技术领域
[0001] 本申请属于数据处理技术领域，更具体地，涉及一种基于多源信息挖掘和分析的潜在货车客户信息确定方法。
相关背景技术
[0002] 琼州海峡作为中国的重要水域，连接着海南岛与广东省，其客滚轮渡运输在促进两地经济交流和人员往来中发挥着至关重要的作用。目前，琼州海峡客滚轮渡运输已形成了三条主要通道，即“秀英港—海安新港”、“新海港—徐闻港”以及“南港—北港”。这三条通道在虽然在地理上彼此分隔，但过海时间和效率基本保持一致，为旅客提供了多样化的过海选择。
[0003] 在客滚轮渡业务淡季，由于船票供应相对充裕，各港口面临着激烈的竞争压力，尤其是对货车车队和货车司机的争夺。然而，受限于琼州海峡客票价格的统一性要求，各港区在价格策略上难以形成差异化竞争，因此，如何对潜在的货车客户信息进行挖掘，从而制定有效的营销策略来吸引车队和司机选择本港区过海，成为提高公司收入和提升市场竞争力的关键。
[0004] 目前，各港口主要依赖线下人工方式或线上公告方式对货车车队、司机进行宣传营销，这种方式不仅效率低下，而且难以精准定位目标客户群体，导致营销效果有限。随着信息技术的快速发展和数字化转型的深入，亟需一种创新方式来精准定位货车车队、司机等目标客户群体，从而提高营销效率、降低营销成本，以应对日益激烈的市场竞争。
具体实施方式
[0026] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0027] 图1是本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法的流程示意图，如图1所示，该方法至少包括以下步骤(Step)：
[0028] S101、获取目标时间段内未出岛的目标过海货车的标识信息。
[0029] 具体地，获取目标时间段内目标过海货车的标识信息，标识信息例如车牌号。目标过海货车为目标时间段内未出岛的过海货车，在客轮轮渡业务淡季，已进岛但尚未出岛的货车，是各个港口争夺的主要目标。由于货车一般会在较短时间内完成进出岛，因此目标时间段的选取也具有较强的时效性，例如，获取近3日内进岛但尚未出岛的过海货车的标识信息。
[0030] S102、基于标识信息获取目标过海货车在与目标时间段临近的历史时间段内的过海历史数据，过海历史数据包括过海频次数据、过海港口选择数据和常拉货种数据。
[0031] 具体地，相较于客车，来往海峡的货车一般具有较强的确定性和规律性，货车在进出岛时会对相关信息进行登记验证，因此在定位到目标过海货车的标识信息后，可以从数据库中抓取目标过海货车在与目标时间段临近的历史时间段内的过海历史数据。本申请实施例中，过海历史数据至少包括过海频次数据、过海港口选择数据和常拉货种数据；过海频次数据用于描述目标过海货车在历史时间段内的过海频次；过海港口选择数据用于描述目标过海货车在历史时间段内过海时的港口选择情况；常拉货种数据用于描述过海货车在历史事件段内过海时所拉货种的情况。
[0032] S103、对过海频次数据、过海港口选择数据和常拉货种数据分别进行赋值，确定目标过海货车的过海频次量化值、常拉货种量化值和选择目标港口过海的过海港口选择量化值。
[0033] 具体地，对过海频次数据进行赋值，确定目标过海货车在历史时间段内的过海频次量化值；对常拉货种数据进行赋值，确定目标过海货车在历史时间段内的常拉货种量化值；对过海港口选择数据进行赋值，确定目标过海货车在历史时间段内选择目标港口过海的过海港口选择量化值。
[0034] 同时考虑目标过海货车的过海频次数据、过海港口选择数据和常拉货种数据，作为对目标过海货车在目标时间段内选择目标港口过海的可能性量化依据；但这三类数据并不能通过简单的加权处理就得到准确的量化结果，本申请实施例中对三类数据进行赋值处理，使得三类数据能够转换为简单的、无量纲的数据，从而简化计算过程。
[0035] 过海货车在目标时间段内可能拉的货种，受到多方面的因素影响，一方面是货种本身所属类型，在相同的时间维度，不同货种的运输方式和要求有所不同，对过海时效性的要求也不同；其次是时间，对于同一货种，在一年中的不同月份，其运输需求可能随时间波动，尤其是农产品等季节性产物。
[0036] 因此，在对常拉货种数据进行赋值时，设置了出岛货物时间波动因子，该波动因子表征了同一货种的运输需求随时间变化的波动情况，直接影响量化过程中目标货种的选取，而不是简单粗暴的选择历史时间段内目标过海货车拉货占比最高的货种为目标货种。
[0037] S104、对过海频次量化值、常拉货种量化值和过海港口选择量化值进行加权处理，确定目标过海货车在目标时间段内选择目标港口过海的可能性量化结果。
[0038] 具体地，对过海频次量化值、常拉货种量化值和过海港口选择量化值进行加权处理，满足如下计算公式：
[0039] HD＝α×TNS+β×TCS+γ×TMS
[0040] 其中，HD表示目标过海货车在目标时间段内选择目标港口过海的可能性量化结果，TNS、TCS和TMS分别为影响因子过海频次量化值、过海港口选择量化值和常拉货种量化值，α、β和γ分别为各影响因子的权重。一般来说，α、β和γ可以分别设置为0.3、0.4和0.3，可以根据实际需求进行调整。
[0041] S105、对不同目标过海货车的可能性量化结果按降序排列，获取目标港口在目标时间段内的潜在货车客户信息排序表。
[0042] 具体地，对不同目标过海货车在目标时间段内选择目标港口过海的可能性量化结果分别完成计算后，根据可能性量化结果的大小进行降序排列，最终得到目标港口在目标时间段内的潜在货车客户信息排序表{HD1，HD2，HD3，...，HDn}。
[0043] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，通过对目标时间段内未出岛的目标过海货车进行定位，从而对目标过海货车在临近历史时间段内的过海频次数据、过海港口选择数据和常拉货种数据进行赋值处理，从而得到目标过海货车的过海频次量化值、常拉货种量化值和选择目标港口过海的过海港口选择量化值，加权处理后得到目标过海货车在目标时间段内选择目标港口过海的可能性量化结果；对不同目标过海货车的可能性量化结果进行降序排序，进而得到目标港口在目标时间段内的潜在货车客户信息排序表，实现了对潜在货车客户的量化分析和排序，能够精准定位到未出岛货车中的潜在可营销对象，从而提升港口的影响效率、降低营销成本；同时，在对常拉货种数据进行赋值处理时，设定出岛货物时间波动因子，兼顾考虑相同时间维度下不同货种的运输需求和不同时间维度下同一货种的运输需求波动，提升了对目标过海货车可能装载的过海货物情况预测的精度。
[0044] 在一些实施例中，S103中对过海频次数据进行赋值，确定目标过海货车的过海频次量化值，具体包括：
[0045] 判断过海频次与第一预设值和第二预设值的大小关系；
[0046] 若过海频次大于第一预设值，则将过海频次量化值赋值为第一数值；或者，[0047] 若过海频次小于第一预设值且大于第二预设值，则将过海频次量化值赋值为第二数值；或者，
[0048] 若过海频次小于第二预设值，则将过海频次量化值赋值为第三数值；
[0049] 其中，第一预设值大于第二预设值，第一数值大于第二数值，第二数值大于第三数值。
[0050] 具体地，过海频次数据包括目标过海货车在历史时间段内的过海频次，该过海频次可以为目标过海货车进出岛的总次数，或仅为进/出岛的次数。
[0051] 在对过海频次进行赋值时，预先设定了第一预设值和第二预设值，第一预设值大于第二预设值。潜在货车客户的定位，更多地考虑过海频次较高的货车，因此：若过海频次大于第一预设值，则将过海频次量化值赋值为第一数值；若过海频次小于第一预设值且大于第二预设值，则将过海频次量化值赋值为第二数值；若过海频次小于第二预设值，则将过海频次量化值赋值为第三数值；其中，第一数值＞第二数值＞第三数值。
[0052] 例如，将近3日内未出岛的货车定位为目标过海货车，抓取目标过海货车近3个月内的过海频次，过海频次记为TN，过海频次量化值记为TNS；设定第一预设值为50，第二预设值为30；第一数值、第二数值和第三数值分别为3、2和1，则对过海频次数据进行赋值，具体为：
[0053] 若TN＞50，则TNS＝3；
[0054] 若20＜TN＜50，则TNS＝2；
[0055] 若TN＜20，则TNS＝1；
[0056] 至此，完成货车过海频次数据的赋值处理；其中，对于过海频次与第一预设值或第二预设值相等的情况，可以在实际操作过程中预先设定好赋值选择。
[0057] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，在过海频次数据量化过程中，更多地关注过海频次较高的货车，有利于精准定位到潜在的目标货车客户信息。
[0058] 在一些实施例中，S103中对过海港口选择数据进行赋值，确定目标过海货车的过海港口选择量化值，具体包括：
[0059] 若统计占比大于第三预设值且小于第四预设值，则将过海港口选择量化值赋值为第一数值；或者，
[0060] 若统计占比小于第三预设值，则将过海港口选择量化值赋值为第二数值；或者，[0061] 若统计占比大于第四预设值，则将过海港口选择量化值赋值为第三数值；
[0062] 其中，第四预设值大于第三预设值，第一数值大于第二数值，第二数值大于第三数值。
[0063] 具体地，过海港口选择数据包括目标过海货车在历史时间段内选择目标港口过海的统计占比，该统计占比可以为目标过海货车选择目标港口进出岛时的统计占比，也可以为目标过海货车出岛时选择目标港口出岛时的统计占比。
[0064] 在对统计占比进行赋值时，预先设定了第三预设值和第四预设值，第四预设值大于第三预设值。对于目标港口潜在货车客户的定位，对不同货车的关注度顺序首先为多个港口选择相对均匀的货车客户，这类客户在选择港口时的客观因素影响最小，因此最易通过营销手段争取至选择目标港口出岛；其次为主要选择其它港口的货车客户，这类客户较少选择目标港口出岛，也是营销的主要对象；最后为主要选择我方港口的客户。
[0065] 因此，若统计占比大于第三预设值且小于第四预设值，则将过海港口选择量化值赋值为第一数值；若统计占比小于第三预设值，则将过海港口选择量化值赋值为第二数值；若统计占比大于第四预设值，则将过海港口选择量化值赋值为第三数值；其中，第一数值＞第二数值＞第三数值。
[0066] 例如，将近3日内未出岛的货车定位为目标过海货车，统计目标过海货车近3个月内出岛时的港口选择情况，选择目标港口出岛的统计占比记为TC，过海港口选择量化值记为TCS；设定第三预设值为40％，第四预设值为70％；第一数值、第二数值和第三数值分别为3、2和1，则对过海港口选择数据进行赋值，具体为：
[0067] 若40％＜TC＜70％，则TCS＝3；
[0068] 若TC＜40％，则TCS＝2；
[0069] 若TC＞70％，则TCS＝1；
[0070] 至此，完成货车过海港口选择数据的赋值处理；其中，对于统计占比与第三预设值或第四预设值相等的情况，可以在实际操作过程中预先设定好赋值选择。
[0071] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，在过海港口选择数据量化过程中，充分考虑了货车发展为潜在客户的可能性，能够提高营销成功率。
[0072] 在一些实施例中，S103中对常拉货种数据进行赋值，确定目标过海货车的常拉货种量化值，具体包括：
[0073] 基于前n个货种的拉货占比中选定目标货种；
[0074] 基于预设的出岛货物时间波动因子查找表，查找目标货种在目标时间段内的出岛货物时间波动因子；
[0075] 基于目标货种的过海时效要求，确定目标货种的初始赋值；初始赋值为第一数值、第二数值或第三数值，第一数值大于第二数值，第二数值大于第三数值；
[0076] 基于查找到的出岛货物时间波动因子对初始赋值进行加权处理，确定常拉货种数据赋值后的常拉货种量化值。
[0077] 具体地，在同一时间维度下，不同货种对过海时效性的要求不同。过海货车所拉货种，决定了货车对过海时效性的要求，通过提供快速过海服务，可以提高对过海时效性要求较高的货车客户的营销成功率。
[0078] 常拉货种数据包括目标过海货车在历史时间段内拉货次数最多的前n个货种的拉货占比，n为大于1的正整数。首先，基于前n个货种的拉货占比选定目标货种，例如，选择拉货次数最多的货种为目标货种。
[0079] 在不同时间维度下，同一货种对过海时效性的要求可能随时间波动，尤其是一些季节性产物。因此，在选定目标货种之后，基于预设的出岛货物时间波动因子查找表，查找目标货种在目标时间段内的出岛货物时间波动因子。
[0080] 出岛货物时间波动因子查找表预先设定，可以是通过对历史年数据的统计结果设定，也可以是由技术人员根据历史经验设定，并且该查找表可以不断更新，每次更新的依据为前一年度的历史数据统计结果。表1是出岛货物时间波动因子查找表的示例。
[0081] 表1
[0082]
[0083]
[0084] 在对常拉货种数据进行赋值的过程中，首先基于选定的目标货种的过海时效性要求，确定目标货种的初始赋值，初始赋值为第一数值、第二数值或第三数值，第一数值＞第二数值＞第三数值；目标货种的过海时效性要求越高，初始赋值越大。具体地，关于目标货种的过海时效性判断，可以基于目标货种所属类型进行判断。完成初始赋值后，再利用查找到的目标货种在目标时间段内的出岛货物时间波动因子进行加权处理，得到最终的常拉货种量化值。
[0085] 例如，将近3日内未出岛的货车定位为目标过海货车，统计目标过海货车近3个月内的拉货次数最多的前n个货种，并选定目标货种记为TM，常拉货种量化值记为TMS，目标货种的出岛货物时间波动因子记为S；第一数值、第二数值和第三数值分别为3、2和1，则对常拉货种数据进行赋值，具体为：
[0086] 若TM＝{农产品、冷鲜}，则TMS＝3×S；
[0087] 若TM＝{木材、轻工产品、快递、废品}，则TMS＝2×S；
[0088] 若TM＝{其他}，则TMS＝1×S；
[0089] 至此，完成常拉货种数据的赋值处理。
[0090] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，在常拉货种数据量化过程中，同时考虑目标过海货车最近常拉的货种，以及时间波动对货种运输需求的因素，设定出岛货物时间波动因子，对目标过海货车可能装载的过海货物情况进行预测，实现了过海货物及时效性的量化分析。
[0091] 在一些实施例中，基于前n个货种的拉货占比选定目标货种，具体包括：
[0092] 判断前n个货种中次数最多货种的拉货占比与除次数最多货种之外的其它货种的拉货占比之和之间的倍数是否大于预设倍数；
[0093] 若大于预设倍数，则选定次数最多货种为目标货种；或者，
[0094] 若小于预设倍数，则基于预先查找到的前n个货种在目标时间段内对应的出岛货物时间波动因子，分别对前n个货种的拉货占比进行加权处理，确定加权结果最大值对应的拉货货种为目标货种。
[0095] 具体地，直接选择拉货次数最高的货种为目标货种过于简单粗暴，因此本申请实施例中考虑拉货次数最多的前n个货种，并结合各个货种的出岛货物时间波动因子选定目标货种。
[0096] 对目标过海货车在历史时间段内的常拉货种，如果次数最多货种的拉货次数远大于其它货种拉货次数之和，则说明选定目标货种为次数最多货种能够有效降低量化结果的误差；如果次数最多货种的拉货次数并没有远大于其它货种拉货次数之和，则说明选定目标货种为次数最多货种会导致量化结果存在较大的误差，应当从拉货次数较多的前n个货种中进行选择，选择时考虑出岛货物时间波动因子。
[0097] 具体来说，判断前n个货种中次数最多货种的拉货占比与除次数最多货种之外的其它次多货种的拉货占比之和之间的倍数是否大于预设倍数。若大于该预设倍数，则选定次数最多货种为目标货种；若小于该预设倍数，则基于预设预先查找到的前n个货种在目标时间段内对应的出岛货物时间波动因子，分别对前n个货种的拉货占比进行加权处理，确定加权结果最大值对应的拉货货种为目标货种。
[0098] 例如，将近3日内未出岛的货车定位为目标过海货车，统计目标过海货车近3个月内的拉货次数最多的前3个货种的拉货次数，按照拉货次数降序排列记为{TM1，TM2，TM3}，3类货种的实际拉货占比记为{MD1，MD2，MD3}，查找到3类货种的出岛货物时间波动因子记为{S1，S2，S3}，选定的目标货种记为TM，预设倍数选定为2，则对常拉货种数据进行赋值，具体为：
[0099] 判断MD1与2(MD2+MD3)之间的大小关系：
[0100] 若MD1＞2(MD2+MD3)，则TM＝TM1；
[0101] 若MD1＜2(MD2+MD3)，则TM＝Max(MD1×S1，MD2×S2，MD3×S3)；
[0102] 至此，完成目标货种的选定。
[0103] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，在目标货种的选定过程中，同时考虑目标过海货车最近常拉的货种，以及时间波动对货种运输需求的因素，设定出岛货物时间波动因子，对目标过海货车可能装载的过海货物情况进行预测，实现了过海货物及时效性的量化分析。
[0104] 在一些实施例中，基于多源信息挖掘和分析的潜在货车客户信息获取方法还包括：
[0105] 基于潜在货车客户信息排序表，抓取货车司机的联系方式并通过自动外呼工具依序触发智能外呼，智能外呼用于向货车司机推荐过海预约服务和快速过海服务。
[0106] 具体地，潜在货车客户信息定位的目的，可以是用于后续的宣传营销，以提高港口在客滚轮渡业务淡季的竞争力。当获取到潜在货车客户信息排序表后，从数据库中自动抓取货车司机的联系方式并通过自动外呼工具依序触发智能外呼，智能外呼的目的在于向货车司机推荐过海预约服务和/或快速过海服务。
[0107] 潜在货车客户信息排序表中至少包括目标过海货车的标识信息和在目标时间段内选择目标港口过海的可能性量化结果，由于对货车在进出岛时都需要对相关信息进行严格申报和核对，因此利用目标过海货车的标识信息(例如车牌号信息)可以从数据库中自动抓取货车司机的联系方式以及其它信息，从而利用自动外呼工具依序触发智能外呼，向货车司机推荐过海预约服务和/或快速过海服务。
[0108] 相较于人工呼叫的方式，利用自动外呼工具进行智能外呼，可以有效提高营销效率。
[0109] 可选地，在向货车司机进行智能外呼时，可以根据常拉货种数据量化过程中选定的目标货种的时效性要求，选择是否向货车司机推荐快速过海服务。
[0110] 本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取方法，在定位到潜在货车客户信息排序表之后，自动抓取货车司机的联系方式并通过自动外呼工具依序触发智能外呼，以推荐过海预约服务和/或快速过海服务，可以有效解决人工营销模式营销范围小、效果差等问题，实现了全自动化的线性营销模式，大幅度提升了营销效率以及营销成功率。
[0111] 在一些实施例中，基于多源信息挖掘和分析的潜在货车客户信息获取方法还包括：
[0112] 若目标过海货车的可能性量化结果大于第五预设值且未接通智能外呼，则触发以下一项或多项操作：进行多次智能外呼；发送短信；转至人工服务模式。
[0113] 具体地，自动外呼工具触发的智能外呼，货车司机可能接通，对于接通智能外呼并接受过海预约服务和/或快速过海服务的货车司机，可通过线上平台或小程序等服务软件，提供车牌号、司机姓名、身份证号以及过海港口和过海时间等信息，系统通过信息自动抓取和解析工具，将相关信息录入过海预约平台中。在过海预约平台上完成过海预约服务后告知货车司机预约结果，并可以提供相应的快捷过海服务。
[0114] 对于未接通智能外呼的货车司机，考虑营销成功的概率，对于潜在货车客户信息排序表排序靠前，即选择目标港口过海的可能性量化结果较高的货车，对货车司机进一步进行营销，营销方式可以采取：进行多次智能外呼、发送短信、转至人工服务模式等中的一项或多项，以进一步提高营销成功率。
[0115] 图2是本申请实施例提供的基于多源信息挖掘和分析的潜在货车客户信息获取装置的结构示意图，如图2所示，该装置至少包括：
[0116] 第一获取模块201，用于获取目标时间段内未出岛的目标过海货车的标识信息；
[0117] 第二获取模块202，用于基于标识信息获取目标过海货车在与目标时间段临近的历史时间段内的过海历史数据，过海历史数据包括过海频次数据、过海港口选择数据和常拉货种数据；
[0118] 第一确定模块203，用于对过海频次数据、过海港口选择数据和常拉货种数据分别进行赋值，确定目标过海货车的过海频次量化值、常拉货种量化值和选择目标港口过海的过海港口选择量化值；常拉货种量化值与出岛货物时间波动因子关联；
[0119] 第二确定模块204，用于对过海频次量化值、常拉货种量化值和过海港口选择量化值进行加权处理，确定目标过海货车在目标时间段内选择目标港口过海的可能性量化结果；
[0120] 第三获取模块205，用于对不同目标过海货车的可能性量化结果按降序排列，获取目标港口在目标时间段内的潜在货车客户信息排序表。
[0121] 在一些实施例中，常拉货种数据包括目标过海货车在历史时间段内拉货次数最多的前n个货种的拉货占比，n为大于1的正整数；第一确定模块203具体包括第一确定单元，用于：
[0122] 基于前n个货种的拉货占比中选定目标货种；
[0123] 基于预设的出岛货物时间波动因子查找表，查找目标货种在目标时间段内的出岛货物时间波动因子；
[0124] 基于目标货种的过海时效要求，确定目标货种的初始赋值；初始赋值为第一数值、第二数值或第三数值，第一数值大于第二数值，第二数值大于第三数值；
[0125] 基于查找到的出岛货物时间波动因子对初始赋值进行加权处理，确定常拉货种数据赋值后的常拉货种量化值。
[0126] 在一些实施例中，基于前n个货种的拉货占比中选定目标货种，包括：
[0127] 判断前n个货种中次数最多货种的拉货占比与除次数最多货种之外的其它货种的拉货占比之和之间的倍数是否大于预设倍数；
[0128] 若大于预设倍数，则选定次数最多货种为目标货种；或者，
[0129] 若小于预设倍数，则基于预先查找到的前n个货种在目标时间段内对应的出岛货物时间波动因子，分别对前n个货种的拉货占比进行加权处理，确定加权结果最大值对应的拉货货种为目标货种。
[0130] 在一些实施例中，过海频次数据包括目标过海货车在历史时间段内的过海频次；第一确定模块203具体包括第二确定单元，用于：
[0131] 判断过海频次与第一预设值和第二预设值的大小关系；
[0132] 若过海频次大于第一预设值，则将过海频次量化值赋值为第一数值；或者，[0133] 若过海频次小于第一预设值且大于第二预设值，则将过海频次量化值赋值为第二数值；或者，
[0134] 若过海频次小于第二预设值，则将过海频次量化值赋值为第三数值；
[0135] 其中，第一预设值大于第二预设值，第一数值大于第二数值，第二数值大于第三数值。
[0136] 在一些实施例中，过海港口选择数据包括目标过海货车在历史时间段内选择目标港口过海的统计占比；第一确定模块203具体包括第三确定单元，用于：
[0137] 若统计占比大于第三预设值且小于第四预设值，则将过海港口选择量化值赋值为第一数值；或者，
[0138] 若统计占比小于第三预设值，则将过海港口选择量化值赋值为第二数值；或者，[0139] 若统计占比大于第四预设值，则将过海港口选择量化值赋值为第三数值；
[0140] 其中，第四预设值大于第三预设值，第一数值大于第二数值，第二数值大于第三数值。
[0141] 在一些实施例中，该装置还包括第一触发模块，用于：
[0142] 基于潜在货车客户信息排序表，抓取货车司机的联系方式并通过自动外呼工具依序触发智能外呼，智能外呼用于向货车司机推荐过海预约服务和/或快速过海服务。
[0143] 在一些实施例中，该装置还包括第二触发模块，用于：
[0144] 若目标过海货车的可能性量化结果大于第五预设值且未接通智能外呼，则触发以下一项或多项操作：进行多次智能外呼；发送短信；转至人工服务模式。
[0145] 可以理解的是，上述各个单元/模块的详细功能实现可参见前述方法实施例中的介绍，在此不做赘述。
[0146] 应当理解的是，上述装置用于执行上述实施例中的方法，装置中相应的程序模块，其实现原理和技术效果与上述方法中的描述类似，该装置的工作过程可参考上述方法中的对应过程，此处不再赘述。
[0147] 基于上述实施例中的方法，本申请实施例提供了一种电子设备。该设备可以包括：至少一个用于存储程序的存储器和至少一个用于执行存储器存储的程序的处理器。其中，当存储器存储的程序被执行时，处理器用于执行上述实施例中所描述的方法。
[0148] 图3是本申请实施例提供的电子设备的结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的软件指令，以执行上述实施例中所描述的方法。
[0149] 此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的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，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。
[0150] 基于上述实施例中的方法，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述实施例中的方法。
[0151] 基于上述实施例中的方法，本申请实施例提供了一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行上述实施例中的方法。
[0152] 可以理解的是，本申请实施例中的处理器可以是中央处理单元(Central Processing Unit,CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)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。通用处理器可以是微处理器，也可以是任何常规的处理器。
[0153] 本申请实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(Random Access Memory,RAM)、闪存、只读存储器(Read‑Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD‑ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
[0154] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者通过计算机可读存储介质进行传输。计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
[0155] 可以理解的是，在本申请实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。
[0156] 本领域的技术人员容易理解，以上仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。
