【技術實現步驟摘要】
本公開涉及數據處理，尤其涉及一種業務指標確定方法、裝置和存儲介質。
技術介紹
1、對于服務的整體滿意度，可通過獲取不同的用戶對服務的整體滿意度的評價，以便對服務進行改進以提升服務的整體滿意度。
2、相關技術中，由于對服務的整體滿意度存在多種影響因素，且多種影響因素對服務的整體滿意度的影響不同。針對影響整體滿意度的多個業務影響因子，無法確定較好的業務指標來提升整體滿意度。
技術實現思路
1、為克服相關技術中存在的問題，本公開提供一種業務指標確定方法、裝置和存儲介質，通過獲取多個實際用戶對應的多個實際數據，并基于該多個實際數據確定每個實際用戶關于每個業務影響因子的目標分組，再通過多個第一樣本數據訓練第一基礎網絡得到分項滿意度預測模型以及通過多個第二樣本數據訓練第二基礎網絡得到整體滿意度預測模型，并基于整體滿意度預測模型和分項滿意度預測模型構建得到得分映射模型，該得分映射模型能夠分別對每個實際用戶關于每個業務影響因子的目標分組進行處理，得到每個實際用戶關于每個業務影響因子的業務影響因子得分。從而通過業務影響因子得分體現每個業務影響因子與整體滿意度之間的量化關系。便于根據目標提升參數、多個實際用戶的實際整體滿意度、多個業務影響因子的實際業務參數和每個實際用戶關于每個業務影響因子的業務影響因子得分，確定目標業務指標，以便通過更加合理的目標業務指標實現對整體滿意度的目標提升參數。
2、根據本公開實施例的第一方面，提供一種業務指標確定方法，包括：
3、獲取多個
4、對所述多個實際用戶針對每個業務影響因子的實際業務參數進行離散化，得到每個實際用戶關于每個業務影響因子的目標分組；
5、根據得分映射模型分別對每個實際用戶關于每個業務影響因子的目標分組進行處理，得到每個實際用戶關于每個業務影響因子的業務影響因子得分，所述得分映射模型基于整體滿意度預測模型和分項滿意度預測模型構建得到，所述分項滿意度預測模型基于多個樣本用戶對應的第一樣本數據訓練第一基礎網絡得到，所述整體滿意度預測模型基于多個樣本用戶對應的第二樣本數據訓練第二基礎網絡得到，所述第一樣本數據包括所述樣本用戶對應于所述多個業務影響因子的樣本業務參數和對應于所述多個分項的樣本分項滿意度，所述第二樣本數據包括所述分項滿意度預測模型輸出的所述樣本用戶對應于所述多個分項的預測分項滿意度和所述樣本用戶對應的實際整體滿意度；
6、根據目標提升參數、所述多個實際用戶的實際整體滿意度、所述多個業務影響因子的實際業務參數和所述每個實際用戶關于每個業務影響因子的業務影響因子得分，確定目標業務指標。
7、可選地，所述分項滿意度預測模型包括多個分項滿意度預測子模型，任一所述分項滿意度預測子模型通過以下步驟訓練得到：
8、針對任一分項，從所述第一樣本數據中確定出與所述任一分項對應的第一樣本子數據，所述第一樣本子數據包括所述多個樣本用戶對應于所述任一分項的樣本分項滿意度以及與所述任一分項的樣本分項滿意度關聯的多個業務影響因子的樣本業務參數；
9、根據預設分項滿意度閾值和所述樣本分項滿意度，確定每個樣本用戶針對所述任一分項的滿意度標簽；
10、對所述第一樣本子數據中的所述多個樣本用戶針對任一業務影響因子的樣本業務參數進行離散化，得到每個樣本用戶關于所述任一業務影響因子的原始樣本分組；
11、根據每個樣本用戶針對所述任一分項的滿意度標簽，得到每個原始樣本分組的證據權重值；
12、根據每個樣本用戶關于所述多個業務影響因子的原始樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型。
13、可選地，在根據每個樣本用戶關于所述多個業務影響因子的原始樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型之前，所述方法還包括：
14、根據每個原始樣本分組的證據權重值，對所述多個業務影響因子進行篩選，得到目標業務影響因子以及每個目標業務影響因子對應的多個更新樣本分組；
15、根據每個樣本用戶針對所述任一分項的滿意度標簽，得到每個更新樣本分組的證據權重值；
16、所述根據每個樣本用戶關于所述多個業務影響因子的原始樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型，包括：
17、根據每個樣本用戶關于所述目標業務影響因子的更新樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型。
18、可選地，所述根據每個原始樣本分組的證據權重值，對所述多個業務影響因子進行篩選，得到目標業務影響因子以及每個目標業務影響因子對應的多個更新樣本分組，包括：
19、針對所述多個業務影響因子中的任一業務影響因子，確定所述任一業務影響因子與其關聯的樣本分項滿意度之間的期望單調關系；
20、根據所述任一業務影響因子對應的多個原始樣本分組，確定所述多個原始樣本分組的證據權重值的實際單調關系；
21、在所述實際單調關系與所述期望單調關系匹配時，確定所述任一業務影響因子為一個目標業務影響因子，并將匹配時的樣本分組確定為所述目標業務影響因子對應的多個更新樣本分組。
22、可選地，所述根據所述任一業務影響因子對應的多個原始樣本分組，確定所述多個原始樣本分組的證據權重值的實際單調關系，包括：
23、將所述多個原始樣本分組確定為多個基本分組；
24、對所述多個基本分組進行排序，并確定每個基本分組的序號；
25、在排序后的所述多個基本分組的證據權重值的單調性為不單調的情況下，確定不單調的目標證據權重值所對應的基本分組的目標序號；
26、根據所述目標序號，對所述多個基本分組進行合并處理，得到第一分組序列；
27、在所述第一分組序列的證據權重值的單調性為不單調的情況下，根據所述第一分組序列確定多個新的基本分組，并確定每個新的基本分組的證據權重值，直至所述多個新的基本分組的個數小于預設分組個數，或所述多個新的基本分組的證據權重值單調；
28、將證據權重值單調時的基本分組確定為多個更新樣本分組；
29、將所述多個更新樣本分組的證據權重值的單調關系確定為所述多個原始樣本分組的證據權重值的實際單調關系。
30、可選地，所述根據所述目標序號，對所述多個基本分組進行合并處理，得到第一分組序列，包括：
31、在所述目標序號為第一個本文檔來自技高網...
【技術保護點】
1.一種業務指標確定方法，其特征在于，包括：
2.根據權利要求1所述的業務指標確定方法，其特征在于，所述分項滿意度預測模型包括多個分項滿意度預測子模型，任一所述分項滿意度預測子模型通過以下步驟訓練得到：
3.根據權利要求2所述的業務指標確定方法，其特征在于，在根據每個樣本用戶關于所述多個業務影響因子的原始樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型之前，所述方法還包括：
4.根據權利要求3所述的業務指標確定方法，其特征在于，
5.根據權利要求4所述的業務指標確定方法，其特征在于，
6.根據權利要求5所述的業務指標確定方法，其特征在于，
7.根據權利要求5所述的業務指標確定方法，其特征在于，
8.根據權利要求5所述的業務指標確定方法，其特征在于，所述第一分組序列包括第一分組子序列和第二分組子序列；
9.根據權利要求8所述的業務指標確定方法，其特征在于，
10.根據權利要求3～9任一所述的業
11.根據權利要求1～9任一所述的業務指標確定方法，其特征在于，
12.根據權利要求11所述的業務指標確定方法，其特征在于，所述方法還包括：
13.一種業務指標確定裝置，其特征在于，包括：
14.一種業務指標確定裝置，其特征在于，包括：
15.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，該程序指令被處理器執行時實現權利要求1～12中任一項所述業務指標確定方法的步驟。
...【技術特征摘要】
1.一種業務指標確定方法，其特征在于，包括：
2.根據權利要求1所述的業務指標確定方法，其特征在于，所述分項滿意度預測模型包括多個分項滿意度預測子模型，任一所述分項滿意度預測子模型通過以下步驟訓練得到：
3.根據權利要求2所述的業務指標確定方法，其特征在于，在根據每個樣本用戶關于所述多個業務影響因子的原始樣本分組的證據權重值和所述每個樣本用戶針對所述任一分項的滿意度標簽，對所述第一基礎網絡進行多輪訓練，得到任一所述分項滿意度預測子模型之前，所述方法還包括：
4.根據權利要求3所述的業務指標確定方法，其特征在于，
5.根據權利要求4所述的業務指標確定方法，其特征在于，
6.根據權利要求5所述的業務指標確定方法，其特征在于，
7.根據權利要求5所述的業務指標確...
【專利技術屬性】
技術研發人員：付政，
申請(專利權)人：北京小米移動軟件有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。