产品推荐方法、装置、设备及存储介质与流程

本发明涉及人工智能，尤其涉及一种产品推荐方法、装置、设备及存储介质。

背景技术：

1、目前，在企业与客户接触的过程中，客服不仅仅起着服务客户、帮助客户解决问题的职能，还承担着发现潜在商机、及时识别舆情、挖掘客户声音的关键作用。随着业务的扩展，产品种类越来越多，业务规则也日渐复杂，在此情况下，客服就需要具备能够在海量信息中快速为客户推荐合适产品的能力。

2、然而，目前客服都是采用单屏作业模式的坐席作业辅助产品，在单屏作业模式下，客服服务客户时需要进行多层功能的翻找及界面的切换，操作路线冗长，导致响应客户需求的效率低下。此外，由于目前客服在作业时，缺少基于金融技术领域的客户数据，导致无法精准为客户推荐合适的产品。

技术实现思路

1、鉴于以上内容，有必要提供一种产品推荐方法、装置、设备及存储介质，能够解决如何高效并精准为客户推荐合适产品的技术问题。

2、一方面，本发明提出一种产品推荐方法，应用于电子设备，所述电子设备包括第一设备界面及第二设备界面，所述产品推荐方法包括：

3、当所述第一设备界面接收到产品推荐请求时，根据所述产品推荐请求获取待推荐客户的客户信息、请求业务场景、客户来电标识及语音信息；

4、从所述第二设备界面中获取历史客户对历史推荐信息的指标结果；

5、根据所述指标结果对获取到的初始需求预测模型进行调整，得到目标需求预测模型，并对获取到的初始产品推荐模型进行调整，得到目标产品推荐模型；

6、根据所述请求业务场景从所述目标需求预测模型中筛选出场景网络层；

7、基于所述场景网络层对所述客户信息进行预测，得到所述待推荐用户在所述请求业务场景上的目标需求；

8、根据所述语音信息识别出所述待推荐客户的情绪信息及语音文本；

9、根据所述目标产品推荐模型对所述目标需求、所述客户来电标识、所述情绪信息及所述语音文本进行处理，生成所述待推荐客户的推荐产品。

10、根据本发明优选实施例，所述指标结果包括案例信息及推荐排名结果，所述案例信息包括基础信息、案例需求及案例产品，所述根据所述指标结果对获取到的初始需求预测模型进行调整，得到目标需求预测模型，并对获取到的初始产品推荐模型进行调整，得到目标产品推荐模型包括：

11、若所述推荐排名结果大于预设排名结果，则基于所述初始需求预测模型对所述基础信息进行预测，得到预测需求；

12、若所述预测需求与所述案例需求相同，则基于所述初始产品推荐模型对所述基础信息及所述案例需求进行分析，得到预测产品；

13、根据所述预测产品及所述案例产品，调整所述初始产品推荐模型，得到所述目标产品推荐模型；或者

14、若所述预测需求与所述案例需求不同，则根据所述预测需求及所述案例需求，调整所述初始需求预测模型，得到所述目标需求预测模型。

15、根据本发明优选实施例，所述根据所述产品推荐请求获取待推荐客户的客户信息、请求业务场景、客户来电标识及语音信息包括：

16、解析所述产品推荐请求的请求报文，得到所述请求报文携带的数据信息；

17、从所述数据信息中提取所述待推荐客户的客户识别码及请求标识；

18、从预设授权信息库中获取与所述客户识别码对应的信息作为所述客户信息；

19、根据所述请求标识获取对应的所述客户来电标识；

20、获取所述产品推荐请求的生成时刻；

21、根据所述生成时刻及预设时段生成目标时刻；

22、从与所述第一设备界面相通信的语音通道中获取与所述目标时刻对应的信息作为所述语音信息；

23、将所述语音信息与预设场景匹配，并将与所述语音信息匹配成功的预设场景确定为所述请求业务场景。

24、根据本发明优选实施例，所述目标需求预测模型包括信息分析网络层及需求分类网络层，所述需求分类网络层中包括与多个所述预设场景对应的场景分类层，所述根据所述请求业务场景从所述目标需求预测模型中筛选出场景网络层包括：

25、将与所述请求业务场景匹配成功的预设场景所对应的场景分类层确定为目标分类层；

26、根据所述信息分析网络层及所述目标分类层生成所述场景网络层。

27、根据本发明优选实施例，所述信息分析网络层包括信息提取网络及类型识别网络，所述客户信息包括所述待推荐客户的历史购买产品，所述基于所述场景网络层对所述客户信息进行预测，得到所述待推荐用户在所述请求业务场景上的目标需求包括：

28、基于所述信息提取网络，从所述客户信息中提取所述待推荐客户的关键信息；

29、基于所述类型识别网络对所述历史购买产品进行识别，得到产品类型；

30、基于所述目标分类层所对应的向量映射表对所述关键信息及所述产品类型进行向量编码，得到输入向量；

31、基于所述目标分类层对所述输入向量进行分类处理，得到所述目标需求。

32、根据本发明优选实施例，所述根据所述语音信息识别出所述待推荐客户的情绪信息及语音文本包括：

33、从所述语音信息中提取语调信息及语气信息；

34、根据所述语调信息及所述语气信息，从预设情绪中匹配出所述情绪信息；

35、对所述语音信息进行文本翻译，得到所述语音文本。

36、根据本发明优选实施例，所述目标产品推荐模型包括语义分析网络、反馈识别网络及需求产品列表，所述根据所述目标产品推荐模型对所述目标需求、所述客户来电标识、所述情绪信息及所述语音文本进行处理，生成所述待推荐客户的推荐产品包括：

37、基于所述语义分析网络对所述语音文本进行分析，得到语义文本；

38、从所述语音文本中提取情绪词汇；

39、对所述客户来电标识、所述情绪信息、所述语义文本及所述情绪词汇进行向量编码，得到文本编码；

40、基于所述反馈识别网络对所述文本编码进行文本识别，得到所述待推荐客户对所述目标需求的反馈结果；

41、若所述反馈结果为正向结果，则从所述需求产品列表中获取与所述目标需求对应的产品作为所述推荐产品。

42、另一方面，本发明还提出一种产品推荐装置，运行于电子设备，所述电子设备包括第一设备界面及第二设备界面，所述产品推荐装置包括：

43、获取单元，用于当所述第一设备界面接收到产品推荐请求时，根据所述产品推荐请求获取待推荐客户的客户信息、请求业务场景、客户来电标识及语音信息；

44、所述获取单元，还用于从所述第二设备界面中获取历史客户对历史推荐信息的指标结果；

45、调整单元，用于根据所述指标结果对获取到的初始需求预测模型进行调整，得到目标需求预测模型，并对获取到的初始产品推荐模型进行调整，得到目标产品推荐模型；

46、筛选单元，用于根据所述请求业务场景从所述目标需求预测模型中筛选出场景网络层；

47、预测单元，用于基于所述场景网络层对所述客户信息进行预测，得到所述待推荐用户在所述请求业务场景上的目标需求；

48、识别单元，用于根据所述语音信息识别出所述待推荐客户的情绪信息及语音文本；

49、生成单元，用于根据所述目标产品推荐模型对所述目标需求、所述客户来电标识、所述情绪信息及所述语音文本进行处理，生成所述待推荐客户的推荐产品。

50、另一方面，本发明还提出一种电子设备，所述电子设备包括：

51、存储器，存储计算机可读指令；及

52、处理器，执行所述存储器中存储的计算机可读指令以实现所述产品推荐方法。

53、另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述产品推荐方法。

54、由以上技术方案可以看出，本技术通过所述电子设备的第一设备界面及第二设备界面，能够采用双拼模式辅助客服操作，由于能够从所述第一设备界面及所述第二设备界面中直接获取到所述待推荐客户的相关信息及所述指标结果，而无需从折叠界面中翻找信息，因此能够提高信息的获取效率，从而提高所述推荐产品的生成效率。本技术通过所述指标结果对所述初始需求预测模型及所述初始产品推荐模型进行调整，能够结合事后流程对所述初始需求预测模型及所述初始产品推荐模型进行调整，提高了所述目标需求预测模型及所述目标产品推荐模型的准确性。此外，本技术还通过所述请求业务场景筛选出所述场景网络层，基于所述场景网络层能够准确的生成所述待推荐客户在所述请求业务场景上的目标需求，进而结合所述客户来电标识、所述情绪信息及所述语音文本进行处理，提高了所述推荐产品的准确性，通过所述推荐产品能够生成合理的目标话术，进而业务客服通过所述目标话术能够提高客户体验。