本技術(shù)涉及數(shù)據(jù)分析，應(yīng)用于服務(wù)推薦優(yōu)化場景中，尤其涉及一種服務(wù)優(yōu)化方法、裝置、設(shè)備及其存儲介質(zhì)。

背景技術(shù)：

1、服務(wù)行業(yè)是一個高度競爭的市場，各類服務(wù)公司如雨后春筍般涌現(xiàn)，產(chǎn)品同質(zhì)化現(xiàn)象日益嚴重。在這樣的市場環(huán)境下，如何精準定位潛在客戶并將其轉(zhuǎn)化為實際客戶，以及維護現(xiàn)有的成熟客戶成為各服務(wù)公司關(guān)注的焦點。

2、同時，消費者對服務(wù)的需求也呈現(xiàn)出多樣化和個性化的特點，他們不再滿足于標準化的產(chǎn)品，而是追求更加符合自身需求的定制化服務(wù)。然而，傳統(tǒng)的策略模式已難以滿足這種需求變化。如何結(jié)合用戶制定更加科學(xué)、合理和個性化的權(quán)益服務(wù)成為了亟需解決的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的目的在于提出一種服務(wù)優(yōu)化方法、裝置、設(shè)備及其存儲介質(zhì)，以實現(xiàn)現(xiàn)有服務(wù)行業(yè)如何結(jié)合用戶制定更加科學(xué)、合理和個性化的權(quán)益服務(wù)。

2、為了解決上述技術(shù)問題，本技術(shù)實施例提供服務(wù)優(yōu)化方法，采用了如下所述的技術(shù)方案：

3、一種服務(wù)優(yōu)化方法，包括下述步驟：

4、獲取歷史所有用戶的服務(wù)響應(yīng)數(shù)據(jù)；

5、從所述服務(wù)響應(yīng)數(shù)據(jù)中提取所述歷史所有用戶分別對應(yīng)的多維度關(guān)鍵特征數(shù)據(jù)，其中，所述多維度關(guān)鍵特征數(shù)據(jù)包括用戶對歷史各種服務(wù)的領(lǐng)取次數(shù)、使用次數(shù)、領(lǐng)取時間、使用時間、領(lǐng)取渠道、服務(wù)內(nèi)容；

6、根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用梯度提升算法計算所述歷史所有用戶分別對應(yīng)的動態(tài)分值；

7、基于所述動態(tài)分值和預(yù)設(shè)的用戶群體劃分策略，對所述歷史所有用戶進行用戶群體劃分；

8、根據(jù)目標用戶所屬用戶群體的不同，采用預(yù)設(shè)的不同服務(wù)優(yōu)化策略對所述目標用戶進行服務(wù)優(yōu)化。

9、進一步的，在執(zhí)行所述獲取歷史所有用戶的服務(wù)響應(yīng)數(shù)據(jù)的步驟之后，所述方法還包括：

10、獲取歷史所有用戶的基本屬性數(shù)據(jù)，其中，所述基本屬性數(shù)據(jù)包括用戶的年齡、性別、職業(yè)、收入水平和教育背景；

11、根據(jù)所述基本屬性數(shù)據(jù)和預(yù)設(shè)的分值賦予策略，計算出所述歷史所有用戶分別對應(yīng)的靜態(tài)分值，其中，所述預(yù)設(shè)的分值賦予策略包括根據(jù)用戶的年齡、性別、職業(yè)、收入水平和教育背景的不同分別設(shè)定不同的分值。

12、進一步的，在執(zhí)行所述從所述服務(wù)響應(yīng)數(shù)據(jù)中提取所述歷史所有用戶分別對應(yīng)的多維度關(guān)鍵特征數(shù)據(jù)的步驟之后，所述方法還包括：

13、根據(jù)所述歷史所有用戶分別對應(yīng)的歷史各種服務(wù)的領(lǐng)取次數(shù)、使用次數(shù)和服務(wù)內(nèi)容，確定出所述歷史所有用戶分別對應(yīng)的服務(wù)項目偏好；

14、根據(jù)所述歷史所有用戶分別對應(yīng)的歷史各種服務(wù)的領(lǐng)取時間和使用時間，確定出所述歷史所有用戶分別對應(yīng)的服務(wù)時間偏好；

15、根據(jù)所述歷史所有用戶分別對應(yīng)的歷史各種服務(wù)的領(lǐng)取渠道，確定出所述歷史所有用戶分別對應(yīng)的服務(wù)渠道偏好。

16、進一步的，在執(zhí)行所述根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用梯度提升算法計算所述歷史所有用戶分別對應(yīng)的動態(tài)分值的步驟之前，所述方法還包括：

17、獲取預(yù)先對不同的服務(wù)項目、服務(wù)時間、服務(wù)渠道所分別設(shè)置評估分值；

18、所述根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用梯度提升算法計算所述歷史所有用戶分別對應(yīng)的動態(tài)分值的步驟，具體包括：

19、識別出所述歷史所有用戶分別對應(yīng)的服務(wù)項目偏好、服務(wù)時間偏好和服務(wù)渠道偏好；

20、根據(jù)所述歷史所有用戶分別對應(yīng)的服務(wù)項目偏好、服務(wù)時間偏好和服務(wù)渠道偏好，以及不同的服務(wù)項目、服務(wù)時間、服務(wù)渠道所分別對應(yīng)的評估分值，采用xgboost梯度提升算法分別對同一用戶所對應(yīng)的服務(wù)項目評估分值、服務(wù)時間評估分值、服務(wù)渠道評估分值進行累加；

21、獲得累加結(jié)果作為相應(yīng)用戶根據(jù)服務(wù)選擇所獲得的動態(tài)分值。

22、進一步的，在執(zhí)行所述根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用梯度提升算法計算所述歷史所有用戶分別對應(yīng)的動態(tài)分值的步驟之后，所述方法還包括：

23、對同一用戶對應(yīng)的動態(tài)分值和靜態(tài)分值進行累加，獲得總分值；

24、判斷當(dāng)前用戶對應(yīng)的總分值是否超過預(yù)設(shè)的分值閾值；

25、若當(dāng)前用戶對應(yīng)的總分值超過了預(yù)設(shè)的分值閾值，則根據(jù)預(yù)設(shè)的坐席分配策略為所述當(dāng)前用戶分配坐席通話人員進行服務(wù)推薦。

26、進一步的，所述基于所述動態(tài)分值和預(yù)設(shè)的用戶群體劃分策略，對所述歷史所有用戶進行用戶群體劃分的步驟，具體包括：

27、識別預(yù)先劃分的動態(tài)分值區(qū)間；

28、根據(jù)所述預(yù)先劃分的動態(tài)分值區(qū)間和所述歷史所有用戶分別對應(yīng)的動態(tài)分值，劃分出成熟用戶群體、適應(yīng)用戶群體和新手用戶群體，其中，所述成熟用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最小值大于所述適應(yīng)用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最大值，所述適應(yīng)用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最小值大于所述新手用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最大值；

29、在執(zhí)行所述基于所述動態(tài)分值和預(yù)設(shè)的用戶群體劃分策略，對所述歷史所有用戶進行用戶群體劃分的步驟之后，所述方法還包括：

30、識別預(yù)先劃分的靜態(tài)分值區(qū)間；

31、根據(jù)所述預(yù)先劃分的靜態(tài)分值區(qū)間和所述歷史所有用戶分別對應(yīng)的靜態(tài)分值，劃分出高價值用戶群體和低價值用戶群體，其中，所述高價值用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最小值大于所述低價值用戶群體對應(yīng)的動態(tài)分值區(qū)間的區(qū)間最大值。

32、進一步的，在執(zhí)行所述根據(jù)目標用戶所屬用戶群體的不同，采用預(yù)設(shè)的不同服務(wù)優(yōu)化策略對所述目標用戶進行服務(wù)優(yōu)化的步驟之前，所述方法還包括：

33、獲取目標用戶的服務(wù)響應(yīng)數(shù)據(jù)；

34、從所述服務(wù)響應(yīng)數(shù)據(jù)中提取所述目標用戶對應(yīng)的多維度關(guān)鍵特征數(shù)據(jù)；

35、根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用xgboost梯度提升算法計算所述目標用戶的動態(tài)分值；

36、獲取目標用戶的基本屬性數(shù)據(jù)；

37、根據(jù)所述基本屬性數(shù)據(jù)和所述分值賦予策略，計算出所述目標用戶的靜態(tài)分值；

38、根據(jù)所述目標用戶的動態(tài)分值以及所述目標用戶的靜態(tài)分值，確定所述目標用戶所屬用戶群體；

39、所述根據(jù)目標用戶所屬用戶群體的不同，采用預(yù)設(shè)的不同服務(wù)優(yōu)化策略對所述目標用戶進行服務(wù)優(yōu)化的步驟，具體包括：

40、若所述目標用戶屬于成熟用戶群體，則根據(jù)所述目標用戶歷史的服務(wù)項目偏好、服務(wù)時間偏好和服務(wù)渠道偏好對所述目標用戶進行服務(wù)優(yōu)化；

41、若所述目標用戶屬于高價值用戶群體，則根據(jù)高價值用戶群體中所有成熟用戶群體的服務(wù)項目偏好、服務(wù)時間偏好和服務(wù)渠道偏好對所述目標用戶進行服務(wù)優(yōu)化；

42、若所述目標用戶屬于低價值用戶群體，則根據(jù)成熟用戶群體中所有低價值用戶群體的服務(wù)項目偏好、服務(wù)時間偏好和服務(wù)渠道偏好對所述目標用戶進行服務(wù)優(yōu)化。

43、為了解決上述技術(shù)問題，本技術(shù)實施例還提供服務(wù)優(yōu)化裝置，采用了如下所述的技術(shù)方案：

44、一種服務(wù)優(yōu)化裝置，包括：

45、服務(wù)響應(yīng)數(shù)據(jù)獲取模塊，用于獲取歷史所有用戶的服務(wù)響應(yīng)數(shù)據(jù)；

46、關(guān)鍵特征數(shù)據(jù)提取模塊，用于從所述服務(wù)響應(yīng)數(shù)據(jù)中提取所述歷史所有用戶分別對應(yīng)的多維度關(guān)鍵特征數(shù)據(jù)，其中，所述多維度關(guān)鍵特征數(shù)據(jù)包括用戶對歷史各種服務(wù)的領(lǐng)取次數(shù)、使用次數(shù)、領(lǐng)取時間、使用時間、領(lǐng)取渠道、服務(wù)內(nèi)容；

47、動態(tài)分值計算模塊，用于根據(jù)所述多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，采用梯度提升算法計算所述歷史所有用戶分別對應(yīng)的動態(tài)分值；

48、用戶群體劃分模塊，用于基于所述動態(tài)分值和預(yù)設(shè)的用戶群體劃分策略，對所述歷史所有用戶進行用戶群體劃分；

49、服務(wù)優(yōu)化模塊，用于根據(jù)目標用戶所屬用戶群體的不同，采用預(yù)設(shè)的不同服務(wù)優(yōu)化策略對所述目標用戶進行服務(wù)優(yōu)化。

50、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機設(shè)備，采用了如下所述的技術(shù)方案：

51、一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)上述所述的服務(wù)優(yōu)化方法的步驟。

52、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

53、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上述所述的服務(wù)優(yōu)化方法的步驟。

54、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

55、本技術(shù)實施例所述服務(wù)優(yōu)化方法，通過獲取歷史所有用戶的服務(wù)響應(yīng)數(shù)據(jù)；從服務(wù)響應(yīng)數(shù)據(jù)中提取歷史所有用戶分別對應(yīng)的多維度關(guān)鍵特征數(shù)據(jù)；根據(jù)多維度關(guān)鍵特征數(shù)據(jù)分別對應(yīng)的估值策略，計算歷史所有用戶分別對應(yīng)的動態(tài)分值；基于動態(tài)分值和預(yù)設(shè)的用戶群體劃分策略，對歷史所有用戶進行用戶群體劃分；根據(jù)目標用戶所屬用戶群體的不同，采用預(yù)設(shè)的不同服務(wù)優(yōu)化策略對目標用戶進行服務(wù)優(yōu)化。本技術(shù)通過獲取歷史所有用戶的服務(wù)響應(yīng)數(shù)據(jù)，能夠及時了解到不同用戶對不同權(quán)益服務(wù)的響應(yīng)情況，從而便于結(jié)合用戶的權(quán)益響應(yīng)習(xí)慣和用戶群體進行權(quán)益服務(wù)優(yōu)化調(diào)整，制定更加科學(xué)、合理和個性化的權(quán)益服務(wù)。