外呼用户的推荐方法和装置、电子设备与流程

1.本技术涉及数据处理技术领域，尤其涉及一种外呼用户的推荐方法和装置、电子设备及计算机可读存储介质。


背景技术：

2.随着移动互联网技术的发展，各种新的销售模式也应运而生，销售形式也逐渐线上化。电话外呼系统是很多复杂产品服务中不可或缺的重要组成部分，例如保险服务、金融贷款服务、理财投资服务、房产服务、汽车服务、课程服务、旅游线路服务、活动邀请等。面对外呼话务员和外呼用户一对多的场景，如何将外呼用户合理、有序、按量地分配给外呼话务员来提高外呼的效率和订单转化率，成为亟需解决的技术问题。


技术实现要素：

3.鉴于上述问题，提出了本技术以便提供一种克服上述问题或者至少部分地解决上述问题的外呼用户的推荐方法和装置、电子设备及计算机可读存储介质，能够提高外呼的效率和订单转化率。所述技术方案如下：
4.第一方面，提供了一种外呼用户的推荐方法，包括：
5.获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据所述多个外呼话务员的特征数据和所述多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；
6.对所述各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数；
7.获取所述多个外呼话务员的外呼工作情况数据，根据所述多个外呼话务员的外呼工作情况数据构建循环分配模型；
8.基于所述排序后的价值参数和所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列；
9.根据所述多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。
10.在一种可能的实现方式中，根据所述多个外呼话务员的特征数据和所述多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数，包括：
11.根据所述多个外呼话务员的特征数据和所述多个外呼用户的特征数据，将各个外呼话务员的特征数据和各个外呼用户的特征数据进行交叉关联，生成外呼话务员和外呼用户的多个特征待选对；
12.将所述多个特征待选对输入预先训练的价值预测模型，利用所述价值预测模型对各个特征待选对的价值参数进行预测，得到各个特征待选对的预测价值参数，作为各个外呼话务员对应各个外呼用户的价值参数。
13.在一种可能的实现方式中，根据所述多个外呼话务员的外呼工作情况数据构建循
环分配模型，包括：
14.根据所述多个外呼话务员的外呼工作情况数据，统计各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率；
15.根据所述各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率，构建包含所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型。
16.在一种可能的实现方式中，对所述各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数，包括：
17.按照价值参数由大到小的顺序对所述各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数。
18.在一种可能的实现方式中，基于所述排序后的价值参数和所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列，包括：
19.基于所述排序后的价值参数和包含所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列。
20.在一种可能的实现方式中，基于所述排序后的价值参数和包含所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列，包括：
21.构建包含所述排序后的价值参数、所述排序后的价值参数对应的外呼话务员和外呼用户的二维表；
22.根据所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量，以及根据所述二维表中每行的价值参数、价值参数对应的外呼话务员和外呼用户，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列；其中一个外呼用户只能分配给一个外呼话务员。
23.在一种可能的实现方式中，根据所述多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐，包括：
24.根据所述多个外呼话务员各自的预分配外呼用户有序队列，向各个外呼话务员分配对应的外呼用户；或者
25.将所述多个外呼话务员各自的预分配外呼用户有序队列提供给对应的外呼话务员，由对应的外呼话务员根据预分配外呼用户有序队列依次与外呼用户进行外呼通信。
26.第二方面，提供了一种外呼用户的推荐装置，包括：
27.价值预测模块，用于获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据所述多个外呼话务员的特征数据和所述多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；
28.排序模块，用于对所述各个外呼话务员对应各个外呼用户的价值参数进行排序，
得到排序后的价值参数；
29.构建模块，用于获取所述多个外呼话务员的外呼工作情况数据，根据所述多个外呼话务员的外呼工作情况数据构建循环分配模型；
30.循环分配模块，用于基于所述排序后的价值参数和所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列；
31.推荐模块，用于根据所述多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。
32.在一种可能的实现方式中，所述价值预测模块还用于：
33.根据所述多个外呼话务员的特征数据和所述多个外呼用户的特征数据，将各个外呼话务员的特征数据和各个外呼用户的特征数据进行交叉关联，生成外呼话务员和外呼用户的多个特征待选对；
34.将所述多个特征待选对输入预先训练的价值预测模型，利用所述价值预测模型对各个特征待选对的价值参数进行预测，得到各个特征待选对的预测价值参数，作为各个外呼话务员对应各个外呼用户的价值参数。
35.在一种可能的实现方式中，所述构建模块还用于：
36.根据所述多个外呼话务员的外呼工作情况数据，统计各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率；
37.根据所述各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率，构建包含所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型。
38.在一种可能的实现方式中，所述排序模块还用于：
39.按照价值参数由大到小的顺序对所述各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数。
40.在一种可能的实现方式中，所述循环分配模块还用于：
41.基于所述排序后的价值参数和包含所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的所述循环分配模型，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列。
42.在一种可能的实现方式中，所述循环分配模块还用于：
43.构建包含所述排序后的价值参数、所述排序后的价值参数对应的外呼话务员和外呼用户的二维表；
44.根据所述各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量，以及根据所述二维表中每行的价值参数、价值参数对应的外呼话务员和外呼用户，在所述多个外呼用户中为各个外呼话务员循环分配外呼用户，得到所述多个外呼话务员各自的预分配外呼用户有序队列；其中一个外呼用户只能分配给一个外呼话务员。
45.在一种可能的实现方式中，所述推荐模块还用于：
46.根据所述多个外呼话务员各自的预分配外呼用户有序队列，向各个外呼话务员分
配对应的外呼用户；或者
47.将所述多个外呼话务员各自的预分配外呼用户有序队列提供给对应的外呼话务员，由对应的外呼话务员根据预分配外呼用户有序队列依次与外呼用户进行外呼通信。
48.第三方面，提供了一种电子设备，该电子设备包括处理器和存储器，其中，所述存储器中存储有计算机程序，所述处理器被配置为运行所述计算机程序以执行上述任一项所述的外呼用户的推荐方法。
49.第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被配置为运行时执行上述任一项所述的外呼用户的推荐方法。
50.借由上述技术方案，本技术实施例提供的外呼用户的推荐方法和装置、电子设备及计算机可读存储介质，可以获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据多个外呼话务员的特征数据和多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；随后对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数；获取多个外呼话务员的外呼工作情况数据，根据多个外呼话务员的外呼工作情况数据构建循环分配模型；之后基于排序后的价值参数和循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列；根据多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。可以看到，本技术实施例结合外呼话务员的特征数据和外呼用户的特征数据，以及外呼话务员的外呼工作情况数据，通过循环分配将外呼用户有序、按量预分配给各个外呼话务员，能够实现外呼话务员的拨打能力，提高外呼的效率和订单转化率。
附图说明
51.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
52.图1示出了本技术实施例提供的外呼用户的推荐方法的流程图；
53.图2示出了本技术实施例提供的外呼用户的推荐的业务流程图；
54.图3示出了本技术实施例提供的外呼用户的推荐装置的结构图；
55.图4示出了根据本技术一实施例的电子设备的结构图。
具体实施方式
56.下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
57.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。
58.本技术实施例提供了一种外呼用户的推荐方法，可以应用在服务器、个人电脑、智能手机、平板电脑、智能手表等电子设备上。如图1所示，该外呼用户的推荐方法具体可以包括以下步骤s101至s105：
59.步骤s101，获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据多个外呼话务员的特征数据和多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；
60.步骤s102，对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数；
61.步骤s103，获取多个外呼话务员的外呼工作情况数据，根据多个外呼话务员的外呼工作情况数据构建循环分配模型；
62.步骤s104，基于排序后的价值参数和循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列；
63.步骤s105，根据多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。
64.本技术实施例可以获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据多个外呼话务员的特征数据和多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；随后对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数；获取多个外呼话务员的外呼工作情况数据，根据多个外呼话务员的外呼工作情况数据构建循环分配模型；之后基于排序后的价值参数和循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列；根据多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。可以看到，本技术实施例结合外呼话务员的特征数据和外呼用户的特征数据，以及外呼话务员的外呼工作情况数据，通过循环分配将外呼用户有序、按量预分配给各个外呼话务员，能够实现外呼话务员的拨打能力，提高外呼的效率和订单转化率。
65.上文步骤s101中提及的外呼话务员的特征数据可以是外呼话务员本身的一些特征数据，如年龄、工作经历、教育经历等，还可以如外呼次数、外呼用户数量、外呼完成订单数据等，本技术实施例对此不作限制。
66.这里的外呼用户可以是对保险服务、房产服务、汽车服务、课程服务等可能存在需求的用户。外呼用户的特征数据可以用于表征外呼用户的个人属性和社会属性，其中外呼用户的特征数据具体可以包括与个人属性相关的数据，如性别、年龄、兴趣爱好、家庭人员等，外呼用户的特征数据具体还可以包括与社会属性相关的数据，如所处城市、职业类型、收入状况等。需要说明的是，此处例举仅是示意性的，并不对本技术实施例进行限制。
67.本技术实施例中提供了一种可能的实现方式，上文步骤s101根据多个外呼话务员的特征数据和多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数，具体可以包括以下步骤a1至a2：
68.步骤a1，根据多个外呼话务员的特征数据和多个外呼用户的特征数据，将各个外呼话务员的特征数据和各个外呼用户的特征数据进行交叉关联，生成外呼话务员和外呼用户的多个特征待选对；
69.步骤a2，将多个特征待选对输入预先训练的价值预测模型，利用价值预测模型对
各个特征待选对的价值参数进行预测，得到各个特征待选对的预测价值参数，作为各个外呼话务员对应各个外呼用户的价值参数。
70.本技术实施例结合多个外呼话务员的特征数据和多个外呼用户的特征数据，将各个外呼话务员的特征数据和各个外呼用户的特征数据进行交叉关联，生成外呼话务员和外呼用户的多个特征待选对，进而将多个特征待选对输入预先训练的价值预测模型，利用价值预测模型对各个特征待选对的价值参数进行预测，得到各个特征待选对的预测价值参数，作为各个外呼话务员对应各个外呼用户的价值参数，能够在后续循环分配时结合外呼话务员本身的一些特征推荐一些适合该外呼话务员的外呼用户，从而针对各个外呼话务员形成个性化推荐，能够提高外呼的效率和订单转化率。
71.上文步骤a2中提及的价值预测模型是预先训练的，具体可以构建初始价值预测模型，收集多个样本特征待选对和历史样本订单数据，基于多个样本特征待选对和历史样本订单数据对初始价值预测模型进行训练，得到训练的价值预测模型。
72.本技术实施例中提供了一种可能的实现方式，上文步骤s103中获取多个外呼话务员的外呼工作情况数据，根据多个外呼话务员的外呼工作情况数据构建循环分配模型，具体可以包括以下步骤b1至b2：
73.步骤b1，根据多个外呼话务员的外呼工作情况数据，统计各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率；
74.步骤b2，根据各个外呼话务员的外呼工作时长、在不同时间段内的外呼次数以及订单转化率，构建包含各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型。
75.本技术实施例通过对每个外呼话务员在一天中的拨打能力及成单能力变化进行统计，将其作为后续循环分配的限制条件，使得每个外呼话务员在一天中任何时间请求外呼用户均有优质的待选集，每个优质的外呼用户均有合适的外呼话务员来认真挖掘其成单潜力。
76.本技术实施例中提供了一种可能的实现方式，上文步骤s102对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数，具体可以是按照价值参数由大到小的顺序对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数。本技术实施例可以为后续循环分配选取优质的外呼用户，使得每个外呼话务员在一天中任何时间请求外呼用户均有优质的待选集，每个优质的外呼用户均有合适的外呼话务员来认真挖掘其成单潜力。
77.本技术实施例中提供了一种可能的实现方式，上文步骤s104基于排序后的价值参数和循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列，具体可以是基于排序后的价值参数和包含各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列。
78.本技术实施例基于排序后的价值参数和包含各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队
列，从而实现外呼用户分配的全局总体价值最大。
79.本技术实施例中提供了一种可能的实现方式，基于排序后的价值参数和包含各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量的循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列，具体可以包括以下步骤c1至c2：
80.步骤c1，构建包含排序后的价值参数、排序后的价值参数对应的外呼话务员和外呼用户的二维表；
81.步骤c2，根据各个外呼话务员参与循环分配的次数以及在每轮循环分配中允许选取外呼用户的数量，以及根据二维表中每行的价值参数、价值参数对应的外呼话务员和外呼用户，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列；其中一个外呼用户只能分配给一个外呼话务员。
82.本技术实施例能够高效、准确地循环分配外呼用户，使得每个外呼话务员在一天中任何时间请求外呼用户均有优质的待选集，每个优质的外呼用户均有合适的外呼话务员来认真挖掘其成单潜力，提高了外呼的效率和订单转化率。
83.本技术实施例中提供了一种可能的实现方式，上文步骤s105根据多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐，具体可以是根据多个外呼话务员各自的预分配外呼用户有序队列，向各个外呼话务员分配对应的外呼用户；或者也可以将多个外呼话务员各自的预分配外呼用户有序队列提供给对应的外呼话务员，由对应的外呼话务员根据预分配外呼用户有序队列依次与外呼用户进行外呼通信。本技术实施例可以将外呼用户有序、按量分配给各个外呼话务员，提高外呼的效率和订单转化率。
84.以上介绍了图1所示的实施例中各个环节的多种实现方式，下面通过具体的实施例对本技术实施例提供的外呼用户的推荐方法做进一步说明。
85.本技术实施例可以用于互联网销售(简称网销)中，一个分配规则下，结合所有待选话务员(也即外呼话务员)的特征数据、待选拨打的待转化用户(也即外呼用户)的特征数据，以及外呼话务员每天的拨打能力，将所有现有外呼用户有序、按量预分配给每个外呼话务员，进而实现外呼话务员的拨打能力、每条外呼用户的成单潜力能得到最大程度地发掘。
86.在现有的网销推荐系统中，将优质待转化用户筛选出来以后进行二次价值预测并排序。分配规则下，根据外呼话务员的请求时间依次下发优质待转化用户，或根据外呼话务员特征筛选出其特有的优质待转化用户并依次派发。待转化用户处在一个集合中，被外呼话务员先到先得的方式进行获取。
87.现有技术在分发系统中存在以下不足：
88.1)待转化用户的优质性往往对于多个外呼话务员都是优质的，但是外呼话务员的转化能力差别明显。按照现有逻辑，一个能力次优秀的外呼话务员先于最优秀的外呼话务员请求分配到了最顶部的优质待转化用户，这明显没有发挥待转化用户的最大潜力。
89.2)最优秀的外呼话务员依旧存在工作疲劳期，即假设最优质的待转化用户均分发给最最优秀的外呼话务员，当外呼话务员专注于某些成单倾向较高的待转化用户时，分发给其的其余外呼用户就不能被最大发挥潜力。
90.对于网销推荐系统而言，最大化地发掘数量有限的优质待转化用户的成单潜力以及为优质的外呼话务员提供能激发其发挥最大成单效率的待转化用户备选集是实现总体
效率最大化的两条有力途径。本技术实施例基于上述两条途径进行综合考虑，为外呼话务员和待转化外呼用户的分配流程进行综合考虑，使得每日所有拨打的外呼话务员和待转化外呼用户实现全局总体价值最大。
91.图2示出了本技术实施例提供的外呼用户的推荐的业务流程图。如图2所示，在现有的网销推荐系统中，在一个分配任务下，将所有待选外呼话务员lp的特征数据与待转化用户user的特征数据进行交叉关联，可以形成lp-user待选对，这里lp-user全集交叉时具体可以利用deepfm(deep factorization machines，深度因子分解机)模型进行特征交叉处理，也可以利用xgboost(extreme gradient boosting，极端梯度提升)模型进行特征交叉处理；随后使用预先训练的价值预测模型对lp-user待选对预测分值，得到各个外呼话务员对应各个外呼用户的价值参数并排序，进而得到排序后的价值参数；结合对待选lp每日的拨打能力构建带限制的循环分配，循环限制可以包括每个lp在每轮循环中允许选取线索的数量，参与循环的次数等。所有备选外呼用户分配完毕后即形成lp-预分配user的有序队列，存入网销推荐系统。当lp发送请求时，即在其自己的预分配备选集中有序派发。
92.在一个分配任务下，有待选外呼话务员lp1、lp2以及待转化用户user1、user2、user3、user4。经过lp-user全集交叉特征后模型预测得到全量交叉对分值lp-clue-score，分值分布如下表1，此处为对比性添加了原有逻辑下直接对待转化用户进行价值预测clue(线索)-socre。
93.在原有推荐分配体系下，若lp2先到优先获取待转化用户，即根据lp-clue-score排序，激活占用user1、user2，lp1获取时只能获取user3、user4。即总lp-clue-score分值均值为0.7325。且根据外呼话务员成单能力统计，lp1在有一单成单时，对其余待转化外呼用户的成单潜力地发掘会下降。
94.在本技术实施例中，对表1的lp-clue-score进行排序，根据排序后的lp-clue-score进行循环分配，每轮中每个lp分配一条待转化外呼用户，继续多轮循环分配，直至所有备选待转化用户被分配完毕。即lp1分配得到user1、user4，lp2分配得到user2、user3。即总lp-clue-score分值均值为0.7525。且每个lp都最大程度地获得了自己最优的待转化用户，同时实现了最优质的待转化用户群体都最大概率地被话务员认真发掘成单潜力。
95.lpuserlp-clue-scoreclue-socrelp1user10.90.82lp1user20.850.73lp1user30.70.65lp1user40.60.54lp2user10.850.82lp2user20.780.73lp2user30.730.65lp2user40.690.54
96.表1
97.在实际应用中，在每轮分配中，各个lp被分配的外呼用户的数量可以根据lp的能力来设置，例如lp1在3轮分配中依次被分配的外呼用户的数量为1、2、1，lp2在3轮分配中依次被分配的外呼用户的数量为1、1、2，需要说明的是，此处例举仅是示意性的，并不对本申
请实施例进行限制。
98.本技术实施例强化了网销推荐系统中外呼话务员和待转化外呼用户进行全局最优预分配，进而实现收益最大化的概念。通过对每个外呼话务员的在一天中的拨打能力及成单能力变化进行统计，将其作为限制对全量交叉后预测的分值进行循环分配，使得每个lp在一天中任何时间请求待转化用户均有优质的待选集，每个优质的待转化用户均有合适的lp来认真发掘其成单潜力。模型策略上线之后不仅整体的成单率得到了有效提升，且一些次优秀的lp也能得到优质线索的激励，促进了其工作积极性及未来的成单能力，实现了该系统的可持续增长。
99.本技术实施例在网销体系中对lp的每日成单能力曲线进行分析，进而判定为其在不同层次的优质待转化用户中分配合适数量的待转化用户，实现每个优质待转化用户的最优挖掘。并且，在网销体系中根据lp-待转化用户的全量交叉集合预测分值，进行带限制的循环分配，根据网销业务场景进行限制参数控制，实现线索分配的全局利益最大化。
100.需要说明的是，实际应用中，上述所有可能的实施方式可以采用结合的方式任意组合，形成本技术的可能的实施例，在此不再一一赘述。
101.基于上文各个实施例提供的外呼用户的推荐方法，基于同一发明构思，本技术实施例还提供了一种外呼用户的推荐装置。
102.图3示出了本技术实施例提供的外呼用户的推荐装置的结构图。如图3所示，该外呼用户的推荐装置可以包括价值预测模块310、排序模块320、构建模块330、循环分配模块340以及推荐模块350。
103.价值预测模块310，用于获取多个外呼话务员的特征数据和多个外呼用户的特征数据，根据多个外呼话务员的特征数据和多个外呼用户的特征数据，预测各个外呼话务员对应各个外呼用户的价值参数；
104.排序模块320，用于对各个外呼话务员对应各个外呼用户的价值参数进行排序，得到排序后的价值参数；
105.构建模块330，用于获取多个外呼话务员的外呼工作情况数据，根据多个外呼话务员的外呼工作情况数据构建循环分配模型；
106.循环分配模块340，用于基于排序后的价值参数和循环分配模型，在多个外呼用户中为各个外呼话务员循环分配外呼用户，得到多个外呼话务员各自的预分配外呼用户有序队列；
107.推荐模块350，用于根据多个外呼话务员各自的预分配外呼用户有序队列进行外呼用户的推荐。
108.本技术实施例中提供了一种可能的实现方式，上文图3展示的价值预测模块310还用于：
109.根据多个外呼话务员的特征数据和多个外呼用户的特征数据，将各个外呼话务员的特征数据和各个外呼用户的特征数据进行交叉关联，生成外呼话务员和外呼用户的多个特征待选对；
110.将多个特征待选对输入预先训练的价值预测模型，利用价值预测模型对各个特征待选对的价值参数进行预测，得到各个特征待选对的预测价值参数，作为各个外呼话务员对应各个外呼用户的价值参数。
integrated circuit，专用集成电路)，fpga(field programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器401也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
127.总线402可包括一通路，在上述组件之间传送信息。总线402可以是pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
128.存储器403可以是rom(read only memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，ram(random access memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、cd-rom(compact disc read only memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
129.存储器403用于存储执行本技术方案的应用程序代码，并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码，以实现前述方法实施例所示的内容。
130.其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
131.基于同一发明构思，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任意一个实施例的外呼用户的推荐方法。
132.所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
133.本领域普通技术人员可以理解：本技术的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干程序指令，用以使得一电子设备(例如个人计算机，服务器，或者网络设备等)在运行所述程序指令时执行本技术各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。
134.或者，实现前述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(诸如个人计算机，服务器，或者网络设备等的电子设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被电子设备的处理器执行时，所述电子设备执
行本技术各实施例所述方法的全部或部分步骤。
135.以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：在本技术的精神和原则之内，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脱离本技术的保护范围。