CN106296301A - 一种房产销售线索的挖掘方法 - Google Patents
一种房产销售线索的挖掘方法 Download PDFInfo
- Publication number
- CN106296301A CN106296301A CN201610680812.4A CN201610680812A CN106296301A CN 106296301 A CN106296301 A CN 106296301A CN 201610680812 A CN201610680812 A CN 201610680812A CN 106296301 A CN106296301 A CN 106296301A
- Authority
- CN
- China
- Prior art keywords
- clue
- building
- user
- behavior
- website
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开一种房产销售线索的挖掘方法,其能够得到更多更有效的登陆与未登陆用户的销售线索，帮助楼盘进行营销。该方法包括步骤：(1)建立房产知识库、用户ID知识库、用户消费能力知识库、用户购房知识库和用户风险知识库；(2)基于属性与基于行为对相似楼盘进行挖掘；(3)建立线索打分模型；(4)选取候选线索；(5)对候选线索进行打分；(6)对潜在线索进行过滤，得到潜在线索列表；(7)对于潜在线索列表里的用户，访问用户ID知识库，得到其联系方式，提供给开发商进行营销。
Description
技术领域
本发明属于大数据处理和分析的技术领域，具体地涉及一种房产销售线索的挖掘方法。
背景技术
目前的房产销售线索主要来自线上和线下两个方面，线下主要为客户拜访与相互介绍，线上来自客户在房产电商网站的主动登记，以及根据客户在房产网站的访问行为进行的潜在客户挖掘。
目前线上的潜在客户挖掘主要采用传统电子商务平台的潜在客户挖掘方案，通过客户id识别客户，以session为单位分析客户的访问、购买行为，提取特征后建立预估或者分类模型，然后根据模型对客户的购买意愿进行识别。
专利申请“一种基于客户行为特征的潜在客户挖掘方法”(CN201510903856.4)，通过客户id识别客户，以session为单位分析客户的访问行为，提取特征后进行经过粗糙集约简，在约简后的特征上建立随机森林模型，然后根据模型进行潜在客户识别。
专利申请“判断用户兴趣度的方法及装置”(CN201511018992.1)，根据用户访问的网页和时长特征来判断用户的兴趣。
现有线上的销售线索挖掘方案存在着如下缺点：
1)线索数量不够多。因为房产销售的利润可观，开发商希望较多的销售线索，会在多家房产电商网站一起进行推广。但受平台所限，房产电商网站只能对用户在自己网站的行为进行监控，房产电商网站竞争比较充分，单一网站的线索覆盖率较差。
2)可以用来联络的线索较少。根据房产行业的特点，用户访问房产电商网站大多是为了获取资讯，大部分情况下无需进行登录，房产电商网站只能根据cookie等行为进行分析，无法进行进一步更有效的线下营销。
3)缺乏交叉验证。只能搜集到用户房产相关的行为，无法判断其是否真有实力进行购买。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提供一种房产销售线索的挖掘方法,其能够得到更多更有效的登陆与未登陆用户的销售线索，帮助楼盘进行营销。
本发明的技术解决方案是：这种房产销售线索的挖掘方法，该方法包括以下步骤：
(1)建立房产知识库、用户ID知识库、用户消费能力知识库、用户购房知识库和用户风险知识库；
(2)基于属性与基于行为对相似楼盘进行挖掘；
(3)建立线索打分模型；
(4)选取候选线索：分析最近一段时间用户在各网站的访问行为，若其访问过目标楼盘及其相似楼盘，则将该用户加入候选线索列表，同时记录线索用户在各网站的访问行为；
(5)对候选线索进行打分：对于候选线索列表里的用户，分析其在各网站的行为，抽取其行为特征，使用线索打分模型进行打分，打分结果大于阈值Z的线索作为潜在线索；
(6)对潜在线索进行过滤，得到潜在线索列表；
(7)对于潜在线索列表里的用户，访问用户ID知识库，得到其联系方式，提供给开发商进行营销。
本发明基于第三方大数据，综合分析用户在多个房产电商网站以及其他网站上的访问行为，交叉验证，从而能够得到更多更有效的登陆与未登陆用户的销售线索，帮助楼盘进行营销。
附图说明
图1是根据本发明的房产销售线索的挖掘方法的流程图。
具体实施方式
如图1所示，这种房产销售线索的挖掘方法，该方法包括以下步骤：
(1)建立房产知识库、用户ID知识库、用户消费能力知识库、用户购房知识库和用户风险知识库；
(2)基于属性与基于行为对相似楼盘进行挖掘；
(3)建立线索打分模型；
(4)选取候选线索：分析最近一段时间用户在各网站的访问行为，若其访问过目标楼盘及其相似楼盘，则将该用户加入候选线索列表，同时记录线索用户在各网站的访问行为；
(5)对候选线索进行打分：对于候选线索列表里的用户，分析其在各网站的行为，抽取其行为特征，使用线索打分模型进行打分，打分结果大于阈值Z的线索作为潜在线索；
(6)对潜在线索进行过滤，得到潜在线索列表；
(7)对于潜在线索列表里的用户，访问用户ID知识库，得到其联系方式，提供给开发商进行营销。
本发明基于第三方大数据，综合分析用户在多个房产电商网站以及其他网站上的访问行为，交叉验证，从而能够得到更多更有效的登陆与未登陆用户的销售线索，帮助楼盘进行营销。
更进一步地，所述步骤(1)包括以下分步骤：
(1.1)抓取多个网站的房产数据，建立完整、统一的房产知识库，对不同网站表述不同的同一楼盘、新房与二手房进行统一；
(1.2)根据ip与设备编号，以session为单位分析客户在所有网站的行为，建立其登陆id与集奥ID的映射关系,集奥ID是集奥公司为客户分配的唯一ID，通过id-mapping映射清洗后将客户在各种网站的行为串联起来(例如,举个简单例子，集奥ID可以和手机的imei号关联，那么所有在同一部手机上登录过的账号都可以归属到一个GID下边，也可以和一个ip地址或者别的标识符关联)；
(1.3)分析客户在购物、投资网站的行为，预估其经济水平与消费能力，按照阈值分别设置为低、中、高三个级别；
(1.4)分析客户在房产与购物、资讯、装修网站上的行为，若最近关注装修、房贷信息的频率大于关注房源信息的M倍，则判定为近期已购房；
(1.5)分析客户在各网站的行为，若命中高风险规则，则标记为高风险人群。
另外，所述步骤(2)中，基于属性的挖掘方法为：对于每一个楼盘，根据房产知识库，找出于其位置、均价、总价类似的楼盘，将位置距离小于M公里，均价差异在X％以内，总价差异小于Y％的楼盘，作为其相似楼盘，其中M，X，Y是用户设定值。
另外，所述步骤(2)中，基于行为的挖掘方法为：根据用户的访问记录，对于楼盘A，B，统计所有同时访问了A，B的用户，累加他们访问A的次数为U,累加他们访问B的次数为V，则A，B间的相似度贡献为min(U,V)/max(U,V)；对于楼盘A，共同访问次数大于P，相似度大于阈值Q的楼盘为其相似楼盘；其中U，V，P，Q是用户设定值。
另外，所述步骤(3)包括以下分步骤：
(3.1)训练样本的选择：选择时间节点T之前一个月访问过目标楼盘及其相似的用户的行为数据，作为训练样本；
(3.2)训练目标的标记：根据时间节点T之后一周该用户是否访问过目标楼盘，作为训练目标，若访问过，则样本数据标记为1，没访问过，则样本数据标记为0；
(3.3)样本特征的抽取：从训练样本的行为数据中抽取特征，包括：客户在各房产网站各楼盘的细致浏览行为、客户在各房产网站对同一楼盘的访问行为加权后作为整体特征、客户访问的楼盘的特征、客户在非房产网站的浏览行为；
(3.4)模型的训练：使用逻辑回归模型对样本进行训练，得到线索打分模型。
另外，所述步骤(6)中，过滤包括：最近已购房过滤、低消费能力过滤、高风险过滤。
以下给出一个具体实施例。
以为北京市昌平区某楼盘“XX家园”挖掘潜力客户为例，该楼盘为分期开发，前两期已入住，在搜房网，链家网，我爱我家等房产网站均有房源信息。具体过程如下：
1.知识库的建立：需要建立房产知识库、用户ID知识库、用户消费能力知识库、用户购房知识库和用户风险知识库。具体如下：
1)抓取搜房网，链家网，我爱我家等房产网站的房产数据，建立完整、统一的房产知识库。除了抓取必要的房产位置，均价，面积，总价，房源数，开发商，建成日期，配套设施，物业公司等资料外，统一还包括两层含义：
a)同一楼盘在不同网站表述的统一。对于部分网站某些属性进行补充，对于同一网站同一小区的信息进行汇总。
b)新房与二手房的统一，不少楼盘是分期售卖的，同时存在新房和二手房可售，需要保证客户在新房和二手房的访问行为可被一起分析。
2)用户ID知识库的建立：使用第三方大数据平台，分析用户的历史访问记录，根据ip与设备编号，以session为单位分析客户在搜房网，链家网，我爱我家等房产网站，百度、youku，微信，qq等娱乐网站以及在京东，淘宝，陆金所等购物理财网站所有网站的行为，建立其登陆id与GID(集奥id)的映射关系。
3)用户消费能力知识库的建立：分析客户在购物、投资网站的行为，预估其经济水平与消费能力，按照阈值分别设置为低、中、高三个级别。
4)用户购房知识库的建立：分析客户在房产与购物、资讯、装修网站上的行为，若最近关注装修、房贷信息的频率大于关注房源信息的M倍，则判定为近期已购房。
5)用户风险知识库的建立：分析其在各网站的行为，若命中赌博，博彩等高风险规则，则标记为高风险人群。
2.相似楼盘挖掘，相似楼盘挖掘综合采用两个方法，基于属性的挖掘与基于行为的挖掘。具体如下：
1)基于属性的挖掘方法：对于每一个楼盘，根据1中建立的房产知识库，找出于其位置，均价，总价类似的楼盘，将位置距离小于M公里，均价差异在X％以内，总价差异小于Y％的楼盘，作为其相似楼盘。则挖掘出“XX家园”附近价位相似的楼盘列表。
2)基于行为的挖掘方法：根据用户的访问记录，对于楼盘A，B，统计所有同时访问了A，B的用户，累加他们访问A的次数为U,累加他们访问B的次数为V，则A，B间的相似度贡献min(U,V)/max(U,V)。对于楼盘A，共同访问次数大于P，相似度大于阈值Q的楼盘为其相似楼盘。“XX家园”位于地铁沿线，可以挖掘出“XX家园”同一地铁线3站距离的“YY家园”等楼盘。
3.线索打分模型的建立，包括如下步骤训练样本的选择，样本特征的抽取，模型的训练。具体如下：
1)训练样本的选择：选择时间节点T之前一个月访问过目标楼盘及其相似的用户的行为数据，作为训练样本。
2)训练目标的标记：根据时间节点T之后一周该用户是否访问过目标楼盘，作为训练目标，若访问过，则样本数据标记为1，没访问过，则样本数据标记为0。
3)样本特征的抽取：从训练样本的行为数据中抽取特征，包括以下几大类：
a)客户在各房产网站各楼盘的细致浏览行为；
b)客户在各房产网站对同一楼盘的访问行为加权后作为整体特征；
c)客户访问的楼盘的特征；
d)客户在非房产网站的浏览行为。
4)模型的训练，使用逻辑回归模型对样本进行训练，得到最终的线索打分模型。
4.候选线索的选取：分析最近一段时间用户在各网站的访问行为，若其访问过目标楼盘及其相似楼盘，则将该用户加入候选线索列表，同时记录线索用户在各网站的访问行为。
5.候选线索的打分：对于上一步候选线索列表里的用户，分析其在各网站的行为，抽取其行为特征，使用线索打分模型进行打分，打分结果大于阈值Z的线索作为潜在线索。
6.潜在线索过滤：对于上一步潜在线索列表里的用户，进行一下三个方面的过滤，最近已购房过滤、低消费能力过滤与高风险过滤。
1)若潜在线索的消费能力为低，则从挖掘结果中移除该条线索
2)若潜在线索在已购房线索库中，则从挖掘结果中移除该条线索
3)若潜在线索在高风险线索库中，则从挖掘结果中移除该条线索
7.线索信息的提供，对于上一步的潜在线索列表里的用户，访问用户ID知识库，得到其更准确的联系方式，提供给开发商进行营销。例如某用户访问了链家网站的A楼盘信息，但并未登陆，通过查询用户ID知识库知道，这个用户ID曾经登陆过微信账号123456，则可更精准的定位到用户进行营销。
本发明的有益效果如下：
1.使用第三方大数据平台，综合分析线索在各房产营销网站行为，建立行为模型，进行购买意向评估，增加了销售线索的覆盖范围，提升了发现销售线索的速度。
2.房产网站ID与非房产网站ID统一映射到内部的GID，扩充了对匿名用户的识别能力。
3.综合先做非房产网站的行为，预估验证销售线索的消费能力与风险程度的方法，提升了销售线索的精准程度。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (6)
1.一种房产销售线索的挖掘方法，其特征在于：该方法包括以下步骤：
(1)建立房产知识库、用户ID知识库、用户消费能力知识库、用户购房知识库和用户风险知识库；
(2)基于属性与基于行为对相似楼盘进行挖掘；
(3)建立线索打分模型；
(4)选取候选线索：分析最近一段时间用户在各网站的访问行为，若其访问过目标楼盘及其相似楼盘，则将该用户加入候选线索列表，同时记录线索用户在各网站的访问行为；
(5)对候选线索进行打分：对于候选线索列表里的用户，分析其在各网站的行为，抽取其行为特征，使用线索打分模型进行打分，打分结果大于阈值Z的线索作为潜在线索；
(6)对潜在线索进行过滤，得到潜在线索列表；
(7)对于潜在线索列表里的用户，访问用户ID知识库，得到其联系方式，提供给开发商进行营销。
2.根据权利要求1所述的房产销售线索的挖掘方法，其特征在于：所述步骤(1)包括以下分步骤：
(1.1)抓取多个网站的房产数据，建立完整、统一的房产知识库，对不同网站表述不同的同一楼盘、新房与二手房进行统一；
(1.2)根据ip与设备编号，以session为单位分析客户在所有网站的行为，建立其登陆id与集奥ID的映射关系,集奥ID是集奥公司为客户分配的唯一ID，通过id-mapping映射清洗后将客户在各种网站的行为串联起来；
(1.3)分析客户在购物、投资网站的行为，预估其经济水平与消费能力，按照阈值分别设置为低、中、高三个级别；
(1.4)分析客户在房产与购物、资讯、装修网站上的行为，若最近关注装修、房贷信息的频率大于关注房源信息的M倍，则判定为近期已购房；
(1.5)分析客户在各网站的行为，若命中高风险规则，则标记为高风险人群。
3.根据权利要求2所述的房产销售线索的挖掘方法，其特征在于：所述步骤(2)中，基于属性的挖掘方法为：对于每一个楼盘，根据房产知识库，找出于其位置、均价、总价类似的楼盘，将位置距离小于M公里，均价差异在X％以内，总价差异小于Y％的楼盘，作为其相似楼盘，其中M，X，Y是用户设定值。
4.根据权利要求3所述的房产销售线索的挖掘方法，其特征在于：所述步骤(2)中，基于行为的挖掘方法为：根据用户的访问记录，对于楼盘A，B，统计所有同时访问了A，B的用户，累加他们访问A的次数为U,累加他们访问B的次数为V，则A，B间的相似度贡献为min(U,V)/max(U,V)；对于楼盘A，共同访问次数大于P，相似度大于阈值Q的楼盘为其相似楼盘；其中U，V，P，Q是用户设定值。
5.根据权利要求4所述的房产销售线索的挖掘方法，其特征在于：所述步骤(3)包括以下分步骤：
(3.1)训练样本的选择：选择时间节点T之前一个月访问过目标楼盘及其相似的用户的行为数据，作为训练样本；
(3.2)训练目标的标记：根据时间节点T之后一周该用户是否访问过目标楼盘，作为训练目标，若访问过，则样本数据标记为1，没访问过，则样本数据标记为0；
(3.3)样本特征的抽取：从训练样本的行为数据中抽取特征，包括：客户在各房产网站各楼盘的细致浏览行为、客户在各房产网站对同一楼盘的访问行为加权后作为整体特征、客户访问的楼盘的特征、客户在非房产网站的浏览行为；
(3.4)模型的训练：使用逻辑回归模型对样本进行训练，得到线索打分模型。
6.根据权利要求5所述的房产销售线索的挖掘方法，其特征在于：所述步骤(6)中，过滤包括：最近已购房过滤、低消费能力过滤、高风险过滤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680812.4A CN106296301A (zh) | 2016-08-17 | 2016-08-17 | 一种房产销售线索的挖掘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680812.4A CN106296301A (zh) | 2016-08-17 | 2016-08-17 | 一种房产销售线索的挖掘方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106296301A true CN106296301A (zh) | 2017-01-04 |
Family
ID=57679572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610680812.4A Pending CN106296301A (zh) | 2016-08-17 | 2016-08-17 | 一种房产销售线索的挖掘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106296301A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846061A (zh) * | 2017-01-25 | 2017-06-13 | 百度在线网络技术（北京）有限公司 | 潜在用户挖掘方法以及装置 |
| CN106997559A (zh) * | 2017-04-13 | 2017-08-01 | 安徽省沃瑞网络科技有限公司 | 一种购房客户交易数据管理系统 |
| CN107358459A (zh) * | 2017-06-15 | 2017-11-17 | 浙江启冠网络股份有限公司 | 基于定向房产兴趣人群的广告投放方法与系统 |
| CN108154430A (zh) * | 2017-12-28 | 2018-06-12 | 上海氪信信息技术有限公司 | 一种基于机器学习和大数据技术的信用评分构建方法 |
| CN108376341A (zh) * | 2018-01-10 | 2018-08-07 | 链家网（北京）科技有限公司 | 一种房源客户的定位方法和系统 |
| CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
| CN109670873A (zh) * | 2018-12-25 | 2019-04-23 | 重庆锐云科技有限公司 | 房地产拓客方法、装置及服务器 |
| CN109872226A (zh) * | 2019-02-25 | 2019-06-11 | 重庆锐云科技有限公司 | 一种基于微信公众号的房地产营销管理方法及装置 |
| CN110390066A (zh) * | 2019-07-19 | 2019-10-29 | 北京海致星图科技有限公司 | 一种基于知识库的深网数据高效更新方法 |
| CN110675179A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术（北京）有限公司 | 营销信息处理方法、装置、电子设备及可读存储介质 |
| CN110852797A (zh) * | 2019-10-29 | 2020-02-28 | 深圳市看见网络科技有限公司 | 帮助经纪人高效判客的方法、移动终端和计算机存储介质 |
| CN112100182A (zh) * | 2020-09-27 | 2020-12-18 | 中国建设银行股份有限公司 | 数据入库处理方法、装置和服务器 |
| CN112256942A (zh) * | 2020-10-21 | 2021-01-22 | 网娱互动科技(北京)股份有限公司 | 一种计算机自动对销售线索购买可能性进行打分的方法 |
| TWI793449B (zh) * | 2020-09-18 | 2023-02-21 | 信義房屋股份有限公司 | 客戶狀態的通知裝置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046562A (zh) * | 2015-09-10 | 2015-11-11 | 腾讯科技（深圳）有限公司 | 风控系统及风控数据获取方法 |
| CN105469285A (zh) * | 2016-01-04 | 2016-04-06 | 广西住朋购友文化传媒有限公司 | 一种房产用户筛选的方法 |
| CN105850100A (zh) * | 2013-12-24 | 2016-08-10 | 谷歌公司 | 用于受众测量的系统和方法 |
-
2016
- 2016-08-17 CN CN201610680812.4A patent/CN106296301A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105850100A (zh) * | 2013-12-24 | 2016-08-10 | 谷歌公司 | 用于受众测量的系统和方法 |
| CN105046562A (zh) * | 2015-09-10 | 2015-11-11 | 腾讯科技（深圳）有限公司 | 风控系统及风控数据获取方法 |
| CN105469285A (zh) * | 2016-01-04 | 2016-04-06 | 广西住朋购友文化传媒有限公司 | 一种房产用户筛选的方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846061A (zh) * | 2017-01-25 | 2017-06-13 | 百度在线网络技术（北京）有限公司 | 潜在用户挖掘方法以及装置 |
| CN106997559A (zh) * | 2017-04-13 | 2017-08-01 | 安徽省沃瑞网络科技有限公司 | 一种购房客户交易数据管理系统 |
| CN107358459A (zh) * | 2017-06-15 | 2017-11-17 | 浙江启冠网络股份有限公司 | 基于定向房产兴趣人群的广告投放方法与系统 |
| CN108154430A (zh) * | 2017-12-28 | 2018-06-12 | 上海氪信信息技术有限公司 | 一种基于机器学习和大数据技术的信用评分构建方法 |
| CN108376341A (zh) * | 2018-01-10 | 2018-08-07 | 链家网（北京）科技有限公司 | 一种房源客户的定位方法和系统 |
| CN110675179A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术（北京）有限公司 | 营销信息处理方法、装置、电子设备及可读存储介质 |
| CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
| CN109670873A (zh) * | 2018-12-25 | 2019-04-23 | 重庆锐云科技有限公司 | 房地产拓客方法、装置及服务器 |
| CN109872226A (zh) * | 2019-02-25 | 2019-06-11 | 重庆锐云科技有限公司 | 一种基于微信公众号的房地产营销管理方法及装置 |
| CN110390066A (zh) * | 2019-07-19 | 2019-10-29 | 北京海致星图科技有限公司 | 一种基于知识库的深网数据高效更新方法 |
| CN110852797A (zh) * | 2019-10-29 | 2020-02-28 | 深圳市看见网络科技有限公司 | 帮助经纪人高效判客的方法、移动终端和计算机存储介质 |
| TWI793449B (zh) * | 2020-09-18 | 2023-02-21 | 信義房屋股份有限公司 | 客戶狀態的通知裝置 |
| CN112100182A (zh) * | 2020-09-27 | 2020-12-18 | 中国建设银行股份有限公司 | 数据入库处理方法、装置和服务器 |
| CN112256942A (zh) * | 2020-10-21 | 2021-01-22 | 网娱互动科技(北京)股份有限公司 | 一种计算机自动对销售线索购买可能性进行打分的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106296301A (zh) | 一种房产销售线索的挖掘方法 | |
| CN106022834B (zh) | 广告反作弊方法及装置 | |
| CN103795613B (zh) | 一种在线社交网络中朋友关系预测的方法 | |
| CN103685502B (zh) | 一种消息推送方法、装置及系统 | |
| CN108197330B (zh) | 基于社交平台的数据挖掘方法及装置 | |
| CN110413707A (zh) | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 | |
| CN110009174A (zh) | 风险识别模型训练方法、装置及服务器 | |
| CN107025165A (zh) | 游戏自动化测试方法及相关装置 | |
| CN109063966A (zh) | 风险账户的识别方法和装置 | |
| Lee et al. | Understanding customer malling behavior in an urban shopping mall using smartphones | |
| CN103136358B (zh) | 一种自动抽取论坛数据的方法 | |
| Liu et al. | Do zoning regulations rob rural landowners' equity? | |
| CN105376223B (zh) | 网络身份关系的可靠度计算方法 | |
| CN102122291A (zh) | 一种基于树形日志模式分析的博客好友推荐方法 | |
| CN106682212A (zh) | 一种基于用户移动行为的社会关系分类方法与装置 | |
| CN108764943B (zh) | 基于资金交易网络的可疑用户监测分析方法 | |
| CN107357790A (zh) | 一种异常消息检测方法、装置及系统 | |
| CN103902621A (zh) | 一种鉴定网络谣言的方法和装置 | |
| CN108647800A (zh) | 一种基于节点嵌入的在线社交网络用户缺失属性预测方法 | |
| CN106886906A (zh) | 一种设备识别方法和装置 | |
| CN108446988A (zh) | 基于关系网络的用户识别方法和系统 | |
| Atzmueller | Detecting community patterns capturing exceptional link trails | |
| CN108292408A (zh) | 检测web跟踪服务的方法 | |
| CN113902534A (zh) | 一种基于股票社区关系图谱的交互风险团伙识别方法 | |
| CN111027023B (zh) | 一种基于频繁分析的房产在线开盘检测方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |