外呼营销流程的控制方法、装置及系统

技术领域

本公开实施例涉及计算机技术领域，更具体地，涉及一种外呼营销流程的控制方法、装置及系统。

背景技术

外呼营销是一种快捷、方便、高效的营销方式，企业可通过外呼营销方式扩大和维护客户，以期增加企业效益。

目前，考虑到人工坐席外呼营销通常具有效率低、人力成本高等特点，一些企业选择使用自动外呼端进行外呼营销。

但自动外呼端进行外呼营销时的分析判断能力较为局限，使得营销效果不佳。

发明内容

本公开实施例的一个目的是提供一种控制外呼营销流程的新的技术方案。

根据本公开的第一方面，提供了一种外呼营销流程的控制方法，包括：通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型；根据所述预测结果，得到待营销的目标客户名单及对应的客户类型；对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。

可选地，所述方法还包括：获取各目标客户的营销记录数据；根据各目标客户的营销记录数据，对所述目标模型进行优化处理。

可选地，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第一类型，且所述自动外呼端未将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第一营销记录数据；将所述第一营销记录数据，作为所述目标客户的营销记录数据；其中，所述第一营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第一类型，且所述自动外呼端将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第二营销记录数据，以及接收所述人工外呼端发来的第三营销记录数据；将所述第二营销记录数据和所述第三营销记录数据，作为所述目标客户的营销记录数据；其中，所述第二营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据，所述第三营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第二类型的情况下，接收所述人工外呼端发来的第四营销记录数据；将所述第四营销记录数据，作为所述目标客户的营销记录数据；其中，所述第四营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述方法还包括：获取各目标客户的营销结果数据；

所述根据各目标客户的营销记录数据，对所述目标模型进行优化处理，包括：根据各目标客户的外呼营销数据，对所述目标模型进行优化处理；其中，所述目标客户的外呼营销数据包括：所述目标客户的客户数据、营销记录数据和营销结果数据。

可选地，所述已外呼客户的外呼营销数据包括：所述已外呼客户的客户数据、营销记录数据和营销结果数据。

可选地，所述营销记录数据包括：联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

可选地，所述营销结果数据包括：用于标识产品营销成功的数据，或用于标识产品营销失败的数据。

可选地，所述通过目标模型对指定客户数据集进行预测，得到预测结果，包括：对于指定客户数据集中的每个目标客户的客户数据，通过目标模型根据所述目标客户的客户数据，对所述目标客户的营销概率进行打分，得到所述目标客户的第一营销概率值作为预测结果。

可选地，所述根据所述预测结果，得到待营销的目标客户名单及对应的客户类型，包括：获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；对比第一阈值和所述目标客户的第一营销概率值，其中，所述第一阈值根据第一营销概率值集合的数值大小分布情况所得到，所述第一营销概率值集合包括所述目标客户的第一营销概率值和所述目标客户名单中的其他客户的第一营销概率值；在所述目标客户的第一营销概率值小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第一营销概率值不小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

可选地，所述方法还包括：根据所述已外呼客户的外呼营销数据，建立用户画像数据库；获取预先设定的调整规则；

所述根据所述预测结果，得到待营销的目标客户名单及对应的客户类型，包括：获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；根据所述调整规则和所述用户画像数据库，对所述目标客户的第一营销概率值进行调整，得到所述目标客户的第二营销概率值；根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型。

可选地，所述根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型，包括：对比第二阈值和所述目标客户的第二营销概率值，其中，所述第二阈值根据第二营销概率值集合的数值大小分布情况所得到，所述第二营销概率值集合包括所述目标客户的第二营销概率值和所述目标客户名单中的其他客户的第二营销概率值；在所述目标客户的第二营销概率值小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第二营销概率值不小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

可选地，在所述通过目标模型对指定客户数据集进行预测之前，还包括：根据预设的机器学习算法，基于已外呼客户的外呼营销数据进行机器学习训练，得到所述目标模型。

可选地，所述机器学习算法包括LR算法。

根据本公开的第二方面，还提供了一种外呼营销流程的控制装置，包括：预测模块，用于通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型；第一处理模块，用于根据所述预测结果，得到待营销的目标客户名单及对应的客户类型；第二处理模块，用于对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。

可选地，所述装置还包括：优化模块，用于获取各目标客户的营销记录数据；根据各目标客户的营销记录数据，对所述目标模型进行优化处理。

可选地，所述优化模块，用于在所述客户类型为所述第一类型，且所述自动外呼端未将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第一营销记录数据；将所述第一营销记录数据，作为所述目标客户的营销记录数据；其中，所述第一营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述优化模块，用于在所述客户类型为所述第一类型，且所述自动外呼端将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第二营销记录数据，以及接收所述人工外呼端发来的第三营销记录数据；将所述第二营销记录数据和所述第三营销记录数据，作为所述目标客户的营销记录数据；其中，所述第二营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据，所述第三营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述优化模块，用于在所述客户类型为所述第二类型的情况下，接收所述人工外呼端发来的第四营销记录数据；将所述第四营销记录数据，作为所述目标客户的营销记录数据；其中，所述第四营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

可选地，所述优化模块，用于获取各目标客户的营销结果数据；根据各目标客户的外呼营销数据，对所述目标模型进行优化处理；其中，所述目标客户的外呼营销数据包括：所述目标客户的客户数据、营销记录数据和营销结果数据。

可选地，所述已外呼客户的外呼营销数据包括：所述已外呼客户的客户数据、营销记录数据和营销结果数据。

可选地，所述营销记录数据包括：联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

可选地，所述营销结果数据包括：用于标识产品营销成功的数据，或用于标识产品营销失败的数据。

可选地，所述预测模块，用于对于指定客户数据集中的每个目标客户的客户数据，通过目标模型根据所述目标客户的客户数据，对所述目标客户的营销概率进行打分，得到所述目标客户的第一营销概率值作为预测结果。

可选地，所述第一处理模块，用于获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；对比第一阈值和所述目标客户的第一营销概率值，其中，所述第一阈值根据第一营销概率值集合的数值大小分布情况所得到，所述第一营销概率值集合包括所述目标客户的第一营销概率值和所述目标客户名单中的其他客户的第一营销概率值；在所述目标客户的第一营销概率值小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第一营销概率值不小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

可选地，所述第一处理模块，用于根据所述已外呼客户的外呼营销数据，建立用户画像数据库；获取预先设定的调整规则；获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；根据所述调整规则和所述用户画像数据库，对所述目标客户的第一营销概率值进行调整，得到所述目标客户的第二营销概率值；根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型。

可选地，所述第一处理模块，用于对比第二阈值和所述目标客户的第二营销概率值，其中，所述第二阈值根据第二营销概率值集合的数值大小分布情况所得到，所述第二营销概率值集合包括所述目标客户的第二营销概率值和所述目标客户名单中的其他客户的第二营销概率值；在所述目标客户的第二营销概率值小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第二营销概率值不小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

可选地，该装置还包括：模型训练模块，用于根据预设的机器学习算法，基于已外呼客户的外呼营销数据进行机器学习训练，得到所述目标模型。

可选地，所述机器学习算法包括LR算法。

根据本公开的第三方面，还提供了一种包括至少一个计算装置和至少一个存储装置的系统，其中，所述至少一个存储装置用于存储指令，所述指令被所述至少一个计算装置运行时，促使所述至少一个计算装置执行根据本公开第一方面所述的方法。

根据本公开的第四方面，还提供了一种外呼营销流程的控制系统，包括：本公开第一方面中任一所述的外呼营销流程的控制装置、自动外呼端和人工外呼端；其中，所述自动外呼端，用于经所述外呼营销流程的控制装置触发，对所述外呼营销流程的控制装置指定的目标客户进行外呼营销处理；所述人工外呼端，用于经所述外呼营销流程的控制装置触发，对所述外呼营销流程的控制装置指定的目标客户进行外呼营销处理。

可选地，所述自动外呼端，用于经所述外呼营销流程的控制装置触发，根据预先设定的外呼营销处理流程，对所述外呼营销流程的控制装置指定的目标客户进行外呼营销处理；

其中，所述外呼营销处理流程包括：根据预先设定的问题进行提问，获取客户针对所述问题的答复；根据预设设定的打分规则，对所述答复进行打分，得到营销意愿值；根据所述营销意愿值，计算营销意愿累计值；对比所述营销意愿累计值和预先设定的营销意愿阈值；在所述营销意愿累计值不小于所述营销意愿阈值的情况下，向所述人工外呼端发送转接请求；

所述人工外呼端，用于响应于所述转接请求，执行预先设定的相应处理。

可选地，所述自动外呼端包括AI机器人。

根据本公开的第五方面，还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上存储计算机程序，所述计算机程序在被处理器执行时实现根据本公开的第一方面所述的方法。

本公开实施例的一个有益效果在于，通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型；根据所述预测结果，得到待营销的目标客户名单及对应的客户类型；对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。通过对不同类型的客户采用不同的外呼营销处理方式，使得外呼营销处理更有针对性，从而提高营销效果。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开实施例的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开实施例的原理。

图1是能够应用本发明方法实施例的电子设备的硬件结构示意图；

图2是根据一个实施例的外呼营销流程的控制方法的流程示意图；

图3是根据另一个实施例的外呼营销流程的控制方法的流程示意图；

图4是根据一个实施例的外呼营销流程的控制装置的方框原理图；

图5是根据一个实施例的外呼营销流程的控制装置的硬件结构示意图；

图6是根据一个实施例的外呼营销流程的控制系统的方框原理图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例的一个应用场景为控制外呼营销流程。

在实现的过程中，发明人发现在只使用自动外呼端进行外呼营销的情况下，会有自动外呼端进行外呼营销时的分析判断能力较为局限，使得营销效果不佳的问题。比如，自动外呼端对客户意愿的判断只能根据预设模型机械判断与识别，无法对表面拒绝的客户进行深入分析、通过客户拒绝原因及时调整营销策略进行挽留营销。

针对以上实施方式存在的技术问题，发明人提出了一种外呼营销流程的控制方法，该方法通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型；根据所述预测结果，得到待营销的目标客户名单及对应的客户类型；对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。该方法通过对不同类型的客户采用不同的外呼营销处理方式，使得外呼营销处理更有针对性，从而提高营销效果。

<硬件配置>

图1是能够应用本发明方法实施例的电子设备1000的硬件结构示意图。该电子设备1000可以应用于控制外呼营销流程的场景。

该电子设备1000可以是智能手机、便携式电脑、台式计算机、平板电脑、服务器等，在此不做限定。

如图1所示，该电子设备1000的硬件配置可以包括但不限于处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、图形处理器GPU、微处理器MCU等，用于执行计算机程序，该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、并行接口等。通信装置1400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

应用于本公开实施例中，电子设备1000的存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以支持实现根据本公开任意实施例的外呼营销流程的控制方法。技术人员可以根据本公开所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。该电子设备1000可以安装有智能操作系统(例如Windows、Linux、安卓、IOS等系统)和应用软件。

本领域技术人员应当理解，尽管在图1中示出了电子设备1000的多个装置，但是，本公开实施例的电子设备1000可以仅涉及其中的部分装置，例如，只涉及处理器1100和存储器1200。这是本领域公知，此处不再赘述。

下面，参照附图描述根据本发明的各个实施例和例子。

<方法实施例>

图2是根据一个实施例的外呼营销流程的控制方法的流程示意图。本实施例的实施主体例如为图1中所示的电子设备1000。

如图2所示，本实施例的外呼营销流程的控制方法可以包括如下步骤S201～S203：

步骤S201，通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型。

详细地，外呼营销的产品可以为可被营销的任一产品，如银行信用卡等。

详细地，指定客户数据集中可以包括有待营销的目标客户的客户数据，进而可基于该客户数据对相应目标客户的外呼类型进行预测，得到预测结果。比如基于该预测结果，可以确定由自动外呼端对该目标客户进行外呼营销处理，还是由人工外呼端对该目标客户进行外呼营销处理。

本实施例中，根据已外呼客户的外呼营销数据训练得到目标模型，进而根据该目标模型对待营销客户的外呼类型进行预测，可以保证良好的预测准确性。比如，对于已外呼客户中的营销成功的客户，若一待营销客户的客户数据与其客户数据相同或相似，则该待营销客户的外呼类型优选为由人工外呼端进行外呼营销处理，反之可以为由自动外呼端进行外呼营销处理。如此可以保证由人工外呼端服务营销成功概率较大的客户，由自动外呼端服务营销成功概率较小的客户，以提高人力成本的充分利用，还可提高外呼营销效率。

基于此，在本公开一个实施例中，所述已外呼客户的外呼营销数据包括：所述已外呼客户的客户数据、营销记录数据和营销结果数据。

本实施例中，营销记录数据和营销结果数据可以在一定程度上反映相应客户的营销成功概率，该营销成功概率可与相应的客户数据相对应，并结合待营销客户的客户数据，可预测待营销客户的营销成功概率。

在本公开一个实施例中，所述营销记录数据包括：联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

详细地，营销记录数据可根据对客户进行外呼营销处理的具体处理结果而得到。营销记录数据可以在一定程度上反映相应客户的营销成功概率。

在本公开一个实施例中，所述营销结果数据包括：用于标识产品营销成功的数据，或用于标识产品营销失败的数据。营销结果数据可以直接反映相应客户的营销成功概率。

基于上述内容，在本公开一个实施例中，上述步骤S201中，所述通过目标模型对指定客户数据集进行预测，得到预测结果，包括：对于指定客户数据集中的每个目标客户的客户数据，通过目标模型根据所述目标客户的客户数据，对所述目标客户的营销概率进行打分，得到所述目标客户的第一营销概率值作为预测结果。

通常情况下，营销概率值越大，相应客户越容易被成功营销，反之则易营销失败。本实施例中，以第一营销概率值作为预测结果，进而可据此确定相应待营销客户的客户类型。

在本公开一个实施例中，在所述通过目标模型对指定客户数据集进行预测之前，还包括：根据预设的机器学习算法，基于已外呼客户的外呼营销数据进行机器学习训练，得到所述目标模型。

在本公开一个实施例中，所述机器学习算法包括LR算法。

举例来说，以银行信用卡外呼营销为例，电子设备1000可以基于信用卡外呼营销记录数据，将在对用户发起外呼营销之后10天内成功申请行用卡的营销记录作为正样本，反之作为负样本，并结合用户的基本属性数据、用户AUM(Asset Under Management，资产管理规模)数据、用户的银行卡交易行为数据、用户使用手机银行App的行为数据、信用卡的产品属性数据等数据，使用LR算法进行模型训练。

上述步骤S201中，在通过目标模型对指定客户数据集进行预测并得到预测结果之后，即可执行下述步骤S202。

步骤S202，根据所述预测结果，得到待营销的目标客户名单及对应的客户类型。

详细地，指定客户数据集中可以包括有待营销的目标客户的客户数据，故而可由这些目标客户构成待营销的目标客户名单。进而对于名单上的各个目标客户，可根据其预测结果确定其客户类型。

举例来说，在使用训练得到的模型对待营销客户进行打分之后，可以按营销概率高低进行排序，得到排好序的客户名单列表。

对应于上述以第一营销概率值作为预测结果的实现方式，在本公开一个实施例中，所述步骤S202，根据所述预测结果，得到待营销的目标客户名单及对应的客户类型，包括下述步骤A1～步骤A2：

步骤A1，获得待营销的目标客户名单，所述目标客户名单包括所述目标客户。

如上所述，目标客户名单可以罗列有上述指定客户数据集中各项客户数据所对应的目标客户。

步骤A2，对比第一阈值和所述目标客户的第一营销概率值。

详细地，所述第一阈值根据第一营销概率值集合的数值大小分布情况所得到，所述第一营销概率值集合包括所述目标客户的第一营销概率值和所述目标客户名单中的其他客户的第一营销概率值。

本实施例中，根据名单中各目标客户的第一营销概率值的数值大小分布情况，得到第一阈值。与根据历史经验按需设置第一阈值相比，本实施例提供的这一第一阈值的获取方式，有助于获得更为准确、更有针对性的阈值。

基于上述内容，经对比，在所述目标客户的第一营销概率值小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第一类型。在所述目标客户的第一营销概率值不小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

优选地，第一类型可以对应于自动外呼的情况，第二类型可以对应于人工外呼的情况。

本实施例中，根据所有目标客户对应的营销概率值分布情况得到的第一阈值，使得人工外呼比例和自动外呼比例间可以具有预期平衡，避免出现人工外呼过多或过少的情况，可保证人力成本的充分利用。

基于上述步骤A1～步骤A2所述的实现方式可知，在通过目标模型根据目标客户的客户数据对目标客户的营销概率进行打分，以得到目标客户的第一营销概率值之后，可以直接根据第一营销概率值来确定目标客户的客户类型。

基于此，为进一步提高对客户类型的准确判断，还可进一步对该第一营销概率值进行优化而得到第二营销概率值，进而根据第二营销概率值来确定目标客户的客户类型。

基于此，在本公开一个实施例中，为了说明一种优化第一营销概率值的可能实现方式，所以，所述方法还包括：根据所述已外呼客户的外呼营销数据，建立用户画像数据库；获取预先设定的调整规则。

详细地，可以根据各已外呼客户的客户数据、营销记录数据和营销结果数据建立用户画像数据库，进而可根据用户画像数据库对上述第一营销概率值进行调整优化。具体可基于按需设定的调整规则进行调整优化。

举例来说，可以基于对目标模型输出的样本特征、用户交易数据、银行信用卡营销记录等数据进行分析，建立用户画像数据库，同时结合银行内部业务专家的领域知识整理出的调整规则，进而即可对上述排好序的客户名单进行调整，从而形成最终的按营销成功概率大小排序的名单。

对应的，所述步骤S202，根据所述预测结果，得到待营销的目标客户名单及对应的客户类型，包括下述步骤B1～步骤B3：

步骤B1，获得待营销的目标客户名单，所述目标客户名单包括所述目标客户。

同上所述，目标客户名单可以罗列有上述指定客户数据集中各项客户数据所对应的目标客户。

步骤B2，根据所述调整规则和所述用户画像数据库，对所述目标客户的第一营销概率值进行调整，得到所述目标客户的第二营销概率值。

该步骤中，基于上述用户画像数据库，通过调整规则对第一营销概率值进行调整优化，使得调整后得到的第二营销概率值与该第一营销概率值相比，通常可以更接近于实际营销结果，从而据此确定出更为准确的客户类型。

步骤B3，根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型。

该步骤中，基于调整后得到的第二营销概率值来确定目标客户的客户类型。同上所述，可以根据第二营销概率值与相应第二阈值间的数值大小对比来确定客户类型，以及具体可根据各第二营销概率值的分布情况来确定该第二阈值。

基于上述内容，在本公开一个实施例中，所述步骤B3，根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型，包括：对比第二阈值和所述目标客户的第二营销概率值。

详细地，所述第二阈值根据第二营销概率值集合的数值大小分布情况所得到，所述第二营销概率值集合包括所述目标客户的第二营销概率值和所述目标客户名单中的其他客户的第二营销概率值。

基于上述内容，经对比，在所述目标客户的第二营销概率值小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第一类型。在所述目标客户的第二营销概率值不小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

同上所述，第一类型可以对应于自动外呼的情况，第二类型可以对应于人工外呼的情况。

上述步骤S202中，在根据预测结果得到目标客户名单及对应客户类型后，即可执行下述步骤S203，根据名单中各目标客户对应的客户类型，对该目标客户进行相应外呼营销处理。

步骤S203，对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。

详细地，客户类型为第一类型时由自动外呼端对相应目标客户进行外呼营销处理，客户类型为第二类型时由人工外呼端对相应目标客户进行外呼营销处理。

以自动外呼端为AI机器人为例，举例来说，可以通过营销管理系统对待营销名单进行分发处理。对于客户类型为第一类型的长尾客户，通过AI机器人外呼。对于客户类型为第二类型的头部客户，直接由人工坐席跟进营销。通过AI机器人与人工坐席的结合，整体提升营销效率。

由上可知，本公开实施例提供了外呼营销流程的控制方法，该方法通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型；根据所述预测结果，得到待营销的目标客户名单及对应的客户类型；对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。该方法通过对不同类型的客户采用不同的外呼营销处理方式，使得外呼营销处理更有针对性，从而提高营销效果。基于此，可以解决只使用自动外呼端进行外呼营销所带来的营销效果不佳的问题。

详细地，自动外呼端和人工外呼端执行外呼营销处理后，可以生成相应的营销记录数据，电子设备1000可以获取该营销记录数据以用于目标模型的优化。基于优化后的目标模型对指定客户数据集进行预测，可得到更为准确的预测结果，以使外呼营销处理更有针对性，营销效果更好。

基于此，在本公开一个实施例中，在上述步骤S203之后，所述方法还包括下述步骤C1～步骤C2。

步骤C1，获取各目标客户的营销记录数据。

本实施例中，由自动外呼端或人工外呼端执行外呼营销处理，故而可以从自动外呼端、人工外呼端获取营销记录数据，具体获取情况至少可以包括下述三种情况：

情况1：由自动外呼端针对目标客户进行外呼营销，且未转接至人工外呼端，该情况下由自动外呼端提供相应营销记录数据；

情况2：由自动外呼端针对目标客户进行外呼营销，并转接至人工外呼端，该情况下由自动外呼端和人工外呼端提供相应营销记录数据；

情况3：由人工外呼端针对目标客户进行外呼营销，该情况下由人工外呼端提供相应营销记录数据。

详细地，针对上述情况1：

在本公开一个实施例中，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第一类型，且所述自动外呼端未将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第一营销记录数据；将所述第一营销记录数据，作为所述目标客户的营销记录数据。

其中，所述第一营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

详细地，自动外呼端对目标客户进行外呼营销处理的过程中或之后，可以生成相应的营销记录数据，同上所述，该营销记录数据可以包括联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

详细地，针对上述情况2：

在本公开一个实施例中，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第一类型，且所述自动外呼端将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第二营销记录数据，以及接收所述人工外呼端发来的第三营销记录数据；将所述第二营销记录数据和所述第三营销记录数据，作为所述目标客户的营销记录数据。

其中，所述第二营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据，所述第三营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

本实施例中，自动外呼端可以根据预先设定的外呼营销处理流程，对所述外呼营销流程的控制装置指定的目标客户进行外呼营销处理。所述外呼营销处理流程可以包括：根据预先设定的问题进行提问，获取客户针对所述问题的答复；根据预设设定的打分规则，对所述答复进行打分，得到营销意愿值；根据所述营销意愿值，计算营销意愿累计值；对比所述营销意愿累计值和预先设定的营销意愿阈值；在所述营销意愿累计值不小于所述营销意愿阈值的情况下，向所述人工外呼端发送转接请求。进而由人工外呼端响应于所述转接请求，执行预先设定的相应处理。

本实施例中，自动外呼端根据目标客户的营销意愿累计值，对目标客户的营销意愿进行初步预估，在认为其营销意愿较强而自身通常无法对其进行深入灵活营销处理，而需要由业务人员对其进行挽留营销的情况下，及时转接至人工外呼端，进而由人工外呼端继续对该目标客户进行外呼营销处理。基于此，可以解决只使用自动外呼端进行外呼营销所带来的营销效果不佳的问题。

本实施例中，除了自动外呼端，人工外呼端对目标客户进行外呼营销处理的过程中或之后，也可以生成相应的营销记录数据，该营销记录数据同样可以包括联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

详细地，这些数据具体可由人工外呼端的处理模块根据外呼营销处理结果而生成，也可配合业务人员的输入信息而得到。

详细地，针对上述情况3：

在本公开一个实施例中，所述获取各目标客户的营销记录数据，包括：在所述客户类型为所述第二类型的情况下，接收所述人工外呼端发来的第四营销记录数据；将所述第四营销记录数据，作为所述目标客户的营销记录数据。

其中，所述第四营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

本实施例中，同上所述，人工外呼端对目标客户进行外呼营销处理的过程中或之后，可以生成相应的营销记录数据。

步骤C2，根据各目标客户的营销记录数据，对所述目标模型进行优化处理。

上面提到，可以根据已外呼客户的外呼营销数据进行模型训练而得到目标模型。基于此，在对目标模型进行优化时，对应地可以根据各目标客户的外呼营销数据来优化目标模型，具体根据各目标客户的客户数据、营销记录数据和营销结果数据来优化目标模型。

基于此，在本公开一个实施例中，在上述步骤C1之后，所述方法还包括：获取各目标客户的营销结果数据。

详细地，在自动外呼端和/或人工外呼端对一个目标客户进行外呼营销处理后，可以获得该目标客户的营销结果作为营销结果数据。同上所述，该营销结果数据可以包括用于标识产品营销成功的数据或用于标识产品营销失败的数据。

对应地，所述步骤C2，根据各目标客户的营销记录数据，对所述目标模型进行优化处理，包括：根据各目标客户的外呼营销数据，对所述目标模型进行优化处理。

其中，所述目标客户的外呼营销数据包括：所述目标客户的客户数据、营销记录数据和营销结果数据。目标客户的外呼营销数据的数据组成可与已外呼客户的外呼营销数据的数据组成相一致。

举例来说，可以将自动外呼端与人工外呼端的客户营销记录(例如营销记录数据包括外呼时间、是否接通、客户对预设问题回答情况的打分值、营销是否成功等数据)进行汇总，导入机器学习算法自学习模块，不断改进模型效果，最终进一步提升营销效率。

基于上述内容，本公开实施例提供的外呼营销流程的控制方法至少可以具体下述特点：

(1)通过机器学习算法实现客户+产品的精准匹配营销，提升AI机器人外呼的营销效率。

(2)通过AI机器人和人工坐席的协作，提升营销效率，降低了人工坐席的人力投入成本。

(3)通过营销过程的记录进行模型的迭代优化，提升模型的预测准确性。

图3给出了根据一实施例的外呼营销流程的控制方法的流程示意图，现以图1所示的电子设备1000为实施主体为例，说明本实施例的外呼营销流程的控制方法。

如图3所示，该实施例的方法可以包括如下步骤S301～步骤S311：

步骤S301，根据LR算法基于已外呼客户的外呼营销数据进行机器学习训练，得到所述目标模型，所述已外呼客户的外呼营销数据包括所述已外呼客户的客户数据、营销记录数据和营销结果数据。

步骤S302，对于指定客户数据集中的每个目标客户的客户数据，通过所述目标模型根据所述目标客户的客户数据，对所述目标客户的营销概率进行打分，得到所述目标客户的第一营销概率值作为预测结果。

步骤S303，获得待营销的目标客户名单，所述目标客户名单包括所述目标客户。

步骤S304，根据第一营销概率值集合的数值大小分布情况得到第一阈值，所述第一营销概率值集合包括所述目标客户的第一营销概率值和所述目标客户名单中的其他客户的第一营销概率值。

步骤S305，对比第一阈值和所述目标客户的第一营销概率值，在所述目标客户的第一营销概率值小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第一类型并执行步骤S306，在所述目标客户的第一营销概率值不小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第二类型并执行步骤S309。

步骤S306，触发自动外呼端对所述目标客户进行外呼营销处理，并执行步骤S307或步骤S308。

步骤S307，在所述自动外呼端未将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第一营销记录数据；将所述第一营销记录数据，作为所述目标客户的营销记录数据，并执行步骤S311。

其中，所述第一营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

步骤S308，在所述自动外呼端将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第二营销记录数据，以及接收所述人工外呼端发来的第三营销记录数据；将所述第二营销记录数据和所述第三营销记录数据，作为所述目标客户的营销记录数据。

其中，所述第二营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据，所述第三营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

步骤S309，触发人工外呼端对所述目标客户进行外呼营销处理，并执行步骤S310。

步骤S310，在所述客户类型为所述第二类型的情况下，接收所述人工外呼端发来的第四营销记录数据；将所述第四营销记录数据，作为所述目标客户的营销记录数据。

其中，所述第四营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

步骤S311，获取各目标客户的营销结果数据；根据各目标客户的外呼营销数据，对所述目标模型进行优化处理，所述目标客户的外呼营销数据包括所述目标客户的客户数据、营销记录数据和营销结果数据。

其中，所述营销记录数据包括：联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

其中，所述营销结果数据包括：用于标识产品营销成功的数据，或用于标识产品营销失败的数据。

本实施例中，根据已外呼客户的外呼营销数据训练目标模型，并根据目标模型对名单中待营销目标客户的客户数据进行预测，得到相应营销概率值。进而根据各目标客户的营销概率值的分布情况确定各目标客户的营销类型并进行相应营销处理。之后再根据营销结果优化目标模型。基于这一外呼营销流程的控制方法，不仅可以提高人力成本的充分利用，还可提高外呼营销效率。

<设备实施例>

图4是根据一个实施例的外呼营销流程的控制装置400的原理框图。如图4所示，该外呼营销流程的控制装置400可以包括预测模块401、第一处理模块402、第二处理模块403。该外呼营销流程的控制装置400可以是图1中的电子设备1000。

其中，所述预测模块401通过目标模型对指定客户数据集进行预测，得到预测结果，所述目标模型为根据已外呼客户的外呼营销数据进行模型训练而得到的模型。所述第一处理模块402根据所述预测结果，得到待营销的目标客户名单及对应的客户类型。所述第二处理模块403对于所述目标客户名单中的每个目标客户，在所述目标客户的客户类型为第一类型的情况下，触发自动外呼端对所述目标客户进行外呼营销处理；以及在所述目标客户的客户类型为第二类型的情况下，触发人工外呼端对所述目标客户进行外呼营销处理。

在本公开一个实施例中，所述外呼营销流程的控制装置400还包括优化模块。所述优化模块获取各目标客户的营销记录数据；根据各目标客户的营销记录数据，对所述目标模型进行优化处理。

在本公开一个实施例中，所述优化模块用于在所述客户类型为所述第一类型，且所述自动外呼端未将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第一营销记录数据；将所述第一营销记录数据，作为所述目标客户的营销记录数据；其中，所述第一营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

在本公开一个实施例中，所述优化模块用于在所述客户类型为所述第一类型，且所述自动外呼端将所述目标客户的外呼营销处理流程转接至所述人工外呼端的情况下，接收所述自动外呼端发来的第二营销记录数据，以及接收所述人工外呼端发来的第三营销记录数据；将所述第二营销记录数据和所述第三营销记录数据，作为所述目标客户的营销记录数据；其中，所述第二营销记录数据为所述自动外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据，所述第三营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

在本公开一个实施例中，所述优化模块用于在所述客户类型为所述第二类型的情况下，接收所述人工外呼端发来的第四营销记录数据；将所述第四营销记录数据，作为所述目标客户的营销记录数据；其中，所述第四营销记录数据为所述人工外呼端通过对所述目标客户进行外呼营销处理所获得的营销记录数据。

在本公开一个实施例中，所述优化模块用于获取各目标客户的营销结果数据；根据各目标客户的外呼营销数据，对所述目标模型进行优化处理；其中，所述目标客户的外呼营销数据包括：所述目标客户的客户数据、营销记录数据和营销结果数据。

在本公开一个实施例中，所述已外呼客户的外呼营销数据包括：所述已外呼客户的客户数据、营销记录数据和营销结果数据。

在本公开一个实施例中，所述营销记录数据包括：联系号码是否为空号、联系号码是否未接通、外呼持续时间、客户对预设问题的答复所对应的得分、外呼营销是否成功中的至少一种数据。

在本公开一个实施例中，所述营销结果数据包括：用于标识产品营销成功的数据，或用于标识产品营销失败的数据。

在本公开一个实施例中，所述预测模块401用于对于指定客户数据集中的每个目标客户的客户数据，通过目标模型根据所述目标客户的客户数据，对所述目标客户的营销概率进行打分，得到所述目标客户的第一营销概率值作为预测结果。

在本公开一个实施例中，所述第一处理模块402用于获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；对比第一阈值和所述目标客户的第一营销概率值，其中，所述第一阈值根据第一营销概率值集合的数值大小分布情况所得到，所述第一营销概率值集合包括所述目标客户的第一营销概率值和所述目标客户名单中的其他客户的第一营销概率值；在所述目标客户的第一营销概率值小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第一营销概率值不小于所述第一阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

在本公开一个实施例中，所述第一处理模块402用于根据所述已外呼客户的外呼营销数据，建立用户画像数据库；获取预先设定的调整规则；获得待营销的目标客户名单，所述目标客户名单包括所述目标客户；根据所述调整规则和所述用户画像数据库，对所述目标客户的第一营销概率值进行调整，得到所述目标客户的第二营销概率值；根据所述目标客户的第二营销概率值，得到所述目标客户的客户类型。

在本公开一个实施例中，所述第一处理模块402用于对比第二阈值和所述目标客户的第二营销概率值，其中，所述第二阈值根据第二营销概率值集合的数值大小分布情况所得到，所述第二营销概率值集合包括所述目标客户的第二营销概率值和所述目标客户名单中的其他客户的第二营销概率值；在所述目标客户的第二营销概率值小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第一类型；在所述目标客户的第二营销概率值不小于所述第二阈值的情况下，得到所述目标客户的客户类型为所述第二类型。

在本公开一个实施例中，所述外呼营销流程的控制装置400还包括模型训练模块。所述模型训练模块根据预设的机器学习算法，基于已外呼客户的外呼营销数据进行机器学习训练，得到所述目标模型。

在本公开一个实施例中，所述机器学习算法包括LR算法。

图5是根据另一个实施例的外呼营销流程的控制系统500的硬件结构示意图。该外呼营销流程的控制系统500可以是图1中的电子设备1000。

如图5所示，该外呼营销流程的控制系统500包括至少一个计算装置501和至少一个存储装置502，其中，所述至少一个存储装置502用于存储指令，所述指令被所述至少一个计算装置501运行时，促使所述至少一个计算装置501执行如以上任意方法实施例的方法。

以上外呼营销流程的控制系统500的各模块可以由本实施例中的所述至少一个计算装置501执行所述至少一个存储装置502存储的计算机程序实现，也可以通过其他电路结构实现，在此不做限定。

<系统实施例>

图6是根据一个实施例的外呼营销流程的控制系统600的原理框图。如图6所示，该外呼营销流程的控制系统600可以包括外呼营销流程的控制装置601、自动外呼端602和人工外呼端603。该外呼营销流程的控制装置601可以是上述电子设备1000、上述外呼营销流程的控制装置400或上述外呼营销流程的控制装置500。

其中，所述自动外呼端602经所述外呼营销流程的控制装置601触发，对所述外呼营销流程的控制装置601指定的目标客户进行外呼营销处理。所述人工外呼端603经所述外呼营销流程的控制装置601触发，对所述外呼营销流程的控制装置601指定的目标客户进行外呼营销处理。

在本公开一个实施例中，自动外呼端602可以包括ASR(Automatic SpeechRecognition，自动语音识别技术)语音识别模块、NLU(Natural Language Processing，自然语言理解)自然语言理解模块、TTS(Text To Speech，从文本到语音)语音合成模块、以及基于Aviator规则引擎的会话控制模块。

举例来说，自动外呼端602可以按照预设内容进行外呼营销，并在完成后将营销处理结果汇报给外呼营销流程的控制装置601。比如，对触达性进行过滤筛选(对于空号、无法接通的用户手机号进行标记)，结合外呼营销情况对客户意愿进行初步判断，将有意愿的客户实时转人工坐席(即上述人工外呼端603)跟进营销。比如，可以通过上述会话控制模块，对用户针对每个预设问题的回答进行打分，当累计到一定阀值就判定客户的意愿较高，可以转人工坐席，否则也同样进行标记。此外，业务人员可以查看分析机器人AI外呼的工程，提高人工坐席人均外呼营销获客产能。

基于上述内容，在本公开一个实施例中，所述自动外呼端602经所述外呼营销流程的控制装置601触发，根据预先设定的外呼营销处理流程，对所述外呼营销流程的控制装置601指定的目标客户进行外呼营销处理。所述人工外呼端603响应于所述转接请求，执行预先设定的相应处理。

其中，所述外呼营销处理流程包括：根据预先设定的问题进行提问，获取客户针对所述问题的答复；根据预设设定的打分规则，对所述答复进行打分，得到营销意愿值；根据所述营销意愿值，计算营销意愿累计值；对比所述营销意愿累计值和预先设定的营销意愿阈值；在所述营销意愿累计值不小于所述营销意愿阈值的情况下，向所述人工外呼端603发送转接请求。

在本公开一个实施例中，所述自动外呼端包括AI机器人。

此外，本公开一个实施例还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上存储计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例任意一项所述的方法。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。