一种满意度收集方法、装置、设备及存储介质与流程

1.本技术涉及大数据处理领域，尤其涉及一种满意度收集方法、装置、设备及存储介质。


背景技术：

2.在互联网金融冲击的现代社会，银行业竞争日趋加剧。对银行来说，收集用户对自己产品的满意度，是相当重要的。及时获取用户满意度，针对不同满意度的用户调整服务策略，有利于银行维系用户，避免用户的流失。
3.现有技术中，用户满意度的收集方法一般分为两种。一是通过调查问卷的方式度量用户对产品潜在的满意度。二是通过大数据挖掘技术收集用户的评价信息，采用情感分析的方法来获取用户的满意度。这两种满意度的收集方法均基于用户的主观意见，由于客户认知上的差异以及用户主观态度的多变性，收集的数据存在失真的情况，导致获取到的用户满意度不够准确客观，使得银行无法有效地根据用户满意度来调整服务策略，容易给用户带来不好的使用体验，进而导致用户的流失。


技术实现要素：

4.本技术提供一种满意度收集方法、装置、设备及存储介质，能够准确客观地收集到用户的满意度，以便于根据用户的满意度调整服务策略，给用户带来更好的使用体验。
5.第一方面，本技术提供一种满意度收集方法，该方法包括：获取多个用户的第一日志数据；其中，第一日志数据包括：访问记录和用户的标识，访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面统一资源定位符url；针对多个用户中的每个用户：根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据；其中，用户的交易信息包括：用户在预定时间段内通过目标应用办理的一个或多个业务和与各业务对应的访问时段；第二日志数据包括：与各业务对应的访问时段内，用户通过目标应用办理的各业务是否交易成功的信息；根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度；其中，目标业务包括多个用户在预设时间段内通过目标应用办理的所有业务。
6.一种可能的实现方式中，根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度，包括：针对多个用户中的每个用户，根据用户的第二日志数据，确定用户在预设时间段内通过目标应用办理的各业务的交易成功率；根据多个用户的交易信息中用户在预定时间段内通过目标应用办理的业务，以及各用户在预设时间段内通过目标应用办理的各业务的交易成功率，确定目标业务的用户满意度；其中，业务办理的交易成功率与用户满意度成正比。
7.另一种可能的实现方式中，该方法还包括：获取训练数据集；其中，训练数据集包括多条训练数据，一条训练数据包括一个样本用户使用终端访问目标应用办理一个业务时产生的访问记录和对应的业务信息，访问记录包括多个具有时间顺序的页面url；与访问记
录对应的业务信息是自定义的；根据训练数据集进行模型训练，以获得业务场景分类模型；其中，业务场景分类模型具备根据访问记录确定办理业务的功能。
8.又一种可能的实现方式中，在用户通过目标应用办理的业务交易失败的情况下，第二日志数据还包括：交易失败原因；上述方法还包括：根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户不满意原因。
9.又一种可能的实现方式中，根据训练数据集进行模型训练，以获得业务场景分类模型，包括：将训练数据集输入循环神经网络rnn模型进行训练，以获得业务场景分类模型。
10.本技术提供的满意度收集方法，根据用户的前台日志数据中的访问记录，满意度收集装置可以确定用户办理的业务以及办理该业务对应的访问时段。然后，满意度收集装置可以根据访问时段和用户的标识从后台日志数据中获取用户办理的业务是否交易成功的信息，并根据用户办理的业务和办理业务是否交易成功的信息，确定各业务的用户满意度。该满意度收集方法是基于根据日志数据获得的所有用户办理的业务以及各业务中所有用户是否交易成功的信息，来确定各业务的用户满意度的，具有客观准确性，不会受到用户主观态度的影响，使得收集到的用户满意度更为可靠，以便于银行根据用户的满意度来调整服务策略，给用户带来更好的使用体验，避免客户的流失。
11.进一步的，该方法采用rnn模型确定用户想要办理的业务，rnn模型处理序列数据的效果好，获取到的数据更加准确，使得收集的用户满意度更具有可靠性。并且，该方法还可以确定不同业务的用户不满意原因，以根据用户不满意原因及时调整服务策略，更好地维系用户。
12.第二方面，本技术提供一种满意度收集装置，该装置包括：获取模块和确定模块；获取模块，用于获取多个用户的第一日志数据；其中，第一日志数据包括：访问记录和用户的标识，访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面url；针对多个用户中的每个用户：获取模块，还用于根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据；其中，用户的交易信息包括：用户在预定时间段内通过目标应用办理的一个或多个业务和与各业务对应的访问时段；第二日志数据包括：与各业务对应的访问时段内，用户通过目标应用办理的各业务是否交易成功的信息；确定模块，用于根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度；其中，目标业务包括多个用户在预设时间段内通过目标应用办理的所有业务。
13.一种可能的实现方式中，确定模块，具体用于：针对多个用户中的每个用户，根据用户的第二日志数据，确定用户在预设时间段内通过目标应用办理的各业务的交易成功率；根据多个用户的交易信息中用户在预定时间段内通过目标应用办理的业务，以及各用户在预设时间段内通过目标应用办理的各业务的交易成功率，确定目标业务的用户满意度；其中，业务办理的交易成功率与用户满意度成正比。
14.另一种可能的实现方式中，装置还包括：建立模块；建立模块，用于：获取训练数据集；获取训练数据集；其中，训练数据集包括多条训练数据，一条训练数据包括一个样本用户使用终端访问目标应用办理一个业务时产生的访问记录和对应的业务信息，访问记录包括多个具有时间顺序的页面url；与访问记录对应的业务信息是自定义的；根据训练数据集进行模型训练，以获得业务场景分类模型；其中，业务场景分类模型具备根据访问记录确定
办理业务的功能。
15.又一种可能的实现方式中，确定模块，还用于根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户不满意原因。
16.又一种可能的实现方式中，建立模块，具体用于将训练数据集输入rnn模型进行训练，以获得业务场景分类模型。
