一种智能留学服务平台的制作方法

本发明涉及一种信息技术系统，特别是一种智能化的海外留学服务平台。

背景技术：

当前，海外留学服务平台种类繁多，这些服务平台的目的在于主要解决用户服务对接和院校匹配申请等主要问题，如图1所示，现有传统技术方案主要是分为三部分：用户库、院校库以及处理平台。其中业务处理的核心平台主要是基于常规的工具系统(报表、搜索查找)来进行构建。然而，现有的留学服务平台缺乏自动化审核和智能客服处理机制，导致匹配效率和准确性不高，不能精准匹配用户与院校，而且处理方式千人一面，不能根据用户特性和实际需求进行个性化定制和个性化推荐。

技术实现要素：

针对现有技术中存在的上述问题，本发明提出了一种基于留学服务的智能化系统。

本发明公开的具体方案为：

一种智能留学服务平台，所述智能化系统包括用户库、处理平台和院校库，所述处理平台作为用户库和院校库的纽带，所述处理平台包括智能客服系统模块、用户画像模块、个性化推荐模块，其特征在于，

所述智能客服系统模块包括全渠道的用户界面、交互平台；

所述用户画像模块包括基础数据收集模块、行为建模模块、以及构建画像模块；

所述个性化推荐模块包括收集用户信息的行为记录模块、分析用户喜好的模型分析模块和推荐算法模块。

进一步地，所述智能客服系统模块包括自然语言理解技术在内的智能人机交互技术，能够识别并理解用户以文字或语音形式提出的问题，通过语义分析理解用户意图，并以人性化的方式与用户沟通，向用户提供信息咨询等相关服务，该系统平台适用于多种用户服务场景。

进一步地，所述智能客服系统模块中的用户界面包括网站、app、或第三方接入。

进一步地，所述智能客服系统模块中的交互平台包括机器人、人工客服、业务人员、或管理人员。

进一步地，所述用户画像模块中的基础数据收集模块主要用于收集网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据；基于所述基础数据收集模块收集的数据，所述行为建模进行文本挖掘、自然语言处理、机器学习、预测算法、聚类算法等；基于所述行为建模，所述构建画像模块构建基本属性、购买能力、行为特征、兴趣爱好、心理特征、社交网络。

进一步地，所述个性化推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。

本发明与现有技术相比具有以下优点：

1)用户申请材料审核实现规范化、流程化和自动化，大幅提升处理效率。

2)本发明具有智能客服系统平台，对于外部咨询问题，智能机器人基于知识库业务系统进行交互式自动应答，无法解决的问题智能转人工坐席解答，专业问题流转工单延时回复。

3)基于用户画像和个性化推荐系统做到千人千面，根据用户特性和实际情况进行个性化定制、个性化推荐匹配。

附图说明

图1是现有技术中留学服务平台的示意图。

图2是本发明留学智能服务平台的示意图。

图3是本发明留学智能服务平台中智能客服系统模块的示意图。

图4是本发明留学智能服务平台中用户画像构建流程图。

图5是本发明留学智能服务平台中个性化推荐模块的示意图。

具体实施方式

下面结合附图对本发明公开的智能留学服务平台的具体实施方式做详细说明，而非用以限制本发明的范围。

如图2所示，所述留学智能服务平台集成了用户库、处理平台和院校库，所述处理平台作为用户库和院校库的纽带，即旨在为用户提供最匹配、最优质的院校。所述处理平台包括智能客服系统模块、用户画像模块、个性化推荐模块等核心模块。

如图3所示，所述智能客服系统模块一种能够使用自然语言与用户进行交流的人工智能信息系统，所述智能客服系统模块包括全渠道的用户界面，如网站、app、或第三方接入等，所述智能客服系统模块还包括交互平台，所述交互平台包括机器人、人工客服、业务人员、管理人员等分层级的交互平台，应用包括自然语言理解技术在内的智能人机交互技术，能够识别并理解用户以文字或语音形式提出的问题，通过语义分析理解用户意图，并以人性化的方式与用户沟通，向用户提供信息咨询等相关服务。该系统平台适用于多种用户服务场景，提供用户服务咨询、业务查询办理、产品营销推广等功能，为用户带来全新的沟通体验。所述智能化系统可替代人工客服完成大量的重复性的日常工作，为用户解答常见问题，大幅降低现有用户服务人员的劳动强度，削减企业用工成本。所述智能化系统能无缝集成到企业的信息系统中，特别是与现有的人工客服座席系统融合，代替或辅助座席代表完成数据查询、订单处理、业务办理等操作，拓展及丰富企业的对外服务渠道，提供更快捷的用户服务响应能力。所述智能化系统可以全天候不间断地提供一对多应答服务，可以不受人的情绪、疲劳程度、工作环境等外部因素影响，能够保障服务质量和服务水平的一致性和可控性。

如图4所示，所述用户画像模块的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。

所述用户画像模块包括基础数据收集模块、行为建模模块、以及构建画像模块，所述基础数据收集模块主要用于收集网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据。基于所述基础数据收集模块收集的数据，所述行为建模进行具体的建模，具体包括文本挖掘、自然语言处理、机器学习、预测算法、聚类算法等。基于所述行为建模，所述构建画像模块进行画像的构建，具体包括基本属性、购买能力、行为特征、兴趣爱好、心理特征、社交网络等。

所述用户画像模块的主要作用包含如下四个方面：

1、精准营销

分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销

2、数据挖掘

构建智能推荐系统，利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌，利用聚类算法分析，喜欢红酒的人年龄段分布情况。

3、个性化服务

即个性化的服务某类群体甚至每一位用户

4、数据分析

数据量大了之后，对于平台来说，如何去有效地定义用户，高效地对用户进行描述就成了一个问题。然后大家发现，打标签是最有效的方式，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：来自一、二、三线城市的用户分别有多少？喜欢篮球的有多少？单身有多少？有了这些标签，就可以做一些基本的数据分析。

基于用户画像模块所描绘出的画像，即可开展个性化推荐工作。所述个性化推荐系统主要包括3部分：收集用户信息的行为记录模块、分析用户喜好的模型分析模块和推荐算法模块。其中，所述推荐算法模块是推荐系统中最为核心的部分。个性化推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。具体参照如图5所示。

以上所述仅为本发明的优选实施例而已，在上述说明书的描述中提到的数值及数值范围并不用于限制本发明，只是为本发明提供优选的实施方式，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保护范围之内。