一种产品推荐方法、装置、介质和计算机设备与流程

1.本技术涉及计算机技术领域，具体涉及一种产品推荐方法、装置、介质和计算机设备。


背景技术：

2.用于解答用户咨询问题的客服服务是一个触达用户需求的有效途径，在用户咨询服务过程中或服务完成后，为用户进行相关产品的推荐是一个推送产品，增大产品使用的有效方法和途径。
3.然而，目前比较普遍的做法在是否推送、推送什么产品的决策逻辑上比较粗放，比如只在客服会话结束后，针对所有用户统一推送固定类别产品，没有实际考虑用户的接受度，没有针对用户的咨询意图、咨询结果满意度、用户属性、产品匹配度等各个维度条件进行综合分析考虑，从而导致推荐效果不佳，用户转化率低等情况，甚至可能引起用户反感和投诉等异常现象。


技术实现要素：

4.本发明实施例提供一种产品推荐方法、装置、介质和计算机设备，能够显著地提升检测索引创建方式的效率和准确性，节省数据库的开发时间。
5.本发明实施例提供一种产品推荐方法，应用于产品推荐模型，所述产品推荐模型用于生成针对目标用户的产品推荐策略，该方法包括：
6.获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；
7.确定所述目标用户针对所述客服咨询数据的产品意图；
8.对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；
9.结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；
10.将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
11.本发明实施例还提供一种产品推荐装置，应用于产品推荐模型，所述产品推荐模型用于生成针对目标用户的产品推荐策略，所述装置包括：
12.评价结果分类确定模块，用于获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；
13.产品意图确定模块，用于确定所述目标用户针对所述客服咨询数据的产品意图；
14.待推荐产品确定模块，用于对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；
15.产品推荐策略确定模块，用于结合所述评价结果分类对所述待推荐产品进行处
理，确定针对所述目标用户的产品推荐策略；
16.策略发送模块，用于将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
17.可选地，所述客服咨询数据包括所述目标用户与所述客服交流的文本数据或语音数据，所述评价结果分类确定模块，包括：
18.第一评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第一评分，所述第一评分用于表征所述目标用户对所述客服咨询数据的结果评分；
19.第二评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第二评分，所述第二评分用于表征所述目标用户对所述客服咨询数据的情绪评分；
20.综合评分获取子模块，用于对所述第一评分和所述第二评分进行处理，得到所述目标用户针对所述客服咨询数据的综合评分；
21.评价结果分类确定子模块，用于根据所述综合评分和历史客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。
22.可选地，所述评价结果分类确定模块还具体用于：
23.获取多个所述历史客服咨询数据对应的历史综合评分；
24.根据所述历史综合评分，结合预设阈值，构建评价结果分类区间；
25.根据所述综合评分与所述评价结果分类区间的对应关系，确定所述目标用户针对所述客服咨询数据的评价结果分类。
26.可选地，所述产品意图确定模块还包括：
27.分析子模块，用于对所述文本数据或所述语音数据进行识别分析，得到所述目标用户针对所述客服咨询数据的初始产品意图，以及包含所述初始产品意图的初始意图列表；
28.分类子模块，用于对所述初始意图列表中的所述初始产品意图按业务种类进行分类，得到分类好的目标产品意图。
29.可选地，所述待推荐产品确定模块还具体用于：
30.根据所述目标产品意图，为所述目标用户匹配与所述目标产品意图对应的多个第一产品；
31.计算所述属性标签与所述行为标签的匹配度，所述匹配度用于表征所述第一产品与所述目标用户的推荐匹配程度；
32.从所述多个第一产品中筛选出匹配度最高的目标数量个第一产品，作为所述待推荐产品。
33.可选地，所述产品推荐策略确定模块还具体用于：
34.根据所述评价结果分类，获取所述目标用户针对所述客服咨询数据的满意程度；
35.根据所述满意程度，确定为所述目标用户推荐所述待推荐产品的推荐话术和推荐强度。
36.在本发明的一些实施例中，还可以提供一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序
时实现如上所述方法的步骤。
37.在本发明的一些实施例中，还可以提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机上运行时，使得所述计算机执行如如上所述方法的步骤。
38.由上可知，本技术通过一系列不同的维度，智能分析目标用户的属性标签和行为标签，提取目标用户与产品相关的历史操作、交易记录等相关用户的实时属性信息，结合目标用户咨询过程中的实时意图属性类型，分析目标用户咨询过程中的意图状态、情绪状态等目标用户和客服状态属性，当通过咨询会话的用户服务满意度智能分析，与用户咨询的意图属性类型所匹配关联的银行业务产品得分值匹配，针对不同的服务满意度得分动态阈值进行比对，实时得到目标用户、产品、咨询服务会话的匹配度结果，并分析对应的匹配度结果决策出不同的应对对策。从而精准的分析目标用户是否希望被推荐相关产品，以及相关产品是否满足用户实际需求，以及针对不同的服务状态，选择最合适的推荐交互方式给到目标用户。
39.通过以上多种维度的方式分析、决策后智能选择最合适的产品推荐内容以及推荐方式，从而提升目标用户在使用客服咨询服务后的产品推荐效果、提高推荐准确率，提高产品推荐转化率，优化用户满意度等效果。
附图说明
40.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一些实施例，对于本领域技术人员来讲，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。
41.图1是本发明实施例提供的产品推荐方法的应用场景示意图；
42.图2是本发明实施例提供的产品推荐方法的流程示意图；
43.图3是本发明实施例提供的产品推荐装置的结构示意图；
44.图4是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.本发明中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本发明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。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而
是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
47.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
48.本发明实施例提供一种产品推荐方法、装置、计算机设备和存储介质。
49.其中，计算机设备可以为手机、平板电脑、笔记本电脑等终端设备，也可以为穿戴设备、智能电视或其他智能终端。
50.服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。
51.请参阅图1，图1是本发明实施例提供的产品推荐方法的应用场景示意图。以该产品推荐装置集成在服务器中为例，该服务器可以获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；确定所述目标用户针对所述客服咨询数据的产品意图；对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
52.由上可知，本技术通过一系列不同的维度，智能分析目标用户的属性标签和行为标签，提取目标用户与产品相关的历史操作、交易记录等相关用户的实时属性信息，结合目标用户咨询过程中的实时意图属性类型，分析目标用户咨询过程中的意图状态、情绪状态等目标用户和客服状态属性，当通过咨询会话的用户服务满意度智能分析，与用户咨询的意图属性类型所匹配关联的银行业务产品得分值匹配，针对不同的服务满意度得分动态阈值进行比对，实时得到目标用户、产品、咨询服务会话的匹配度结果，并分析对应的匹配度结果决策出不同的应对对策。从而精准的分析目标用户是否希望被推荐相关产品，以及相关产品是否满足用户实际需求，以及针对不同的服务状态，选择最合适的推荐交互方式给到目标用户。
53.通过以上多种维度的方式分析、决策后智能选择最合适的产品推荐内容以及推荐方式，从而提升目标用户在使用客服咨询服务后的产品推荐效果、提高推荐准确率，提高产品推荐转化率，优化用户满意度等效果。
54.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
55.请参阅图2，图2是本发明实施例提供的一种产品推荐方法的流程示意图。如图2所示，该产品推荐方法可以应用于产品推荐模型，产品推荐模型可以用于生成针对目标用户的产品推荐策略，该方法的流程可以如下：
56.步骤201、获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。
57.其中，客服咨询数据包括所述目标用户与所述客服交流的文本数据或语音数据。例如在一些场景中，目标用户可以通过终端与客服进行文本交流或语音交流，以形成客服咨询历史记录的文本数据和语音数据，即客服咨询数据。
58.可选地，步骤201可以包括：
59.根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第一评分，所述第一评分用于表征所述目标用户对所述客服咨询数据的结果评分；
60.根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第二评分，所述第二评分用于表征所述目标用户对所述客服咨询数据的情绪评分；
61.对所述第一评分和所述第二评分进行处理，得到所述目标用户针对所述客服咨询数据的综合评分；
62.根据所述综合评分和历史客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。
63.在一些实施例中，综合评分可以通过以下公式计算得到：
64.y＝(a*p)*(b*q)
65.其中，y为综合评分，a为第一评分，b为第二评分，p为第一评分的权重，q为第二评分的权重。
66.在一些场景中，产品推荐模型可以分析目标用户的客服咨询数据，获取当次客服咨询服务结果，以获取服务的满意度结果，并进行分数评定，得到第一评分。例如第一评分可以为0-10分，目标用户对本次客服咨询服务的满意度越高，则第一评分的分数越高，将第一评分记为a,并预先设定好第一评分的权重p。
67.在一些实施例中，产品推荐模型可以通过对客服咨询数据的文本数据和语音数据进行语义分析、语音文本转化、文本情感分析等技术进行分析，以获取目标用户对本次客服咨询服务情绪的第二评分,其中，情绪可以包括目标用户的正面情绪、负面情绪、中立情绪等,并针对不同的情绪具体值进行评分，例如第二评分可以为0-10分，目标用户的情绪越正面、越积极，则第二评分的分数值越高，第二评分记为b，并预先设定第二评分的权重为q。
68.可选地，步骤“所述确定所述目标用户针对所述客服咨询数据的评价结果分类”，包括：
69.获取多个所述历史客服咨询数据对应的历史综合评分；
70.根据所述历史综合评分，结合预设阈值，构建评价结果分类区间；
71.根据所述综合评分与所述评价结果分类区间的对应关系，确定所述目标用户针对所述客服咨询数据的评价结果分类。
72.可选地，可以对多个客服咨询数据的综合评分记录进行统计分析，进行动态阈值分析，例如在历史客服咨询数据中，分别截取综合评分结果中排前30％、前30％～60％，低于60％的最低分智能选择作为动态阈值g1、g2、g3分别设定为：目标用户对客服咨询服务的体验满意、中立、贬损。
73.步骤202、确定所述目标用户针对所述客服咨询数据的产品意图。
74.可选地，步骤202可以包括：
75.对所述文本数据或所述语音数据进行识别分析，得到所述目标用户针对所述客服咨询数据的初始产品意图，以及包含所述初始产品意图的初始意图列表；
76.对所述初始意图列表中的所述初始产品意图按业务种类进行分类，得到分类好的目标产品意图。
77.在一些实施例中，产品推荐模型可以分析用户当次或当天内的客服咨询数据，使用文本或语音识别技术，通过识别分析、分词等处理的文本识别技术，获取目标用户针对客服咨询数据的初始产品意图列表x，初始产品意图列表包括x1,x2,x3等。
78.在一些实施例中，产品推荐模型可以对初始产品意图进行归类、统计分析。例如，是否存在金融产品，金融产品可以包括不限制于理财、贷款、信用卡、存款、商品等银行类相关产品，若存在，则得到包含目标产品意图a的目标产品意图列表[a(1),a(2),a(3)
…
a(n)]，其中，n为目标产品意图的总个数。
[0079]
步骤203、对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品。
[0080]
可选地，步骤203可以包括：
[0081]
根据所述目标产品意图，为所述目标用户匹配与所述目标产品意图对应的多个第一产品；
[0082]
计算所述属性标签与所述行为标签的匹配度，所述匹配度用于表征所述第一产品与所述目标用户的推荐匹配程度；
[0083]
从所述多个第一产品中筛选出匹配度最高的目标数量个第一产品，作为所述待推荐产品。
[0084]
在一些实施例中，产品推荐模型可以通过知识图谱、数据关联搜索等方式，搜索产品知识库中的所有与目标产品意图列表分别相关关联或者相类似的多个第一产品α,并记为：[a1[α1,α2,α3
…
α(n)],a2[α1,α2,α3
…
α(n)]
…
]。
[0085]
在暗一些实施例中，可以获取目标用户的属性标签。其中，属性标签可以包括但不限于目标用户的浏览产品记录，资产等级、风险等级、已购产品等相关属性。
[0086]
在一些实施例中，可以获取用户的行为标签。其中，行为标签可以包括目标用户最近时段内是否浏览查看某产品、浏览时长、访问产品对应页面的次数、是否过购买该产品等。在一些实施例中，可以通过以上项目，计算属性标签与产品标签的匹配度，例如可以为以上每一项数据赋予对应的权重e，通过以下公式计算出匹配度f：
[0087]
f＝(x1
·
e1)+(x2
·
e2)+(x3
·
e3)+(x4
·
e4)+(x5
·
e5)
[0088]
其中，x1为属性标签与第一产品相匹配程度的分值，两者越匹配则x1的值越大；x2为目标用户最近时段内是否浏览查看该第一产品对应的分值，若为是则x2的值较大；x3为浏览该第一产品时长对应的分值，时长越大则x3的值越大；x4为访问该第一产品对应页面的次数，次数越大则x4的值越大；x5为是否过购买该第一产品，若是则x5的值较大。
[0089]
在一些实施例中，在计算出匹配度后，可以得到对应的目标用户-第一产品匹配度的映射得分列表：[a1[f(α(x)),f(α(y)),f(α(z))
…
f(α(n))],a2[f(α(x)),f(α(y)),f(α(z))
…
f(α(n))]
…
]。
[0090]
在一些实施例中，可以根据满足的目标产品意图种类的个数k，产品推荐模型智能选择总共n个第一产品，每个目标产品意图种类选择的个数为：n/k个，再分别针对已选择的n/k个第一产品的列表，以及各自的匹配度得分进行从高到低排序，并选择排名前m的m个第一产品作为最终的待推荐产品。
[0091]
步骤204、结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略。
[0092]
可选地，步骤204可以包括：
[0093]
根据所述评价结果分类，获取所述目标用户针对所述客服咨询数据的满意程度；
[0094]
根据所述满意程度，确定为所述目标用户推荐所述待推荐产品的推荐话术和推荐强度。
[0095]
在一些实施例中，产品推荐模型可以计算目标用户在本次客服咨询服务对应的综合评分y，并结合阈值g1、g2、g3来确定目标用户针对本次客服咨询数据的满意程度，例如若y≥g1，则表示目标用户对本次客服咨询服务、数据非常满意；若g1＞y≥g2，则目标用户对此次客服咨询数据的满意程度为一般；若y＜g2，则用户对本次客服咨询服务的满意程度为差、贬损。
[0096]
可以理解，在获取目标用户的满意程度后，确定对应的推荐话术和推荐强度。例如，若目标用户的满意程度为非常满意，则直接在目标用户的终端界面上对待推荐产品进行推送，并选择推荐强度较高的推荐话术。
[0097]
在一些实施例中，若目标用户的满意程度为一般，则选择较弱的推荐强度，并选择较为隐晦的地方进行入口进行产品推送，并选择情绪、语气适中的推荐类话术，例如“感谢您的咨询，我将努力提供最好的服务给您，现在您可以通过该链接查看该产品的详细信息”。若目标用户选择点选链接进入产品推荐入口，再将该待推荐产品进行推送。
[0098]
在一些实施例中，若目标用户的满意程度为不满意，则选择推荐语气、情绪最弱的推荐话术，将是否进行产品推荐的选择权交互给用户，并选择反问等类似语气，例如“很遗憾没有给您最好的服务体验，我将努力为您的咨询提供最好的服务，请问是否需要我继续跟进您的需要推荐匹配度最高产品呢？”。
[0099]
步骤205、将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
[0100]
可以理解，在产品推荐模型给出产品推荐策略后，可以将其发送至推荐端，例如客服系统所在的终端、服务器，或者直接将强推荐策略的产品推荐策略发送至目标用户所使用的终端等。
[0101]
由上可知，本技术通过一系列不同的维度，智能分析目标用户的属性标签和行为标签，提取目标用户与产品相关的历史操作、交易记录等相关用户的实时属性信息，结合目标用户咨询过程中的实时意图属性类型，分析目标用户咨询过程中的意图状态、情绪状态等目标用户和客服状态属性，当通过咨询会话的用户服务满意度智能分析，与用户咨询的意图属性类型所匹配关联的银行业务产品得分值匹配，针对不同的服务满意度得分动态阈值进行比对，实时得到目标用户、产品、咨询服务会话的匹配度结果，并分析对应的匹配度结果决策出不同的应对对策。从而精准的分析目标用户是否希望被推荐相关产品，以及相关产品是否满足用户实际需求，以及针对不同的服务状态，选择最合适的推荐交互方式给到目标用户。
[0102]
通过以上多种维度的方式分析、决策后智能选择最合适的产品推荐内容以及推荐方式，从而提升目标用户在使用客服咨询服务后的产品推荐效果、提高推荐准确率，提高产品推荐转化率，优化用户满意度等效果。
[0103]
为了更好地实施以上方法，相应的，本发明实施例还提供一种产品推荐装置，该产品推荐装置具体集成在终端或服务器中。
[0104]
参考图3，该装置包括：
[0105]
评价结果分类确定模块301，用于获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；
[0106]
产品意图确定模块302，用于确定所述目标用户针对所述客服咨询数据的产品意图；
[0107]
待推荐产品确定模块303，用于对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；
[0108]
产品推荐策略确定模块304，用于结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；
[0109]
策略发送模块305，用于将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
[0110]
可选地，所述客服咨询数据包括所述目标用户与所述客服交流的文本数据或语音数据，所述评价结果分类确定模块301，包括：
[0111]
第一评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第一评分，所述第一评分用于表征所述目标用户对所述客服咨询数据的结果评分；
[0112]
第二评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第二评分，所述第二评分用于表征所述目标用户对所述客服咨询数据的情绪评分；
[0113]
综合评分获取子模块，用于对所述第一评分和所述第二评分进行处理，得到所述目标用户针对所述客服咨询数据的综合评分；
[0114]
评价结果分类确定子模块，用于根据所述综合评分和历史客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。
[0115]
可选地，所述评价结果分类确定模块301还具体用于：
[0116]
获取多个所述历史客服咨询数据对应的历史综合评分；
[0117]
根据所述历史综合评分，结合预设阈值，构建评价结果分类区间；
[0118]
根据所述综合评分与所述评价结果分类区间的对应关系，确定所述目标用户针对所述客服咨询数据的评价结果分类。
[0119]
可选地，所述产品意图确定模块302还包括：
[0120]
分析子模块，用于对所述文本数据或所述语音数据进行识别分析，得到所述目标用户针对所述客服咨询数据的初始产品意图，以及包含所述初始产品意图的初始意图列表；
[0121]
分类子模块，用于对所述初始意图列表中的所述初始产品意图按业务种类进行分类，得到分类好的目标产品意图。
[0122]
可选地，所述待推荐产品确定模块303还具体用于：
[0123]
根据所述目标产品意图，为所述目标用户匹配与所述目标产品意图对应的多个第一产品；
[0124]
计算所述属性标签与所述行为标签的匹配度，所述匹配度用于表征所述第一产品与所述目标用户的推荐匹配程度；
[0125]
从所述多个第一产品中筛选出匹配度最高的目标数量个第一产品，作为所述待推荐产品。
[0126]
可选地，所述产品推荐策略确定模块304还具体用于：
[0127]
根据所述评价结果分类，获取所述目标用户针对所述客服咨询数据的满意程度；
[0128]
根据所述满意程度，确定为所述目标用户推荐所述待推荐产品的推荐话术和推荐强度。
[0129]
在本发明的一些实施例中，还可以提供一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
[0130]
在本发明的一些实施例中，还可以提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机上运行时，使得所述计算机执行如如上所述方法的步骤。
[0131]
由上可知，本技术通过一系列不同的维度，智能分析目标用户的属性标签和行为标签，提取目标用户与产品相关的历史操作、交易记录等相关用户的实时属性信息，结合目标用户咨询过程中的实时意图属性类型，分析目标用户咨询过程中的意图状态、情绪状态等目标用户和客服状态属性，当通过咨询会话的用户服务满意度智能分析，与用户咨询的意图属性类型所匹配关联的银行业务产品得分值匹配，针对不同的服务满意度得分动态阈值进行比对，实时得到目标用户、产品、咨询服务会话的匹配度结果，并分析对应的匹配度结果决策出不同的应对对策。从而精准的分析目标用户是否希望被推荐相关产品，以及相关产品是否满足用户实际需求，以及针对不同的服务状态，选择最合适的推荐交互方式给到目标用户。
[0132]
通过以上多种维度的方式分析、决策后智能选择最合适的产品推荐内容以及推荐方式，从而提升目标用户在使用客服咨询服务后的产品推荐效果、提高推荐准确率，提高产品推荐转化率，优化用户满意度等效果。
[0133]
此外，本发明实施例还提供一种计算机设备，该计算机设备可以为终端或者服务器，如图4所示，其示出了本发明实施例所涉及的计算机设备的结构示意图，具体来讲：
[0134]
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0135]
处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
[0136]
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402
的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402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系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
[0137]
计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、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。
[0138]
该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0139]
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
[0140]
获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；
[0141]
确定所述目标用户针对所述客服咨询数据的产品意图；
[0142]
对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；
[0143]
结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；
[0144]
将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。
[0145]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0146]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0147]
为此，本发明实施例还提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例中的各种可选实现方式中提供的方法。
[0148]
根据本技术的一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中的各种可选实现方式中提供的方法。
[0149]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0150]
其中，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
[0151]
由于该存储介质中所存储的指令，可以执行本发明实施例所提供的方法中的步骤，因此，可以实现本发明实施例所提供的方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
[0152]
以上对本发明实施例所提供的一种产品推荐方法、装置、计算机设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种产品推荐方法，其特征在于，应用于产品推荐模型，所述产品推荐模型用于生成针对目标用户的产品推荐策略，所述方法包括：获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；确定所述目标用户针对所述客服咨询数据的产品意图；对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。2.根据权利要求1所述的产品推荐方法，其特征在于，所述客服咨询数据包括所述目标用户与所述客服交流的文本数据或语音数据，所述获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类，包括：根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第一评分，所述第一评分用于表征所述目标用户对所述客服咨询数据的结果评分；根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第二评分，所述第二评分用于表征所述目标用户对所述客服咨询数据的情绪评分；对所述第一评分和所述第二评分进行处理，得到所述目标用户针对所述客服咨询数据的综合评分；根据所述综合评分和历史客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。3.根据权利要求2所述的产品推荐方法，其特征在于，所述确定所述目标用户针对所述客服咨询数据的评价结果分类，包括：获取多个所述历史客服咨询数据对应的历史综合评分；根据所述历史综合评分，结合预设阈值，构建评价结果分类区间；根据所述综合评分与所述评价结果分类区间的对应关系，确定所述目标用户针对所述客服咨询数据的评价结果分类。4.根据权利要求2所述的产品推荐方法，其特征在于，所述确定所述目标用户针对所述客服咨询数据的产品意图，包括：对所述文本数据或所述语音数据进行识别分析，得到所述目标用户针对所述客服咨询数据的初始产品意图，以及包含所述初始产品意图的初始意图列表；对所述初始意图列表中的所述初始产品意图按业务种类进行分类，得到分类好的目标产品意图。5.根据权利要求4所述的产品推荐方法，其特征在于，所述对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品，包括：根据所述目标产品意图，为所述目标用户匹配与所述目标产品意图对应的多个第一产品；计算所述属性标签与所述行为标签的匹配度，所述匹配度用于表征所述第一产品与所
述目标用户的推荐匹配程度；从所述多个第一产品中筛选出匹配度最高的目标数量个第一产品，作为所述待推荐产品。6.根据权利要求1所述的产品推荐方法，其特征在于，所述结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略，包括：根据所述评价结果分类，获取所述目标用户针对所述客服咨询数据的满意程度；根据所述满意程度，确定为所述目标用户推荐所述待推荐产品的推荐话术和推荐强度。7.一种产品推荐装置，其特征在于，应用于产品推荐模型，所述产品推荐模型用于生成针对目标用户的产品推荐策略，所述装置包括：评价结果分类确定模块，用于获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；产品意图确定模块，用于确定所述目标用户针对所述客服咨询数据的产品意图；待推荐产品确定模块，用于对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；产品推荐策略确定模块，用于结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；策略发送模块，用于将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。8.根据权利要求7所述的产品推荐装置，其特征在于，所述客服咨询数据包括所述目标用户与所述客服交流的文本数据或语音数据，所述评价结果分类确定模块，包括：第一评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第一评分，所述第一评分用于表征所述目标用户对所述客服咨询数据的结果评分；第二评分获取子模块，用于根据所述文本数据或所述语音数据，获取所述目标用户针对所述客服咨询数据的第二评分，所述第二评分用于表征所述目标用户对所述客服咨询数据的情绪评分；综合评分获取子模块，用于对所述第一评分和所述第二评分进行处理，得到所述目标用户针对所述客服咨询数据的综合评分；评价结果分类确定子模块，用于根据所述综合评分和历史客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类。9.一种计算机设备，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至6中任一项所述方法的步骤。

技术总结
本申请公开了一种产品推荐方法、装置、介质和计算机设备，应用于产品推荐模型，产品推荐模型用于生成针对目标用户的产品推荐策略，该方法包括：获取所述目标用户与客服进行交流的客服咨询数据，确定所述目标用户针对所述客服咨询数据的评价结果分类；确定所述目标用户针对所述客服咨询数据的产品意图；对所述目标用户的所述产品意图、属性标签和行为标签进行分析，确定针对所述目标用户的待推荐产品；结合所述评价结果分类对所述待推荐产品进行处理，确定针对所述目标用户的产品推荐策略；将所述推荐策略发送至产品推荐端，以使所述产品推荐端根据所述产品推荐策略，向所述目标用户推荐所述待推荐产品。本申请能够为用户准确地制定产品推荐策略。制定产品推荐策略。制定产品推荐策略。


技术研发人员：陈俊福
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.03.28
技术公布日：2023/7/18