CN109712001A - 信息推荐方法、装置、计算机设备和存储介质 - Google Patents
信息推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109712001A CN109712001A CN201811445113.7A CN201811445113A CN109712001A CN 109712001 A CN109712001 A CN 109712001A CN 201811445113 A CN201811445113 A CN 201811445113A CN 109712001 A CN109712001 A CN 109712001A
- Authority
- CN
- China
- Prior art keywords
- information
- business personnel
- business
- client
- customer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种信息推荐方法、装置、计算机设备和存储介质。所述方法根据客户信息推荐指令获取业务人员的地域信息,根据业务人员标识向数据库获取业务人员标识已完成交易的订单信息,根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围,根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息,将预选客户的信息与业务信息进行组合,生成各预选客户的画像标签;基于客户画像通过将各画像标签输入推荐模型,推荐模型可以根据组合的各画像标签与该业务人员所擅长的领域进行匹配,根据匹配结果确定符合业务人员的客户信息,从而将该画像标签对应的客户信息推荐给该业务人员。无需业务人员花时间去筛选客户,提高了工作效率。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种信息推荐方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的不断发展,根据用户自身的需求,需要从大量数据中获取到符合自身需求的信息,如:团险直销业务,作为团险直销的业务人员,需要挖掘客户来增加业务量,目前,业务人员主要依靠地毯式搜索的方式,获取各公司的信息,收集各公司的信息进行了解,根据各公司的信息针对性的向合适的公司推荐团险业务,因此业务人员需要对各种保险产品、各类公司的需求很熟悉,才能方便有效的向各公司推荐合适该公司的保险产品,因此,导致工作效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种提高工作效率的信息推荐方法、装置、计算机设备和存储介质。
一种信息推荐方法,包括:
获取终端发送的客户信息推荐请求,所述客户信息推荐请求携带有业务人员标识;
根据所述客户信息推荐请求,获取所述业务人员标识对应的业务信息,所述业务信息包括业务人员所在的地域信息;
根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息;
根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围;
根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息;
将所述预选客户的信息与所述业务信息进行组合,生成所述预选客户的画像标签;
将各所述画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户。
在其中一个实施例中,根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围的步骤,包括:
根据各所述订单信息中客户所在的地理位置和所述地域信息,确定所述业务人员有所涉及的各地域;
根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定所述潜在客户的地域范围。
在其中一个实施例中,根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息的步骤,包括:
获取各所述已完成交易的订单信息中的客户名称;
根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;
根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得预选客户的信息。
在其中一个实施例中,根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得预选客户的信息的步骤,包括:
根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得各潜在客户信息;
根据各所述潜在客户向数据库获取各所述潜在客户的已有业务信息进行分析,确定各所述潜在客户未办理的业务信息;
将各所述潜在客户未办理的业务信息基于所述业务人员所处理的业务类型进行过滤,确定预选客户的信息。
在其中一个实施例中,所述推荐模型训练的方式是:
获取各业务人员信息及各业务人员对应做的历史订单信息;
对各业务人员的所述历史订单信息进行解析,获得各业务人员所处理的客户信息集合;
将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;
将各所述标签特征输入待训练的推荐模型进行训练,由所述待训练的推荐模型对各所述标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的领域排行,获得推荐模型。
在其中一个实施例中,将各所述画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户的步骤,包括:
将各所述画像标签输入所述推荐模型,由所述推荐模型根据各所述画像标签基于所述业务人员对应的产品排行进行画像标签排行,得到向所述业务人员推荐的目标客户。
在其中一个实施例中,根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息的步骤,包括:
根据所述业务人员标识向数据库查找业务人员已完成订单;
