埋点处理方法、装置、计算机设备及存储介质与流程

本技术涉及人工智能开发与金融科技领域，尤其涉及埋点处理方法、装置、计算机设备及存储介质。

背景技术：

1、在金融科技公司的业务管理中，通常需要对金融科技公司内部的坐席人员使用作业业务系统的状态进行分析，且当前一般是使用在坐席人员的浏览器端进行埋点的方式来进行相应的埋点数据获取。现有的对于坐席人员的埋点策略，通常是使用全部埋点的方式来进行埋点处理，即对所有坐席人员的全部链路均进行埋点。然而，这种全部埋点的方式需要大量的存储资源，处理效率低下，并且会带来大量的存储费用。

技术实现思路

1、本技术实施例的目的在于提出一种埋点处理方法、装置、计算机设备及存储介质，以解决现有的使用全部埋点的方式来进行埋点处理需要大量的存储资源，处理效率低下，并且会带来大量的存储费用的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种埋点处理方法，采用了如下所述的技术方案：

3、获取所有坐席人员中每个坐席人员的身份信息；

4、基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息；

5、基于预设的聚类算法对所述特征信息进行分析，并根据得到的分析结果对各个所述坐席人员进行分组处理，得到对应的多个目标分组；

6、基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员；其中，所述目标坐席人员包括各个所述目标分组中的至少一个坐席人员；

7、对所述目标坐席人员在业务系统中的行为数据进行埋点处理。

8、进一步的，所述基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员的步骤，具体包括：

9、获取指定分组的指定分类结果；其中，所述指定分组为所有所述目标分组中的任意一个分组；

10、获取所述指定分组内包含的各个坐席人员的坐席信息；

11、构建所述指定分组内包含的各个坐席人员的坐席信息与所述指定分类结果之间的映射关系；

12、将所述映射关系存储至预设的分类映射表内；

13、基于预设的随机策略从所述分类映射表内中筛选出与各种分类结果分别对应的至少一个指定坐席人员的指定坐席信息；

14、将与所述指定坐席信息对应的所述指定坐席人员作为所述目标坐席人员。

15、进一步的，所述基于预设的随机策略从所述分类映射表内中筛选出与各种分类结果分别对应的至少一个指定坐席人员的指定坐席信息的步骤，具体包括：

16、获取预设的多种随机算法；

17、从所有所述随机算法中确定出目标随机算法；

18、基于所述目标随机算法从所述分类映射表内中筛选出与各种分类结果分别对应的至少一个指定坐席人员的指定坐席信息。

19、进一步的，在所述基于预设的随机策略从所述分类映射表内中筛选出与各种分类结果分别对应的至少一个指定坐席人员的指定坐席信息的步骤之后，还包括：

20、获取所述指定坐席的指定坐席信息；

21、获取预设的初始数据表；

22、将所述指定坐席信息存储至所述初始数据表内，得到命中映射表；

23、存储所述命中映射表。

24、进一步的，在所述存储所述命中映射表的步骤之后，还包括：

25、获取当前时间；

26、判断当前时间是否符合预设的超时时间条件；

27、若是，基于所述目标随机算法对所述分类映射表进行坐席筛选处理，得到对应的特定坐席信息；

28、基于所述特定坐席信息对所述命中映射表进行数据更新。

29、进一步的，所述基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息的步骤，具体包括：

30、调用预设的信息数据库；

31、基于所述身份信息，从所述信息数据库中获取各个所述坐席人员的人员信息；

32、基于所述特征类型，从各个所述坐席人员的人员信息中筛选出与所述特征类型对应的特征信息。

33、进一步的，在所述对所述目标坐席人员在业务系统中的行为数据进行埋点处理的步骤之后，还包括：

34、获取各个所述目标坐席在所述业务系统中访问的目标业务链路；

35、确定所述目标业务链路的存储方式；

36、基于所述存储方式对所述目标业务链路进行存储。

37、为了解决上述技术问题，本技术实施例还提供一种埋点处理装置，采用了如下所述的技术方案：

38、第一获取模块，用于获取所有坐席人员中每个坐席人员的身份信息；

39、第二获取模块，用于基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息；

40、分析模块，用于基于预设的聚类算法对所述特征信息进行分析，并根据得到的分析结果对各个所述坐席人员进行分组处理，得到对应的多个目标分组；

41、选取模块，用于基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员；其中，所述目标坐席人员包括各个所述目标分组中的至少一个坐席人员；

42、处理模块，用于对所述目标坐席人员在业务系统中的行为数据进行埋点处理。

43、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：

44、获取所有坐席人员中每个坐席人员的身份信息；

45、基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息；

46、基于预设的聚类算法对所述特征信息进行分析，并根据得到的分析结果对各个所述坐席人员进行分组处理，得到对应的多个目标分组；

47、基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员；其中，所述目标坐席人员包括各个所述目标分组中的至少一个坐席人员；

48、对所述目标坐席人员在业务系统中的行为数据进行埋点处理。

49、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

50、获取所有坐席人员中每个坐席人员的身份信息；

51、基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息；

52、基于预设的聚类算法对所述特征信息进行分析，并根据得到的分析结果对各个所述坐席人员进行分组处理，得到对应的多个目标分组；

53、基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员；其中，所述目标坐席人员包括各个所述目标分组中的至少一个坐席人员；

54、对所述目标坐席人员在业务系统中的行为数据进行埋点处理。

55、与现有技术相比，本技术实施例主要有以下有益效果：

56、本技术实施例首先获取所有坐席人员中每个坐席人员的身份信息；然后基于所述身份信息以及预设的特征类型，获取各个所述坐席人员的特征信息；之后基于预设的聚类算法对所述特征信息进行分析，并根据得到的分析结果对各个所述坐席人员进行分组处理，得到对应的多个目标分组；后续基于预设的随机选取规则对各个所述目标分组中的坐席人员分别进行随机选取，得到对应的目标坐席人员；最后对所述目标坐席人员在业务系统中的行为数据进行埋点处理。本技术通过使用聚类算法对坐席人员的特征信息进行聚类分析，从而可以快速地完成对于所有坐席人员的分组，进而基于随机选取规则对分组中的坐席人员进行随机选取以确定出目标坐席人员，从而后续只需对目标坐席人员在业务系统中的行为数据进行埋点处理，便能够满足对业务系统进行埋点分析的诉求。通过本技术实施例能够有效地减少埋点抽样的样本数量，进而避免埋点数据占用过大的存储带来的投产不合理问题，提高了对于坐席人员的埋点处理的处理效率与智能性。另外，基于随机策略的使用有利于避免在坐席人员选择中存在幸存者偏差，并能够让选取的部分坐席数据能够体现整体坐席人员的情况，有效提高了目标坐席的确定智能性与选取随机性。