客户购买意愿的预测方法及其相关设备与流程

本技术涉及人工智能，尤其涉及客户购买意愿的预测方法及其相关设备。

背景技术：

1、目前，通常是基于营销客户的历史交易记录，预测营销客户的购买意愿，然而，这种方式虽然在一定程度上能揭示客户的购买习惯，但也只能反映客户的过往行为模式，对客户深层次的需求以及意图的理解有限，导致对营销客户的购买意愿的预测准确性较低。

技术实现思路

1、本技术的主要目的在于提供一种客户购买意愿的预测方法及其相关设备，旨在解决对营销客户的购买意愿的预测准确性较低的技术问题。

2、为实现上述目的，本技术提出一种客户购买意愿的预测方法，所述的方法包括：

3、获取营销客户的历史购买意愿数据以及历史通话文本数据；

4、基于所述历史购买意愿数据，确定所述营销客户的目标购买意愿特征，并通过预设话术分析模型从所述历史通话文本数据中学习提取目标话术特征，其中，所述预设话术分析模型用于表征通话文本数据与话术特征之间的关联关系，所述目标购买意愿特征反映所述营销客户的历史购买规律，所述目标话术特征反映所述营销客户的潜在需求；

5、基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，得到目标购买意愿，其中，所述预设意愿预测模型用于表征购买意愿特征、话术特征以及购买意愿之间的关联关系。

6、在一实施例中，所述预设话术分析模型包括第一话术分析模型，所述获取营销客户的历史购买意愿数据以及历史通话文本数据的步骤之前，包括：

7、获取训练样本和所述训练样本的样本标签，所述训练样本包括历史客户的第一通话文本数据，所述训练样本的样本标签包括所述第一通话文本数据的第一话术标签；

8、基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型。

9、在一实施例中，所述预设第一待训练模型包括预设大模型，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤，包括：

10、基于所述第一通话文本数据，对预设大模型进行预训练，得到内容分析模型，所述内容分析模型具备对通话文本数据中的通话内容的理解能力；

11、基于所述第一通话文本数据、所述第一话术标签，以及预设第一提示语，对所述内容分析模型进行微调，得到第一话术分析模型，其中，所述预设第一提示语用于提示所述内容分析模型根据所述通话文本数据中的通话内容输出话术特征。

12、在一实施例中，所述预设话术分析模型还包括第二话术分析模型，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤之后，包括：

13、获取测试样本和所述测试样本的样本标签，所述测试样本包括历史客户的第二通话文本数据，所述测试样本的样本标签包括所述第二通话文本数据的第二话术标签；

14、基于所述第二通话文本数据，对所述第一话术分析模型进行测试，得到测试结果；

15、确定所述测试结果是否与所述第二话术标签一致；

16、将与所述第二话术标签不一致的测试结果作为拒绝标签，将与所述第二话术标签一致的测试结果作为接受标签；

17、基于所述拒绝标签和接受标签，对所述第一话术分析模型进行优化，得到经过优化的第二话术分析模型。

18、在一实施例中，所述基于所述拒绝标签和接受标签，对所述第一话术分析模型进行优化，得到经过优化的第二话术分析模型的步骤，包括：

19、基于预设通话文本数据和所述预设第一提示语，通过被冻结的第一话术分析模型对所述拒绝标签和所述接受标签分别进行评分，得到第一评分结果，以及，基于所述预设通话文本数据和所述预设第一提示语，通过第三话术分析模型对所述拒绝标签和所述接受标签分别进行评分，得到第二评分结果；

20、其中，还未进行迭代训练的所述第三话术分析模型为所述第一话术分析模型，所述第一评分结果用于表征所述被冻结的第一话术分析模型分别对所述拒绝标签和所述接受标签的认可度，所述第二评分结果用于表征所述第三话术分析模型分别对所述拒绝标签和所述接受标签的认可度；

21、基于所述第一评分结果和所述第二评分结果，通过预设损失函数计算损失值；

22、基于所述损失值，更新所述第三话术分析模型的模型参数，并对应返回所述基于预设通话文本数据和所述预设第一提示语，通过被冻结的第一话术分析模型对所述拒绝标签和所述接受标签分别进行评分的步骤，继续进行迭代训练，直至得到满足预设第一精度条件的第二话术分析模型。

23、在一实施例中，所述预设第一待训练模型还包括通用大模型，所述通用大模型具备文本分析能力，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤，包括：

24、基于所述第一通话文本数据、所述第一话术标签，以及预设第二提示语，对所述通用大模型进行微调，得到第一话术分析模型，其中，所述预设第二提示语用于提示所述通用大模型根据所述通话文本数据中的通话内容输出话术特征。

25、在一实施例中，所述获取营销客户的历史购买意愿数据以及历史通话文本数据的步骤之前，包括：

26、获取历史客户的购买意愿数据和通话文本数据；

27、基于所述历史客户的购买意愿数据，确定所述历史客户的历史购买意愿特征，并通过预设话术分析模型从所述历史客户的通话文本数据中学习提取历史话术特征；

28、基于所述历史购买意愿特征和所述历史话术特征，确定购买意愿标签，所述购买意愿标签包括所述历史客户的购买概率；

29、基于所述历史购买意愿特征、所述历史话术特征和所述购买意愿标签，对预设第二待训练模型进行迭代训练，得到意愿预测模型。

30、在一实施例中，所述预设第二待训练模型包括待训练的二分类模型，所述基于所述历史购买意愿特征、所述历史话术特征和所述购买意愿标签，对预设第二待训练模型进行迭代训练，得到意愿预测模型的步骤，包括：

31、将所述历史购买意愿特征、所述历史话术特征和所述购买意愿标签输入至所述待训练的二分类模型中，通过所述待训练的二分类模型预测所述历史客户的购买意愿，得到所述历史客户的历史购买概率；

32、计算所述历史购买概率和所述购买意愿标签之间的误差，得到误差计算结果；

33、基于所述误差计算结果，更新所述待训练的二分类模型的模型参数，并对应返回所述将所述历史购买意愿特征、所述历史话术特征和所述购买意愿标签输入至所述待训练的二分类模型中的步骤，直至得到满足预设第二精度条件的意愿预测模型。

34、在一实施例中，所述基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，得到目标购买意愿的步骤，包括：

35、基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型预测所述营销客户的购买意愿，得到目标购买概率，所述目标购买概率与所述营销客户的购买意愿成正相关；

36、所述基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，得到目标购买意愿的步骤之后，包括：

37、将所述营销客户按对应的目标购买概率从大至小进行排序，并确定排在前预设位数的营销客户为待营销客户，以供营销人员对所述待营销客户进行营销。

38、此外，为实现上述目的，本技术还提出一种客户购买意愿的预测装置，所述客户购买意愿的预测装置包括：

39、获取模块，用于获取营销客户的历史购买意愿数据以及历史通话文本数据；

40、提取模块，用于基于所述历史购买意愿数据，确定所述营销客户的目标购买意愿特征，并通过预设话术分析模型从所述历史通话文本数据中学习提取目标话术特征，其中，所述预设话术分析模型用于表征通话文本数据与话术特征之间的关联关系，所述目标购买意愿特征反映所述营销客户的历史购买规律，所述目标话术特征反映所述营销客户的潜在需求；

41、预测模块，用于基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，得到目标购买意愿，其中，所述预设意愿预测模型用于表征购买意愿特征、话术特征以及购买意愿之间的关联关系。

42、此外，为实现上述目的，本技术还提出一种客户购买意愿的预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的客户购买意愿的预测方法的步骤。

43、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的客户购买意愿的预测方法的步骤。

44、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的客户购买意愿的预测方法的步骤。

45、本技术提出的上述技术方案，具有以下技术效果：

46、本技术基于获取到的所述历史购买意愿数据，得到所述营销客户的目标购买意愿特征，并通过预设话术分析模型从获取到的历史通话文本数据中学习提取目标话术特征，由于所述预设话术分析模型能够表征通话文本数据与话术特征之间的关联关系，通过预设话术分析模型能够准确确定营销客户的目标话术特征，可以理解，该目标话术特征能够反映营销客户在历史通话过程中表现出来的潜在需求；由于预设意愿预测模型能够表征购买意愿特征、话术特征以及购买意愿之间的关联关系，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，能够准确确定所述营销客户的目标购买意愿；目标购买意愿特征能够反映营销客户的历史购买规律，例如，购买偏好或者购买习惯等；因此，本技术在同时考虑到客户的历史购买规律以及潜在需求的情况下，能够更加真实且准确的反映营销客户的购买意愿，提升了对营销客户的购买意愿的预测准确性。

技术特征：

1.一种客户购买意愿的预测方法，其特征在于，所述的方法包括：

2.如权利要求1所述的方法，其特征在于，所述预设话术分析模型包括第一话术分析模型，所述获取营销客户的历史购买意愿数据以及历史通话文本数据的步骤之前，包括：

3.如权利要求2所述的方法，其特征在于，所述预设第一待训练模型包括预设大模型，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤，包括：

4.如权利要求2至3中任一项所述的方法，其特征在于，所述预设话术分析模型还包括第二话术分析模型，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤之后，包括：

5.如权利要求4所述的方法，其特征在于，所述基于所述拒绝标签和接受标签，对所述第一话术分析模型进行优化，得到经过优化的第二话术分析模型的步骤，包括：

6.如权利要求2所述的方法，其特征在于，所述预设第一待训练模型还包括通用大模型，所述通用大模型具备文本分析能力，所述基于所述第一通话文本数据和所述第一话术标签，对预设第一待训练模型进行迭代训练，得到第一话术分析模型的步骤，包括：

7.如权利要求1所述的方法，其特征在于，所述获取营销客户的历史购买意愿数据以及历史通话文本数据的步骤之前，包括：

8.如权利要求7所述的方法，其特征在于，所述预设第二待训练模型包括待训练的二分类模型，所述基于所述历史购买意愿特征、所述历史话术特征和所述购买意愿标签，对预设第二待训练模型进行迭代训练，得到意愿预测模型的步骤，包括：

9.如权利要求1所述的方法，其特征在于，所述基于所述目标购买意愿特征和所述目标话术特征，通过预设意愿预测模型对所述营销客户的购买意愿进行预测，得到目标购买意愿的步骤，包括：

10.一种客户购买意愿的预测装置，其特征在于，所述装置包括：

11.一种客户购买意愿的预测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至9中任一项所述的客户购买意愿的预测方法的步骤。

12.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的客户购买意愿的预测方法的步骤。

13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的客户购买意愿的预测方法的步骤。

技术总结
本申请公开了一种客户购买意愿的预测方法及其相关设备，涉及人工智能技术领域，本申请基于获取到的历史购买意愿数据，得到营销客户的目标购买意愿特征，并通过预设话术分析模型从获取到的历史通话文本数据中学习提取目标话术特征，由于预设话术分析模型能够表征通话文本数据与话术特征之间的关联关系，通过预设话术分析模型能够准确确定营销客户的目标话术特征；由于预设意愿预测模型能够表征购买意愿特征、话术特征以及购买意愿之间的关联关系，通过预设意愿预测模型、能够准确确定营销客户的目标购买意愿；目标购买意愿特征能够反映营销客户的历史购买规律；因此，本申请能够提升对营销客户的购买意愿的预测准确性。

技术研发人员：黄冰莹,骆家焕,张超,向小林
受保护的技术使用者：深圳前海微众银行股份有限公司
技术研发日：
技术公布日：2024/12/5