17.第三方面，本技术提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面的方法。
18.第四方面，本技术提供一种计算机可读存储介质，该计算机可读存储介质包括：计算机软件指令；当计算机软件指令在电子设备中运行时，使得电子设备实现上述第一方面的方法。
19.第五方面，本技术提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面描述的相关方法的步骤，以实现上述第一方面的方法。
20.上述第二方面至第五方面的有益效果可以参考第一方面的对应描述，不再赘述。
附图说明
21.图1为本技术提供的一种满意度收集方法的应用环境示意图；
22.图2为本技术提供的一种满意度收集方法流程示意图；
23.图3为本技术提供的另一种满意度收集方法流程示意图；
24.图4为本技术提供的一种rnn模型训练流程示意图；
25.图5为本技术提供的一种传统神经网络和rnn的组成示意图；
26.图6为本技术提供的又一种满意度收集方法流程示意图；
27.图7为本技术提供的一种满意度收集装置的组成示意图；
28.图8为本技术提供的另一种满意度收集装置的组成示意图；
29.图9为本技术提供的一种电子设备的组成示意图。
具体实施方式
30.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.需要说明的是，本技术实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
32.为了便于清楚描述本技术实施例的技术方案，在本技术的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
33.目前，对银行来说，收集用户对自己产品的满意度，是非常重要的。及时获取用户
满意度，针对不同满意度的用户调整服务策略，有利于银行维系用户，避免用户的流失。
34.传统的用户满意度收集方法包括被动接收客户投诉以及主动与客户直接沟通，此类方法的收集周期长，对于互联网应用亿级用户量不具实时性和全面性。因此，现有技术中，互联网行业普遍采用净推荐值(net promoter score,nps)方法和净正面口碑率(net word-of-mouth rate，nwr)方法收集客户满意度。
35.nps方法通过问卷调查的方式度量用户对产品潜在的满意度，由于用户认知上的差异，收集的数据存在失真的情况。nwr方法通过大数据挖掘技术处理用户的评价信息，采用分词、情感判读等手段，直接获得某一段时间内关于指定产品的口碑信息，进而判断用户的满意度。nwr方法获取的口碑信息，是客户直接发布的，存在较大的主观性，使得分析得到的用户满意度与真实情况有偏差。而且，获取的数据量与应用的使用量和推广程序的推广力度相关，因此存在获取的数据不够全面的问题。同时，该方法被动依靠客户发表评价信息，获取结果的时间长，不具备实时性。因此，nps方法和nwr方法收集用户满意度，都存在结果不够准确客观，数据不够全面，不能实时获取的问题。
36.在此背景技术下，本技术实施例提供一种满意度收集方法，利用该方法可以实时、全面地收集到更为准确客观的用户满意度，从而使得银行可以根据获得的用户满意度有针对性的调整服务策略，避免用户的流失。
37.本技术提供的满意度收集方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境可以包括：满意度收集装置101、前端设备102和后端设备103。满意度收集装置101、前端设备102和后端设备103之间互相连接。
38.其中，满意度收集装置101可以是多个服务器组成的服务器集群、或者单个服务器、又或者计算机、又或者服务器或计算机中的处理器或处理芯片等。本技术实施例对满意度收集装置101的具体设备形态不作限制。图1中以满意度收集装置101为单个服务器为例示出。
39.上述前端设备102可以是手机终端、计算机或者智能柜台等电子设备。本技术实施例对前端设备102的具体设备形态不作限制，图1中以前端设备为手机终端为例示出。上述后端设备103可以是多个服务器组成的服务器集群、或者单个服务器(如图1所示)。本技术实施例对后端设备103的具体设备形态也不作限制。用户可使用前端设备102中的应用办理业务。相应的，后端设备103可以为该应用的应用服务器，或者连接该应用的应用服务器的存储设备，用于存储应用服务器的相关数据，如日志数据等。上述应用(如本技术中的目标应用)可以为银行类应用，如手机银行。如，用户可使用手机银行办理转账汇款，基金购买等业务。当然也可以为其他支持业务办理的应用，如购物类应用，行程类应用等。
40.在一些实施例中，用户使用前端设备102访问目标应用时，前端设备102的前端日志中会产生多个拥有时间顺序的页面统一资源定位符(uniform resource locator，url)。在用户使用目标应用办理业务时，若业务办理成功，如交易成功，后端设备103的后端日志中会产生交易码，用于指示交易成功。若交易失败，后端日志中则会产生交易失败原因。在需要收集用户的满意度时，满意度收集装置101可以从前端设备102获取前端日志。满意度收集装置101可根据前端日志，确定用户所要办理的业务。并且，满意度收集装置101可以从后端设备103获取后端日志，根据后端日志确定用户办理的业务是否成功。进而，以此为依据确定在不同业务中的用户的满意度，以便于基于用户满意度调整服务策略。
41.图2为本技术实施例提供的一种满意度收集方法的流程示意图。如图2所示，本技术提供的满意度收集方法，可以通过上述满意度收集装置实现，具体可以包括以下步骤：
42.s201、获取多个用户的第一日志数据。
43.日志，是网络设备、系统或者服务程序在运作过程中产生的事件记录，每一行日志都记载着日期、时间、使用者以及动作等相关操作的描述。
44.其中，第一日志数据可以包括：访问记录和用户的标识，访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面url。预定时间段可以是预先设置的，可根据实际应用场景的需求进行设置。多个用户可以包括在预定时间段内使用目标应用办理业务的用户。
45.在一些实施例中，在用户使用了终端中的目标应用办理了业务的情况下，该终端会产生对应的日志数据，并存储在终端中。基于此，满意度收集装置可以从在预定时间段内使用了目标应用办理业务的多个用户的终端处获取上述各用户的日志数据，即为上述第一日志数据，以获得用户的标识，以及用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面url。
