基于人工智能的客户筛选方法、装置、设备及存储介质与流程

1.本发明涉及人工智能领域，特别涉及一种基于人工智能的客户筛选方法、装置、设备及存储介质。


背景技术：

2.在推广商品时，通过不同的推广方式对商品进行宣传。目前业内的做法一般是根据统计到的转换率获取到足够多的人员进行宣传，无法根据商品的售卖信息去精准选择适合宣传的客群，将宣传信息发送给了不想购买当前产品的人员，造成了很多额外的宣传成本，也会给不想购买当前产品的人员造成信息的干扰。


技术实现要素：

3.本发明的主要目的为提供一种基于人工智能的客户筛选方法、装置、设备及存储介质，旨在解决无法根据商品的售卖信息去精准选择适合宣传的客群的问题。
4.本发明提供了一种基于人工智能的客户筛选方法，包括：
5.获取当前指定时间内购买所述商品的用户信息；
6.提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值；
7.按照各个维度将各所述用户信息的所述维度数值进行提取，得到每个预设维度对应的维度数值集合；
8.计算各所述维度数值集合的信息熵值；
9.根据各所述信息熵值设置对应预设维度的维度要求；
10.筛选符合各个预设维度的所述维度要求的目标人群。
11.进一步地，所述计算各所述维度数值集合的信息熵值的步骤，包括：
12.提取各个所述维度数值集合中的最大值与最小值；
13.根据公式计算每个所述维度数值集合对应的维度数值的标准值，其中，x
ij
表示第j个所述维度数值数据集合中第i个所述维度数值，min(x
ij
)表示第j个所述维度数值数据集合中元素的最小值，max(x
ij
)第j个所述维度数值数据集合中元素的最大值，y
ij
表示所述维度数值数据集合中第i个维度数值对应的所述标准值；
14.根据公式计算各个所述维度数值集合的信息熵值，其中其中，e
j
表示第j个所述维度数值集合的所述信息熵值，当p
ij
＝0时，定义p
ij
表示第j个所述维度数值集合的第i个所述维度数值对应的概率值，n表示所述维度数值集合的个数。
15.进一步地，所述根据各所述信息熵值设置对应预设维度的维度要求的步骤，包括：
16.将各个所述信息熵值与预设信息熵值进行比较；
17.提取大于预设信息熵值的所述信息熵值对应的目标预设维度；
18.获取所述目标预设维度对应的维度数值集合中的各个维度数值；
19.根据所述维度数值集合中各个维度数值的大小，获取对应目标预设维度的范围属性，以及将各所述信息熵值进行归一化处理，得到各自对应的标准值；
20.基于所述范围属性和所述标准值为对应的目标预设维度设定维度要求。
21.进一步地，所述提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值的步骤之前，还包括：
22.获取所述商品的商品信息；
23.将所述商品信息通过预设的向量机转化为商品向量；
24.将所述用户信息的各个维度转化为对应的维度向量；
25.根据相似度计算公式计算各个维度向量与商品向量的相似度；
26.将所述相似度达到预设相似度阈值的维度设定为所述预设维度。
27.进一步地，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤之后，还包括：
28.获取所述目标人群的各个待定客户预设维度所对应的维度数值；
29.根据公式计算各个所述待定客户的得分值；其中，p为所述得分值，s
i
表示第i个预设维度的权重参数，x
i
表示所述商品第i个预设维度中维度要求的最大维度数值，y
i
表示所述待定客户第i个预设维度的维度数值，n表示预设维度的数量；
30.按照所述得分值的大小顺序，选取预设个数的目标客户进行推广。
31.进一步地，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤之后，还包括：
32.检测所述目标人群中各个客户的购买信息；
33.根据所述购买信息将所述目标人群中已购买所述商品的客户剔除，得到待推广人群；
34.对所述待推广人群推广所述商品。
35.进一步地，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤之后，还包括：
36.搜集所述商品的推广后的售卖信息；
37.判断所述售卖信息是否达到了预设的售卖要求；
38.若没有达到所述预设的售卖要求，则获取推广后的购买人群的信息；
39.计算所述购买人群满足各个预设维度的所述维度要求的比例；
40.判断所述比例是否小于预设比例值；
41.若是，则重新选取人群进行推广。
42.本发明还提供了一种基于人工智能的客户筛选装置，包括：
43.购买所述商品的人员的用户信息；
44.转化模块，用于提取各所述用户信息中多个预设维度中对应的维度信息，并将各
个所述维度信息按照预设的对应关系转化为维度数值；
45.提取模块，用于按照各个维度将各所述用户信息的所述维度数值进行提取，得到每个预设维度对应的维度数值集合；
46.计算模块，用于计算各所述维度数值集合的信息熵值；
47.设置模块，用于根据各所述信息熵值设置对应预设维度的维度要求；
48.筛选模块，用于筛选符合各个预设维度的所述维度要求的目标人群。
49.本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
50.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
