CN114399318A - 链路处理方法、装置、计算机设备及存储介质 - Google Patents
链路处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114399318A CN114399318A CN202210061952.9A CN202210061952A CN114399318A CN 114399318 A CN114399318 A CN 114399318A CN 202210061952 A CN202210061952 A CN 202210061952A CN 114399318 A CN114399318 A CN 114399318A
- Authority
- CN
- China
- Prior art keywords
- target
- channel
- behavior information
- link
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 392
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 description 25
- 239000003795 chemical substances by application Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 8
- 239000010432 diamond Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010129 solution processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能技术,提供一种链路处理方法、装置、计算机设备与存储介质,包括:按时序顺序提取目标行为信息;按预设渠道类别分类处理同一时序目标行为信息,得到目标渠道行为信息;逆序抽取预设层数的目标渠道行为信息,计算目标渠道行为信息的第一客户占比数;组合目标渠道行为信息与第一客户占比数,得到初始转化链路图;初始转化链路图中第一客户占比数最高的目标渠道行为信息作为目标渠道链路节点构建中间转化链路图;获取目标渠道链路节点对应的预设渠道子类别,计算第二客户占比数;确定第二客户占比数最高的目标渠道行为信息作为渠道链路子节点构建目标转化链路图。本申请能够提高客户行为分析的准确性,促进智慧城市的快速发展。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种链路处理方法、装置、计算机设备及存储介质。
背景技术
客户行为分析是大数据领域绕不过去的里程碑,客户的每一次行为都富含大量的信息,这些行为是客户心智、客户生态的直观体现,搞清楚每一次行为的背后原因,行为与行为之间的关联影响对于客户画像的丰富、客户行为的预测来说都至关重要。
在实现本申请的过程中,申请人发现现有技术存在如下技术问题:目前对客户行为的分析主要是对有关数据进行统计、分析,从中发现用户访问网站或APP等平台的规律,并将这些规律与网络营销策略等相结合,从而发现目前网络营销活动中可能存在的问题,并为进一步修正或重新制定网络营销策略提供依据。然而,对于客户行为包含线上与线下结合、多APP的交叉使用以及多个业务场景的交叉发生这种复杂的情形,若只是简单对线上行为进行分析,而不能多维度深度分析客户行为,无法保证客户行为分析的准确性。
因此,有必要提供一种链路处理方法,能够提高客户行为分析的准确性。
发明内容
鉴于以上内容,有必要提出一种链路处理方法、链路处理装置、计算机设备及存储介质,能够提高客户行为分析的准确性。
本申请实施例第一方面还提供一种链路处理方法,所述链路处理方法包括:
获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息;
确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数;
按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图;
根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,并根据所述目标渠道链路节点构建中间转化链路图;
获取所述中间转化链路图中所述目标渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数;
确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
进一步地,在本申请实施例提供的上述链路处理方法中,所述获取目标客户包括:
获取目标客户群信息,其中,所述目标客户群信息中包含若干目标客户标签;
从预设客户标签数据库中提取与所述目标客户标签相同的客户作为初始客户;
从所述初始客户中筛选存在转化记录的客户作为目标客户。
进一步地,在本申请实施例提供的上述链路处理方法中,所述按照时序顺序提取所述目标客户对应的目标行为信息包括:
获取所述目标客户在转化节点前的初始行为信息;
从所述初始行为信息中抽取与待转化产品关联的中间行为信息;
获取所述中间行为信息的时间戳,并按照所述时间戳的先后顺序排列所述中间行为信息,得到目标行为信息。
进一步地,在本申请实施例提供的上述链路处理方法中,所述按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息包括:
获取每一所述目标客户对应的所述目标行为信息的时序顺序;
将同一时序下的所述目标行为信息进行聚类处理,得到不同时序顺序对应的行为聚类簇;
按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
进一步地,在本申请实施例提供的上述链路处理方法中,所述按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息包括:
获取所述预设渠道类别对应的渠道类别定义;
向量化处理所述渠道类别定义,得到渠道类别定义向量;
向量化处理所述行为聚类簇中的行为信息,得到行为信息向量;
计算所述渠道类别定义向量与所述行为信息向量的相似度,并选择所述相似度超过预设相似度阈值的行为信息属于对应的预设渠道类别。
进一步地,在本申请实施例提供的上述链路处理方法中,所述按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数包括:
获取所述目标渠道行为信息对应的时序顺序;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息;
获取同一层级下每一所述预设渠道类别对应的所述目标渠道行为信息的客户数量以及该层级下所有客户数量;
调用预设数学模型处理所述目标渠道行为信息的客户数量与所述所有客户数量,得到每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
进一步地,在本申请实施例提供的上述链路处理方法中,所述按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图包括:
获取同一层级下每一所述预设渠道类别对应的目标渠道行为信息作为初始渠道链路节点;
获取每一所述初始渠道链路节点对应的第一客户占比数作为链路标签;
将不同层级下的所述初始渠道链路节点进行连接,并对每一所述初始渠道链路节点关联所述链路标签,得到初始转化链路图。
本申请实施例第二方面还提供一种链路处理装置,所述链路处理装置包括:
行为提取模块,用于获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息;
类别确定模块,用于确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息;
逆序抽取模块,用于按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数;
数据组合模块,用于按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图;
节点确定模块,用于根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,并根据所述目标渠道链路节点构建中间转化链路图;
占比计算模块,用于获取所述中间转化链路图中所述目标渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数;
链路构建模块,用于确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
本申请实施例第三方面还提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述链路处理方法。
本申请实施例第四方面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上述任意一项所述链路处理方法。
本申请实施例提供的上述链路处理方法、链路处理装置、计算机设备以及计算机可读存储介质,通过筛选存在转化记录的客户作为目标客户,并对所述目标客户的目标行为信息进行分析,利用目标行为信息以及预设渠道类别分析转化前的各个行为信息对应的客户占比数,并调用遍历算法确定同一层级中客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,继而根据所述渠道链路子节点构建目标转化链路图,能够提高链路图获取的准确性,继而提高客户行为分析的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的链路处理模块等,能够促进智慧城市的快速发展。
附图说明
图1是本申请实施例一提供的链路处理方法的流程图。
图2是本申请实施例二提供的链路处理装置的结构图。
图3是本申请实施例三提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供的链路处理方法由计算机设备执行,相应地,链路处理装置运行于计算机设备中。图1是本申请实施例一提供的链路处理方法的流程图。如图1所示,所述链路处理方法可以包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略:
S11,获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息。
在本申请的至少一实施例中,所述目标客户是指已产生转化记录的客户,以保险场景为例,所述目标客户可以是已经产生订单记录的客户。所述目标行为信息是指与转化产品相关的行为信息,示例性地,所述目标行为信息可以是线上查阅产品介绍、参与产品说明会、与产品代理人的一对一交流以及购买产品等线上与线下结合、多APP的交叉使用或者多个业务场景的交叉发生的行为信息。所述时序顺序是指所述目标行为信息发生的时间先后顺序,可以通过查阅每个目标行为信息对应的时间戳确定时序顺序。
可选地,所述获取目标客户包括:
获取目标客户群信息,其中,所述目标客户群信息中包含若干目标客户标签;
从预设客户标签数据库中提取与所述目标客户标签相同的客户作为初始客户;
从所述初始客户中筛选存在转化记录的客户作为目标客户。
其中,所述目标客户群信息是指预先设置的待转化产品对应的客户群,也即所述目标客户群是最可能购买待转化产品的客户群。在一实施例中,可以通过分析购买待转化产品的客户的相关属性信息确定目标客户群信息。所述目标客户群信息包含若干目标客户标签,所述目标客户标签可以是年龄、性别、职业、地域以及行为偏好等标签,在此不做限制。所述预设标签数据库是指预先设置的存储用户标签的数据库。所述转化记录是指待转化产品的购买记录,所述转化记录可以存储于预设转化数据库中,所述预设转化数据库用于存在用户对产品的购买记录等信息。
本申请通过筛选存在转化记录的客户作为目标客户,并对所述目标客户的目标行为信息进行分析,确定用户在购买待转化产品前的目标行为链路,继而推荐产品代理人调用所述目标行为链路中的行为节点为未转化客户提供相应产品推荐路径,能够在复杂的业务场景下提高未转化客户的客户行为分析的准确性,继而提高产品转化率。
可选地,所述按照时序顺序提取所述目标客户对应的目标行为信息包括:
获取所述目标客户在转化节点前的初始行为信息;
从所述初始行为信息中抽取与待转化产品关联的中间行为信息;
获取所述中间行为信息的时间戳,并按照所述时间戳的先后顺序排列所述中间行为信息,得到目标行为信息。
其中,预先设置预设客户行为***,用于存储客户在正式转化前的若干标准化的行为信息,所述初始行为信息为按照去冗余方式进行格式标准化处理的行为信息,去冗余方式为现有技术,在此不做赘述。所述初始行为信息可以是按照一定数据格式存储行为关键词的信息,所述行为关键词可以包括动作关键词与代理人关键词,例如,所述初始行为信息可以为{线上,查阅,**产品介绍、**代理人}、{线下,参与,**产品说明会、**代理人}等信息,其中,{线上,查阅,**产品介绍}属于动作关键词,{**代理人}属于代理人关键词。所述行为关键词为存储于预设数据库中的关键词,通过对用户的行为信息进行行为关键词匹配与提取,能够得到目标客户在转化节点前的初始行为信息。考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链中的目标节点。所述初始行为信息中既包含与待转化产品相关联的行为信息,又包含与待转化产品无关的行为信息。所述中间行为信息是指从所述初始行为信息中抽取的与待转化产品关联的行为信息,通过检测所述初始行为信息中的行为关键词与所述待转化产品的关联度,能够确定所述初始行为信息是否与待转化产品关联。当所述初始行为信息中的行为关键词与所述待转化产品的关联度超过预设相关度阈值时,确定所述初始行为信息与待转化产品关联;当所述初始行为信息中的行为关键词与所述待转化产品的关联度未超过预设相关度阈值时,确定所述初始行为信息与待转化产品无关。所述预设相关度阈值为预先设置的用于标识行为关键词相关度的阈值。示例性地,当所述初始行为信息中的行为关键词中包含待转化产品名称或者行为关键词中包含与待转化产品关联的其他产品名称时,可以确定所述初始行为信息中的行为关键词与所述待转化产品的关联度高。所述中间行为信息均携带时间戳标记,按照所述时间戳的先后顺序排列所述中间行为信息,能够得到目标行为信息。
S12,确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
在本申请的至少一实施例中,所述预设渠道类别是指目标客户在正式转化前了解产品的渠道类别,在一实施例中,所述预设渠道类别可以为O2O类别、线下互动类别、线上行为类别、综拓类别、预约客类别以及线上互动类别。对于每一所述预设渠道类别,均存在与之对应的不同维度的预设渠道子类别,以所述预设渠道类别为线上互动类别为例,按照动作分析维度,所述预设渠道子类别可以为金管家活跃、智慧保、报名产说会以及一对一面访;按照代理人画像分析维度,所述预设渠道子类别可以为一年期新人、钻石、非钻以及核心人力。所述同一时序可以是指行为发生处于相同时间段顺序,例如,对于目标客户A来说,所述目标行为信息按照时序排序可以包括线上行为类别对应的行为信息、线上互动类别对应的行为信息、预约客类别对应的行为信息以及线下互动类别对应的行为信息;对于目标客户B来说,所述目标行为信息可以为线上行为类别对应的行为信息、预约客类别对应的行为信息、线下互动类别对应的行为信息以及线上互动类别对应的行为信息。由此可知,目标客户A的线上行为类别对应的行为信息与目标客户B的线上行为类别对应的行为信息属于同一时序,目标客户A的线下互动类别对应的行为信息与目标客户B的线上互动类别对应的行为信息属于同一时序,在此不做赘述。
可选地,所述按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息包括:
获取每一所述目标客户对应的所述目标行为信息的时序顺序;
将同一时序下的所述目标行为信息进行聚类处理,得到不同时序顺序对应的行为聚类簇;
按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
其中,将同一时序下的所述目标行为信息进行聚类处理能够得到一个行为聚类簇,对于不同时序,均进行聚类处理后,能够得到若干行为聚类簇。所述时序顺序的数量与所述行为聚类簇的数量一一对应。在一实施例中,所述按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息包括:
获取所述预设渠道类别对应的渠道类别定义;
向量化处理所述渠道类别定义,得到渠道类别定义向量;
向量化处理所述行为聚类簇中的行为信息,得到行为信息向量;
计算所述渠道类别定义向量与所述行为信息向量的相似度,并选择所述相似度超过预设相似度阈值的行为信息属于对应的预设渠道类别。
其中,对于每一所述预设渠道类别,均存在与之对应的渠道类别定义,所述渠道类别定义中包含若干行为关键词,通过向量化处理所述渠道类别定义与所述行为信息,并将向量相似度较高的行为信息归属于其对应的预设渠道类别,继而完成预设渠道类别的分类处理。其中,向量化处理文本内容以及向量相似度的计算均属于现有技术,在此不做赘述。
S13,按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
在本申请的至少一实施例中,所述时序顺序的逆序是指按照时间发生的先后顺序从后至前的抽取预设层数的所述目标渠道行为信息。所述预设层数是指按照时序顺序逆序抽取所述目标渠道行为信息的数量,在一实施例中,考虑到数据计算量与客户转化效果,所述预设层数可以为4层。所述第一客户占比数是指每一预设渠道类别对应的目标渠道行为信息的客户数量占该层级所有预设渠道类别对应客户数量的比例数。所述第一客户占比数可以通过预设数学模型计算得到,在此不做赘述。
可选地,所述按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数包括:
获取所述目标渠道行为信息对应的时序顺序;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息;
获取同一层级下每一所述预设渠道类别对应的所述目标渠道行为信息的客户数量以及该层级下所有客户数量;
调用预设数学模型处理所述目标渠道行为信息的客户数量与所述所有客户数量,得到每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
