CN115221371A - 为用户推荐车辆类商品的方法、装置、电子设备及介质 - Google Patents
为用户推荐车辆类商品的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115221371A CN115221371A CN202210689632.8A CN202210689632A CN115221371A CN 115221371 A CN115221371 A CN 115221371A CN 202210689632 A CN202210689632 A CN 202210689632A CN 115221371 A CN115221371 A CN 115221371A
- Authority
- CN
- China
- Prior art keywords
- target user
- factor
- determining
- calling
- probability value
- 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 56
- 230000006399 behavior Effects 0.000 claims description 34
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种为用户推荐车辆类商品的方法、装置、电子设备及介质。本申请中,可以确定目标用户的商品感兴趣因子;以及确定目标用户的行车数据因子;基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值;基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。通过应用本申请的技术方案,可以针对每个用户对应的历史行为数据以及历史行车数据计算出与其匹配的推荐概率值。并基于该推荐概率值的高低选取人工呼叫或机器呼叫方式来对用户进行车辆类商品的推荐。从而避免相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
Description
技术领域
本申请中涉及数据处理技术,尤其是一种为用户推荐车辆类商品的方法、装置、电子设备及介质。
背景技术
由于通信时代和社会的兴起,利用语音对用户进行商品推荐已经随着越来越多的用户在使用智能终端而不断发展。
相关技术中,在车辆类商品的销售过程中,通常存在由于不能精准定位目标用户的需求和沟通方式而导致的,无法精准推荐与用户匹配的车辆类商品的问题。这也导致在为客户推荐商品时处于被动,进而影响了用户体验。
发明内容
本申请实施例提供一种为用户推荐车辆类商品的方法、装置、电子设备及介质。用以解决相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
其中,根据本申请实施例的一个方面,提供的一种为用户推荐车辆类商品的方法,包括:
基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;
基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;
基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。
可选地,在基于本申请上述方法的另一个实施例中,所述基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子,包括:
采集所述目标用户在第一历史时间段中,访问目标商品对象的历史行为数据,所述历史行为数据包括对所述目标商品对象的点击频率、访问时长以及聚集时间点数量;
基于所述访问目标商品对象的历史行为数据,确定所述目标用户的商品感兴趣因子。
可选地,在基于本申请上述方法的另一个实施例中,基于下述公式确定所述目标用户的商品感兴趣因子,包括:
Pir=Vuf*logaVmc*logbCvc;
其中,所述Pir代表商品感兴趣因子、所述Vuf代表所述点击频率、所述Vmc代表所述访问时长、所述Cvc代表所述聚集时间点数量。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子,包括:
采集所述目标用户在第二历史时间段中的历史行车数据,所述历史行车数据包括所述目标用户的行车频率以及行驶里程;
基于所述历史行车数据,确定所述目标用户的行车数据因子。
可选地,在基于本申请上述方法的另一个实施例中,基于下述公式确定所述目标用户的行车数据因子,包括:
Dir=Duf*logaTMuc;
其中,所述Pir代表所述行车数据因子、所述Duf代表所述行车频率、所述TMuc代表所述行驶里程。
可选地,在基于本申请上述方法的另一个实施例中,所述基于下述公式确定与所述目标用户相匹配的推荐概率值,包括:
其中,所述PD代表所述推荐概率值、所述Pir代表商品感兴趣因子、所述Pir代表所述行车数据因子。
可选地,在基于本申请上述方法的另一个实施例中,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
若确定所述推荐概率值大于预设数值,选取人工呼叫方式呼叫所述目标用户进行车辆类商品推荐;
若确定所述推荐概率值小于等于所述预设数值且大于第二数值,选取机器呼叫方式呼叫所述目标用户进行车辆类商品推荐。
可选地,在基于本申请上述方法的另一个实施例中,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
确定所述目标用户对应的空闲时段;
