CN112163868A - 数据处理方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种数据处理方法、装置、设备及存储介质，所述方法包括：通过获取至少一个终端发送的至少一个客户的名单；根据至少一个客户和至少一个空闲坐席生成二部图，将客户与坐席之间匹配问题就转化为二部图的求解问题。在求解二部图达到目标匹配条件时，获得至少一个客户与空闲坐席相匹配的目标匹配方案，根据目标匹配方案，将至少一个客户的名单分别发送给对应的空闲坐席的终端。提高了获得目标分配方案的效率，满足将客户分发给坐席的场景的时效性要求，并且，提高了客户与坐席整体匹配度，这样，在空闲坐席联系客户后，客户的转化率高，从而提高了坐席的整体业绩，即提高了坐席的整体工作效率。

Description

数据处理方法、装置、设备及存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

背景技术

近年来，很多企业为了自身发展需求，常使用呼叫中心***和客户进行沟通，以挖掘潜在客户和维护已有客户，而这些工作都会由呼叫中心的坐席来完成。目前，在获取到客户的联系方式后，由于短时间内客户还在了解产品，且购买意愿高。因此，如果在获取到客户的联系方式后，尽可能快的联系客户，可以提高客户的转化率。因此，在获取到用户的联系方式后，为了缩短时间，会将客户名单随机的或者根据经验分配给当前空闲的坐席，这种分配方式虽然缩短了联系客户的时间，但是没有考虑分配给坐席的客户名单是不是该坐席擅长的客群，对于每个坐席来说，导致坐席的业绩较差，即坐席工作效率低，因此，也就导致坐席整体工作效率低。

发明内容

本发明的主要目的在于提供一种数据处理方法、装置、设备及存储介质，旨在提高坐席的工作效率。

为实现上述目的，本发明提供一种数据处理方法，所述方法包括：

获取至少一个终端发送的至少一个客户的名单；

生成二部图，其中，所述至少一个客户分别作为二部图的第一顶点，至少一个空闲坐席分别作为所述二部图的第二顶点；

在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，所述目标匹配方案用于指示所述至少一个客户中每个客户所应分配的空闲坐席；

根据所述目标匹配方案，将所述至少一个客户的名单分别发送给对应的空闲坐席的终端。

可选的，在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，包括：

获取所述二部图中所述至少一个客户中每个客户与所述至少一个空闲坐席中每个空闲坐席之间的匹配度；

在根据所述每个客户与所述每个空闲坐席之间的匹配度，求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案。

可选的，所述获取所述二部图中至少一个客户中每个客户与所述至少一个空闲坐席每个空闲坐席的匹配度，包括：

获取所述每个客户的第一属性特征和每个空闲坐席的第二属性特征；

将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度。

可选的，所述将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度之前，还包括：

获取训练样本集，其中，所述训练样本集包含多个样本信息，所述样本信息包括样本客户的第一属性特征、接触所述样本客户的样本坐席的第二属性特征和标签，所述标签用于表示所述样本坐席接触所述样本客户后是否达到预期结果；

根据所述训练样本集，对初始匹配模型进行训练，获得所述预设匹配模型。

可选的，所述求解所述二部图达到目标匹配条件，包括：

采用匈牙利算法求解所述二部图达到目标匹配条件。

可选的，目标匹配条件为所述二部图达到最大匹配，所述采用匈牙利算法求解所述二部图达到目标匹配条件，包括：

从所述至少一个客户中选择第i个客户，所述第i客户与前i-1个客户不是同一客户；

根据所述第i客户与所述每个空闲坐席之间的匹配度，确定与所述第i个客户匹配度最高的空闲坐席为与所述第i客户相匹配的空闲坐席；

若与所述第i客户相匹配的空闲坐席是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则调整前i个客户相匹配的空闲坐席，使得前i个客户与相匹配的空闲坐席之间的匹配度之和最大；

若与所述第i客户相匹配的空闲坐席不是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则更新i等于i+1。

可选的，在采用匈牙利算法对所述二部图进行求解的过程中，获取所述匈牙利算法对所述二部图进行求解的过程数据；

将所述过程数据发送给所述空闲坐席的终端。

本发明还提供一种数数据处理装置，包括：

获取模块，用于获取至少一个终端发送的至少一个客户的名单；

处理模块，用于生成二部图，其中，所述至少一个客户分别作为二部图的第一顶点，至少一个空闲坐席分别作为所述二部图的第二顶点；还用于在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，所述目标匹配方案用于指示所述至少一个客户中每个客户所应分配的空闲坐席；

分配模块，用于根据所述目标匹配方案，将所述至少一个客户的名单分别发送给对应的空闲坐席的终端。

本发明还提供一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面任一实施方式所述的数据处理方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质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如第一方面任一实施方式提供的数据处理方法的步骤。