46.对于s201中的多个用户中的每个用户：执行如下s202。
47.s202、根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据。
48.其中，用户的交易信息可以包括：用户在预定时间段内通过目标应用办理的一个或多个业务和与各业务对应的访问时段。第二日志数据可以包括：与各业务对应的访问时段内，用户通过目标应用办理的各业务是否交易成功的信息。
49.在一些实施例中，可以理解的，用户在使用终端办理业务时，访问记录，即访问的页面url具有一定的规律性，因此，可以从用户的访问记录中确定出用户的主要意图，如想要办理哪种业务。而上述获得的第一日志数据(或者称为前端日志数据)中的访问记录包括了用户使用终端在预定时间段内访问目标应用时产生的页面url，且这些url还具有时间顺序(或者说，访问记录中包括了页面url的访问时间)，因此，满意度收集装置可以在获取到用户的第一日志数据后，根据第一日志数据和业务场景分类模型，确定用户在预定时间段内办理的一个或多个业务以及各业务对应的访问时间段，即获得用户的交易信息。
50.另外，在用户使用目标应用办理业务时，无论业务是否办理成功均会在后端设备产生日志数据(或者称为后端日志数据)记录该业务是否办理成功。因此，满意度收集装置在确定用户的交易信息后，还根据用户的标识和用户办理的业务及各业务的访问时间段，从后端设备获取在各业务对应的访问时段内，用户是否交易成功的信息，即获得上述第二日志数据。
51.s203、根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度。
52.其中，目标业务包括多个用户在预设时间段内通过目标应用办理的所有业务。
53.在一些实施例中，满意度收集装置在获取到用户的交易信息和第二日志数据后，可以根据多个用户中各用户办理的业务和各业务是否交易成功的信息，确定在预设时间段内，多个用户办理的所有业务中每个业务的用户满意度。
54.上述实施例提供的技术方案至少带来以下有益效果，根据用户的前台日志数据中
的访问记录，满意度收集装置可以确定用户办理的业务以及办理该业务对应的访问时段。然后，满意度收集装置可以根据访问时段和用户的标识从后台日志数据中获取用户办理的业务是否交易成功的信息，并根据用户办理的业务和办理业务是否交易成功的信息，确定各业务的用户满意度。该满意度收集方法是基于根据日志数据获得的所有用户办理的业务以及各业务中所有用户是否交易成功的信息，来确定各业务的用户满意度的，具有客观准确性，不会受到用户主观态度的影响，使得收集到的用户满意度更为可靠，以便于银行根据用户的满意度来调整服务策略，给用户带来更好的使用体验，避免客户的流失。
55.以下将结合具体实施例详细阐述本技术实施例提供的一种满意度收集方法，该方法可以应用与满意度收集装置。其中，该满意度收集方法可以包括两个流程，分别为“模型训练流程”和“满意度收集流程”。“模型训练流程”可以在“满意度收集流程”之前完成。
56.如图3所示，“模型训练流程”可以包括如下s301-s302。“满意度收集流程”可以包括如下s303-s306。
57.s301、获取训练数据集。
58.其中，训练数据集用于指示多个样本用户的访问记录和与各访问记录对应的业务信息。样本用户的访问记录可以包括样本用户使用终端访问目标应用办理一个业务时产生的多个具有时间顺序的页面url。与日志数据对应的业务信息可以是自定义的。
59.满意度收集装置可以获取多个样本用户的访问记录以及与各访问记录对应的业务信息，以获得上述训练数据集。其中，训练数据集可以包括多条训练数据，一条训练数据可以包括一个样本用户办理一个业务的访问记录和对应业务信息。一个样本用户的访问记录可以有多个。每条训练数据还可以包括用户的标识。
60.示例性的，针对多个样本用户中的每个，满意度收集装置可以从样本用户的终端获取样本用户的日志数据。在获取到样本用户的日志数据后，可以人工为日志数据中办理不同业务所产生的访问记录分别打上对应的标签，如标明访问记录对应的业务信息。之后，满意度收集装置可以获得该样本用户办理一个或多个业务时的访问记录对应的业务信息，这样，便可以获取到一条或多条训练数据，即训练数据为带有业务信息的访问记录。多个样本用户的多条训练数据构成训练数据集。其中，业务信息可以包括业务场景标识，业务场景标识用于指示用户主要想办理的业务，如以目标应用为银行类应用为例，业务可以是转账交易，购买基金等。
61.例如，若办理转账交易业务用户需要依次访问页面a-页面b-页面c，购买基金业务用户需要依次访问页面a-页面d-页面e。满意度收集装置可以获取到样本用户的日志数据。如，样本用户1办理了转账交易业务，则样本用户1的终端的日志数据中访问记录包括具有时间顺序的页面a-页面b-页面c的url，则可人工为该访问记录打上对应的业务场景标识：转账交易。又如，样本用户2办理了购买基本业务，样本用户2的终端的日志数据中访问记录包括具有时间顺序的页面a-页面d-页面e的url，则可人工为该访问记录打上对应的业务场景标识：购买基金。在人工打标完成后，满意度收集装置可以获得训练数据1和训练数据2。其中，训练数据1为：样本用户1，页面a-页面b-页面c，转账交易。训练数据2为：样本用户2，页面a-页面d-页面e，购买基金。训练数据1和训练数据2构成训练数据集。需要说明的是，该示例以训练数据集包括训练数据1和训练数据2为例示出，在实际应用时，训练数据集包括的训练数据的条数不做具体限制，而且越多越好，以确保后续训练模型的准确性。
62.s302、将训练数据集输入循环神经网络(recurrent neural network，rnn)模型进行训练，以获得业务场景分类模型。
63.其中，业务场景分类模型具备根据访问记录确定办理业务的功能。
64.满意度收集装置可以根据训练数据集训练模型，获得业务场景分类模型。
65.在一些实施例中，满意度收集装置可以将训练数据集输入rnn模型进行训练，以获得业务场景分类模型。
66.例如，结合上述示例，如图4所示，满意度收集装置将训练数据1和训练数据2输入rnn模型，其中各训练数据中用户标识和访问记录作为输入，业务场景标识作为输出进行训练。训练后的rnn模型即为业务场景分类模型，满意度收集装置将需要进行业务场景分类的访问记录输入到业务场景分类模型，便可以得到业务场景标识的输出结果。将如用户1的访问记录，用户2的访问记录作为输入业务场景分类模型，则该模型可输出用户1的业务信息，即用户1的该访问记录的业务场景标识，及用户2的业务信息，即用户2的该访问记录的业务场景标识.