在所述空闲时段中,基于所述呼叫策略呼叫所述目标用户进行车辆类商品推荐。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标用户对应的空闲时段,包括:
获取所述目标用户在第三历史时间段的行车轨迹数据;
基于所述行车轨迹数据的起始时间点以及终止时间点,确定所述目标用户的行车时段;
将所述行车时段以外的时间段作为所述目标用户的空闲时段。
其中,根据本申请实施例的又一个方面,提供的一种为用户推荐车辆类商品的装置,其特征在于,包括:
第一确定模块,被配置为基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;
第二确定模块,被配置为基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;
呼叫模块,被配置为基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。
根据本申请实施例的又一个方面,提供的一种电子设备,包括:
存储器,用于存储可执行指令;以及
显示器,用于与所述存储器以执行所述可执行指令从而完成上述任一所述为用户推荐车辆类商品的方法的操作。
根据本申请实施例的还一个方面,提供的一种计算机可读存储介质,用于存储计算机可读取的指令,所述指令被执行时执行上述任一所述为用户推荐车辆类商品的方法的操作。
本申请中,可以基于目标用户的历史行为数据,确定目标用户的商品感兴趣因子;以及,基于目标用户的历史行车数据,确定目标用户的行车数据因子;基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值;基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。通过应用本申请的技术方案,可以针对每个用户对应的历史行为数据以及历史行车数据计算出与其匹配的推荐概率值。并基于该推荐概率值的高低选取人工呼叫或机器呼叫方式来对用户进行车辆类商品的推荐。从而避免相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例,并且连同描述一起用于解释本申请的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本申请,其中:
图1为本申请提出的一种为用户推荐车辆类商品的方法示意图;
图2为本申请提出的一种为用户推荐车辆类商品的整体流程示意图;
图3为本申请提出的一种为用户推荐车辆类商品的电子装置的结构示意图;
图4为本申请提出的一种为用户推荐车辆类商品的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
另外,本申请各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
下面结合图1-图4来描述根据本申请示例性实施方式的用于进行为用户推荐车辆类商品的方法。需要注意的是,下述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
本申请还提出一种为用户推荐车辆类商品的方法、装置、电子设备及介质。
图1示意性地示出了根据本申请实施方式的一种为用户推荐车辆类商品的方法的流程示意图。如图1所示,该方法包括:
S101,基于目标用户的历史行为数据,确定目标用户的商品感兴趣因子;以及,基于目标用户的历史行车数据,确定目标用户的行车数据因子。
S102,基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值。
S103,基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。
作为示例的,本申请实施例中提及的为用户推荐的车辆类商品可以为与汽油类相关的商品(例如油卡等)或,为与汽车保险类相关的商品,或与车辆支付类相关的商品,或与车辆用品类相关的商品等等。
一种可能的实施方式中,商品感兴趣因子用于反映目标用户对某个或多个目标商品对象的感兴趣程度。
作为示例的,商品感兴趣因子可以基于该用户在过去的一周时间(即第一历史时间段)内点击某个商品网站的操作来得到。
其中,该操作可以包括访问该目标商品对象的点击次数,点击频率,访问时长(单次访问时长或总计访问时长)以及聚集时间点数量(也即访问时间点的聚集数量)。
同样的,目标商品对象也可以为与汽油类相关的商品(例如油卡等)或,为与汽车保险类相关的商品,或与车辆支付类相关的商品,或与车辆用品类相关的商品等等。
另一种可能的实施方式中,行车数据因子用于反映目标用户使用车辆的经验以及年限等。可以理解的,该目标用户使用车辆的经验以及年限越高,其需要车辆商品的可能性越大。
其中,推荐概率值用于反映成功为目标用户推荐车辆商品的概率性。一种方式中,如果其高于一定的数值(即预设数值),则可以选择沟通方式更有效的人工呼叫方式来对用户进行车辆类商品推荐。
而如果其低于一定的数值(即预设数值),则可以选择打扰程度更低的及其呼叫方式来对用户进行车辆类商品推荐。
一种方式中,以下对本申请提出的一种为用户推荐车辆类商品的方法进行举例说明:
步骤1、采集目标用户在第一历史时间段中,其访问目标商品对象的历史行为数据,其中历史行为数据包括:
a、用户点击总量:Vuc=∑Di(i=1,2,3,,n)。
c、访问总停留时长(分):Vmc=∑Di(i=1,2,3,,n)。
d、点击聚集时间点个数总和:Cvc=∑Ci(i=1,2,3,,n)。
步骤2、采集目标用户在第二历史时间段(例如为过去n天)中的历史行车数据,其中历史行车数据包括:
a、出行次数:Duc=∑Vi(i=1,2,3,,n)。
c、行驶里程数据:TMuc=∑M(i=1,2,3,,n)。
步骤3、基于访问目标商品对象的历史行为数据,确定目标用户的商品感兴趣因子:
Pir=Vuf*logaVmc*logbCvc;
其中,所述Pir代表商品感兴趣因子、所述Vuf代表所述点击频率、所述Vmc代表所述访问时长、所述Cvc代表所述聚集时间点数量。
步骤4、基于历史行车数据,确定目标用户的行车数据因子:
Dir=Duf*logaTMuc;
其中,所述Pir代表所述行车数据因子、所述Duf代表所述行车频率、所述TMuc代表所述行驶里程。
步骤5、根据Pir和Dir计算出需要触发电销智能外呼***的推荐概率值:
其中,所述PD代表所述推荐概率值、所述Pir代表商品感兴趣因子、所述Pir代表所述行车数据因子。
步骤6、预先设置各个PD推荐概率值对应的阈值区间K,以及区间K对应的呼叫策略:
[k1,k2],智能机器人呼叫1次;
[k2,k3],智能机器人呼叫1次(如果拒接,过半小时再呼叫一次);
[k3,k4],人工呼叫;
...
步骤7、计算推荐概率值与预设数值的大小关系,并选取对应的呼叫策略来呼叫目标用户进行车辆类商品推荐,其中包括:
a、若确定推荐概率值大于预设数值,选取人工呼叫方式呼叫目标用户进行车辆类商品推荐;
b、若确定推荐概率值小于等于预设数值且大于第二数值,选取机器呼叫方式呼叫目标用户进行车辆类商品推荐。
步骤8、获取目标用户在第三历史时间段的行车轨迹数据,并针对该行车轨迹数据的起始时间点以及终止时间点,确定目标用户的行车时段,并将该行车时段以外的时间段作为该目标用户的空闲时段。
步骤9、在空闲时段中,基于呼叫策略呼叫目标用户(人工呼叫或机器呼叫,以及对应的呼叫次数等)进行车辆类商品推荐。
本申请中,可以基于目标用户的历史行为数据,确定目标用户的商品感兴趣因子;以及,基于目标用户的历史行车数据,确定目标用户的行车数据因子;基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值;基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。通过应用本申请的技术方案,可以针对每个用户对应的历史行为数据以及历史行车数据计算出与其匹配的推荐概率值。并基于该推荐概率值的高低选取人工呼叫或机器呼叫方式来对用户进行车辆类商品的推荐。从而避免相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
可选地,在基于本申请上述方法的另一个实施例中,所述基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子,包括:
采集所述目标用户在第一历史时间段中,访问目标商品对象的历史行为数据,所述历史行为数据包括对所述目标商品对象的点击频率、访问时长以及聚集时间点数量;
基于所述访问目标商品对象的历史行为数据,确定所述目标用户的商品感兴趣因子。
可选地,在基于本申请上述方法的另一个实施例中,基于下述公式确定所述目标用户的商品感兴趣因子,包括:
Pir=Vuf*logaVmc*logbCvc;
其中,所述Pir代表商品感兴趣因子、所述Vuf代表所述点击频率、所述Vmc代表所述访问时长、所述Cvc代表所述聚集时间点数量。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子,包括:
采集所述目标用户在第二历史时间段中的历史行车数据,所述历史行车数据包括所述目标用户的行车频率以及行驶里程;
基于所述历史行车数据,确定所述目标用户的行车数据因子。
可选地,在基于本申请上述方法的另一个实施例中,基于下述公式确定所述目标用户的行车数据因子,包括:
Dir=Duf*logaTMuc;
其中,所述Pir代表所述行车数据因子、所述Duf代表所述行车频率、所述TMuc代表所述行驶里程。
可选地,在基于本申请上述方法的另一个实施例中,所述基于下述公式确定与所述目标用户相匹配的推荐概率值,包括:
其中,所述PD代表所述推荐概率值、所述Pir代表商品感兴趣因子、所述Pir代表所述行车数据因子。
可选地,在基于本申请上述方法的另一个实施例中,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
若确定所述推荐概率值大于预设数值,选取人工呼叫方式呼叫所述目标用户进行车辆类商品推荐;
若确定所述推荐概率值小于等于所述预设数值且大于第二数值,选取机器呼叫方式呼叫所述目标用户进行车辆类商品推荐。
可选地,在基于本申请上述方法的另一个实施例中,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
确定所述目标用户对应的空闲时段;
在所述空闲时段中,基于所述呼叫策略呼叫所述目标用户进行车辆类商品推荐。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标用户对应的空闲时段,包括:
获取所述目标用户在第三历史时间段的行车轨迹数据;
基于所述行车轨迹数据的起始时间点以及终止时间点,确定所述目标用户的行车时段;
将所述行车时段以外的时间段作为所述目标用户的空闲时段。
如图2所示,本申请实施例中,可以基于目标用户的历史行为数据,确定目标用户的商品感兴趣因子;以及,基于目标用户的历史行车数据,确定目标用户的行车数据因子;基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值;基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。
过应用本申请的技术方案,可以针对每个用户对应的历史行为数据以及历史行车数据计算出与其匹配的推荐概率值。并基于该推荐概率值的高低选取人工呼叫或机器呼叫方式来对用户进行车辆类商品的推荐。从而避免相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
可选的,在本申请的另外一种实施方式中,如图3所示,本申请还提供一种为用户推荐车辆类商品的装置。其中包括:
第一确定模块201,被配置为基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;
第二确定模块202,被配置为基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;
呼叫模块203,被配置为基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。
本申请中,可以基于目标用户的历史行为数据,确定目标用户的商品感兴趣因子;以及,基于目标用户的历史行车数据,确定目标用户的行车数据因子;基于商品感兴趣因子以及行车数据因子,确定与目标用户相匹配的推荐概率值;基于与推荐概率值相匹配的呼叫策略,呼叫目标用户进行车辆类商品推荐。通过应用本申请的技术方案,可以针对每个用户对应的历史行为数据以及历史行车数据计算出与其匹配的推荐概率值。并基于该推荐概率值的高低选取人工呼叫或机器呼叫方式来对用户进行车辆类商品的推荐。从而避免相关技术中存在的,由于不能精准定位目标用户的需求和沟通方式而导致的无法精准推荐与用户匹配的车辆类商品的问题。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
采集所述目标用户在第一历史时间段中,访问目标商品对象的历史行为数据,所述历史行为数据包括对所述目标商品对象的点击频率、访问时长以及聚集时间点数量;
基于所述访问目标商品对象的历史行为数据,确定所述目标用户的商品感兴趣因子。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
Pir=Vuf*logaVmc*logbCvc;
其中,所述Pir代表商品感兴趣因子、所述Vuf代表所述点击频率、所述Vmc代表所述访问时长、所述Cvc代表所述聚集时间点数量。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
采集所述目标用户在第二历史时间段中的历史行车数据,所述历史行车数据包括所述目标用户的行车频率以及行驶里程;
基于所述历史行车数据,确定所述目标用户的行车数据因子。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
Dir=Duf*logaTMuc;
其中,所述Pir代表所述行车数据因子、所述Duf代表所述行车频率、所述TMuc代表所述行驶里程。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
其中,所述PD代表所述推荐概率值、所述Pir代表商品感兴趣因子、所述Pir代表所述行车数据因子。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
若确定所述推荐概率值大于预设数值,选取人工呼叫方式呼叫所述目标用户进行车辆类商品推荐;
若确定所述推荐概率值小于等于所述预设数值且大于第二数值,选取机器呼叫方式呼叫所述目标用户进行车辆类商品推荐。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
确定所述目标用户对应的空闲时段;
在所述空闲时段中,基于所述呼叫策略呼叫所述目标用户进行车辆类商品推荐。
在本申请的另外一种实施方式中,第一确定模块201,被配置执行的步骤包括:
获取所述目标用户在第三历史时间段的行车轨迹数据;
基于所述行车轨迹数据的起始时间点以及终止时间点,确定所述目标用户的行车时段;
将所述行车时段以外的时间段作为所述目标用户的空闲时段。
图4是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如,电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,车辆设备,个人数字助理等。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由电子设备处理器执行以完成上述为用户推荐车辆类商品的方法,该方法包括:基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种应用程序/计算机程序产品,包括一条或多条指令,该一条或多条指令可以由电子设备的处理器执行,以完成上述为用户推荐车辆类商品的方法,该方法包括::基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
图4为电子设备300的示例图。本领域技术人员可以理解,示意图4仅仅是电子设备300的示例,并不构成对电子设备300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备300还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等,处理器302是电子设备300的控制中心,利用各种接口和线路连接整个电子设备300的各个部分。
存储器301可用于存储计算机可读指令303,处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块,以及调用存储在存储器301内的数据,实现电子设备300的各种功能。存储器301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(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备300的使用所创建的数据等。此外,存储器301可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
