基于数据挖掘的服务推荐方法及系统与流程

本发明涉及数据分析技术领域，尤其涉及一种基于数据挖掘的服务推荐方法及系统。

背景技术：

现有的客服系统大多分为人工服务和语音自助服务，而语音自助服务通常需要客户在电话中多次操作多级客服菜单，其操作复杂，耗时冗长，因此，一般最后都转向人工服务，从而使得人工服务经常需要排队等待。这种以人工服务为主，以自助语音服务为辅的操作模式导致系统服务效率低，人工成本高，而客户得到需要的服务更要消耗大量的时间。

技术实现要素：

本发明的目的在于提供一种基于数据挖掘的服务推荐方法及系统，用以解决现有技术中客服系统服务效率低的问题。

为了实现上述目的，本发明的第一个方面是提供一种基于数据挖掘的服务推荐方法，包括如下步骤：

获取客户来电信息，客户来电信息包括客户的电话号码；

根据客户的电话号码确定客户的类型；

根据客户的类型提取相应的客户数据；

根据客户数据进行数据挖掘，生成服务推荐菜单。

进一步的，在获取客户来电信息之前还包括建立用户数据库，用户数据库中包括客户的电话号码、与客户的电话号码对应的客户的类型、客户数据。

进一步的，根据客户的电话号码确定客户的类型的操作具体包括：

根据客户的电话号码在用户数据库中查询，确定客户的类型为新客户、已接触客户或已投保客户。

进一步的，根据所述客户数据进行数据挖掘，形成服务推荐菜单的操作具体包括：

将客户数据进行文本处理，以形成文本数据；

对文本数据进行数据清洗处理；

通过结巴分词工具对清洗后的数据进行分词处理；

采用词频-逆向文件频率算法(term frequency–inverse document frequency,简称TFIDF)对分词处理后的数据进行数值转换，以获取文本数据对应的数值样本；

通过K均值聚类算法对数值样本进行聚类以获取聚类结果；

对聚类结果进行聚类分析以生成服务推荐菜单。

进一步的，客户数据包括客户行为数据以及通话语音数据。

本发明的另一个方面是提供一种基于数据挖掘的服务推荐系统，包括：

客户来电信息获取模块，用于获取客户来电信息，客户来电信息包括客户的电话号码；

客户类型确定模块，用于根据客户的电话号码确定客户的类型；

客户数据提取模块，用于根据客户的类型提取相应的客户数据；

数据挖掘模块，用于根据客户数据进行数据挖掘，生成服务推荐菜单。

进一步的，还包括用户数据库模块，用于存储客户的电话号码、与客户的电话号码对应的客户的类型、客户数据。

进一步的，数据挖掘模块包括：

文本处理单元，用于将客户数据进行文本处理，以形成文本数据；

数据清洗单元，用于对文本数据进行数据清洗处理；

分词处理单元，用于通过结巴分词工具对清洗后的数据进行分词处理；

数据转换单元，用于采用TFIDF算法对分词处理后的数据进行数值转换，以获取文本数据对应的数值样本；

聚类单元，用于通过K均值聚类算法对数值样本进行聚类以获取聚类结果；

服务推荐菜单生成单元，用于对聚类结果进行聚类分析以生成服务推荐菜单。

采用上述本发明技术方案的有益效果是：通过获取客户来电信息，并对客户来电信息进行系统的挖掘分析处理，最终生成客户感兴趣的服务推荐菜单，从而减少客服流程，提高系统工作效率，同时简化客户的操作流程，节约客户时间，降低人工客服工作量，改善客户的客服体验。

附图说明

图1为本发明基于数据挖掘的服务推荐系统的结构示意图；

图2为图1中数据挖掘模块的结构示意图；

图3为本发明基于数据挖掘的服务推荐方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

本发明实施例公开了一种基于数据挖掘的服务推荐系统，如图1所示，该系统包括：客户来电信息获取模块100、客户类型确定模块200、客户数据提取模块300以及数据挖掘模块400，其中，

客户来电信息获取模块，用于获取客户来电信息，客户来电信息包括客户的电话号码；

客户类型确定模块，用于根据客户的电话号码确定客户的类型；

客户数据提取模块，用于根据客户的类型提取相应的客户数据；

数据挖掘模块，用于根据客户数据进行数据挖掘，生成服务推荐菜单。

在本发明又一实施例中，该系统还可以包括用户数据库模块500，用于存储客户的电话号码、与客户的电话号码对应的客户的类型、客户数据等。

具体的，如图2所示，在本发明上述实施例中，数据挖掘模块400还可以包括文本处理单元401、数据清洗单元402、分词处理单元403、数据转换单元404、聚类单元405以及服务推荐菜单生成单元406，其中，

文本处理单元，用于将客户数据进行文本处理，以形成文本数据；

数据清洗单元，用于对文本数据进行数据清洗处理；

分词处理单元，用于通过结巴分词工具对清洗后的数据进行分词处理；

数据转换单元，用于采用TFIDF算法对分词处理后的数据进行数值转换，以获取文本数据对应的数值样本；

聚类单元，用于通过K均值聚类算法对数值样本进行聚类以获取聚类结果；

服务推荐菜单生成单元，用于对聚类结果进行聚类分析以生成服务推荐菜单。

本发明实施例通过客户来电信息获取模块获取客户来电信息，并通过数据挖掘模块对客户来电信息进行系统的挖掘分析处理，最终生成客户感兴趣的服务推荐菜单，从而减少客服流程，提高系统工作效率，同时简化客户的操作流程，节约客户时间，降低人工客服工作量，改善客户的客服体验。

本发明实施例还公开了一种基于数据挖掘的服务推荐方法，如图3所示，该方法可以包括如下步骤：

步骤S301，获取客户来电信息，客户来电信息包括客户的电话号码；

步骤S302，根据客户的电话号码确定客户的类型；

步骤S303，根据客户的类型提取相应的客户数据；

步骤S304，根据客户数据进行数据挖掘，生成服务推荐菜单。

在本实施例中，基于数据挖掘的服务推荐系统接入客户来电信息，客户来电信息获取模块则获取客户来电信息，具体的，客户来电信息包括客户的电话号码。系统根据客户的电话号码，从预先建立的用户数据库模块中通过客户数据提取模块调取客户信息，在本实施例中，用户数据库模块中存储了客户的电话号码、与客户的电话号码对应的客户的类型、客户数据等。从而可以根据调取的客户信息确定客户的类型是新客户、已接触客户还是已投保客户，具体的，由客户类型确定模块确定客户的类型，并通过数据挖掘模块进一步将调取的客户数据进行数据挖掘处理。

具体的，在本实施例中，通过文本处理单元对客户数据如客户行为数据、通话语音数据等进行文本处理，以形成文本数据；然后通过数据清洗单元，对文本数据进行数据清洗处理，从而将原数据中可能存在错误、遗漏、标点等无用的信息去除；然后对清洗之后的文本数据采用分词处理单元进行分词，即将大段的文本分为大量单个的词汇，主要选用比较常用的结巴分词工具。分词之后的文本数据，需要转换为一个个聚类算法可以处理的数值向量，因此，可以通过数据转换单元采用TFIDF算法对分词处理后数据进行数值转换，从而转换为一个个数值样本。

并采用聚类单元对这些可用的数值样本进行聚类，本实施例中可以采用K均值聚类算法。该算法选取初始的聚类个数K，以及初始的K个聚类中心点。将样本一个个放入距离最近的中心点所在的簇，更新中心点的值。重复前述过程，直到中心点不再改变，即得到想要的聚类结果。聚类分析过程使用轮廓系数、簇内距离作为评价标准评价聚类结果。调整K值，并进行多次聚类，直到找到评价标准最优的K值参数。K值最优的聚类结果即为想要得到的聚类结果，通过分析聚类结果所对应文本的原始数据，从而可以得到有意义的聚类信息，通过服务推荐菜单生成单元生成最终的服务推荐菜单。如果客户在服务推荐菜单中能够找到期望的业务办理项目，并办理成功，则客服通话结束，否则，转给人工客服。

本发明实施例通过获取客户来电信息，并对客户来电信息进行系统的挖掘分析处理，最终生成客户感兴趣的服务推荐菜单，从而减少客服流程，提高系统工作效率，同时简化客户的操作流程，节约客户时间，降低人工客服工作量，改善客户的客服体验。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。