服务方案的确定方法及装置与流程

本说明书实施例涉及数据处理领域，具体地，涉及一种服务方案的确定方法及装置。

背景技术：

随着经济的发展和网络技术的进步，人们越来越频繁地通过终端使用多种客户端中提供的多项服务，以满足工作和生活中的各种需求。例如，可以使用支付宝中提供的“生活缴费”服务，以缴纳水费、电费和燃气费等。又例如，可以使用高德地图中的“导航服务”，以规划出行方式和出行路线等。

然而，目前客户端针对同一项服务通常只给出统一的一套服务方案，这无法满足不同用户针对同一项服务的不同需求。因此，需要一种合理、可靠的方法，可以为用户定制服务方案，进而满足不同用户的不同需求。

技术实现要素：

本说明书描述了一种服务方案的确定方法，通过预测用户针对客户端服务的诉求，进而给出适合该用户的服务方案。

根据第一方面的实施例，提供了一种服务方案的确定方法，所述方法的执行主体为服务端，所述方法包括：响应于当前用户对客户端服务中第一场景的触发，获取所述当前用户的用户特征；将所述用户特征输入分类模型中，预测所述当前用户所属的当前组别；其中所述分类模型基于多个用户的分组结果而预先训练，所述多个用户的分组结果基于与所述客户端服务相关的调查问卷的填写结果而确定；基于预先确定的组别与服务方案的映射关系，确定所述当前组别对应的当前服务方案。

在一个实施例中，在确定所述当前组别对应的当前服务方案之后，还包括：向客户端推送所述当前服务方案，以使所述客户端基于所述当前服务方案向所述当前用户展示相应的服务界面。

在一个实施例中，所述用户特征包括用户属性特征，和/或，针对所述客户端服务的交互特征；其中所述用户属性特征包括性别、年龄、职业、婚育状况、兴趣爱好中的至少一种，所述交互特征包括，点击次数、使用时长、使用地点、分享次数中的至少一种。

在一个实施例中，所述分类模型基于以下步骤而预先训练：获取所述多个用户的填写结果，以及获取所述多个用户中各个用户的用户特征；基于所述多个用户的填写结果，对所述多个用户进行分组；基于所述分组的结果和所述各个用户的用户特征，确定多个训练样本；其中各个训练样本包括各个用户的用户特征和样本标签，所述样本标签指示所述各个用户所属的组别；利用所述多个训练样本训练所述分类模型。

进一步地，在一个具体的实施例中，所述多个用户包括第一用户；获取所述多个用户的填写结果包括：响应于所述第一用户对所述客户端服务中第二场景的触发，向所述第一用户推送所述调查问卷；接收所述第一用户针对所述调查问卷的填写结果；将所述第一用户的填写结果作为多个用户的填写结果中的一部分。

在另一个具体的实施例中，所述调查问卷中包括多个选项，对所述多个用户进行分组包括：将所述多个用户中选择同一个选项的部分用户归为一组。

根据第二方面的实施例，提供了一种服务方案的确定装置，所述装置集成于服务端，所述装置包括：获取单元，配置为响应于当前用户对客户端服务中第一场景的触发，获取所述当前用户的用户特征；预测单元，配置为将所述用户特征输入分类模型中，预测所述当前用户所属的当前组别；其中所述分类模型基于多个用户的分组结果而预先训练，所述多个用户的分组结果基于与所述客户端服务相关的调查问卷的填写结果而确定；确定单元，配置为基于预先确定的组别与服务方案的映射关系，确定所述当前组别对应的当前服务方案。

在一个实施例中，还包括：推送单元，配置为向客户端推送所述当前服务方案，以使所述客户端基于所述当前服务方案向所述当前用户展示相应的服务界面。

在一个实施例中，所述用户特征包括用户属性特征，和/或，针对所述客户端服务的交互特征；其中所述用户属性特征包括性别、年龄、职业、婚育状况、兴趣爱好中的至少一种，所述交互特征包括，点击次数、使用时长、使用地点、分享次数中的至少一种。

在一个实施例中，所述分类模型基于以下步骤而预先训练：获取所述多个用户的填写结果，以及获取所述多个用户中各个用户的用户特征；基于所述多个用户的填写结果，对所述多个用户进行分组；基于所述分组的结果和所述各个用户的用户特征，确定多个训练样本；其中各个训练样本包括各个用户的用户特征和样本标签，所述样本标签指示所述各个用户所属的组别；利用所述多个训练样本训练所述分类模型。