S14,按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图。
在本申请的至少一实施例中,所述预设数据形式可以为客户+行为1+行为2+行为3+行为4+转化的形式,其中,“客户”为转化前客户,“行为1-4”为预设层数为4层的所述目标渠道行为信息,“转化”为转化后客户。在四个层级中,以每一预设渠道类别对应的目标渠道行为信息为初始渠道链路节点,以所述目标渠道行为信息对应的第一客户占比数作为链路标签构建初始转化链路图,可以理解的是,此处的初始渠道链路节点可通过每一预设渠道类别进行命名,例如,所述初始渠道链路节点的名称可以为O2O类别节点、线下互动类别节点、线上行为类别节点、综拓类别节点、预约客类别节点以及线上互动类别节点。通过查阅每个所述初始渠道链路节点对应的链路标签能够得到该节点对应的第一客户占比数。
可选地,所述按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图包括:
获取同一层级下每一所述预设渠道类别对应的目标渠道行为信息作为初始渠道链路节点;
获取每一所述初始渠道链路节点对应的第一客户占比数作为链路标签;
将不同层级下的所述初始渠道链路节点进行连接,并对每一所述初始渠道链路节点关联所述链路标签,得到初始转化链路图。
其中,以层级为4层为例,包括层级A、层级B、层级C与层级D,其中,层级A中包含所述初始渠道链路节点的数量为6个,包括初始渠道链路节点1、初始渠道链路节点2、初始渠道链路节点3、初始渠道链路节点4、初始渠道链路节点5与初始渠道链路节点6,层级B中包含所述初始渠道链路节点的数量为6个,包括初始渠道链路节点I、初始渠道链路节点II、初始渠道链路节点III、初始渠道链路节点IV、初始渠道链路节点V与初始渠道链路节点vi。所述将不同层级下的所述初始渠道链路节点进行连接也即将层级A中的初始渠道链路节点1分别与层级B中的6个初始渠道链路节点连接,将层级A中的初始渠道链路节点2分别与层级B中的6个初始渠道链路节点连接,以此类推,在此不做赘述。
S15,根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,并根据所述目标渠道链路节点构建中间转化链路图。
在本申请的至少一实施例中,根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,按照所述目标渠道链路节点对应的时序顺序构建中间转化链路图。
S16,获取所述中间转化链路图中所述目标渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数。
在本申请的至少一实施例中,所述中间转化链路图中所述目标渠道链路节点均对应有预设渠道子类别,以所述预设渠道类别为线上互动类别为例,按照动作分析维度,所述预设渠道子类别可以为金管家活跃、智慧保、报名产说会以及一对一面访;按照代理人画像分析维度,所述预设渠道子类别可以为一年期新人、钻石、非钻以及核心人力。所述第二客户占比数是指每一预设渠道子类别对应的目标渠道行为信息的客户数量占该预设渠道类别下所有客户数量的比例数。所述第二客户占比数可以通过预设数学模型计算得到,在此不做赘述。
S17,确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
在本申请的至少一实施例中,确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。在一实施例中,在所述根据所述渠道链路子节点构建目标转化链路图之后,按照所述目标转化链路图中的渠道链路子节点对应的路径信息对待转化客户进行产品推荐,能够提高客户转化率。
在一实施例中,不同的目标客户属于同一目标客户群,该目标客户群中包含若干目标客户标签,针对该目标客户群进行上述行为链路最优解处理得到的目标转化链路图更适合于包含相同或相近目标客户标签的待转化客户。因此,通过获取待转化客户的客户标签,并选取包含所述客户标签的目标客户群中的目标客户作为最优分析对象,对这部分目标客户的转化前行为进行分析,得到目标转化链路图,能够提高待转化客户的转化率。可选地,所述方法还包括:
获取待转化客户的客户标签;
从预设客户群中选取包含所述客户标签的客户群作为目标客户群;
获取所述目标客户群对应的目标转化链路图,并按照所述目标转化链路图进行产品推荐。
本申请实施例提供的上述链路处理方法,通过筛选存在转化记录的客户作为目标客户,并对所述目标客户的目标行为信息进行分析,确定用户在购买待转化产品前的目标行为链路,继而推荐产品代理人调用所述目标行为链路中的行为节点为未转化客户提供相应产品推荐路径,能够在复杂的业务场景下提高客户行为分析的准确性,继而提高产品转化率;且本申请通过目标行为信息以及预设渠道类别分析转化前的各个行为信息对应的客户占比数,并利用遍历算法确定同一层级中客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,继而根据所述渠道链路子节点构建目标转化链路图,能够提高链路图获取的准确性,继而提高客户分析的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的链路处理等,能够促进智慧城市的快速发展。
图2是本申请实施例二提供的链路处理装置的结构图。
在一些实施例中,所述链路处理装置20可以包括多个由计算机程序段所组成的功能模块。所述链路处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)链路处理的功能。
本实施例中,所述链路处理装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:行为提取模块201、类别确定模块202、逆序抽取模块203、数据组合模块204、节点确定模块205、占比计算模块206以及链路构建模块207。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述行为提取模块201用于获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息。
在本申请的至少一实施例中,所述目标客户是指已产生转化记录的客户,以保险场景为例,所述目标客户可以是已经产生订单记录的客户。所述目标行为信息是指与转化产品相关的行为信息,示例性地,所述目标行为信息可以是线上查阅产品介绍、参与产品说明会、与产品代理人的一对一交流以及购买产品等线上与线下结合、多APP的交叉使用或者多个业务场景的交叉发生的行为信息。所述时序顺序是指所述目标行为信息发生的时间先后顺序,可以通过查阅每个目标行为信息对应的时间戳确定时序顺序。
可选地,所述获取目标客户包括:
获取目标客户群信息,其中,所述目标客户群信息中包含若干目标客户标签;
从预设客户标签数据库中提取与所述目标客户标签相同的客户作为初始客户;
从所述初始客户中筛选存在转化记录的客户作为目标客户。
其中,所述目标客户群信息是指预先设置的待转化产品对应的客户群,也即所述目标客户群是最可能购买待转化产品的客户群。在一实施例中,可以通过分析购买待转化产品的客户的相关属性信息确定目标客户群信息。所述目标客户群信息包含若干目标客户标签,所述目标客户标签可以是年龄、性别、职业、地域以及行为偏好等标签,在此不做限制。所述预设标签数据库是指预先设置的存储用户标签的数据库。所述转化记录是指待转化产品的购买记录,所述转化记录可以存储于预设转化数据库中,所述预设转化数据库用于存在用户对产品的购买记录等信息。
本申请通过筛选存在转化记录的客户作为目标客户,并对所述目标客户的目标行为信息进行分析,确定用户在购买待转化产品前的目标行为链路,继而推荐产品代理人调用所述目标行为链路中的行为节点为未转化客户提供相应产品推荐路径,能够在复杂的业务场景下提高未转化客户的客户行为分析的准确性,继而提高产品转化率。
可选地,所述按照时序顺序提取所述目标客户对应的目标行为信息包括:
获取所述目标客户在转化节点前的初始行为信息;
从所述初始行为信息中抽取与待转化产品关联的中间行为信息;
获取所述中间行为信息的时间戳,并按照所述时间戳的先后顺序排列所述中间行为信息,得到目标行为信息。
其中,预先设置预设客户行为***,用于存储客户在正式转化前的若干标准化的行为信息,所述初始行为信息为按照去冗余方式进行格式标准化处理的行为信息,去冗余方式为现有技术,在此不做赘述。所述初始行为信息可以是按照一定数据格式存储行为关键词的信息,所述行为关键词可以包括动作关键词与代理人关键词,例如,所述初始行为信息可以为{线上,查阅,**产品介绍、**代理人}、{线下,参与,**产品说明会、**代理人}等信息,其中,{线上,查阅,**产品介绍}属于动作关键词,{**代理人}属于代理人关键词。所述行为关键词为存储于预设数据库中的关键词,通过对用户的行为信息进行行为关键词匹配与提取,能够得到目标客户在转化节点前的初始行为信息。考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链中的目标节点。所述初始行为信息中既包含与待转化产品相关联的行为信息,又包含与待转化产品无关的行为信息。所述中间行为信息是指从所述初始行为信息中抽取的与待转化产品关联的行为信息,通过检测所述初始行为信息中的行为关键词与所述待转化产品的关联度,能够确定所述初始行为信息是否与待转化产品关联。当所述初始行为信息中的行为关键词与所述待转化产品的关联度超过预设相关度阈值时,确定所述初始行为信息与待转化产品关联;当所述初始行为信息中的行为关键词与所述待转化产品的关联度未超过预设相关度阈值时,确定所述初始行为信息与待转化产品无关。所述预设相关度阈值为预先设置的用于标识行为关键词相关度的阈值。示例性地,当所述初始行为信息中的行为关键词中包含待转化产品名称或者行为关键词中包含与待转化产品关联的其他产品名称时,可以确定所述初始行为信息中的行为关键词与所述待转化产品的关联度高。所述中间行为信息均携带时间戳标记,按照所述时间戳的先后顺序排列所述中间行为信息,能够得到目标行为信息。
所述类别确定模块202用于确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
在本申请的至少一实施例中,所述预设渠道类别是指目标客户在正式转化前了解产品的渠道类别,在一实施例中,所述预设渠道类别可以为O2O类别、线下互动类别、线上行为类别、综拓类别、预约客类别以及线上互动类别。对于每一所述预设渠道类别,均存在与之对应的不同维度的预设渠道子类别,以所述预设渠道类别为线上互动类别为例,按照动作分析维度,所述预设渠道子类别可以为金管家活跃、智慧保、报名产说会以及一对一面访;按照代理人画像分析维度,所述预设渠道子类别可以为一年期新人、钻石、非钻以及核心人力。所述同一时序可以是指行为发生处于相同时间段顺序,例如,对于目标客户A来说,所述目标行为信息按照时序排序可以包括线上行为类别对应的行为信息、线上互动类别对应的行为信息、预约客类别对应的行为信息以及线下互动类别对应的行为信息;对于目标客户B来说,所述目标行为信息可以为线上行为类别对应的行为信息、预约客类别对应的行为信息、线下互动类别对应的行为信息以及线上互动类别对应的行为信息。由此可知,目标客户A的线上行为类别对应的行为信息与目标客户B的线上行为类别对应的行为信息属于同一时序,目标客户A的线下互动类别对应的行为信息与目标客户B的线上互动类别对应的行为信息属于同一时序,在此不做赘述。
可选地,所述按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息包括:
获取每一所述目标客户对应的所述目标行为信息的时序顺序;
将同一时序下的所述目标行为信息进行聚类处理,得到不同时序顺序对应的行为聚类簇;
按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
其中,将同一时序下的所述目标行为信息进行聚类处理能够得到一个行为聚类簇,对于不同时序,均进行聚类处理后,能够得到若干行为聚类簇。所述时序顺序的数量与所述行为聚类簇的数量一一对应。在一实施例中,所述按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息包括:
获取所述预设渠道类别对应的渠道类别定义;