电子设备300集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (12)
1.一种为用户推荐车辆类商品的方法,其特征在于,包括:
基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;
基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;
基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。
2.如权利要求1所述的方法,其特征在于,所述基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子,包括:
采集所述目标用户在第一历史时间段中,访问目标商品对象的历史行为数据,所述历史行为数据包括对所述目标商品对象的点击频率、访问时长以及聚集时间点数量;
基于所述访问目标商品对象的历史行为数据,确定所述目标用户的商品感兴趣因子。
3.如权利要求2所述的方法,其特征在于,基于下述公式确定所述目标用户的商品感兴趣因子,包括:
Pir=Vuf*logaVmc*logbCvc;
其中,所述Pir代表商品感兴趣因子、所述Vuf代表所述点击频率、所述Vmc代表所述访问时长、所述Cvc代表所述聚集时间点数量。
4.如权利要求1或2所述的方法,其特征在于,所述基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子,包括:
采集所述目标用户在第二历史时间段中的历史行车数据,所述历史行车数据包括所述目标用户的行车频率以及行驶里程;
基于所述历史行车数据,确定所述目标用户的行车数据因子。
5.如权利要求4所述的方法,其特征在于,基于下述公式确定所述目标用户的行车数据因子,包括:
Dir=Duf*logaTMuc;
其中,所述Pir代表所述行车数据因子、所述Duf代表所述行车频率、所述TMuc代表所述行驶里程。
7.如权利要求1所述的方法,其特征在于,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
若确定所述推荐概率值大于预设数值,选取人工呼叫方式呼叫所述目标用户进行车辆类商品推荐;
若确定所述推荐概率值小于等于所述预设数值且大于第二数值,选取机器呼叫方式呼叫所述目标用户进行车辆类商品推荐。
8.如权利要求1或7所述的方法,其特征在于,所述基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐,包括:
确定所述目标用户对应的空闲时段;
在所述空闲时段中,基于所述呼叫策略呼叫所述目标用户进行车辆类商品推荐。
9.如权利要求8所述的方法,其特征在于,所述确定所述目标用户对应的空闲时段,包括:
获取所述目标用户在第三历史时间段的行车轨迹数据;
基于所述行车轨迹数据的起始时间点以及终止时间点,确定所述目标用户的行车时段;
将所述行车时段以外的时间段作为所述目标用户的空闲时段。
10.一种为用户推荐车辆类商品的装置,其特征在于,包括:
第一确定模块,被配置为基于目标用户的历史行为数据,确定所述目标用户的商品感兴趣因子;以及,基于所述目标用户的历史行车数据,确定所述目标用户的行车数据因子;
第二确定模块,被配置为基于所述商品感兴趣因子以及所述行车数据因子,确定与所述目标用户相匹配的推荐概率值;
呼叫模块,被配置为基于与所述推荐概率值相匹配的呼叫策略,呼叫所述目标用户进行车辆类商品推荐。
11.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;以及,
处理器,用于与所述存储器以执行所述可执行指令从而完成权利要求1-9中任一所述为用户推荐车辆类商品的方法的操作。
12.一种计算机可读存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1-9中任一所述为用户推荐车辆类商品的方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689632.8A CN115221371A (zh) | 2022-06-17 | 2022-06-17 | 为用户推荐车辆类商品的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689632.8A CN115221371A (zh) | 2022-06-17 | 2022-06-17 | 为用户推荐车辆类商品的方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115221371A true CN115221371A (zh) | 2022-10-21 |
Family
ID=83607108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210689632.8A Pending CN115221371A (zh) | 2022-06-17 | 2022-06-17 | 为用户推荐车辆类商品的方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115221371A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3451268A1 (en) * | 2017-09-05 | 2019-03-06 | Toyota Jidosha Kabushiki Kaisha | Information processing apparatus, information processing system, information processing method, and recording medium |
CN110457589A (zh) * | 2019-08-19 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
CN111984855A (zh) * | 2019-05-24 | 2020-11-24 | 北京车和家信息技术有限公司 | 信息推荐的方法及装置 |
CN113849681A (zh) * | 2021-09-27 | 2021-12-28 | 湖北亿咖通科技有限公司 | 车载音乐推荐方法、装置、设备及存储介质 |
-
2022
- 2022-06-17 CN CN202210689632.8A patent/CN115221371A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3451268A1 (en) * | 2017-09-05 | 2019-03-06 | Toyota Jidosha Kabushiki Kaisha | Information processing apparatus, information processing system, information processing method, and recording medium |
CN111984855A (zh) * | 2019-05-24 | 2020-11-24 | 北京车和家信息技术有限公司 | 信息推荐的方法及装置 |
CN110457589A (zh) * | 2019-08-19 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
CN113849681A (zh) * | 2021-09-27 | 2021-12-28 | 湖北亿咖通科技有限公司 | 车载音乐推荐方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2916284C (en) | Systems and methods for presenting vehicular transaction information in a data communication network | |
WO2019020095A1 (zh) | 商户评价方法及*** | |
CN108492188B (zh) | 客户推荐方法、装置、设备及存储介质 | |
CN112328886A (zh) | 一种基于区块链的信贷推荐方法、设备及存储介质 | |
CN108885762B (zh) | 用于在数据市场中分配价格发现机制的方法和*** | |
CN108510400B (zh) | 汽车保险信息处理方法及装置、服务器及可读存储介质 | |
US20150269681A1 (en) | Competitive bidding platform for vehicle insurance | |
CN109658255A (zh) | 续保方法、装置、设备及存储介质 | |
CN106415637A (zh) | 佣金分配方法和*** | |
WO2018225311A1 (ja) | 情報処理方法、情報処理装置、及びプログラムを記録した記録媒体 | |
CN107688959B (zh) | 断点名单的处理方法、存储介质和服务器 | |
CN110889073A (zh) | 页面请求的响应方法、服务器及计算机存储介质 | |
CN115221371A (zh) | 为用户推荐车辆类商品的方法、装置、电子设备及介质 | |
CN110852800A (zh) | 贸易信息的整合方法、终端设备以及存储介质 | |
CN115082213A (zh) | 一种消费能力预测方法、装置、电子设备和存储介质 | |
CN109377213B (zh) | 自助卡激活方法、装置、计算机设备及存储介质 | |
CN108280768A (zh) | 电子装置、保单跟单费用统计方法及存储介质 | |
CN114119168A (zh) | 一种信息推送方法及装置 | |
US20190012318A1 (en) | Systems and methods for retrieval and qualification of data items and entities in support of retail transactions | |
CN106790522B (zh) | 对象推荐方法、装置和电商平台服务器 | |
US10387951B2 (en) | System and method for identifying vehicles for a purchaser from vehicle inventories | |
CN111325566A (zh) | 历史消费记录的提示方法、***、存储介质及车载终端 | |
CN110955681A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN115510338B (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
CN111008204B (zh) | 一种报价库处理方法、装置、存储介质和服务器 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221021 |