进一步地，在一个具体的实施例中，所述多个用户包括第一用户；获取所述多个用户的填写结果包括：响应于所述第一用户对所述客户端服务中第二场景的触发，向所述第一用户推送所述调查问卷；接收所述第一用户针对所述调查问卷的填写结果；将所述第一用户的填写结果作为多个用户的填写结果中的一部分。

在另一个具体的实施例中，所述调查问卷中包括多个选项，对所述多个用户进行分组包括：将所述多个用户中选择同一个选项的部分用户归为一组。

根据第三方面的实施例，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

根据第四方面的实施例，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。

在本说明书实施例提供的服务方案的确定方法中，首先，响应于当前用户对客户端服务中第一场景的触发，获取当前用户的用户特征；接着，将用户特征输入分类模型中，预测当前用户所属的当前组别；然后，基于预先确定的组别与服务方案的映射关系，确定当前组别对应的当前服务方案。如此，可以实现服务方案的千人千面，满足不同用户的需求，进而提高用户体验。

附图说明

为了更清楚地说明本说明书披露的多个实施例的技术方案，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说明书披露的多个实施例，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它的附图。

图1示出根据一个实施例的服务方案确定方法的应用场景示意图；

图2示出根据一个实施例的服务方案确定方法流程图；

图3示出根据一个实施例的分类模型的训练方法流程图；

图4示出根据一个实施例的包括调查问卷的客户端界面示意图；

图5示出根据另一个实施例的包括调查问卷的客户端界面示意图；

图6示出根据一个实施例的客户端中服务界面的示意图；

图7示出根据一个实施例的服务方案确定装置结构图。

具体实施方式

下面结合附图，对本说明书披露的多个实施例进行描述。

本说明书实施例提供一种服务方案的确定方法，下面首先对所述方法的发明构思介绍，具体如下：

通常情况下，客户端中会提供一项或多项服务，此处对于服务的界定是比较灵活的。在一个实施例中，客户端中可以包括多个子app，相应可以认为每个子app对应提供一项服务。在一个例子中，支付宝客户端中包括“生活缴费”、“信用卡还款”等多个子app，对应提供“生活缴费服务”和“信用卡还款服务”等多项服务。在另一个实施例中，可以将客户端能够实现的多种功能等价于此处的多项服务。在一个例子中，客户端可以提供登录服务、支付服务和转账服务等。在另一个例子中，滴滴打车客户端可以提供“代驾服务”和“约车服务”等。需要说明的是，以下将“客户端中提供的某项服务”统称为客户端服务。

进一步地，用户在使用客户端服务的过程中，将产生多个服务场景。在一个具体的实施例中，用户在使用登录服务的过程中，可能产生以下服务场景：“自动登录成功”和“输入的登录信息错误”等。在另一个具体的实施例中，用户在使用“约车服务”的过程中，可能产生以下服务场景：“等待司机接单”、“用户取消约车”和“约车成功”等。

发明人发现，在某些服务场景中，存在用户流失过高、难以优化、交互异常等问题。例如，对于进入“生活缴费服务”的支付页面的多个用户，其中触发“用户未完成支付”场景的用户占比为50％，也就是说，在“生活缴费服务”的支付场景中，用户流失率高。此时，服务方迫切需要了解用户对这些服务场景的真实感受和意见，进而对相应的客户端服务进行调整或优化。

对此，发明人提出，可以通过投放调查问卷的方式，了解用户的真实想法。进一步地，根据收集上来的问卷，将给出相同答案的用户归为一组，并对每个组别中的用户进行特征提取，进而训练分类模型，通过此模型能够预测其他未填写问卷的用户所属的组别，也就是针对调查问卷给出的答案。此外，可以针对不同组别的用户定制不同的服务方案，以满足不同用户对于客户端服务的不同需求，使每个用户都能具有良好的用户体验。接下来，对本说明书实施例披露的服务方案的确定方法的应用场景进行介绍，具体如下：

如图1所示，用户可以通过终端，如手机、电脑等，使用客户端服务，响应于对客户端服务中某一场景(具体请参见下文中对场景的介绍)的触发，服务端获取此用户的用户特征，然后基于预先训练的分类模型，确定此用户所属的组别，再将预先定制的与此组别对应的服务方案推送给客户端。下面结合具体的实施例对上述步骤进行介绍。

