一種判斷用戶級別的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)網(wǎng)絡(luò)領(lǐng)域，具體地，涉及一種判斷用戶級別的方法和裝置。
【背景技術(shù)】
[0002] 目前，越來越多的人使用電子商務(wù)。因此，需要客戶關(guān)系中心（CRC)來判斷需要進(jìn) 行CRC客戶關(guān)懷的用戶級別，從而按照不同級別提供差異化服務(wù)。CRC主要通過對客戶詳細(xì) 資料的深入分析，來提高客戶滿意程度，從而提高企業(yè)的競爭力。
[0003] 現(xiàn)有技術(shù)中，客戶關(guān)系中心往往通過客戶發(fā)起的投訴和索賠數(shù)量、客戶購買頻率、 客戶購買金額中的一個或多個因素來判斷需要進(jìn)行CRC客戶關(guān)懷的用戶級別。這種方法判 斷標(biāo)準(zhǔn)相對單一，降低所得結(jié)果的準(zhǔn)確性和完整性。附加地，該方法是被動型的方法，必須 在客戶已經(jīng)發(fā)起投訴后才能處理客戶關(guān)系，導(dǎo)致客戶對企業(yè)形象留下不良印象。此外，該方 法無法識別等級較高而消費(fèi)較低的客戶，從而造成客戶流失。
[0004] 為了解決上述問題中的至少一部分，需要一種判斷用戶級別的方法和裝置，能夠 先驗性地判斷用戶級別以便按照不同級別提供差異化服務(wù)。

【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)中的至少一個問題而提出了本發(fā)明。下文中，盡管參考示例實施 例詳細(xì)描述了本發(fā)明，但本發(fā)明并不局限于所描述的實施例。
[0006] 本發(fā)明涉及一種判斷用戶級別的方法，所述方法可以包括：收集要判斷的用戶數(shù) 據(jù)集；獲取與每個用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集；計算對應(yīng)用戶樣本數(shù)據(jù)集的質(zhì)心， 其中不同的質(zhì)心與不同的用戶級別相對應(yīng)；計算所述用戶數(shù)據(jù)集中的用戶數(shù)據(jù)與每個質(zhì)心 之間的距離；以及將到所述用戶數(shù)據(jù)的距離最小的質(zhì)心所對應(yīng)的用戶級別判斷為所述用戶 數(shù)據(jù)的用戶級別。
[0007] 所述方法還可以包括：在所述判斷步驟之后，更新與所述用戶級別相對應(yīng)的用戶 樣本數(shù)據(jù)集，并重新計算所述用戶樣本數(shù)據(jù)集的質(zhì)心；以及針對用戶數(shù)據(jù)集中的下一用戶 數(shù)據(jù)，重復(fù)所述計算用戶數(shù)據(jù)與每個質(zhì)心距離的步驟以及所述判斷步驟，直到判斷了用戶 數(shù)據(jù)集中的所有待判斷的用戶數(shù)據(jù)。
[0008] 所述更新與所述用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集可以包括：將用戶數(shù)據(jù)集中已 確定用戶級別的用戶數(shù)據(jù)添加到與所述用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集中。
[0009] 所述方法還可以包括：使用Hadoop構(gòu)架中的hive工具編寫腳本，以便根據(jù)訂單明 細(xì)表、自營大家電商品訂單評價基礎(chǔ)匯總表、自營中小件商品訂單評價基礎(chǔ)匯總表、客服時 間主表數(shù)據(jù)中的一個或多個，生成包括用戶數(shù)據(jù)集的用戶數(shù)據(jù)記錄樣表和包括用戶樣本數(shù) 據(jù)集的用戶樣本數(shù)據(jù)記錄樣表。
[0010] 所述方法還可以包括：在RStudio開發(fā)平臺上，通過導(dǎo)入存儲在數(shù)據(jù)倉庫中的包 括用戶數(shù)據(jù)集的用戶數(shù)據(jù)記錄樣表以及包括用戶樣本數(shù)據(jù)集的用戶樣本數(shù)據(jù)記錄樣表，判 斷所述用戶樣本數(shù)據(jù)記錄樣表所包括的用戶數(shù)據(jù)集中的每個用戶數(shù)據(jù)的用戶級別，從而生 成用戶級別判斷記錄樣表。
[0011] 本發(fā)明還涉及一種判斷用戶級別的裝置，所述裝置可以包括：數(shù)據(jù)預(yù)處理模塊，配 置為收集要判斷的用戶數(shù)據(jù)集；樣本數(shù)據(jù)數(shù)據(jù)錄入模塊，配置為獲取與每個用戶級別相對 應(yīng)的用戶樣本數(shù)據(jù)集；以及用戶級別計算模塊，配置為計算對應(yīng)用戶樣本數(shù)據(jù)集的質(zhì)心，其 中不同的質(zhì)心與不同的用戶級別相對應(yīng)；計算所述用戶數(shù)據(jù)集中的用戶數(shù)據(jù)與每個質(zhì)心之 間的距離；以及將到所述用戶數(shù)據(jù)的距離最小的質(zhì)心所對應(yīng)的用戶級別判斷為所述用戶數(shù) 據(jù)的用戶級別。
[0012] 所述用戶級別計算模塊還可以配置為：在所述判斷步驟之后，更新與所述用戶級 別相對應(yīng)的用戶樣本數(shù)據(jù)集，并重新計算所述用戶樣本數(shù)據(jù)集的質(zhì)心；以及針對用戶數(shù)據(jù) 集中的下一用戶數(shù)據(jù)，重復(fù)所述計算用戶數(shù)據(jù)與每個質(zhì)心距離的步驟以及所述判斷步驟， 直到判斷了用戶數(shù)據(jù)集中的所有待判斷的用戶數(shù)據(jù)。
[0013] 所述更新與所述用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集可以包括：將用戶數(shù)據(jù)集中已 確定用戶級別的用戶數(shù)據(jù)添加到與所述用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集中。
[0014] 所述數(shù)據(jù)預(yù)處理模塊還可以配置為：使用Hadoop構(gòu)架中的hive工具編寫腳本，以 便根據(jù)訂單明細(xì)表、自營大家電商品訂單評價基礎(chǔ)匯總表、自營中小件商品訂單評價基礎(chǔ) 匯總表、客服時間主表數(shù)據(jù)中的一個或多個，生成包括用戶數(shù)據(jù)集的用戶數(shù)據(jù)記錄樣表和 包括用戶樣本數(shù)據(jù)集的用戶樣本數(shù)據(jù)記錄樣表。
[0015] 所述用戶級別計算模塊還可以配置為：在RStudio開發(fā)平臺上，通過導(dǎo)入存儲在 數(shù)據(jù)倉庫中的包括用戶數(shù)據(jù)集的用戶數(shù)據(jù)記錄樣表以及包括用戶樣本數(shù)據(jù)集的用戶樣本 數(shù)據(jù)記錄樣表，判斷所述用戶樣本數(shù)據(jù)記錄樣表所包括的用戶數(shù)據(jù)集中的每個用戶數(shù)據(jù)的 用戶級別，從而生成用戶級別判斷記錄樣表。
【附圖說明】
[0016] 結(jié)合附圖，根據(jù)以下詳細(xì)描述，本發(fā)明的特定示例實施例的上述和其它方面、特征 以及優(yōu)點(diǎn)將更清楚，附圖中：
[0017] 圖1示出了根據(jù)本發(fā)明示例實施例的用于判斷用戶級別的方法的流程圖。
【具體實施方式】
[0018] 以下參考附圖描述了本發(fā)明的示例實施。本發(fā)明涉及一種判斷用戶級別的方法和 裝置，能夠先驗性地判斷用戶級別以便按照不同級別提供差異化服務(wù)。
[0019] 圖1示出了根據(jù)本發(fā)明示例實施例的用于判斷用戶級別的方法的流程圖。
[0020] 首先，在步驟101，收集要判斷的用戶數(shù)據(jù)集N。可以使用X86構(gòu)架Linux操作系統(tǒng) 服務(wù)器，以Hadoop構(gòu)建分布式數(shù)據(jù)倉庫系統(tǒng)，抽取并存儲電商平臺的訂單明細(xì)表，自營大 家電商品訂單評價基礎(chǔ)匯總表，自營中小件商品訂單評價基礎(chǔ)匯總表，客服時間主表數(shù)據(jù)， 并按照用戶賬號匯總相應(yīng)字段生成用戶判斷條件表。用戶判斷條件可以是由用戶定義的， 例如，包括：用戶的中小件包裝平均給分、中小件時效平均給分、中小件商品平均給分、大家 電包裝平均給分、大家電時效平均給分、大家電商品平均給分、電話呼入量、呼入訂單量、即 時通信系統(tǒng)（M)訂單量、M會話量。
[0021] 使用Hadoop構(gòu)架中的hive工具編寫腳本根據(jù)如下規(guī)則計算生成相應(yīng)字段，并在 數(shù)據(jù)倉庫中存儲為記錄樣表：
[0022] 表 1
[0023]
[0024] 其中所述中小件包裝平均給分、中小件時效平均給分、中小件商品平均給分、是由 存儲的自營中小件商品訂單評價基礎(chǔ)匯總表中的中小件包裝給分、中小件時效給分、中小 件商品給分字段按照用戶賬號維度匯總求平均數(shù)得出；大家電包裝平均給分、大家電時效 平均給分、大家電商品平均給分是由存儲的自營大家電商品訂單評價基礎(chǔ)匯總表中的大家 電包裝給分、大家電時效給分、大家電商品給分按照用戶賬號維度匯總求平均數(shù)得出；電話 呼入量、呼入訂單量、IM訂單量、IM會話量則由訂單明細(xì)表、客服時間主表的用戶訂單，用 戶電話呼入，頂訂單，頂會話記錄匯總計數(shù)得出。因此，在數(shù)據(jù)倉庫中形成并存儲用戶數(shù)據(jù) 記錄樣表。
[0025] 在步驟S102,獲取與每個用戶級別相對應(yīng)的用戶樣本數(shù)據(jù)集，并在步驟S103,計 算對應(yīng)用戶樣本數(shù)據(jù)集的質(zhì)心。分別針對被分為A、B、C、D的用戶級別，獲取與其相對應(yīng)的 用戶樣本數(shù)據(jù)集，使用Hadoop構(gòu)架中的hive工具生成用戶樣本數(shù)據(jù)記錄樣表，其中A、B、 C、D的用戶等級分別與高、中、低和零等級的關(guān)注度相對應(yīng)。
[0026] 例如，可以使用RStudio開發(fā)平臺，建立數(shù)學(xué)模型并導(dǎo)入數(shù)據(jù)倉庫中的用戶樣本 數(shù)據(jù)記錄樣表和用戶數(shù)據(jù)記錄樣表，生成用戶數(shù)據(jù)向量的集合以及用戶樣本數(shù)據(jù)向量的集 合，即，用戶數(shù)據(jù)集和用戶樣本數(shù)據(jù)集。假定A類用戶樣本數(shù)據(jù)集中的用戶個數(shù)為〇,B類用 戶樣本數(shù)據(jù)集中的用戶個數(shù)為P，C類用戶樣本數(shù)據(jù)集中的用戶個數(shù)為k，D類用戶樣本數(shù)據(jù) 集中的用戶個數(shù)為m，則使用向量集表示各類用戶樣本數(shù)據(jù)集，例如10維向量表示用戶，向 量的坐標(biāo)值依次為用戶的屬性值。
[0027] {at, a2, . . . , ajaj G R n (i = 1，2, ? ? ?，o)
[0028] {bp b2, ? ? ?，bp} bjG R n (i = 1，2, ? ? ?，p)
[0029] c2, . . . , cj CjG R n (i = 1，2, ? ? ?，k)
[0030] {屯，d2, ? ? ?，dm} djE R n (i = 1，2, ? ? ?，m)
[0031] 那么，可以得到與每個用戶級別相對應(yīng)的每個用戶樣本數(shù)據(jù)集的質(zhì)心y:
[0036] 在步驟S104,計算所述用戶數(shù)據(jù)集N中的用戶數(shù)據(jù)叫與每個質(zhì)心之間的距離，其 中不同的質(zhì)心與不同的用戶級別相對應(yīng)。用戶數(shù)據(jù)叫是一個向量，該向量的坐標(biāo)值依次為 用戶的屬性值（例如，表示用戶的中小件包裝平均給分、中小件時效平均給分、中小件商品 平均給分、大家電包裝平均給分、大家電時效平均給分、大家電商品平均給