本发明提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备实施第一方面任一项提供的数据处理方法。

本发明中，通过获取至少一个终端发送的至少一个客户的名单；根据至少一个客户和至少一个空闲坐席生成二部图，将客户分发给坐席的场景形式化为二部图，这样，客户与坐席之间匹配问题就转化为二部图的求解问题。因此，在求解二部图达到目标匹配条件时，获得至少一个客户与空闲坐席相匹配的目标匹配方案，根据目标匹配方案，将至少一个客户的名单分别发送给对应的空闲坐席的终端。提高了获得目标分配方案的效率，满足将客户分发给坐席的场景的时效性要求，并且，从整体的角度考虑将客户分配给空闲坐席，可以提高客户与坐席整体匹配度，这样，在空闲坐席联系客户后，客户的转化率高，从而提高了坐席的整体业绩，即提高了坐席的整体的工作效率。

附图说明

图1为本发明一实施例提供的应用场景示意图；

图2为本发明一实施例提供的一种数据处理方法的流程示意图；

图3为本发明一实施例提供的一种基于二部图的分配方案的示意图；

图4为本发明一实施例提供的一种数据处理方法的流程示意图；

图5为本发明一实施例提供的采用匈牙利算法求解二部图的流程示意图；

图6为本发明一实施例提供的预设匹配模型训练方法的流程图；

图7为本发明一实施例提供的数据处理装置的结构示意图；

图8为本发明一实施例提供的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1为本发明一实施例提供的应用场景示意图。如图1所示，当客户通过电脑或者平板等终端设备101浏览公司投放的广告并提交联系方式等客户信息后，终端设备101将客户的信息提交到公司的后台服务器，公司后台服务器102获取到客户信息。或者，客户通过宣传单填写联系方式后，工作人员通过终端设备将客户的联系方式上传服务器102，使服务器102获取到客户的联系方式。

其中，客户浏览公司投放的广告，或者在宣传单上填写自己的信息，说明客户有进一步了解公司业务，达成交易的意愿。并且，在客户了解产品后的一段时间内客户进一步了解公司业务，达成交易的意愿较高。因此，在获取到客户的联系方式后，如果很快联系客户，较理想的，在客户仍在浏览网页上的广告时联系客户，这样与客户达成交易的概率较大。因此，在对客户通过电销等方式接触时，对时效性有较高的要求。

但是，在这种对时效性有较高的要求的场景中，由于需要在获取到客户的联系方式后，尽可能快的联系客户。因此，为了缩短联系客户的时间，服务器102在获取到客户的联系方式后，随机的将客户名单分发给当前空闲的坐席的终端103，或者工作人员获取到宣传单上客户的联系方式后，根据经验随机的将客户名单分发给当前空闲的坐席，而不会考虑客户与坐席之间的匹配度，即客户是否是当前坐席擅长沟通的客群。并且，坐席也不确定分发给自己的客户是不是自己擅长沟通的客群，也无法预料之后分发的客户是不是自己擅长沟通的客群。因此，坐席只能根据分发的客户名单联系客户，客户的转化效率低，影响坐席的业绩，导致坐席工作效率低。

为解决上述问题，本发明提出一种方案：在将客户名单分发给坐席时，希望尽可能的将每个客户分发给与该客户最匹配的坐席，即对每个坐席来说，分发给自己的客户是自己擅长客群中的客户，这样，坐席在通过电销方式接触客户后，客户对公司业务达成交易的概率较大，相应的，提高每个坐席的工作效率，也就提高了坐席整体的工作效率。因此，对客户名单分发时，要考虑坐席整体的效率，即考虑客户与坐席整体匹配问题，使客户与坐席整体匹配度高。

根据客户与坐席之间匹配场景的分析，可以将该场景转化为数学中的匹配问题，采用数学的方法解决客户与坐席之间匹配问题。进一步的，如果将客户作为一个集合，将坐席作为一个集合，这两个集合为独立的点集，并且，每个客户只能同时分发给一个坐席，因此，可以将客户分发给坐席的场景形式化为二部图，客户与坐席之间匹配问题转化为二部图的求解问题。即求解客户与坐席整体匹配度高时客户与坐席的匹配问题，也就是求二部图的最大匹配。

本发明，将客户分发给坐席的场景形式化为二部图，通过求解二部图的最大匹配，来获得客户与坐席整体匹配度高时客户与坐席的匹配，降低解决客户与坐席之间匹配问题的复杂度，并且，求解二部图可以获得最大匹配或最优匹配。因此，将客户分发给坐席的场景形式化为二部图，可以获得使得客户与坐席整体匹配度高时的匹配方案，在满足时效性的基础上，提高坐席效率。

