本发明专利技术涉及智能决策和优化技术领域，具体公开了一种基于客户会员等级AI智能派单方法及系统，方法包括：获取每个客户的客户信息，其中所述客户信息包括会员等级信息、订单历史数据、产品信息、客户位置信息和订单金额；确定所述会员等级信息、订单历史数据、客户位置信息和产品信息分别对应的属性特征，并根据所述属性特征对所述客户信息进行多维编码，确定所述客户信息的编码特征；将所述编码特征输入至训练完备的决策树模型中，得到每个客户的派单紧急程度；根据所述每个客户的派单紧急程度，确定各个客户的派单次序。本发明专利技术解决了现有技术中派单行为依赖单一因素或无法动态实时调节派单决策的问题。
【技术实现步骤摘要】
本专利技术涉及智能决策和优化，具体涉及一种基于客户会员等级ai智能派单方法及系统。
技术介绍
1、随着企业规模的快速扩大和业务的不断增加，传统的人工派单方式已经变得无法满足企业需求。在这种背景下，会员等级成为了评估用户价值和忠诚度的重要指标。为了提高派单决策的准确性和效率，基于会员等级的ai智能派单方法得到了广泛关注和研究。数据技术的发展使得企业能够积累和管理大量的会员数据，同时机器学习和数据挖掘的进步提供了构建智能派单模型所需的方法和工具。基于这些
技术介绍
，会员等级ai智能派单方法的研究和应用已经成为了企业提升工作效率和提供更好用户体验的重要手段，对于未来的派单决策和个性化营销领域具有广阔的应用前景。
2、现有技术中，常采用基于规则的派单方法，规则设定需要多次试错，并且只能适应于简单的、不变的场景。而实际中，会员的行为和喜好可能会随着时间的推移而改变，不能实时地调整会员等级，因此无法反映会员的最新需求和偏好。并且基于规则的派单方法往往过于依赖会员等级而忽略了其他重要因素，而实际派单决策往往面临着多个变量和约束条件，情况复杂。
技术实现思路
1、本专利技术的目的在于提供一种基于客户会员等级ai智能派单方法及系统，解决以下技术问题：
2、现有技术中的派单方法缺乏动态性，无法根据会员行为和喜好的变化调整决策结果；
3、过于依赖单一因素，而无法结合多种因素多个变量对派单的结果进行决策。
4、本专利技术的目的可以通过以下技术方案实现：
5、一种基于客户会员等级ai智能派单方法，包括以下步骤：
6、获取每个客户的客户信息，其中所述客户信息包括会员等级信息、订单历史数据、产品信息、客户位置信息和订单金额；
7、确定所述会员等级信息、订单历史数据、客户位置信息和产品信息分别对应的属性特征，并根据所述属性特征对所述客户信息进行多维编码，确定所述客户信息的编码特征；
8、将所述编码特征输入至训练完备的决策树模型中，得到每个客户的派单紧急程度；
9、根据所述每个客户的派单紧急程度，确定各个客户的派单次序；
10、其中，所述训练完备的决策树模型的训练过程包括：
11、确定每个属性特征的特征条件熵；
12、基于所述特征条件熵，根据会员等级信息对派单顺序的影响程度不同，确定第一节点信息增益；
13、基于所述第一节点信息增益，确定第二节点信息增益；
14、根据所述第一节点信息增益和所述第二节点信息增益，确定总节点增益，并根据所述总节点增益，确定训练完备的决策树模型。
15、作为本专利技术进一步的方案：所述会员等级信息对应的属性特征包括初级会员、中级会员、高级会员和尊享会员；所述订单历史数据对应的属性特征包括第一订单信息、第二订单信息、第三订单信息和第四订单信息；所述产品信息对应的属性特征至少包括产品属性、产品品牌、产品库存和产品类型；所述客户位置信息对应的属性特征至少包括第一预设距离、第二预设距离和第三预设距离；所述订单金额对应的属性特征包括第一预设额度区间、第二预设额度区间、第三预设额度区间。
16、作为本专利技术进一步的方案：所述第一节点信息增益，可通过如下公式表示：
17、；
18、；
19、；
20、其中，gain(s,a)1表示第一节点信息增益，s表示会员等级信息，a表示订单历史数据，entropy(s)表示会员等级信息的信息熵，entropy()表示基于订单历史数据的会员等级信息对应的条件熵，n表示会员等级信息对应的属性特征的数目，pi表示其中一个属性特征存在的概率，m表示订单历史数据对应的属性特征的数目，pj表示订单历史数据对应的属性特征存在的概率。
21、作为本专利技术进一步的方案：所述第二节点信息增益，可通过如下公式表示：
22、；
23、；
24、；
25、其中，gain(w,y)2表示第二节点信息增益，w和y表示不同类型的客户信息，entropy(w)表示客户信息的信息熵，entropy(w|y)表示基于其中一个客户信息类别的其他客户信息对应的条件熵，t表示客户信息对应的属性特征的数目，pi表示其中一个属性特征存在的概率，h表示作为条件的客户信息对应的属性特征的数目，pj表示作为条件的客户信息对应的属性特征存在的概率。
26、作为本专利技术进一步的方案：所述总节点增益可通过如下公式表示：
27、；
28、其中，gain表示总节点增益，gain(s,a)1表示第一节点信息增益，gain(w,y)2表示第二节点信息增益，λ为第一调节系数，为第二调节系数。
29、作为本专利技术进一步的方案：所述第一调节系数和所述第二调节系数之和为1，确定所述第一调节系数和所述第二调节系数，包括：
30、设定所述客户信息的第一优先级别以及所述客户信息对应的特征属性的第二优先级别；
31、根据所述第一优先级别和所述第二优先级别确定所述第一调节系数和第二调节系数。
32、作为本专利技术进一步的方案：根据所述第一优先级别和所述第二优先级别确定所述第一调节系数，包括：
33、基于预设桶排法，构建[0,1]区间内按照大小顺序排列的多个离散系数值集合；
34、当所述会员等级信息对应的属性特征为尊享会员且所述订单金额对应的属性特征为第三预设额度区间时，所述第一调节系数取值1，所述第二调节系数取值为0；
35、当所述会员等级信息对应的属性特征为尊享会员且所述订单金额对应的属性特征不为第三预设额度区间时，所述第一调节系数取值取所述离散系数值集合中小于1的最大值；
36、当所述会员等级信息对应的属性特征为尊享会员且所述订单金额对应的属性特征不为第三预设额度区间时，所述第一调节系数取值取所述离散系数值集合中小于1的第二大值；
37、当所述会员等级信息对应的属性特征为初始会员且所述订单金额对应的属性特征为第三预设额度区间时，所述第一调节系数取值取所述离散系数值集合中的中位数；
38、当所述会员等级信息对应的属性特征为初始会员且所述订单金额对应的属性特征不为第三预设额度区间时，所述第一调节系数取值取所述离散系数值集合中大于的0的最小值。
39、第二方面，本专利技术还提供一种基于客户会员等级ai智能派单系统，包括：
40、获取模块，用于获取每个客户的客户信息，其中所述客户信息包括会员等级信息、订单历史数据、产品信息、客户位置信息和订单金额；
41、编码模块，用于确定所述会员等级信息、订单历史数据、客户位置信息和产品信息分别对应的属性特征，并根据所述属性特征对所述客户信息进行多维编码，确定所述客户信息的编码特征；
42、预测模块，用于将所述编码特征输入至训练完备的决策树模型中，得到每个客户的派单紧急程度；
本文档来自技高网...
【技术保护点】
1.一种基于客户会员等级AI智能派单方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于客户会员等级AI智能派单方法，其特征在于，所述会员等级信息对应的属性特征包括初级会员、中级会员、高级会员和尊享会员；所述订单历史数据对应的属性特征包括第一订单信息、第二订单信息、第三订单信息和第四订单信息；所述产品信息对应的属性特征至少包括产品属性、产品品牌、产品库存和产品类型；所述客户位置信息对应的属性特征至少包括第一预设距离、第二预设距离和第三预设距离；所述订单金额对应的属性特征包括第一预设额度区间、第二预设额度区间和第三预设额度区间。
3.根据权利要求2所述的基于客户会员等级AI智能派单方法，其特征在于，所述第一节点信息增益，可通过如下公式表示：
4.根据权利要求3所述的基于客户会员等级AI智能派单方法，其特征在于，所述第二节点信息增益，可通过如下公式表示：
5.根据权利要求4所述的基于客户会员等级AI智能派单方法，其特征在于，所述总节点增益可通过如下公式表示：
6.根据权利要求5所述的基于客户会员等级AI智能派单方法，其特征在于，所述第一调节系数和所述第二调节系数之和为1，确定所述第一调节系数和所述第二调节系数，包括：
7.根据权利要求6所述的基于客户会员等级AI智能派单方法，其特征在于，根据所述第一优先级别和所述第二优先级别确定所述第一调节系数，包括：
8.一种基于客户会员等级AI智能派单系统，其特征在于，包括：
...
【技术特征摘要】
1.一种基于客户会员等级ai智能派单方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于客户会员等级ai智能派单方法，其特征在于，所述会员等级信息对应的属性特征包括初级会员、中级会员、高级会员和尊享会员；所述订单历史数据对应的属性特征包括第一订单信息、第二订单信息、第三订单信息和第四订单信息；所述产品信息对应的属性特征至少包括产品属性、产品品牌、产品库存和产品类型；所述客户位置信息对应的属性特征至少包括第一预设距离、第二预设距离和第三预设距离；所述订单金额对应的属性特征包括第一预设额度区间、第二预设额度区间和第三预设额度区间。
3.根据权利要求2所述的基于客户会员等级ai智能派单方法，其特征在于，所述第一节点信息增益，可...
【专利技术属性】
技术研发人员：李泽文，张霞，
申请(专利权)人：沟通无限软件技术深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。