基于分布式AI模型的客户满意度测评系统的制作方法

基于分布式ai模型的客户满意度测评系统
技术领域
1.本发明涉及客户满意度测评技术领域，尤其涉及基于分布式ai模型的客户满意度测评系统。


背景技术：

2.客户是指购买产品或服务的人或组织，这些人或组织通过购买产品或服务来满足他们的需求和欲望。客户是企业最重要的资产之一，没有客户，企业就无法继续存在。因此，企业必须关注客户的满意度，以便提供他们需要的产品和服务。目前客户满意度的获取的方式一般为，通过调查问卷统计客户满意度，该方式都是事后的分析统计，无法快速掌握客户对该产品的满意度，从而不利于调整客户服务策略，提高客户满意度。


技术实现要素：

3.鉴以此，本发明的目的在于提供基于分布式ai模型的客户满意度测评系统，以至少解决以上问题。
4.本发明采用的技术方案如下：
5.基于分布式ai模型的客户满意度测评系统，所述系统用于执行基于分布式ai模型的客户满意度测评系统方法，所述系统包括客户端、客户评价数据收集模块、客户满意度测评模块、分布式ai模型模块和推荐模块，所述方法包括以下步骤：
6.s1、通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集；
7.s2、通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评；
8.s3、将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度分析，以获得客户满意度分析结果；
9.s4、推荐模块依据客户满意度分析结果进行客户端优先推荐。
10.进一步的，在步骤s1中，通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集还包括子步骤：
11.s11、客户评价数据收集模块通过自身的分词器将客户对产品的好评和差评信息进行分词截取；
12.s12、将好评和差评中的分词截取数据分别划分为第一模块和第二模块；
13.s13、客户评价数据收集模块通过自身词库遍历匹配第一模块和第二模块，如果词库内容匹配到第一模块和第二模块，则分别将匹配成功的第一模块和匹配成功的第二模块进行标记；
14.s14、如果词库内容匹配不到第一模块和第二模块，则将第一模块和第二模块添加到词库进行更新。
15.进一步的，在步骤s2中，通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评还包括子步骤：
16.s21、客户满意度测评模块分别将标记的第一模块和第二模块发放满意度百分制测评打分；
17.s22、将第一模块满意度测评中高于90分的测评结果进行封装；
18.s23、将第二模块满意度测评中低于40分的测评结果进行封装。
19.进一步的，在步骤s3中，将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度训练，以获得客户满意度分析结果还包括子步骤：
20.s31、分布式ai模型模块将封装的第一模块满意度测评中高于90分的测评结果进行分析，以获得第一满意度分析结果；
21.s32、分布式ai模型模块将封装的第二模块满意度测评中低于40分的测评结果进行分析，以获得第二满意度分析结果。
22.进一步的，在步骤s4中，推荐模块依据客户满意度分析结果进行客户端优先推荐还包括子步骤：
23.s41、推荐模块将第一满意度分析结果推送到客户端，并且进行产品再次推荐；
24.s42、推荐模块将第二满意度分析结果推送到客户端，并且进行产品的其他类型推荐。
25.进一步的，客户评价数据收集模块将收集到客户端客户购买产品评价数据通过非对称加密算法进行加密。
26.与现有技术相比，本发明的有益效果是：
27.本发明基于分布式ai模型的客户满意度测评系统，在客户通过其客户端进行购物时，系统可以通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集，再通过客户满意度测评模块进行客户满意度测评，然后通过分布式ai模型模块进行满意度分析，从而获得满意度分析结果，最后通过推荐模块对客户进行推荐，通过各个模块的协作能够快速掌握客户对该产品的满意度情况，从而有利于调整客户服务策略，进而提高客户满意度。
附图说明
28.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是本发明实施例提供的基于分布式ai模型的客户满意度测评系统整体流程示意图。
30.图2是本发明实施例提供的基于分布式ai模型的客户满意度测评系统的客户评价数据收集模块流程示意图。
31.图3是本发明实施例提供的基于分布式ai模型的客户满意度测评系统的客户满意测评模块流程示意图。