在将客户分发给坐席的场景形式化为二部图后，为了进一步提高客户分发给坐席时，客户与坐席整体匹配度，本发明中采用人工智能的方法，获得预设匹配模型，该预设匹配模型用于计算客户与坐席之间的匹配度。因此，在获取客户的属性特征以及坐席的属性特征后，通过预设匹配模型对客户的属性特征和坐席的属性特征进行分析，可以快速、准确的获取客户与坐席的匹配度，从而确定出可使客户的整体转化效率高的分配方案，提高客户的整体转化效率，提高坐席的整体工作效率。

下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

图2为本发明一实施例提供的一种数据处理方法的流程示意图。本实施例中方法的执行主体可以为电子设备，例如计算机或服务器。本实施例中的方法可以通过软件、硬件或者软硬件结合的方式来实现。如图2所示，方法可以包括：

S201、获取至少一个终端发送的至少一个客户的名单。

本步骤中，客户的名单来源渠道例如可以是：客户通过电脑或者平板等终端设备101浏览公司投放的广告并提交联系方式等客户信息，终端设备将客户的信息提交到公司的后台服务器，或者，客户通过宣传单填写联系方式等客户信息后，工作人员通过终端设备将客户信息上传服务器，使服务器获取到客户信息，从而获得客户的名单。

其中，为了满足对时效性的要求，在获取到客户的名单后，需要尽可能快的联系客户。因此，可选的，每间隔预设时长，获取该预设时长内的客户的名单，例如，预设时长为1小时，在8点-9点之间有客户通过终端提交客户信息或者工作人员录入客户信息，在到达9点时，获取8点-9点之间的客户的名单；9点-10点之间有客户通过终端提交客户信息或者工作人员录入客户信息，在到达10点时，获取9点-10点之间的客户的名单，依次类推，获取客户的名单。

其中，需要说明的是，如果在分配客户的名单时，只获取到1个客户的名单，且当前只有一个坐席处于空闲状态，则可以直接将该客户的数据处理给正处于空闲状态的坐席。对于这种情况，可以不考虑客户与坐席之间的匹配度。

当获取到1个客户名单，且当前有多个坐席处于空闲状态时，需要将客户数据处理给最适合与该客户接触的坐席；或者获取到M个客户名单，有N个坐席处于空闲状态时，需要考虑客户与对应坐席的总匹配度。因此，客户的名单的数量M以及当前处于空闲状态的坐席的数量N不能同时为1。本实施例以客户的名单的数量M以及当前处于空闲状态的坐席的数量N均大于1，且M小于或等于N为例进行说明。

可选的，当获取的客户的数量大于当前空闲坐席的数量时，根据客户提交客户信息的时间或者工作人员录入客户信息的时间，选择时间靠前的客户，使客户的数量等于当前空闲坐席的数量。在下一次分配时，预先考虑上一次没有被分配的客户。

S202、生成二部图。

其中，至少一个客户分别作为二部图的第一顶点，至少一个空闲坐席分别作为二部图的第二顶点。

本步骤中，获取到客户的名单和空闲坐席后，根据至少一个客户和至少一个空闲坐席，成成二部图。例如图3所示，获取到4个客户的名单，当前空闲坐席的数量为5，则每个客户作为二部图的第一顶点，即二部图第一顶点的数量为4，每个空闲坐席作为二部图的第二顶点，即二部图第二顶点的数量为5。其中，客户与坐席之间的连线用于表明将给客户分发给连线另一边的坐席。

S203、在求解二部图达到目标匹配条件时，获得至少一个客户与空闲坐席相匹配的目标匹配方案。

其中，目标匹配方案用于指示至少一个客户中每个客户所应分配的空闲坐席。

本步骤中，对二部图求解获得的结果为一种匹配方案，即二部图中其中一个集合中的顶点与另一集合中顶点之间的额匹配关系。因此，将客户分发给坐席的场景形式化为二部图，求解二部图获得的匹配方案即为客户与坐席之间的匹配方案。

因此，在求解二部图时，例如通过设置迭代次数，或者设置求解二部图获得的匹配方案对应的整体匹配度满足的预设条件，在求解时的迭代次数满足迭代次数要求，或者匹配方案对应的整体匹配度满足预设条件时，停止对二部图进行求解，获取匹配方案，该匹配方案为至少一个客户与空闲坐席相匹配的目标匹配方案，用来指示将至少一个客户中的每个客户分配给的空闲坐席。

其中，求解二部图的方法例如可以是最大流算法、匈牙利算法、Kuhn-Munkres算法等。其中，本发明示例性的示出采用匈牙利算法求解二部图的一种具体的求解步骤，具体详见图5。

