CN105631713A - 一种房产用户筛分方法 - Google Patents
一种房产用户筛分方法 Download PDFInfo
- Publication number
- CN105631713A CN105631713A CN201610004559.0A CN201610004559A CN105631713A CN 105631713 A CN105631713 A CN 105631713A CN 201610004559 A CN201610004559 A CN 201610004559A CN 105631713 A CN105631713 A CN 105631713A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- marketing
- crawler
- targeted customer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种房产用户筛分方法,具体步骤如下:(1)收集满足设定筛分的目标用户的各个活动行为,将用户的各种活动行为分别赋值;(2)按照步骤(1)的赋值,将每一位目标用户各个活动行为的次数乘以各个活动行为的赋值,再以数天为期,将所有第一目标用户的活动行为进行相加统计总和值,再录入筛分数据库作为标准值;(3)随机选取一个目标用户,对该目标用户的各个不同行为总次数进行行为总和统计,再与标准值进行比较达到一定百分比时,分为低、中、高需求购房用户等。本发明能对不同的目标用户的不同活动行为进行赋值并做总统计,在与预设的标准值进行比较,能够快速、准确的筛分分类出不同需求级别的购房者,有针对性的对不同需求级别的购房者进行合适的营销策略。
Description
技术领域
本发明涉及房产电子商务领域,特别是一种房产用户筛分方法。
背景技术
传统的业务营销方式通常有两种,一种是通过市场调研得到业务需求,开发反向一群或者所有用户进行业务推广;第二种是通过研究历史数据,得出潜在的业务需求和目标用户群,针对一群用户进行业务推广。方式一是面向业务的营销,市场点烟不可能对数以亿计的用户做调研,结果具有一定的片面性,据此开发的业务很节能出现偏差,也让企业承担了高昂的营销成本;方式二是面向用户的营销,但是传统的运营数据是离散的单元,目标用户群的检索非常困难,即使找到目标用户群也是一个比较宽泛的群体,不可能做到面向单个用户的营销。
长期的客户服务经验告诉我们,在客户最需要你的时候立即出现,让客户在惊喜中感受服务滥价,而在客户不需要的时候,从不去打扰,这才是服务的最高境界。传统的营销方式因为没有技术手段做到真正的面向客户的营销,所以总不能取得圆满的效果且易造成用户投诉等问题。
发明内容
本发明的发明目的是:针对上述技术问题,提供一种房产用户筛分方法,能对不同的目标用户的不同活动行为进行赋值并做总统计,在与预设的标准值进行比较,能够快速、准确的筛分分类出不同需求级别的购房者,有针对性的对不同需求级别的购房者进行合适的营销策略,从而能提高房产的销售成交率,且能够掌控用户何时需要推销营销方案,做到适时推荐,提高用户的好评率,从而能够提高老客户回头购房率。
本发明技术方案为:
一种房产用户筛分方法,包括数据筛分,具体步骤如下:
(1)收集满足设定筛分的目标用户的各个活动行为,将用户的各种活动行为分别赋值;
(2)按照步骤(1)的赋值,将每一位目标用户各个活动行为的次数乘以各个活动行为的赋值,再以数天为期,将所有目标用户的活动行为进行相加统计总和值,再录入筛分数据库作为标准值;
(3)随机选取一位目标用户,对其的各个活动行为的次数乘以步骤(1)中预设的各个活动行为的赋值,即可得到目标用户的活动行为总和值;
当该目标用户的行为总和值≤标准值的40%时,将该目标用户筛分定义为低需求购房用户;
当标准值的80%≥该目标用户的行为总和值>标准值的40%时,将该目标用户筛分定义为中需求购房用户;
当该目标用户的行为总和值>标准值的80%时,将该目标用户筛分定义为高需求购房用户;
(4)针对步骤(3)中筛分出的不同目标用户,设计相对应的营销策略。
本发明方案的技术基本原理是:通过对所有目标用户的不同活动行为进行不同的赋值,并统计总和,作为标准值;然后将随机选取的目标用户的不同活动行为进行统计求和,再与标准值的一定百分比进行比较,当达到预设的标准值的一定百分比时,目标用户将自动被筛分为不同级别的购房用户。这样的设计方案与现有技术相比较,能通过预设的筛分方法,对不同的目标用户的不同活动行为进行赋值总统计,在与预设的标准值进行比较,能够快速、准确的筛分分类出不同需求级别的购房者,有针对性的对不同需求级别的购房者进行合适的营销策略,从而能提高房产的销售成交率。
本发明中,作为进一步限定,所述各个活动行为的赋值相同或不相同。
本发明中,作为进一步限定,所述满足设定筛分的所有目标用户行为包括用户交互行为和会员注册行为。