当查找到所述业务人员已完成订单时,获取所述业务人员已完成订单中的已完成交易的订单信息;
当未查找到所述业务人员已完成订单时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合所述业务人员的客户信息。
一种信息推荐装置,通过所述装置包括:
推荐指令获取模块,用于获取终端发送的客户信息推荐请求,所述客户信息推荐请求携带有业务人员标识;
地域信息获取模块,用于根据所述客户信息推荐请求,获取所述业务人员标识对应的业务信息,所述业务信息包括业务人员所在的地域信息;
订单信息获取模块,用于根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息;
地域范围确定模块,用于根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围;
预选客户信息确定模块,用于根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息;
画像生成模块,用于将所述预选客户的信息与所述业务信息进行组合,生成所述预选客户的画像标签;
客户信息获取模块,用于将各所述画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的方法的步骤。
上述信息推荐方法、装置、计算机设备和存储介质,根据客户信息推荐指令获取业务人员标识对应的业务信息中的地域信息,根据业务人员标识向数据库获取业务人员标识已完成交易的订单信息,根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围,根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息,可以初步的获得可以建立合作关系的客户,将预选客户的信息与业务信息进行组合,生成各预选客户的画像标签;目的在于将该业务人员与各个客户进行组合,通过将各画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,推荐模型可以根据组合的各画像标签与该业务人员所擅长的领域进行匹配,根据匹配结果确定符合业务人员的客户信息,从而将该画像标签对应的客户信息推荐给该业务人员。无需业务人员花时间去筛选客户,提高了工作效率。
附图说明
图1为一个实施例中信息推荐方法的应用场景图;
图2为一个实施例中信息推荐方法的流程示意图;
图3为一个实施例中信息推荐装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的信息推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。服务器104获取终端102发送的客户信息推荐请求,客户信息推荐请求携带有业务人员标识;根据客户信息推荐请求,获取业务人员标识对应的业务信息,业务信息包括业务人员所在的地域信息;根据业务人员标识向数据库获取业务人员已完成交易的订单信息;根据地域信息及所述订单信息,确定潜在客户的地域范围;根据订单信息及潜在客户的地域范围,获取预选客户的信息;将预选客户的信息与业务信息进行组合,生成预选客户的画像标签;将各画像标签输入基于业务人员已完成交易的订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种信息推荐方法,以该方法应用于图1中的服务器为例进行说明,包括步骤S220至步骤S:
步骤S220,获取终端发送的客户信息推荐请求,客户信息推荐请求携带有业务人员标识。
其中,在业务人员通过终端发送客户信息推荐请求时,还可以在客户信息推荐请求中增加推荐的关键字,可以更准确的推荐出业务人员需要的客户信息;业务人员标识指的是业务人员账号信息,如:ID号或姓名等,是识别该业务人员的信息。
步骤S240,根据客户信息推荐请求,获取业务人员标识对应的业务信息,业务信息包括业务人员所在的地域信息。
其中,根据业务人员标识想数据库获取该业务人员的业务信息,业务信息包括:业务人员的年龄、业务人员的性别、业务人员的地域信息、业务人员的性格、业务人员的负责的产品信息等等。
步骤S260,根据业务人员标识向数据库获取业务人员已完成交易的订单信息。
其中,订单信息指的是业务人员通过向客户推荐产品所建立的信息,订单信息中包括已完成交易的订单信息和未完成交易的订单信息,如:业务人员Q向客户B进行了产品推荐,则相应生成产品推荐的信息,信息中包括业务人员Q的信息、客户B的信息;业务人员通过向客户推荐产品所建立的信息后,客户同意了业务人员推荐产品并进行购买的订单,该订单的订单信息为已完成交易的订单信息;业务人员通过向客户推荐产品所建立的信息后,客户没有购买业务人员推荐产品的订单,该订单的订单信息为未完成交易的订单信息。
步骤S280,根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围。
其中,地域信息可以指的是业务人员常居住地的信息;已完成交易的订单信息是该业务人员所有的订单信息中,客户同意了业务人员推荐产品并进行购买的订单的信息;潜在客户的地域范围用于在搜索客户信息时的搜索范围,如:业务人员的地域信息是深圳,各已完成交易的订单信息中的客户所在的地理位置有深圳、广州等地区,可以确定该业务人员可以对深圳、广州地区的客户进行业务推荐,因此在搜索客户信息时,至少可以搜索深圳、广州等地区的客户信息。
步骤S300,根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息。
其中,通过获取各已完成交易的订单信息中的各客户信息,如:企业规模、经营状态、行业信息和地理位置等等,通过各客户信息,确定该业务人员已完成交易的订单信息中的客户特征,在潜在客户的地域范围内搜索与该业务人员已完成交易的订单信息中的客户特征相似的客户,获取相似的客户的客户信息为预选客户的信息。
步骤S320,将预选客户的信息与业务信息进行组合,生成预选客户的画像标签。
其中,预选客户的信息为多个客户的多个客户特征,业务信息是该业务人员地域信息、负责的产品信息,如:客户A的企业规模为a1、经营状态为b1、行业信息为c1和地理位置广州,客户B的企业规模为a2、经营状态为b2、行业信息为c2和地理位置深圳,业务人员Q的地域信息:深圳、负责的产品:X,则:预选客户A的画像标签:企业规模为a1、经营状态为b1、行业信息为c1和地理位置广州、业务人员Q的地域信息:深圳、负责的产品:X;预选客户B的画像标签:企业规模为a2、经营状态为b2、行业信息为c2和地理位置深圳,业务人员Q的地域信息:深圳、负责的产品:X。
步骤S340,将各画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户。
其中,将各画像标签输入推荐模型后,推荐模型根据画像标签的特征获取业务人员的历史订单信息中与该画像标签相似的订单信息,根据该类订单信息的在历史订单信息中所占的比例,及订单已完成交易的比例,综合评估出该画像标签中的客户让该业务人员负责,能够使客户购买该产品的概率,当概率大于预设值时,该画像标签中的客户成为向业务人员推荐的目标客户。
上述信息推荐方法中,根据客户信息推荐指令获取业务人员标识对应的业务信息中的地域信息,根据业务人员标识向数据库获取业务人员标识已完成交易的订单信息,根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围,根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息,可以初步的获得可以建立合作关系的客户,将预选客户的信息与业务信息进行组合,生成各预选客户的画像标签;目的在于将该业务人员与各个客户进行组合,通过将各画像标签输入基于业务人员历史的订单信息数据训练的推荐模型,推荐模型可以根据组合的各画像标签与该业务人员所擅长的领域进行匹配,根据匹配结果确定符合业务人员的客户信息,从而将该画像标签对应的客户信息推荐给该业务人员。无需业务人员花时间去筛选客户,提高了工作效率。
在一个实施例中,根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围的步骤,包括:根据各已完成交易的订单信息中客户所在的地理位置和地域信息,确定业务人员有所涉及的各地域;根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定潜在客户的地域范围。
其中,假设有的业务人员虽然常居住地为深圳地区,但是该业务人员在除深圳以外的地区也有业务往来,还可以给业务人员筛选出业务人员其他地区的客户信息,可以帮助业务人员更好的开拓市场,不仅仅局限于常居住的业务,因此通过各已完成交易的订单信息中客户所在的地理位置和地域信息,确定业务人员有所涉及的各地域;为了推荐更精确,不能将已完成交易的订单信息中客户所在的地理位置都用做搜索范围,已完成交易的订单信息可能有的是在特殊情况下完成的,因此,可以通过根据业务人员在各地域对应完成的订单数量是否超过预设数量的判断过程,根据业务人员在各地域对应完成的订单数量超过预设数量的地域,确定为搜索地域,缩小搜索范围,将各搜索地域和用户的地域信息作为潜在客户的地域范围。通过确定潜在客户的地域范围,使得推荐结果更符合业务人员的需求。
在一个实施例中,根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息的步骤,包括:获取各已完成交易的订单信息中的客户名称;根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;根据潜在客户的地域范围在数据库中搜索与各客户信息相同的各客户,获得预选客户的信息。
其中,客户详细信息指的是企业规模、经营状态、成立时间、企业法人、行业信息和地理位置等等,客户信息指的是:企业规模、经营状态、行业信息和地理位置;根据该业务人员已完成交易的订单信息中客户的客户信息,可以确定出该业务人员适合对接的客户类型,根据潜在客户的地域范围在数据库中搜索与各客户信息相同的各客户,该客户是与业务人员以往对接的客户类型相同,可以将该客户确定为预选客户。使得推荐结果更符合业务人员的需求。
在一个实施例中,根据潜在客户的地域范围在数据库中搜索与各客户信息相似的各客户,获得预选客户的信息的步骤,包括:根据潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得各潜在客户;根据各潜在客户向数据库获取各潜在客户的已有业务信息进行分析,确定各潜在客户未办理的业务信息;将各潜在客户未办理的业务信息基于业务人员所处理的业务类型进行过滤,确定预选客户的信息。
其中,潜在客户指的是与该业务人员已完成交易的订单信息中客户的客户信息相似的客户,有可能潜在客户在已经购买了业务人员所负责的产品,因此需将潜在客户通过向数据库获取各潜在客户的已有业务信息(已经购买的产品信息)进行分析,确定各潜在客户未办理的业务信息,客户未办理的业务信息指的是需要购买的产品信息,但还未购买的产品信息;将各潜在客户未办理的业务信息基于业务人员所处理的业务类型(业务人员所负责的产品)进行过滤,将各潜在客户未办理的业务信息中与业务人员所处理的业务类型有对应的客户确定为预选客户,获取预选客户的信息。使得推荐结果更符合业务人员的需求。
在一个实施例中,推荐模型训练的方式是:获取各业务人员信息及各业务人员对应做的历史订单信息;对各业务人员的历史订单信息进行解析,获得各业务人员所处理的客户信息集合;将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;将各标签特征输入待训练的推荐模型进行训练,由待训练的推荐模型对各标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的产品排行,获得推荐模型。
其中,业务人员信息至少包括:业务人员的地域信息、业务人员的负责的产品信息等等;历史订单信息是指业务人员通过向客户推荐产品所建立的信息的所有订单信息;对各业务人员的历史订单信息进行解析,获得各业务人员所处理的客户信息集合,具体地:对各业务人员的历史订单信息进行解析,获得各客户名称,根据各客户名称向数据库获取各客户的客户信息,客户信息包括:企业规模、经营状态、行业信息和地理位置,各客户的客户信息为客户信息集合;将业务人员信息与对应的客户信息集合进行组合,生成各标签特征,将各标签特征输入待训练的推荐模型进行训练,由待训练的推荐模型对各标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的产品排行,获得推荐模型,将各业务人员的订单根据产品类型进行聚类,确定业务人员的各产品完成情况及业务人员适合负责的产品排行,还可以将所有业务人员基于各产品的群簇进行排行,可以确定各产品中完成情况最好的业务人员,也可以根据排行判断适合该业务人员的客户。推荐模型训练时,业务人员信息还可以包括:业务人员信息的性别、年龄、性格等特征,将业务人员信息与对应的客户信息集合进行组合,生成各标签特征,将各标签特征输入待训练的推荐模型进行训练,获得推荐模型,在企业招聘业务人员时,将应聘者性别、年龄、性格等信息输入推荐模型,推荐模型根据应聘者的信息在数据库中匹配有类似信息的业务人员,将业务人员适合的客户的客户信息进行推荐,根据客户信息可以判断该应聘者适合的客户类型,企业招聘的人事可以企业需要录用合适的业务人员。
在一个实施例中,将各画像标签输入基于业务人员已完成交易的订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户的步骤,包括:将各画像标签输入推荐模型,由推荐模型根据各画像标签基于业务人员对应的产品排行进行画像标签排行,得到向业务人员推荐的目标客户。
其中,将各画像标签输入推荐模型后,推荐模型根据画像标签的特征获取业务人员的历史订单信息中与该画像标签相似的订单信息的画像标签,根据相似的订单信息的画像标签的排名,将输入的画像标签进行排行,并通过对根据该类订单信息的在历史订单信息中所占的比例,及订单已完成交易的比例,综合评估出该画像标签中的客户让该业务人员负责,能够使客户购买该产品的概率,当概率大于预设值时,该画像标签中的客户成为向业务人员推荐的目标客户。
在一个实施例中,根据业务人员标识向数据库获取业务人员已完成交易的订单信息的步骤,包括:根据业务人员标识向数据库查找业务人员已完成订单;当查找到业务人员已完成订单时,获取业务人员已完成订单中的已完成交易的订单信息;当未查找到业务人员已完成订单时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合业务人员的客户信息。
其中,对于新的业务人员,可以按照业务推荐装置“热度”推荐进行推荐,如各地纳税百强企业等,解决冷启动问题,具体地:获取新业务人员信息,根据新业务人员信息对新业务人员判断合适负责的产品,获取在该产品中,推荐客户信息的热度信息,将该产品中推荐热度较高的客户信息推荐给新业务人员,如各地纳税百强企业等。也可考虑组合特征,如将年龄性别作为一个特征,根据具有该特征的业务人员的推荐信息给新业务人员推荐,即对于每种特征f,计算具有这种特征的业务人员对各个客户的推荐热度p(f,i)。p(f,i)可简单定义为用户i在具有f特征的业务人员中的热门程度。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种信息推荐装置,包括:推荐指令获取模块310、地域信息获取模块320、订单信息获取模块330、地域范围确定模块340、预选客户信息确定模块350、画像生成模块360和客户信息获取模块370,其中:
推荐指令获取模块310,用于获取终端发送的客户信息推荐请求,客户信息推荐请求携带有业务人员标识;
地域信息获取模块320,用于根据客户信息推荐请求,获取业务人员标识对应的业务信息,业务信息包括业务人员所在的地域信息;
订单信息获取模块330,用于根据业务人员标识向数据库获取业务人员已完成交易的订单信息;
地域范围确定模块340,用于根据地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围;
预选客户信息确定模块350,用于根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息;
画像生成模块360,用于将预选客户的信息与业务信息进行组合,生成预选客户的画像标签;
客户信息获取模块370,用于将各画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户。
在一个实施例中,地域范围确定模块340包括用于:根据各订单信息中客户所在的地理位置和地域信息,确定业务人员有所涉及的各地域;根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定潜在客户的地域范围。
在一个实施例中,预选客户信息确定模块350包括:客户名称获取单元,用于获取各已完成交易的订单信息中的客户名称;客户信息确定单元,用于根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;预选客户信息确定单元,用于根据潜在客户的地域范围在数据库中搜索与各客户信息相似的各客户,获得预选客户的信息。
在一个实施例中,预选客户信息确定单元包括用于:根据潜在客户的地域范围在数据库中搜索与各客户信息相似的各客户,获得各潜在客户信息;根据各潜在客户向数据库获取各潜在客户的已有业务信息进行分析,确定各潜在客户未办理的业务信息;将各潜在客户未办理的业务信息基于业务人员所处理的业务类型进行过滤,确定预选客户的信息。
在一个实施例中,该装置还包括推荐模型训练模块:用于获取各业务人员信息及各业务人员对应做的历史订单信息;对各业务人员的历史订单信息进行解析,获得各业务人员所处理的客户信息集合;将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;将各标签特征输入待训练的推荐模型进行训练,由待训练的推荐模型对各标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的领域排行,获得推荐模型。
在一个实施例中,客户信息获取模块370包括用于:将各画像标签输入所述推荐模型,由推荐模型根据各画像标签基于业务人员对应的产品排行进行画像标签排行,得到向所述业务人员推荐的目标客户。
在一个实施例中,订单信息获取模块330包括用于:根据业务人员标识向数据库查找业务人员已完成订单;当查找到业务人员已完成订单时,获取业务人员已完成订单中的已完成交易的订单信息;当未查找到业务人员已完成订单时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合业务人员的客户信息。