S204、根据目标匹配方案，将至少一个客户的名单分别发送给对应的空闲坐席的终端。

本步骤中，目标分配方案指示将至少一个客户中的每个客户分配给的空闲坐席，因此，根据目标分配方案，建立至少一个客户中的每个客户与对应的空闲坐席的分配关系，例如图3所示，在二部图中示例性的示出了根据目标分配方案获得的分配关系的示意图。

确定至少一个客户中的每个客户分配给的空闲坐席后，将客户的名单发送到对应的空闲坐席的终端上，以使空闲坐席根据自己的终端设备获取需要通过电销方式接触的客户。

本实施例提供的数据处理方法，通过获取至少一个终端发送的至少一个客户的名单；根据至少一个客户和至少一个空闲坐席生成二部图，将客户分发给坐席的场景形式化为二部图，这样，客户与坐席之间匹配问题就转化为二部图的求解问题。因此，在求解二部图达到目标匹配条件时，获得至少一个客户与空闲坐席相匹配的目标匹配方案，根据目标匹配方案，将至少一个客户的名单分别发送给对应的空闲坐席的终端。提高了获得目标分配方案的效率，满足将客户分发给坐席的场景的时效性要求，并且，从整体的角度考虑将客户分配给空闲坐席，可以提高客户与坐席整体匹配度，这样，在空闲坐席联系客户后，客户的转化率高，从而提高了坐席的整体业绩，即提高了坐席的整体的工作效率。

将客户分发给坐席的场景形式化为二部图，这样，每个客户为二部图的第一顶点，每个坐席为二部图的第二顶点，对于客户分发给坐席的场景来说，第一顶点与第二顶点之间的连线为二部图的一条边，该边指示将客户分发给边另一端的坐席。其中，为了提高坐席的工作效率，可以根据客户与坐席之间的匹配度，将至少一个客户分发给对应的坐席。因此，在求解二部图匹配问题时，可以考虑边的权值对获得的匹配方案的影响，其中，二部图中每条边的权值为该边两端的客户与坐席的匹配度。根据客户与坐席的匹配度获得目标匹配方案，具体详见图4所示的实施例。

图4为本发明另一实施例提供的数据处理方法的流程图。在图2所示实施例的基础上，本实施例的方法包括：

S401、获取至少一个终端发送的至少一个客户的名单。

本步骤中，S401的具体实现方式可参考S201，此处不再赘述。

S402、生成二部图。

本步骤中，S402的具体实现方式可参考S202，此处不再赘述。

S403、获取二部图中至少一个客户中每个客户与至少一个空闲坐席中每个空闲坐席之间的匹配度。

本步骤中，匹配度用于表示客户与坐席的匹配程度，从客户的角度来说，需要使通过电销方式接触该客户的坐席熟悉该客户所要了解的业务，使客户通过坐席的介绍提高该客户达成交易的概率。从坐席的角度来说，需要使分发的客户是该坐席擅长沟通的客群，这样，在坐席通过电销方式接触客户时，将自己熟悉的业务介绍给客户，提高客户达成交易的概率，从而提高自己的业绩。

例如对于图3所示实施例的二部图，对于每个第一顶点，获取该第一顶点与每个第二顶点之间边的权值，也就是获取至少一个客户中每个客户与至少一个空闲坐席中每个空闲坐席之间的匹配度。

可选的，S403的一种具体的实现方式为：

S4031、获取每个客户的第一属性特征和每个空闲坐席的第二属性特征。

本步骤中，对于每个客户，根据客户填写的客户信息，和/或数据库中之前保存的该客户的信息(如果该客户之前已经办理过公司的业务)，获取该客户的属性特征。其中，属性特征包括如下一项或多项特征：年龄、性别、职业、当前已申请的业务的进展状况。

具体的，针对不同的场景(不同的业务)，客户的属性特征包括的内容不同。例如，对于保险产品，客户的属性特征中可以包括以下至少一项：客户的年龄、性别、职业、客户的参保信息、客户的体检信息、客户的来源渠道等，本实施例不再一一列举，来源渠道例如可以是网上获取到的客户信息，通过宣传单获取到的客户信息；对于理财产品，客户的属性特征中可以包括以下至少一项：客户的年龄、性别、职业、信用度、客户的理财信息、客户的来源渠道等；对于贷款产品，客户的属性特征中可以包括以下至少一项：客户的年龄、性别、职业、客户的贷款信息、信用度、客户的资产信息、客户的来源渠道等。

对于每个坐席，坐席的属性特征包括以下至少一项：坐席的年龄、性别以及坐席的工作能力。其中，坐席的工作能力可以根据每个坐席之前的工作数据获得，坐席的工作能力包括以下至少一项：坐席对不同年龄段的客户的转化率、对不同职业的客户的转化率、对不同性别的客户的转化率、对不同区域的客户的转化率、对不同来源渠道的客户的转化率等等，本实施例不再一一列举。

S4032、将每个客户的第一属性特征、每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得预设匹配模型输出的每个客户与每个空闲坐席的匹配度。

本步骤中，预设匹配模型为预先根据历史数据，即之前服务的客户的属性特征与服务该客户的坐席的属性特征以及坐席接触客户后是否达到预期结果训练获取的，用于根据客户的属性特征以及空闲坐席的属性特征，计算客户与坐席的匹配度。获取预设匹配模型其中一种方式可参考图6，此处不再赘述。

将客户的属性特征和空闲坐席的属性特征输入到预设匹配模型中，预设匹配模型根据客户的属性特征和坐席的第二属性特征，计算获得客户和坐席之间的匹配度。其中，对于每个客户，获取该客户与每个坐席的匹配度，例如，对于图3所示的4个客户与5个坐席，可以获得20个匹配度。

S404、在根据每个客户与每个空闲坐席之间的匹配度，求解二部图达到目标匹配条件时，获得至少一个客户与空闲坐席相匹配的目标匹配方案。

本步骤中，通过上述方式获取到每个客户与每个空闲坐席之间的匹配度后，也就是获取例如图3所示的二部图中，每条边的权值后，根据每条边的权值，对二部图进行求解，获得目标匹配方案。

可选的，在目标匹配方案中，可以尽可能包含权值较高的边，即尽可能将客户分发给与该客户的匹配度高的空闲坐席。

S405、根据目标匹配方案，将至少一个客户的名单分别发送给对应的空闲坐席的终端。

本步骤中，S405具体实现方式可参考S204，此处不再赘述。

本实施例所示的数据处理方案，图2所示实施例的基础上，由于是在考虑客户与空闲坐席的匹配度的基础上获得的目标匹配方案，因此，在根据该匹配方案至少一个客户的名单分别发送给对应的空闲坐席时，在空闲坐席通过电销方式接触客户后，对于每个客户，提高客户的转化率，从而提高客户的整体转化率，相应的，也就提高了坐席的整体工作效率。

图5为本发明一实施例提供的采用匈牙利算法求解二部图的流程图。如图5所示，本实施例的方法包括：

其中，本实施例以目标匹配条件为二部图达到最大匹配时，匈牙利算法求解二部图的步骤为例进行说明。即二部图达到最大匹配时对应的目标分配方案是所有分配方案中平总匹配度最高的分配方案，M个客户与N个坐席之间所有的分配方案的数为：

S501、从至少一个客户中选择第i个客户。

其中，第i客户与前i-1个客户不是同一客户。

S502、根据第i客户与每个空闲坐席之间的匹配度，确定与第i个客户匹配度最高的空闲坐席为与第i客户相匹配的空闲坐席。

对于S501和S502，采用匈牙利算法求解二部图时，对匈牙利算法进行初始化，即从至少一个客户中选择任一客户，记为第一客户。由于至少一个客户的每个客户可以分发给至少一个空闲坐席中的每个空闲坐席，因此，对于第一客户，根据第一客户与每个空闲坐席的匹配度，选择与第一客户匹配度最高的空闲坐席，确定第一客户与该空闲坐席之间的分配关系。

从除第一客户之外的至少一个客户中选择任一客户，记为第二客户，根据第二客户与每个空闲坐席的匹配度，选择与第二客户匹配度最高的空闲坐席。

这样，在每次选择客户时，从剩下的至少一个客户中选择任一客户，这样，使得每次选择的客户与之前已选择的客户不是同一客户。对于第i次获取的客户，记为第i客户。其中，第i客户与前i-1个客户不是同一客户。

在获得第i客户后，根据第i客户与与每个空闲坐席的匹配度，选择与第i客户匹配度最高的空闲坐席。

S503、判断与第i客户相匹配的空闲坐席是否是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，若是，执行S504；若否，执行S505。

本步骤中，由于至少一个客户的每个客户可以分发给至少一个空闲坐席中的每个空闲坐席，就可能存在一个空闲坐席与至少两个客户之间的匹配度相等，且对于至少两个客户中的每个客户来说，与该空闲坐席的匹配度是该客户与所有空闲坐席的匹配度中最高的，这就导致一个空闲坐席与至少两个客户建立分配关系，从而可能导致采用匈牙利算法求解二部图时陷入死循环中，得不到目标匹配方案。

因此，对于第i个客户，需要判断与该客户相匹配的空闲坐席是否是与前i-1个客户相匹配的空闲坐席中任一空闲坐席。

S504、调整前i个客户相匹配的空闲坐席，使得前i个客户与相匹配的空闲坐席之间的匹配度之和最大。

本步骤中，若与所述第i客户相匹配的空闲坐席是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，对目前已为i个客户的分配的空闲坐席进行调整，以使前i个客户与相匹配的空闲坐席之间的匹配度之和最大。

