[发明专利]基于客户画像的银行网点派号方法及装置、存储介质

说明书

本申请公开了一种基于客户画像的银行网点派号方法及装置、存储介质，涉及人工智能领域。该方法包括：接收银行网点中目标客户的排队叫号请求；响应排队叫号请求，将排队叫号请求和目标客户的当前排队数据输入目标队列规划模型，输出目标客户对应的派号信息，其中，目标队列规划模型是基于目标客户的目标画像信息、目标客户的历史排队数据和具有银行网点的特色的因子进行学习训练生成的模型。通过本申请，解决了相关技术中由于银行网点派号系统派号不合理，导致客户排队等待银行网点叫号的时间较长的问题。

技术领域

本申请涉及人工智能领域，具体而言，涉及一种基于客户画像的银行网点派号方法及装置、存储介质。

背景技术

目前，大部分银行网点为了维持业务秩序，改善用户排队体验，均部署有派号系统。而且，派号系统通常由主机、派号机、窗口显示屏、呼叫器、语音控制系统等几个方面组成。当客户使用派号系统时，派号机按照存储的号码递增，生成一个号码并打印，将号码加入排队队列。

但是，目前现有的银行派号系统除了按照业务的类别，客户是否为VIP做简单的分类，并按照类别指定业务窗口队列外，几乎没有对客户做进一步细化。因此，这样粗放式的客户管理，会造成银行资源的浪费以及用户等待时间不均匀的问题。例如，某个队列窗口具有较多的老年人，且老年人需要更多的时间去倾听他们的业务需求，所以，在这种情况下极有可能出现分配到该队列的先至客户比分配到其他窗口的后至客户晚办理业务，长久下去会造成网点客户流失等不利影响。

针对相关技术中由于银行网点派号系统派号不合理，导致客户排队等待银行网点叫号的时间较长的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种基于客户画像的银行网点派号方法及装置、存储介质，以解决相关技术中由于银行网点派号系统派号不合理，导致客户排队等待银行网点叫号的时间较长的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于客户画像的银行网点派号方法。该方法包括：接收银行网点中目标客户的排队叫号请求；响应所述排队叫号请求，将所述排队叫号请求和所述目标客户的当前排队数据输入目标队列规划模型，输出所述目标客户对应的派号信息，其中，所述目标队列规划模型是基于所述目标客户的目标画像信息、所述目标客户的历史排队数据和具有所述银行网点的特色的因子进行学习训练生成的模型。

进一步地，在将所述排队叫号请求和所述目标客户的当前排队数据输入目标队列规划模型之前，所述方法还包括：获取所述目标客户的目标画像信息、所述目标客户的历史排队数据和具有所述银行网点的特色的因子；依据所述目标客户的目标画像信息、所述目标客户的历史排队数据和具有所述银行网点的特色的因子，构建基于强化学习的队列规划模型；采用预设算法对所述基于强化学习的队列规划模型进行训练，得到所述目标队列规划模型，其中，所述预设算法为以下之一：DQN算法、DDPG算法。

进一步地，采用预设算法对所述基于强化学习的队列规划模型进行训练，得到所述目标队列规划模型包括：获取预设的时间成本的影响因素和所述时间成本的影响因素的权重；依据所述预设的时间成本的影响因素和所述时间成本的影响因素的权重，计算所述时间成本；获取所述基于强化学习的队列规划模型的输出数据；依据所述时间成本和所述基于强化学习的队列规划模型的输出数据，采用所述预设算法更新所述基于强化学习的队列规划模型中的参数，并得到用于评估所述基于强化学习的队列规划模型的评估因素；在所述评估因素符合预设的评估条件的情况下，得到所述目标队列规划模型。

进一步地，在获取所述目标客户的目标画像信息之前，所述方法还包括：获取所述目标客户的静态信息数据和/或所述目标客户的动态信息数据，其中，所述静态信息数据至少包括：所述目标客户的属性信息、所述目标客户在所述银行网点办理的过往业务和所述目标客户在所述银行网点办理过往业务的平均办理时长；所述动态信息数据至少包括：所述目标客户在所述银行网点办理过往业务时的影像信息和/或所述目标客户在所述银行网点办理当前业务时的影像信息；依据所述静态信息数据和/或所述动态信息数据，构建所述目标客户的目标画像信息。