关于信息推荐装置的具体限定可以参见上文中对于信息推荐方法的限定,在此不再赘述。上述信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储订单信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息推荐方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取终端发送的客户信息推荐请求,客户信息推荐请求携带有业务人员标识;根据客户信息推荐请求,获取业务人员标识对应的业务信息,业务信息包括业务人员所在的地域信息;根据业务人员标识向数据库获取业务人员已完成交易的订单信息;根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围;根据已完成交易的订单信息及潜在客户的地域范围,获取预选客户的信息;将预选客户的信息与业务信息进行组合,生成预选客户的画像标签;将各画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据各已完成交易的订单信息中客户所在的地理位置和地域信息,确定业务人员有所涉及的各地域;根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定潜在客户的地域范围。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各已完成交易的订单信息中的客户名称;根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;根据潜在客户的地域范围在数据库中搜索与各客户信息相似的各客户,获得预选客户的信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得各潜在客户信息;根据各潜在客户信息向数据库获取各潜在客户的已有业务信息进行分析,确定各潜在客户未办理的业务信息;将各潜在客户未办理的业务信息基于业务人员所处理的业务类型进行过滤,确定预选客户的信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各业务人员信息及各业务人员对应做的历史订单信息;对各业务人员的历史订单信息进行解析,获得各业务人员所处理的客户信息集合;将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;将各标签特征输入待训练的推荐模型进行训练,由待训练的推荐模型对各标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的领域排行,获得推荐模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将各画像标签输入推荐模型,由推荐模型根据各画像标签基于业务人员对应的产品排行进行画像标签排行,得到向业务人员推荐的目标客户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据业务人员标识向数据库查找业务人员已完成订单;当查找到业务人员已完成订单时,获取业务人员已完成订单中的已完成交易的订单信息;当未查找到业务人员已完成订单时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合所述业务人员的客户信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取终端发送的客户信息推荐请求,客户信息推荐请求携带有业务人员标识;根据客户信息推荐请求,获取业务人员标识对应的业务信息,业务信息包括业务人员所在的地域信息;根据业务人员标识向数据库获取业务人员已完成交易的已完成交易的订单信息;根据地域信息及已完成交易的订单信息,确定潜在客户的地域范围;根据订单信息及潜在客户的地域范围,获取预选客户的信息;将预选客户的信息与业务信息进行组合,生成预选客户的画像标签;将各画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向业务人员推荐的目标客户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据各已完成交易的订单信息中客户所在的地理位置和地域信息,确定业务人员有所涉及的各地域;根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定潜在客户的地域范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各已完成交易的订单信息中的客户名称;根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;根据潜在客户的地域范围在数据库中搜索与客户信息相似的各客户,获得预选客户的信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得各潜在客户信息;根据各潜在客户信息向数据库获取各潜在客户的已有业务信息进行分析,确定各潜在客户未办理的业务信息;将各潜在客户未办理的业务信息基于业务人员所处理的业务类型进行过滤,确定预选客户的信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各业务人员信息及各业务人员对应做的历史订单信息;对各业务人员的历史订单信息进行解析,获得各业务人员所处理的客户信息集合;将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;将各标签特征输入待训练的推荐模型进行训练,由待训练的推荐模型对各标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的领域排行,获得推荐模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将各画像标签输入推荐模型,由推荐模型根据各画像标签基于业务人员对应的产品排行进行画像标签排行,得到向业务人员推荐的目标客户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据业务人员标识向数据库查找业务人员已完成订单;当查找到业务人员已完成订单时,获取业务人员已完成订单中的已完成交易的订单信息;当未查找到业务人员已完成订单时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合所述业务人员的客户信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种信息推荐方法,包括:
获取终端发送的客户信息推荐请求,所述客户信息推荐请求携带有业务人员标识;
根据所述客户信息推荐请求,获取所述业务人员标识对应的业务信息,所述业务信息包括业务人员所在的地域信息;
根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息;
根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围;
根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息;
将所述预选客户的信息与所述业务信息进行组合,生成所述预选客户的画像标签;
将各所述画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户。
2.根据权利要求1所述的信息推荐方法,其特征在于,根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围的步骤,包括:
根据各所述已完成交易的订单信息中客户所在的地理位置和所述地域信息,确定所述业务人员有所涉及的各地域;
根据业务人员在各地域对应完成的订单数量是否超过预设数量,确定所述潜在客户的地域范围。
3.根据权利要求1所述的信息推荐方法,其特征在于,根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息的步骤,包括:
获取各所述已完成交易的订单信息中的客户名称;
根据各客户名称向数据库获取各客户详细信息进行分析,确定各客户的客户信息;
根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得预选客户的信息。
4.根据权利要求3所述的信息推荐方法,其特征在于,根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得预选客户的信息的步骤,包括:
根据所述潜在客户的地域范围在数据库中搜索与各所述客户信息相似的各客户,获得各潜在客户;
根据各所述潜在客户向数据库获取各所述潜在客户的已有业务信息进行分析,确定各所述潜在客户未办理的业务信息;
将各所述潜在客户未办理的业务信息基于所述业务人员所处理的业务类型进行过滤,确定预选客户的信息。
5.根据权利要求1所述的信息推荐方法,其特征在于,所述推荐模型训练的方式是:
获取各业务人员信息及各业务人员对应做的历史订单信息;
对各业务人员的所述历史订单信息进行解析,获得各业务人员所处理的客户信息集合;
将业务人员信息与对应的客户信息集合进行组合,生成各标签特征;
将各所述标签特征输入待训练的推荐模型进行训练,由所述待训练的推荐模型对各所述标签特征进行聚类分析,根据各群簇的大小,确定各业务人员的产品排行,获得推荐模型。
6.根据权利要求1所述的信息推荐方法,其特征在于,将各所述画像标签输入基于的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户的步骤,包括:
将各所述画像标签输入所述推荐模型,由所述推荐模型根据各所述画像标签基于所述业务人员对应的产品排行进行画像标签排行,得到向所述业务人员推荐的目标客户。
7.根据权利要求1所述的信息推荐方法,其特征在于,根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息的步骤,包括:
根据所述业务人员标识向数据库查找业务人员的订单信息;
当查找到所述业务人员的订单信息时,获取所述业务人员的订单信息中的已完成交易的订单信息;
当未查找到所述业务人员的订单信息时,根据业务人员所在的地域信息获取输出率超过预设值的客户信息,获得符合所述业务人员的客户信息。
8.一种信息推荐装置,其特征在于,通过所述装置包括:
推荐指令获取模块,用于获取终端发送的客户信息推荐请求,所述客户信息推荐请求携带有业务人员标识;
地域信息获取模块,用于根据所述客户信息推荐请求,获取所述业务人员标识对应的业务信息,所述业务信息包括业务人员所在的地域信息;
订单信息获取模块,用于根据所述业务人员标识向数据库获取业务人员已完成交易的订单信息;
地域范围确定模块,用于根据所述地域信息及所述已完成交易的订单信息,确定潜在客户的地域范围;
预选客户信息确定模块,用于根据所述已完成交易的订单信息及所述潜在客户的地域范围,获取预选客户的信息;
画像生成模块,用于将所述预选客户的信息与所述业务信息进行组合,生成所述预选客户的画像标签;
客户信息获取模块,用于将各所述画像标签输入基于业务人员的历史订单信息数据训练的推荐模型,得到向所述业务人员推荐的目标客户。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445113.7A CN109712001A (zh) | 2018-11-29 | 2018-11-29 | 信息推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445113.7A CN109712001A (zh) | 2018-11-29 | 2018-11-29 | 信息推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109712001A true CN109712001A (zh) | 2019-05-03 |
Family
ID=66255222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811445113.7A Pending CN109712001A (zh) | 2018-11-29 | 2018-11-29 | 信息推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712001A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264243A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 基于活体检测的产品推广方法、装置、设备及存储介质 |
CN110400185A (zh) * | 2019-07-31 | 2019-11-01 | 中国工商银行股份有限公司 | 产品推荐方法及*** |
CN110659413A (zh) * | 2019-09-02 | 2020-01-07 | 平安普惠企业管理有限公司 | 用户与业务员间的账号关联方法、装置、电子设备及介质 |
CN110660178A (zh) * | 2019-09-26 | 2020-01-07 | 中国工商银行股份有限公司 | Atm密码*** |
CN110991950A (zh) * | 2019-11-07 | 2020-04-10 | 拓扑丝路(南京)科技有限公司 | 物流服务数据处理方法及装置、存储介质 |
CN111858847A (zh) * | 2020-05-19 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法、装置、电子设备及可读存储介质 |
CN112232556A (zh) * | 2020-09-29 | 2021-01-15 | 江苏苏宁物流有限公司 | 产品的推荐方法、装置、计算机设备和存储介质 |
CN112330391A (zh) * | 2020-10-26 | 2021-02-05 | 武汉鼎森世纪科技有限公司 | 基于客户和员工的产品推荐方法 |
CN112395486A (zh) * | 2019-08-12 | 2021-02-23 | ***通信集团重庆有限公司 | 一种宽带业务推荐方法、***、服务器和存储介质 |
CN112991110A (zh) * | 2021-04-25 | 2021-06-18 | 湖南知名未来科技有限公司 | 多维度画像标准的客户类型识别方法及知识产权监控*** |
CN113554487A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 产品推荐方法、装置、电子设备及计算机存储介质 |
CN113641904A (zh) * | 2021-08-16 | 2021-11-12 | 上海花千树信息科技有限公司 | 一种为互联网婚恋线下门店推荐目标客户的方法及装置 |
CN113657848A (zh) * | 2021-07-19 | 2021-11-16 | 武汉理工大学 | 一种工业三废处理任务分流方法、***、装置及介质 |
CN114047830A (zh) * | 2021-11-30 | 2022-02-15 | 中国建设银行股份有限公司 | 一种辅助输入方法和装置 |
CN114090898A (zh) * | 2021-11-29 | 2022-02-25 | 深圳壹账通智能科技有限公司 | 一种信息推荐方法、装置、终端设备及介质 |
CN116739611A (zh) * | 2023-08-09 | 2023-09-12 | 深圳市企企通科技有限公司 | 客户信息跟踪管理方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及*** |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107730155A (zh) * | 2017-11-24 | 2018-02-23 | 泰康保险集团股份有限公司 | 信息分配方法及装置、存储介质和电子设备 |
CN108520444A (zh) * | 2018-04-12 | 2018-09-11 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、设备、装置及计算机可读存储介质 |
-
2018
- 2018-11-29 CN CN201811445113.7A patent/CN109712001A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及*** |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107730155A (zh) * | 2017-11-24 | 2018-02-23 | 泰康保险集团股份有限公司 | 信息分配方法及装置、存储介质和电子设备 |
CN108520444A (zh) * | 2018-04-12 | 2018-09-11 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、设备、装置及计算机可读存储介质 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264243A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 基于活体检测的产品推广方法、装置、设备及存储介质 |
CN110400185A (zh) * | 2019-07-31 | 2019-11-01 | 中国工商银行股份有限公司 | 产品推荐方法及*** |
CN112395486B (zh) * | 2019-08-12 | 2023-11-03 | ***通信集团重庆有限公司 | 一种宽带业务推荐方法、***、服务器和存储介质 |
CN112395486A (zh) * | 2019-08-12 | 2021-02-23 | ***通信集团重庆有限公司 | 一种宽带业务推荐方法、***、服务器和存储介质 |
CN110659413A (zh) * | 2019-09-02 | 2020-01-07 | 平安普惠企业管理有限公司 | 用户与业务员间的账号关联方法、装置、电子设备及介质 |
CN110660178A (zh) * | 2019-09-26 | 2020-01-07 | 中国工商银行股份有限公司 | Atm密码*** |
CN110991950A (zh) * | 2019-11-07 | 2020-04-10 | 拓扑丝路(南京)科技有限公司 | 物流服务数据处理方法及装置、存储介质 |
CN111858847A (zh) * | 2020-05-19 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法、装置、电子设备及可读存储介质 |
CN112232556A (zh) * | 2020-09-29 | 2021-01-15 | 江苏苏宁物流有限公司 | 产品的推荐方法、装置、计算机设备和存储介质 |
CN112330391B (zh) * | 2020-10-26 | 2022-07-08 | 武汉鼎森世纪科技有限公司 | 基于客户和员工的产品推荐方法 |
CN112330391A (zh) * | 2020-10-26 | 2021-02-05 | 武汉鼎森世纪科技有限公司 | 基于客户和员工的产品推荐方法 |
CN112991110A (zh) * | 2021-04-25 | 2021-06-18 | 湖南知名未来科技有限公司 | 多维度画像标准的客户类型识别方法及知识产权监控*** |
CN112991110B (zh) * | 2021-04-25 | 2024-02-02 | 湖南知名未来科技有限公司 | 多维度画像标准的客户类型识别方法及知识产权监控*** |
CN113657848A (zh) * | 2021-07-19 | 2021-11-16 | 武汉理工大学 | 一种工业三废处理任务分流方法、***、装置及介质 |
CN113657848B (zh) * | 2021-07-19 | 2023-08-18 | 武汉理工大学 | 一种工业三废处理任务分流方法、***、装置及介质 |
CN113554487A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 产品推荐方法、装置、电子设备及计算机存储介质 |
CN113641904A (zh) * | 2021-08-16 | 2021-11-12 | 上海花千树信息科技有限公司 | 一种为互联网婚恋线下门店推荐目标客户的方法及装置 |
CN114090898A (zh) * | 2021-11-29 | 2022-02-25 | 深圳壹账通智能科技有限公司 | 一种信息推荐方法、装置、终端设备及介质 |
CN114047830A (zh) * | 2021-11-30 | 2022-02-15 | 中国建设银行股份有限公司 | 一种辅助输入方法和装置 |
CN116739611A (zh) * | 2023-08-09 | 2023-09-12 | 深圳市企企通科技有限公司 | 客户信息跟踪管理方法、装置、设备及介质 |
CN116739611B (zh) * | 2023-08-09 | 2024-02-13 | 深圳市企企通科技有限公司 | 客户信息跟踪管理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712001A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
US11711447B2 (en) | Method and apparatus for real-time personalization | |
WO2020135535A1 (zh) | 一种推荐模型训练方法及相关装置 | |
CN109741146B (zh) | 基于用户行为的产品推荐方法、装置、设备及存储介质 | |
US9208437B2 (en) | Personalized information pushing method and device | |
US20080270248A1 (en) | System and device for social shopping on-line | |
CN111506801A (zh) | 一种应用App中子应用的排序方法及装置 | |
CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
CN112287015B (zh) | 画像生成***及其方法、电子设备及存储介质 | |
CN110363569A (zh) | 数据产品推荐方法、装置、计算机设备和存储介质 | |
CN110163655A (zh) | 基于梯度提升树的坐席分配方法、装置、设备及存储介质 | |
US20180114156A1 (en) | Computer-based automatic tagging of user multimedia data to generate commercial sales lead | |
US11410203B1 (en) | Optimized management of online advertising auctions | |
CN108334625A (zh) | 用户信息的处理方法、装置、计算机设备和存储介质 | |
US11392965B2 (en) | Opportunity list engine | |
Jiang et al. | Intertemporal pricing via nonparametric estimation: Integrating reference effects and consumer heterogeneity | |
US20170039244A1 (en) | Simplification of sankey diagram | |
US10096045B2 (en) | Tying objective ratings to online items | |
CA3113168A1 (en) | Systems and methods for enhancing and facilitating access to specialized data | |
Cui et al. | Omnichannel marketing: The challenge of data-integrity | |
CN116664222A (zh) | 数据处理方法及装置 | |
CN109543177A (zh) | 消息数据处理方法、装置、计算机设备和存储介质 | |
JP2021518625A (ja) | 顧客関与を定量化するためのシステムおよび方法 | |
CN114037500A (zh) | 服务商品推荐方法、装置、计算机设备和存储介质 | |
US20150206089A1 (en) | Predicting incentive compensation for opportunities in sales performance management systems |
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 |