其中，在调整前i个客户相匹配的空闲坐席时，根据实际情况，可能只需要调整前i个客户中部分客户的相匹配的空闲坐席，也可能需要对前i个客户中每个客户的相匹配的空闲坐席进行调整。

例如，以i＝2为例，与第一客户匹配度最高的空闲坐席和与第二客户匹配度最高的额空闲坐席为同一空闲坐席，匹配度为0.9，第一客户与空闲坐席之间的匹配度中，匹配度次高为0.7，第二客户与空闲坐席之间的匹配度中，匹配度次高为0.5。此时，调整第一客户的空间坐席，将第一客户分配给与第一客户的匹配度为0.7的空闲坐席，这样，第一客户和第二客户的总匹配度为0.7+0.9＝1.6，如果将第二客户分配给与第二客户的匹配度为0.5的空闲坐席，第一客户和第二客户的总匹配度为0.9+0.5＝1.4。

S505、更新i等于i+1，返回S501。

本步骤中，若与所述第i客户相匹配的空闲坐席不是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，说明与第i客户匹配度最高的空闲坐席目前没有被分配客户，因此，将第i客户分配给与第i客户匹配度最高的空闲坐席，使得前i个客户与相匹配的空闲坐席之间的匹配度之和最大。

然后，返回S501，从至少一个客户中选择第i+1个客户。

可选的，在采用匈牙利算法对二部图进行求解的过程中，还可以获取匈牙利算法对二部图进行求解的过程数据；并将过程数据发送给空闲坐席的终端。这样，空闲坐席在对分配方案提出质疑时，根据过程数据确定目标分配方案是否最大匹配时的分配方案。

需要说明的是，图5仅仅示例性的示出匈牙利算法求解二部图的一种可能的实现方式，并不用于对本发明进行限制。

图6为本发明一实施例提供的预设匹配模型训练方法的流程图。如图6所示，本实施例的预设匹配模型训练方法包括：

S601、获取训练样本集。

其中，训练样本集包含多个样本信息，样本信息包括样本客户的第一属性特征、接触样本客户的样本坐席的第二属性特征和标签，标签用于表示样本坐席接触样本客户后是否达到预期结果。

本步骤中，获取历史数据中保存的样本客户，以及接触该样本客户的样本坐席。

对于每一个样本客户，获取该样本客户的第一属性特征，其中，该样本客户的属性特征与S4031中将要接触的客户的属性特征对应。例如，对于保险产品，样本客户的属性特征中可以包括以下至少一项：客户的年龄、性别、职业、客户的参保信息、客户的体检信息、客户的来源渠道等。

对于每一个样本坐席，获取该样本坐席的属性特征，其中，该样本坐席的属性特征与S4031所示的坐席的属性特征对应。样本坐席的属性特征包括以下至少一项：样本坐席的年龄、性别以及样本坐席的工作能力。其中，样本坐席的工作能力可以根据每个样本坐席之前的工作数据获得，样本坐席的工作能力包括以下至少一项：样本坐席对不同年龄段的客户的转化率、对不同职业的客户的转化率、对不同性别的客户的转化率、对不同区域的客户的转化率、对不同来源渠道的客户的转化率等。

预期结果与样本坐席接触样本客户的目的对应，例如，样本坐席通过电销方式向客户推销保险时，希望样本客户能够购买保险，若样本客户购买保险，则样本坐席接触样本客户后达到预期结果，对应的标签的值例如可以为1；否则，说明样本坐席接触样本客户后没有达到预期结果，对应的标签的值例如可以为0。

其中，判断样本坐席接触样本客户后是否达到预期结果例如可以是：样本坐席接触样本客户后，在预设时长内样本客户是否达到预期结果；或者，样本坐席接触样本客户后，截止获取该样本客户的属性特征时，样本客户是否达到预期结果。

每个样本客户的第一属性特征、接触该样本客户的样本坐席的第二属性特征和标签对应一样本信息，通过历史数据获取多组样本信息，行为训练样本集。

S602、根据训练样本集，对初始匹配模型进行训练，获得预设匹配模型。

本步骤中，匹配模型表示为f(X，Y)，其中，X表示客户x的，Y表示坐席y的属性信息，f(X，Y)的输出值为客户x与坐席y的匹配度。其中，f(X，Y)的一种形式为公式一所示：

f(X，Y)＝W₁·X+W₂·Y＝Z 公式一

其中，X、Y、W₁、W₂用向量表示，X中的每个元素对应客户属性特征中的每个特征，Y中的每个元素对应坐席属性特征中的每个特征，W₁中的每个元素表示客户属性特征中的每个特征对预期结果的影响的权重，W₂中的每个元素表示坐席属性特征中的每个特征对预期结果的影响的权重。Z表示标签，即表示所述坐席接触所述样本客户后是否达到预期结果。