向量化处理所述渠道类别定义,得到渠道类别定义向量;
向量化处理所述行为聚类簇中的行为信息,得到行为信息向量;
计算所述渠道类别定义向量与所述行为信息向量的相似度,并选择所述相似度超过预设相似度阈值的行为信息属于对应的预设渠道类别。
其中,对于每一所述预设渠道类别,均存在与之对应的渠道类别定义,所述渠道类别定义中包含若干行为关键词,通过向量化处理所述渠道类别定义与所述行为信息,并将向量相似度较高的行为信息归属于其对应的预设渠道类别,继而完成预设渠道类别的分类处理。其中,向量化处理文本内容以及向量相似度的计算均属于现有技术,在此不做赘述。
所述逆序抽取模块203用于按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
在本申请的至少一实施例中,所述时序顺序的逆序是指按照时间发生的先后顺序从后至前的抽取预设层数的所述目标渠道行为信息。所述预设层数是指按照时序顺序逆序抽取所述目标渠道行为信息的数量,在一实施例中,考虑到数据计算量与客户转化效果,所述预设层数可以为4层。所述第一客户占比数是指每一预设渠道类别对应的目标渠道行为信息的客户数量占该层级所有预设渠道类别对应客户数量的比例数。所述第一客户占比数可以通过预设数学模型计算得到,在此不做赘述。
可选地,所述按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数包括:
获取所述目标渠道行为信息对应的时序顺序;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息;
获取同一层级下每一所述预设渠道类别对应的所述目标渠道行为信息的客户数量以及该层级下所有客户数量;
调用预设数学模型处理所述目标渠道行为信息的客户数量与所述所有客户数量,得到每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
所述数据组合模块204用于按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图。
在本申请的至少一实施例中,所述预设数据形式可以为客户+行为1+行为2+行为3+行为4+转化的形式,其中,“客户”为转化前客户,“行为1-4”为预设层数为4层的所述目标渠道行为信息,“转化”为转化后客户。在四个层级中,以每一预设渠道类别对应的目标渠道行为信息为初始渠道链路节点,以所述目标渠道行为信息对应的第一客户占比数作为链路标签构建初始转化链路图,可以理解的是,此处的初始渠道链路节点可通过每一预设渠道类别进行命名,例如,所述初始渠道链路节点的名称可以为O2O类别节点、线下互动类别节点、线上行为类别节点、综拓类别节点、预约客类别节点以及线上互动类别节点。通过查阅每个所述初始渠道链路节点对应的链路标签能够得到该节点对应的第一客户占比数。
可选地,所述按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图包括:
获取同一层级下每一所述预设渠道类别对应的目标渠道行为信息作为初始渠道链路节点;
获取每一所述初始渠道链路节点对应的第一客户占比数作为链路标签;
将不同层级下的所述初始渠道链路节点进行连接,并对每一所述初始渠道链路节点关联所述链路标签,得到初始转化链路图。
其中,以层级为4层为例,包括层级A、层级B、层级C与层级D,其中,层级A中包含所述初始渠道链路节点的数量为6个,包括初始渠道链路节点1、初始渠道链路节点2、初始渠道链路节点3、初始渠道链路节点4、初始渠道链路节点5与初始渠道链路节点6,层级B中包含所述初始渠道链路节点的数量为6个,包括初始渠道链路节点I、初始渠道链路节点II、初始渠道链路节点III、初始渠道链路节点IV、初始渠道链路节点V与初始渠道链路节点vi。所述将不同层级下的所述初始渠道链路节点进行连接也即将层级A中的初始渠道链路节点1分别与层级B中的6个初始渠道链路节点连接,将层级A中的初始渠道链路节点2分别与层级B中的6个初始渠道链路节点连接,以此类推,在此不做赘述。
所述节点确定模块205用于根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为渠道链路节点,并根据所述渠道链路节点构建中间转化链路图。
在本申请的至少一实施例中,根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,按照所述目标渠道链路节点对应的时序顺序构建中间转化链路图。
所述占比计算模块206用于获取所述中间转化链路图中所述渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数。
在本申请的至少一实施例中,所述中间转化链路图中所述目标渠道链路节点均对应有预设渠道子类别,以所述预设渠道类别为线上互动类别为例,按照动作分析维度,所述预设渠道子类别可以为金管家活跃、智慧保、报名产说会以及一对一面访;按照代理人画像分析维度,所述预设渠道子类别可以为一年期新人、钻石、非钻以及核心人力。所述第二客户占比数是指每一预设渠道子类别对应的目标渠道行为信息的客户数量占该预设渠道类别下所有客户数量的比例数。所述第二客户占比数可以通过预设数学模型计算得到,在此不做赘述。
所述链路构建模块207用于确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
在本申请的至少一实施例中,确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。在一实施例中,在所述根据所述渠道链路子节点构建目标转化链路图之后,按照所述目标转化链路图中的渠道链路子节点对应的路径信息对待转化客户进行产品推荐,能够提高客户转化率。
在一实施例中,不同的目标客户属于同一目标客户群,该目标客户群中包含若干目标客户标签,针对该目标客户群进行上述行为链路处理得到的目标转化链路图更适合于包含相同或相近目标客户标签的待转化客户。因此,通过获取待转化客户的客户标签,并选取包含所述客户标签的目标客户群中的目标客户作为分析对象,对这部分目标客户的转化前行为进行分析,得到目标转化链路图,能够提高待转化客户的转化率。可选地,所述链路处理装置20还包括产品推荐模块,用于获取待转化客户的客户标签;从预设客户群中选取包含所述客户标签的客户群作为目标客户群;获取所述目标客户群对应的目标转化链路图,并按照所述目标转化链路图进行产品推荐。