51.本发明的有益效果：获取当前指定时间内购买所述商品的用户信息，提取各所述用户信息中维度信息，并转化为预设维度对应的维度数值集合，根据维度数值集合的信息熵值，设置对应预设维度的维度要求，基于维度要求的筛选目标人群进行推广。从而可以实现基于商品精准选择客群，节省了宣传成本，给用户以更好的体验。
附图说明
52.图1是本发明一实施例的一种基于人工智能的客户筛选方法的流程示意图；
53.图2是本发明一实施例的一种基于人工智能的客户筛选装置的结构示意框图；
54.图3为本技术一实施例的计算机设备的结构示意框图。
55.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
56.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的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
57.需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)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，所述的连接可以是直接连接，也可以是间接连接。
58.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
59.另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其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”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
60.参照图1，本发明提出一种基于人工智能的客户筛选方法，包括：
61.s1：获取当前指定时间内购买所述商品的用户信息；
62.s2：提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值；
63.s3：按照各个维度将各所述用户信息的所述维度数值进行提取，得到每个预设维度对应的维度数值集合；
64.s4：计算各所述维度数值集合的信息熵值；
65.s5：根据各所述信息熵值设置对应预设维度的维度要求；
66.s6：筛选符合各个预设维度的所述维度要求的目标人群。
67.如上述步骤s1所述，获取当前指定时间内购买所述商品的用户信息。具体地，可以获取到购买该商品人员的标签，该标签可以是用户的昵称，账号，手机号等，然后基于标签从用户数据库中找出该用户的用户信息，用户信息包括用户使用的手机型号、所在地、年龄、性别、职业、婚姻状态、车辆信息等。
68.如上述步骤s2所述，提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值。其中，预设维度为提前设定的维度，可以根据用户信息生成，用户信息中有不同维度信息，可以事先设定维度信息与维度数值的对应关系表，后续可以根据维度信息和对应关系表获取到对应的维度数值。
69.如上述步骤s3所述，按照各个维度将各所述用户信息的所述维度数值进行提取，得到每个预设维度对应的维度数值集合。即将每个用户信息的相同维度的维度数值进行聚合，为每个维度都构建一个维度数值集合。
70.如上述步骤s4所述，计算各所述维度数值集合的信息熵值。其中计算的公式可以是通过计算维度数值集合中的方差或平均差，还可以是通过其他计算方式，后续会详细说明，此处不再赘述。
71.如上述步骤s5所述，根据各所述信息熵值设置对应预设维度的维度要求，当理解的是，当某一维度数值集合的信息熵值较小时，则说明对应的维度信息较少，不利于筛选目标人群，因此可以不对该维度进行要求，对于维度数值集合的信息熵值较大的对应的维度，对其的维度要求进行设置。设置的方式可以是先检测该维度对于该商品是向下兼容还是向上兼容，然后根据兼容情况进行设置，其中，向下兼容是指在该维度中，该维度越小越具有购买该商品的可能性，向上兼容是指维度越大越具有购买该商品的可能性，然后可以在维度数值集合中选取一个值，并考虑其兼容情况，使其包含了维度数值集合中预设标准值的维度数值，具体地，若为向上兼容，假设预设标准值为90％，则选取的维度数值需要满足维度数值集合中90％以上的维度数值大于该选取的维度数值，即设定的维度要求为大于或等于该选取的维度数值，同理，向下兼容的方式与之相似，此处不再赘述。
72.如上述步骤s6所述，筛选符合各个预设维度的所述维度要求的目标人群，即选取符合各个预设维度的维度要求的目标人群进行推广。从而可以实现基于商品精准选择客群，节省了宣传成本，给用户以更好的体验。
73.在一个实施例中，所述计算各所述维度数值集合的信息熵值s4的步骤，包括：
74.s401：提取各个所述维度数值集合中的最大值与最小值；
75.s402：根据公式计算每个所述维度数值集合对应的维
度数值的标准值，其中，x
ij
表示第j个所述维度数值数据集合中第i个所述维度数值，min(x
ij
)表示第j个所述维度数值数据集合中元素的最小值，max(x
ij
)第j个所述维度数值数据集合中元素的最大值，y
ij
表示所述维度数值数据集合中第i个维度数值对应的所述标准值；
76.s403：根据公式计算各个所述维度数值集合的信息熵值，其中其中，e
j
表示第j个所述维度数值集合的所述信息熵值，当p
ij
＝0时，定义p
ij
表示第j个所述维度数值集合的第i个所述维度数值对应的概率值，n表示所述维度数值集合的个数。
77.如上述步骤s401
‑
s403所述，实现了信息熵值的具体计算过程。即先获取维度数值集合中的最大值与最小值，根据最大值和最小值来反应整个维度数值集合的数据波动情况，即先根据公式况，即先根据公式计算各个维度数值对应的标准值，即先将各个维度数值进行标准处理，将其进行归一化处理，避免造成的数据过大而导致计算结果出现偏差。然后根据各个维度数值对应的标准差所出现的概率p
ij
，计算第j个所述维度数值集合的所述信息熵值。根据上述计算公式计算得到的信息熵值，其充分考虑了同一维度中各个维度数值的波动情况，并且也充分考虑了极个别值对整体信息熵值所带来的影响，使计算的信息熵值更具有参考性。
78.在一个实施例中，所述根据各所述信息熵值设置对应预设维度的维度要求的步骤s5，包括：
79.s501：将各个所述信息熵值与预设信息熵值进行比较；
80.s502：提取大于预设信息熵值的所述信息熵值对应的目标预设维度；
81.s503：获取所述目标预设维度对应的维度数值集合中的各个维度数值；
82.s504：根据所述维度数值集合中各个维度数值的大小，获取对应目标预设维度的范围属性，以及将各所述信息熵值进行归一化处理，得到各自对应的标准值；
83.s505：基于所述范围属性和所述标准值为对应的目标预设维度设定维度要求。
84.如上述步骤s501
‑
s505所述，实现了对维度要求的设置，设定的方式为先筛选出信息熵值比预设信息熵值大的目标预设维度。其中，预设信息熵值为事先设定的数值，当大于该数值时，则认为该信息熵值为所对应的预设维度需要设定维度要求，调整的设定方式为根据目标预设维度对应的维度数值集合中的各个维度数据进行调整，例如按照大小顺序对维度数据进行排序，为了消除维度数据之间的数值影响，避免部分过大的数据对结果造成误差，需要进行数据标准化处理，即将各所述信息熵值进行归一化处理，得到各自对应的标准值，其中，归一化处理的方式不做限定，例如可以通过离差标准化、非线性归一化、l2范数归一化方法等任意一种归一化处理的方式。将维度要求设置为大于目标维度数值集合中30％的维度数据。也可以是其他标准值的数据。具体地，设置的方式可以是先检测该维度对于该商品是向下兼容还是向上兼容，然后根据兼容情况进行设置，其中，向下兼容是指在该维度中，该维度越小越具有购买该商品的可能性，向上兼容是指维度越大越具有购买该商品的可能性，然后可以在维度数值集合中选取一个值，并考虑其兼容情况，使其包含了维度
数值集合中预设标准值的维度数值，具体地，若为向上兼容，假设预设标准值为90％，则选取的维度数值需要满足维度数值集合中90％以上的维度数值大于该选取的维度数值，即设定的维度要求为大于或等于该选取的维度数值，同理，向下兼容的方式与之相似，此处不再赘述。根据上述设置维度的维度要求的方法，设置各个目标预设维度中的维度要求，进而达到了精准选择客群，节省了推广经费等优点。
85.在一个实施例中，所述提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值的步骤s2之前，还包括：
86.s101：获取所述商品的商品信息；
87.s102：将所述商品信息通过预设的向量机转化为商品向量；
88.s103：将所述用户信息的各个维度转化为对应的维度向量；
89.s104：根据相似度计算公式计算各个维度向量与商品向量的相似度；
90.s105：将所述相似度达到预设相似度阈值的维度设定为所述预设维度。
91.如上述步骤s101
‑
s105所述，实现了对预设维度的确定。具体地，由于客户信息中包含有不重要的维度信息，则无需对该维度信息进行设定，即先将各个维度信息进行标准化处理，将商品信息转化为商品向量，并将客户信息中的每个维度信息转化为对应的维度维度，检测维度向量与商品向量的相似度，其中相似度计算公式为常用的相似度计算公式，此处不再赘述，根据相似度结果设置对应的预设维度，即只有达到预设匹配阈值的维度向量所对应的维度才可以设定为预设维度。从而减少了一些不必要计算的维度向量，一方面使结果更加精确，另一方面也节省了计算的时间，使后续得到目标人群的速度更快。
92.在一个实施例中，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤s6之后，还包括：
93.s701：筛选符合各个预设维度的所述维度要求的目标人群；
94.s702：获取所述目标人群的各个待定客户所对应的预设维度；
95.s703：根据公式计算各个所述待定客户的得分值；其中，p为所述得分值，s
i
表示第i个预设维度的权重参数，x
i
表示所述商品第i个预设维度中维度要求的最大维度数值，y
i
表示所述待定客户第i个预设维度的维度数值，n表示预设维度的数量；
96.s704：按照所述得分值的大小顺序，选取预设个数的目标客户进行推广。
97.如上述步骤s701
‑
s704所述，实现了对指定推广数目的客户的精准筛选，即先筛选符合各个预设维度的所述维度要求的目标人群，然后获取所述目标人群的各个待定客户所对应的预设维度，预设维度是根据预设的对应关系转化而来，再根据公式计算各个待定客户的得分值，其中公式中s
i