在开始时，初始化W₁、W₂，将训练样本集输入到初始匹配模型中，针对每个样本客户的属性特征以及对应的样本坐席的属性特征，f(X，Y)根据初始的W₁、W₂，输出样本客户与对应的样本坐席的匹配度，当匹配度大于预设匹配度时，认为样本坐席接触样本客户后达到预期结果，否则未没达到与其结果。

将f(X，Y)输出的结果与样本信息中的标签Z进行比较，根据损失值对f(X，Y)进行优化，具体的，对f(X，Y)的W₁、W₂进行更新优化。然后再次将训练样本集输入到优化后的匹配模型中，重复上述优化过程，直至满足训练结束条件，获得预设匹配模型。

本实施例提供的预设匹配模型训练方法，是通过样本客户的第一属性特征、接触所述样本客户的样本坐席的第二属性特征和标签训练获得的。因此，通过预设匹配模型，可以确定客户的每个属性特征，以及空闲坐席的每个属性特征对客户与空闲坐席之间的匹配度的影响。因此，通过预设匹配模型，根据每个客户的属性特征、每个空闲坐席的属性特征，可以准确高效的获取每个客户和每个空闲坐席之间的匹配度，从而确定与客户的名单对应的空闲坐席，提高客户的转化率，也就是提高坐席的工作效率。

需要说明的是，图6实施例中方法的执行主体可以与图2实施例中的执行主体为同一执行主体，或者为不同的执行主体，本发明对此不限制。

图7为本发明一实施例提供的数据处理装置的结构示意图。如图7所示，数据处理装置可以包括：

获取模块71，用于获取至少一个终端发送的至少一个客户的名单；

处理模块72，用于生成二部图，其中，所述至少一个客户分别作为二部图的第一顶点，所述至少一个空闲坐席分别作为所述二部图的第二顶点；还用于在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，所述目标匹配方案用于指示所述至少一个客户中每个客户所应分配的空闲坐席；

分配模块73，用于根据所述目标匹配方案，将所述至少一个客户的名单分别发送给对应的空闲坐席的终端。

本实施例提供的数据处理装置，可以用于执行前述任一方法实施例提供的技术方案，其实现原理和技术效果类似，将客户与坐席之间匹配问题就转化为二部图的求解问题，提高了获得目标分配方案的效率，满足将客户分发给坐席的场景的时效性要求，并且，提高了客户与坐席整体匹配度，这样，在空闲坐席联系客户后，客户的转化率高，从而提高了坐席的整体业绩，即提高了坐席的整体的工作效率。

在上述实施例的基础上，在一种可能的实现方式中，处理模块72，具体用于：

获取所述二部图中所述至少一个客户中每个客户与所述至少一个空闲坐席中每个空闲坐席之间的匹配度；

在根据所述每个客户与所述每个空闲坐席之间的匹配度，求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案。

在一种可能的实现方式中，处理模块72，具体用于：

获取所述每个客户的第一属性特征和每个空闲坐席的第二属性特征；

将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度。

在一种可能的实现方式中，数据处理装置还包括：训练模块74；

获取模块71在处理模块72将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度之前，还用于：

获取训练样本集，其中，所述训练样本集包含多个样本信息，所述样本信息包括样本客户的第一属性特征、接触所述样本客户的样本坐席的第二属性特征和标签，所述标签用于表示所述样本坐席接触所述样本客户后是否达到预期结果；

训练模块74，用于根据训练样本集，对初始匹配模型进行训练，获得预设匹配模型。

在一种可能的实现方式中，处理模块72，具体用于：

采用匈牙利算法求解所述二部图达到目标匹配条件。

在一种可能的实现方式中，目标匹配条件为所述二部图达到最大匹配，处理模块72，具体用于：

从所述至少一个客户中选择第i个客户，所述第i客户与前i-1个客户不是同一客户；

根据所述第i客户与所述每个空闲坐席之间的匹配度，确定与所述第i个客户匹配度最高的空闲坐席为与所述第i客户相匹配的空闲坐席；

若与所述第i客户相匹配的空闲坐席是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则调整前i个客户相匹配的空闲坐席，使得前i个客户与相匹配的空闲坐席之间的匹配度之和最大；

若与所述第i客户相匹配的空闲坐席不是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则更新i等于i+1。

在一种可能的实现方式中，处理模块72，还用于：

在采用匈牙利算法对所述二部图进行求解的过程中，获取所述匈牙利算法对所述二部图进行求解的过程数据；

分配模块73，还用于将所述过程数据发送给所述空闲坐席的终端。

前述任一实施例提供的数据处理装置，用于执行前述任一方法实施例的技术方案，其实现原理和技术效果类似，在此不再赘述。

图8为本发明一实施例提供的电子设备的结构示意图，如图8所示，该电子设备包括：存储器82、处理器81及存储在所述存储器82上并可在所述处理器81上运行的计算机程序，所述计算机程序被所述处理器81执行时实现前述任一方法实施例提供的数据处理方法的步骤。