参阅图3所示,为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的计算机设备的结构并不构成本申请实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的链路处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的链路处理方法的全部或者部分步骤;或者实现链路处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种链路处理方法,其特征在于,所述链路处理方法包括:
获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息;
确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数;
按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图;
根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,并根据所述目标渠道链路节点构建中间转化链路图;
获取所述中间转化链路图中所述目标渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数;
确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
2.根据权利要求1所述的链路处理方法,其特征在于,所述获取目标客户包括:
获取目标客户群信息,其中,所述目标客户群信息中包含若干目标客户标签;
从预设客户标签数据库中提取与所述目标客户标签相同的客户作为初始客户;
从所述初始客户中筛选存在转化记录的客户作为目标客户。
3.根据权利要求1所述的链路处理方法,其特征在于,所述按照时序顺序提取所述目标客户对应的目标行为信息包括:
获取所述目标客户在转化节点前的初始行为信息;
从所述初始行为信息中抽取与待转化产品关联的中间行为信息;
获取所述中间行为信息的时间戳,并按照所述时间戳的先后顺序排列所述中间行为信息,得到目标行为信息。
4.根据权利要求1所述的链路处理方法,其特征在于,所述按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息包括:
获取每一所述目标客户对应的所述目标行为信息的时序顺序;
将同一时序下的所述目标行为信息进行聚类处理,得到不同时序顺序对应的行为聚类簇;
按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息,得到所述预设渠道类别对应的目标渠道行为信息。
5.根据权利要求4所述的链路处理方法,其特征在于,所述按照所述预设渠道类别分类处理每一所述行为聚类簇中的行为信息包括:
获取所述预设渠道类别对应的渠道类别定义;
向量化处理所述渠道类别定义,得到渠道类别定义向量;
向量化处理所述行为聚类簇中的行为信息,得到行为信息向量;
计算所述渠道类别定义向量与所述行为信息向量的相似度,并选择所述相似度超过预设相似度阈值的行为信息属于对应的预设渠道类别。
6.根据权利要求1所述的链路处理方法,其特征在于,所述按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数包括:
获取所述目标渠道行为信息对应的时序顺序;
按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息;
获取同一层级下每一所述预设渠道类别对应的所述目标渠道行为信息的客户数量以及该层级下所有客户数量;
调用预设数学模型处理所述目标渠道行为信息的客户数量与所述所有客户数量,得到每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数。
7.根据权利要求1所述的链路处理方法,其特征在于,所述按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图包括:
获取同一层级下每一所述预设渠道类别对应的目标渠道行为信息作为初始渠道链路节点;
获取每一所述初始渠道链路节点对应的第一客户占比数作为链路标签;
将不同层级下的所述初始渠道链路节点进行连接,并对每一所述初始渠道链路节点关联所述链路标签,得到初始转化链路图。
8.一种链路处理装置,其特征在于,所述链路处理装置包括:
行为提取模块,用于获取目标客户,并按照时序顺序提取所述目标客户对应的目标行为信息;
类别确定模块,用于确定预设渠道类别,并按照所述预设渠道类别分类处理同一时序下所述目标行为信息,得到所述预设渠道类别对应的目标渠道行为信息;
逆序抽取模块,用于按照所述时序顺序逆序抽取预设层数的所述目标渠道行为信息,并计算每一所述预设渠道类别下所述目标渠道行为信息的第一客户占比数;
数据组合模块,用于按照预设数据形式组合所述目标渠道行为信息与所述第一客户占比数,得到初始转化链路图;
节点确定模块,用于根据所述预设层数确定每一层级中所述初始转化链路图中所述第一客户占比数最高的所述目标渠道行为信息作为目标渠道链路节点,并根据所述目标渠道链路节点构建中间转化链路图;
占比计算模块,用于获取所述中间转化链路图中所述目标渠道链路节点对应的预设渠道子类别,并计算每一所述预设渠道子类别下所述目标渠道行为信息的第二客户占比数;
链路构建模块,用于确定同一层级中所述第二客户占比数最高的所述目标渠道行为信息作为渠道链路子节点,并根据所述渠道链路子节点构建目标转化链路图。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述链路处理方法。