图2示出根据一个实施例的服务方案确定方法流程图，所述方法的执行主体可以为具有处理能力的服务器、装置或系统，例如，图1中示出的服务端。如图2所示，该方法流程包括以下步骤：步骤s210，响应于当前用户对客户端服务中第一场景的触发，获取当前用户的用户特征；步骤s220，将用户特征输入分类模型中，预测当前用户所属的当前组别；步骤s230，基于预先确定的组别与服务方案的映射关系，确定当前组别对应的当前服务方案。以上步骤具体如下：

首先，在步骤s210，响应于当前用户对客户端服务中第一场景的触发，获取当前用户的用户特征。

上文中提到，用户在使用客户端服务的过程中，将产生多个服务场景。此处的第一场景是多个服务场景中的一种，具体可以由工作人员根据实际情况而预先设定。在一个具体实施例中，客户端服务为客户端登录服务，相应地，第一场景可以被设定为“进入客户端登录界面”。相应地，第一场景可以由当前用户对客户端的打开操作而触发。在一个例子中，其中打开操作可以包括：对终端中客户端图标的点击操作，或者，在终端中输入与“打开客户端”对应的声控指令。在另一个具体的实施例中，客户端服务为生活缴费服务，相应地，第一场景可以被设定为“进入生活缴费服务中的支付界面”。相应地，第一场景可以由当前用户对支付界面的打开操作而触发。

响应于当前用户对以上预先设定的第一场景的触发，可以获取当前用户的用户特征。在一个实施例中，其中用户特征包括用户属性特征。相应地，获取用户特征可以包括：获取当前用户的个人资料或身份信息等，并从中提取用户属性特征。在一个具体的实施例中，可以获取用户注册客户端时填写的资料。在一个具体的实施例中，提取的用户属性特征可以包括：性别、年龄、职业、婚育状况、兴趣爱好等。在另一个实施例中，其中用户特征包括用户针对客户端服务的交互特征。相应地，获取用户特征可以包括：获取当前用户针对客户端服务的历史行为数据,并从中提取交互特征。在一个具体的实施例中，提取的交互特征可以包括点击次数、使用时长、使用地点、分享次数等。另一方面，在一个实施例中，还可以直接从用户特征库中获取当前用户的用户特征。在一个具体的实施例中，可以预先确定多个客户端用户的用户特征，并将其存储在用户特征库中。如此，一方面可以加快获取当前用户的用户特征的进程，另一方面可以避免重复计算，进而节约计算资源。

以上，可以获取当前用户的用户特征。接着，在步骤s220，将用户特征输入分类模型中，预测当前用户所属的当前组别。

下面首先对其中分类模型的训练过程进行介绍。如图3所示，分类模型可以基于以下步骤预先训练：步骤s31，获取多个用户针对调查问卷的填写结果，以及获取所述多个用户中各个用户的用户特征；步骤s32，基于多个用户的填写结果，对多个用户进行分组；步骤s33，基于分组的结果和各个用户的用户特征，确定多个训练样本；步骤s34，利用多个训练样本训练分类模型。具体如下：

首先，在步骤s31，获取多个用户针对调查问卷的填写结果，以及获取其中各个用户的用户特征。

如前所述，在某些服务场景中，存在用户流失过高、难以优化等问题。对此，服务方迫切地想要了解这些问题产生的原因。相应地，服务方可以针对这些问题场景设计调查问卷。对于调查问卷的设计，在一个实施例中，一份调查问卷可以针对客户端服务中的一个或多个问题场景。在另一个实施例中，调查问卷可以包括一个或多个问题。在一个具体的实施例中，针对其中的各个问题，可以设置供用户选择的多个选项或供用户输入自定义内容的输入框。

进一步地，对于调查问卷的投放，在一个实施例中，可以随机向客户端中的部分用户投放这些调查问卷。在另一个实施例中，可以在预定时刻向触发过问题场景的用户统一发放调查问卷。在又一个实施例中，可以响应于用户对第二场景的触发，向此用户发放调查问卷。需要说明的是，第二场景和前述的问题场景、第一场景都是同一客户端服务下的场景，此三者之间的任意两者可以相同，也可以不相同，具体可以由工作人员根据实际情况进行设定。如此，对处于第二场景中的用户发放调查问卷，可以得到更加即时、有效、真实的用户反馈。

根据一个具体的实施例，服务方发现在“生活缴费服务”的“支付场景”(问题场景)中，用户流失过高。相应地，可以设计针对“支付场景”的调查问卷。在一个例子中，调查问卷如图4所示，其中包括问题“请问您希望生活缴费服务进行以下哪方面的改进呢？”，以及固定选项：“a.希望可以查询历史缴费记录”、“b.希望可以推送缴费提醒通知”、“c.希望可以推送缴费到账通知”和自定义输入栏。进一步地，可以在某一时刻向进入过支付场景的用户统一发放调查问卷。

根据另一个具体的实施例，服务方发现在“客户端登录服务”的“登录场景”(问题场景)中，存在部分用户进入登录界面之后，不进行操作的问题。相应地，可以设计针对“登录场景”的调查问卷。在一个例子中，调查问卷如图5所示，其中包括问题“检测到您在登录界面停留已久，请问您是否遇到以下问题？”，以及固定选项：“a.不知道如何使用”、“b.担心不安全”和“c.不了解此应用”。进一步地，可以响应于用户对第二场景的触发，向用于投放调查问卷。在一个例子中，可以将第二场景设定为“进入登录界面后，客户端在10s内未收到任何指令”。

以上，可以设计并投放调查问卷，进而采集多个用户针对调查问卷的填写结果。在一个实施例中，调查问卷中包括一个问题，以及针对该问题的多个固定选项。相应地，某个用户针对该问卷的填写结果中可以包括其所选择的至少一个选项。在另一个实施例中，调查问卷中包括一个问题，以及针对该问题的输入框。相应地，针对该问卷的填写结果中可以包括用户在输入框中输入的文本内容。在一个例子中，针对图5中示出的调查问卷，获取的填写结果包括：用户对“其他”项的选择，以及自定义内容“页面发生卡顿”。

另一方面，可以获取所述多个用户中各个用户的用户特征。需要说明的是，对用户特征的获取可以参见上文中的相关描述，在此不作赘述。

以上，可以获取多个用户的填写结果和用户特征。接着，在步骤s32，基于多个用户的填写结果，对多个用户进行分组。

在一个实施例中，基于多个用户的填写结果和预定的分组规则，对多个用户进行分组。需要说明的是，其中预定的分组规则可以基于调查问卷的内容而设定。在一个具体的实施例中，假定调查问卷中包括一个问题，以及针对该问题的多个固定选项，且预定的分组规则为，将多个用户中选择有同一选项的用户归为一组，如此，基于多个用户针对多个固定选项的选择结果，可以将多个用户分为与多个固定选项对应的多个组别。在另一个具体的实施例中，假定调查问卷中包括一个问题，以及针对该问题的输入框，且预定的分组规则为，将多个用户中意图一致的用户归为一组，如此，可以先对多个用户输入的文本进行聚类处理，基于得到的多个类簇，一方面可以由工作人员确定其中各个类簇对应的用户意图，另一方面可以将填写结果位于同一类簇的用户归为一组。在又一个具体的实施例中，假定调查问卷中包括多个问题，以及针对其中各个问题的多个固定选项，且预定的分组规则为，将多个用户中填写结果完全一致的用户归为一组。

根据一个具体的例子，针对图5示出的调查问卷，首先，获取填写结果中选择“其他”项所对应的多个文本内容，并对此多个文本内容进行聚类，假定得到两个类簇，并且工作人员将此两个类簇对应的问题分别确定为“页面卡顿”和“忘记登录账号”。由此，基于三个固定选项以及此处确定的两个问题，可以基于多个用户对其中固定选项的选择或者在“其他”项下输入的文本，将其分到对应的用户组别中，进而得到5个用户组。

以上，可以对多个用户进行分组，也就是确定其中各个用户的组别。然后，在步骤s33，基于分组的结果和多个用户中各个用户的用户特征，可以确定多个训练样本。

可以理解的是，训练样本包括样本特征和样本标签。相应地，在一个实施例中，可以将每个用户的用户特征作为样本特征，基于该用户的组别确定对应的样本标签，进而构建训练样本。由此，可以确定出与多个用户对应的多个训练样本。

以上，在确定出多个训练样本以后，接着在步骤s34中，利用多个训练样本训练分类模型。由此，基于以上步骤s31-步骤s34，可以完成对分类模型的训练。

进一步地，将当前用户的用户特征输入以上预先训练出的分类模型中，可以预测出当前用户所属的当前组别。

以上，在确定出当前用户的当前组别以后，接着在步骤s230，基于预先确定的组别与服务方案的映射关系，确定当前组别对应的当前服务方案。

下面首先对其中映射关系的建立进行介绍。由上文可知，调查问卷的设计和投放用于确定用户针对问题场景的真实感受和需求，而组别的划分可以体现不同用户的不同需求。如此，在了解用户的多种需求以后，可以针对其中的各种需求设计对应的服务方案，从而向属于各个组别的用户分别提供对应的服务方案，做到千人前面，进而提高用户体验。

在一个例子中，针对图5示出的调查问卷，对于选项“不知道如何使用”所对应的用户组别，设计的服务方案可以为“在登录界面中显示操作的指引信息”，对于选项“担心不安全”所对应的用户组别，设计的服务方案可以为“在登录界面中显示安全宣传内容”，对于选项“不了解此应用”所对应的用户组别，设计的服务方案可以为“在登录界面中显示客户端介绍信息”，等等。由此，可以建立起组别与服务方案的映射关系。

进一步地，基于上文中建立的映射关系，可以确定当前组别对应的当前服务方案。

需要说明的是，在步骤s230以后，还可以包括：向客户端推送当前服务方案，以使客户端基于当前服务方案向当前用户展示相应的服务界面。

在一个例子中，推送的当前服务方案为“在登录界面中显示客户端介绍信息”，相应地，客户端中展示的服务界面可以如图6所示。如此，在登录界面显示客户端介绍信息，可以辅助用户确定是否对此客户端进行注册、使用。

综上可知，采用本说明书实施例提供的服务方案确定方法，首先，响应于当前用户对客户端服务中第一场景的触发，获取当前用户的用户特征；接着，将用户特征输入分类模型中，预测当前用户所属的当前组别；然后，基于预先确定的组别与服务方案的映射关系，确定当前组别对应的当前服务方案。如此，可以实现服务方案的千人千面，满足不同用户的需求，进而提高用户体验。

根据另一方面的实施例，还提供一种服务方案确定装置，所述装置集成于服务端。图7示出根据一个实施例的服务方案确定装置结构图，如图6所示，所述装置包括：

获取单元710，配置为响应于当前用户对客户端服务中第一场景的触发，获取所述当前用户的用户特征。

预测单元720，配置为将所述用户特征输入分类模型中，预测所述当前用户所属的当前组别；其中所述分类模型基于多个用户的分组结果而预先训练，所述多个用户的分组结果基于与所述客户端服务相关的调查问卷的填写结果而确定。

确定单元730，配置为基于预先确定的组别与服务方案的映射关系，确定所述当前组别对应的当前服务方案。

在一个实施例中，还包括：推送单元740，配置为向客户端推送所述当前服务方案，以使所述客户端基于所述当前服务方案向所述当前用户展示相应的服务界面。

在一个实施例中，所述用户特征包括用户属性特征，和/或，针对所述客户端服务的交互特征；其中所述用户属性特征包括性别、年龄、职业、婚育状况、兴趣爱好中的至少一种，所述交互特征包括，点击次数、使用时长、使用地点、分享次数中的至少一种。

在一个实施例中，所述分类模型基于以下步骤而预先训练：获取所述多个用户的填写结果，以及获取所述多个用户中各个用户的用户特征；基于所述多个用户的填写结果，对所述多个用户进行分组；基于所述分组的结果和所述各个用户的用户特征，确定多个训练样本；其中各个训练样本包括各个用户的用户特征和样本标签，所述样本标签指示所述各个用户所属的组别；利用所述多个训练样本训练所述分类模型。

进一步地，在一个具体的实施例中，所述多个用户包括第一用户；获取所述多个用户的填写结果包括：响应于所述第一用户对所述客户端服务中第二场景的触发，向所述第一用户推送所述调查问卷；接收所述第一用户针对所述调查问卷的填写结果；将所述第一用户的填写结果作为多个用户的填写结果中的一部分。

在另一个具体的实施例中，所述调查问卷中包括多个选项，对所述多个用户进行分组包括：将所述多个用户中选择同一个选项的部分用户归为一组。

综上可知，采用本说明书实施例提供的服务方案确定装置，获取单元响应于当前用户对客户端服务中第一场景的触发，获取当前用户的用户特征；预测单元将用户特征输入分类模型中，预测当前用户所属的当前组别；确定单元基于预先确定的组别与服务方案的映射关系，确定当前组别对应的当前服务方案。如此，可以实现服务方案的千人千面，满足不同用户的需求，进而提高用户体验。

如上，根据再一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2或图3所描述的方法。

根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2或图3所描述的方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本说明书披露的多个实施例的具体实施方式而已，并不用于限定本说明书披露的多个实施例的保护范围，凡在本说明书披露的多个实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书披露的多个实施例的保护范围之内。