一种基于全渠道的智能客服服务方法及系统与流程

1.本发明涉及人工智能领域，尤其涉及一种基于全渠道的智能客服服务方法及系统。


背景技术：

2.企业前台、后台存在需求矛盾时，为了满足前台的快速迭代需求和后台的稳定性需求，中台概念应运而成，其核心是当前台需求来临时，中台能快速地进行响应，从而提升研发效率。在产品运营过程中，大部分类型的营销活动，均可以将共性进行抽取，并整合至营销中台，由中台数据标准化api，由前端进行定制化开发，可在较短时间内完成营销产品的上线。
3.本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中企业管理和营销数据的联系呈现分裂化，在产品运营活动中企业与客户之间的关联不够紧密，客户获取营销信息的方式不够智能，已无法满足大数据时代对于信息精准程度的要求。


技术实现要素：

5.本技术实施例通过提供一种基于全渠道的智能客服服务方法及系统，通过对全渠道线索进行数据采集，并构建相应的线索链和数据库，根据全渠道线索数据库对客户进行相关推荐，基于企业大数据及智能算法，依托社交软件的超强传播力，让企业管理和营销数据双向融合，更加方便高效开展业务及营销活动，解决了产品运营活动中企业与客户之间的关联不够紧密导致客户获取营销信息的方式不够智能的技术问题，同时减少生态人员、业务间的沟通成本，提升企业整体运营和创新效能，最终达到实现促进业务增长的技术效果。
6.为解决现有存在的技术问题，本技术实施例提供一种基于全渠道的智能客服服务方法及系统。
7.第一方面，本技术提供了一种基于全渠道的智能客服服务方法，其中，所述方法应用于一全渠道智能客服服务平台，所述方法包括：基于全渠道进行线索数据采集，获得第一线索数据集合；基于所述第一线索数据集合中的每个线索数据，获得与所述每个线索数据相对应的企业信息和联系人信息；将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，构建每个线索数据对应的线索链；根据所述每个线索数据对应的线索链，构建全渠道线索数据库；获得第一客户的第一运营需求信息；将所述第一运营需求信息输入所述全渠道线索数据库，获得第一相关线索信息；根据所述第一相关线索信息，获得第一获客方案；根据所述第一获客方案，获得第一全渠道客户群体；获得第一推荐指令，所述第一推荐指令用于将所述第一全渠道客户群体推荐给所述第一客户。
8.另一方面，本技术还提供了一种基于全渠道的智能客服服务系统，其中，所述系统
包括：第一获得单元，所述第一获得单元用于基于全渠道进行线索数据采集，获得第一线索数据集合；第二获得单元，所述第二获得单元用于基于所述第一线索数据集合中的每个线索数据，获得与所述每个线索数据相对应的企业信息和联系人信息；第一构建单元，所述第一构建单元用于将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，构建每个线索数据对应的线索链；第二构建单元，所述第二构建单元用于根据所述每个线索数据对应的线索链，构建全渠道线索数据库；第三获得单元，所述第三获得单元用于获得第一客户的第一运营需求信息；第四获得单元，所述第四获得单元用于将所述第一运营需求信息输入所述全渠道线索数据库，获得第一相关线索信息；第五获得单元，所述第五获得单元用于根据所述第一相关线索信息，获得第一获客方案；第六获得单元，所述第六获得单元用于根据所述第一获客方案，获得第一全渠道客户群体；第七获得单元，所述第七获得单元用于获得第一推荐指令，所述第一推荐指令用于将所述第一全渠道客户群体推荐给所述第一客户。
9.另一方面，本技术实施例还提供一种基于全渠道的智能客服服务系统，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应用程序和操作系统，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
10.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.本技术实施例通过提供一种基于全渠道的智能客服服务方法及系统，通过对全渠道线索进行数据采集，并构建相应的线索链和数据库，根据全渠道线索数据库对客户进行相关推荐，基于企业大数据及智能算法，依托社交软件的超强传播力，让企业管理和营销数据双向融合，更加方便高效开展业务及营销活动，解决了产品运营活动中企业与客户之间的关联不够紧密导致客户获取营销信息的方式不够智能的技术问题，同时减少生态人员、业务间的沟通成本，提升企业整体运营和创新效能，最终达到实现促进业务增长的技术效果。
12.上述说明是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
13.为了更清楚地说明本发明实施例或背景技术中的技术方案，下面对本发明实施例或背景技术中所需使用的附图进行说明。
14.图1为本技术实施例一种基于全渠道的智能客服服务方法的流程示意图；
15.图2为本技术实施例一种基于全渠道的智能客服服务系统的结构示意图；
16.图3为本技术实施例示例性电子设备的结构示意图。
17.附图标记说明：第一获得单元11，第二获得单元12，第一构建单元13，第二构建单元14，第三获得单元15，第四获得单元16，第五获得单元17，第六获得单元18，第七获得单元19，总线310，处理器320，收发器330，总线接口340，存储器350，操作系统351，应用程序352，用户接口360。
具体实施方式
18.本技术实施例通过提供一种基于全渠道的智能客服服务方法及系统，通过对全渠道线索进行数据采集，并构建相应的线索链和数据库，根据全渠道线索数据库对客户进行相关推荐，基于企业大数据及智能算法，依托社交软件的超强传播力，让企业管理和营销数据双向融合，更加方便高效开展业务及营销活动，解决了产品运营活动中企业与客户之间的关联不够紧密导致客户获取营销信息的方式不够智能的技术问题，同时减少生态人员、业务间的沟通成本，提升企业整体运营和创新效能，最终达到实现促进业务增长的技术效果。
19.下面，将参考附图详细地描述本技术的示例实施例，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
20.申请概述
21.企业前台、后台存在需求矛盾时，为了满足前台的快速迭代需求和后台的稳定性需求，中台概念应运而成，其核心是当前台需求来临时，中台能快速地进行响应，从而提升研发效率。在产品运营过程中，大部分类型的营销活动，均可以将共性进行抽取，并整合至营销中台，由中台数据标准化api，由前端进行定制化开发，可在较短时间内完成营销产品的上线。现有技术中企业管理和营销数据的联系呈现分裂化，在产品运营活动中企业与客户之间的关联不够紧密，客户获取营销信息的方式不够智能，已无法满足大数据时代对于信息精准程度的要求。
22.针对上述技术问题，本技术提供的技术方案总体思路如下：
23.本技术提供了一种基于全渠道的智能客服服务方法，其中，所述方法应用于一全渠道智能客服服务平台，所述方法包括：基于全渠道进行线索数据采集，获得第一线索数据集合；基于所述第一线索数据集合中的每个线索数据，获得与所述每个线索数据相对应的企业信息和联系人信息；将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，构建每个线索数据对应的线索链；根据所述每个线索数据对应的线索链，构建全渠道线索数据库；获得第一客户的第一运营需求信息；将所述第一运营需求信息输入所述全渠道线索数据库，获得第一相关线索信息；根据所述第一相关线索信息，获得第一获客方案；根据所述第一获客方案，获得第一全渠道客户群体；获得第一推荐指令，所述第一推荐指令用于将所述第一全渠道客户群体推荐给所述第一客户。
24.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
25.实施例一
26.图1为本技术实施例一种基于全渠道的智能客服服务方法的流程示意图。如图1所示，所述方法包括：
27.步骤s100：基于全渠道进行线索数据采集，获得第一线索数据集合；
28.具体而言，全渠道是指线上和线下营销渠道的充分融合，并且能实时响应客户的需求的模式。基于全渠道对线索数据进行采集，获得第一线索数据集合，所述第一线索数据集合包括企业营销信息，其内容包括但不仅限于线上运营活动、线上客户服务、线上素材制定、线上消息传播等。通过获得第一线索数据集合，基于员工、企业大数据和智能算法，依托
线上社交软件的超强传播力，结合5g移动互联，能够实现让企业管理和营销数据双向融合，更加方便高效开展业务及营销活动。
29.步骤s200：基于所述第一线索数据集合中的每个线索数据，获得与所述每个线索数据相对应的企业信息和联系人信息；
30.具体而言，通过所述第一线索数据集合中的每个线索数据的数据来源和数据内容能够获得与所述每个线索数据相对应的企业和个人信息。举例而言，当线索数据为线上直播活动，根据线上发布内容可以获得该活动的主办方信息和主负责人信息，在需要进行商业交流时，仅通过获得该线索数据便可以与对方取得联系并进行商业洽谈，有效提高了商业互动效率。
31.步骤s300：将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，构建每个线索数据对应的线索链；
32.步骤s400：根据所述每个线索数据对应的线索链，构建全渠道线索数据库；
33.具体而言，为全面体现信息优势，将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，将所述每个线索数据进行链式存储并根据所述每个线索数据对应的线索链，构建全渠道线索数据库，所述全渠道线索数据库包含线上营销信息和与之相关的企业间的全部数据，其目的在于构建一个完整、丰富的数据库以满足互联网上的营销活动需求。通过构建全渠道线索数据库，在保留了信息完整度的同时也避免了冗余信息对数据集造成干扰，进一步达成了提高获取信息的精准程度的目的。
34.步骤s500：获得第一客户的第一运营需求信息；
35.步骤s600：将所述第一运营需求信息输入所述全渠道线索数据库，获得第一相关线索信息；
36.具体而言，在线上营销活动中，客户往往通过主动提出运营需求以实现对理想结果的获取。所述第一客户为所述全渠道智能客服服务平台的使用者，为提出需求的乙方，可以是个人也可以是单位。所述全渠道智能客服服务平台仅作为中间方为所述第一客户与目标企业提供匹配信息，不参与二者间的商业互动行为。所述第一客户的第一运营需求信息为所述第一客户根据运营方案或业务需求提出的条件信息，将所述第一运营需求信息输入所述全渠道线索数据库，可以匹配得到第一相关线索信息，所述第一相关线索信息用于为所述第一客户提供需求引导，方便其获得最佳运营方案。
37.步骤s700：根据所述第一相关线索信息，获得第一获客方案；
38.步骤s800：根据所述第一获客方案，获得第一全渠道客户群体；
39.具体而言，为给所述第一客户提供精确的服务，通过所述第一相关线索信息，为所述第一客户提供全面的目标信息。根据所述第一相关线索信息，获得第一获客方案。所述第一获客方案指基于所述第一相关线索信息建立的所述第一客户与第一全渠道客户群体间对应关系，需要注意的是，上述对应关系不是一对一的关系，而是所述第一客户可以匹配到多个目标，所述第一全渠道客户群体由上述多个目标构成。所述第一相关线索信息对所述第一全渠道客户群体具有指向性，通过所述第一相关线索信息的引导最终可获得合适的客户群体以实现所述第一客户的期望。
40.步骤s900：获得第一推荐指令，所述第一推荐指令用于将所述第一全渠道客户群体推荐给所述第一客户。
41.具体而言，通过对全渠道线索进行数据采集，并构建相应的线索链和数据库，根据全渠道线索数据库对客户进行相关推荐，将所述第一全渠道客户群体推荐给所述第一客户，使客户更加方便高效开展业务及营销活动。本技术实施例提供的一种基于全渠道的智能客服服务方法，在企业既有业务服务基础上，整合全渠道获客管理，助力线索管理数据化、自动化和智能化，提高线索转化，最终达到实现促进业务增长的效果。
42.进一步地，本技术实施例步骤s100还包括：
43.步骤s110：构建运营策略；
44.步骤s120：根据所述运行策略，基于全渠道获得初始线索数据；
45.步骤s130：对所述初始线索数据进行线索清洗，获得初级线索数据；
46.步骤s140：对所述初级线索数据进行多维度评估，获得第一评估结果；
47.步骤s150：根据所述第一评估结果，对所述初级线索数据进行分级流转，获得所述第一线索数据集合。
48.具体而言，在客户服务中，线索数据的收集和展现从根本上决定了数据的匹配度和结果的精确性。在全渠道智能客服服务平台获得工作请求后，首先根据相关工作请求构建运营策略，该运营策略是对整体服务的宏观把控。根据该运行策略，基于全渠道获得初始线索数据，在初始线索数据的基础上进行线索清洗，获得初级线索数据。线索清洗的过程实质上是一个乱序重排的过程，包含人群筛选、数据量化、标签分析、渠道覆盖等步骤，通过数据清洗可以将原本杂乱无章的初始线索数据转变为类别清晰、特征明显的初级线索数据。对所述初级线索数据的评估包含属性评估、互动评估、线索分级、综合评估等步骤，通过对所述初级线索数据进行多维度评估，获得第一评估结果，所述第一评估结果用于对所述初级线索数据进行分级流转。分级流转的步骤包括新线索流转、老线索更新、crm(customer relationship management)反向同步和闭环roi(return on investment)计算等，通过所述初级线索数据进行分级流转，获得的第一线索数据集合具有较强的时效性和较高准确性，打通了新旧业务的数据壁垒，新旧组织间的协作壁垒，解决了求稳与求变的矛盾，进一步了提升企业整体运营和创新效能。
49.进一步地，本技术实施例步骤s110还包括：
50.步骤s111：获得线索数据的特征信息；
51.步骤s112：分别根据所述特征信息进行信息论编码计算，获得每个所述特征信息的信息熵；
52.步骤s113：根据所述每个所述特征信息的信息熵，获得根节点信息和枝节点信息；
53.步骤s114：根据所述根节点信息和所述枝节点信息，构建线索数据分类决策树；
54.步骤s115：根据所述线索数据分类决策树获得逻辑路径；
55.步骤s116：获得第一出发条件；
56.步骤s117：根据所述逻辑路径和所述第一出发条件，构建所述运营策略。
57.具体而言，通过获得线索数据的特征信息对所述弹幕信息构建线索数据分类决策树，其本质是应用统计学方法获得通信系统中信息传递和信息处理的共同规律，进行信息论编码运算，获得多个信息熵。信息熵即信息的量化度量的表达，用来描述信源的不确定度，一个数据集的熵越大，则说明该数据分类的“纯度”越高。通过获得多个信息熵，以及根节点信息和枝节点信息可构建线索数据分类决策树。决策树是机器学习的常见算法，分为
分类树和回归树，当对一个样本的分类进行预测时使用分类树。分类决策树即根据训练数据集构造一个类似树形的分类决策模型，然后用这个模型来辅助决策。所述第一出发条件为决策树的预置起点，所述逻辑路径为客户终端的社交软件互动步骤，举例而言，当客户选择微信营销方式，则逻辑路径依次为：开始、关注公众号、推送欢迎语、公众号互动、公众号介绍、结束。通过分类决策树获得逻辑路径并根据第一出发条件模拟决策过程，最终实现获得精确的运营策略的目的，进一步提高了运营策略获得的效率，同时使用决策树的过程也满足了信息获取的准确性。
58.进一步地，本技术实施例步骤s140还包括：
59.步骤s141：获得所述初级线索数据的属性信息；
60.步骤s142：将所述初级线索数据的属性信息输入企业画像匹配度评估模型，获得第一画像匹配度评估结果；
61.步骤s143：获得所述初级线索数据的行为信息；
62.步骤s144：将所述初级线索数据的行为信息输入兴趣匹配度评估模型，获得第一兴趣匹配度评估结果；
63.步骤s145：根据所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果，获得所述第一评估结果。
64.具体而言，通过将条件输入相应的模型可以获得期望的数据结果。所述初级线索数据的属性信息可以是线索的获取时间、线索获取途径等，可以是线索的具体内容信息。所述企业画像匹配度评估模型为机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述初级线索数据的属性信息输入企业画像匹配度评估模型，获得第一画像匹配度评估结果，其中，所述第一画像匹配度评估结果用于评估所述初级线索数据与相关企业之间的相似程度，通过获得所述第一画像匹配度评估结果可以对所述初级线索数据进行筛选，保留最接近的结果，以确保最终推荐的准确性。
65.同样地，所述兴趣匹配度评估模型为机器学习中的神经网络模型，所述初级线索数据的行为信息可以是关键词点击次数、页面浏览时间等外部数据信息，通过将所述初级线索数据的行为信息输入兴趣匹配度评估模型，获得第一兴趣匹配度评估结果，所述第一兴趣匹配度评估结果用于评估客户对企业的感兴趣程度，通过所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果，获得所述第一评估结果，所述第一评估结果用于对信息准确程度进行综合判定，大大提高了数据评估的准确性，进一步满足了客户需求。
66.进一步地，本技术实施例步骤s142还包括：
67.步骤s1421：将所述初级线索数据作为训练数据对神经网络模型进行训练直至收敛，获得所述企业画像匹配度评估模型；
68.步骤s1422：将所述初级线索数据的属性信息作为输入信息输入所述企业画像匹配度评估模型；
69.步骤s1423：获得所述企业画像匹配度评估模型的输出信息，所述输出信息包括所
述第一画像匹配度评估结果。
70.具体而言，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过将所述初级线索数据作为训练数据对神经网络模型进行训练直至收敛，获得所述企业画像匹配度评估模型，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的输出信息，进而达到输入所述初级线索数据的属性信息而得到所述第一画像匹配度评估结果目的，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确合适的第一画像匹配度评估结果夯实了基础。
71.进一步地，本技术实施例步骤s145还包括：
72.步骤s1451：获得第一权重比；
73.步骤s1452：根据所述第一权重比对所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果进行加权计算，获得所述第一评估结果。
74.具体而言，根据所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果获得所述第一评估结果时，由于所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果的重要程度不同，二者不同权重值的大小对于所述第一评估结果的影响会产生不同的影响，故根据第一权重比对所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果进行加权计算，从而获得更为公正的第一评估结果，进一步规避条件重要程度对其结果产生较大影响。
75.进一步地，本技术实施例步骤s1451还包括：
76.步骤s14511：获得权重比预定阈值；
77.步骤s14512：在所述权重比预定阈值中随机获得m个权重比；
78.步骤s14513：获得所述m个权重比相对应的m个第二评估结果；
79.步骤s14514：获得所述m个第二评估结果的离散度；
80.步骤s14515：获得预定离散度阈值；
81.步骤s14516：获得符合所述预定离散度阈值的所述第二评估结果的离散度，确定所述第一权重比。
82.具体而言，所述权重比预定阈值为提前设定的权重比范围，在其范围内随机获得m个权重比，所述m个权重比相对应m个第二评估结果。所述m个第二评估结果的离散度表示评估结果偏离中心值的程度，反映m个第二评估结果的差异大小，从而也就可以反映分布中心的指标对m个第二评估结果代表性的高低，通过获得预定离散度阈值和符合所述预定离散度阈值的所述第二评估结果的离散度，从而确定所述第一权重比，从而达到根据所述第一权重比对所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果进行加权计算，获得所述第一评估结果的目的。
83.综上所述，本技术实施例所提供的一种基于全渠道的智能客服服务方法具有如下技术效果：
84.1、通过对全渠道线索进行数据采集，并构建相应的线索链和数据库，根据全渠道线索数据库对客户进行相关推荐，基于企业大数据及智能算法，依托社交软件的超强传播力，让企业管理和营销数据双向融合，更加方便高效开展业务及营销活动，解决了产品运营
活动中企业与客户之间的关联不够紧密导致客户获取营销信息的方式不够智能的技术问题，同时减少生态人员、业务间的沟通成本，提升企业整体运营和创新效能，最终达到实现促进业务增长的技术效果。
85.2、通过获得多个信息熵，以及根节点信息和枝节点信息构建线索数据分类决策树，然后用这个模型来辅助决策获得逻辑路径并根据第一出发条件模拟决策过程，最终实现获得精确的运营策略的目的，进一步提高了运营策略获得的效率，同时使用决策树的过程也满足了信息获取的准确性。
86.3、通过引入神经网络模型对企业画像匹配度进行评估，将所述初级线索数据的属性信息作为输入信息输入企业画像匹配度评估模型，获得第一画像匹配度评估结果。所述企业画像匹配度评估模型一机器学习模型，基于机器学习模型能不断学习、获取经验来处理数据的方式，使得对第一画像匹配度评估结果的获得更为准确。
87.实施例二
88.基于与前述实施例中一种基于全渠道的智能客服服务方法同样发明构思，本发明还提供了一种基于全渠道的智能客服服务系统，如图2所示，所述系统包括：
89.第一获得单元11，所述第一获得单元11用于基于全渠道进行线索数据采集，获得第一线索数据集合；
90.第二获得单元12，所述第二获得单元12用于基于所述第一线索数据集合中的每个线索数据，获得与所述每个线索数据相对应的企业信息和联系人信息；
91.第一构建单元13，所述第一构建单元13用于将所述每个线索数据和相对应的所述企业信息和所述联系人信息进行关联，构建每个线索数据对应的线索链；
92.第二构建单元14，所述第二构建单元14用于根据所述每个线索数据对应的线索链，构建全渠道线索数据库；
93.第三获得单元15，所述第三获得单元15用于获得第一客户的第一运营需求信息；
94.第四获得单元16，所述第四获得单元16用于将所述第一运营需求信息输入所述全渠道线索数据库，获得第一相关线索信息；
95.第五获得单元17，所述第五获得单元17用于根据所述第一相关线索信息，获得第一获客方案；
96.第六获得单元18，所述第六获得单元18用于根据所述第一获客方案，获得第一全渠道客户群体；
97.第七获得单元19，所述第七获得单元19用于获得第一推荐指令，所述第一推荐指令用于将所述第一全渠道客户群体推荐给所述第一客户。
98.进一步地，所述系统还包括：
99.第三构建单元，所述第三构建单元用于构建运营策略；
100.第八获得单元，所述第八获得单元用于根据所述运行策略，基于全渠道获得初始线索数据；
101.第九获得单元，所述第九获得单元用于对所述初始线索数据进行线索清洗，获得初级线索数据；
102.第十获得单元，所述第十获得单元用于对所述初级线索数据进行多维度评估，获得第一评估结果；
103.第十一获得单元，所述第十一获得单元用于根据所述第一评估结果，对所述初级线索数据进行分级流转，获得所述第一线索数据集合。
104.进一步地，所述系统还包括：
105.第十二获得单元，所述第十二获得单元用于获得线索数据的特征信息；
106.第十三获得单元，所述第十三获得单元用于分别根据所述特征信息进行信息论编码计算，获得每个所述特征信息的信息熵；
107.第十四获得单元，所述第十四获得单元用于根据所述每个所述特征信息的信息熵，获得根节点信息和枝节点信息；
108.第四构建单元，所述第四构建单元用于根据所述根节点信息和所述枝节点信息，构建线索数据分类决策树；
109.第十五获得单元，所述第十五获得单元用于根据所述线索数据分类决策树获得逻辑路径；
110.第十六获得单元，所述第十六获得单元用于获得第一出发条件；
111.第五构建单元，所述第五构建单元用于根据所述逻辑路径和所述第一出发条件，构建所述运营策略。
112.进一步地，所述系统还包括：
113.第十七获得单元，所述第十七获得单元用于获得所述初级线索数据的属性信息；
114.第十八获得单元，所述第十八获得单元用于将所述初级线索数据的属性信息输入企业画像匹配度评估模型，获得第一画像匹配度评估结果；
115.第十九获得单元，所述第十九获得单元用于获得所述初级线索数据的行为信息；
116.第二十获得单元，所述第二十获得单元用于将所述初级线索数据的行为信息输入兴趣匹配度评估模型，获得第一兴趣匹配度评估结果；
117.第二十一获得单元，所述第二十一获得单元用于根据所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果，获得所述第一评估结果。
118.进一步地，所述系统还包括：
119.第二十二获得单元，所述第二十二获得单元用于将所述初级线索数据作为训练数据对神经网络模型进行训练直至收敛，获得所述企业画像匹配度评估模型；
120.第一输入单元，所述第一输入单元用于将所述初级线索数据的属性信息作为输入信息输入所述企业画像匹配度评估模型；
121.第二十三获得单元，所述第二十三获得单元用于获得所述企业画像匹配度评估模型的输出信息，所述输出信息包括所述第一画像匹配度评估结果。
122.进一步地，所述系统还包括：
123.第二十四获得单元，所述第二十四获得单元用于获得第一权重比；
124.第二十五获得单元，所述第二十五获得单元用于根据所述第一权重比对所述第一画像匹配度评估结果和所述第一兴趣匹配度评估结果进行加权计算，获得所述第一评估结果。
125.进一步地，所述系统还包括：
126.第二十六获得单元，所述第二十六获得单元用于获得权重比预定阈值；
127.第二十七获得单元，所述第二十七获得单元用于在所述权重比预定阈值中随机获
得m个权重比；
128.第二十八获得单元，所述第二十八获得单元用于获得所述m个权重比相对应的m个第二评估结果；
129.第二十九获得单元，所述第二十九获得单元用于获得所述m个第二评估结果的离散度；
130.第三十获得单元，所述第三十获得单元用于获得预定离散度阈值；
131.第三十一获得单元，所述第三十一获得单元用于获得符合所述预定离散度阈值的所述第二评估结果的离散度，确定所述第一权重比。
132.关于基于全渠道的智能客服服务系统的具体限定可以参见上文中基于全渠道的智能客服服务方法的限定，在此不再赘述。上述基于全渠道的智能客服服务系统中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各单元可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个单元对应的操作。
133.示例性电子设备
134.本发明实施例还提供了一种电子设备，包括总线，收发器、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和操作系统，该收发器、存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述基于全渠道的智能客服服务方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
135.下面参考图3来描述本技术实施例的电子设备。
136.参见图3所示，本发明实施例还提供了一种电子设备，该电子设备包括总线310、处理器320、收发器330、总线接口340、存储器350和用户接口360。
137.在本发明实施例中，该电子设备还包括：存储在存储器350上并可在处理器320上运行的计算机程序，计算机程序被处理器320执行时实现上述基于全渠道的智能客服服务方法实施例的各个过程。
138.本发明实施例中，总线架构(用总线310来代表)，总线310可以包括任意数量互联的总线和桥，总线310将包括由处理器320代表的一个或多个处理器与存储器350代表的存储器的各种电路连接在一起。
139.总线310表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线以及存储器控制器、外围总线、加速图形端口(accelerate graphical port，agp)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括；工业标准体系结构(industry standard architecture，isa)总线、微通道体系结构(micro channel architecture，mca)总线、扩展isa(enhanced isa，eisa)总线、视频电子标准协会(video electronics standards association，vesa)、外围部件互连(peripheral component interconnect，pci)总线。
140.总线310还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。
141.处理器320可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器(central processing unit，cpu)，网络处理器
(network processor，np)、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)、复杂可编程逻辑器件(complex programmable logic device，cpld)、可编程逻辑阵列(programmable logic array，pla)微控制单元(micro controller unit，mcu)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
142.处理器320可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(random access memory，ram)，闪存(flash memory)、只读存储器(read
‑
only memory，rom)，可编程只读存储器(programmable rom，prom)，可擦除可编程只读存储器(erasable prom，eprom)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
143.收发器330，用于在处理器320的控制下接收和发送数据。收发器330可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器330从其他设备接收外部数据，收发器330用于将处理器320处理后的数据发送给其他设备。取决于计算机系统的性质，还可以提供用户接口360，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔等。
144.存储器350可进一步包括相对于处理器320远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)，内联网(intranet)、外联网(extranet)，虚拟专用网(vpn)、局域网(lan)、无线局域网(wlan)、广域网(wan)、无线广域网(wwan)、城域网(man)、互联网(internet)、公共交换电话网(pstn)、普通老式电话业务网(pots)，蜂窝电话网，无线网络、无线保真(wi
‑
fi)网络以及两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信(gsm)系统、码分多址(cdma)系统、全球微波互联接入(wimax)系统、通用分组无线业务(gprs)系统、宽带码分多址(wcdma)系统、长期演进(lte)系统、lte频分双工(fdd)系统、lte时分双工(tdd)系统、先进长期演进(lte
‑
a)系统、通用移动通信(umts)系统、增强移动宽带(enhance mobile broadband，embb)系统，海量机器类通信(massivc machinc typc of communication，mmtc)系统，超可靠低时延通信(ultra reliable low latency communications，urllc)系统等。
145.在本发明实施例中，存储器350进一步包括操作系统351和应用程序352。操作系统35l包含各种系统程序，例如：框架层，核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序352包含各种应用程序，例如：媒体播放器(media player)，浏览器(browser)，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序352中。应用程序352包括：小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
146.本领域内的技术人员应明白，本发明的实施例可提供为方法、装置或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施
例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
147.本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
148.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
149.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
150.以上实施例仅表达了本技术的几种实施方式，其描述较为具体或详细，但并不能因此而理解为对发明专利范围的限制，应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以作出若干变形和改进，这些都属于本技术的保护范围。因此，本技术实施例的保护范围应以权利要求为准。