表示第i个维度的权重参数，可以根据第i个维度与商品信息对应的相似度计算得到，也可以由相关人员事先进行设定，从而得到对应的得分值，而后，基于得分值从小到大选取得分值更高的目标客户进行推广，从而实现了在限定了推广人数的情况下，实现了对客户的择优选取。
98.在一个实施例中，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤s6，包括：
99.s601：检测所述目标人群中各个客户的购买信息；
100.s602：根据所述购买信息将所述目标人群中已购买所述商品的客户剔除，得到待推广人群；
101.s603：对所述待推广人群推广所述商品。
102.如上述步骤s601
‑
s603所述，实现了对目标人群中已推广人群的检测，避免给该人员重复发送信息，从而引起客户的不满，因此，可以通过检测所述目标人群中各个客户的购买信息，若其已经购买了该商品，则无需对其进行推广，将其从目标人群中剔除，对剩余部分的带推广人群进行推广，从而减少了不必要的推广，减少了已购买人群重复接收该商品信息的冗余，从而提高了用户接收信息的体验。
103.在一个实施例中，所述筛选符合各个预设维度的所述维度要求的目标人群的步骤s6之后，还包括：
104.s711：搜集所述商品的推广后的售卖信息；
105.s712：判断所述售卖信息是否达到了预设的售卖要求；
106.s713：若没有达到所述预设的售卖要求，则获取推广后的购买人群的信息；
107.s714：计算所述购买人群满足各个预设维度的所述维度要求的比例；
108.s715：判断所述比例是否小于预设比例值；
109.s716：若是，则重新选取人群进行推广。
110.如上述步骤s711
‑
s716所述，实现了对推广信息的转化率的检测。由于，购买商品的用户具有一定的偶然性，甚至已购买商品的用户数量较少，不能体现出该商品所对应的目标人群，因此，可以根据后续的售卖信息重新选取人群进行推广。具体地，即先获取售卖信息，即从服务器中可以获取到该商品的售卖情况，然后检测是否达到了售卖要求，当达到了售卖要求，则认为上述推广的人群为精准客群，若没有达到，则需要计算购买人群满足维度要求的比例，然后判断比例是否小于预设比例值，当大于或等于该预设比例值时，此时为选取的推广人群无误，出现的问题可能在于商品本身，或价格过高，性价比较低等因素，因此，若小于该预设比例值，则认为选取的推广人群有误，此时，可以重新选取人群进行推广，重新选取的方式可以是基于购买人群的维度信息，进行重新设定维度要求，也可以是其他方式，本技术对此不做限定。
111.参照图2，本发明还提供了一种基于人工智能的客户筛选装置，包括：
112.获取模块10，用于获取当前指定时间内购买所述商品的用户信息；
113.转化模块20，用于提取各所述用户信息中多个预设维度中对应的维度信息，并将各个所述维度信息按照预设的对应关系转化为维度数值；
114.提取模块30，用于按照各个维度将各所述用户信息的所述维度数值进行提取，得到每个预设维度对应的维度数值集合；
115.计算模块40，用于计算各所述维度数值集合的信息熵值；
116.设置模块50，用于根据各所述信息熵值设置对应预设维度的维度要求；
117.筛选模块60，用于筛选符合各个预设维度的所述维度要求的目标人群。
118.本发明的有益效果：获取当前指定时间内购买所述商品的用户信息，提取各所述用户信息中维度信息，并转化为预设维度对应的维度数值集合，根据维度数值集合的信息熵值，设置对应预设维度的维度要求，基于维度要求的筛选目标人群进行推广。从而可以实现基于商品精准选择客群，节省了宣传成本，给用户以更好的体验。
119.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种用户信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的基于人工智能的客户筛选方法。
120.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定。
121.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的基于人工智能的客户筛选方法。
122.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram一多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
123.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
124.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
125.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
126.区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及
应用服务层。
127.区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
128.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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权利要求范围之内。