可选的，电子设备还可以包括显示器83。

该电子设备的上述各个器件之间可以通过总线连接。

存储器82可以是单独的存储单元，也可以是集成在处理器81中的存储单元。处理器81的数量为一个或者多个。

在上述在电子设备的实现中，存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互，也就是存储器和处理器可以通过接口连接，也可以集成在一起。例如，这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接，如可以通过总线连接。存储器可以是，但不限于，随机存取存储器(Random Access Memory，简称：RAM)，只读存储器(Read Only Memory，简称：ROM)，可编程只读存储器(ProgrammableRead-Only Memory，简称：PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，简称：EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，简称：EEPROM)等。其中，存储器用于存储程序，处理器在接收到执行指令后，执行程序。进一步地，上述存储器内的软件程序以及模块还可包括操作***，其可包括各种用于管理***任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。

处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、图像处理器等，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质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如前述任一方法实施例提供的数据处理方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取至少一个终端发送的至少一个客户的名单；

生成二部图，其中，所述至少一个客户分别作为二部图的第一顶点，至少一个空闲坐席分别作为所述二部图的第二顶点；

在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，所述目标匹配方案用于指示所述至少一个客户中每个客户所应分配的空闲坐席；

根据所述目标匹配方案，将所述至少一个客户的名单分别发送给对应的空闲坐席的终端。

2.根据权利要求1所述的方法，其特征在于，在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，包括：

获取所述二部图中所述至少一个客户中每个客户与所述至少一个空闲坐席中每个空闲坐席之间的匹配度；

在根据所述每个客户与所述每个空闲坐席之间的匹配度，求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案。

3.根据权利要求2所述的方法，其特征在于，所述获取所述二部图中至少一个客户中每个客户与所述至少一个空闲坐席每个空闲坐席的匹配度，包括：

获取所述每个客户的第一属性特征和每个空闲坐席的第二属性特征；

将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度。

4.根据权利要求3所述的方法，其特征在于，所述将所述每个客户的第一属性特征、所述每个空闲坐席的第二属性特征，输入至预设匹配模型中，获得所述预设匹配模型输出的所述每个客户与所述每个空闲坐席的匹配度之前，还包括：

获取训练样本集，其中，所述训练样本集包含多个样本信息，所述样本信息包括样本客户的第一属性特征、接触所述样本客户的样本坐席的第二属性特征和标签，所述标签用于表示所述样本坐席接触所述样本客户后是否达到预期结果；

根据所述训练样本集，对初始匹配模型进行训练，获得所述预设匹配模型。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述求解所述二部图达到目标匹配条件，包括：

采用匈牙利算法求解所述二部图达到目标匹配条件。

6.根据权利要求5所述的方法，其特征在于，目标匹配条件为所述二部图达到最大匹配，所述采用匈牙利算法求解所述二部图达到目标匹配条件，包括：

从所述至少一个客户中选择第i个客户，所述第i客户与前i-1个客户不是同一客户；

根据所述第i客户与所述每个空闲坐席之间的匹配度，确定与所述第i个客户匹配度最高的空闲坐席为与所述第i客户相匹配的空闲坐席；

若与所述第i客户相匹配的空闲坐席是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则调整前i个客户相匹配的空闲坐席，使得前i个客户与相匹配的空闲坐席之间的匹配度之和最大；

若与所述第i客户相匹配的空闲坐席不是与前i-1个客户相匹配的空闲坐席中任一空闲坐席，则更新i等于i+1。

7.根据权利要求6所述的方法，其特征在于，还包括：

在采用匈牙利算法对所述二部图进行求解的过程中，获取所述匈牙利算法对所述二部图进行求解的过程数据；

将所述过程数据发送给所述空闲坐席的终端。

8.一种数据处理装置，其特征在于，包括：

获取模块，用于获取至少一个终端发送的至少一个客户的名单；

处理模块，用于生成二部图，其中，所述至少一个客户分别作为二部图的第一顶点，至少一个空闲坐席分别作为所述二部图的第二顶点；还用于在求解所述二部图达到目标匹配条件时，获得所述至少一个客户与空闲坐席相匹配的目标匹配方案，所述目标匹配方案用于指示所述至少一个客户中每个客户所应分配的空闲坐席；

分配模块，用于根据所述目标匹配方案，将所述至少一个客户的名单分别发送给对应的空闲坐席的终端。

9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的数据处理方法的步骤。

Images