67.需要说明的是，传统的神经网络模型的结构比较简单,如图5中(a)所示，包括：输入层、隐藏层和输出层。在输入层输入数据，隐藏层进行训练，输出层输出结果。rnn模型与传统的神经网络模型区别在于，每一次训练的结果，都会回到隐藏层一起进行训练，rnn模型的结构如图5中(b)所示。rnn模型对序列数据(访问记录为按时间排序的序列数据)的处理效果比较好，因此本实施例中采用rnn模型进行训练。
68.例如，结合上述示例进行说明，若用户办理转账交易业务需要依次访问页面a-页面b-页面c，办理赎回基金业务，需要依次访问页面a-页面f-页面g。存在如下情况，用户主要是想做转账交易操作，但是用户的账户上金额不足，因此用户打开基金相关的页面赎回了一笔基金到账户上，然后才执行了转账交易操作，即该用户的访问记录为页面a-页面f-页面g-页面a-页面b-页面c。传统的神经网络模型在训练的时候会把该访问记录分割为两部分进行识别，即页面a-页面f-页面g，识别为赎回基金和页面a-页面b-页面c，识别为转账交易。也就是说传统的神经网络模型的分析结果是用户办理了两个业务，即做了两笔交易，赎回基金和转账交易。但是用户主要是想做转账交易，因为账户上金额不足所有才额外办理了赎回基金到账户上的操作，以实现转账交易的目的。因此，传统的神经网络模型在识别用户主要想办理的业务的效果上存在不足。
69.rnn模型可以有效地解决上述问题，因为rnn模型对于序列数据的处理效果较好。例如，对应上述用户的访问记录页面a-页面f-页面g-页面a-页面b-页面c，rnn模型在训练的过程中识别页面a-页面f-页面g为赎回基金，将这次的结果继续输入到隐藏层训练，即用户在赎回基金后直接完成了转账交易的操作，则rnn模型会认为赎回基金业务是为了转账交易业务做准备，则确定访问记录页面a-页面f-页面g-页面a-页面b-页面c对应的主要业务为转账交易。相比于，传统的神经网络模型，rnn模型在训练时不会单纯地把训练数据分割为各个部分进行识别，而是会把前面部分的识别结果继续代入到下一次的识别过程中，考虑到训练数据的前后关系进行训练，因此，rnn模型在处理具有顺序关系的数据(例如时间顺序关系或逻辑顺序关系)的效果较好，所以本实施例采用rnn模型训练业务场景分类模型，可以更好地识别用户的主要意图，即主要想要办理的业务。
70.也就是说，rnn模型包括输入层、隐藏层和输出层。训练数据集包括多个训练数据。
将训练数据集输入rnn模型进行训练，以获得业务场景分类模型，具体的可以为：将训练数据输入rnn模型的输入层，经隐藏层训练后训练结果(如本次训练的得到的rnn模型的参数)重新输入隐藏层，以参与下一次训练数据在隐藏层的训练，最终由输出层输出各训练数据对应的输出结果(输出结果即为该训练数据对应的业务信息)。
71.在满意度收集装置获得业务场景分类模型后，可以将该业务场景分类模型存储在满意度收集装置中，供满意度收集装置使用。如，在满意度收集装置获得业务场景分类模型后，可以根据用户的第一日志数据中用户的访问记录，来确定用户办理的业务，进而根据用户办理的业务和第二日志数据(第二日志数据中包括用户办理业务是否成功的信息)，确定不同业务下对应的用户的满意度，以实现收集用户满意度的功能。也就是说，执行上述“满意度收集流程”。“满意度收集流程”可以包括如下s303-s306。
72.s303、获取多个用户的第一日志数据。
73.其中，第一日志数据可以包括：访问记录和用户的标识，访问记录可以包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面url。
74.满意度收集装置可以获取多个用户的日志数据。
75.在一些实施例中，满意度收集装置可以访问用户的终端，从用户的终端中获取用户的日志数据。该日志数据是用户使用终端访问目标应用时终端产生的记载用户的标识，访问记录等描述的数据。该目标应用可以是银行类应用，如手机银行。也可以是其他支持办理业务的应用。
76.示例性的，若想要收集预定时间段内的手机银行中用户满意度，满意度收集装置可以访问用户的终端，从终端中获取到预定时间段内终端产生的日志数据。该预定时间段可以是根据需求预先定义的一段时间跨度。
77.例如，在需要收集昨天一天的手机银行办理业务的用户满意度的情况下，满意度收集装置可以访问多个使用手机银行办理了业务的用户的终端，从终端中获取昨天一天各用户的终端产生的日志数据。例如，收集到两条日志数据，分别为：用户1的日志数据和用户2的日志数据。用户1的日志数据包括：用户1，在9：00-9：10的访问时段内一次或多次按顺序访问了页面a-页面b-页面c；用户1，在12：00-12：10的访问时段内一次或多次按顺序访问了页面a-页面d-页面e。用户2的日志数据包括：用户2，在9：00-9：10的访问时段内一次或多次按顺序访问了页面a-页面f-页面g。
78.s304、根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据。
79.其中，用户的交易信息可以包括：用户在预定时间段内通过目标应用办理的一个或多个业务和与各业务对应的访问时段。第二日志数据可以包括：与各业务对应的访问时段内，用户通过目标应用办理的各业务是否交易成功的信息。
80.满意度收集装置在获取到多个用户的第一日志数据，即获得各用户的访问记录和用户的标识后，还可以获取各用户办理的各业务是否交易成功的信息，即获取用户的第二日志数据。
81.在一些实施例中，满意度收集装置可以获取到的第一日志数据后，将第一日志数据输入到预先训练好的上述业务场景分类模型中，以确定第一日志数据对应的交易信息。
82.示例性的，如前述实施例的描述，业务场景分类模型具有根据访问记录确定办理
