[發(fā)明專利]客戶流量數(shù)據(jù)處理方法、裝置、電子設備及可讀介質

有效

• 申請?zhí)枺?/td>: 201910764124.X
• 申請日: 2019-08-19
• 公開（公告）號: CN110443657B
• 公開（公告）日: 2022-03-18
• 發(fā)明（設計）人: 閆永澤;劉設偉;何廣武
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康在線財產保險股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/00
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 李曄;金鵬

本公開涉及一種客戶流量數(shù)據(jù)處理方法、裝置、電子設備及計算機可讀介質。該方法包括：獲取第一業(yè)務場景特征與多個歷史客戶流量序列；根據(jù)業(yè)務場景的目標分布函數(shù)確定所述多個歷史客戶流量序列對應的多個分布參數(shù)，并利用所述歷史客戶流量序列和所述歷史客戶流量序列的所述多個分布參數(shù)訓練分布參數(shù)預測模型；將第一業(yè)務場景特征輸入分布參數(shù)預測模型以預測當前分布參數(shù)；以及根據(jù)當前分布參數(shù)與目標分布函數(shù)預測客戶流量。本公開涉及的客戶流量數(shù)據(jù)處理方法、裝置、電子設備及計算機可讀介質，基于客戶流量歷史數(shù)據(jù)訓練獲得的分布參數(shù)預測模型預測當前分布參數(shù)，能夠根據(jù)當前分布參數(shù)準確預測客戶流量。

技術領域

本公開涉及計算機技術領域，具體而言，涉及一種客戶流量數(shù)據(jù)處理方法、裝置、電子設備及計算機可讀介質。

背景技術

目前的許多企業(yè)均提供客服業(yè)務，尤其是金融服務業(yè)等客戶密集型行業(yè)。為滿足不斷提高的客戶服務的碎片化和客戶對體驗的期望，企業(yè)需要不斷提升自身客服部門的服務能力。為提高客服部門的服務能力，可增加客服服務容量；或事先預測客戶流量，即客服壓力，以據(jù)此調度客服資源。目前的相關技術中，增加客服容量通常有兩種方式，一種是引進人工智能客服，但是現(xiàn)階段人工智能尚處于初級智能階段，解決簡單的咨詢性任務尚可，對于復雜的客服任務往往無能為力；另一種是擴大人工客服團隊的規(guī)模，但是人力成本的上升使得人工客服團隊增加的規(guī)模相對于突發(fā)性的、間歇性的呈指數(shù)級增長的客服需求而言顯得杯水車薪。在預測客戶流量時，目前的相關技術通常依據(jù)歷史人工經(jīng)對未知客戶流量進行預測，其預測偏差大，無法滿足實際生產的需要。

因此，需要一種新的客戶流量數(shù)據(jù)處理方法、裝置、電子設備及計算機可讀介質。

在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的相關技術的信息。

發(fā)明內容

有鑒于此，本公開提供一種客戶流量數(shù)據(jù)處理方法、裝置、電子設備及計算機可讀介質，基于客戶流量歷史數(shù)據(jù)訓練獲得的分布參數(shù)預測模型預測當前分布參數(shù)，能夠根據(jù)當前分布參數(shù)準確預測客戶流量。

本公開的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據(jù)本公開的一方面，提出一種客戶流量數(shù)據(jù)處理方法，該方法包括：獲取第一業(yè)務場景特征與多個歷史客戶流量序列；根據(jù)業(yè)務場景的目標分布函數(shù)確定所述多個歷史客戶流量序列對應的多個分布參數(shù)，并利用所述歷史客戶流量序列和所述歷史客戶流量序列的所述多個分布參數(shù)訓練分布參數(shù)預測模型；將所述第一業(yè)務場景特征輸入所述分布參數(shù)預測模型以預測當前分布參數(shù)；以及根據(jù)所述當前分布參數(shù)與所述目標分布函數(shù)預測客戶流量。

在本公開的一種示例性實施例中，在根據(jù)業(yè)務場景的目標分布函數(shù)確定所述多個歷史客戶流量序列對應的多個分布參數(shù)之前，所述方法還包括：根據(jù)多個備選分布函數(shù)對所述多個歷史客戶流量序列進行擬合；基于擬合結果計算分布相似度，以在多個備選分布函數(shù)中確定所述目標分布函數(shù)。

在本公開的一種示例性實施例中，基于擬合結果計算分布相似度，以在多個備選分布函數(shù)中確定所述目標分布函數(shù)包括：根據(jù)所述多個歷史客戶流量序列確定多個歷史經(jīng)驗分布；計算所述多個歷史經(jīng)驗分布與所述多個備選分布函數(shù)的多個距離；在所述多個距離中篩選獲得最小距離，并確定所述最小距離的備選分布函數(shù)為目標分布函數(shù)。

在本公開的一種示例性實施例中，基于擬合結果計算分布相似度，以在多個備選分布函數(shù)中確定所述目標分布函數(shù)包括：根據(jù)柯爾莫哥洛夫-斯米爾諾夫檢驗方法在所述多個備選分布函數(shù)中確定所述目標分布函數(shù)；或根據(jù)安德森-達林檢驗方法在所述多個備選分布函數(shù)中確定所述目標分布函數(shù)；或根據(jù)卡方檢驗方法在所述多個備選分布函數(shù)中確定所述目標分布函數(shù)。