10.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述链路处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210061952.9A CN114399318A (zh) | 2022-01-19 | 2022-01-19 | 链路处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210061952.9A CN114399318A (zh) | 2022-01-19 | 2022-01-19 | 链路处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399318A true CN114399318A (zh) | 2022-04-26 |
Family
ID=81231626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210061952.9A Pending CN114399318A (zh) | 2022-01-19 | 2022-01-19 | 链路处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399318A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520349A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市零度智控科技有限公司 | 银行客户分流方法及***、存储介质 |
WO2019242144A1 (zh) * | 2018-06-19 | 2019-12-26 | 平安科技(深圳)有限公司 | 电子装置、偏好倾向预测方法和计算机可读存储介质 |
CN111953456A (zh) * | 2019-05-14 | 2020-11-17 | 大唐移动通信设备有限公司 | 一种信令传输的方法、用户终端、基站及存储介质 |
-
2022
- 2022-01-19 CN CN202210061952.9A patent/CN114399318A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520349A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市零度智控科技有限公司 | 银行客户分流方法及***、存储介质 |
WO2019242144A1 (zh) * | 2018-06-19 | 2019-12-26 | 平安科技(深圳)有限公司 | 电子装置、偏好倾向预测方法和计算机可读存储介质 |
CN111953456A (zh) * | 2019-05-14 | 2020-11-17 | 大唐移动通信设备有限公司 | 一种信令传输的方法、用户终端、基站及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506723B (zh) | 问答响应方法、装置、设备及存储介质 | |
CN111754123B (zh) | 数据监控方法、装置、计算机设备及存储介质 | |
CN112016905B (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
CN111984898A (zh) | 基于大数据的标签推送方法、装置、电子设备及存储介质 | |
CN113590824A (zh) | 因果事理图谱的构建方法、装置及相关设备 | |
CN112861980B (zh) | 一种基于大数据的事历任务表挖掘方法及计算机设备 | |
CN113919336A (zh) | 基于深度学习的文章生成方法、装置及相关设备 | |
CN114663223A (zh) | 基于人工智能的信用风险评估方法、装置及相关设备 | |
CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN114862520A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114201328A (zh) | 基于人工智能的故障处理方法、装置、电子设备及介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
Jayanti et al. | Application of Predictive Analytics To Improve The Hiring Process In A Telecommunications Company | |
CN114201212A (zh) | 配置文件处理方法、装置、计算机设备及存储介质 | |
CN114220541A (zh) | 疾病预测方法、装置、电子设备及存储介质 | |
CN111651452B (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
Munger et al. | The use of domain knowledge models for effective data mining of unstructured customer service data in engineering applications | |
CN116562894A (zh) | 车险理赔欺诈风险识别方法、装置、电子设备及存储介质 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN112328752B (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114219663A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114399318A (zh) | 链路处理方法、装置、计算机设备及存储介质 | |
CN114925674A (zh) | 文件合规性检查方法、装置、电子设备及存储介质 | |
CN113590825A (zh) | 文本质检方法、装置及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |