CN107590688A - 目标客户的识别方法及终端设备 - Google Patents
目标客户的识别方法及终端设备 Download PDFInfo
- Publication number
- CN107590688A CN107590688A CN201710736127.3A CN201710736127A CN107590688A CN 107590688 A CN107590688 A CN 107590688A CN 201710736127 A CN201710736127 A CN 201710736127A CN 107590688 A CN107590688 A CN 107590688A
- Authority
- CN
- China
- Prior art keywords
- client
- banquet
- potential customers
- attended
- electricity pin
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
-
- 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
- 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0246—Traffic
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
Abstract
本发明提供了一种目标客户的识别方法及终端设备,适用于信息处理技术领域,该方法包括:获取潜在客户的个人特征数据;在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算电销坐席在各个所述工作时间段的客户转化率;将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;将产品购买概率大于预设阈值的潜在客户确定为所述电销坐席在当前工作时间段的目标客户。本发明加入了电销坐席的实时推销能力这一考量因素,使得电销坐席能够准确定位出其在当前时刻的目标客户,由此提高了客户转化率、营销效率以及目标客户的识别准确率。
Description
技术领域
本发明属于信息处理技术领域,尤其涉及一种目标客户的识别方法及终端设备。
背景技术
目前,产品的营销手段包括电话营销、邮件营销以及短信营销等。电话营销(TMK)是通过使用电话来实现有计划、有组织并且高效率地扩大顾客群的手法。为了避免电销的坐席人员只能随机地打出大量电话,凭借运气地去给各个电话接听者推销产品,目前,各大企业都开始着手于实现个性化的精准营销。具体地,通过对收集得到的各个客户的个人特征数据进行深入分析,确定出不同客户的不同消费特点,从而在推销产品与客户的消费特点较为吻合的情况下,才将该客户确认为目标客户,并令坐席人员向该目标客户进行电话推销,由此可保证每一次电话推销后,能够有更大的概率令客户转化为购买产品的实际成交客户,从而提高营销效率。
然而,现有的目标客户识别方法仅能从客户的个人特征数据来评估该客户是否为目标客户,考虑因素单一,由此使得目标客户的识别准确率较为低下。
发明内容
有鉴于此,本发明实施例提供了一种目标客户的识别方法及终端设备,以解决现有技术中目标客户的识别准确率低以及难以再进一步筛选出产品购买概率更高的客户的问题。
本发明实施例的第一方面提供了一种目标客户的识别方法,包括:
获取潜在客户的个人特征数据;
在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
本发明实施例的第二方面提供了一种目标客户的识别装置,包括:
第一获取单元,用于获取潜在客户的个人特征数据;
计算单元,用于在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
第一输出单元,用于将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
确定单元,用于将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取潜在客户的个人特征数据;
在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
本发明实施例的第四方面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存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取潜在客户的个人特征数据;
在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
本发明实施例中,通过获取电销坐席在当前工作时间段的客户转化率,能够量化电销坐席在当前时刻的推销能力;通过将电销坐席的客户转化率以及潜在客户的个人特征数据输入预先建立的随机森林模型,可以基于推销方以及被推销方两方面的条件因素来预测出该潜在客户的产品购买概率,仅有在产品购买概率大于预设阈值的情况下,才确定该潜在客户为当前时刻电销坐席的目标客户,由此使得电销坐席能够准确定位出其应当推销的客户,提高了客户转化率以及营销效率;在现有技术仅从客户的个人特征数据来评估该客户是否为目标客户的基础之上,由于电销坐席的推销能力对于客户是否成功购买产品的影响较大,故通过加入电销坐席推销能力这一考量因素,提高了目标客户的识别准确率,使得基于本发明实施例提供的方法能够再进一步地筛选出产品购买概率更高的目标客户。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的目标客户的识别方法的实现流程图;
图2是本发明实施例二提供的目标客户的识别方法的实现流程图;
图3是本发明实施例三提供的目标客户的识别方法的实现流程图;
图4是本发明实施例四提供的目标客户的识别方法S103的具体实现流程图;
图5是本发明实施例五提供的目标客户的识别方法的实现流程图;
图6是本发明实施例六提供的一目标客户的识别装置的结构框图;
图7是本发明实施例六提供的一目标客户的识别装置的结构框图;
图8是本发明实施例六提供的一目标客户的识别装置的结构框图;
图9是本发明实施例六提供的一目标客户的识别装置的结构框图;
图10是本发明实施例七提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例提供的目标客户的识别方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下:
S101:获取潜在客户的个人特征数据。
潜在客户是指具有购买电销产品的可能性的待开发客户,其用于从中挖掘出具有产品购买概率较高且需要进一步地进行电话推销的目标客户。在电销产品以及电销服务满足潜在客户的需求的情况下,潜在客户能够转化为购买产品的实际成交客户。其中,电销产品为电销坐席通过电话沟通的方式向客户推荐的产品,包括但不限于保险产品以及信贷产品等各类金融产品。
本发明实施例中,通过多种途径来获取潜在客户的客户名单及个人特征数据。例如,从其他类型金融产品的历史客户信息、热线服务台或营业厅所接到的咨询客户信息中获取。其中,潜在客户的个人特征数据包括但不限于年龄、收入、兴趣爱好、学历、金融产品历史消费金额以及寿险交付保费等。其中的每一项个人特征数据均为一属性特征。
S102:在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率。
将电销坐席在一天之内的工作时间段进行划分,得到多个工作时间段。例如,若电销坐席的工作时间段为10:00到18:00,且以每两个小时为一个工作时间段,则可得到4个工作时间段,分别为第一工作时间段10:00-12:00、第二工作时间段12:01-14:00、第三工作时间段14:01-16:00以及第四工作时间段16:01-18:00。
在每一工作时间段内,电销坐席将向多个客户进行电话推销,则电销坐席在该工作时间段所接触的客户的总数为推销客户总数。经过电销坐席的推销后,若其所接触的客户被推销成功,进而购买电销产品,则该客户转化为成交客户。在一工作时间段,电销坐席的成交客户的总数为上述成交客户总数。
根据电销坐席在每一工作时间段所对应的历史推销数据,获取该工作时间段内电销坐席的平均的成交客户总数与推销客户总数,并将成交客户总数与推销客户总数的比值输出为电销坐席在该工作时间段的客户转化率。由此可知,客户转化率也表征了电销坐席在固定的一工作时间段内的推销成功率。
S103:将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率。
在电销坐席进行电话推销之前,需要确定出当前时刻电销坐席所需接触的目标客户。根据S102中工作时间段的划分方式,确定出当前时刻所属的一个工作时间段。基于上述S102所计算得到的电销坐席在每一工作时间段的客户转化率,匹配出电销坐席在当前工作时间段的客户转化率。
例如,若当前时刻为14:37,则根据上述示例中的的工作时间段划分方式,可确定出当前工作时间段为第三工作时间段(14:01-16:00)。此时,获取电销坐席在第三工作时间段的客户转化率。
本发明实施例中,获取预先训练完毕的随机森林模型。随机森林模型包括多个决策树,每一决策树用于根据输入参数来进行分类选择。将各个决策树的分类选择结果进行统计汇总后,获取随机森林模型的最终输出参数。其中,输入参数为电销坐席在当前工作时间段的客户转化率以及当前的潜在客户的个人特征数据。输出参数为该潜在客户的产品购买概率。
S104:将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
对于某一电销坐席来说,若潜在客户在当前时刻的产品购买概率低于预设阈值,则表示即使电销坐席为其进行电话推销,该潜在客户也难以转化为成交客户,因此,为了提高电销坐席的营销效率,仅将产品购买概率大于预设阈值的潜在客户确定为目标客户。通过将确定出的目标客户推荐至该电销坐席,使得电销坐席能够在有限的时间内,争取为产品购买概率更高的目标客户进行电话推销,最大限度地提高客户转化率。
本发明实施例中,通过获取电销坐席在当前工作时间段的客户转化率,能够量化电销坐席在当前时刻的推销能力;通过将电销坐席的客户转化率以及潜在客户的个人特征数据输入预先建立的随机森林模型,可以基于推销方以及被推销方两方面的条件因素来预测出该潜在客户的产品购买概率,仅有在产品购买概率大于预设阈值的情况下,才确定该潜在客户为当前时刻电销坐席的目标客户,由此使得电销坐席能够准确定位出其应当推销的客户,提高了客户转化率以及营销效率;在现有技术仅从客户的个人特征数据来评估该客户是否为目标客户的基础之上,由于电销坐席的推销能力对于客户是否成功购买产品的影响较大,故通过加入电销坐席推销能力这一考量因素,提高了目标客户的识别准确率,使得基于本发明实施例提供的方法能够再进一步地筛选出产品购买概率更高的目标客户。
实施例二
作为本发明的一个实施例,在上述实施例一的基础之上,对目标客户的展示方式做进一步地限定。如图2所示,上述目标客户的识别方法还包括:
S201:将多个潜在客户的个人特征数据以及将所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型,以分别输出所述多个潜在客户的产品购买概率。
对于预先获取的多个潜在客户的个人特征数据,将其中一个潜在客户的个人特征数据以及电销坐席在当前工作时间段的客户转化率输入随机森林模型后,再输入下一个潜在客户的个人特质数据以及电销坐席在当前工作时间段的客户转化率。如此类推,直至预先获取的各个潜在客户的个人特征数据均输入完毕。
由于每一潜在客户的个人特征数据以及电销坐席的客户转化率经过随机森林模型的识别处理后,均能输出该潜在客户的产品购买概率,因而在依次将多个潜在客户的个人特征数据以及电销坐席的客户转化率输入随机森林模型后,能依次输出每一潜在客户的产品购买概率。
S202:基于所述产品购买概率的大小顺序,对所述多个潜在客户进行排序。
基于多个潜在客户的多个产品购买概率,按照产品购买概率的数值大小,对各个潜在客户进行排序,使得产品购买概率较大的潜在客户排在产品购买概率较小的潜在客户之前。
S203:展示所述排序结果,以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。
将上述多个潜在客户的排序结果进行展示,具体包括:生成包含多个潜在客户的排列顺序的客户名单,客户名单中包含每一潜在客户的联系方式;将该客户名单显示于电销坐席的终端界面。
基于显示于电销坐席的终端界面的客户名单以及客户名单中每一潜在客户的联系方式,电销坐席将依次对其中的每一个潜在客户进行电话推销。
本发明实施例中,通过将多个潜在客户的个人特征数据输入随机森林模型,实现了多个潜在客户的产品购买概率的批量输出;基于产品购买概率的大小来对各个潜在客户进行排序并展示,使得电销坐席能够依照客户的排列顺序来依次执行电销操作。由于排序在前的潜在客户具有更大的可能性转化为成交客户,因而根据排序来向各个潜在客户推销,保证了电销坐席能够在尽可能短的时间内完成自身的任务达标量,提高营销效率。
实施例三
作为本发明的一个实施例,在上述各个实施例的基础之上,对随机森林模型的训练样本数据的获取方式做进一步地限定。如图3所示,上述目标客户的识别方法还包括:
S301:获取所述电销坐席的历史推销客户。
S302:获取每一所述历史推销客户的所述个人特征数据、历史推销时间段以及客户类型,所述客户类型为成交客户或者非成交客户。
每一电销坐席所曾经推销的客户以及与客户相关的推销信息均记录于数据库中。在训练与一电销坐席相关的随机森林模型之前,从数据库中调取该电销坐席的历史推销数据,包括其曾经推销的各个历史推销客户以及每一历史推销客户的个人特征数据、客户类型以及向该历史推销客户进行电话推销时的历史推销时间。根据上述预设的工作时间段划分方式,确定出各个历史推销时间所对应的一个历史推销时间段。
其中,上述客户类型为成交客户或非成交客户。即,电销坐席所曾经推销的客户是否最终购买了电销产品。若是,则该历史推销客户为成交客户,若否,则该历史推销客户为非成交客户。
S303:获取所述电销坐席在所述历史推销时间段的所述客户转化率。
由于各个工作时间段的客户转化率可由上述步骤S102得出,故根据不同历史推销客户的历史推销时间所对应的一个历史推销时间段,可确定出电销坐席在各个历史推销时间段的客户转化率。
S304:基于每一所述历史推销客户的所述个人特征数据、历史推销时间段、客户类型以及所述电销坐席在所述历史推销时间段的客户转化率,构建并训练与所述电销坐席相关的所述随机森林模型。
将多个训练样本数据输入预先构建的随机森林模型。每一训练样本数据包括一历史推销客户的各项个人特征数据、历史推销时间段、客户类型以及电销坐席在该历史推销客户的历史推销时间段的客户转化率。
基于接收到的各个训练样本数据,对随机森林模型中的模型参数进行调整。具体地,在接收到的N个训练样本数据中,重复执行多次有放回地随机抽取,以将抽取到的M(0<M<N,且M为整数)个训练样本数据作为一个新的训练样本集。根据新的训练样本集,生成K(K为大于1的整数)个用于分类的决策树。其中,决策树包括二叉树以及非二叉树。
由于随机森林模型的模型参数调整方法为本领域的现有技术,因此不再详细论述。
本发明实施例中,通过获取电销坐席的历史推销客户,并以其中每一历史推销客户的个人特征数据、历史推销时间段、客户类型以及电销坐席在历史推销时间段的客户转化率来作为随机森林模型的训练样本数据,使得随机森林模型能够基于成交客户以及非成交客户这两类正样本以及负样本来准确训练模型,保证了训练完成后的随机森林模型能够根据输入的潜在客户的个人特征数据以及电销坐席的实时客户转化率来准确预估潜在客户的产品购买概率。
实施例四
作为本发明的一个实施例,如图4所示,上述S103具体包括:
S1031:获取预先建立的与所述电销坐席相关的随机森林模型,所述随机森林模型包括多个决策树。
S1032:将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入所述随机森林模型,以获取每一所述决策树中各叶子节点的输出值,所述输出值包括购买或不购买。
S1033:将所述输出值为购买的所述叶子节点的总数与所述随机森林模型中叶子节点总数的比值输出为所述潜在客户的产品购买概率。
在确定一潜在客户是否为目标客户时,需要准确确定该潜在客户是否为某一指定电销坐席的目标客户。因此,本发明实施例中,预先构建并训练的随机森林模型为与指定的电销坐席相关的随机森林模型。其中,训练完毕的随机森林模型中包含多个用于分类的决策树。每一决策树中的每个叶子节点均对应一属性特征,且叶子节点的输出值表示通过该叶子节点所在的分支来对输入的潜在客户的一个属性特征进行分类后所得到的分类选项值。属性特征包括输入的潜在客户的历史推销时间段、各项个人特征数据以及电销坐席在历史推销时间段的客户转化率。
若某一叶子节点的输出值为1,则表示在该叶子节点所对应的属性特征这一考量因素上,输入的潜在客户会购买电销产品;若某一叶子节点的输出值为0,则表示在该叶子节点所对应的属性特征这一考量因素上,输入的潜在客户不会购买电销产品。
将一潜在客户的各项属性特征输入随机森林模型后,可得出随机森林模型中各个叶子节点的输出值。对各个叶子节点的输出值进行汇总,以确定出输出值为潜在客户会购买电销产品的叶子节点的总数。将该总数与随机森林模型中叶子节点的总数的比值确定为该潜在客户的产品购买概率。
本发明实施例中,通过对输出值为购买的叶子节点的总数进行统计,能够预测出潜在客户在其各个属性特征上的产品购买状况;通过计算输出值为购买的叶子节点的总数与随机森林模型中叶子节点总数的比值,能够综合潜在客户在各个属性特征上的产品购买状况来确定其总体的产品购买概率,提高了产品购买概率的预测准确性。
实施例五
作为本发明的一个实施例,在上述实施例四的基础之上,对不同类型的属性特征的影响权重值做进一步地限定。如图5所示,上述目标客户的识别方法还包括:
S501:当所述决策树生成分裂节点时,在每一所述历史推销客户的属性特征中,随机选取任意数量的所述属性特征,所述属性特征包括所述历史推销时间段、所述个人特征数据以及所述电销坐席在所述历史推销时间段的客户转化率。
S502:基于选取出的每一所述属性特征,分别计算其作为所述分裂节点时,所述决策树在分裂前后的第一基尼值以及第二基尼值。
S503:分别获取每一所述属性特征在各个所述决策树中的所述第一基尼值与所述第二基尼值的差值,并将该属性特征在各个所述决策树中的所述差值的平均值输出为该属性特征对所述产品购买概率的影响权重值。
在将与潜在客户相关的Q个属性特征输入随机森林模型的每一决策树后,决策树需要从中随机选取q个(0<q<Q,且q、Q为整数)属性特征,并对选取出的q个属性特征进行分析,以从q个属性特征中确定出作为分裂节点的一个属性特征。
若以某一属性特征作为分裂节点,则将该属性特征大于预设阈值的潜在客户划分为一类,将该属性特征小于预设阈值的潜在客户划分为另一类。根据对各个潜在客户的分类结果以及潜在客户对应的实际的客户类型,计算出分类误差大小,从而确定该属性特征的分裂纯度。分裂纯度越小,表示决策树对于潜在客户的分类准确性越高。
本发明实施例中,以基尼值来衡量分裂节点的分裂纯度。在每一次所选取出的q个属性特征中,获取每一属性特征在其作为分裂节点之后的基尼值,并将基尼值最小的一个属性特征确定为当前时刻的分裂节点。在下一层级的决策树中,返回执行在与潜在客户相关的Q个属性特征中,随机选取q个属性特征的步骤,以确定出各个层级的分裂节点,直至最终得到的基尼值低于预设阈值,例如0.1时,停止生成下级的分裂节点。
在每一决策树中,假设其选取的各属性特征可分别作为一分裂节点,计算各属性特征在分裂之前的基尼值,并计算各属性特征在分裂之后的基尼值。获取每一决策树中每一属性特征在分裂之前的基尼值与分裂之后的基尼值的差值。
将同一属性特征在不同决策树中的所述差值的平均值输出为该属性特征对潜在客户在当前工作时间段的产品购买概率的影响权重值。
例如,若随机森林模型包括两个决策树,且对于潜在客户的收入水平这一属性特征而言,其在决策树1中,分裂之前的基尼值为a1,在分裂之后的基尼值为b1;其在决策树2中,分裂之前的基尼值为a2,在分裂之后的基尼值为b2;对于潜在客户的寿险交付保费这一属性特征而言,其在决策树1中,分裂之前的基尼值为a3,在分裂之后的基尼值为b3;其在决策树2中,分裂之前的基尼值为a4,在分裂之后的基尼值为b4;则收入水平对于潜在客户的产品购买概率的影响权重值为[(a1-b1)+(a2-b2)]/2,寿险交付保费对于潜在客户的产品购买概率的影响权重值为[(a3-b3)+(a4-b4)]/2。
本发明实施例中,在决策树生成分裂节点时,通过从潜在客户所有的属性特征中随机选取多个属性特征来执行基尼值的判断,并将分裂后基尼值最小的一个属性特征确定为分裂节点,使得生成的各个分裂节点能够防止过拟合的现象出现,由此提高了每一分裂节点所得到的潜在客户的分类准确性。通过将属性特征在各个决策树中分裂前后的基尼值差值平均值输出为该属性特征对潜在客户的产品购买概率的影响权重值,使得电销坐席能够了解哪一属性特征对目标客户的识别结果的影响权重较大,便于日后在获取到未经过随机森林模型识别的潜在客户名单时,基于影响权重较大的属性特征,能够自行执行相对快速且准确的目标客户的识别。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例六
对应于上文实施例所述的目标客户的识别方法,图6示出了本发明实施例提供的目标客户的识别装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分。
参照图6,该装置包括:
第一获取单元601,用于获取潜在客户的个人特征数据。
计算单元602,用于在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率。
第一输出单元603,用于将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率。
确定单元604,用于将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
可选地,如图7所示,该装置还包括:
第二输出单元605,用于将多个所述潜在客户的个人特征数据以及所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型,以分别输出多个所述潜在客户的产品购买概率。
排序单元606,用于依照所述产品购买概率的大小顺序,对多个所述潜在客户进行排序。
展示单元607,用于展示排序结果,以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。
可选地,如图8所示,该装置还包括:
第二获取单元608,用于获取所述电销坐席的历史推销客户。
第三获取单元609,用于获取每一所述历史推销客户的所述个人特征数据、历史推销时间段以及客户类型,所述客户类型为成交客户或者非成交客户。
第四获取单元610,用于获取所述电销坐席在所述历史推销时间段的所述客户转化率。
训练单元611,用于基于每一所述历史推销客户的所述个人特征数据、历史推销时间段、客户类型以及所述电销坐席在所述历史推销时间段的客户转化率,构建并训练与所述电销坐席相关的所述随机森林模型。
可选地,所述第一输出单元603包括:
获取子单元,用于获取预先建立的与所述电销坐席相关的随机森林模型,所述随机森林模型包括多个决策树。
输入子单元,用于将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入所述随机森林模型,以获取每一所述决策树中各叶子节点的输出值,所述输出值包括购买或不购买。
输出子单元,用于将所述输出值为购买的所述叶子节点的总数与所述随机森林模型中叶子节点总数的比值输出为所述潜在客户的产品购买概率。
可选地,该装置还包括:
选取单元612,用于当所述决策树生成分裂节点时,在每一所述历史推销客户的属性特征中,随机选取任意数量的所述属性特征,所述属性特征包括所述历史推销时间段、所述个人特征数据以及所述电销坐席在所述历史推销时间段的客户转化率。
计算单元613,用于基于选取出的每一所述属性特征,分别计算其作为所述分裂节点时,所述决策树在分裂前后的第一基尼值以及第二基尼值。
第三输出单元614,用于分别获取每一所述属性特征在各个所述决策树中的所述第一基尼值与所述第二基尼值的差值,并将该属性特征在各个所述决策树中的所述差值的平均值输出为该属性特征对所述产品购买概率的影响权重值。
本发明实施例中,通过获取电销坐席在当前工作时间段的客户转化率,能够量化电销坐席在当前时刻的推销能力;通过将电销坐席的客户转化率以及潜在客户的个人特征数据输入预先建立的随机森林模型,可以基于推销方以及被推销方两方面的条件因素来预测出该潜在客户的产品购买概率,仅有在产品购买概率大于预设阈值的情况下,才确定该潜在客户为当前时刻电销坐席的目标客户,由此使得电销坐席能够准确定位出其应当推销的客户,提高了客户转化率以及营销效率;在现有技术仅从客户的个人特征数据来评估该客户是否为目标客户的基础之上,由于电销坐席的推销能力对于客户是否成功购买产品的影响较大,故通过加入电销坐席推销能力这一考量因素,提高了目标客户的识别准确率,使得基于本发明实施例提供的方法能够再进一步地筛选出产品购买概率更高的目标客户。
实施例七
图10是本发明一实施例提供的终端设备的示意图。如图10所示,该实施例的终端设备10包括:处理器1000、存储器1001以及存储在所述存储器1001中并可在所述处理器1000上运行的计算机程序1002,例如目标客户的识别程序。所述处理器1000执行所述计算机程序1002时实现上述各个目标客户的识别方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器1000执行所述计算机程序1002时实现上述各装置实施例中各模块/单元的功能,例如图6所示单元601至604的功能。
示例性的,所述计算机程序1002可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器1001中,并由所述处理器1000执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序1002在所述终端设备10中的执行过程。
所述终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器1000、存储器1001。本领域技术人员可以理解,图10仅仅是终端设备10的示例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1000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)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器1001可以是所述终端设备10的内部存储单元,例如终端设备10的硬盘或内存。所述存储器1001也可以是所述终端设备10的外部存储设备,例如所述终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器1001还可以既包括所述终端设备10的内部存储单元也包括外部存储设备。所述存储器1001用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器1001还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标客户的识别方法,其特征在于,包括:
获取潜在客户的个人特征数据;
在预先划分好的各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
2.如权利要求1所述的目标客户的识别方法,其特征在于,还包括:
将多个所述潜在客户的个人特征数据以及所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型,以分别输出多个所述潜在客户的产品购买概率;
依照所述产品购买概率的大小顺序,对多个所述潜在客户进行排序;
展示排序结果,以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。
3.如权利要求1或2所述的目标客户的识别方法,其特征在于,还包括:
获取所述电销坐席的历史推销客户;
获取每一所述历史推销客户的所述个人特征数据、历史推销时间段以及客户类型,所述客户类型为成交客户或者非成交客户;
获取所述电销坐席在所述历史推销时间段的所述客户转化率;
基于每一所述历史推销客户的所述个人特征数据、历史推销时间段、客户类型以及所述电销坐席在所述历史推销时间段的客户转化率,构建并训练与所述电销坐席相关的所述随机森林模型。
4.如权利要求1所述的目标客户的识别方法,其特征在于,所述将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率,包括:
获取预先建立的与所述电销坐席相关的随机森林模型,所述随机森林模型包括多个决策树;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入所述随机森林模型,以获取每一所述决策树中各叶子节点的输出值,所述输出值包括购买或不购买;
将所述输出值为购买的所述叶子节点的总数与所述随机森林模型中叶子节点总数的比值输出为所述潜在客户的产品购买概率。
5.如权利要求4所述的目标客户的识别方法,其特征在于,还包括:
当所述决策树生成分裂节点时,在每一所述历史推销客户的属性特征中,随机选取任意数量的所述属性特征,所述属性特征包括所述历史推销时间段、所述个人特征数据以及所述电销坐席在所述历史推销时间段的客户转化率;
基于选取出的每一所述属性特征,分别计算其作为所述分裂节点时,所述决策树在分裂前后的第一基尼值以及第二基尼值;
分别获取每一所述属性特征在各个所述决策树中的所述第一基尼值与所述第二基尼值的差值,并将该属性特征在各个所述决策树中的所述差值的平均值输出为该属性特征对所述产品购买概率的影响权重值。
6.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:
获取潜在客户的个人特征数据;
在各个工作时间段内,根据电销坐席的成交客户总数以及推销客户总数,分别计算所述电销坐席在各个所述工作时间段的客户转化率;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型,以输出所述潜在客户的产品购买概率;
将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。
7.如权利要求6所述的终端设备,其特征在于,所述处理器执行所述计算机程序时,还实现如下步骤:
将多个所述潜在客户的个人特征数据以及所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型,以分别输出多个所述潜在客户的产品购买概率;
依照所述产品购买概率的大小顺序,对多个所述潜在客户进行排序;
展示排序结果,以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。
8.如权利要求6或7所述的终端设备,其特征在于,所述处理器执行所述计算机程序时,还实现如下步骤:
获取所述电销坐席的历史推销客户;
获取每一所述历史推销客户的所述个人特征数据、历史推销时间段以及客户类型,所述客户类型为成交客户或者非成交客户;
获取所述电销坐席在所述历史推销时间段的所述客户转化率;
基于每一所述历史推销客户的所述个人特征数据、历史推销时间段、客户类型以及所述电销坐席在所述历史推销时间段的客户转化率,构建并训练与所述电销坐席相关的所述随机森林模型。
9.如权利要求6所述的终端设备,其特征在于,所述处理器执行所述计算机程序时,还实现如下步骤:
获取预先建立的与所述电销坐席相关的随机森林模型,所述随机森林模型包括多个决策树;
将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入所述随机森林模型,以获取每一所述决策树中各叶子节点的输出值,所述输出值包括购买或不购买;
将所述输出值为购买的所述叶子节点的总数与所述随机森林模型中叶子节点总数的比值输出为所述潜在客户的产品购买概率。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710736127.3A CN107590688A (zh) | 2017-08-24 | 2017-08-24 | 目标客户的识别方法及终端设备 |
US16/316,028 US20210365963A1 (en) | 2017-08-24 | 2017-09-29 | Target customer identification method and device, electronic device and medium |
SG11201810711PA SG11201810711PA (en) | 2017-08-24 | 2017-09-29 | Target customer identification method and device, electronic device and medium |
PCT/CN2017/104490 WO2019037202A1 (zh) | 2017-08-24 | 2017-09-29 | 目标客户的识别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710736127.3A CN107590688A (zh) | 2017-08-24 | 2017-08-24 | 目标客户的识别方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107590688A true CN107590688A (zh) | 2018-01-16 |
Family
ID=61042717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710736127.3A Pending CN107590688A (zh) | 2017-08-24 | 2017-08-24 | 目标客户的识别方法及终端设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210365963A1 (zh) |
CN (1) | CN107590688A (zh) |
SG (1) | SG11201810711PA (zh) |
WO (1) | WO2019037202A1 (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109064344A (zh) * | 2018-08-14 | 2018-12-21 | 中国平安人寿保险股份有限公司 | 客户价值排名方法、装置、计算机设备及存储介质 |
CN109299875A (zh) * | 2018-09-26 | 2019-02-01 | 中国平安财产保险股份有限公司 | 数据跟踪处理方法、装置、计算机设备和存储介质 |
CN109376929A (zh) * | 2018-10-24 | 2019-02-22 | 北京小度信息科技有限公司 | 配送参数的确定方法、确定装置、存储介质和电子设备 |
CN109495657A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于人工智能的名单派发方法、装置、设备及介质 |
CN109615128A (zh) * | 2018-12-05 | 2019-04-12 | 重庆锐云科技有限公司 | 房地产客户成交概率预测方法、装置及服务器 |
WO2019196255A1 (zh) * | 2018-04-09 | 2019-10-17 | 平安科技(深圳)有限公司 | 电销时间段的选取方法、装置、终端设备及介质 |
CN110659922A (zh) * | 2018-06-28 | 2020-01-07 | 马上消费金融股份有限公司 | 一种客户筛选方法、装置、服务器及计算机可读存储介质 |
CN110705683A (zh) * | 2019-10-12 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 随机森林模型的构造方法、装置、电子设备及存储介质 |
CN110826893A (zh) * | 2019-10-29 | 2020-02-21 | 北京金山云网络技术有限公司 | 目标客户的确定方法、装置和终端设备 |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
CN111080098A (zh) * | 2019-12-04 | 2020-04-28 | 中国太平洋保险(集团)股份有限公司 | 一种o2o智能匹配算法及装置 |
CN111091416A (zh) * | 2019-12-10 | 2020-05-01 | 北京云迹科技有限公司 | 一种预测酒店购买机器人的概率的方法和装置 |
CN111435482A (zh) * | 2019-01-14 | 2020-07-21 | 顺丰科技有限公司 | 一种外呼模型的构建方法、外呼方法、装置和存储介质 |
CN111815368A (zh) * | 2020-07-24 | 2020-10-23 | 深圳市欢太科技有限公司 | 广告推送方法、装置、终端及存储介质 |
CN112163887A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 电销系统和电销名单管理方法、装置、设备、存储介质 |
CN112215420A (zh) * | 2020-10-13 | 2021-01-12 | 广东电网有限责任公司 | 一种居民用电的客户过户识别方法及系统 |
CN112418978A (zh) * | 2020-11-17 | 2021-02-26 | 中国平安财产保险股份有限公司 | 产品推荐方法、装置、设备及介质 |
CN112927017A (zh) * | 2021-02-26 | 2021-06-08 | 第四范式(北京)技术有限公司 | 外呼营销流程的控制方法、装置及系统 |
CN113191821A (zh) * | 2021-05-20 | 2021-07-30 | 北京大米科技有限公司 | 一种数据处理方法及装置 |
CN113256070A (zh) * | 2021-04-26 | 2021-08-13 | 北京淇瑀信息科技有限公司 | 基于电销转化率的承接线路分配方法、装置及电子设备 |
CN113570392A (zh) * | 2020-04-29 | 2021-10-29 | 中移动信息技术有限公司 | 用户分群方法、装置、电子设备及计算机存储介质 |
CN113850623A (zh) * | 2021-09-27 | 2021-12-28 | 中国人寿保险股份有限公司上海数据中心 | 一种车险客户群中潜在寿险长险客户的筛选方法 |
CN114154727A (zh) * | 2021-12-07 | 2022-03-08 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置、存储介质 |
CN111815368B (zh) * | 2020-07-24 | 2024-05-03 | 深圳市欢太科技有限公司 | 广告推送方法、装置、终端及存储介质 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503507B (zh) * | 2019-07-05 | 2023-09-22 | 中国平安财产保险股份有限公司 | 基于大数据的保险产品数据推送方法、系统及计算机设备 |
CN113495909A (zh) * | 2020-04-06 | 2021-10-12 | 中信百信银行股份有限公司 | 客诉单量预警方法、装置、电子设备及存储介质 |
CN111667307B (zh) * | 2020-05-28 | 2023-04-07 | 中国工商银行股份有限公司 | 一种理财产品销量的预测方法及装置 |
CN111860299B (zh) * | 2020-07-17 | 2023-09-08 | 北京奇艺世纪科技有限公司 | 目标对象的等级确定方法、装置、电子设备及存储介质 |
CN112927012A (zh) * | 2021-02-23 | 2021-06-08 | 第四范式(北京)技术有限公司 | 营销数据的处理方法及装置、营销模型的训练方法及装置 |
US20220270117A1 (en) * | 2021-02-23 | 2022-08-25 | Christopher Copeland | Value return index system and method |
CN114979369A (zh) * | 2022-04-14 | 2022-08-30 | 马上消费金融股份有限公司 | 异常通话检测方法、装置、电子设备及存储介质 |
CN115409556A (zh) * | 2022-08-31 | 2022-11-29 | 中国建设银行股份有限公司 | 一种数据处理方法、装置、设备及介质 |
WO2024055963A1 (zh) * | 2022-09-13 | 2024-03-21 | 华为云计算技术有限公司 | 一种任务分配方法以及装置 |
CN116304374B (zh) * | 2023-05-19 | 2023-07-28 | 云印技术(深圳)有限公司 | 一种基于包装数据的客户匹配方法及系统 |
CN116402625B (zh) * | 2023-06-07 | 2023-08-29 | 平安科技(深圳)有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
CN117035798B (zh) * | 2023-10-08 | 2024-01-30 | 北京国都互联科技有限公司 | 一种消息发送质量探测的监控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090144123A1 (en) * | 2007-11-30 | 2009-06-04 | Sap Ag | System and Method of Demand Modeling for Financial Service Products |
CN102542349A (zh) * | 2010-12-21 | 2012-07-04 | 北大方正集团有限公司 | 受邀客户的确定方法及装置 |
CN105488697A (zh) * | 2015-12-09 | 2016-04-13 | 焦点科技股份有限公司 | 一种基于客户行为特征的潜在客户挖掘方法 |
CN105761112A (zh) * | 2016-02-23 | 2016-07-13 | 国元证券股份有限公司 | 一种证券融资融券和资管目标客户的挖掘方法 |
CN106971321A (zh) * | 2017-04-06 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 营销信息推送方法、装置、设备以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278976A1 (en) * | 2013-03-15 | 2014-09-18 | Comverse Ltd. | Matching social media user to marketing campaign |
CN106228389A (zh) * | 2016-07-14 | 2016-12-14 | 武汉斗鱼网络科技有限公司 | 基于随机森林算法的网络潜力用户挖掘方法及系统 |
-
2017
- 2017-08-24 CN CN201710736127.3A patent/CN107590688A/zh active Pending
- 2017-09-29 SG SG11201810711PA patent/SG11201810711PA/en unknown
- 2017-09-29 US US16/316,028 patent/US20210365963A1/en not_active Abandoned
- 2017-09-29 WO PCT/CN2017/104490 patent/WO2019037202A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090144123A1 (en) * | 2007-11-30 | 2009-06-04 | Sap Ag | System and Method of Demand Modeling for Financial Service Products |
CN102542349A (zh) * | 2010-12-21 | 2012-07-04 | 北大方正集团有限公司 | 受邀客户的确定方法及装置 |
CN105488697A (zh) * | 2015-12-09 | 2016-04-13 | 焦点科技股份有限公司 | 一种基于客户行为特征的潜在客户挖掘方法 |
CN105761112A (zh) * | 2016-02-23 | 2016-07-13 | 国元证券股份有限公司 | 一种证券融资融券和资管目标客户的挖掘方法 |
CN106971321A (zh) * | 2017-04-06 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 营销信息推送方法、装置、设备以及存储介质 |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
WO2019196255A1 (zh) * | 2018-04-09 | 2019-10-17 | 平安科技(深圳)有限公司 | 电销时间段的选取方法、装置、终端设备及介质 |
CN110659922B (zh) * | 2018-06-28 | 2021-01-26 | 马上消费金融股份有限公司 | 一种客户筛选方法、装置、服务器及计算机可读存储介质 |
CN110659922A (zh) * | 2018-06-28 | 2020-01-07 | 马上消费金融股份有限公司 | 一种客户筛选方法、装置、服务器及计算机可读存储介质 |
CN109064344B (zh) * | 2018-08-14 | 2023-07-25 | 中国平安人寿保险股份有限公司 | 客户价值排名方法、装置、计算机设备及存储介质 |
CN109064344A (zh) * | 2018-08-14 | 2018-12-21 | 中国平安人寿保险股份有限公司 | 客户价值排名方法、装置、计算机设备及存储介质 |
CN109299875A (zh) * | 2018-09-26 | 2019-02-01 | 中国平安财产保险股份有限公司 | 数据跟踪处理方法、装置、计算机设备和存储介质 |
CN109495657A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于人工智能的名单派发方法、装置、设备及介质 |
CN109376929A (zh) * | 2018-10-24 | 2019-02-22 | 北京小度信息科技有限公司 | 配送参数的确定方法、确定装置、存储介质和电子设备 |
CN109615128A (zh) * | 2018-12-05 | 2019-04-12 | 重庆锐云科技有限公司 | 房地产客户成交概率预测方法、装置及服务器 |
CN111435482A (zh) * | 2019-01-14 | 2020-07-21 | 顺丰科技有限公司 | 一种外呼模型的构建方法、外呼方法、装置和存储介质 |
CN110705683A (zh) * | 2019-10-12 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 随机森林模型的构造方法、装置、电子设备及存储介质 |
CN110705683B (zh) * | 2019-10-12 | 2021-06-29 | 腾讯科技(深圳)有限公司 | 随机森林模型的构造方法、装置、电子设备及存储介质 |
CN110826893A (zh) * | 2019-10-29 | 2020-02-21 | 北京金山云网络技术有限公司 | 目标客户的确定方法、装置和终端设备 |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
CN110990545B (zh) * | 2019-11-28 | 2023-05-09 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
CN111080098A (zh) * | 2019-12-04 | 2020-04-28 | 中国太平洋保险(集团)股份有限公司 | 一种o2o智能匹配算法及装置 |
CN111091416A (zh) * | 2019-12-10 | 2020-05-01 | 北京云迹科技有限公司 | 一种预测酒店购买机器人的概率的方法和装置 |
CN113570392B (zh) * | 2020-04-29 | 2024-04-09 | 中移动信息技术有限公司 | 用户分群方法、装置、电子设备及计算机存储介质 |
CN113570392A (zh) * | 2020-04-29 | 2021-10-29 | 中移动信息技术有限公司 | 用户分群方法、装置、电子设备及计算机存储介质 |
CN111815368A (zh) * | 2020-07-24 | 2020-10-23 | 深圳市欢太科技有限公司 | 广告推送方法、装置、终端及存储介质 |
CN111815368B (zh) * | 2020-07-24 | 2024-05-03 | 深圳市欢太科技有限公司 | 广告推送方法、装置、终端及存储介质 |
CN112163887A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 电销系统和电销名单管理方法、装置、设备、存储介质 |
CN112215420A (zh) * | 2020-10-13 | 2021-01-12 | 广东电网有限责任公司 | 一种居民用电的客户过户识别方法及系统 |
CN112215420B (zh) * | 2020-10-13 | 2023-05-16 | 广东电网有限责任公司 | 一种居民用电的客户过户识别方法及系统 |
CN112418978B (zh) * | 2020-11-17 | 2024-04-09 | 中国平安财产保险股份有限公司 | 产品推荐方法、装置、设备及介质 |
CN112418978A (zh) * | 2020-11-17 | 2021-02-26 | 中国平安财产保险股份有限公司 | 产品推荐方法、装置、设备及介质 |
CN112927017A (zh) * | 2021-02-26 | 2021-06-08 | 第四范式(北京)技术有限公司 | 外呼营销流程的控制方法、装置及系统 |
CN113256070A (zh) * | 2021-04-26 | 2021-08-13 | 北京淇瑀信息科技有限公司 | 基于电销转化率的承接线路分配方法、装置及电子设备 |
CN113191821A (zh) * | 2021-05-20 | 2021-07-30 | 北京大米科技有限公司 | 一种数据处理方法及装置 |
CN113850623A (zh) * | 2021-09-27 | 2021-12-28 | 中国人寿保险股份有限公司上海数据中心 | 一种车险客户群中潜在寿险长险客户的筛选方法 |
CN114154727A (zh) * | 2021-12-07 | 2022-03-08 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019037202A1 (zh) | 2019-02-28 |
SG11201810711PA (en) | 2019-03-28 |
US20210365963A1 (en) | 2021-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590688A (zh) | 目标客户的识别方法及终端设备 | |
CN106408341A (zh) | 货品销量的预测方法及装置、电子设备 | |
CN103927615B (zh) | 将实体与类别相关联 | |
CN110555578B (zh) | 一种销量预测方法和装置 | |
CN108352035A (zh) | 用于高效索赔处理的动态拓扑系统和方法 | |
CN106326248A (zh) | 数据库数据的存储方法和装置 | |
CN106875206A (zh) | 信息获取、评估、问卷调查方法、装置及服务器 | |
CN108711067A (zh) | 电销时间段的选取方法、终端设备及介质 | |
CN109615504A (zh) | 产品推荐方法、装置、电子设备和计算机可读存储介质 | |
WO2023103527A1 (zh) | 一种访问频次的预测方法及装置 | |
CN107784504A (zh) | 客户回访事件的生成方法及终端设备 | |
CN111695938B (zh) | 产品推送方法及系统 | |
CN109785043A (zh) | 价格监控方法、装置、计算机设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN113283936A (zh) | 一种销量预测方法、销量预测装置及电子设备 | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
CN109426983A (zh) | 闪购活动自动生成方法及装置、存储介质、电子设备 | |
CN108510302A (zh) | 一种营销决策方法及交易服务器 | |
CN115619270A (zh) | 数据资产管理方法、装置、计算机设备、存储介质 | |
CN114298825A (zh) | 还款积极度评估方法及装置 | |
CN109816558B (zh) | 基于saas的变压器技术服务平台系统 | |
CN113449116A (zh) | 一种图谱构建、预警方法、设备及介质 | |
CN113449002A (zh) | 车辆推荐方法、装置、电子设备及存储介质 | |
CN108537654B (zh) | 客户关系网络图的渲染方法、装置、终端设备及介质 | |
CN108510071B (zh) | 数据的特征提取方法、装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1247399 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180116 |