员特性(例如,与会员自己对某些任务或任务类别的优先级相对应的数据)和/或如果不执行任务则对会员118的潜在风险来确定。例如,由于一氧化碳过滤器对会员安全可能更为关键,因此与在会员住宅中更换或安装一氧化碳检测器相对应的任务可能比与更换冰箱饮水机过滤器相对应的任务排名更高。作为另一说明性示例,如果会员118对其车辆的维护非常重视,则任务推荐系统112可以将与车辆维护相关的任务排名为高于与其他类型的维护相关的任务。作为又一说明性示例,任务推荐系统112可以将与即将到来的生日相关的任务排名为高于可以在即将到来的生日之后完成的任务。
代表可以查看由任务推荐系统112推荐的一组任务,并选择这些任务中的一个或多个,以通过与这些任务相对应的任务专用界面呈现给会员118。此外,如上所述,代表可以确定是否向任务呈现听从代表来执行任务的选项(例如,使用按钮或其他GUI元素来指示会员听从代表来执行任务的偏好)。在一些情况下,可以根据任务推荐系统112生成的排名将一个或多个任务呈现给会员118。替选地,可以根据代表对会员自己的任务优先级偏好的理解来呈现一个或多个任务。通过任务促进服务102提供的界面,会员118可以访问与这些任务相关的任何任务专用界面,以选择可以在代表的帮助下执行的一个或多个任务。替选地,会员118可以取消会员118宁愿亲自执行或者会员118由于其他原因不希望执行的任何呈现的任务。
在一个实施方式中,任务推荐系统112可以自动选择一个或多个任务,以便在没有代表交互的情况下通过任务专用界面呈现给会员118。例如,任务推荐系统112可以利用机器学习算法或人工智能来从先前由任务推荐系统12排名的一组任务的列表中选择可以通过任务专用界面呈现给会员118的任务。作为说明性示例,任务推荐系统112可以使用来自用户数据存储器108的与会员118相对应的会员简档(其可以包括与会员-代表通信相对应的历史数据、与代表表现和所呈现的任务/建议相对应的会员反馈等)、会员118当前正在进行的任务、以及该组任务的列表,作为机器学习算法或人工智能的输入。由机器学习算法或人工智能生成的输出可以指示该组任务的列表中的哪些任务将通过与这些任务相对应的任务专用界面自动呈现给会员118。当会员118与这些新呈现的任务交互时,任务推荐系统112可以记录这些交互,并使用这些交互来进一步训练机器学习算法或人工智能,以更好地确定向会员118和其他处境相似的会员呈现哪些任务。
在一个实施方式中,任务推荐系统112可以监控会员118和代表之间的聊天会话、以及与由任务促进服务102提供的且与可以代表会员118执行的不同任务相关的任务专用界面的会员交互,以收集关于会员选择任务以委托代表执行的数据。例如,任务推荐系统112可以处理与代表通过聊天会话呈现给会员118的任务相对应的消息、以及与对应于这些任务的任务专用界面的任何交互(例如,任何特定于任务的通信会话、与特定任务相关的讨论的会员创建等),以确定与每个任务相对应的极性或情绪。例如,如果会员118在给代表的消息中指示其不希望接收与车辆维护相对应的任何任务推荐,则任务推荐系统112可以将消极极性或情绪归于与车辆维护相对应的任务。替选地,如果会员118选择与排水沟清洁相关的任务以委派给代表和/或在给代表的消息中指示对该任务的推荐是一个好主意,则任务推荐系统112可以将积极极性或情绪归于该任务。在一个实施方式中,任务推荐系统112可以使用对推荐给会员118的任务的这些响应来进一步训练或加强用于生成任务推荐的机器学习算法或人工智能,这些任务推荐可以被呈现给会员118和任务促进服务102的其他处境相似的会员。
在一个实施方式中,除了推荐可以为会员118的利益而执行的任务外,代表还可以推荐一个或多个精心策划的体验,这些体验可能会吸引会员118将注意力从紧急事务上移开,并在自己和家人身上花更多时间。如上所述,在加入过程期间,可以提示会员118指示会员118认为愉快的任何兴趣或爱好。此外,当代表通过聊天会话继续其与会员118的交互时,代表可以提示会员118以自然的方式提供关于其兴趣的附加信息。例如,代表可以问会员118“这个周末你要做什么?”。基于会员的响应,代表可以更新会员简档以指示会员的偏好。因此,随着时间的推移,代表和任务促进服务102可以发展对会员的兴趣和爱好的更深入的理解。
在一个实施方式中,任务促进服务102在任务促进服务操作的每个地理市场中生成一组可供会员使用的体验。例如,任务促进服务102可以与每个地理市场内的各种组织合作,以识别任务促进服务的会员可能感兴趣的独特的和/或有时间限制的体验机会。此外,对于可能不需要策划的体验(例如,徒步旅行、散步等),任务促进服务102可以识别每个地理市场内可能对其会员有吸引力的流行体验。任务促进服务102收集的信息可以存储在任务推荐系统112和各种代表106可访问的资源库或其他存储库中。
在一个实施方式中,对于每个可用体验,任务促进服务102可以生成模板,该模板包括用于代表会员118计划体验所需的来自会员118的信息、以及当向会员118呈现体验推荐的建议时建议会是什么样子的梗概。这可以使代表更容易地完成与体验相关联的(一个或多个)任务的定义。在一些情况下,模板可以并入来自各种来源的数据,这些来源提供高质量的推荐,且例如旅行指南、美食和餐厅指南、声誉良好的出版物等。在一个实施方式中,如果代表选择特定模板来创建与体验相关联的任务,则任务推荐系统112可以自动识别会员简档中可用于填充模板的部分。例如,如果代表选择了与晚上外出去餐厅相对应的模板,则任务推荐系统112可以自动处理会员简档,以识别与会员的饮食偏好和限制相对应的任何信息,这些信息可以用于填充由代表选择的任务模板内的一个或多个字段。
在一个实施方式中,任务推荐系统112周期性地(例如,每月、每两个月等)或响应于触发事件(例如,执行设定数量的任务、会员请求等),来选择可以推荐给会员118的一组体验。例如,类似于可以推荐给会员118的任务的识别,任务推荐系统112可以至少使用该组可用体验和来自用户数据存储器108的会员偏好作为对机器学习算法或人工智能的输入,以获得可以推荐给会员118的一组体验作为输出。在一些情况下,任务推荐系统112可以代表所述代表通过聊天会话或者通过与一组体验中的每一个体验相对应的任务专用界面向会员118呈现该组体验。每个体验推荐可以指定对该体验的描述以及会员118可能产生的任何相关成本。此外,对于所呈现的每个体验推荐,任务推荐系统112可以提供可由会员118选择的按钮或其他GUI元素,以请求策划会员118的体验。
如果会员118选择与会员118希望代表其策划的体验相对应的特定体验推荐,则任务推荐服务112或代表可以生成与所选体验推荐的策划相关的一个或多个新任务。例如,如果会员118选择与周末野餐有关的体验推荐,则任务推荐系统112或代表可以将新任务添加到会员的任务列表中,使得会员118可以评估任务的完成进度。此外,代表可以向会员118询问与所选择的体验相关的具体问题,以帮助代表确定完成与所选体验相关联的任务的建议。例如,如果会员118选择与周末野餐的策划相关的体验推荐,则代表可以询问会员118将有多少成年人和儿童参加,因为该信息可以指导代表为所有各方策划周末野餐并且识别适当的第三方服务116和周末野餐的可能场地。由会员118提供的响应可用于更新会员简档,使得对于类似的体验和相关任务,这些响应可用于自动获得可用于策划体验的信息。
与上述为会员118的利益而完成任务的过程类似,代表可以生成对策划选定的体验的一个或多个建议。例如,代表可以生成建议,该建议除了其它之外提供体验的日期/时间列表、体验的可能场所列表(例如,公园、电影院、徒步旅行路线等)、可能的用餐选项和相应价格列表、送餐或取餐选项等。建议中的各种选项可以通过特定于该体验的聊天会话或通信会话(例如,与特定体验相对应的任务专用界面)并通过任务促进服务102提供的应用程序或门户网站呈现给会员118。基于会员对建议中呈现的各种选项的响应,代表可以指示其正在启动体验的策划过程。此外,代表可以提供与体验相关的可能与会员118有关的信息。例如,如果会员118已经选择了从所选餐厅取得食物以用于周末野餐的选项,则代表可以提供从会员住宅到餐厅以取得食物的详细驾驶路线(如果会员118选择了送餐选项,则这不会呈现)、从餐厅到所选场地的详细驾驶方向、停车信息、要订购的食物的列表、以及所订购食物的总价。会员118可以审查该建议并且可以确定是否接受该建议。如果会员118接受该建议,则代表可以继续执行各种任务来策划所选择的体验。
一旦会员118已经为特定任务选择了特定建议,或者已经选择了与特定任务相关联的按钮或其他GUI元素来指示其希望听从代表来执行任务,如果该任务将使用第三方服务116来完成,则代表可以为了会员118的利益而与一个或多个第三方服务116协调以完成任务。例如,代表可以利用任务促进服务102的任务协调系统114来识别和联系一个或多个第三方服务116以执行任务。如上所述,任务协调系统114可以包括资源库,该资源库包括与第三方服务116相关的详细信息,该第三方服务116可以用于代表任务促进服务102的会员执行任务。例如,资源库中的第三方服务的条目可以包括第三方服务的联系信息、第三方服务提供的服务或商品的任何可用价格表、第三方服务提供的商品和/或服务的列表、营业时间、根据不同类别的会员的评级或分数等。代表可以查询资源库以识别要执行任务的一个或多个第三方服务,并确定执行任务的估计成本。在一些情况下,代表可以联系一个或多个第三方服务116以获得完成任务的报价,并为了会员118的利益而协调任务的执行。
在一些情况下,资源库还可以包括与其他服务和其他实体相对应的详细信息,这些其他服务和其他实体可以与任务促进服务102相关联或附属于任务促进服务102,并且签约代表任务促进服务102的会员执行各种任务。这些其他服务和其他实体可以以与任务促进服务102商定的费率提供其服务或商品。因此,如果代表从资源库中选择这些其他服务或其他实体中的任何一个,则代表能够确定用于完成任务的特定参数(例如,价格、可用性、所需时间等)。
在一个实施方式中,对于给定任务,代表(例如通过任务促进服务提供的门户网站或应用程序)可以查询资源库,以识别向其征求完成任务的报价的、附属于任务促进服务102的一个或多个第三方服务和其他服务/实体。例如,对于新创建的任务,代表可以向这一个或多个第三方服务和其他服务/实体发送工作邀请。该工作邀请可以指示将要完成的任务的各种特性(例如,任务的范围、会员118的一般地理位置或任务将在哪里完成的一般地理位置、期望的预算等)。通过任务促进服务102提供的应用程序或门户网站,第三方服务或其他服务/实体可以审查工作邀请并确定是提交完成任务的报价还是拒绝工作邀请。如果第三方服务或其他服务/实体选择拒绝工作邀请,则代表可接收指示第三方服务或其他服务/实体已拒绝该工作邀请的通知。替选地,如果第三方服务或其他服务/实体选择出价来执行任务(例如,接受工作邀请),则第三方服务或其他服务/实体可以提交完成任务的报价。该报价可以指示完成任务的估计成本、完成任务所需的时间、第三方服务或其他服务/实体可用于开始执行任务的估计日期等。
代表可以使用第三方服务和/或其他服务/实体提供的任何报价来生成完成任务的不同建议。这些不同的建议可以通过与要完成的特定任务相对应的任务专用界面呈现给会员118。如果会员118从通过任务专用界面呈现的一组建议中选择特定建议,则代表可以向提交与所选建议相关联的报价的第三方服务或其他服务/实体发送通知,以指示其已被选择用于完成任务。因此,代表可以利用任务协调系统114来与第三方服务或其他服务/实体协调以完成任务,如本文中更详细描述的。
在一些情况下,如果任务将由代表106完成,则代表106可以利用任务促进服务102的任务协调系统114来识别代表106可以用于执行任务的任何资源。资源库可以包括与可用于执行任务的不同资源相关的详细信息。作为说明性示例,如果代表106的任务是为会员的住宅购买一组过滤器,则代表106可以查询资源库以识别零售商,该零售商可以销售会员118可接受的质量和/或价格并且对应于会员118所接受的建议的过滤器。此外,代表106可以从用户数据存储器108获得会员118的可用支付信息,该可用支付信息可以用于为代表106完成任务所需的任何资源提供支付。使用上述示例,代表106可以从用户数据存储器108获得会员118的支付信息,以完成向零售商购买将在会员的住宅中使用的该组过滤器。
在一个实施方式中,任务协调系统114使用机器学习算法或人工智能来代表所述代表选择一个或多个第三方服务116和/或资源来执行任务。例如,任务协调系统114可以利用所选择的建议或与任务相关的参数(例如,如果会员118已经听从代表来确定如何执行任务)、以及来自任务数据存储器110的与类似任务相对应的历史任务数据,作为对机器学习算法或人工智能的输入。机器学习算法或人工智能可以产生一个或多个第三方服务116的列表作为输出,该一个或多个第三方服务116可以以会员118满意的高概率来执行任务。如果任务将由代表106执行,则机器学习算法或人工智能可以产生资源(例如,零售商、餐厅、品牌等)的列表作为输出,该资源可以由代表106用于以会员118满意的高概率来执行任务。如上所述,对于每个第三方服务116,资源库可以包括与由任务促进服务102的会员确定的对第三方服务116的满意度相关联的评级或分数。此外,资源库可以包括由任务促进服务102的会员确定的与对每个资源(例如,零售商、餐厅、品牌、商品、材料等)的满意度相关联的评级或分数。例如,当任务完成时,代表可以提示会员118提供关于第三方服务在为会员118的利益完成任务中的表现的评级或分数。作为另一示例,如果任务由代表106执行,则代表可以提示会员118提供关于代表的表现以及代表用于完成任务的资源的评级或分数。每个评级或分数与提供该评级或分数的会员相关联,使得任务协调系统114可以使用机器学习算法或人工智能基于第三方服务的表现来确定对任务的执行感到满意的可能性,或者对代表针对处境相似的会员的类似任务所使用的资源感到满意的可能性。任务协调系统114可以生成用于执行任务的推荐的第三方服务116和/或资源的列表,由此可以根据分配给每个识别的第三方服务和/或资源的满意度的可能性(例如,分数或其他度量)来对该列表进行排名。
在一些情况下,如果第三方服务或其他服务/实体无法根据所选建议中提供的估计完成任务,则可以向会员118提供取消特定任务或以其他方式更改任务的选项。例如,如果用于执行任务的新的估计成本超过所选建议中指定的最大金额,则会员118可以要求代表在建议中指定的预算内找到替选的第三方服务或其他服务/实体来执行任务。类似地,如果完成任务的时间范围不在建议中指示的时间范围内,则会员118可以要求代表在原始时间范围内找到替选的第三方服务或其他服务/实体来执行任务。会员的干预可以由任务推荐系统112和任务协调系统114记录,以再训练其相应的机器学习算法或人工智能,从而更好地识别可以在定义的建议参数内执行任务的第三方服务116和/或其他服务/实体。
在一个实施方式中,一旦代表与一个或多个第三方服务116或其他服务/实体签订了执行任务的合同,任务协调系统114就可以监控这些第三方服务116或其他服务/实体对任务的执行。例如,任务协调系统114可以记录由第三方服务116或其他服务/实体提供的关于执行任务的时间范围、与执行任务相关联的成本、关于执行任务的任何状态更新等的任何信息。任务协调系统114可以将该信息与任务数据存储器110中与正在执行的任务相对应的数据记录相关联。由第三方服务116或其他服务/实体提供的状态更新可以通过任务促进服务102提供的应用程序或门户网站自动提供给会员118以及代表。
在一个实施方式中,如果任务将由代表106执行,则任务协调系统114可以监控代表106对任务的执行。例如,任务协调系统114可以实时监控代表106和会员118之间关于代表对任务的执行的任何通信。这些通信可以包括来自代表106的指示关于任务的执行的任何状态更新的消息、代表106在执行任务中产生的任何购买或费用、完成任务的时间范围等等。任务协调系统114可以将来自代表106的这些消息与任务数据存储器110中对应于正在执行的任务的数据记录相关联。
在一些情况下,代表可以代表会员118自动为由一个或多个第三方服务116提供的服务和/或商品提供支付,或者为代表为完成任务而进行的购买提供支付。例如,在加入过程期间,会员118可以提供支付信息(例如,信用卡号码和相关联的信息、借记卡号码和相关联的信息、银行信息等),代表可以使用这些支付信息来向第三方服务116提供支付,或者为代表106为了会员118的利益而进行的购买提供支付。因此,会员118可能不需要提供任何支付信息来允许代表106和/或第三方服务116为了会员118的利益而启动任务的执行。这可以进一步减少会员118管理任务执行的认知负荷。
如上所述,一旦任务已经完成,就可以提示会员118提供关于任务完成的反馈。例如,可以提示会员118提供关于所选择的第三方服务116在执行任务中的表现和专业性的反馈。此外,可以提示会员118提供关于代表提供的建议的质量以及关于任务的执行是否已经解决了与任务相关联的根本问题的反馈。使用由会员118提供的响应,任务促进服务102可以训练或以其他方式更新由任务推荐系统112和任务协调系统114使用的机器学习算法或人工智能,以提供更好的对任务的识别、对建议的创建、对用于为会员118和其他处境相似的会员的利益完成任务的第三方服务116和/或其他服务/实体的识别、对可以提供给代表106以为会员118的利益而执行任务的资源的识别、等等。
应该注意的是,对于本文所述的过程,代表106执行的各种操作可以附加地或替选地使用一个或多个机器学习算法或人工智能来执行。例如,随着代表106代表会员118随着时间的推移执行或以其他方式协调任务的执行,任务促进服务102可以根据与代表106和/或第三方服务116执行这些任务相关的会员反馈来持续且自动地更新会员简档。在一个实施方式中,任务推荐系统112在一段时间内(例如,六个月、一年等)或一组任务(例如,二十个任务、三十个任务等)上更新了会员的简档之后,可以利用机器学习算法或人工智能来在具有或不具有代表交互的情况下基于会员简档的各种属性(例如,与会员-代表通信相对应的历史数据、与代表表现和所呈现的任务/建议相对应的会员反馈等)自动且动态地生成新任务。任务推荐系统112可以自动地与会员118通信以获得新任务所需的任何附加信息,并且自动地生成可以呈现给会员118以执行这些任务的建议。代表106可以监控任务推荐系统112和会员118之间的通信,以确保对话保持积极极性(例如,会员118对其与任务推荐系统112或其他机器人的交互感到满意等)。如果代表106确定对话具有消极极性(例如,会员118表达沮丧、任务推荐系统112或机器人无法处理会员的响应或询问、等等),则代表106可以干预对话。这可以允许代表106解决任何会员关心的问题并代表会员118执行任何任务。
因此,与自动化客户服务系统和环境不同(其中这些系统和环境可能对用户与代理或其他自动化系统的交互知之甚少甚至一无所知),任务推荐系统112可以基于会员与系统的自动交互或与代表106的交互以及基于随着时间的推移代表会员118执行的任务来持续更新会员简档,以提供关于会员118的最新历史信息。该历史信息可以随着会员118或系统与代表106的交互以及随着时间的推移为会员118设计、建议和执行任务,而自动且动态地更新,该历史信息可由任务推荐系统112用于预测、识别和呈现对会员118的查询、需要和/或目标的适当或智能的响应。
图2示出了根据至少一个实施方式的环境200的说明性示例,其中代表分配系统104执行会员118的加入过程并基于会员和代表属性将代表106分配给该会员118。在环境200中,响应于会员118请求启动加入过程以通过任务促进服务创建账户,任务促进服务的代表分配系统104可以向会员118发送一个或多个加入提示,以收集关于会员118的信息,该信息可用于创建会员简档并基于会员简档识别可呈现给会员118的可能任务。例如,如图2所示,会员118可以向代表分配系统104的会员加入子系统202提交其请求。会员加入子系统202可以使用计算机系统来实现,或者作为在代表分配系统104的计算机系统上实现的应用程序或其他可执行代码来实现。
在一个实施方式中,代表分配系统104的会员加入子系统202选择可以提供给会员118的一个或多个问题,以获取关于会员118的初始信息,该初始信息可以用于生成会员118的会员简档。例如,会员加入子系统202可以初始提示会员118提供关于会员118的基本人口统计信息。作为说明性示例,会员加入子系统202可以提示会员118提供其物理地址、年龄、关于家庭的其他会员(例如,配偶、子女、其他受抚养人等)的信息、关于任何兴趣或爱好的信息、家庭中所说的语言等。此外,会员加入子系统202可以提示会员118指示关于特定类别的任务(例如,清洁任务、维修任务、维护任务等)的委派的舒适度。在一些情况下,会员加入子系统202可以提示会员118指示会员118有兴趣将哪些初始任务委派给其他人,以便消除他们的认知负荷。
会员加入子系统202可以向会员建模子系统204提供对这些初始提示的响应,以开始为会员118生成会员简档的过程。会员建模子系统204可以使用计算机系统来实现,或者作为在代表分配系统104的计算机系统上实现的应用程序或其他可执行代码来实现。在一个实施方式中,会员建模子系统204可以实施机器学习算法或人工智能,该机器学习算法或人工智能被训练为识别可以提交给会员118的附加提示,以获得可用于生成会员118的会员简档的附加信息。此外,机器学习算法或人工智能可以被配置为使用会员118响应于提交给会员118的各种提示而提供的响应、以及来自用户数据存储器108的其他会员数据,来生成会员118的会员简档,该会员简档可用于识别可能最适合与会员118交互并根据会员的偏好和行为为会员118的利益而执行各种任务的代表。
作为说明性示例,如果会员118响应于来自会员加入子系统202的初始提示而提供关于会员118的基本信息,则会员建模子系统204可以使用分类或聚类算法来处理所提供的信息,以基于一个或多个向量(例如,地理位置、人口统计信息、将任务委派给他人的可能性、家庭组成、住宅组成等)来识别处境相似的会员。在一些情况下,可以使用聚类算法来分析与由样本会员(例如测试人员等)提供的会员加入子系统292提供的对提示的响应相对应的输入会员特性的数据集,以识别可以与任务促进服务交互的不同类型的会员。此外,当实际会员完成加入过程时,会员建模子系统204可以再训练聚类算法和/或调整与不同会员类型相对应的各种集群,以更准确地预测加入会员(例如会员118)的会员类型。
在一个实施方式中,根据基于会员118在加入过程期间提供的初始响应对会员118的初始分类,会员建模子系统204可以识别可以提供给会员118的附加问题或提示,以获得可用于将会员118更好地分类为属于特定会员类型或分类的附加信息。作为说明性示例,如果会员建模子系统204确定会员118可以属于与会员118共享相似基本特性的特定会员类别,则会员建模子系统204可以评估与该特定会员类别的会员相对应的会员简档,以识别可以用于确定会员118是否与这些会员共享更多共同点的附加问题或提示。例如,如果特定类别中的大量会员具有为其执行任务的特定类型的车辆,则会员建模子系统204可以确定与会员的车辆相关的问题在识别会员118的可能任务时可能高度相关。作为另一说明性示例,如果已知特定类别的会员更喜欢处理他们自己的景观美化,则会员建模子系统204可以确定与会员的景观美化偏好相关的问题,对于确定是否向会员118推荐将景观美化任务委派给其他人以及可以提供这样的推荐的频率,可能是高度相关的。这种针对会员加入的定制的方法可以减轻会员118的参与繁重的过程来响应可能包括不相关或不必要的问题的大量问题的负担。
基于会员118向会员加入子系统202提供的响应,会员建模子系统204可以生成会员118的会员简档或模型,该会员简档或模型可以用于随着时间的推移识别任务和建议并向会员118推荐任务和建议。会员简档或模型可以定义会员118的一组属性,代表可以使用该组属性来确定如何最好地在对话中与会员118交谈、向会员118推荐任务和建议、以及为了会员118的利益而执行任务。这些属性可以包括会员在将某些类别的任务委派给其他人或执行某些类别的任务本身时的行为或偏好的衡量标准。例如,由会员建模子系统204确定的会员属性可以提供与会员118将不同类别的任务委派给其他人执行的概率相对应的分数或其他度量。作为另一示例,会员属性可以提供与用于完成任务(如果被委派的话)的建议一起被呈现的会员偏好或者简单地允许他人为会员118做出决定的指示。其他会员属性可以指示会员118是否关心预算、品牌知名度、评价(例如,餐厅评价、产品评价等)、准时性、响应速度等。会员属性还可以包括在上述加入过程期间提供的关于会员118的基本信息。
在一个实施方式中,会员建模子系统204允许会员118访问会员简档,以便提供可用于补充会员简档的附加信息和/或修改任何先前添加的信息。例如,通过任务促进服务提供的应用程序或门户网站,可以向会员118提供链接或其他交互元素,该链接或其他交互元素可以由会员118用来访问其会员简档。在会员简档中,会员118可以添加、移除或编辑会员简档内的任何信息。如上所述,会员简档可以被划分为与不同会员特性相对应的各个部分,例如个人人口统计信息、家庭组成、住宅组成、支付信息等。会员建模子系统204可以基于会员先前提供的在加入过程期间对会员建模子系统204提供的提示的响应、以及会员118在加入过程期间对提供给会员118的调查或问卷所提供的任何响应,来自动填充各个部分的要素。会员简档的每个部分还可以包括附加的问题或提示,会员118可以使用这些附加的问题或提示来提供可以用于扩展会员简档的附加信息。
在一些情况下,会员118可以将会员简档的一个或多个部分或子部分指定为私人的,从而使代表或除会员118之外的任何其他实体看不到这一个或多个部分或子部分。例如,会员118可以指示与一个或多个支付方法相关联的支付信息要被隐藏,以使得分配给会员118的代表不能查看该支付信息。然而,该支付信息可以由任务促进服务用于支付处理(例如,用于第三方服务的支付等),而不将支付信息暴露给代表。
如上所述,会员简档中的某些信息可以对会员118隐藏。例如,随着会员118和所分配的代表之间关系的发展,所分配的代表可以添加关于会员118的个人备注。这些个人备注可能与会员118无关,并且因此可以对会员118隐藏。因此,当会员118访问会员简档时,被指定为仅由代表可访问的任何部分或子部分可以自动地为会员118遮蔽。
在一个实施方式中,会员建模子系统204将所识别的会员属性提供给会员-代表配对子系统206,以识别可分配给会员118的代表。会员-代表配对子系统206可以使用计算机系统来实现,或者作为在代表分配系统104的计算机系统上实现的应用程序或其他可执行代码来实现。会员-代表配对子系统206可以使用所提供的会员属性来从可以分配给会员118的一组代表106中选择代表,以帮助会员118识别任务、为会员118的利益而执行任务,以及以其他方式减少会员118在日常生活中的认知负荷。
在一个实施方式中,会员-代表配对子系统206实施机器学习算法或人工智能,该机器学习算法或人工智能利用所提供的会员属性作为输入来识别可分配给会员118的一个代表或一组代表,该会员属性可以提供会员118和所识别的代表之间的积极关系的高可能性。可以使用无监督训练技术来训练该机器学习算法或人工智能。例如,可以使用聚类算法来分析输入会员属性和代表属性的数据集,以识别不同会员类型和代表类型之间的相关性。相反,还可以使用聚类算法来分析输入会员属性和代表性属性的数据集,以识别彼此不太适合的会员类型和代表类型。可以使用样本会员属性和代表属性(例如,历史数据、假设数据等)来训练以识别潜在配对的示例聚类算法可以包括k-均值聚类算法、模糊c-均值(FCM)算法、期望最大化(EM)算法、分层聚类算法、基于密度的具有噪声的应用的空间聚类(DBSCAN)算法等。基于使用会员属性和来自代表数据存储器208的数据作为输入而生成的机器学习算法的输出,会员-代表配对子系统206可以从可以被分配给会员118的一组代表106中识别一个或多个代表。
代表数据存储器208可以包括用于该组代表106中的每个代表的与任务促进服务相关联的条目。与代表相对应的条目可以指定代表的各种特性。这些特性可以类似于在会员118的加入期间由会员加入子系统202收集的特性。例如,代表的特性可以包括代表的物理地址、年龄、关于家庭的其他会员(例如,配偶、子女、其他受抚养人等)的信息、关于任何兴趣或爱好的信息、家庭中所说的语言等。此外,代表数据存储器208中对应于特定代表的条目可以指示该代表对于任务促进服务的其他会员的表现。如本文中更详细描述的,任务促进服务可以监控代表表现,并征求会员关于会员与所分配代表的关系的反馈。基于所提供的对代表表现的反馈和评估,任务促进服务可以确定代表在与会员的关系和对会员的协助方面的表现。与代表的表现相关联的一个或多个度量可以被添加到代表数据存储器208中的代表的条目。例如,条目可以针对与该条目相关联的特定代表指定每个会员-代表配对的表现分数。作为说明性示例,如果代表与特定会员有积极的关系,并且有助于减少该会员的认知负荷,则可以为该配对分配高表现分数。替选地,如果代表与特定会员有中立或消极关系,则可以为该配对分配较低的分数。来自代表数据存储器208的这些表现分数以及代表特性可以被会员-代表配对子系统206用作会员属性的输入,以识别可以分配给会员118的一个或多个代表。
一旦会员-代表配对子系统206已经识别出可以分配给会员118的一组代表,会员-代表配对子系统206就可以从一个或多个代表中选择一代表来分配给该会员118。例如,会员-代表配对子系统206可以根据与会员118和该组代表中的每个代表之间的可能相配性相对应的概率或其他度量来对该组代表进行排名。基于该组代表的排名,会员-代表配对子系统206可以从该组代表中选择排名最高的代表,并确定该代表是否可用于分配。例如,根据代表数据存储器208,会员-代表配对子系统206可以确定该代表当前是否被分配给阈值数量的其他会员,或者由于其他原因而不可用于分配(例如,休假等)。如果所选择的代表不可用,则会员-代表配对子系统206可以从所识别的该组代表中选择替选代表,并识别该替选代表的可用性。一旦选择了代表,会员-代表配对子系统206就可以将该代表分配给会员118,并且更新代表数据存储器208中与该代表相对应的条目以指示该分配。
在一个实施方式中,会员-代表配对子系统206可以从代表组106中选择可用代表,而不是使用机器学习算法或人工智能来识别一组初始代表(可以从中选择代表以分配给会员118)。例如,会员-代表配对子系统206可以从代表组106中识别可用于分配给会员118的代表,并将该代表分配给该会员118。类似于上述过程,一旦会员-代表配对子系统206已经选择了代表,会员-代表配对子系统206就可以更新代表数据存储器208中与所选择的代表相对应的条目以记录该分配。
在一些情况下,会员-代表配对子系统206可以自动地从该组代表106中选择第一可用代表,而不是使用机器学习算法或人工智能来识别可以从中选择代表的一组初始代表。在一些情况下,会员-代表配对子系统206可以基于与会员的识别信息相对应的一个或多个标准来自动缩小该组代表106。例如,如果会员118位于华盛顿州西雅图,则会员-代表配对子系统206可以自动缩小该组代表106,使得可以分配给会员118的代表池包括位于华盛顿州西雅图地理邻近范围内(例如,距离西雅图100英里以内、距离西雅图200英里以内等)的代表。作为另一示例,如果会员118有孩子,则会员-代表配对子系统206可以缩小该组代表106,使得代表池包括也有孩子的代表。会员-代表配对子系统206可以从所识别的池中自动选择第一可用代表以分配给会员118。
在一个实施方式中,在加入过程期间,会员118可以向会员加入子系统202提供与会员118希望委派给代表的一个或多个任务相关的信息。会员加入子系统202可以将该信息提供给会员建模子系统204,会员建模子系统204可以使用该信息来除了识别上述会员属性之外还识别与会员118希望委派给执行任务的代表的任务相关的参数。例如,与这些任务相关的参数可以指定这些任务的性质(例如,排水沟清洁、一氧化碳检测器的安装、派对计划等)、完成这些任务的紧急程度(例如,时间要求、截止日期、与即将发生的事件相对应的日期等)、完成这些任务的任何会员偏好等。除了由会员建模子系统204识别的会员属性之外,这些参数还可以用作机器学习算法或人工智能的输入,以识别可以从中选择代表以分配给会员118的一组初始代表。替选地,会员-代表配对子系统206可以查询代表数据存储器208,以识别可能与这些特定任务参数相关联的一个或多个代表(例如,熟练处理此类任务的代表、先前执行过类似任务的具有积极会员反馈的代表等)。会员-代表配对子系统206可以从所识别的一个或多个代表中选择可用代表来分配给会员118。
一旦代表被分配给会员118,则会员-代表配对子系统206可以向代表提供会员118的联系信息(例如,电话号码、电子邮件地址等),并指示代表开始与会员118联系以完成加入过程。例如,通过任务促进服务提供给代表的应用程序或门户网站,代表可以接收与会员118相对应的信息(例如,姓名、人口统计信息、家庭信息、住宅信息等)以及启动与会员118的通信会话的指令。这可以允许所选择的代表启动与会员118的关系,并开始识别可以委派给代表以代表会员118执行的任务。在一些情况下,会员-代表配对子系统206可以在代表和会员118之间建立通信会话。例如,会员-代表配对子系统206可以启动代表和会员118之间的聊天会话,由此会员118可以通过任务促进服务提供的应用程序或门户网站与所选择的代表通信。此外,代表可以使用任务促进服务提供的应用程序或门户网站通过聊天会话与会员118通信。
在一个实施方式中,代表分配系统104还可以监控会员118和所分配的代表之间的关系,以确定会员118是否应该被重新分配给该组代表106中的另一代表。例如,会员-代表配对子系统206可以(周期性地和/或响应于触发事件)提示会员118提供关于其与所分配的代表的关系的反馈。作为说明性示例,当代表已经完成了会员118的特定任务时,会员-代表配对子系统206可以提示会员118提供关于代表的表现的反馈,因为它与已完成的任务有关。作为另一示例,会员-代表配对子系统206可以以特定的时间间隔(例如,每月、每两个月等)提示会员118提供关于会员与所分配的代表的关系的反馈。在一些情况下,会员118可以在任何时候提供关于该会员与所分配的代表的关系的反馈,而无需会员-代表配对子系统206的提示。例如,通过任务促进服务提供的应用程序,会员118可以手动生成反馈表单,该反馈表单可以提供给会员-代表配对子系统206用于评估。
在一个实施方式中,会员-代表配对子系统206利用会员118提供的反馈来确定是否为会员118分配新的代表。例如,会员-代表配对子系统206可以使用机器学习算法或人工智能来处理所获得的反馈,以确定会员118和所分配的代表之间的关系的关系分数。可以使用监督训练技术来训练机器学习算法或人工智能。例如,可以选择输入反馈、已知会员和代表性属性、以及所得到的关系分数的数据集来训练机器学习模型。可以评估机器学习模型以基于提供给机器学习模型的样本输入来确定机器学习模型是否正在产生准确的关系分数。基于该评估,可以修改机器学习模型以增加机器学习模型生成期望结果的可能性。机器学习模型还可以通过从代表和任务促进服务的管理员征求关于由机器学习算法或人工智能所提供的评估和关系分数的反馈来进行动态训练用于代表重新分配。例如,如果会员-代表配对子系统206基于特定会员-代表配对的关系分数(例如,关系分数低于阈值等)确定将向该会员分配新的代表,则会员-代表配对子系统206可以选择新代表分配给该会员。此外,会员-代表配对子系统206可以从会员获得对应于新关系的新的反馈。机器学习算法或人工智能可以使用该反馈来确定该配对的新关系分数,并且确定该新关系分数是否表示对导致代表重新分配的先前关系分数的改进。该确定可以用于进一步训练机器学习算法或人工智能,以提供可以用于确定是否为会员分配新代表的更准确的关系分数。
在一个实施方式中,代表分配系统104可以实时处理会员118和所分配的代表之间交换的消息,以更好地理解会员118和所分配的代表之间的关系,并更好地识别可由所分配的代表实施以改善其与会员118的关系的技术。例如,代表分配系统104可以使用机器学习算法或人工智能来处理会员118和所分配的代表之间交换的消息,以确定会员118的各种属性或特质。作为说明性示例,如果会员118向代表指示其更喜欢亲自处理任何汽车任务(例如,安排维护预约、购买机油和过滤器等),则机器学习算法或人工智能可以更新会员简档以指示代表106不应该建议向代表106和/或第三方服务委派汽车任务。在一些情况下,基于会员118和所分配的代表之间交换的消息,机器学习算法或人工智能可以生成会员118的行为简档,其可以指示会员118的任何个性属性以及可能对代表106在对话中与会员118交谈有用的会员118的任何特质或癖好。在一些情况下,机器学习算法或人工智能可以基于会员的行为简档来生成用于与会员118交谈并与之通信的一个或多个推荐。
在一个实施方式中,代表分配系统104还可以实时处理会员118和所分配的代表之间交换的消息,以获得可用于补充会员简档的任何附加信息。例如,如果会员118在通过通信通道与代表的对话期间表示新的家庭成员已经搬进了该会员的家中,则代表分配系统104可以自动地并且实时地处理该消息,以确定可以更新会员简档以添加与该新家庭成员相对应的信息。因此,代表分配系统104可以使用由会员118提供的信息来自动更新会员简档的适当部分(例如,与会员的家庭相关的部分)。
在一些情况下,代表分配系统104可以基于添加到会员简档的信息来确定是否需要来自会员118的附加信息。返回到与将新的家庭成员引入会员家中相关联的上述示例,代表分配系统104可以确定是否推荐可以提交给会员118的问题或提示,以获得关于新家庭成员的附加信息。例如,如果会员118没有指示与该新家庭成员相对应的姓名和其他识别信息,则代表分配系统104可以推荐可用于获得新家庭成员的姓名和其他识别信息的问题或提示(例如,“新家庭成员的姓名是什么?”、“新家庭成员多大了?”、“新家庭成员有任何饮食限制吗?”等)。这些推荐可以提供给代表,代表可以通过通信会话将这些问题或提示传送给会员118。
图3示出了根据至少一个实施方式的环境300的说明性示例,其中从会员区域302收集和聚合任务相关数据以识别可以推荐给会员以由代表106和/或第三方服务116执行的一个或多个任务。在环境300中,会员可以通过计算设备120(例如,膝上型计算机、智能手机等)向分配给该会员的代表106发送任务相关数据,以识别可以为了该会员的利益而执行的一个或多个任务。例如,在一个实施方式中,会员可以手动输入会员想要委派给代表106执行的一个或多个任务。任务促进服务102可以向会员并且通过由任务促进服务102提供的应用程序或门户网站来提供用于手动输入304任务的选项,该任务可以被委派给代表106或者可以以其他方式被添加到会员的任务列表中。
如果会员选择手动输入304任务的选项,则任务促进服务102可以通过应用程序或门户网站的界面提供任务模板,会员可以通过该模板输入与任务相关的各种细节。任务模板可以包括各种字段,会员可以通过这些字段提供任务的名称、任务的描述(例如,“我需要在即将到来的风暴之前清理我的排水沟”、“我想让油漆工修补我的化妆室”等)、执行任务的时间范围(例如,特定的截止日期、日期范围、紧急程度等)、执行任务的预算(例如,没有预算限制、特定的最大金额等)等。
在一些情况下,如果会员选择手动输入304任务的选项,则任务促进服务102可以向会员提供可用于生成新任务的不同任务模板。如上所述,任务促进服务可以维护资源库,该资源库用作与不同任务类别(例如,车辆维护任务、住宅维护任务、与家庭相关的事件任务、护理任务、与体验相关的任务等)相对应的不同任务模板的存储库。任务模板可以包括多个任务定义字段,这些字段可以用于定义可以为会员的利益而执行的任务。例如,与车辆维护任务相对应的任务定义字段可用于定义会员车辆的品牌和型号、车辆的使用年限、与车辆上次维护时间相对应的信息、与车辆相关联的任何报告事故、与车辆相关联的任何问题的描述等。因此,资源库中维护的每个任务模板可以包括特定于与该任务模板相关联的任务类别的字段。
通过资源库,会员可以评估每个可用任务模板,以选择可能与会员希望创建的新任务密切相关的特定任务模板。一旦会员选择了特定的任务模板,该会员就可以填充一个或多个任务定义字段,该一个或多个任务定义字段可以用于定义可以为了会员的利益而执行的任务。这些字段可以特定于与任务模板相关联的任务类别。在一些情况下,如上所述,基于所选择的任务模板,任务促进服务102可以基于在会员简档内指定的信息自动填充一个或多个任务定义字段。
在一个实施方式中,提供给会员的任务模板可以根据任务促进服务102识别的会员的特性进行定制。如上所述,在会员加入过程期间,任务促进服务102可以为该会员生成会员简档或模型,该会员简档或模型可以用于随着时间的推移识别任务和建议并向该会员推荐任务和建议。会员简档或模型可以定义会员的一组属性,代表106可以使用该组属性来确定如何最好地在对话中与会员交谈、向会员推荐任务和建议、以及为了会员的利益而执行任务。这些属性可以包括会员在将某些类别的任务委派给其他人或执行某些类别的任务本身时的行为或偏好的衡量标准。这些会员属性可以指示会员是否关心预算、品牌知名度、评价(例如,餐厅评价、产品评价等)、准时性、响应速度等。基于这些会员属性,任务促进服务102可以从任务模板中省略特定字段。例如,如果会员属性指定该会员不关心用于完成任务的预算,则任务促进服务102可以从任务模板中省略与该会员的任务预算相对应的字段。作为另一说明性示例,如果任务促进服务102确定会员对于其任务的执行具有对高端或顶级品牌的偏好,则任务促进服务102可以省略与选择或识别用于执行任务的品牌相对应的一个或多个字段,因为任务促进服务102可以利用资源库来识别用于执行任务的高端或顶级品牌。
如果会员通过计算设备120或通过任务促进服务102提供的界面提交与将为会员的利益而执行的任务相对应的已完成的任务模板,则分配给该会员的代表106可以获得该已完成的任务模板并启动对该任务的评估,以确定如何最好地为了该会员的利益而执行该任务。例如,代表106可以评估已完成的任务模板,并为该会员生成与该会员在已完成的任务模板中提供的任务相关细节相对应的新任务。此外,基于代表对会员的了解(例如,根据与会员的交互、根据会员简档等),代表106可以确定是否向会员进行提示以获得附加信息,该附加信息可以用于确定如何最好地为了该会员的利益而执行任务。例如,如果会员已经指示他们希望清洁他们的排水沟,但没有通过已完成的任务模板指示应该何时清洁排水沟,则代表106可以通过与新创建的任务相关联的活动聊天会话与会员通信,以询问清洁会员的排水沟的时间范围。作为另一示例,如果会员提交了任务而没有用于执行任务的特定预算,并且代表106知道(例如,基于会员简档、会员的个人了解等)该会员是有预算意识的,则代表106可以与该会员通信以确定用于执行该任务的预算应该是多少。如上所述,响应于这些通信而获得的任何信息都可以用于补充会员简档,使得对于未来的任务,可以从会员简档中自动检索该新获得的信息,而不需要对会员进行附加提示。
在一个实施方式中,会员可以向代表106提交生成项目的请求,代表106和/或任务推荐系统112可以确定该项目的一个或多个任务,或者该项目可以包括该项目要完成的一个或多个任务。例如,通过在会员和所分配的代表106之间建立的聊天会话,会员可以指示其想要启动项目。作为说明性示例,会员可以向代表106发送消息,该消息表示该会员计划在8月份搬到丹佛时希望得到帮助。响应于该消息,代表106可以识别可能涉及该项目的一个或多个任务(例如,搬到丹佛),并生成这一个或多个任务以呈现给会员。例如,代表106可以生成任务,包括但不限于,定义搬家预算、寻找搬家公司、清除任何不想要的行李、协调当前位置和新位置的公用事业设施等。这些任务可以通过特定于该项目的界面呈现给会员,以允许会员评估与项目相关联的这些任务中的每一个,并与代表106协调以确定这些任务中每一个可以如何执行(例如,会员自己执行某些任务、会员将某些任务委派给代表、会员定义用于执行任务的参数,等等)。
如上所述,如果会员请求创建项目,该项目包括一个或多个将作为项目一部分执行的任务,则可以创建特定于该项目的界面。项目界面可以包括和与项目相关联的每个任务相对应的链接或其他图形用户界面(GUI)元素。和与项目相关联的特定任务相对应的特定链接或其他GUI元素的选择可以使得任务促进服务102呈现特定于该特定任务的界面。通过该界面,会员可以与代表106通信以交换与特定任务相关的消息、审查与特定任务相关的建议、监控特定任务的执行、等等。
在一个实施方式中,任务推荐系统112可以处理会员和代表106之间交换的消息,以识别可以推荐给代表106以呈现给会员的潜在项目和/或任务。如上所述,任务推荐系统112可以利用NLP或其他人工智能来评估来自会员的交换消息或其他通信,以识别可以推荐给会员的可能任务。例如,任务推荐系统112可以使用NLP或其他人工智能来处理来自会员的任何传入消息,以检测会员想要解决的新项目、新任务或其他问题。在一些情况下,任务推荐系统112可以利用来自任务数据存储器的历史任务数据和相应消息来训练NLP或其他人工智能来识别可能的任务。如果任务推荐系统112识别出可以推荐给会员的一个或多个可能的项目和/或任务,则任务推荐系统112可以将这些可能的任务呈现给代表106,代表106可以选择可以通过聊天会话与会员共享的项目和/或任务。
在一个实施方式中,如果任务推荐系统112基于会员和代表106之间交换的消息来识别可以向会员提出的项目,则任务推荐系统112可以利用由任务促进服务102维护的资源库来识别与可以推荐给代表106的项目相关联的一个或多个任务。例如,如果任务推荐系统112识别出与该会员准备搬到丹佛的指示相关的项目,则任务推荐系统112可以查询资源库以识别出与搬到新位置相关联的任何任务。在一些情况下,对资源库的查询可以包括来自会员简档的会员属性。这可以允许任务推荐系统112识别可能已经针对类似项目为处境相似的会员(例如,在类似地理位置的会员、具有与当前会员相似属性的会员等)执行或以其他方式提出的任何任务。
在一个实施方式中,任务推荐系统112使用机器学习算法或其他人工智能来识别可以针对所识别的项目推荐给代表106的任务。例如,任务推荐系统112可以从上述资源库中识别可能与所识别的项目相关联的任何任务。任务推荐系统112可以使用机器学习算法或其他人工智能来处理所识别的任务和会员简档,以确定所识别的任务中的哪些可以被推荐给代表106以呈现给会员。此外,任务推荐系统112可以向代表106提供可能为了会员的利益而需要执行的任何任务,并且具有听从代表106来完成任务的选项。例如,如果任务推荐系统112基于会员简档确定该会员倾向于在不需要审查或提供任何其他输入的情况下将任务完全委派给代表106,任务推荐系统112可以向代表106提供任务,并且推荐向会员呈现任务的执行听从代表106的选项(例如通过“Run with It”按钮)。
在一些情况下,任务推荐系统112可以向代表106提供可以推荐给会员的一组任务的列表,以最终确定哪些任务可以呈现给会员。如上所述,任务推荐系统112可以基于会员选择任务以委派给代表来执行和与附属于任务促进服务102的第三方服务116或其他服务/实体协调的可能性,来对该组任务的列表进行排名。替选地,任务推荐系统112可以基于完成每个任务的紧急程度来对该组任务的列表进行排名。例如,如果任务推荐系统112确定与搬家公司的雇佣相对应的任务比与公用事业设施的协调相对应的任务更紧急,则任务推荐系统112可以将前一个任务的排名高于后一个任务。
在一个实施方式中,如果任务推荐系统112识别出可以基于会员和代表106之间交换的消息创建的项目,并且任务推荐系统112识别出与所识别的项目相关联的一个或多个任务,则任务推荐系统112可以通过代表106向会员提供项目定义和与所识别的项目相关联的任务,以获得该会员对继续进行该项目的认可。例如,通过使用计算设备120访问的由任务促进服务102所提供的应用程序或门户网站,会员可以审查所提出的项目和相关联的任务,以确定是否继续进行所提出的项目。会员可以通过特定于项目的通信会话与代表106通信,以进一步定义项目和/或与项目相关联的任何任务,包括定义项目的范围和为完成项目而提出的任何任务的范围。作为说明性示例,如果代表106提出与会员即将搬到丹佛相对应的项目以及与该提出的项目相关联的任何任务,则该会员可以与代表106通信以讨论所提出的项目和相关联的任务(例如,查询时间线、查询预算等)。基于会员与代表106的通信,代表106和/或任务推荐系统112可以识别可以提供给会员以进一步定义项目和任何相关联的任务的范围的任何问题。例如,代表106可以提示会员指示他们现有住宅中的面积量,这对于确定与即将搬到丹佛相对应的项目可能需要的搬家服务的范围可能是有用的。如上所述,通过会员对这些提示的响应获得的信息可以用于补充会员简档。
在一个实施方式中,一旦会员认可了将为会员的利益而执行的特定项目,任务推荐系统112就基于来自会员的输入(例如,截止日期、期望优先级等)为该项目和相关联的任务分配优先级。例如,如果会员已经指示与即将搬到丹佛相关的项目比与车辆维护相关的项目更紧迫,则任务推荐系统112可以将与即将搬到丹佛相关的项目优先于与车辆维护相关的其他项目。这可以使会员通过计算设备120访问的应用程序或门户网站相比于这些其他项目更显著地显示与即将搬到丹佛相关的项目。在一些情况下,分配给特定项目的优先级可以进一步分配给与该项目相关联的任务。例如,任务推荐系统112可以使用为会员创建的每个项目的优先级作为对由代表106和/或任务推荐系统110识别的各种任务进行排名的另一因素。
与项目相关联的任务可以被添加到活动队列中,该活动队列可以由任务推荐系统112用来确定代表106可以为了会员的利益而处理哪些任务。例如,可以向代表106呈现代表106基于任务推荐系统112执行的任务的优先级或排名的一组有限任务。对一组有限任务的选择可以限制代表106在任何给定时间可以处理的任务的数量,这可以降低代表106在会员的任务列表上工作负担过重的风险。
在一个实施方式中,任务促进服务102可以通过在会员的计算设备120上实施的或通过任务促进服务102提供的门户网站访问的应用程序,向会员呈现与会员的当前和即将执行的任务相对应的任务列表。任务促进服务102可以通过任务列表提供每个任务的状态(例如,创建、进行中、再发生、完成等)。在一些情况下,任务促进服务102可以允许会员根据需要过滤任务,以便会员可以自定义任务并确定哪些任务将通过应用程序或门户网站呈现给会员。
任务促进服务102除了呈现与会员的当前和即将到来的任务相对应的任务列表之外,还可以用信号通知这些任务中的哪些被分配给会员或代表106。例如,任务促进服务102可以显示通过应用程序或门户网站呈现给会员的每个任务的分配标签。分配标签可以明确地指示相应任务是分配给会员还是分配给代表106。附加地或替选地,可以通过应用程序或门户网站使用颜色编码将任务呈现给会员,其中用于该任务的颜色可以进一步指示该任务是被分配给会员还是被分配给代表106。作为说明性示例,如果任务被分配给代表106,则该任务可以被呈现为具有“代表(REPRESENTATIVE)”属性标签,并且在任务气泡内使用橙色阴影来进一步指示该任务被分配给代表106。替选地,如果任务被分配给会员,则该任务可以被呈现为具有“会员(MEMBER)”属性标签,并在任务气泡中使用绿色阴影来进一步指示该任务被分配给会员。应当注意的是,尽管为了说明的目的在整个本发明中使用了属性标签和颜色指示符,但是可以使用其他分配指示符来区分分配给会员的任务和分配给代表106的任务。
在一个实施方式中,任务促进服务102可以通过应用程序或门户网站向会员提供从任务列表中获得关于特定任务的更多信息的选项。例如,通过任务列表呈现的每个任务可以包括用于获得与该任务相关的更多信息的选项。在一个实施方式中,如果会员选择了获得特定任务的更多信息的选项,则任务促进服务102可以评估会员简档以确定将向该会员提供多少信息,而不会增加该会员的认知过载的可能性。例如,如果会员倾向于将任务委派给代表106,并且通常将任务的所有方面委派给代表,则任务促进服务102可以提供与任务相关联的基本信息(例如,简短的任务描述、估计的任务完成时间等)。然而,如果会员更注重细节并且大量参与任务的完成,则任务促进服务102可以提供与任务相关联的更多信息(例如,详细的任务描述、为完成任务而执行的步骤、任务的任何预算信息等)。在一个实施方式中,任务促进服务102可以利用机器学习算法或人工智能来确定应该向会员102呈现多少与任务相关的信息。例如,任务促进服务102可以使用会员简档和与任务相对应的数据作为机器学习算法或人工智能的输入。所得到的输出可以提供关于应当向会员呈现关于任务的哪些信息的推荐。在一些情况下,该推荐可以被提供给代表106,代表106可以评估该推荐并确定对于所选择的任务可以向会员呈现什么信息。当任务的信息被提供给会员时,任务促进服务102可以监控会员与代表106的交互,以识别会员对信息的呈现的响应。该响应可以用于进一步训练机器学习算法或人工智能,以提供关于可以呈现给任务促进服务102的会员的任务信息的更好的推荐。
在一个实施方式中,会员可以通过计算设备120提交一个或多个用户记录306,该一个或多个用户记录306可以用于识别可以为会员的利益而执行的任务。例如,会员可以向任务促进服务102上传会员区域302的一个或多个数字图像,该一个或多个数字图像可以指示可以为其创建任务的会员区域302内的问题。作为说明性示例,会员可以捕捉需要维修的破损的护壁板的图像。作为另一说明性示例,会员可以捕捉堵塞的排水沟的图像。代表106可以获得这些数字图像,并手动识别可以执行的一个或多个任务以解决上传的数字图像中所表示的问题。例如,如果代表106接收到示出破损的护壁板的数字图像,则代表106可以生成与破损的护壁板的维修相对应的新任务。类似地,如果代表106接收到示出堵塞的排水沟的数字图像,则代表106可以生成与清洁会员的排水沟相对应的任务。
用户记录306还可以包括会员区域302内的音频和/或视频记录,该音频和/或者视频记录对应于可以为其生成任务的可能问题。例如,会员可以利用他们的智能手机或其他记录设备来生成会员区域302的不同部分的音频和/或视频记录,以突出显示可以用于生成一个或多个任务的问题,该一个或多个任务可以被执行以解决该问题。作为说明性示例,在与代表106的聊天会话期间,会员可以用他们的智能手机浏览会员区域302,并记录突出显示会员希望由任务促进服务102解决的问题的视频。在会员区域302的浏览期间,会员可以指示(例如,通过对着智能手机讲话、指出问题等)这些问题是什么以及解决这些问题的可能指令或其他参数(例如,时间范围、预算、紧急程度等)。使用上面描述的破损的护壁板的示例,会员可以录制视频以突出显示破损的护壁板,同时指示“我希望在我们准备出售房子时尽快修复这个护壁板。”因此,该视频可以突出显示与破损的护壁板相关的问题以及由于会员出售住宅而在短时间范围内维修护壁板的紧急程度。
会员可以通过计算设备120向代表106提供用户记录306,代表106可以查看用户记录306以识别可以向会员推荐的任何任务,以解决会员在用户记录306中指示的任何问题。例如,代表106可以分析所提供的用户记录306,并且基于其对用户记录306的分析,来识别可以被执行以解决由会员在用户记录306中识别的和/或由代表106检测到的任何问题的任务。作为说明性示例,如果会员提供用户记录306(其中会员指示存在该会员想要维修的破损护壁板),则代表106可以基于用户记录306附加地确定该会员的住宅可能存在白蚁问题(例如,在破损护壁板中存在白蚁或白蚁损坏)。因此,代表106可以通过聊天会话与会员通信以指示该附加问题,并推荐解决该附加问题的任务。
在一些情况下,代表106可以提示会员生成一个或多个用户记录306,该一个或多个用户记录306可以用于帮助代表106定义可以为会员的利益而执行的一个或多个任务。例如,如果会员通过聊天会话指示其正准备搬到丹佛,则代表106可以请求会员生成与会员区域302(例如,住宅、公寓等)相关的一个或多个用户记录306,使得代表106可以识别可能与该项目相关联的任务。例如,使用会员提供的用户记录306,代表106可以确定会员区域302的面积,识别完成项目的任何特殊移动要求(例如,易碎物品的特殊移动说明、保险等),识别可能需要为项目解决的任何维修或维护物品,等等。在一些情况下,代表106可以使用用户记录306来识别一个或多个任务参数,这些任务参数可以用于定义为了会员的利益而要执行的任务。例如,如果会员已经手动输入了与维修他们破损的护壁板相关的新任务,则代表106可以使用与破损的护壁板相关联的任何用户记录306来识别要维修的护壁板的类型、维修的范围、维修的时间范围等。
在一个实施方式中,代表106可以生成一个或多个建议,以用于通过任务促进服务102提供的应用程序或门户网站来完成呈现给会员的任何给定任务。建议可以包括呈现给会员的一个或多个选项,其可以由代表106在研究给定任务时创建和/或收集。在一些情况下,代表106可以被提供一个或多个模板,该一个或多个模板可以用于生成这一个或多个建议。例如,任务促进服务102可以维护用于不同任务类型的建议模板,由此用于特定任务类型的建议模板可以包括与该任务类型相关联的各种数据字段。作为说明性示例,对于与计划生日派对相关联的任务,代表106可以利用与事件计划相对应的建议模板。与事件计划相对应的建议模板可以包括与场地选项、餐饮选项、娱乐选项等相对应的数据字段。
在一个实施方式中,建议模板内的数据字段可以被打开或关闭,以向代表106提供确定在建议中向会员呈现什么信息的能力。例如,对于与为一方租用气球跳跃屋相关联的任务,相应的建议模板可以包括与租赁企业的位置/地址、租赁企业的营业时间和可用性、估计成本、租赁企业评级/评价等相对应的数据字段。代表106基于其对会员偏好的了解,可以打开或关闭这些数据字段中的任何数据字段。例如,如果代表106已经与会员建立了关系,由此代表106以高置信度知道该会员信任代表106为其任务选择信誉良好的企业,则代表106可以从建议模板中关闭与相应企业的评级/评价相对应的数据字段。类似地,如果代表106出于建议的目的知道该会员对租赁企业的位置/地址不感兴趣,则代表106可以从建议模板中关闭与相应企业的位置/地址相对应的数据字段。虽然某些数据字段可以在建议模板内关闭,但代表106可以完成这些数据字段以提供附加信息,该附加信息可以由任务促进服务102用来补充建议的资源库,如本文更详细描述的。
在一个实施方式中,任务促进服务102利用机器学习算法或人工智能为代表106生成关于可以在建议中呈现给会员的数据字段的推荐。例如,任务促进服务102可以使用与会员相关联的会员简档或模型、会员的历史任务数据(例如,先前完成的任务、已经为其提供建议的任务等)、以及与为其生成建议的任务相对应的信息(例如,任务类型或类别等),作为机器学习算法或人工智能的输入。机器学习算法或人工智能的输出可以定义建议模板的哪些数据字段应该被打开或关闭。例如,如果任务促进服务102基于对会员简档或模型、会员的历史任务数据、以及与正在为其生成建议的任务相对应的信息的评估,确定会员可能对审查与企业的评级/评价或企业的位置/地址相关的信息不感兴趣,则任务促进服务102可以自动从建议模板中关闭这些数据字段。在一些情况下,任务促进服务102可以保留打开这些数据字段的选项,以便为代表106提供在建议中向会员呈现这些数据字段的能力。例如,如果任务促进服务102已经自动关闭了与来自特定企业的气球跳跃屋租赁的估计成本相对应的数据字段,但是该会员已经表达了对所涉及的可能成本的兴趣,则代表106可以打开与估计的成本相对应的数据字段。
在一些情况下,当建议被呈现给会员时,任务促进服务102可以监控会员与代表106以及与建议的交互,以获得可用于进一步训练机器学习算法或人工智能的数据。例如,如果代表106基于由机器学习算法或人工智能生成的推荐来呈现建议,而没有针对特定企业的任何评级/评价,而会员指示(例如,通过给代表106的消息、通过选择建议中的选项来查看特定企业的评级/评价等)他们对特定企业的评级/评价感兴趣,则任务促进服务可以利用这些反馈来进一步训练机器学习算法或人工智能,以增加推荐针对类似任务或任务类型所选择的企业的评级/评价的呈现的可能性。
在一个实施方式中,任务促进服务102通过任务协调系统114维护资源库,该资源库可用于自动填充特定建议模板的一个或多个数据字段。资源库可以包括与代表先前针对与特定任务或任务类型相关的或者以其它方式与特定任务或任务类型相关联的建议所使用的企业和/或产品相对应的条目。例如,当代表106生成与维修华盛顿州林伍德附近的屋顶相关的任务的建议时,任务协调系统114可以获得与代表106为该任务选择的屋顶工相关联的信息。任务协调系统114可以在资源库中生成与屋顶工相对应的条目,并将该条目与“屋顶维修”和“华盛顿州林伍德”相关联。因此,如果另一个代表接收到与位于华盛顿州林伍德附近的会员(例如,华盛顿州埃弗雷特)的屋顶维修相对应的任务,则该另一个代表可以查询资源库以找到华盛顿州林伍德附近的屋顶工。响应于该查询,资源库可以返回与代表106先前选择的屋顶工相对应的条目。如果该另一个代表选择了这个屋顶工,则任务协调系统114可以利用资源库中该屋顶工可用的信息自动填充建议模板的数据字段。
在一个实施方式中,任务促进服务102可以利用机器学习算法或人工智能来自动处理与会员118相关联的会员简档、所选建议模板、和资源库,以动态识别可能与建议的准备相关的任何资源。可以使用监督训练技术来训练机器学习算法或人工智能。例如,可以选择样本会员简档、建议模板和/或任务、可用资源(例如,与第三方服务、其他服务/实体、零售商、商品等相对应的条目)、以及已完成建议的数据集来训练机器学习模型。可以评估机器学习模型,以基于提供给机器学习模型的样本输入来确定机器学习模型是否正在识别可以用于自动完成用于呈现建议的建议模板的适当资源。基于该评估,可以修改机器学习模型以增加机器学习模型生成期望结果的可能性。机器学习模型还可以通过从任务促进服务的代表和会员征求关于从资源库中识别资源以及关于由任务促进服务102使用这些资源自动生成的建议的反馈来进行动态训练。例如,如果任务促进服务102基于与会员118相关联的会员简档和从资源库中选择的资源,生成对会员118没有吸引力的建议(例如,该建议与任务无关、该建议对应于会员118不可用的资源、该建议包括会员118不认可的资源,等等),则任务促进服务102可以基于该反馈来更新机器学习算法或人工智能,以降低为处境相似的会员生成类似资源和建议的可能性。
代表106可通过建议模板为可用于完成任务的企业和/或产品生成附加的建议选项。例如,对于特定建议,代表106可以生成推荐选项,该推荐选项可以对应于代表106为完成任务而推荐的企业或产品。此外,为了向会员提供附加选项或选择,代表106可以生成与可以完成任务的其他企业或产品相对应的附加选项。在一些情况下,如果代表106知道会员已经将关于完成任务的决策权委派给代表106,则代表106可以放弃生成推荐选项之外的附加建议选项。然而,代表106仍然可以向会员呈现所选择的用于完成任务的建议选项,以便使会员了解任务的状态。
在一个实施方式中,一旦代表106通过使用建议模板完成了对建议的定义,任务促进服务102就可以通过任务促进服务102提供的应用程序或门户网站向会员呈现该建议。在一些情况下,代表106可以向会员发送通知,以指示已经为特定任务准备了建议,并且该建议已经准备好通过任务促进服务102提供的应用程序或门户网站进行审查。呈现给会员的建议可以指示该建议所针对的任务、以及向会员提供的一个或多个选项的指示。例如,建议可以包括到推荐的建议选项以及到代表106为特定任务准备的其他选项(如果有的话)的链接。这些链接可以允许会员通过应用程序或门户网站在代表106准备的一个或多个选项之间导航。
对于每个建议选项,可以向会员呈现与代表106选择的企业(例如,与任务促进服务102相关联的第三方服务或其他服务/实体)或产品相对应、并且与代表106通过建议模板选择的用于呈现的数据字段相对应的信息。例如,对于与会员住宅中的屋顶检查相关联的任务,代表106可以为特定的屋顶工(例如,建议选项)呈现针对该屋顶工的一个或多个评价或证明、根据会员的任务完成时间范围(如果有的话)的该屋顶工的费率和可用性、该屋顶工的网站、该屋顶工的联系信息、任何估计的成本、以及如果会员为任务选择该特定屋顶工则代表106的下一步行动的指示。在一些情况下,会员可以通过应用程序或门户网站选择呈现与特定建议相关联的哪些细节或数据字段。例如,如果向会员提供了每个建议选项的估计总价,而该会员对审查每个建议选项估计总价不感兴趣,则该会员可以通过应用程序或门户网站从建议中关闭该特定数据字段。替选地,如果会员有兴趣审查关于每个建议选项的附加细节(例如,附加评价、附加企业或产品信息等),则会员可以请求通过建议呈现该附加细节。
在一个实施方式中,基于会员与所提供的建议的交互,任务促进服务102可以进一步训练机器学习算法或人工智能,该机器学习算法或人工智能用于确定或推荐对于类似任务或任务类型,应该向会员和处境相似的会员呈现什么信息。如上所述,任务促进服务102可以使用机器学习算法或人工智能来为代表106生成关于可以在建议中呈现给会员的数据字段的推荐。任务促进服务102可以监控或跟踪会员与建议的交互,以确定会员关于建议中针对特定任务呈现的信息的偏好。此外,任务促进服务102可以监控或跟踪在会员和代表106之间交换的与建议有关的任何消息,以进一步识别会员的偏好。例如,如果会员向代表106发送指示该会员希望看到关于建议中指定的每个企业所提供的服务的更多信息的消息,则任务促进服务102可以确定该会员可能希望看到关于由与特定任务或任务类型相关联的企业提供的服务的附加信息。在一些情况下,任务促进服务102可以征求会员对代表106提供的建议的反馈,以识别会员的偏好。该反馈和通过会员与代表106的关于建议以及建议本身的交互而获取的信息可用于再训练机器学习算法或人工智能,以在类似任务或任务类型的建议中为应该呈现给会员以及处境相似的会员的信息提供更准确或改进的推荐。