业务的功能。因此，满意度收集装置可以将各用户的第一日志数据输入业务场景分类模型中，可以确定各第一日志数据对应的用户办理的一个或多个业务。访问记录中的各页面url具有一定的时间顺序，各页面url的访问时间也在访问记录中有记载，因此，满意度收集装置还可以确定出各业务对应的访问时段。基于确定的用户的办理的业务，各业务对应的访问时段，及用户的标识，满意度收集装置还可以建立交易行为报表，用于记录哪个用户在哪个时间段办理了哪些业务。
83.例如，以上述实施例中用户1为例，满意度收集装置将用户1的日志数据输入到业务场景分类模型中，即将用户1在9：00-9：10的访问时段内一次或多次按顺序访问了页面a-页面b-页面c，在12：00-12：10的访问时段内一次或多次按顺序访问了页面a-页面d-页面e这样的日志数据，输入业务场景分类模型，得到用户办理的业务包括：转账交易和购买基金，还可得到转账交易对应的访问时段为9：00-9：10，购买基金对应的访问时段为12：00-12：10。
84.满意度收集装置可以基于得到上述业务和各业务对应的访问时段，以及用户的标识建立交易行为报表。即，交易行为报表包括用户的标识，业务以及访问时段。作为一种示例，交易行为报表如下表1所示：
85.表1
[0086][0087]
由表1可以得到用户办理的业务以及办理该业务对应的时段(即访问时段)。如用户1办理转账交易，对应的访问时段为9：00-9：10；办理购买基金业务，对应的访问时段为12：00-12：10。
[0088]
进一步的，满意度收集装置在获取到各用户办理的业务和各业务对应的访问时段这样的交易信息后，根据用户的标识和用户的交易信息，可以获取用户的第二日志数据，该第二日志数据包括在该业务的访问时段内用户办理的业务是否成功的信息。
[0089]
需要说明的是，当用户进行了交易操作，无论交易操作成功与否，都会在后端设备的日志数据中记录相应的信息，如用户每成功完成一次交易后端设备都会生成交易码保存在日志数据中，若用户交易失败则后端设备不会生成交易码，会生成报错原因。因此可以从后端日志中获取对应日志数据，以获得用户是否成功完成了交易。
[0090]
示例性的，满意度收集装置在获取到各用户办理的一个或多个业务以及各业务对应的访问时段后，满意度收集装置可以访问存储在后端设备中的日志数据，根据用户的标识以及业务的访问时段从日志数据中获取在各用户的第二日志数据，该第二日志数据包括：用户办理的各业务的访问时段内用户办理的业务是否成功的信息，如包括触发次数，成功时的交易码，失败时的交易失败原因。
[0091]
例如，继续以上述实施例中用户1为例，用户1在9：00-9：10办理了转账交易的业务，满意度收集装置访问后端设备中的日志数据，根据用户标识(如用户1)以及业务对应的访问时段(如9：00-9：10)，可以获取到用户1的第二日志数据，包括用户1在访问时段9：00-9：10内办理业务是否交易成功的信息。如：用户1的第二日志数据包括：用户1在9：00-9：10，
总共触发了10次交易，其中7次成功，生成了7条交易码，3次不成功，生成了3条交易失败原因，分别为密码输入错误2次，验证码输入错误1次。同样的，用户1在12：00-12：10办理了购买基金的业务，满意度收集装置还获得的用户1的第二日志数据还包括：用户1在访问时段12：00-12：10内办理业务是否交易成功的信息，如包括：用户1在12：00-12：10，总共触发了5次交易，其中4次成功，生成了4条交易码，1次不成功，生成了1条交易失败原因，为响应超时。
[0092]
s305、根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度。
[0093]
其中，目标业务包括多个用户在预设时间段内通过目标应用办理的所有业务。
[0094]
在获取到多个用户中各用户的交易信息和第二日志数据后，满意度收集装置可以根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度。具体步骤包括如下s305a-s305b。
[0095]
s305a、针对多个用户中的每个用户，根据用户的第二日志数据，确定用户在预设时间段内通过目标应用办理的各业务的交易成功率。
[0096]
满意度收集装置在获取到用户的第二日志数据后，可以确定用户办理各业务的交易成功率。
[0097]
在一些实施例中，满意度收集装置在获取用户的第二日志数据后，根据第二日志数据中用户交易是否成功的信息，确定用户办理各业务的交易成功率。
[0098]
示例性的，满意度收集装置可以根据第二日志数据中交易码的个数以及交易失败原因出现的个数，基于公式：交易成功率＝交易码的个数/(交易码的个数+交易失败原因出现的个数)，来确定交易成功率。另外，满意度收集装置还可以根据各用户的交易信息(或者交易行为报表)，第二日志数据和交易成功率，建立后台交易统计报表，包括：用户的标识、触发次数、业务、交易成功率、交易失败原因。
[0099]
例如，继续以上述实施例中用户1为例，满意度收集装置可以根据用户1的第二日志数据中9:00-9:10这个访问时段内交易码的个数以及交易失败原因出现的个数，如用户1在9:00-9:10总共触发了10次交易，产生的交易码有7个，交易失败原因出现的个数有3个，包括：密码输入错误1次，验证码输入错误2次，确定用户1在访问时段9:00-9:10的交易成功率为7/(7+3)＝70％。同样的，用户1在访问时段12:00-12:10内，交易码有4条，交易失败原因1次为响应超时，则满意度收集装置可以确定用户2在时间段12:00-12:10的交易成功率为80％。另外，如前段实施例的描述，用户1的交易信息中包括用户1办理转账交易，对应的访问时段为9：00-9：10；办理购买基金业务，对应的访问时段为12：00-12：10这样的信息。因此，满意度收集装置可以基于前述的确定结果，确定出用户1办理转账交易的交易成功率为70％，办理购买基金的交易成功率为80％。
[0100]
另外，满意度收集装置可以基于各用户的交易信息(或者交易行为报表，包括用户的标识，用户办理的业务和各业务的访问时段)，第二日志数据(包括触发次数，成功时的交易码，失败时的交易失败原因)和各业务的交易成功率，建立后台交易统计报表，如下表2所示：
[0101]
表2
[0102][0103]
由表2可以得到用户办理的业务，以及各业务的交易成功率和交易失败原因。如用户1办理转账业务，该业务的交易成功率为70％，交易失败原因为密码输入错误和验证码输入错误。用户1还办理了购买基金业务，该业务的交易成功率为80％，交易失败原因为响应超时。
[0104]
类似的，对于其他用户，满意度收集装置也可以获得使用目标应用办理的各业务，以及各业务的交易成功率。还可以获得各业务的交易失败原因。
[0105]
s305b、根据多个用户的交易信息中用户在预定时间段内通过目标应用办理的业务，以及各用户在预设时间段内通过目标应用办理的各业务的交易成功率，确定目标业务的用户满意度。
[0106]
满意度收集装置在获取到多个用户的办理的业务及各业务的交易成功率后，可以确定目标业务的用户满意度。其中，业务办理的交易成功率与用户满意度成正比。目标业务包括这多个用户办理的所有业务。
[0107]
示例性的，针对目标业务中的每个业务，满意度收集装置可以根据多个办理了该业务的用户的交易成功率，确定该业务的平均交易成功率。满意度收集装置根据该业务的平均交易成功率确定对应业务的用户满意度。
[0108]
例如，结合上述实施例，用户1办理了转账交易业务，触发了10次交易，交易成功率为70％，用户2也办理了转账交易业务，触发了5次交易，交易成功率为80％，则转账交易业务的平均交易成功率可采用如下公式确定：
[0109][0110]
也就是说，转账交易业务的平均交易成功率为73％，因此满意度收集装置可以确定转账交易业务的用户满意度为73％。同样的，用户1办理购买基金业务，触发了5次交易，交易成功率为80％，如用户2也办理购买基金业务，触发了20次交易，交易成功率为60％，则满意度收集装置可以确定购买基金业务的平均交易成功率，从而确定购买基金业务的用户满意度，如为64％。
[0111]
另外，满意度收集装置还可以根据目标业务及各业务的触发次数，用户满意度建立业务满意度报表，即，业务满意度报表包括业务、触发次数、用户满意度。如，结合上述示例，满意度收集装置建立业务满意度报表，如下表3所示：
[0112]
表3
[0113]
[0114][0115]
由表3可以得到预定时间段内办理的业务，各业务的交易触发次数以及用户满意度，如昨天一天内，办理了转账交易业务，其触发交易15次，用户满意度为73％；还办理了购买基金业务，其触发交易25次，用户满意度为64％。
[0116]
s306、根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户不满意原因。
[0117]
满意度收集装置根据各用户的交易信息和第二日志数据，还可以确定目标业务的用户不满意原因。
[0118]
在一些实施例中，满意度收集装置还可以根据用户办理的业务以及各业务对应的一个或多个交易失败原因，确定出现的次数前n的交易失败原因作为该业务的用户不满意原因。n为大于或等于1的整数。
[0119]
例如，结合上述实施例中的示例，以n为1为例，在对预定时间段内多个用户的交易信息和第二日志数据进行分析后，得到在转账交易业务中有4条交易失败原因，其中，密码输入错误1次，验证码输入错误2次，响应超时1次，则满意度收集装置可以确定密码输入错误为办理转账交易业务的用户不满意原因。同样的，在在对预定时间段内多个用户的交易信息和第二日志数据进行分析后，得到购买基金业务的交易失败原因中，密码输入错误1次，响应超时8次，则满意度收集装置可以确定响应超时为办理购买基金业务的用户不满意原因。
[0120]
在另一种示例中，满意度收集装置可以确定各业务下交易失败原因出现的次数大于阈值的交易失败原因，作为该业务的用户不满意原因。该阈值可以是预先设置好的，阈值的大小可以根据实际情况确定。
[0121]
另外，满意度收集装置在确定各业务的用户不满意原因后，还可以在业务满意度报表上增加：用户不满意原因。如下表4所示：
[0122]
表4
[0123]
业务触发次数用户满意度用户不满意原因转账交易1573％验证码输入错误购买基金2564％响应超时
[0124]
由表4可以得到各业务的用户满意度和用户不满意原因，如：转账交易业务的用户满意度为73％，用户不满意原因为验证码输入错误；购买基金业务的用户满意度为64％，用户不满意原因为响应超时。
[0125]
可以理解，确定各业务的用户满意度以及用户不满意原因，对用户满意度较低的业务，可以根据对应的用户不满意原因调整服务策略，对系统进行优化。例如转账交易业务的用户不满意原因为验证码输入错误，那么用户在办理转账业务时，系统发送给用户终端的验证码可以从6位调整到4位，减小用户错误输入的频率。若购买基金的不满意原因为响应超时，那么用户在办理购买基金业务时，系统可以适当延长响应时间，给用户以更多的时间进行操作。
[0126]
示例性的，以下结合图6，对上述实施例进行简单的总结说明。当用户在手机终端上访问可以办理业务的应用(如手机银行)的前端页面，手机终端中会产生前端日志记录用
户的访问行为。在需要收集用户满意度时，满意度收集装置可以访问用户的手机终端中的前端日志，获取日志数据，日志数据中包括用户标识和访问记录。满意度收集装置可以将用户标识和访问记录输入到rnn模型中进行业务场景分类，以得到交易行为报表。而且，用户办理业务还会在后端服务器中产生后端日志，后端日志记录用户办理业务是否成功的信息。满意度收集装置可以访问到后端日志获取日志数据，以得到后台交易统计报表。满意度收集装置根据交易行为报表和后台交易统计报表，可以得到业务满意度报表。从业务满意度报表中可以获得用户在办理各业务时的满意度和使用体验，根据用户的体验对系统进行优化设计。
[0127]