本发明中,所述交互活动行为包括网络活动行为;所述网络活动行为包括可视化活动行为、产品信息预定活动行为、浏览网页时间活动行为和语音服务活动行为。
本发明中,作为进一步,所述产品信息预定活动行为包括产品收藏活动行为、团购登记活动行为和登记看房活动行为。
本发明中,作为进一步,所述语音服务活动行为包括语音电话互动活动行为、在线客服互动活动行为和电话互动活动行为。
在本发明中,对低需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
在本发明中,对中需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
在本发明中,对高需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
与现有技术相比较,本发明有益效果是:
1.本发明的房产用户数据筛分方法,能对不同的目标用户的不同活动行为进行赋值并做总统计,在与预设的标准值进行比较,能够快速、准确的筛分分类出不同需求级别的购房者,有针对性的对不同需求级别的购房者进行合适的营销策略,从而能提高房产的销售成交率,且能够掌控用户何时需要推销营销方案,做到适时推荐,提高用户的好评率,从而能够提高老客户回头购房率。
2.能通过本发明方法筛分出来的低、中、高需求购房用户的基础上,设计相对合理的营销策略,策略的针对性强,缩短营销的周期;还能够将未营销成功的低、中、高需求购房用户进行标记返回,对该用户活动行为进行跟踪统计,调整营销策略,重新制定合理的营销策略留住客户,提高购房的转化率,有效降低营销和管理成本,提高经济效益。
附图说明
图1是本发明的流程图。
具体实施方式
下面将结合本发明实例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
一种房产用户筛分方法,包括数据筛分,包括以下具体步骤:
(1)收集满足设定筛分的目标用户的各个活动行为,将用户的各种活动行为分别赋值;
(2)按照步骤(1)的赋值,将每一位目标用户各个活动行为的次数乘以各个活动行为的赋值,再以数天为期,将所有第一目标用户的活动行为进行相加统计总和值,再录入筛分数据库作为标准值;
(3)随机选取一位目标用户,对其的各个活动行为的次数乘以步骤(1)中预设的各个活动行为的赋值,即可得到目标用户的活动行为总和值;
当该目标用户的行为总和值≤标准值的40%时,将该目标用户筛分定义为低需求购房用户;
当标准值的80%≥该目标用户的行为总和值>标准值的40%时,将该目标用户筛分定义为中需求购房用户;
当该目标用户的行为总和值>标准值的80%时,将该目标用户筛分定义为高需求购房用户;
(4)针对步骤(3)中筛分出的不同目标用户,设计相对应的营销策略。
本发明方案的技术基本原理是:通过对所有目标用户的不同活动行为进行不同的赋值,并统计总和,作为标准值;然后将随机选取的目标用户的不同活动行为进行统计求和,再与标准值的一定百分比进行比较,当达到预设的标准值的一定百分比时,目标用户将自动被筛分为不同级别的购房用户。这样的设计方案与现有技术相比较,能通过预设的筛分方法,对不同的目标用户的不同活动行为进行赋值总统计,在与预设的标准值进行比较,能够快速、准确的筛分分类出不同需求级别的购房者,有针对性的对不同需求级别的购房者进行合适的营销策略,从而能提高房产的销售成交率。
实施例2:
将目标用户的不同活动行为进行赋值,例如在线客服互动行为=1,团购登记=2,产品收藏活动行为=3,会员注册行为=4,电话互动活动行为=5……选取时间段为2015年4月4日-2015年4月9日的所有目标用户各个活动行为进行统计,预设为标准值;
随机选取一个目标用户,对其不同的活动行为进行统计:
Xn代表用户行为赋值,每个行为赋予一定的分值;
X1代表访问网上售楼部,报名该楼盘的团购,分值为X1;
X2代表拨打某楼盘的免费电话咨询,分值为X2;
X3代表线下登记报名某线路看房团活动,分值为X3;
总和为Y=bX1+cX2+dX3+……+nXn
b、c、d、……、n分别代表用户不同活动行为的次数;
表1高需求购房者购房者
对高需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
实施例3:
将目标用户的不同活动行为进行赋值,例如产品信息预定活动行为=2,团购登记=3,产品收藏活动行为=5,会员注册行为=4,电话互动活动行为=4……选取时间段为2015年3月3日-2015年3月8日的所有目标用户各个活动行为进行统计,预设为标准值;
随机选取一个目标用户,对其不同的活动行为进行统计:
Xn代表用户行为赋值,每个行为赋予一定的分值;
X1代表访问网上售楼部,报名该楼盘的团购,分值为X1;
X2代表拨打某楼盘的免费电话咨询,分值为X2;
X3代表线下登记报名某线路看房团活动,分值为X3;
总和为Y=bX1+cX2+dX3+……+nXn
b、c、d、……、n分别代表用户不同活动行为的次数;
表2中需求购房者购房者
对中需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
实施例4:
将目标用户的不同活动行为进行赋值,例如产品信息预定活动行为=8,团购登记=2,可视化活动行为=3,会员注册行为=4,电话互动活动行为=6……选取时间段为2015年5月09日-2015年5月14日的所有目标用户各个活动行为进行统计,预设为标准值;
随机选取一个目标用户,对其不同的活动行为进行统计:
Xn代表用户行为赋值,每个行为赋予一定的分值;
X1代表访问网上售楼部,报名该楼盘的团购,分值为X1;
X2代表拨打某楼盘的免费电话咨询,分值为X2;
X3代表线下登记报名某线路看房团活动,分值为X3;
总和为Y=aX1+bX2+cX3+……+nXn
a、b、c、……、n分别代表用户不同活动行为的次数;
表3低需求购房者
对低需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
Claims (9)
1.一种房产用户筛分方法,包括数据筛分,其特征在于:具体步骤如下:
(1)收集满足设定筛分的目标用户的各个活动行为,将用户的各种活动行为分别赋值;
(2)按照步骤(1)的赋值,将每一位目标用户各个活动行为的次数乘以各个活动行为的赋值,再以数天为期,将所有目标用户的活动行为进行相加统计总和值,再录入筛分数据库作为标准值;
(3)随机选取一位目标用户,对其的各个活动行为的次数乘以步骤(1)中预设的各个活动行为的赋值,即可得到目标用户的活动行为总和值;
当该目标用户的行为总和值≤标准值的40%时,将该目标用户筛分定义为低需求购房用户;
当标准值的80%≥该目标用户的行为总和值>标准值的40%时,将该目标用户筛分定义为中需求购房用户;
当该目标用户的行为总和值>标准值的80%时,将该目标用户筛分定义为高需求购房用户;
(4)针对步骤(3)中筛分出的不同目标用户,设计相对应的营销策略。
2.根据权利要求1所述的一种房产用户筛分方法,其特征在于:所述各个活动行为的赋值相同或不相同。
3.根据权利要求1所述的一种房产用户筛分方法,其特征在于:所述满足设定筛分的所有目标用户行为包括用户交互行为和会员注册行为。
4.根据权利要求1所述的一种房产用户筛分方法,其特征在于:所述交互活动行为包括网络活动行为;所述网络活动行为包括可视化活动行为、产品信息预定活动行为、浏览网页时间活动行为和语音服务活动行为。
5.根据权利要求4所述的一种房产用户筛分方法,其特征在于:所述产品信息预定活动行为包括产品收藏活动行为、团购登记活动行为和登记看房活动行为。
6.根据权利要求4所述的一种房产用户筛分方法,其特征在于:所述语音服务活动行为包括语音电话互动活动行为、在线客服互动活动行为和电话互动活动行为。
7.根据权利要求1所述的一种房产用户筛分方法,其特征在于:对低需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
8.根据权利要求1所述的一种房产用户筛分方法,其特征在于:对中需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
9.根据权利要求1所述的一种房产用户筛分方法,其特征在于:对高需求购房者进行房产营销,若营销成功,则结束房产营销,若营销不成功,则将低需求购房者的信息返回步骤(2)中的筛分数据库中,继续对该用户活动行为进行跟踪统计,调整营销策略,直至营销成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610004559.0A CN105631713A (zh) | 2016-01-04 | 2016-01-04 | 一种房产用户筛分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610004559.0A CN105631713A (zh) | 2016-01-04 | 2016-01-04 | 一种房产用户筛分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631713A true CN105631713A (zh) | 2016-06-01 |
Family
ID=56046604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610004559.0A Pending CN105631713A (zh) | 2016-01-04 | 2016-01-04 | 一种房产用户筛分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631713A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288179A (zh) * | 2018-01-25 | 2018-07-17 | 链家网(北京)科技有限公司 | 一种用户偏好房源计算方法和系统 |
-
2016
- 2016-01-04 CN CN201610004559.0A patent/CN105631713A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288179A (zh) * | 2018-01-25 | 2018-07-17 | 链家网(北京)科技有限公司 | 一种用户偏好房源计算方法和系统 |
CN108288179B (zh) * | 2018-01-25 | 2021-02-02 | 贝壳找房(北京)科技有限公司 | 一种用户偏好房源计算方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Managing risk of supply disruptions: Incentives for capacity restoration | |
Ramanathan | Aligning supply chain collaboration using Analytic Hierarchy Process | |
Neely et al. | The servitization of manufacturing: Further evidence | |
CN104866484B (zh) | 一种数据处理方法和装置 | |
Athukorala et al. | Foreign investment and industrialization in Malaysia: exports, employment and spillovers | |
CN105469286A (zh) | 一种房产用户筛选方法 | |
Yu et al. | Alternative forms of fit in distribution flexibility strategies | |
Guzik et al. | The impact of delocalization on the European software industry | |
US20060047563A1 (en) | Method for optimizing a marketing campaign | |
CN106127525A (zh) | 一种基于分类算法的电视购物商品推荐方法 | |
CN102541862A (zh) | 跨网站的信息显示方法及系统 | |
US20160027068A1 (en) | Apparatus and method of identifying products and corresponding projects for potential marketing | |
Slof et al. | A competing risks model based on latent Dirichlet Allocation for predicting churn reasons | |
CN109325808A (zh) | 基于Spark大数据平台的商品需求预测与物流分仓规划方法 | |
Minchenko et al. | Effective models for promoting goods through social networks | |
CN110473027A (zh) | 一种电商促销活动管理方法及系统 | |
CN106649323B (zh) | 推荐关键词的方法及装置 | |
CN103632294A (zh) | 基于媒体和第三方数据平台的用户数据整合方法 | |
CN106504067A (zh) | 商品智能排序装置 | |
Mao et al. | Fraud transaction recognition: A money flow network approach | |
CN108268660A (zh) | 一种客户数据推荐方法、服务器及存储介质 | |
CN105469285A (zh) | 一种房产用户筛选的方法 | |
CN101894015A (zh) | 消费习惯行为分析在计算机软件中的实现方法 | |
CN105631713A (zh) | 一种房产用户筛分方法 | |
CN102456198A (zh) | 基于商业智能的客户消费习惯行为分析的实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
RJ01 | Rejection of invention patent application after publication |