在一些情况下,呈现给会员的每个建议可以指定与每个建议选项相关联的任何费用。这些费用可以基于相关任务或项目的要求以不同的格式呈现。例如,如果任务或项目对应于机票的购买,则相应建议的每个建议选项可以呈现机票的固定价格。作为另一说明性示例,代表106可以为每个建议选项提供根据所选选项完成任务的预算(例如,“将在用于派对的万圣节装饰上花费高达$150”)。作为又一说明性示例,对于可能涉及支付时间表的任务或项目,与任务或项目相关的建议的建议选项可以指定这些建议选项中每一个的支付时间表(例如,“$100用于初步咨询,$300用于后续服务”,“$1,500用于预订场地,$1,500应在活动结束后支付”等)。
如果会员接受任务或项目的特定建议选项,则代表106可以与该会员通信,以确保该会员同意支付所呈现的费用以及该特定建议选项的任何相关税费。在一些情况下,如果选择具有静态支付金额的建议选项(例如,固定价格、“高达$X”、具有静态金额的分阶段支付时间表等),则如果实现该建议选项所需的实际支付金额超过初始呈现的静态支付金额的阈值百分比或金额,则代表106可以通知会员。例如,如果代表106确定会员可能被要求花费所选建议选项中指定的费用的120%以上,则代表106可以在继续进行该建议选项之前向会员发送通知以重新确认支付金额。
在一个实施方式中,如果会员接受来自所呈现的建议的建议选项,则任务促进服务102将与所呈现的建议相关联的任务移动到执行状态,并且代表106可以根据所选择的建议选项继续执行该建议。例如,代表106可以联系一个或多个第三方服务116,以根据会员接受的建议中定义的参数来协调任务的执行。
在一个实施方式中,代表106利用任务协调系统114根据会员接受的建议中定义的参数来帮助协调任务的执行。例如,如果可以自动执行与第三方服务116的协调(例如,第三方服务器116提供用于订购、调度、支付等的自动化系统),则任务协调系统114可以直接与第三方服务116交互,以根据所选择的建议选项来协调任务的执行。任务协调系统114可以向代表106提供任何信息(例如,确认、订单状态、预订状态等)。代表106又可以通过会员用来访问任务促进服务102的应用程序或网络门户将该信息提供给该会员。替选地,代表106可以通过其他通信方法(例如,电子邮件、文本消息等)向会员发送信息,以指示第三方服务116已经根据所选择的建议选项启动了任务的执行。如果代表106正在为了会员118的利益而执行任务,则代表106可以通过任务促进服务102提供的应用程序或门户网站向会员118提供关于其执行任务的状态更新。
在一个实施方式中,为了会员的利益,任务协调系统114可以监控与任务促进服务102相关联的代表106、第三方服务116和/或其他服务/实体的任务的执行。例如,任务协调系统114可以记录由第三方服务116提供的关于执行任务的时间范围、与任务的执行相关联的费用、关于任务执行的任何状态更新等的任何信息。任务协调系统114可以将该信息与对应于正在执行的任务的数据记录相关联。由第三方服务116提供的状态更新可以通过由任务促进服务102提供的应用程序或门户网站自动提供给会员和代表106。替选地,可以向代表106提供状态更新,代表106可以通过在会员和代表106之间为特定任务/项目建立的聊天会话或者通过其他通信方法向会员提供这些状态更新。在一些情况下,如果任务将由代表106执行,则任务协调系统114可以监控代表106对任务的执行,并记录代表106通过应用程序或门户网站向会员提供的任何更新。
一旦任务已经完成,会员可以提供关于与任务促进服务102相关联的代表106、第三方服务116和/或其他服务/实体根据会员选择的建议选项执行任务的表现的反馈。例如,会员可以通过与正在完成的特定任务/项目相对应的聊天会话与代表106交换一个或多个消息,以指示其关于任务完成的反馈。例如,会员可以指示他们对任务的完成方式感到满意。附加地或替选地,会员可以提供指示任务执行的改进领域的反馈。例如,如果会员对执行任务的最终费用不满意和/或对执行质量(例如,及时性、工作产品质量、第三方服务116的专业性等)有一些意见,则该会员可以在给代表106的一个或多个消息中指示出来。在一个实施方式中,任务促进服务使用机器学习算法或人工智能来处理会员提供的反馈,以改进任务促进服务102为建议选项、第三方服务116或其他服务/实体提供的推荐,和/或可以执行以完成类似任务的过程。例如,如果任务促进服务102检测到会员对第三方服务116或其他服务/实体为特定任务提供的结果不满意,则任务促进服务102可以利用该反馈来进一步训练机器学习算法或人工智能,以降低第三方服务116或其他服务/实体被推荐用于类似任务和被推荐给处境相似的会员的可能性。作为另一示例,如果任务促进服务102检测到会员对代表106为特定任务提供的结果感到满意,则任务促进服务102可以利用该反馈来进一步训练机器学习算法或人工智能,以加强由代表针对类似任务和/或针对处境相似的会员执行的操作。
图4示出了根据至少一个实施方式的环境400的说明性示例,其中任务推荐系统112生成为会员118的利益而要执行的任务的推荐并对其进行排名。在环境400中,会员118和/或代表106与任务推荐系统112的任务创建子系统402交互,以生成可以为了会员118的利益而执行的新任务或项目。任务创建子系统402可以使用计算机系统来实现,或者作为在任务推荐系统112的计算机系统上实现的应用程序或其他可执行代码来实现。
在一个实施方式中,会员118可以访问任务创建子系统402,以请求创建一个或多个任务,作为由任务促进服务实施的加入过程的一部分。例如,在加入过程期间,会员118可以提供与会员118希望可能委派给代表106的一个或多个任务相关的信息。任务创建子系统402可以利用该信息来识别与会员118希望委派给代表106的任务相关的参数以执行任务。例如,与这些任务相关的参数可以指定这些任务的性质(例如,排水沟清洁、一氧化碳检测器的安装、派对计划等)、完成这些任务的紧急程度(例如,时间要求、截止日期、与即将发生的事件相对应的日期等)、对完成这些任务的任何会员偏好等。任务创建子系统402可以利用这些参数来自动创建任务,一旦代表106在加入过程期间被分配给会员118,该任务就可以被呈现给代表106。
会员118还可以访问任务创建子系统402,以在加入过程完成后的任何时间生成新的任务或项目。例如,任务促进服务可以通过任务促进服务的应用程序或门户网站提供小部件或其他用户界面元素,会员118可以通过该小部件或其它用户界面元素手动生成新任务或项目。在一个实施方式中,任务创建子系统402提供可由会员118用来生成新任务或项目的各种任务模板。任务创建子系统402可以在任务数据存储器110中维护用于不同任务类型或类别的任务模板。每个任务模板可以包括用于定义任务的不同数据字段,由此不同的任务字段可以对应于正在定义的任务的任务类型或类别。会员118可以通过这些不同的任务字段提供任务信息,以定义可以提交给任务创建子系统402或代表106进行处理的任务。在一些情况下,任务数据存储器110可以与资源库相关联。该资源库可以维护用于创建新任务的各种任务模板。
如上所述,每个任务模板可以与特定的任务类别相关联。因此,特定任务模板内的多个任务定义字段可以与分配给该任务模板的任务类别相关联。例如,与车辆维护任务相对应的任务定义字段可用于定义会员车辆的品牌和型号、车辆的使用年限、与车辆上次维护时间相对应的信息、与车辆相关联的任何报告事故、与车辆相关联的任何问题的描述等。在一些情况下,访问特定任务模板的会员还可以定义任务模板的自定义字段,会员可以通过该自定义字段提供在定义和完成任务时可能有用的附加信息。这些自定义字段可以被添加到任务模板中,使得如果会员和/或代表将来获得任务模板以创建类似的任务,则这些自定义字段可被会员和/或代表获得。
在一个实施方式中,在会员118用于手动定义新任务的任务模板中呈现的数据字段可以基于使用机器学习算法或人工智能生成的确定来选择。例如,任务创建子系统402可以使用来自用户数据存储器108的会员简档和来自任务数据存储器110的所选任务模板作为机器学习算法或人工智能的输入,以识别当呈现给会员118以定义新任务或项目时哪些数据字段可以从任务模板中省略。例如,如果已知会员118将维护任务委派给代表106并且对预算考虑毫不关心,则任务创建子系统402可以向会员118呈现任务模板,该任务模板省略了任何预算相关数据字段和其他可以特别地定义用于完成任务的指令的数据字段。在一些情况下,任务创建子系统402可以允许会员118添加、移除和/或修改任务模板的数据字段。例如,如果任务创建子系统402基于对会员简档的评估移除了与任务的预算相对应的数据字段,则会员118可以请求将该数据字段添加到任务模板,以允许会员118定义任务的预算。在一些情况下,任务创建子系统402可以利用该会员对任务模板的改变来再训练机器学习算法或人工智能,以提高向会员118提供任务模板而不需要会员118对任务模板进行任何修改以定义新任务的可能性。
在一些情况下,如果会员选择特定任务模板来创建与体验相关联的任务,则任务创建子系统402可以自动识别会员简档中可用于填充所选任务模板的部分。例如,如果会员选择了与晚上外出去餐厅相对应的任务模板,则任务创建子系统402可以自动处理会员简档,以识别与会员的饮食偏好和限制相对应的任何信息,这些信息可以用于填充由会员选择的任务模板内的一个或多个字段。会员可以审查这些自动填充的数据字段,以确保这些数据字段已被准确填充。如果会员对自动填充的数据字段内的信息做出任何改变,则任务创建子系统402可以使用这些改变来自动更新会员简档以包含这些改变。
在一个实施方式中,任务创建子系统402还使得代表106能够代表会员118创建新的任务或项目。代表106可以从任务创建子系统402请求与正在定义的任务的任务类型或类别相对应的任务模板。代表106可以通过任务模板定义与新任务或项目相关联的各种参数,包括任务的分配(例如,分配给代表106、分配给会员118等)。在一些情况下,任务创建子系统402可以使用机器学习算法或人工智能来识别哪些数据字段将在任务模板中呈现给代表106以用于创建新任务或项目。例如,类似于上面描述的与会员创建任务或项目相关的过程,任务创建子系统402可以使用来自用户数据存储器108的会员简档和来自任务数据存储器110的所选任务模板作为机器学习算法或人工智能的输入。然而,任务创建子系统402可以指示当通过任务促进服务提供的应用程序或门户网站向会员118呈现数据字段时可以从任务中省略哪些数据字段,而不是识别哪些数据字段可以从任务模板中省略。因此,代表106可能被要求为新任务或项目提供所有必要的信息,而不管是否所有信息被呈现给会员118。
类似于上文结合会员对特定任务模板的选择所描述的过程,任务创建子系统402可以自动识别会员简档中可用于填充所选任务模板的部分。代表106可以审查这些自动填充的数据字段,以确保这些数据字段已经被准确地填充。如果代表106(基于代表对会员118的个人了解等)对自动填充的数据字段内的信息做出任何改变,则任务创建子系统402可以使用这些改变来自动更新会员简档以包含这些改变。在一些情况下,如果由于代表106对任务模板所做的改变而要对会员简档进行改变,则任务创建子系统402可以提示会员118查证对会员简档所提出的改变是准确的。如果会员118指示所提出的改变是不准确的,或者会员118提供替选改变,则任务创建子系统402可以自动更新任务模板中的相应数据字段和会员简档以反映如会员118所指示的准确信息。
在一个实施方式中,任务创建子系统402可以自动且实时地监控会员118和代表106之间交换的消息,以识别可以推荐给会员118的任务。例如,任务创建子系统402可以利用自然语言处理(NLP)或其他人工智能来评估从会员118接收的消息或其他通信,以识别可以推荐给会员118的可能任务。例如,任务创建子系统402可以使用NLP或其他人工智能来处理来自会员118的任何传入消息,以检测会员118想要解决的新任务或其他问题。在一些情况下,任务创建子系统402可以利用来自任务数据存储器110的历史任务数据和来自任务数据存储器110的相应消息来训练NLP或其他人工智能来识别可能的任务。如果任务创建子系统402识别出可以推荐给会员118的一个或多个可能的任务,则任务创建子系统402可以将这些可能的任务呈现给代表106,代表106可以选择可以通过聊天会话与会员118共享的任务。
任务推荐系统112还可以包括任务排名子系统406,其可以被配置为对会员118的一组任务进行排名,该组任务包括可以推荐给会员118以供会员118或代表106完成的任务。任务排名子系统406可以使用计算机系统来实现,或者作为在任务推荐系统112的计算机系统上实现的应用程序或其他可执行代码来实现。在一个实施方式中,任务排名子系统406可以基于会员118选择任务以委派给代表执行以及与跟任务促进服务相关联的第三方服务和/或其他服务/实体协调的可能性来对该组任务的列表进行排名。替选地,任务排名子系统406可以基于完成每个任务的紧急程度来对该组任务的列表进行排名。紧急程度可以基于来自用户数据存储器108的会员特性(例如,与会员自己对某些任务或任务类别的优先级相对应的数据)和/或如果任务未被执行则对会员118的潜在风险来确定。
在一个实施方式中,任务排名子系统406向任务选择子系统404提供可推荐给会员118的该组任务的排名列表。任务选择子系统404可以使用计算机系统来实现,或者作为在任务推荐系统112的计算机系统上实现的应用程序或其他可执行代码来实现。任务选择子系统404可以被配置为从该组任务的排名列表中选择哪些任务可以由代表106推荐给会员118。例如,如果由任务促进服务提供的应用程序或门户网站被配置为向会员118呈现来自该组任务的排名列表的有限数量的任务推荐,则任务选择子系统404可以处理该排名列表以及来自用户数据存储器108的会员简档,以确定哪些任务推荐应该被呈现给会员118。在一些情况下,任务选择子系统404所做的选择可以对应于列表中该组任务的排名。替选地,任务选择子系统404可以处理该组任务的排名列表、以及会员简档和会员的现有任务(例如,正在进行的任务、会员118接受的任务等),以确定哪些任务可以推荐给会员118。例如,如果该组任务的排名列表包括与排水沟清洁相对应的任务,但是由于最近的风暴,会员118已经具有与排水沟维修相对应的正在进行的任务,则任务选择子系统404可以放弃对与排水沟清洁相对应的任务的选择,因为这可以与排水沟维修一起来执行。因此,任务选择子系统404可以提供另一层以进一步改进该组任务的排名列表以呈现给会员118。
任务选择子系统404可以向代表106提供可以推荐给会员118的新的任务列表。代表106可以审查该新的任务列表,以确定哪些任务可以通过任务促进服务提供的应用程序或门户网站呈现给会员118。例如,代表106可以审查由任务选择子系统404推荐的一组任务,并选择这些任务中的一个或多个,以通过与这一个或多个任务相对应的单独界面呈现给会员118。此外,如上所述,代表106可以确定是否任务被呈现听从代表106来执行任务的选项(例如,使用按钮或其他GUI元素来指示会员听从代表106来执行任务的偏好)。在一些情况下,一个或多个任务可以根据由任务排名子系统406生成并由任务选择子系统404改进的排名来呈现给会员118。替选地,可以根据代表对会员自己的任务优先级偏好的理解来呈现该一个或多个任务。通过与推荐给会员118的一个或多个任务相对应的界面,会员118可以选择可以在代表106的帮助下执行的一个或多个任务。替选地,会员118可以取消会员118宁愿亲自执行或者会员118由于其他原因而不希望执行的任何呈现的任务。
在一个实施方式中,任务选择子系统404监控与推荐的任务相对应的不同界面,包括会员118和代表106之间的任何相应的聊天会话或其他通信会话,以收集关于会员选择委派给代表106执行的任务的数据。例如,任务选择子系统404可以处理与代表106通过与所推荐的任务相对应的不同界面呈现给会员118的任务相对应的消息,以确定与每个任务相对应的极性或情绪。例如,如果会员118在通过与特定任务相关联的通信会话发送给代表106的消息中指示其不希望接收与车辆维护相对应的任何任务推荐,则任务选择子系统404可以将消极极性或情绪归于与车辆维护相对应的任务。替选地,如果会员118选择与排水沟清洁相关的任务以委派给代表106和/或在给代表106的消息中(例如通过与呈现给会员118的排水沟清洁任务相关联的通信会话)指示该任务的推荐是个好主意,则任务选择子系统404可以将积极极性或情绪归于该任务。在一个实施方式中,任务选择子系统404可以使用这些对推荐给会员118的任务的响应来进一步训练或加强任务排名子系统406所使用的机器学习算法或人工智能,以生成可以呈现给会员118和任务促进服务的其他处境相似的会员的任务推荐。此外,任务选择子系统404可以基于会员从代表106推荐的任务中对任务的选择和/或关于代表106推荐的任务的情绪来更新会员的简档或模型,以更新会员的偏好和已知行为特征。
图5示出了根据至少一个实施方式的环境500的说明性示例,其中任务协调系统114通过代表106和/或一个或多个第三方服务116为会员118的利益而分配任务并监控任务的执行。在环境500中,代表106可以访问任务协调系统114的建议创建子系统502,以生成用于为了会员118的利益而完成任务的建议。建议创建子系统502可以使用计算机系统来实现,或者作为在任务协调系统114的计算机系统上实现的应用程序或其他可执行代码来实现。一旦代表106已经从会员118和/或通过任务推荐系统获得了必要的任务相关信息(例如,通过评估为处境相似的会员执行的任务而获得的任务参数等),代表106就可以利用建议创建子系统502来生成用于解决任务的一个或多个建议。
如上所述,建议可以包括呈现给会员118的一个或多个选项,这一个或多个选项可以由代表106在研究给定任务时创建和/或收集。在一些情况下,代表106可以通过建议创建子系统502访问可以用于生成这一个或多个建议的一个或多个建议模板。例如,建议创建子系统502可以在任务数据存储器110内或在内部维护用于不同任务类型的建议模板,由此用于特定任务类型的建议模板可以包括与该任务类型相关联的各种数据字段。如上所述,任务数据存储器110可以与资源库相关联。该资源库可以维护用于创建用于完成不同任务的新建议的各种建议模板。
在一个实施方式中,建议模板内的数据字段可以被打开或关闭,以向代表106提供确定在建议中向会员118呈现什么信息的能力。代表106基于其对会员偏好的了解,可以打开或关闭模板内的这些数据字段中的任何数据字段。例如,如果代表106已经与会员118建立了关系,由此代表106以高置信度知道该会员信任代表106为其任务选择信誉良好的企业,则代表106可以从建议模板中关闭与相应企业的评级/评价相对应的数据字段。类似地,如果代表106出于建议的目的知道该会员118对企业的位置/地址不感兴趣,则代表106可以从建议模板中关闭与相应企业的位置/地址相对应的数据字段。虽然某些数据字段可以在建议模板内关闭,但代表106可以完成这些数据字段以提供附加信息,该附加信息可以由建议创建子系统502用来补充资源库内由任务协调系统114维护的建议。
在一个实施方式中,建议创建子系统502利用机器学习算法或人工智能为代表106生成关于可以在建议中呈现给会员118的数据字段的推荐。建议创建子系统502可以使用来自用户数据存储器108的与会员118相关联的会员简档或模型、来自任务数据存储器110的会员118的历史任务数据、以及与正在为其生成建议的任务相对应的信息(例如,任务类型或类别等),作为机器学习算法或人工智能的输入。机器学习算法或人工智能的输出可以指定建议模板的哪些数据字段应该被打开或关闭。在一些情况下,建议创建子系统502可以为代表106保留打开这些数据字段的选项,以便为代表106提供在建议中向会员118呈现这些数据字段的能力。例如,如果建议创建子系统502已经自动关闭了与完成任务的估计成本相对应的数据字段,但是会员118已经表达了对所涉及的可能成本的兴趣,则代表106可以打开与估计的成本相对应该的数据字段。
一旦代表106为会员118生成了新的建议,代表106就可以向会员118呈现该建议和任何相对应的建议选项。此外,建议创建子系统502可以将新建议存储在与会员简档相关联的用户数据存储器108中。在一些情况下,当建议被呈现给会员118时,建议创建子系统502可以监控会员与代表106以及与建议的交互,以获得可以用于进一步训练机器学习算法或人工智能的数据。例如,如果代表106基于建议创建子系统502生成的推荐来呈现没有特定企业的任何评级/评价的建议,而会员118指示(例如,通过给代表106的消息、通过选择建议中的查看特定企业的评级/评价的选项等)他们对特定企业的评级/评价感兴趣,则建议创建子系统502可以利用该反馈来进一步训练机器学习算法或人工智能,以增加如下的可能性:推荐针对类似任务或任务类型选择的企业的评级/评价的呈现。
如上所述,任务协调系统114维护可用于自动填充特定建议模板的一个或多个数据字段的资源库。资源库可以包括与企业和/或产品相对应的条目,该企业和/或产品针对与特定任务或任务类型相关或者以其它方式与特定任务或任务类型相关联的建议由代表先前所使用。例如,当代表106生成与维修华盛顿州林伍德附近的屋顶相关的任务的建议时,建议创建子系统502可以获得与代表106为该任务选择的屋顶工相关联的信息。建议创建子系统502可以在资源库中生成与屋顶工相对应的条目,并将该条目与“屋顶维修”和“华盛顿州林伍德”相关联。因此,如果另一个代表接收到与位于华盛顿州林伍德附近的会员的屋顶维修相对应的任务,则该另一个代表可以查询资源库以找到华盛顿州林伍德附近的屋顶工。响应于该查询,资源库可以返回与代表106先前选择的屋顶工相对应的条目。如果该另一个代表选择了这个屋顶工,则建议创建子系统502可以利用资源库中该屋顶工可用的信息自动填充建议模板的数据字段。
代表106可以查询资源库,以识别向其征求完成任务的报价的、附属于任务促进服务的一个或多个第三方服务和其他服务/实体。例如,对于新创建的任务,代表106可以向这一个或多个第三方服务116和其他服务/实体发送工作邀请。通过任务促进服务提供的应用程序或门户网站,第三方服务或其他服务/实体可以审查该工作邀请,并确定是提交完成任务的报价还是拒绝该工作邀请。如果第三方服务或其他服务/实体选择拒绝该工作邀请,则代表106可以接收指示第三方服务或其他服务/实体已经拒绝该工作邀请的通知。替选地,如果第三方服务或其他服务/实体选择出价来执行任务,则第三方服务或其他服务/实体可以提交完成任务的报价。代表106可以使用来自第三方服务116和/或其他服务/实体的任何提供的报价来生成完成任务的不同建议选项。这些不同的建议选项可以作为建议通过与要完成的特定任务相对应的任务专用界面呈现给会员118。如果会员118从通过任务专用界面呈现的一组建议选项中选择特定建议选项,则代表106可以向提交与所选建议选项相关联的报价的第三方服务或其他服务/实体发送通知,以指示其已被选择用于完成任务。
如上所述,代表106可以通过建议模板为可以用于完成任务的企业和/或产品生成附加建议选项。例如,对于特定建议,代表106可以生成推荐选项,该推荐选项可以对应于代表106为完成任务而推荐的企业或产品。此外,为了向会员118提供附加选项或选择,代表106可以生成与可以完成任务的其他企业或产品相对应的附加选项。在一些情况下,如果代表106知道会员118已经将关于完成任务的决策委派给代表106,则代表106可以放弃生成推荐选项之外的附加建议选项。然而,代表106仍然可以向会员118呈现所选择的用于完成任务的建议选项,以便使会员118了解任务的状态。
一旦代表106通过使用建议模板完成了对建议的定义,代表106就可以通过任务促进服务提供的应用程序或门户网站将建议呈现给会员118。在一些情况下,代表106可以向会员118发送通知,以指示已经为特定任务准备了建议,并且该建议已经准备好通过任务促进服务提供的应用程序或门户网站进行审查。呈现给会员118的建议可以指示为其准备建议的任务、以及提供给会员118一个或多个选项的指示。例如,建议可以包括到推荐的建议选项以及到代表106为特定任务准备的其他选项(如果有的话)的链接。这些链接可以允许会员118通过应用程序或门户网站在代表106准备的一个或多个选项之间导航。在一些情况下,代表106可以通过其他通信渠道,例如通过电子邮件、文本消息等,将建议发送给会员118。
对于每个建议选项,可以通过建议创建子系统502向会员呈现与代表106选择的企业或产品相对应的信息、以及与代表106选择以用于呈现的数据字段相对应的信息。在一些情况下,会员118可以选择通过应用程序或门户网站呈现与特定建议相关联的哪些细节或数据字段。例如,如果向会员118呈现每个建议选项的估计总价,而会员118对审查每个建议选项估计总价不感兴趣,则会员118可以通过应用程序或门户网站从建议中关闭该特定数据字段。替选地,如果会员118有兴趣审查关于每个建议选项的附加细节(例如,附加评价、附加企业或产品信息等),则会员118可以请求通过建议呈现的该附加细节。
如上所述,基于会员与所提供的建议的交互,建议创建子系统502可以进一步训练机器学习算法或人工智能,该机器学习算法或人工智能用于确定或推荐对于类似任务或任务类型,应该向会员和处境相似的会员呈现什么信息。建议创建子系统502可以监控或跟踪会员与建议的交互,以确定会员关于建议中针对特定任务呈现的信息的偏好。此外,建议创建子系统502可以监控或跟踪在会员118和代表106之间交换的与建议有关的任何消息,以进一步识别会员的偏好。在一些情况下,建议创建子系统502可以征求会员118对代表106提供的建议的反馈,以识别会员的偏好。该反馈和通过会员与代表106的关于建议的交互以及与建议本身的交互而获取的信息可用于再训练机器学习算法或人工智能,以在类似任务或任务类型的建议中为应该呈现给会员118以及处境相似的会员的信息提供更准确或改进的推荐。建议创建子系统502还可以使用该反馈和通过会员与代表106的交互而获取的信息来更新用户数据存储器108内的会员简档或模型,以确定对建议中应该呈现给会员118的信息的推荐。
在一些情况下,呈现给会员118的每个建议可以指定与每个建议选项相关联的任何成本。这些成本可以基于相关任务或项目的要求以不同的格式呈现。例如,如果建议对应于由与任务促进服务相关联的第三方服务或其他服务/实体执行任务,则建议可以包括由第三方服务或其他服务/实体响应于来自代表106的工作邀请而提交的报价。该报价可以指示与任务的不同方面相关联的任何成本、以及执行任务可能需要的任何附加费用(例如,税费、材料成本等)。如果会员118接受任务或项目的特定建议选项,则代表106可以与会员118通信以确保该会员同意支付所呈现的针对特定建议选项的成本以及任何相关联的税费。在一些情况下,如果选择具有静态支付金额的建议选项,则如果实现该建议选项所需的实际支付金额超过初始呈现的静态支付金额的阈值百分比或金额,则代表106可以通知会员118。
在一个实施方式中,如果会员118接受来自所呈现的建议的建议选项,则任务协调系统114将与所呈现的建议相关联的任务移动到执行状态,并且代表106可以根据所选择的建议选项继续执行该建议。例如,代表106可以联系与任务促进服务相关联的一个或多个第三方服务116和/或其他服务/实体,以根据由会员118接受的建议中定义的参数来协调任务的执行。替选地,如果代表106要为了会员118的利益而执行任务,则代表106可以根据会员118接受的建议中定义的参数来开始执行任务。
在一个实施方式中,代表106利用任务协调系统114的任务监控子系统504,根据会员118接受的建议中定义的参数,来帮助协调任务的执行。任务监控子系统504可以使用计算机系统来实现,或者作为在任务协调系统114的计算机系统上实现的应用程序或其他可执行代码来实现。如果可以自动执行与第三方服务116的协调(例如,第三方服务116提供用于订购、调度、支付等的自动化系统),则任务监控子系统504可以直接与第三方服务116交互,以根据所选择的建议选项来协调任务的执行。任务监控子系统504可以向代表106提供来自第三方服务116的任何信息。代表106又可以通过会员用来访问任务促进服务的应用程序或门户网站将该信息提供给会员118。替选地,代表106可以通过其他通信方法(例如,电子邮件消息、文本消息等)向会员118发送信息,以指示第三方服务116已经根据所选择的建议选项启动了任务的执行。如果代表106要为了会员118的利益而执行任务,则任务监控子系统504可以监控代表106并与代表106交互,以根据会员118接受的建议中定义的参数来协调任务的执行。例如,任务监控子系统504可以向代表106提供执行任务可能需要的任何资源(例如,支付信息、任务信息、购买的优选来源等)。
在一个实施方式中,任务监控子系统504可以监控代表106和/或第三方服务116为会员118的利益执行任务。例如,任务监控子系统504可以记录由第三方服务116提供的关于执行任务的时间范围、与执行任务相关联的成本、关于执行任务的任何状态更新等的任何信息。任务监控子系统504可以将该信息与任务数据存储器110内的对应于正在执行的任务的数据记录相关联。由第三方服务116提供的状态更新可以通过任务促进服务102提供的应用程序或门户网站自动提供给会员118以及代表106。替选地,可以向代表106提供状态更新,代表106可以通过在会员和代表106之间建立的聊天会话或者通过其他通信方法向会员提供这些状态更新。如果代表106为了会员118的利益而执行任务,则代表106可以通过任务促进服务102提供的应用程序或门户网站向会员118提供关于其执行任务的状态更新。任务监控子系统504可以将这些状态更新与任务数据存储器110内对应于正在执行的任务的数据记录相关联。
在一些情况下,任务监控子系统504可以允许参与执行任务的第三方服务或其他服务/实体直接与会员118通信,以提供与任务相关的状态更新。例如,任务监控子系统504可以促进会员118与第三方服务或其他服务/实体之间的通信通道,通过该通信通道,会员118与第三方服务或其他服务/实体可以交换与正在执行的任务相关的消息。该通信通道可以通过任务专用界面来提供,使得该通信通道不同于会员118和代表106之间的一般通信通道以及不同于会员118和代表106之间的任何其他与任务相关的通信通道。在一些情况下,第三方服务或其他服务/实体可以被添加到会员118和代表106之间现有的特定于任务的通信通道。这可以允许会员118和代表106在第三方服务或其他服务/实体执行分配的任务时主动地与第三方服务或其他服务/实体接洽。
如上所述,一旦任务已经完成,会员118就可以根据会员118选择的建议选项,提供关于执行任务的与任务促进服务相关联的代表106和/或第三方服务116或其他服务/实体的表现的反馈。例如,会员118可以通过特定于任务的聊天会话或其他通信通道与代表106交换一个或多个消息,以指示其关于任务完成的反馈。在一个实施方式中,任务监控子系统504向建议创建子系统502提供反馈,建议创建子系统502可以使用机器学习算法或人工智能来处理由会员118提供的反馈,以改进建议创建子系统502为建议选项、可以执行任务的第三方服务116或其他服务/实体、和/或可由代表106和/或第三方服务116或其他服务/实体执行的用于完成类似任务的过程提供的推荐。例如,如果建议创建子系统502检测到会员对第三方服务116或其他服务/实体为特定任务提供的结果不满意,则建议创建子系统502可以利用该反馈来进一步训练机器学习算法或人工智能,以降低第三方服务116或其他服务/实体被推荐用于类似任务以及被推荐给处境相似的会员的可能性。作为另一示例,如果建议创建子系统502检测到会员对代表106为特定任务提供的结果感到满意,则建议创建子系统502可以利用该反馈来进一步训练机器学习算法或人工智能,以加强由代表针对类似任务和/或针对处境相似的会员执行的操作。
图6示出了根据至少一个实施方式的用于将新会员加入任务促进服务并将代表分配给该新会员的过程600的说明性示例。过程600可以由任务促进服务的代表分配系统来执行。在步骤602,代表分配系统可以从潜在会员接收加入任务促进服务的请求。例如,潜在会员可以通过任务促进服务提供并安装在计算设备上的应用程序访问代表分配系统。附加地或替选地,任务促进服务102可以维护网络服务器,该网络服务器托管一个或多个网站,该一个或多个网站被配置为呈现或以其他方式提供门户网站或其他界面,通过该门户网站或其他界面,潜在会员可以访问代表分配系统并启动加入过程。
在步骤604,代表分配系统可以获得潜在会员的识别信息和(如果提供的话)任务信息。例如,代表分配系统可以收集会员的识别信息,该识别信息可以由代表分配系统用来识别代表并将其分配给该会员。例如,代表分配系统可以向会员提供调查或问卷,会员可以通过该调查或问卷提供代表分配系统可用于为会员选择代表的识别信息。例如,代表分配系统可以提示会员提供关于会员的家庭组成(例如,会员住宅中的居民数量、会员住宅中儿童的数量、会员住宅中宠物的数量和类型等)、会员住宅的物理位置、会员的任何特殊需要或要求(例如,身体或情感的残疾等)等的详细信息。在一些情况下,可以提示会员提供人口统计信息(例如,年龄、种族、民族、书面/口头语言等)。也可以提示会员指示任何个人兴趣或爱好,这些兴趣或爱好可用于识别会员可能感兴趣的可能体验。
在步骤606,代表分配系统可以识别一组适合分配给新会员的代表。代表分配系统可以使用会员的识别信息、与会员在将任务委派给他人时的舒适度或兴趣水平相关的任何信息、以及在加入过程期间获得的任何其他信息作为分类或聚类算法的输入,该分类或聚类算法被配置为识别可能非常适合以富有成效的方式与会员交互和通信的代表。例如,可以基于各种标准来描述代表106,这些标准包括(但不限于)人口统计和其他识别信息、地理位置、处理不同类别的任务的经验、与不同类别的会员通信的经验等。使用分类或聚类算法,代表分配系统可以识别一组代表,该一组代表更有可能与会员发展积极的长期关系,同时处理可能需要为会员的利益而处理的任何任务。
在步骤608,代表分配系统可以从所述一组代表中选择用于分配给新会员的代表。例如,代表分配系统可以评估与所述一组代表中的每个代表相对应的数据,以识别可以分配给该会员的特定代表。例如,代表分配系统可以根据会员和代表的人口统计信息之间的相似程度或向量对所述一组代表中的每个代表进行排名。在一些情况下,可以基于每个因素对在会员和代表之间创建积极的长期关系的影响来加权每个因素。例如,基于与会员和代表的交互相对应的历史数据,代表分配系统可以识别不同因素之间的相关性和这些交互的极性(例如,积极的、消极的等)。基于这些相关性(或缺乏这些相关性),代表分配系统可以对每个因素应用权重。在一些情况下,可以为所识别的该组代表中的每个代表分配与各种因素相对应的分数,这些因素与会员和代表的人口统计信息之间的相似程度或向量相对应。例如,每个因素可以具有与分配给该因素的权重相对应的可能的分数范围。然而,基于分配给每个因素的权重,可以将该可能分数乘以加权因子,使得与具有较小权重的因素相比,具有较大权重的因素可以乘以较高的加权因子。结果是得到与确定会员和代表之间的匹配的因素的重要性或相关性相对应的一组不同的评分范围。为各种因素确定的分数可以被聚合以获得该组代表中的每个代表的复合分数。这些复合分数可以用于创建该组代表的排名。在一个实施方式中,代表分配系统使用该组代表的排名来选择可以分配给会员的代表。
在步骤610,代表分配系统确定所选择的代表是否可用于分配给新会员。如果所选择的代表不可用(例如,该代表已经与一个或多个其他会员接洽,等等),则在步骤612,代表分配系统可以根据上述排名选择另一代表,并确定该代表与该会员接洽的可用性。可以重复该过程,直到从该组代表中识别出可用于与该会员接洽的代表为止。
如果所选择的代表可用,则在步骤614,代表分配系统可以向会员和所选择的代表通知该分配。此外,在步骤616,代表分配系统可以在会员和所分配的代表之间建立聊天会话或其他通信会话,以促进会员和代表之间的通信。例如,通过任务促进服务提供并安装在会员的计算设备上的应用程序,会员可以通过聊天会话或其他通信会话与所分配的代表交换消息。类似地,代表可以被提供界面,代表可以通过该界面与会员交换消息。
应该注意的是,用于将新会员加入任务促进服务并将代表分配给新会员的过程600可以使用附加和/或替选步骤来执行。例如,代表分配系统可以从该组代表中自动选择第一可用代表,而不是使用机器学习算法或人工智能来识别可以从中选择代表的一组初始代表。在一些情况下,代表分配系统可以基于与会员的识别信息相对应的一个或多个标准来自动缩小该组代表。例如,基于会员的一个或多个特性,代表分配系统可以自动缩小该组代表,使得可以分配给会员的代表池包括与这一个或多个特性相对应的代表。代表分配系统可以从所识别的池中自动选择第一可用代表以分配给会员。
在一些情况下,代表分配系统可以基于会员在过程600期间提供的信息创建与该会员相对应的会员简档。在一个实施方式中,一旦代表分配系统已经将代表分配给该会员,代表分配系统就可以提示该会员生成与该会员相对应的新会员简档。例如,代表分配系统可以向会员提供调查或问卷,该调查或问卷包括可以用于补充先前在过程600期间提供的信息的一组问题。基于会员提供的响应,代表分配系统可以更新与该会员相对应的会员简档。
图7示出了根据至少一个实施方式的用于生成新任务和可用于确定将向会员呈现什么任务的任务排名的过程700的说明性示例。过程700可以由任务促进服务的任务推荐系统来执行。在步骤702,任务推荐系统可以接收任务相关数据。如上所述,任务促进服务的会员可以通过与特定任务类别或类型相对应的任务模板手动提供任务相关数据。任务模板可以包括各种字段,会员可以通过这些字段提供任务的名称、任务的描述、执行任务的时间范围、执行任务的预算等。提供给会员的任务模板可以根据任务促进服务所识别的会员的特性以及和与所选择的任务模板相关联的特定任务类别或类型相对应的特性来具体定制。会员可以将完成的任务模板提供给任务推荐系统以生成新任务。
在一些情况下,分配给会员的代表可以向任务推荐系统提供任务相关数据。例如,分配给会员的代表可以从该会员获得任务模板,并启动对任务的评估,以确定如何最好地为会员的利益而执行任务。例如,代表可以评估任务模板,并向任务推荐系统发送请求,以为会员生成与会员在任务模板中提供的任务相关细节相对应的新任务。
在步骤704,任务推荐系统可以基于由会员和/或分配给会员的代表提供的任务相关数据来生成一个或多个新任务。例如,任务推荐系统可以在与新任务相对应的任务数据存储器中生成新条目。此外,任务推荐可以将唯一标识符分配给新生成的任务。这可以促进跟踪与任务促进服务的会员相关联的特定任务。
在步骤706,任务推荐系统可以确定新创建的任务是否需要附加的任务信息。例如,任务推荐系统可以评估会员简档或模型,以确定是否向代表推荐获得附加信息,该附加信息可以用于确定如何最好地为了会员的利益而执行任务。例如,如果会员已经指示他们希望清洁他们的排水沟,但没有通过任务模板指示应该何时清洁排水沟,则任务推荐系统可以提示代表从会员获得该信息。作为另一示例,如果会员提交了任务而没有特定预算,并且任务推荐系统确定该会员是有预算意识的,则任务推荐系统可以提示代表与该会员通信,以确定执行任务的预算应该是多少。在一些实施方式中,关于是否需要附加任务信息的确定可以由代表基于代表对会员的了解来执行。响应于这些通信而获得的任何信息都可以用于补充会员简档,使得对于未来的任务,可以从会员简档中自动检索该新获得的信息,而不需要对会员进行附加提示。
如果任务推荐系统确定新任务需要附加的任务信息,则在步骤708,任务推荐系统可以从会员或代表处获得该附加的任务信息,并且在步骤710,修订新任务以包含该附加信息。例如,代表可以基于任务推荐系统的确定来提示会员提供该附加信息。替选地,任务推荐系统可以直接与会员通信以获得该附加的任务信息。
在步骤712,任务推荐系统确定是否存在与会员相关联的任何其他现有任务尚未执行(例如,未进行中)。如上所述,任务推荐系统可以基于会员选择任务委派给代表执行和与第三方服务协调的可能性来对一组任务的列表进行排名。替选地,任务推荐系统可以基于完成每个任务的紧急程度来对该组任务的列表进行排名。因此,如果会员当前存在其他现有任务,则在步骤714,任务推荐系统可以修订任务的现有排名,以将新任务包含到排名中。例如,如果与任务的现有排名中的待决任务相比,新任务具有更高的紧急程度,则任务推荐系统可以修改该排名,使得新任务被赋予更高的排名或优先级,以用于将来的执行。
如果任务推荐系统确定不存在其他现有任务,则在步骤716,任务推荐系统可以生成新生成任务的排名以执行这些任务。任务推荐系统可以基于会员选择任务以委派给代表执行以及与第三方服务和/或其他服务/实体协调的可能性,来对该组任务的列表进行排名,第三方服务和/或其他服务/实体与可以被分配以执行任务的任务促进服务相关联。替选地,任务推荐系统可以基于完成每个任务的紧急程度来对该组任务的列表进行排名。在步骤718,任务推荐系统可以向代表呈现该组任务的排名。在一个实施方式中,在步骤718,任务推荐系统向代表呈现可以推荐给会员118的该组任务的排名列表。代表可以从该组任务的排名列表中选择可以向会员推荐哪些任务。
图8示出了根据至少一个实施方式的用于基于会员和分配的代表之间交换的消息来生成任务推荐的过程800的说明性示例。过程800可以由任务推荐系统来执行。在一些情况下,过程800可以结合上面结合图7描述的过程700来执行。例如,任务推荐系统可以将任何新任务推荐与会员和/或代表手动创建的新任务进行排名。
在步骤802,任务推荐系统可以获得会员和所分配的代表之间交换的消息。在一个实施方式中,任务推荐系统可以自动且实时地监控会员和代表之间交换的消息。例如,任务推荐系统可以获得通过与聊天会话相关联的数据流在会员和代表之间交换的消息。类似地,任务推荐系统可以主动且实时地监控代表的用户界面,代表通过该用户界面与会员进行接洽以交换消息。
在步骤804,任务推荐系统可以处理交换的消息,以识别可以提供给代表的可能的任务推荐。例如,任务推荐系统可以利用NLP或其他人工智能来评估从会员接收的消息或其他通信,以识别可以推荐给会员的可能任务。例如,任务推荐系统可以使用NLP或其他人工智能来处理来自会员的任何传入消息,以检测会员想要解决的新任务或其他问题。在一些情况下,任务推荐系统可以利用历史任务数据和相应的消息来训练NLP或其他人工智能来识别可能的任务。
在步骤806,基于对会员和代表之间交换的消息的处理,任务推荐系统可以确定是否已经识别出任何任务推荐。如果任务推荐系统识别出可以推荐给会员的一个或多个可能的任务,则在步骤808,任务推荐系统可以将这些任务推荐呈现给代表,代表可以选择可以与会员共享的任务。这些任务可以通过可通过任务促进服务提供的应用程序或门户网站访问的任务专用界面与会员共享。任务推荐系统可以继续处理在会员和代表之间交换的新消息,以动态且实时地识别可以呈现给会员的新任务推荐。
图9示出了根据至少一个实施方式的用于生成建议并监控会员与所生成的建议的交互的过程900的说明性示例。过程900可以由任务促进服务的任务协调系统来执行。在步骤902,任务协调系统可以接收生成针对特定任务的建议的请求。该请求可以由代表提交,该代表可能已接收到来自会员的为该会员的利益而执行任务的授权。例如,一旦代表从会员和/或通过任务推荐系统获得了必要的任务相关信息(例如,通过评估为处境相似的会员执行的任务而获得的任务参数等),代表就可以利用任务协调系统来生成一个或多个解决任务的建议。
在步骤904,任务协调系统向代表提供与任务类型相对应的建议模板。建议模板可以通过由任务促进服务提供给代表的用户界面来提供。如上所述,建议可以包括呈现给会员的一个或多个选项,这些选项可以由代表在研究给定任务时创建和/或收集。在一些情况下,代表可以通过任务协调系统访问可以用于生成这一个或多个建议的一个或多个模板。例如,任务协调系统可以维护用于不同任务类型的建议模板,由此用于特定任务类型的建议模板可以包括与该任务类型相关联的各种数据字段。
在步骤906,任务协调系统可以记录代表为特定任务生成的建议,以便该建议可以呈现给会员,用于该特定任务。例如,任务协调系统可以将建议添加到任务数据存储器中,使得可以记录会员与建议的交互,以进一步训练用于生成和维护会员简档以及为不同任务类型和不同会员定义个性化建议模板的前述机器学习算法或人工智能。此外,如上所述,任务协调系统可以将建议与用户数据存储器中的会员条目相关联地存储在用户数据存储器内。
在步骤908,任务协调系统可以监控会员与建议的交互,以识别未来可能的建议模板修订。如上所述,当建议被呈现给会员时,任务协调系统可以监控会员与代表以及与建议的交互,以获得可以用于进一步训练用于定义特定会员的建议模板的机器学习算法或人工智能的数据。例如,如果代表基于任务协调系统生成的推荐来呈现没有针对特定企业的任何评级/评价的建议,而会员指示(例如,通过给代表的消息、通过选择建议中的选项来查看特定企业的评级/评价等)他们对特定企业的评级/评价感兴趣,则任务协调系统可以利用这些反馈来进一步训练机器学习算法或人工智能,以增加如下可能性:推荐针对类似任务或任务类型选择的企业的评级/评价的呈现。
图10示出了根据至少一个实施方式的用于根据所选择的建议选项来监控任务的执行的过程1000的说明性示例。过程1000可以由任务促进服务的上述任务协调系统来执行。如上所述,任务协调系统可以监控会员与通过任务促进服务提供的应用程序或门户网站向会员呈现的建议的交互。通过监控该会员与所呈现的建议的交互,在步骤1002,任务协调系统可以检测从所呈现的建议中对特定建议选项的选择。如上所述,代表可以通过建议模板为可用于完成任务的企业和/或产品生成附加的建议选项。例如,对于特定建议,代表可以生成推荐选项,该选项可以对应于代表为完成任务而推荐的企业或产品。此外,为了向会员提供附加的选项或选择,代表可以生成与可能完成任务的其他企业或产品相对应的附加选项。在一些情况下,如果代表知道会员已将关于完成任务的决策委派给代表,则代表可以放弃生成推荐选项之外的附加建议选项。然而,代表仍然可以向会员呈现所选择的用于完成任务的建议选项,以便使会员了解任务的状态。
如果会员从所呈现的建议中接受建议选项,则在步骤1004,任务协调系统将与所呈现的建议相关联的任务移动到执行状态,并且代表可以根据所选择的建议选项继续执行该建议。例如,代表可以联系一个或多个第三方服务,以根据会员接受的建议中定义的参数来协调任务的执行。
在步骤1006,任务协调系统可以确定与和任务促进服务相关联的第三方服务或其他服务/实体的协调是否可以由任务协调系统自动执行。如果与和任务促进服务相关联的第三方服务或其他服务/实体的协调可以自动执行(例如,第三方服务或其他服务/实体提供用于订购、调度、支付等的自动化系统),则在步骤1008,任务协调系统可以根据所选择的建议选项与和任务促进服务相关联的第三方服务或其他服务/实体协调任务的执行。例如,任务协调系统可以直接与和任务促进服务相关联的第三方服务或其他服务/实体交互,以根据所选择的建议选项来协调任务的执行。任务协调系统可以向代表提供来自与任务促进服务相关联的第三方服务或其他服务/实体的任何信息。代表又可以通过会员用来访问任务促进服务的应用程序或门户网站向会员提供该信息。替选地,代表可以通过其他通信方法(例如,电子邮件消息、文本消息等)将该信息发送给会员,以指示第三方服务已经根据所选择的建议选项启动了任务的执行。
在步骤1010,任务协调系统可以监控与任务促进服务相关联的第三方服务、其他服务/实体、和/或代表完成任务的表现。例如,任务协调系统可以记录由第三方服务提供的关于执行任务的时间范围、与执行任务相关联的成本、关于执行任务的任何状态更新等的任何信息。任务协调系统可以将该信息与对应于正在执行的任务的数据记录相关联。由与任务促进服务相关联的第三方服务或其他服务/实体提供的状态更新可以通过任务促进服务提供的应用程序或门户网站自动提供给会员和代表。可替换地,状态更新可以被提供给代表,代表可以通过用于正在执行的特定任务的任务专用界面向会员提供这些状态更新。
如上所述,任务协调系统可以允许参与执行任务的第三方服务或其他服务/实体直接与会员通信,以提供与任务相关的状态更新。例如,任务协调系统可以促进会员与第三方服务或其他服务/实体之间的通信通道,通过该通信通道,会员与第三方服务或其他服务/实体可以交换与正在执行的任务有关的消息。该通信通道可以通过特定于任务的界面来提供,使得该通信通道不同于会员和代表之间的一般通信通道以及不同于会员与代表之间的任何其他任务相关通信通道。在一些情况下,第三方服务或其他服务/实体可以被添加到会员和代表之间现有的任务专用通信通道。这可以允许会员和代表在第三方服务或其他服务/实体执行分配的任务时主动地与第三方服务或其他服务或实体接洽。
在步骤1012,任务协调系统可以根据所选择的建议选项来确定任务是否已经完成。如果任务协调系统确定任务尚未完成,则在步骤1014,任务协调系统可以向会员提供任何可用的任务更新,如上所述。然而,如果任务协调系统确定任务已经完成,则在步骤1016,任务协调系统可以指示任务已经完成。如上所述,一旦任务已经完成,会员就可以根据会员选择的建议选项提供关于执行任务的代表和/或第三方服务或其他服务/实体的表现的反馈。任务协调系统可以使用机器学习算法或人工智能来处理会员提供的反馈,以改进对建议选项、第三方服务或其他服务/实体的推荐,和/或可以执行以完成类似任务的过程。
图11示出了根据一些实施方式的包括彼此电通信的各种组件的计算系统架构1100。图11中所示的示例计算系统架构1100包括计算设备1102,根据一些实现方式,计算设备1102具有使用诸如总线的连接1106彼此电通信的各种组件。示例计算系统架构1100包括使用连接1106与各种系统组件电通信的处理单元1104,并且包括系统存储器1114。在一些实施方式中,系统存储器1114包括只读存储器(ROM)、随机存取存储器(RAM)和其他这样的存储器技术,包括但不限于本文所描述的那些。在一些实施方式中,示例计算系统架构1100包括作为高速存储器的高速缓存1108,高速缓存1108与处理器1104直接连接、紧邻处理器1104或集成为处理器1104的一部分。系统架构1100可以将数据从存储器1114和/或存储设备1110复制到高速缓存1108以供处理器1104快速访问。以这种方式,高速缓存1108可以提供性能提升,其减少或消除由于等待数据而导致的处理器1104中的处理器延迟。处理器1104可以被配置为使用诸如本文所述的模块、方法和服务来执行各种动作。在一些实施方式中,高速缓存1108可以包括多种类型的高速缓存,包括例如一级(L1)和二级(L2)高速缓存。存储器1114在本文中可以被称为系统存储器或计算机系统存储器。存储器1114可以在各种时间包括操作系统的元素、一个或多个应用程序、与所述操作系统或所述一个或多个应用程序相关联的数据、或与计算设备1102相关联的其他这样的数据。
也可以使用其他系统存储器1114。存储器1114可以包括具有不同性能特性的多种不同类型的存储器。处理器1104可以包括任何通用处理器以及一个或多个硬件或软件服务(例如存储在存储设备1110中的被配置为控制处理器1104的服务1112),以及其中软件指令被并入到实际处理器设计中的专用处理器。处理器1104可以是完全独立的计算系统,其包含多个核或处理器、连接器(例如,总线)、存储器、存储器控制器、高速缓存等。在一些实施方式中,具有多个核的这种独立的计算系统是对称的。在一些实施方式中,具有多个核的这种独立的计算系统是不对称的。在一些实施方式中,处理器1104可以是微处理器、微控制器、数字信号处理器(“DSP”)、或者这些和/或其他类型的处理器的组合。在一些实施方式中,处理器1104可以包括多个元件,例如核、一个或多个寄存器、以及一个或多个处理单元,例如算术逻辑单元(ALU)、浮点单元(FPU)、图形处理单元(GPU)、物理处理单元(PPU)、数字系统处理(DSP)单元、或者这些和/或其他这样的处理单元的组合。
为了实现用户与计算系统架构1100的交互,输入设备1116可以表示任意数量的输入机构,例如用于语音的麦克风、用于手势或图形输入的触敏屏幕、键盘、鼠标、运动输入、笔、和其他这样的输入设备。输出设备1118也可以是本领域技术人员已知的多个输出机构中的一者或多者,包括但不限于监控器、扬声器、打印机、触觉设备、和其他这样的输出设备。在一些情况下,多模式系统可以使用户能够提供多种类型的输入以与计算系统架构1100通信。在一些实施方式中,输入设备1116和/或输出设备1118可以使用远程连接设备联接到计算设备1102,远程连接设备例如是通信接口,例如本文描述的网络接口1120。在这样的实施方式中,通信接口可以控制和管理从所附接的输入设备1116和/或输出设备1118接收的输入和输出。正如可以预想的那样,对在任何特定硬件布置上操作没有限制,因此,在开发其他硬件、软件或固件布置时,这里的基本特征可以容易地被替换为其他硬件、软件或固件布置。
在一些实施方式中,存储设备1110可以被描述为非易失性存储装置或非易失存储器。这种非易失性存储器或非易失性存储装置可以是硬盘或者可以存储可由计算机访问的数据的其他类型的计算机可读介质,诸如磁带盒、闪存卡、固态存储器设备、数字通用光盘、盒式磁带、RAM、ROM及其混合。
如上所述,存储设备1110可以包括硬件和/或软件服务,例如服务1112,其可以控制或配置处理器1104来执行一个或多个功能,包括但不限于本文在各种实施方式中描述的方法、过程、功能、系统和服务。在一些实施方式中,硬件或软件服务可以被实现为模块。如示例计算系统架构1100中所示,存储设备1110可以使用系统连接1106连接到计算设备1102的其他部分。在一个实施例中,执行功能的硬件服务或硬件模块(例如服务1112)可以包括存储在非暂时性计算机可读介质中的软件组件,该软件组件与必要的硬件组件(例如处理器1104、连接1106、高速缓存1108、存储设备1110、存储器1114、输入设备1116、输出设备1118等)相结合,可以执行诸如本文所描述的那些功能。
所公开的任务促进服务(例如,本文中至少结合图1描述的任务促进服务102)的系统和服务可以使用诸如图11中所示的示例计算系统之类的计算系统,使用示例计算系统架构1100的一个或多个组件来执行。示例计算系统可以包括处理器(例如,中央处理单元)、存储器、非易失性存储器、和接口设备。存储器可以存储数据和/或一个或多个代码集、软件、脚本等。计算机系统的组件可以通过总线或通过某一其他已知或方便的设备联接在一起。
在一些实施方式中,处理器可以被配置为执行用于生成与本文所述的任务促进服务(例如,本文至少结合图1所述的任务促进服务102)相关联的建议的方法和系统中的一些或全部,例如,通过使用诸如处理器1104之类的处理器执行代码来生成,其中代码存储在诸如本文所述的存储器1114之类的存储器中。用户设备、供应商服务器或系统、数据库系统、或其他这样的设备、服务或系统中的一者或多者可以包括使用本文所示的示例计算系统架构1100的一个或多个组件的计算系统(例如图11中所示的示例计算系统)的一些或全部组件。如可以预想的,对这样的系统的变型可以被认为在本发明的范围内。
本发明预想到采用任何合适的物理形式的计算机系统。作为示例而非限制,计算机系统可以是嵌入式计算机系统、片上系统(SOC)、单板计算机系统(SBC)(诸如,例如模块计算机(COM)或模块系统(SOM))、台式计算机系统、膝上型或笔记本计算机系统、平板计算机系统、可穿戴计算机系统或接口、交互式自助服务终端(kiosk)、大型机、计算机系统网格、移动电话、个人数字助理(PDA)、服务器、或以上两者或更多者的组合。适当时,计算机系统可以:包括一个或多个计算机系统;为统一的或分布式的;跨多个位置;跨多个机器;和/或驻留在云计算系统中,该云计算系统可以包括如本文中与计算资源提供商1128相关联地描述的一个或多个网络中的一个或多个云组件。适当时,一个或多个计算机系统可以基本上没有空间或时间限制而执行本文所描述或所示出的一种或多种方法的一个或多个步骤。作为示例而非限制,一个或多个计算机系统可以实时或以批量模式执行本文所描述或所示出的一种或多种方法的一个或多个步骤。适当时,一个或多个计算机系统可以在不同时间或在不同位置执行本文所描述或所示出的一种或多种方法的一个或多个步骤。
处理器1104可以是传统微处理器,诸如微处理器、/>微处理器、微处理器、或其他这样的微处理器。相关领域技术人员能够认识到术语“机器可读(存储)介质”或“计算机可读(存储)介质”包括可由处理器访问的任何类型的设备。
存储器1114可以通过例如连接器1106之类的连接器或总线联接到处理器1104。如本文所使用的,诸如连接器1106的连接器或总线是在计算设备1102内的组件之间传输数据的通信系统,并且在一些实施方式中,可以用于在计算设备之间传输数据。连接器1106可以是数据总线、存储器总线、系统总线、或其他这样的数据传输机构。这种连接器的示例包括但不限于工业标准架构(ISA)总线、扩展ISA(EISA)总线、并行AT附件(PATA)总线(例如,集成驱动电子设备(IDE)或扩展IDE(EIDE)总线)、或各种类型的并行组件互连(PCI)总线(如PCI、PCIe、PCI-104等)。
存储器1114可以包括RAM,包括但不限于动态RAM(DRAM)、静态RAM(SRAM)、同步动态RAM(SDRAM)、非易失性随机存取存储器(NVRAM)、和其他类型的RAM。DRAM可以包括纠错码(EEC)。存储器还可以包括ROM,包括但不限于可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、掩模ROM(MROM)、和其他类型的ROM。存储器1114还可以包括磁或光学数据存储介质,包括只读(例如CD ROM和DVD ROM)或其他(例如CD或DVD)。存储器可以是本地的、远程的、或分布式的。
如上所述,连接器1106(或总线)还可以将处理器1104联接到存储设备1110,该存储设备可以包括非易失性存储器或非易失性存储装置,并且还可以包括驱动单元。在一些实施方式中,非易失性存储器或非易失性存储装置是磁软盘或硬盘、磁光盘、光盘、ROM(例如CD-ROM、DVD-ROM、EPROM或EEPROM)、磁卡或光卡、或用于数据的另一种形式的存储器。在计算机系统中执行软件期间,可以通过直接存储器访问过程将这些数据中的一些写入存储器。非易失性存储器或非易失性存储装置可以是本地的、远程的或分布式的。在一些实施方式中,非易失性存储器或非易失性存储装置是可选的。如可以预想的,可以利用存储器中可用的所有可应用数据来创建计算系统。典型的计算机系统通常包括至少一个处理器、存储器、和将存储器联接到处理器的设备(例如,总线)。
软件和/或与软件相关联的数据可以存储在非易失性存储器和/或驱动单元中。在一些实施方式中(例如,对于大型程序),可能不能在任何时候将整个程序和/或数据存储在存储器中。在这样的实施方式中,程序和/或数据可以例如从诸如存储设备1110之类的附加存储设备移入和移出存储器。然而,应当理解,对于要运行的软件,如果需要,其可以移动到适于处理的计算机可读位置,并且为了说明目的,该位置在本文中称为存储器。即使当软件被移动到存储器以用于执行,处理器也可以使用硬件寄存器来存储与软件相关联的值以及使用理想地用于加速执行的本地缓存。如本文所使用的,当软件程序被称为“在计算机可读介质中实施的”时,软件程序被假设为存储在任何已知或方便位置(从非易失性存储装置至硬件寄存器)。当与程序相关联的至少一个值存储在可由处理器读取的寄存器中时,该处理器被认为是“被配置为执行程序”。
连接1106还可以将处理器1104联接到网络接口设备,例如网络接口1120。该接口可以包括调制解调器或其他这样的网络接口(包括但不限于本文所描述的那些)中的一者或多者。应当理解,网络接口1120可以被认为是计算设备1102的一部分,或者可以与计算设备1102分开。网络接口1120可以包括模拟调制解调器、综合业务数字网(ISDN)调制解调器、线缆调制解调器、令牌环接口、卫星传输接口、或其他用于将一计算机系统联接到其他计算机系统的接口中的一者或多者。在一些实施方式中,网络接口1120可以包括一个或多个输入和/或输出(I/O)设备。I/O设备可以包括,例如但不限于,诸如输入设备1116之类的输入设备和/或诸如输出设备1118之类的输出设备。例如,网络接口1120可以包括键盘、鼠标、打印机、扫描仪、显示设备、和其他这样的组件。本文描述了输入设备和输出设备的其他示例。在一些实施方式中,通信接口设备可以被实现为完整且单独的计算设备。
在操作中,计算机系统可由包括文件管理系统(诸如磁盘操作系统)的操作系统软件控制。具有相关联的文件管理系统软件的操作系统软件的一个示例是的操作系统系列及其相关联的文件管理系统。具有其相关联的文件管理系统软件的操作系统软件的另一个示例是LinuxTM操作系统及其相关联的文件管理系统,包括但不限于/>操作系统及其相关联的文件管理系统的各种类型和实现方式。文件管理系统可以存储在非易失性存储器和/或驱动单元中,并且可以使处理器执行操作系统所需的各种动作,以输入和输出数据以及将数据存储在存储器中,包括将文件存储在非易失性存储器和/或驱动单元上。如可以预想的,其他类型的操作系统,例如/>其他类型的/>操作系统(例如BSDTM及其后代XenixTM、SunOSTM、/>等)、移动操作系统(例如/>及其变型、Ubuntu/>Windows10/>OS等)、和实时操作系统(例如/> 等)可被视为在本发明的范围内。如可以预想的,本文列出的操作系统、移动操作系统、实时操作系统、语言、和设备的名称可以是各种相关联实体的注册商标、服务标记、或设计。
在一些实施方式中,计算设备1102可以使用诸如网络接口1120之类的连接通过网络1122连接到诸如计算设备1124之类的一个或多个附加计算设备。在这样的实施方式中,计算设备1124可以执行一个或多个服务1126,以在计算设备1102上操作的程序和/或服务的控制下或代表在计算设备1102上操作的程序和/或服务来执行一个或多个功能。在一些实施方式中,诸如计算设备1124之类的计算设备可以包括结合计算设备1102描述的一种或多种类型的组件,包括但不限于诸如处理器1104之类的处理器、诸如连接1106之类的连接、诸如高速缓存1108之类的高速缓存、诸如存储设备1110之类的存储设备、诸如存储器1114之类的存储器、诸如输入设备1116之类的输入设备、和诸如输出设备1118之类的输出设备。在这样的实施方式中,计算设备1124可以执行诸如本文结合计算设备1102描述的那些功能。在一些实施方式中,计算设备1102可以连接到诸如计算设备1124之类的多个计算设备,这多个计算设备中的每一个也可以连接到诸如计算设备1124之类的多个计算设备。这样的实施方式在本文中可以被称为分布式计算环境。
网络1122可以是任何网络,包括互联网、内联网、外联网、蜂窝网络、Wi-Fi网络、局域网(LAN)、广域网(WAN)、卫星网络、网络、虚拟专用网络(VPN)、公共交换电话网络、红外(IR)网络、物联网(IoT网络)、或任何其他这样的网络或网络的组合。通过网络1122的通信可以是有线连接、无线连接或其组合。通过网络1122的通信可以通过各种通信协议进行,包括但不限于,传输控制协议/互联网协议(TCP/IP)、用户数据报协议(UDP)、开放系统互连(OSI)模型的各个层中的协议、文件传输协议(FTP)、通用即插即用(UPnP)、网络文件系统(NFS)、服务器消息块(SMB)、通用互联网文件系统(CIFS)、和其他此类通信协议。
在网络1122上、在计算设备1102内、在计算设备1124内、或在计算资源提供商1128内的通信可以包括信息,在本文中也可以称为内容。该信息可以包括文本、图形、音频、视频、触觉、和/或可以提供给诸如计算设备1102之类的计算设备的用户的任何其他信息。在一个实施方式中,可以使用诸如超文本标记语言(HTML)、可扩展标记语言(XML)、级联样式表(CSS)、/>对象表示法(JSON)的传输协议、以及其他这样的协议和/或结构化语言来递送信息。该信息可以首先由计算设备1102处理,并使用通过视觉、声音、气味、味觉、触摸或其他这样的机制可感知的形式呈现给计算设备1102中的用户。在一些实施方式中,网络1122上的通信可以由被配置为服务器的计算设备接收和/或处理。这种通信可以使用以下来发送和接收:PHP:超文本预处理器(“PHP”)、PythonTM、Ruby、及其变型、/>HTML、XML或、其他此类服务器端处理语言。
在一些实施方式中,计算设备1102和/或计算设备1124可以使用诸如本文所述的网络接口(例如,网络接口1120)通过网络1122连接到计算资源提供商1128。在这样的实施方式中,托管在计算资源提供商1128内(在本文中也称为“计算资源提供商环境”内)的一个或多个系统(例如,服务1130和服务1132),可以在计算设备1102和/或计算设备1124上操作的程序和/或服务的控制下或代表其执行一个或多个服务以执行一个或多个功能。诸如服务1130和服务1132之类的系统可以包括一个或多个计算设备(诸如本文所述的计算设备),以执行计算机代码,从而在计算设备1102和/或计算设备1124上操作的程序和/或服务的控制下或代其执行一个或多个功能。
例如,当计算设备1102的数据量超过存储设备1110的容量时,计算资源提供商1128可以提供在服务1130上操作的服务,以存储计算设备1102的数据。在另一示例中,计算资源提供商1128可以提供服务,以首先实例化服务1132上的虚拟机(VM),使用该VM来访问存储在服务1132上的数据,对该数据执行一个或多个操作,以及将这一个或多个操作的结果提供给计算设备1102。这样的操作(例如,数据存储和VM实例化)在本文中可以被称为“在云中”、“在云计算环境内”或“在托管的虚拟机环境内”操作,并且计算资源提供商1128在本文中也可以被称作“云”。这种计算资源提供商1128的示例包括但不限于,网络服务/>微软/>IBM/>Google/>Oracle/>等。
计算资源提供商1128提供的服务包括但不限于数据分析、数据存储、档案存储、大数据存储、虚拟计算(包括各种可扩展的VM架构)、区块链服务、容器(例如,应用程序封装)、数据库服务、开发环境(包括沙盒开发环境),电子商务解决方案、游戏服务、媒体和内容管理服务、安全服务、无服务器托管、虚拟现实(VR)系统、和增强现实(AR)系统。促进此类服务的各种技术包括但不限于虚拟机、虚拟存储器、数据库服务、系统调度器(例如,管理程序)、资源管理系统、各种类型的短期、中期、长期和档案存储设备等。
如可以预想的,诸如服务1130和服务1132之类的系统可以代表计算设备1102和/或计算设备1124或在其控制下实现各种服务(例如,服务1112或服务1126)的版本。这样实现的各种服务的版本可以涉及一种或多种虚拟化技术,使得例如,当服务在例如服务1130上执行时,对计算设备1102的用户来说,服务1112看起来在计算设备1102上执行。如还可以预想的,在计算资源提供商1128环境内操作的各种服务可以分布在环境内的各种系统之间,以及部分分布在计算设备1124和/或计算设备1102上。
客户端设备、用户设备、计算机资源提供商设备、网络设备和其他设备可以是包括一个或多个集成电路、输入设备、输出设备、数据存储设备、和/或网络接口等的计算系统。集成电路可以包括,例如,一个或多个处理器、易失性存储器和/或非易失性存储器、以及诸如本文所描述的那些部件。输入设备可以包括,例如,键盘、鼠标、小键盘、触摸界面、麦克风、相机、和/或其他类型的输入设备,包括但不限于本文所述的输入设备。输出设备可以包括例如显示屏、扬声器、触觉反馈系统、打印机、和/或其他类型的输出设备,包括但不限于本文所述的输出设备。诸如硬盘驱动器或闪存的数据存储设备可以使计算设备能够临时地或永久地存储数据。诸如无线或有线接口的网络接口可以使计算设备能够与网络通信。计算设备(例如,计算设备1102)的示例包括但不限于台式计算机、膝上型计算机、服务器计算机、手持计算机、平板电脑、智能手机、个人数字助理、数字家庭助理、可穿戴设备、智能设备、以及这些和/或其他这样的计算设备以及其中已经并入和/或虚拟地实现了计算设备的机器和装置的组合。
本文描述的技术也可以在电子硬件、计算机软件、固件或其任何组合中实现。这样的技术可以在多种设备中的任何一种中实现,例如通用计算机、无线通信设备手机、或具有多种用途的集成电路设备,包括在无线通信设备手机和其他设备中的应用程序。描述为模块或组件的任何特征都可以在集成逻辑设备中一起实现,或者作为分立但可互操作的逻辑设备单独实现。如果以软件实现,则该技术可以至少部分地由包括程序代码的计算机可读数据存储介质实现,该程序代码包括指令,该指令当被执行时,执行上述方法中的一种或多种。计算机可读数据存储介质可以形成计算机程序产品的一部分,该计算机程序产品可以包括包装材料。计算机可读介质可以包括存储器或数据存储介质,例如本文所述的存储器或数据存储介质。附加地或替选地,这些技术可以至少部分地通过计算机可读通信介质来实现,该计算机可读通信介质承载或传送指令或数据结构形式的程序代码并且这些程序代码可以由计算机访问、读取和/或执行,例如传播的信号或波。
程序代码可以由处理器执行,处理器可以包括一个或多个处理器,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)、或其他等效的集成或离散逻辑电路。这种处理器可以被配置为执行本发明中描述的任何技术。通用处理器可以是微处理器;但是在替选方案中,处理器可以是任何常规处理器、控制器、微控制器、或状态机。处理器也可以实现为计算设备的组合(例如DSP和微处理器的组合)、多个微处理器、与DSP核结合的一个或多个微处理器、或者任何其他这种配置。因此,本文中所使用的术语“处理器”可以是指任何前述结构、前述结构的任何组合、或适于实现本文所描述的技术的任何其他结构或装置。此外,在一些方面中,可以在被配置为用于实现暂停数据库更新系统的专用软件模块或硬件模块内提供本文所描述的功能。
如本文所使用的,术语“机器可读介质”和等效术语“机器读取存储介质”、“计算机可读介质”以及“计算机可读存储介质”是指包括但不限于以下的介质:便携式或非便携式存储设备、光学存储设备、可移除或不可移除存储设备、以及能够存储、包含或携带(一种或多种)指令和/或数据的各种其他介质。计算机可读介质可以包括非暂时性介质,该非暂时性介质中可以存储数据,并且不包括无线地或通过有线连接传播的载波和/或暂时性电信号。非暂时性介质的示例可以包括但不限于磁盘或磁带、诸如光盘(CD)或数字通用光盘(DVD)的光存储介质、固态驱动器(SSD)、闪存、存储器或存储器设备。
机器可读介质或机器可读存储介质可以具有其上存储的代码和/或机器可执行指令,其可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类、或者指令、数据结构或程序语句的任何组合。一代码段可以通过传递和/或接收信息、数据、自变量、参数、或存储内容而与另一代码段或硬件电路关联。信息、自变量、参数、数据等可以通过包括存储器共享、消息传递、令牌传递、网络传输等的任何适当手段来进行传递、转发或传输。机器可读存储介质、机器可读介质、或计算机可读(存储)介质的其他示例包括但不限于:可记录类型介质,诸如易失性和非易失性存储器设备、软盘和其他可移除磁盘、硬盘驱动器、光盘(例如,CD、DVD)等)等等;以及传输类型介质,诸如数字和模拟通信链路。
如可以预想的,虽然本文中的示例可以将机器可读介质或机器可读存储介质示出或称为单个介质,但术语“机器可读介质”和“机器可读存储介质”应被理解为包括存储一组或多组指令的单个介质或多个介质(例如,集中式或分布式数据库,和/或相关联的高速缓存和服务器)。术语“机器可读介质”和“机器可读存储介质”还应理解为包括能够存储、编码或携带一组供系统执行的指令并且使系统执行本文公开的任何一种或多种方法或模块的任何介质。
本文具体实施方式的某些部分可以依据对计算机存储器中的数据位的操作的算法和符号表示来呈现。这些算法描述和表示是数据处理领域的技术人员所使用的手段,以将其工作的实质最有效地传达给本领域的其他技术人员。算法在这里并且通常被设想成导致所期望的结果的操作的自洽序列。操作是那些需要物理量的物理操纵的操作。通常,虽然非必须,但这些物理量采用能够被存储、被转移、被组合、被比较、和以其他方式被操纵的电信号或磁信号的形式。已经证实,主要出于常用的原因,将这些信号称为位、值、元素、符号、字符、项、数字等有时是方便的。
然而,应当记住,所有这些术语和类似术语是与合适的物理量相关联的并且仅仅是应用于这些物理量的方便的标签。除非以与以下讨论明显不同的方式明确声明,否则应当理解,贯穿整个说明书,使用诸如“处理”或“计算(computing)”或“计算(calculating)”或“确定”或“显示”或“生成”等的术语的讨论是指计算机系统或类似电子计算设备的动作和过程,所述计算机系统或类似电子计算设备将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵并转换成类似地表示为计算机系统的存储器或寄存器或其他这种信息存储、传输或显示设备内的物理量的其他数据。
还应注意的是,各个实现方式可以被描述为过程,该过程被描绘为流程图、作业图、数据流图、结构图或框图(例如,如图7所示的用于生成新任务和用于生成可用于确定向会员呈现哪些任务的任务排名的示例过程700)。尽管流程图、作业图、数据流图、结构图或框图可以将操作描述为顺序过程,但是许多操作可以并行或同时执行。另外,可以重新安排操作的顺序。当图中示出的一个过程的操作完成时,该过程将终止,但是可以具有未包含在图中的附加步骤。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时,其终止可对应于该函数返回到调用函数或主函数。
在一些实施方式中,可以使用机器学习或人工智能算法来实现诸如本文所述的算法的一个或多个实现方式。这样的机器学习或人工智能算法可以使用有监督、无监督、强化的或其他这样的训练技术来训练。例如,可以使用多种机器学习算法中的一种来分析一组数据,以在没有监督和反馈的情况下(例如,无监督训练技术)识别该组数据的不同元素之间的相关性。机器学习数据分析算法也可以使用样本或实时数据来训练,以识别潜在的相关性。这样的算法可以包括k-均值聚类算法、模糊c-均值(FCM)算法、期望最大化(EM)算法、分层聚类算法、基于密度的具有噪声的应用的空间聚类(DBSCAN)算法等。机器学习或人工智能算法的其他示例包括但不限于,遗传算法、反向传播、强化学习、决策树、线性分类、人工神经网络、异常检测等。更一般地,机器学习或人工智能方法可以包括回归分析、降维、元学习、强化学习、深度学习以及其他这样的算法和/或方法。如可以预期的,由于这些领域之间的重叠程度并且许多公开的技术和算法具有类似的方法,术语“机器学习”和“人工智能”经常可互换使用。
作为监督训练技术的示例,可以选择一组数据用于机器学习模型的训练,以促进识别该组数据的项之间的相关性。可以评估机器学习模型,以基于提供给机器学习模型的样本输入来确定机器学习模型是否在该组数据的项之间产生准确的相关性。基于该评估,可以修改机器学习模型以增加机器学习模型识别期望相关性的可能性。机器学习模型还可以通过从系统的用户征求关于由机器学习算法或人工智能算法(即监督)提供的相关性的功效的反馈来进行动态训练。机器学习算法或人工智能可以使用该反馈来改进用于生成相关性的算法(例如,该反馈可以用于进一步训练机器学习算法或者人工智能以提供更准确的相关性)。
本文讨论的流程图、作业图、数据流图、结构图或框图的各种示例还可以通过硬件、软件、固件、中间件、微代码、硬件描述语言、或它们的任何组合来实现。当以软件、固件、中间件或微代码实现时,执行必要任务的程序代码或代码段(例如,计算机程序产品)可以存储在诸如本文所述的计算机可读或机器可读存储介质(例如,用于存储程序代码或代码段的介质)中。在集成电路中实现的(一个或多个)处理器可以执行必要任务。
结合本文公开的实现方式描述的各种说明性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件、固件、或其组合。为了清楚地说明硬件和软件的这种可互换性,以上已经在其功能方面总体上描述了各种说明性组件、块、模块、电路、和步骤。这种功能被实现为硬件还是软件取决于特定应用和对整个系统的设计约束。技术人员可以针对每种特定应用以不同方式实现所描述的功能,但是这种实现决策不应被解释为造成偏离本发明的范围。
然而,应该注意的是,本文中呈现的算法和显示并非固有地与任何特定计算机或其他装置相关。各种通用系统可以根据本文教导与程序一起使用,或者可以证实构建更专门的装置来执行一些示例的方法是方便的。根据以下描述,所需的用于各种这些系统的结构将清楚明了。此外,并未参考任何特定编程语言来描述技术,因此各种示例可以使用各种编程语言来实现。
在各种实现方式中,系统作为独立设备进行操作或者可以连接(例如,联网)到其他系统。在联网部署中,系统可以在客户端-服务器网络环境中作为服务器或客户端系统进行操作,或者在点对点(或分布式)网络环境中作为对等系统进行操作。
系统可以是服务器计算机、客户端计算机、个人计算机(PC)、平板PC(例如,Microsoft/>等)、膝上型计算机、机顶盒(STB)、个人数字助理(PDA)、移动设备(例如,蜂窝电话、/>和/>设备、/>等)、可穿戴设备、嵌入式计算机系统、电子书阅读器、处理器、电话、网络设备、网络路由器、交换机或桥接器、或能够执行指定待由该系统采取的动作的一组指令(按顺序或者以其他方式)的任何系统。该系统还可以是虚拟系统,例如可以托管在诸如计算机设备1102的另一计算机设备上的上述设备之一的虚拟版本。
通常,被执行以实现本发明的实现方式的例程可以实现为操作系统或专用应用程序、组件、程序、对象、模块或被称为“计算机程序”的指令序列的一部分。计算机程序通常包括在不同时间在计算机中的各种存储器和存储设备中设置的一个或多个指令,并且所述指令在被计算机中的一个或多个处理单元或处理器读取并执行时,致使该计算机进行操作以执行涉及本发明的各种方面的元素。
此外,尽管已经在功能完善的计算机和计算机系统的上下文中描述了示例,但是本领域技术人员能够理解,各种示例能够作为程序客体而以各种形式分布,而且不管实际用于实现分布的机器或计算机可读介质的具体类型如何,本发明都同样适用。
在一些情况中,存储器设备的操作(诸如从二进制1到二进制0的状态改变或者反之亦然)例如可以包括变换(诸如物理变换)。利用特定类型的存储器设备,这种物理变换可以包括物品向不同状态或事物的物理变换。例如,但非限制地,对于某些类型的存储器设备,状态的改变可以涉及电荷的积累和存储或者所存储的电荷的释放。类似地,在其他存储器设备中,状态的改变可以包括磁取向的物理改变或变换或者分子结构的物理改变或变换,诸如从晶体到非晶体或者反之亦然。前述内容不意图为其中存储器设备中从二进制1到二进制0(或者反之)的状态改变可以包括变换(诸如物理变换)所有示例的穷尽列表。而是,前述内容意图作为说明性示例。
存储介质通常可以为非暂时性设备或者可以包括非暂时性设备。在该情况下,非暂时性存储介质可以包括有形设备,这意味着该设备具有具体的物理形式,但是该设备的物理状态可以改变。因此,例如,非暂时性是指尽管状态改变但是保持有形的设备。
以上描述和附图是说明性的而不能解释为将主题限制或制约到所公开的确切形式。相关领域的技术人员能够理解,鉴于上述公开内容可以有许多修改和变化,并且可以在不脱离本文所阐述的实施方式的更广泛范围的情况下进行这些修改和变化。描述了许多具体细节来提供对本发明的透彻理解。然而,在某些情况中,众所周知的或常规的细节没有被描述,从而避免使描述模糊不清
如本文中所使用的,术语“连接”、“联接”、或其任何变型当应用于系统的模块时,意味着两个或更多个元件之间直接或间接的任何连接或联接;元件之间的联接或连接可以是物理的、逻辑的、或其任何组合。此外,词语“本文”、“以上”、“以下”、以及类似含义的词语,当用于本申请中时,应该是指本申请整体,而不是本申请的任何特定部分。当上下文允许时,在以上具体实施方式部分中的使用单数或复数的词语也可以分别包括复数或单数。在关于两个或更多个项目的列表中,词语“或”涵盖该词语的所有如下解释:列表中项目的任一者、列表中所有项目、或者列表中项目的任何组合。
如本文所使用的,术语“一”和“该”以及其他此类单数指代应解释为包括单数和复数,除非本文另有说明或与上下文明显矛盾。
如本文所使用的,术语“包括”、“具有”、和“包含”应被解释为开放式(例如,“包括”应被理解为“包括但不限于”),除非另有说明或与上下文明显矛盾。
如本文所使用的,值范围的表述旨在作为一种单独引用落在该范围内的每个单独的值的简写方法,除非另有说明或与上下文明显矛盾。因此,该范围的每个单独的值被并入说明书中,就好像它在本文中被单独地阐述一样。
如本文所使用的,术语“集合”(例如“项目集合”)和“子集”(例如,“项目集合的子集”)的使用应被解释为包括一个或多个项的非空集合,除非另有说明或与上下文明显矛盾。此外,除非另有说明或与上下文明显矛盾,否则相应集合的术语“子集”不一定表示该相应集合的真子集,而是该子集和集合可以包括相同的元素(即,该集合和子集可以相同)。
如本文所使用的,使用诸如“A、B和C中的至少一者”的连接语言应被解释为指示A、B和C中的一者或多者(例如,集合{A、B,C}的以下非空子集中的任何一个,即:{A}、{B}、{C}、{A、B}、{A、C}、{B、C}或{A、B、C}),除非另有说明或与上下文明显矛盾。因此,诸如“作为A、B和C中的至少一者”之类的连接语言并不意味着要求至少一个A、至少一个B和至少一个C。
如本文所使用的,使用示例或示例性语言(例如,“例如”或“作为示例”)旨在更清楚地说明实施方式,除非另有要求,否则不对范围施加限制。说明书中的这种语言应被解释为指示本发明中描述和要求保护的实施方式的实践不需要任何未要求保护的元素。
如本文所使用的,当组件被描述成“被配置为”执行某些操作时,这种配置可以例如通过将电子电路或其他硬件设计成执行操作、通过将可编程电子电路(例如,微处理器、或其他合适的电子电路)编程为执行操作、或者其任何组合来完成。
本领域技术人员能够理解,所公开的主题可以以下面未示出的其他形式和方式来实施。应当理解,关系型术语的使用(如果有的话,诸如第一、第二、顶部和底部等)仅用于将一个实体或动作与另一个实体或动作区分开,而不必要求或暗示这些实体或动作之间的任何这种实际关系或顺序。
尽管过程或方框以给定顺序呈现,但是替选实现方式可以执行具有不同顺序的步骤的例程或采用具有不同顺序的方框的系统,并且一些过程或方框可以被删除、移动、添加、细分、取代、组合和/或修改,以提供替选组合或子组合。可以以各种不同方式实现这些过程或方框中的每一者。此外,尽管过程或方框有时被示出为串行执行,但是这些过程或方框也可以并行执行或者可以在不同时间执行。另外,本文中提到的任何特定数字都只是示例:替选实现方式可以采用不同的值或范围。
本文中提供的本发明的教导可以应用于其他系统,而不必是上述系统。上述各种示例的元素和动作可以被结合以提供进一步的示例。
以上提到的任何专利和申请和其他参考文件(包括可能在所附递交文件中列出的任何参考文件)通过引用并入本文。如果需要,可以修改本发明的方面来采用上述各个参考文件的系统、功能和概念,以提供本发明的其他进一步的示例。
可以根据以上具体实施方式来对本发明做出这些和其他改变。尽管以上描述描述了特定示例,并且描述了预期的最好方式,但是不管上述内容的文本呈现得多么详细,教导都可以以许多方式实践。系统的细节可以在其实现方式细节上进行相当大的变化,但是仍然被本文所公开的主题所包括。如上所述,当描述本发明的某些特征或方面时所使用的特定术语不应当被看作是暗示该术语在本文中被重新定义以限制到与该术语相关联的本发明的任何特定特性、特征或方面。通常,在所附权利要求书中所使用的术语不应当被解释为将本发明限制到说明书中所公开的特定实现方式,除非以上具体实施方式部分明确定义了这些术语。因此,本发明的实际范围不仅包括所公开的实现方式,而且包括根据权利要求实践或实现本发明的所有等同方式。
尽管以某些权利要求形式呈现了本发明的某些方面,但是发明人预期到任何数量的权利要求形式的本发明的各个方面。任何旨在根据35U.S.C.§112(f)进行处理的权利要求将以表述“用于……”开头。因此,申请人保留在递交本申请之后添加附加权利要求的权利以寻求这些用于本发明的其他方面的附加权利要求形式。
在本发明的上下文内,在本说明书中所使用的术语通常具有其在本领域和在每个术语所使用的特定上下文中的通常含义。用于描述本发明的特定术语在以上或者说明书中的其他地方进行讨论,以为实践者提供关于本发明的描述的附加指导。为了方便,某些术语可以被突出,例如使用大写、斜体、和/或引号。使用突出不会对术语的范围和含义有任何影响;在同一上下文中,无论术语是否被突出,该术语的范围和含义都是相同的。能够理解,同一元素可以以多于一种的方式被描述。
因此,本文所讨论的任何一个或多个术语可以使用替选语言和同义词,但也不是基于术语是否在本文中详尽或讨论而对其赋予任何特殊意义。提供了某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。包括本文所讨论的任何术语的示例的本说明书中任何地方使用的示例都仅是说明性的,并且不意图进一步限制本发明或任何示例性术语的范围和含义。同样地,本发明并不限于本说明书中所给出的各个示例。
下面给出根据本发明的示例的设备、装置、方法及其相关结果的示例,但不意图进一步限制本发明的范围。需要注意的是,为了阅读者方便,可以在示例中使用标题或副标题,但不以任何方式限制本发明的范围。除非另外定义,否则本文所使用的所有技术术语和科学术语具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。在有冲突的情况下,将以包括定义的本文为准。
本说明书的一些部分描述了对信息进行操作的算法和符号表示的示例。这些算法描述和表示通常由数据处理领域的技术人员用于将其工作实质有效地传达给本领域的其他技术人员。当从功能上、从计算上、或从逻辑上描述这些操作时,这些操作被理解成将由计算机程序或等效电路、微代码等实现。此外,还已经证实将这些操作的布置称为模块有时是方便的,且不失通用性。所描述的操作及其相关联的模块可以体现在软件、固件、硬件、或其任意组合中。
本文描述的任何步骤、操作、或过程可以利用一个或多个硬件或软件模块单独地或与其他设备结合地执行或实现。在一些示例中,软件模块利用包括计算机可读介质的计算机程序客体来实现,计算机可读介质包含计算机程序代码,计算机程序代码可由计算机处理器执行以用于执行所描述的步骤、操作、或过程中的任一者或全部。
示例还可以涉及用于执行本文中的操作的装置。该装置可以被专门构建以用于所需目的,和/或该装置可以包括通过计算机中存储的计算机程序选择性激活或重新配置的通用计算设备。这种计算机程序可以存储在非暂时性、有形的计算机可读存储介质或适用于存储电子指令的任何类型的介质中,所述介质可以联接到计算机系统总线。此外,本说明书中提及的任何计算系统都可以包括单个处理器或者可以是采用多处理器设计以提高计算能力的架构。
示例还可以涉及由本文描述的计算进程形成的客体。该客体可以包括由计算进程产生的信息,其中该信息存储在非暂时性、有形的计算机可读存储介质上以及可以包括计算机程序客体或本文描述的其他数据组合的任何实现方式。
已经主要出于可读性和指导目的而选择本说明书中所使用的语言,而不是选择这些语言来描绘或约束主题。因此,不意图通过详细描述来限制本发明的范围,而是通过基于本申请发布的任何权利要求来限制。因此,示例的公开意图是说明性的,而非对主题的范围的限制,主题的范围在所附权利要求中阐述。
在以上描述中给出了特定细节以提供对用于上下文连接系统的系统和组件的各种实现方式的透彻理解。然而,本领域普通技术人员应当理解,可以在没有这些特定细节的情况下实践上述实现方式。例如,电路、系统、网络、进程、和其他组件可以被示为框图形式中的组件,以免在不必要的细节上使实施方式模糊不清。在其他情况下,可以示出公知的电路、进程、算法、结构和技术而没有不必要的细节,以避免使实施方式模糊不清。
已经出于说明和描述的目的呈现了技术的前述详细描述。该详细描述并非详尽的,也不意图将技术限制到所公开的确切形式。鉴于以上教导可以有许多修改和变型。选择所描述的实施方式是为了最好地解释技术的原理、其实践应用、以及使本领域其他技术人员能够在各种实施方式中利用该技术并且与适用于预期的特定用途的各种修改一起利用该技术。意图通过权利要求来限定该技术的范围。
Claims (21)
1.一种计算机实现的方法,包括:
接收在会员和代表之间交换的一组消息,其中,所述代表被分配给所述会员从而为了所述会员的利益执行任务;
训练机器学习算法以识别能够为了所述会员的利益执行的一组任务,其中,使用所述一组消息以及历史数据来训练所述机器学习算法,所述历史数据与代表和其他会员之间先前交换的消息相对应并与为了所述其他会员的利益生成的相应任务相对应;
对所述一组任务进行排序以生成经排序的一组任务,其中,根据所述会员将与所述一组任务相关联的任务委派给所述代表以执行所述任务的可能性来对所述一组任务进行排序;
提供所述经排序的一组任务,其中,当接收到所述经排序的一组任务时,所述代表从所述经排序的一组任务中选择一个或多个任务以呈现给所述会员;以及
更新所述机器学习算法,其中,使用所述一组任务和会员从所述经排序的一组任务中对供执行的任务的选择来更新所述机器学习算法。
2.根据权利要求1所述的计算机实现的方法,还包括:
接收生成对于与所述经排序的一组任务相关联的任务的建议的请求;
提供与任务类型相对应的建议模板,其中,所述任务类型对应于与所述一组任务相关联的所述任务,其中,所述建议模板具有一组数据字段,以及其中,根据与所述会员相关联的会员简档来提供所述一组数据字段;以及
呈现完成的建议,其中,所述完成的建议是由于接收到所述建议模板而呈现的,以及其中,当呈现所述完成的建议时,监控所述会员与所述完成的建议的交互,以识别对所述建议模板的修订。
3.根据权利要求1所述的计算机实现的方法,其中,基于与所述会员相关联的会员简档和所述代表之间的相似性向量,将所述代表分配给所述会员。
4.根据权利要求1所述的计算机实现的方法,还包括:
针对能够提供给所述会员的体验生成一个或多个体验推荐,其中,所述一个或多个体验推荐是基于与所述会员相关联的会员简档生成的;以及
提供所述一个或多个体验推荐,其中,当提供所述一个或多个体验推荐时,所述代表向所述会员呈现所述一个或多个体验推荐。
5.根据权利要求1所述的计算机实现的方法,还包括:
检测对与所述经排序的一组任务相关联的任务相对应的一个或多个数据字段的输入;以及
实时自动更新与所述会员相关联的会员简档,以将所述输入加入所述一个或多个数据字段中。
6.根据权利要求1所述的计算机实现的方法,还包括:
使用自然语言处理(NLP)算法来识别所述一个或多个任务推荐,其中,所述NLP算法使用所述一组消息作为输入。
7.根据权利要求1所述的计算机实现的方法,还包括:
实时自动处理与所述会员相关联的会员简档,以填充与所述一个或多个任务相关联的一个或多个数据字段,其中,所述一个或多个数据字段对应于在所述会员的加入期间提供的信息。
8.一种系统,包括:
一个或多个处理器;以及
存储器,所述存储器存储有指令,所述指令由于被所述一个或多个处理器执行而使得所述系统:
接收在会员和代表之间交换的一组消息,其中,所述代表被分配给所述会员从而为了所述会员的利益执行任务;
训练机器学习算法以识别能够为了所述会员的利益执行的一组任务,其中,使用所述一组消息以及历史数据来训练所述机器学习算法,所述历史数据与代表和其他会员之间先前交换的消息相对应并与为了所述其他会员的利益生成的相应任务相对应;
对所述一组任务进行排序以生成经排序的一组任务,其中,根据所述会员将与所述一组任务相关联的任务委派给所述代表以执行所述任务的可能性来对所述一组任务进行排序;
提供所述经排序的一组任务,其中,当接收到所述经排序的一组任务时,所述代表从所述经排序的一组任务中选择一个或多个任务以呈现给所述会员;以及
更新所述机器学习算法,其中,使用所述一组任务和会员从所述经排序的一组任务中对供执行的任务的选择来更新所述机器学习算法。
9.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
接收生成对于与所述经排序的一组任务相关联的任务的建议的请求;
提供与任务类型相对应的建议模板,其中,所述任务类型对应于与所述经排序的一组任务相关联的所述任务,其中,所述建议模板具有一组数据字段,以及其中,根据会员简档来提供所述一组数据字段;以及
呈现完成的建议,其中,所述完成的建议是由于接收到所述建议模板而呈现的,以及其中,当呈现所述完成的建议时,监控所述会员与所述完成的建议的交互,以识别对所述建议模板的修订。
10.根据权利要求8所述的系统,其中,基于与所述会员相关联的会员简档和所述代表之间的相似性向量,将所述代表分配给所述会员。
11.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
针对能够提供给所述会员的体验生成一个或多个体验推荐,其中,所述一个或多个体验推荐是基于与所述会员相关联的会员简档生成的;以及
提供所述一个或多个体验推荐,其中,当提供所述一个或多个体验推荐时,所述代表向所述会员呈现所述一个或多个体验推荐。
12.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
检测对与所述经排序的一组任务相关联的任务相对应的一个或多个数据字段的输入;以及
实时自动更新与所述会员相关联的会员简档,以将所述输入加入所述一个或多个数据字段中。
13.根据权利要求8所述的系统,其中,使得所述系统识别所述一个或多个任务推荐的所述指令还使得所述系统:
使用自然语言处理(NLP)算法来识别所述一个或多个任务推荐,其中,所述NLP算法使用所述一组消息作为输入。
14.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
实时自动处理与所述会员相关联的会员简档,以填充与所述一个或多个任务相关联的一个或多个数据字段,其中,所述一个或多个数据字段对应于在所述会员的加入期间提供的信息。
15.一种非暂时性计算机可读存储介质,所述非暂时性计算机可读存储介质上存储有可执行指令,所述可执行指令由于被计算机系统的一个或多个处理器执行而使得所述计算机系统:
接收在会员和代表之间交换的一组消息,其中,所述代表被分配给所述会员从而为了所述会员的利益执行任务;
训练机器学习算法以识别能够为了所述会员的利益执行的一组任务,其中,使用所述一组消息以及历史数据来训练所述机器学习算法,所述历史数据与代表和其他会员之间先前交换的消息相对应并与为了所述其他会员的利益生成的相应任务相对应;
对所述一组任务进行排序以生成经排序的一组任务,其中,根据所述会员将与所述一组任务相关联的任务委派给所述代表以执行所述任务的可能性来对所述一组任务进行排序;
提供所述经排序的一组任务,其中,当接收到所述经排序的一组任务时,所述代表从所述经排序的一组任务中选择一个或多个任务以呈现给所述会员;以及
更新所述机器学习算法,其中,使用所述一组任务和会员从所述经排序的一组任务中对供执行的任务的选择来更新所述机器学习算法。
16.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
接收生成对于与所述经排序的一组任务相关联的任务的建议的请求;
提供与任务类型相对应的建议模板,其中,所述任务类型对应于与所述经排序的一组任务相关联的所述任务,其中,所述建议模板具有一组数据字段,以及其中,根据会员简档来提供所述一组数据字段;以及
呈现完成的建议,其中,所述完成的建议是由于接收到所述建议模板而呈现的,以及其中,当呈现所述完成的建议时,监控所述会员与所述完成的建议的交互,以识别对所述建议模板的修订。
17.根据权利要求15所述的非暂时性计算机可读存储介质,其中,基于与所述会员相关联的会员简档和所述代表之间的相似性向量,将所述代表分配给所述会员。
18.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
针对能够提供给所述会员的体验生成一个或多个体验推荐,其中,所述一个或多个体验推荐是基于与所述会员相关联的会员简档生成的;以及
提供所述一个或多个体验推荐,其中,当提供所述一个或多个体验推荐时,所述代表向所述会员呈现所述一个或多个体验推荐。
19.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
检测对与所述经排序的一组任务相关联的任务相对应的一个或多个数据字段的输入;以及
实时自动更新与所述会员相关联的会员简档,以将所述输入加入所述一个或多个数据字段中。
20.根据权利要求15所述的非暂时性计算机可读存储介质,其中,使得所述计算机系统识别所述一个或多个任务推荐的所述可执行指令还使得所述计算机系统:
使用自然语言处理(NLP)算法来识别所述一个或多个任务推荐,其中,所述NLP算法使用所述一组消息作为输入。
21.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
实时自动处理与所述会员相关联的会员简档,以填充与所述一个或多个任务相关联的一个或多个数据字段,其中,所述一个或多个数据字段对应于在所述会员的加入期间提供的信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163168202P | 2021-03-30 | 2021-03-30 | |
US63/168,202 | 2021-03-30 | ||
PCT/US2022/022566 WO2022212518A1 (en) | 2021-03-30 | 2022-03-30 | Systems and methods for task determination, delegation, and automation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117425904A true CN117425904A (zh) | 2024-01-19 |
Family
ID=83449456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280038976.0A Pending CN117425904A (zh) | 2021-03-30 | 2022-03-30 | 用于任务确定、委派和自动化的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220318698A1 (zh) |
EP (1) | EP4315183A1 (zh) |
JP (1) | JP2024513042A (zh) |
CN (1) | CN117425904A (zh) |
AU (1) | AU2022249064A1 (zh) |
CA (1) | CA3213697A1 (zh) |
WO (1) | WO2022212518A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11775894B2 (en) * | 2021-04-22 | 2023-10-03 | Dell Products L.P. | Intelligent routing framework |
US20230057896A1 (en) * | 2021-08-19 | 2023-02-23 | Yohana Llc | Systems and methods for recommending tasks for execution by third party services |
AU2022340826A1 (en) | 2021-09-02 | 2024-03-14 | Yohana Llc | Automated tagging and management of chat stream messages |
CA3224368A1 (en) * | 2021-09-07 | 2023-03-16 | Yoky Matsuoka | Systems and methods for processing tasks delegated to a task facilitation service |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9318108B2 (en) * | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8805713B2 (en) * | 2009-01-07 | 2014-08-12 | Red Hat, Inc. | Interface for project and task submission for automated delegation |
US8731984B2 (en) * | 2009-04-17 | 2014-05-20 | Visa International Service Association | Global concierge |
US8766793B2 (en) * | 2011-03-25 | 2014-07-01 | Microsoft Corporation | Contextually-appropriate task reminders |
US20140089027A1 (en) * | 2012-09-21 | 2014-03-27 | Wendell Brown | System and method for outsourcing computer-based tasks |
US10200315B2 (en) * | 2012-11-20 | 2019-02-05 | John V. Tiernan | Virtual concierge systems and methods |
US20150142489A1 (en) * | 2013-11-18 | 2015-05-21 | Breezeworks Corporation | Optimizing onsite vendor business |
US10318882B2 (en) * | 2014-09-11 | 2019-06-11 | Amazon Technologies, Inc. | Optimized training of linear machine learning models |
US10706432B2 (en) * | 2014-09-17 | 2020-07-07 | [24]7.ai, Inc. | Method, apparatus and non-transitory medium for customizing speed of interaction and servicing on one or more interactions channels based on intention classifiers |
US10600099B2 (en) * | 2016-02-19 | 2020-03-24 | Microsoft Technology Licensing, Llc | Inferring service providers |
US20170300862A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedln Corporation | Machine learning algorithm for classifying companies into industries |
WO2018009231A1 (en) * | 2016-07-08 | 2018-01-11 | Asapp, Inc. | Automatically responding to a request of a user |
US20180158031A1 (en) * | 2016-12-05 | 2018-06-07 | Microsoft Technology Licensing, Llc | Generating itineraries from events and tasks |
US11080624B2 (en) * | 2017-10-03 | 2021-08-03 | Visa International Service Association | Application programming interface for a learning concierge system and method |
US10791212B1 (en) * | 2019-06-25 | 2020-09-29 | Microsoft Technology Licensing, Llc | Electronic concierge for automating event planning and application curation |
-
2022
- 2022-03-30 CN CN202280038976.0A patent/CN117425904A/zh active Pending
- 2022-03-30 CA CA3213697A patent/CA3213697A1/en active Pending
- 2022-03-30 AU AU2022249064A patent/AU2022249064A1/en active Pending
- 2022-03-30 WO PCT/US2022/022566 patent/WO2022212518A1/en active Application Filing
- 2022-03-30 JP JP2023560558A patent/JP2024513042A/ja active Pending
- 2022-03-30 US US17/708,226 patent/US20220318698A1/en active Pending
- 2022-03-30 EP EP22782099.0A patent/EP4315183A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2022249064A1 (en) | 2023-10-19 |
WO2022212518A1 (en) | 2022-10-06 |
JP2024513042A (ja) | 2024-03-21 |
CA3213697A1 (en) | 2022-10-06 |
US20220318698A1 (en) | 2022-10-06 |
EP4315183A1 (en) | 2024-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220318698A1 (en) | Systems and methods for task determination, delegation, and automation | |
US20230077130A1 (en) | Systems and methods for integration of calendar applications with task facilitation services | |
US20230063334A1 (en) | Systems and methods for generating and presenting dynamic task summaries | |
US20230022198A1 (en) | Systems and methods for user interfaces including task delegation controls | |
US20230047988A1 (en) | Systems and methods for representative support in a task determination system | |
US20230037392A1 (en) | Systems and methods for determining likelihood of task delegation | |
US20230076849A1 (en) | Systems and methods for implementing dynamic interfacing in task-facilitation services | |
US20230069133A1 (en) | Systems and methods for modeling user interactions | |
US20230041255A1 (en) | Systems and methods for user interfaces for enabling task delegation controls | |
US20230050045A1 (en) | Systems and methods for proposal acceptance in a task determination system | |
US20230057896A1 (en) | Systems and methods for recommending tasks for execution by third party services | |
WO2023240123A1 (en) | Communication interface for identification of service providers | |
WO2023039388A1 (en) | Systems and methods for processing tasks delegated to a task facilitation service |
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 |