上述实施例提供的技术方案至少带来以下有益效果，根据用户的前台日志数据中的访问记录，满意度收集装置可以确定用户办理的业务以及办理该业务对应的访问时段。然后，满意度收集装置可以根据访问时段和用户的标识从后台日志数据中获取用户办理的业务是否交易成功的信息，并根据用户办理的业务和办理业务是否交易成功的信息，确定各业务的用户满意度。该满意度收集方法是基于根据日志数据获得的所有用户办理的业务以及各业务中所有用户是否交易成功的信息，来确定各业务的用户满意度的，具有客观准确性，不会受到用户主观态度的影响，使得收集到的用户满意度更为可靠，以便于银行根据用户的满意度来调整服务策略，给用户带来更好的使用体验，避免客户的流失。
[0128]
进一步的，该方法采用rnn模型确定用户想要办理的业务，rnn模型处理序列数据的效果好，获取到的数据更加准确，使得收集的用户满意度更具有可靠性。并且，该方法可以通过实时获取大量的系统日志数据进行分析，因此可以实时，全面地确定不同业务场景下的用户满意度。而且，还可以确定各业务场景的用户不满意原因，针对低满意度的业务场景，可以根据用户不满意原因，对系统做出优化，使得系统更为完善，为用户带来舒适的使用体验，更好地维系用户。
[0129]
在示例性的实施例中，本技术还提供一种满意度收集装置。该满意度收集装置可以包括一个或多个功能模块，用于实现以上方法实施例的满意度收集方法。
[0130]
例如，图7为本技术实施例提供的一种满意度收集装置示意图。如图7所示，该满意度收集装置包括：获取模块701、确定模块702。获取模块701和确定模块702相连接。
[0131]
获取模块701，用于获取多个用户的第一日志数据；其中，第一日志数据包括：访问记录和用户的标识，访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面url。
[0132]
针对多个用户中的每个用户：
[0133]
获取模块701，还用于根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据；其中，用户的交易信息包括：用户在预定时间段内通过目标应用办理的一个或多个业务和与各业务对应的访问时段；第二日志数据包括：与各业务对应的访问时段内，用户通过目标应用办理的各业务是否交易成功的信息。
[0134]
确定模块702，用于根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度；其中，目标业务包括多个用户在预设时间段内通过目标应用办理的所有业务。
[0135]
在一些实施例中，确定模块702，具体用于：针对多个用户中的每个用户，根据用户
的第二日志数据，确定用户在预设时间段内通过目标应用办理的各业务的交易成功率；根据多个用户的交易信息中用户在预定时间段内通过目标应用办理的业务，以及各用户在预设时间段内通过目标应用办理的各业务的交易成功率，确定目标业务的用户满意度；其中，业务办理的成功率与用户满意度成正比。
[0136]
在一些实施例中，装置还包括：建立模块703。
[0137]
建立模块703，用于：获取训练数据集；其中，训练数据集包括多条训练数据，一条训练数据包括一个样本用户使用终端访问目标应用办理一个业务时产生的访问记录和对应的业务信息，访问记录包括多个具有时间顺序的页面url；与访问记录对应的业务信息是自定义的；根据训练数据集进行模型训练，以获得业务场景分类模型；其中，业务场景分类模型具备根据访问记录确定办理业务的功能。
[0138]
在一些实施例中，确定模块702，还用于根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户不满意原因。
[0139]
在一些实施例中，建立模块703，具体用于将训练数据集输入rnn模型进行训练，以获得业务场景分类模型。
[0140]
在其他一些实施例中，如图8所示，还提供一种满意度收集装置的示意图，满意度收集装置可以包括：前端日志获取模块、后端日志读取分析模块、rnn业务场景分类模块和场景满意度计算模块。
[0141]
四个模块所实现功能与上述图7所示的装置中对应模块的功能类似。如，前端日志读取模块以及后端日志读取分析模块和获取模块701功能类似，场景满意度计算模块和确定模块702功能类似，rnn业务场景分类模块和建立模块703功能类似。
[0142]
在示例性的实施例中，本技术实施例还提供了一种电子设备，该电子设备可以是上述方法实施例中的满意度收集装置。图9为本技术实施例提供的满意度收集装置的结构示意图。如图9所示，该满意度收集装置可以包括：处理器901和存储器902；存储器902存储有处理器901可执行的指令；处理器901被配置为执行指令时，使得电子设备或网络设备或管理器实现如前述方法实施例中描述的方法。
[0143]
在示例性的实施例中，本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令；当计算机程序指令被计算机执行时，使得计算机实现如前述实施例中描述的方法。其中，计算机可以是电子设备或网络设备或管理器。计算机可读存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0144]
在示例性的实施例中，本技术实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关方法步骤，以实现上述实施例中的满意度收集方法。
[0145]
以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种满意度收集方法，其特征在于，所述方法包括：获取多个用户的第一日志数据；其中，所述第一日志数据包括：访问记录和用户的标识，所述访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面统一资源定位符url；针对所述多个用户中的每个用户：根据所述用户的所述第一日志数据和业务场景分类模型，确定所述用户的交易信息，根据所述用户的标识和所述用户的交易信息，获取所述用户的第二日志数据；其中，所述用户的交易信息包括：所述用户在所述预定时间段内通过所述目标应用办理的一个或多个业务和与各业务对应的访问时段；所述第二日志数据包括：与各业务对应的访问时段内，所述用户通过所述目标应用办理的各业务是否交易成功的信息；根据所述多个用户中各用户的所述交易信息和所述第二日志数据，确定目标业务的用户满意度；其中，所述目标业务包括所述多个用户在所述预设时间段内通过所述目标应用办理的所有业务。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户中各用户的所述交易信息和所述第二日志数据，确定目标业务的用户满意度，包括：针对所述多个用户中的每个用户，根据所述用户的第二日志数据，确定所述用户在所述预设时间段内通过所述目标应用办理的各业务的交易成功率；根据所述多个用户的交易信息中用户在所述预定时间段内通过所述目标应用办理的业务，以及各用户在所述预设时间段内通过所述目标应用办理的各业务的交易成功率，确定所述目标业务的用户满意度；其中，业务办理的交易成功率与用户满意度成正比。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取训练数据集；其中，所述训练数据集包括多条训练数据，一条训练数据包括一个样本用户使用终端访问所述目标应用办理一个业务时产生的访问记录和对应的业务信息，所述访问记录包括多个具有时间顺序的页面url；与访问记录对应的业务信息是自定义的；根据所述训练数据集进行模型训练，以获得所述业务场景分类模型；其中，所述业务场景分类模型具备根据访问记录确定办理业务的功能。4.根据权利要求1或2所述的方法，其特征在于，在用户通过所述目标应用办理的业务交易失败的情况下，所述第二日志数据还包括：交易失败原因；所述方法还包括：根据所述多个用户中各用户的所述交易信息和所述第二日志数据，确定所述目标业务的用户不满意原因。5.根据权利要求3所述的方法，其特征在于，所述根据所述训练数据集进行模型训练，以获得所述业务场景分类模型，包括：将所述训练数据集输入循环神经网络rnn模型进行训练，以获得所述业务场景分类模型。6.一种满意度收集装置，其特征在于，所述装置包括：获取模块和确定模块；所述获取模块，用于获取多个用户的第一日志数据；其中，所述第一日志数据包括：访问记录和用户的标识，所述访问记录包括用户使用终端在预定时间段内访问目标应用时产
生的多个具有时间顺序的页面统一资源定位符url；针对所述多个用户中的每个用户：所述获取模块，还用于根据所述用户的所述第一日志数据和业务场景分类模型，确定所述用户的交易信息，根据所述用户的标识和所述用户的交易信息，获取所述用户的第二日志数据；其中，所述用户的交易信息包括：所述用户在所述预定时间段内通过所述目标应用办理的一个或多个业务和与各业务对应的访问时段；所述第二日志数据包括：与各业务对应的访问时段内，所述用户通过所述目标应用办理的各业务是否交易成功的信息；所述确定模块，用于根据所述多个用户中各用户的所述交易信息和所述第二日志数据，确定目标业务的用户满意度；其中，所述目标业务包括所述多个用户在所述预设时间段内通过所述目标应用办理的所有业务。7.根据权利要求6所述的装置，其特征在于，所述确定模块，具体用于：针对所述多个用户中的每个用户，根据所述用户的第二日志数据，确定所述用户在所述预设时间段内通过所述目标应用办理的各业务的交易成功率；根据所述多个用户的交易信息中用户在所述预定时间段内通过所述目标应用办理的业务，以及各用户在所述预设时间段内通过所述目标应用办理的各业务的交易成功率，确定所述目标业务的用户满意度；其中，业务办理的交易成功率与用户满意度成正比。8.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：建立模块；所述建立模块，用于：获取训练数据集；其中，所述训练数据集包括多条训练数据，一条训练数据包括一个样本用户使用终端访问所述目标应用办理一个业务时产生的访问记录和对应的业务信息，所述访问记录包括多个具有时间顺序的页面url；与访问记录对应的业务信息是自定义的；根据所述训练数据集进行模型训练，以获得所述业务场景分类模型；其中，所述业务场景分类模型具备根据访问记录确定办理业务的功能。9.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；所述存储器存储有所述处理器可执行的指令；所述处理器被配置为执行所述指令时，使得所述电子设备实现如权利要求1-5任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括：计算机软件指令；当所述计算机软件指令的电子设备中运行时，使得所述电子设备实现如权利要求1-5任一项所述的方法。

技术总结
本申请提供一种满意度收集方法、装置、设备及存储介质，涉及大数据技术领域，该方法能够准确客观地收集到用户的满意度，以便于根据用户的满意度调整服务策略，给用户带来更好的使用体验。该方法包括：获取多个用户的第一日志数据；其中，第一日志数据包括：访问记录和用户的标识，访问记录包括用户使用终端在预定时间段内访问目标应用时产生的多个具有时间顺序的页面URL；针对多个用户中的每个用户：根据用户的第一日志数据和业务场景分类模型，确定用户的交易信息，根据用户的标识和用户的交易信息，获取用户的第二日志数据；根据多个用户中各用户的交易信息和第二日志数据，确定目标业务的用户满意度。本申请可用于收集用户满意度的过程中。度的过程中。度的过程中。


技术研发人员：马国斌 杨晓 梁寿亮 庞文强 王丽云
受保护的技术使用者：中国银行股份有限公司
技术研发日：2021.11.12
技术公布日：2022/1/28