32.图4是本发明实施例提供的基于分布式ai模型的客户满意度测评系统的分布式ai模型模块的流程示意图。
33.图5是本发明实施例提供的基于分布式ai模型的客户满意度测评系统的推荐模块
流程示意图。
具体实施方式
34.以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。
35.参照图1，本发明提供一种所述系统用于执行基于分布式ai模型的客户满意度测评系统方法，所述系统包括客户端、客户评价数据收集模块、客户满意度测评模块、分布式ai模型模块和推荐模块，所述方法包括以下步骤：
36.s1、通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集；
37.s2、通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评；
38.s3、将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度分析，以获得客户满意度分析结果；
39.s4、推荐模块依据客户满意度分析结果进行客户端优先推荐。
40.示例性地，在客户通过其客户端进行购物时，可以通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集，再通过客户满意度测评模块进行客户满意度测评，然后通过分布式ai模型模块进行满意度分析，从而获得满意度分析结果，最后通过推荐模块对客户进行推荐，通过各个模块的协作能够快速掌握客户对该产品的满意度情况，从而有利于调整客户服务策略，进而提高客户满意度。
41.参照图2，在步骤s1中，通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集还包括子步骤：
42.s11、客户评价数据收集模块通过自身的分词器将客户对产品的好评和差评信息进行分词截取；
43.s12、将好评和差评中的分词截取数据分别划分为第一模块和第二模块；
44.s13、客户评价数据收集模块通过自身词库遍历匹配第一模块和第二模块，如果词库内容匹配到第一模块和第二模块，则分别将匹配成功的第一模块和匹配成功的第二模块进行标记；
45.s14、如果词库内容匹配不到第一模块和第二模块，则将第一模块和第二模块添加到词库进行更新。
46.示例性地，为了及时获取客户对产品的评价数据，当客户进行产品评价时，客户评价数据收集模块通过自身的分词器将客户对产品的好评和差评信息进行分词截取，并且将好评和差评中的分词截取数据分别划分为第一模块和第二模块，再将第一模块和第二模块放到词库中与词库内容进行遍历匹配，如果词库内容匹配到第一模块和第二模块，则分别将匹配成功的第一模块和匹配成功的第二模块进行标记，从而可以将标记作为后续进行测评的发放依据，如果词库内容匹配不到第一模块和第二模块，则将第一模块和第二模块添加到词库中，进而丰富词库，通过分词器截取的过程可以是：截取好评中的“好”，差评中的“差”进行分词。
47.参照图3，在步骤s2中，通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评还包括子步骤：
48.s21、客户满意度测评模块分别将标记的第一模块和第二模块发放满意度百分制测评打分；
49.s22、将第一模块满意度测评中高于90分的测评结果进行封装；
50.s23、将第二模块满意度测评中低于40分的测评结果进行封装。
51.示例性地，为了针对性的对好评和差评的客户进行指定服务策略，通过对标记的一模块和第二模块发放满意度百分制测评打分，将第一模块满意度测评中高于90分的测评结果进行封装以及第二模块满意度测评中低于40分的测评结果进行封装，将封装的测评结果作为训练参数。
52.参照图4，在步骤s3中，将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度训练，以获得客户满意度分析结果还包括子步骤：
53.s31、分布式ai模型模块将封装的第一模块满意度测评中高于90分的测评结果进行分析，以获得第一满意度分析结果；
54.s32、分布式ai模型模块将封装的第二模块满意度测评中低于40分的测评结果进行分析，以获得第二满意度分析结果。
55.示例性地，为了获得第一模块的第一满意度分析结果和第二模块的第二满意度分析结果，可以将封装的第一模块满意度测评中高于90分的测评结果以及将封装的第二模块满意度测评中低于40分的测评结果放入到分布式ai模型模块进行分析，第一满意度结果可以是：该产品的质量好、实用性好或者是服务态度好，第二满意度结果可以是：该产品质量差、不实用或者是服务态度差。
56.参照图5，在步骤s4中，推荐模块依据客户满意度分析结果进行客户端优先推荐还包括子步骤：
57.s41、推荐模块将第一满意度分析结果推送到客户端，并且进行产品再次推荐；
58.s42、推荐模块将第二满意度分析结果推送到客户端，并且进行产品的其他类型推荐。
59.示例性地，为了提高客户的购物体验感，制定适合客户端的客户服务策略，当获得第一满意度分析结果时，可以进行该产品的再次推荐；当获得第二满意度分析结果时，可以进行产品的其他类型推荐，以确保客户选择到更加适合客户的产品。
60.客户评价数据收集模块将收集到客户端客户购买产品评价数据通过非对称加密算法进行加密。
61.示例性地，为了保护客户的信息安全性，客户评价数据收集模块将收集到客户端客户购买产品评价数通过非对称加密算法进行数据加密，从而保障了客户数据的安全。
62.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于分布式ai模型的客户满意度测评系统，其特征在于，所述系统用于执行基于分布式ai模型的客户满意度测评系统方法，所述系统包括客户端、客户评价数据收集模块、客户满意度测评模块、分布式ai模型模块和推荐模块，所述方法包括以下步骤：s1、通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集；s2、通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评；s3、将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度分析，以获得客户满意度分析结果；s4、推荐模块依据客户满意度分析结果进行客户端优先推荐。2.根据权利要求1所述的基于分布式ai模型的客户满意度测评系统，其特征在于，在步骤s1中，通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集还包括子步骤：s11、客户评价数据收集模块通过自身的分词器将客户对产品的好评和差评信息进行分词截取；s12、将好评和差评中的分词截取数据分别划分为第一模块和第二模块；s13、客户评价数据收集模块通过自身词库遍历匹配第一模块和第二模块，如果词库内容匹配到第一模块和第二模块，则分别将匹配成功的第一模块和匹配成功的第二模块进行标记；s14、如果词库内容匹配不到第一模块和第二模块，则将第一模块和第二模块添加到词库进行更新。3.根据权利要求2所述的基于分布式ai模型的客户满意度测评系统，其特征在于，在步骤s2中，通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评还包括子步骤：s21、客户满意度测评模块分别将标记的第一模块和第二模块发放满意度百分制测评打分；s22、将第一模块满意度测评中高于90分的测评结果进行封装；s23、将第二模块满意度测评中低于40分的测评结果进行封装。4.根据权利要求3所述的基于分布式ai模型的客户满意度测评系统，其特征在于，在步骤s3中，将客户满意度测评结果作为输入，通过分布式ai模型模块对其进行满意度训练，以获得客户满意度分析结果还包括子步骤：s31、分布式ai模型模块将封装的第一模块满意度测评中高于90分的测评结果进行分析，以获得第一满意度分析结果；s32、分布式ai模型模块将封装的第二模块满意度测评中低于40分的测评结果进行分析，以获得第二满意度分析结果。5.根据权利要求4所述的基于分布式ai模型的客户满意度测评系统，其特征在于，在步骤s4中，推荐模块依据客户满意度分析结果进行客户端优先推荐还包括子步骤：s41、推荐模块将第一满意度分析结果推送到客户端，并且进行产品再次推荐；s42、推荐模块将第二满意度分析结果推送到客户端，并且进行产品的其他类型推荐。6.根据权利要求1所述的基于分布式ai模型的客户满意度测评系统，其特征在于，客户评价数据收集模块将收集到客户端客户购买产品评价数据通过非对称加密算法进行加密。

技术总结
本发明提供基于分布式AI模型的客户满意度测评系统，所述系统用于执行基于分布式AI模型的客户满意度测评系统方法，所述系统包括客户端、客户评价数据收集模块、客户满意度测评模块、分布式AI模型模块和推荐模块，所述方法包括以下步骤：S1、通过客户评价数据收集模块对客户在客户端购买产品后做出的评价进行收集；S2、通过客户满意测评模块将收集到的客户评价数据进行客户满意度测评；S3、将客户满意度测评结果作为输入，通过分布式AI模型模块对其进行满意度分析，以获得客户满意度分析结果；S4、推荐模块依据客户满意度分析结果进行客户端优先推荐。本发明能够通过客户满意度的测评给客户推荐产品，从而提高客户的购物体验感。感。感。


技术研发人员：林夏 韦瑞平 林伟生 雷超 马全兴 钟红
受保护的技术使用者：深圳科迪新汇信息科技有限公司
技术研发日：2023.07.12
技术公布日：2023/10/15