CN107665451A - 一种基于客户特征数据进行产品推送的方法及装置 - Google Patents

Abstract

本发明提供了一种基于客户特征数据进行产品推送的方法及装置，其中的方法包括：根据每个客户的预定特征数据确定每个客户的特征数据库；根据每个客户的特征数据库中的特征数据对客户进行聚类；根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户。该方法基于客户的特征数据对客户进行聚类，并通过已有的产品与客户的对应关系将产品推送给与所述产品对应的客户所在的聚类中的其他客户，有针对性的将产品推送给有需要的客户，节省了客户查找产品的时间，提高了产品推送的精准度。

Description

一种基于客户特征数据进行产品推送的方法及装置

技术领域

本发明涉及计算机领域，尤其涉及一种基于客户特征数据进行产品推送的方法及装置。

背景技术

随着互联网的发展，数据挖掘引起了信息产业的极大关注，数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程，其通常与计算机科学有关。

目前基于数据挖掘的常用产品推送方法是根据用户的搜索记录或查阅记录直接将用户搜索过的产品或查阅过的产品推送给用户。由于用户搜索和查阅的页面很多且无规律，故直接推送的产品一般不是用户需要的，导致推送给用户的产品不精准。

发明内容

本发明解决的技术问题之一是现有的产品推送的方法不能将产品推送给实际有需求的用户，导致产品推送的精准度低。

根据本发明一方面的一个实施例，提供了基于客户特征数据进行产品推送的方法，包括：

根据每个客户的预定特征数据确定每个客户的特征数据库；

根据每个客户的特征数据库中的特征数据对客户进行聚类；

根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户。

根据本发明另一方面的一个实施例，提供了一种基于客户特征数据进行产品推送的装置，包括：

用于根据每个客户的预定特征数据确定每个客户的特征数据库的装置；

用于根据每个客户的特征数据库中的特征数据对客户进行聚类的装置；

用于根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户的装置。

由于本实施例基于客户的特征数据对客户进行聚类，并通过已有的产品与客户的对应关系将产品推送给与所述产品对应的客户所在的聚类中的其他客户，有针对性的将产品推送给有需要的客户，节省了客户查找产品的时间，提高了产品推送的精准度。

本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本发明并不仅限于这些实施例。而是，本发明的范围是广泛的，且意在仅通过后附的权利要求限定本发明的范围。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出了根据本发明实施例一基于客户特征数据进行产品推送的方法的流程图。

图2示出了根据本发明实施例一基于客户特征数据进行产品推送的方法中企业间关系树的示例图。

图3示出了根据本发明实施例又一基于客户特征数据进行产品推送的方法的流程图。

图4示出了根据本发明实施例另一基于客户特征数据进行产品推送的方法的流程图。

图5示出了根据本发明实施例一基于客户特征数据进行产品推送的装置的框图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。

所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。

后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

下面结合附图对本发明作进一步详细描述。

图1是根据本发明一个实施例的基于客户特征数据进行产品推送的方法的流程图。

结合图1中所示，本实施例所述的基于客户特征数据进行产品推送的方法，包括如下步骤：

S110、根据每个客户的预定特征数据确定每个客户的特征数据库；

S120、根据每个客户的特征数据库中的特征数据对客户进行聚类；

S130、根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户。

下面对各步骤做进一步详细介绍。

步骤S110中，每个客户的预定特征数据可以包括客户类型、客户自身基本特征数据和/或客户关系特征数据。其中，客户类型是根据客户的业务类型确定的，例如可以包括服装制造企业、食品加工企业等，具体客户类型的划分以及划分的细致程度根据客户需求确定。客户自身基本特征数据包括但不限于企业地理位置数据、企业规模、所持商标数、所持专利数、信用等级和/或广告投入等。客户关系特征数据包括但不限于企业间的总分关系、历史变革关系和/或投资控股关系等。

作为可选的，可以根据企业的组织机构代码作为区别每个客户的特征数据库的识别码。也可以将企业名称经过固定清洗规则清洗后的标识作为区别每个客户的特征数据库的识别码，本发明对清洗规则不做具体限定，只要能够根据企业名称生成客户唯一的标识识别码即可。客户关系特征数据中不同的客户可以通过唯一标识识别码表示。

可选地，在一个实施例中，步骤S110可以包括以下步骤：

S1101、提取每个客户的预定特征数据。

具体地，预定特征数据可以是客户类型、客户自身基本特征数据和/或客户关系特征数据。特征数据的选取可以根据产品推广的精准度、客户需求和/或产品的应用普及程度等确定。

S1102、将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库。

作为可选的，有些特征数据可以直接用数字进行量化的信息，其中，所述客户类型可以通过分配编号的方式确定，例如服装制造企业对应的编号为11、食品加工企业对应的编号为32等。所述客户自身基本特征数据中的企业规模(例如90人)、所持商标数(例如5个)、所持专利数(例如10个发明，15个实用新型，30个外观设计)、信用等级(例如9级)和/或广告投入(例如20万)等。有些特征数据需通过枚举或分配编号等方式用数字进行量化的信息，例如：企业地理位置数据，可以通过邮编+路的编号+门牌号来表示，以地理位置(北京市海淀区A路6号，邮编100088)为例，若A路的编号为2，则量化后的信息可以为10008826。所述客户关系特征数据可以通过企业间的总分关系、历史变革关系和/或投资控股关系等量化后的信息构建企业间的关系树，关系树中的客户通过唯一标识识别码进行识别，如图2所示的企业间关系树中，企业A的标识识别码为1110，企业B的标识识别码为1111，企业C的标识识别码为111，企业D的标识识别码为2003，其中，企业A和企业B是企业C的分公司，企业D是企业C的投资方。

可选地，在一个实施例中，步骤S120可以包括以下步骤：

S1201、将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度。

作为可选的，客户类型、客户自身基本特征数据和客户关系特征数据可以作为不同的维度，客户类型可以作为第一维度；客户自身基本特征数据中企业规模和企业地理位置数据可以作为第二维度，企业所持商标数和专利数可以作为第三维度，信用等级和广告投入可以作为第四维度。也可以是客户类型作为第一维度；客户自身基本特征数据中企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度，企业间的关系树作为第四维度。本发明实施例对划分维度的预定规则不做具体限定，只要分成的维度可以满足客户需求且可以提高产品推送的准确度即可。

S1202、根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值。

具体地，每个客户的特征数据平均值为每个维度中的特征数据根据权重分别确定的平均值，每个维度中的特征数据的权重大小根据客户间的相关性成正比，即越来表明两企业间强相关性的特征数据对应的权重数值越大。一般客户类型作为第一维度的平均值即为其客户类型对应的编号；以企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度，若第二维度中广告投入和企业地理位置数据的权重均为5，所持商标数和专利数的权重均为1，企业规模的权重2；第三维度中企业信用等级的权重为3；则分别根据第二维度和第三维度中特征数据以及该特征数据在该维度中的权重分别计算三个维度中客户的特征数据的平均值，即每个维度的特征数据*该特征数据对应的权重/维度中特征数据的数量。

S1203、根据所述特征数据平均值对客户进行聚类。

作为可选的，聚类算法可以采用K-means(K均值)算法，其采用误差平方和准则函数作为聚类准则函数。一般情况下，客户类型所在的维度的权重高于客户自身基本特征数据，客户自身基本特征数据所在的维度的权重高于客户关系特征数据，各维度间的权重大小根据客户间的相关性成正比，即越来表明两企业间强相关性的维度对应的权重数值越大。以企业A和企业B为例，企业A的客户类型作为第一维度的特征数据平均值为X1，客户自身基本特征数据作为第二维度的特征数据平均值为X2，客户关系特征数据作为第三维度的特征数据平均值为(X3-Y3)，以图2为例，由于企业A与企业C、企业B与企业C、企业C与企业D均直接相连，故关联数值应高于企业A与企业B、企业A与企业D、企业B与企业D，若企业A与企业C间关联数值为10，企业A与企业B间关联数值为5，则企业A与企业B第三维度的特征数据平均值(X3-Y3)为5，一般情况下，企业间经过的节点数越多，其关联数值越低；企业B的客户类型作为第一维度的特征数据平均值为Y1，客户自身基本特征数据作为第二维度的特征数据平均值为Y2，客户关系特征数据作为第三维度的特征数据平均值为(X3-Y3)，第一维度的权重为10、第二维度的权重均为6，第三维度的权重为2，则企业A和企业B间的距离为若该距离在第一阈值范围内，则企业A和企业B在同一聚类，否则，企业A和企业B不在同一聚类。本发明实施例对聚类的计算方法和第一阈值不做具体限定，只要能够对客户进行区分且可以提高产品推送的准确度即可。

可选地，在另一个实施例中，步骤S120可以包括以下步骤：

S1204、根据已有的产品与客户的对应关系，计算每个产品对应的至少一个客户的特征数据平均值。

具体地，可以包括步骤S12041、S12042和S12043：

S12041、根据已有的产品与客户的对应关系，将每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度。

作为可选的，客户类型和客户自身基本特征数据可以作为不同的维度，客户类型作为第一维度，客户自身基本特征数据中企业规模和企业地理位置数据可以作为第二维度，企业所持商标数和专利数可以作为第三维度，信用等级和广告投入可以作为第四维度。也可以是客户类型作为第一维度，客户自身基本特征数据中企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度。本发明实施例对划分维度的预定规则不做具体限定，只要分成的维度可以满足客户需求且可以提高产品推送的准确度即可。

具体地，已有的产品与客户的对应关系一般是客户已预定产品的记录，例如：客户1、客户2和客户3预定过产品A，客户1和客户4预定过产品B等，则产品A对应的客户包括客户1、客户2和客户3，产品B对应的客户包括客户1和客户4。分别将客户1、客户2、客户3和客户4的特征数据库中的特征数据按照预定规则分为不同的维度。

S12042、根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值。

具体地，每个客户的特征数据平均值为每个维度中的特征数据根据权重分别确定的平均值。以客户类型作为第一维度，以企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度为例，第一维度的平均值即为其客户类型对应的编号。若第二维度中广告投入和企业地理位置数据的权重均为5，所持商标数和专利数的权重均为1，企业规模的权重2；第三维度中企业信用等级的权重为3；则分别根据两个维度中特征数据以及该特征数据在该维度中的权重分别计算两个维度中客户的特征数据的平均值，即每个维度的特征数据*该特征数据对应的权重/维度中特征数据的数量。

S12043、根据所述每个客户的特征数据平均值，计算所述至少一个客户的特征数据平均值。

具体地，若客户1的第一维度的特征数据平均值为A1、第二维度的特征数据平均值为A2、第三维度的特征数据平均值为A3；客户2的第一维度的特征数据平均值为B1、第二维度的特征数据平均值为B2、第三维度的特征数据平均值为B3；客户3的第一维度的特征数据平均值为C1、第二维度的特征数据平均值为C2、第三维度的特征数据平均值为C3；则产品A对应的客户1、客户2和客户3的特征数据平均值为第一维度的特征数据平均值为(A1+B1+C1)/3、第二维度的特征数据平均值为(A2+B2+C2)/3、第三维度的特征数据平均值为(A3+B3+C3)/3。

S1205、根据所述至少一个客户的特征数据平均值对客户进行聚类。

作为可选的，聚类算法可以采用K-means(K均值)算法，其采用误差平方和准则函数作为聚类准则函数。以企业A为例，企业A的第一维度的特征数据平均值为X1，第二维度的特征数据平均值为X2，第一维度的特征数据平均值为X3，第一维度的权重为6、第二维度和第三维度的权重均为2，则企业A和所述至少一个客户的特征数据平均值间的距离为：若该距离在第二阈值范围内，则企业A在第一聚类，否则，企业A不在第一聚类。本发明实施例对聚类的计算方法和第二阈值不做具体限定，只要能够对客户进行区分且可以提高产品推送的准确度即可。

步骤S130中，若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

进一步，若步骤S120采用的是S1201、S1202和S1203的方法时，企业A和企业B在同一聚类，已有的产品与客户的对应关系中，企业A预定过产品1，则将产品1推送给企业B。

进一步，若步骤S120采用的是S1204和S1205的方法时，企业A在产品1对应的第一聚类，则将产品1推送给企业A。

作为可选的，已有的产品与客户的对应关系中，还可以包括评价信息，例如，若产品A对应的客户包括客户1评价9分、客户2评价7分和客户3评价3分，由于评价过低，说明客户3不适合产品A，则产品A不会推送给与客户3在同一聚类中的其他客户。故作为可选的，当已有的产品与客户的对应关系中评价信息低于预定值(例如10分满，预定值为4或5等)，则该对应关系不作为推送的依据。预定值或是否作为推送的依据一般根据客户的需求、产品的类型以及推送精准度的要求确定。

应用场景一：结合图3中所示，本实施例所述的又一基于客户特征数据进行产品推送的方法，包括如下步骤：

S310、分别提取每个客户的预定特征数据。

具体地，预定的特征数据可以包括：企业类型、企业规模、广告投入和企业地理位置信息。

S320、将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库。

具体地，每个客户的特征数据库可以包括：企业类型、企业人数、广告投入金额和企业地理位置标号。

S330、将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度。

具体地，企业类型作为第一维度，企业人数、广告投入金额和企业地理位置标号作为第二维度。

S340、根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值。

具体地，第一维度的平均值即为其客户类型对应的编号；若第二维度中企业人数的权重为3、广告投入金额的权重为4和企业地理位置标号的权重为3，则第二维度的平均值为：(企业人数*3+广告投入金额*4+企业地理位置标号*3)/3。

S350、根据所述特征数据平均值对客户进行聚类。

具体地，两企业间的距离在第一阈值范围内，则两企业在同一聚类中，否则不属于同一聚类。

S360、若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

具体地，将第一客户已对应的预定产品推送给第一客户所在的聚类中的其他客户。

应用场景二：结合图4中所示，本实施例所述的另一基于客户特征数据进行产品推送的方法，包括如下步骤：

S410、分别提取每个客户的预定特征数据。

具体地，预定的特征数据可以包括：客户类型、广告投入、企业地理位置信息和所持商标数。

S420、将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库。

具体地，每个客户的特征数据库可以包括：客户类型、广告投入金额、企业地理位置标号和所持商标数。

S430、根据已有的产品与客户的对应关系，将每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度。

具体地，客户类型作为第一维度，广告投入金额和企业地理位置标号作为第二维度，所持商标数作为第三维度。

S440、根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值。

具体地，第一维度的平均值即为其客户类型对应的编号，若第二维度中广告投入金额的权重为6和企业地理位置标号的权重为4，则第二维度的平均值为：(广告投入金额*4+企业地理位置标号*3)/3，第三维度的平均值为：所持商标数。

S450、根据所述每个客户的特征数据平均值计算所述至少一个客户的特征数据平均值。

具体地，至少一个客户的特征数据第一维度的平均值为每个客户第一维度的平均值的和/至少一个客户的个数，第二维度的平均值为每个客户第二维度的平均值的和/至少一个客户的个数，第三维度的平均值为每个客户第三维度的平均值的和/至少一个客户的个数。

S460、根据所述至少一个客户的特征数据平均值对客户进行聚类。

具体地，若第一客户和所述至少一个客户的特征数据平均值间的距离在第二阈值范围内，则将第一客户在所述至少一个客户所在的聚类，否则，第一客户不在所述至少一个客户所在的聚类。

S470、若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

具体地，将所述至少一个客户对应的产品推送给在所述至少一个客户所在聚类的第一客户。

结合图5中所示，本实施例所述的基于客户特征数据进行产品推送的装置，包括如下装置：

用于根据每个客户的预定特征数据确定每个客户的特征数据库的装置(以下简称“特征数据库确定装置”)110；

用于根据每个客户的特征数据库中的特征数据对客户进行聚类的装置(以下简称“客户聚类装置”)120；

用于根据已有的产品与客户的对应关系将产品推送给与所述产品对应的客户所在的聚类中的其他客户的装置(以下简称“推送装置”)130。

下面对各装置做进一步详细介绍。

在特征数据库确定装置110中，每个客户的预定特征数据可以包括客户类型、客户自身基本特征数据和/或客户关系特征数据。其中，客户类型是根据客户的业务类型确定的，例如可以包括服装制造企业、食品加工企业等，具体客户类型的划分以及划分的细致程度根据客户需求确定。其中，所述客户自身基本特征数据包括但不限于企业地理位置数据、企业规模、所持商标数、所持专利数、信用等级和/或广告投入等。其中，客户关系特征数据包括但不限于企业间的总分关系、历史变革关系和/或投资控股关系等。

作为可选的，特征数据库确定装置110可以根据企业的组织机构代码作为区别每个客户的特征数据库的识别码。也可以将企业名称经过固定清洗规则清洗后的标识作为区别每个客户的特征数据库的识别码，本发明对清洗规则不做具体限定，只要能够根据企业名称生成客户唯一的标识识别码即可。客户关系特征数据中不同的客户可以通过唯一标识识别码表示。

可选地，在一个实施例中，特征数据库确定装置110可以包括以下装置：

用于提取每个客户的预定特征数据的装置(以下简称“提取装置”)1101；

用于将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库的装置(以下简称“量化处理装置”)1102。

其中，提取装置1101中预定特征数据可以是客户类型、客户自身基本特征数据和/或客户关系特征数据。特征数据的选取可以根据产品推广的精准度、客户需求和/或产品的应用普及程度等确定。

作为可选的，量化处理装置1102中有些特征数据可以直接用数字进行量化的信息，其中，所述客户类型可以通过分配编号的方式确定，例如服装制造企业对应的编号为11、食品加工企业对应的编号为32等。所述客户自身基本特征数据中的企业规模(例如90人)、所持商标数(例如5个)、所持专利数(例如10个发明，15个实用新型，30个外观设计)、信用等级(例如9级)和/或广告投入(例如20万)等。有些特征数据需通过枚举或分配编号等方式用数字进行量化的信息，例如：企业地理位置数据，可以通过邮编+路的编号+门牌号来表示，以地理位置(北京市海淀区A路6号，邮编100088)为例，若A路的编号为2，则量化后的信息可以为10008826。所述客户关系特征数据可以通过企业间的总分关系、历史变革关系和/或投资控股关系等量化后的信息构建企业间的关系树，关系树中的客户通过唯一标识识别码进行识别，如图2所示的关系树中，企业A的标识识别码为1110，企业B的标识识别码为1210，企业C的标识识别码为111，企业D的标识识别码为2003，其中，企业A和企业B是企业C的分公司，企业D是企业C的投资方。

可选地，在一个实施例中，客户聚类装置120可以包括以下装置：

用于将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度的装置(以下简称“第一维度划分装置”)1201；

用于根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值的装置(以下简称“第一平均值确定装置”)1202；

用于根据所述特征数据平均值对客户进行聚类的装置(以下简称“第一聚类装置”)1203。

作为可选的，第一维度划分装置1201中客户类型、客户自身基本特征数据和客户关系特征数据可以作为不同的维度，客户类型可以作为第一维度；客户自身基本特征数据中企业规模和企业地理位置数据可以作为第二维度，企业所持商标数和专利数可以作为第三维度，信用等级和广告投入可以作为第四维度。也可以是客户类型作为第一维度；客户自身基本特征数据中企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度，企业间的关系树作为第四维度。本发明实施例对划分维度的预定规则不做具体限定，只要分成的维度可以满足客户需求且可以提高产品推送的准确度即可。

具体地，第一平均值确定装置1202中每个客户的特征数据平均值为每个维度中的特征数据根据权重分别确定的平均值，每个维度中的特征数据的权重大小根据客户间的相关性成正比，即越来表明两企业间强相关性的特征数据对应的权重数值越大。一般客户类型作为第一维度的平均值即为其客户类型对应的编号；以企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度，若第二维度中广告投入和企业地理位置数据的权重均为5，所持商标数和专利数的权重均为1，企业规模的权重2；第三维度中企业信用等级的权重为3；则分别根据第二维度和第三维度中特征数据以及该特征数据在该维度中的权重分别计算三个维度中客户的特征数据的平均值，即每个维度的特征数据*该特征数据对应的权重/维度中特征数据的数量。

作为可选的，第一聚类装置1203中聚类算法可以采用K-means(K均值)算法，其采用误差平方和准则函数作为聚类准则函数。一般情况下，客户类型所在的维度的权重高于客户自身基本特征数据，客户自身基本特征数据所在的维度的权重高于客户关系特征数据，各维度间的权重大小根据客户间的相关性成正比，即越来表明两企业间强相关性的维度对应的权重数值越大。以企业A和企业B为例，企业A的客户类型作为第一维度的特征数据平均值为X1，客户自身基本特征数据作为第二维度的特征数据平均值为X2，客户关系特征数据作为第三维度的特征数据平均值为(X3-Y3)，以图5为例，由于企业A与企业C、企业B与企业C、企业C与企业D均直接相连，故关联数值应高于企业A与企业B、企业A与企业D、企业B与企业D，若企业A与企业C间关联数值为10，企业A与企业B间关联数值为5，则企业A与企业B第三维度的特征数据平均值(X3-Y3)为5，一般情况下，企业间经过的节点数越多，其关联数值越低；企业B的客户类型作为第一维度的特征数据平均值为Y1，客户自身基本特征数据作为第二维度的特征数据平均值为Y2，客户关系特征数据作为第三维度的特征数据平均值为(X3-Y3)，第一维度的权重为10、第二维度的权重均为6，第三维度的权重为2，则企业A和企业B间的距离为若该距离在第一阈值范围内，则企业A和企业B在同一聚类，否则，企业A和企业B不在同一聚类。本发明实施例对聚类的计算方法和第一阈值不做具体限定，只要能够对客户进行区分且可以提高产品推送的准确度即可。

可选地，在另一个实施例中，客户聚类装置120可以包括以下装置：

用于根据已有的产品与客户的对应关系，计算每个产品对应的至少一个客户的特征数据平均值的装置(以下简称“客户特征平均值确定装置”)1204；

用于根据所述至少一个客户的特征数据平均值对客户进行聚类的装置(以下简称“第二聚类装置”)1205。

其中，客户特征平均值确定装置1204可以进一步包括以下装置：

用于根据已有的产品与客户的对应关系，将每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度的装置(以下简称“第二维度划分装置”)12041；

用于根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值的装置(以下简称“第二平均值确定装置”)12042；

用于根据所述每个客户的特征数据平均值计算所述至少一个客户的特征数据平均值的装置(以下简称“第三平均值确定装置”)12043。

作为可选的，第二维度划分装置12041中客户类型和客户自身基本特征数据可以作为不同的维度，客户自身基本特征数据中企业规模和企业地理位置数据可以作为第一维度，客户自身基本特征数据中企业规模和企业地理位置数据可以作为第二维度，企业所持商标数和专利数可以作为第三维度，信用等级和广告投入可以作为第四维度。也可以是客户类型作为第一维度，客户自身基本特征数据中企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度。本发明实施例对划分维度的预定规则不做具体限定，只要分成的维度可以满足客户需求且可以提高产品推送的准确度即可。

具体地，第二维度划分装置12041中已有的产品与客户的对应关系一般是客户已预定产品的记录，例如：客户1、客户2和客户3预定过产品A，客户1和客户4预定过产品B等，则产品A对应的客户包括客户1、客户2和客户3，产品B对应的客户包括客户1和客户4。分别确定客户1、客户2、客户3和客户4的特征数据库中的特征数据按照预定规则分为不同的维度。

具体地，第二平均值确定装置12042中每个客户的特征数据平均值为每个维度中的特征数据根据权重分别确定的平均值。以客户类型作为第一维度，以企业规模、企业地理位置数据、广告投入、企业所持商标数和专利数作为第二维度，企业信用等级作为第三维度为例，第一维度的平均值即为其客户类型对应的编号。若第二维度中广告投入和企业地理位置数据的权重均为5，所持商标数和专利数的权重均为1，企业规模的权重2；第三维度中企业信用等级的权重为3；则分别根据两个维度中特征数据以及该特征数据在该维度中的权重分别计算两个维度中客户的特征数据的平均值，即每个维度的特征数据*该特征数据对应的权重/维度中特征数据的数量。

具体地，第三平均值确定装置12043中若客户1的第一维度的特征数据平均值为A1、第二维度的特征数据平均值为A2、第三维度的特征数据平均值为A3；客户2的第一维度的特征数据平均值为B1、第二维度的特征数据平均值为B2、第三维度的特征数据平均值为B3；客户3的第一维度的特征数据平均值为C1、第二维度的特征数据平均值为C2、第三维度的特征数据平均值为C3；则产品A对应的客户1、客户2和客户3的特征数据平均值为第一维度的特征数据平均值为(A1+B1+C1)/3、第二维度的特征数据平均值为(A2+B2+C2)/3、第三维度的特征数据平均值为(A3+B3+C3)/3。

作为可选的，第二聚类装置1205中，聚类算法可以采用K-means(K均值)算法，其采用误差平方和准则函数作为聚类准则函数。以企业A为例，企业A的第一维度的特征数据平均值为X1，第二维度的特征数据平均值为X2，第一维度的特征数据平均值为X3，第一维度的权重为6、第二维度和第三维度的权重均为2，则企业A和所述至少一个客户的特征数据平均值间的距离为：若该距离在第二阈值范围内，则企业A在第一聚类，否则，企业A不在第一聚类。本发明实施例对聚类的计算方法和第二阈值不做具体限定，只要能够对客户进行区分且可以提高产品推送的准确度即可。

进一步可选的，推送装置130，具体用于若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

其中，若客户聚类装置120采用的是第一维度划分装置1201、第一平均值确定装置1202和第一聚类装置1203时，企业A和企业B在同一聚类，已有的产品与客户的对应关系中，企业A预定过产品1，则推送装置130将产品1推送给企业B。

其中，若客户聚类装置120采用的是第二维度划分装置12041、第二平均值确定装置12042、第三平均值确定装置12043和第二聚类装置1205时，企业A在产品1对应的第一聚类，则推送装置130将产品1推送给企业A。

作为可选的，本发明实施例所述的已有的产品与客户的对应关系中，还可以包括评价信息，例如，若产品A对应的客户包括客户1评价9分、客户2评价7分和客户3评价3分，由于评价过低，说明客户3不适合产品A，则产品A不会推送给与客户3在同一聚类中的其他客户。故作为可选的，当已有的产品与客户的对应关系中评价信息低于预定值(例如10分满，预定值为4或5等)，则该对应关系不作为推送的依据。预定值或是否作为推送的依据一般根据客户的需求、产品的类型以及推送精准度的要求确定。

应用场景一：本实施例所述的又一基于客户特征数据进行产品推送的装置，包括如下装置：

提取装置1101，用于分别提取每个客户的预定特征数据；

量化处理装置1102，用于将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库；

第一维度划分装置1201，用于将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度；

第一平均值确定装置1202，用于根据每个维度中的特征数据和每个维度对应的权重计算每个客户的特征数据平均值；

第一聚类装置1203，用于根据所述特征数据平均值对客户进行聚类；

推送装置130，用于若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

其中，预定的特征数据可以包括：企业类型、企业规模、广告投入和企业地理位置信息；每个客户的特征数据库可以包括：企业类型、企业人数、广告投入金额和企业地理位置标号；企业类型作为第一维度，企业人数、广告投入金额和企业地理位置标号作为第二维度。

在实际应用过程中，第一维度的平均值即为其客户类型对应的编号；若第二维度中企业人数的权重为3、广告投入金额的权重为4和企业地理位置标号的权重为3，则第二维度的平均值为：(企业人数*3+广告投入金额*4+企业地理位置标号*3)/3；两企业间的距离在第一阈值范围内，则两企业在同一聚类中，否则不属于同一聚类，将第一客户已对应的预定产品推送给第一客户所在的聚类中的其他客户。

应用场景二：本实施例所述的另一基于客户特征数据进行产品推送的装置，包括如下装置：

提取装置1101，用于分别提取每个客户的预定特征数据；

量化处理装置1102，用于将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库；

第二维度划分装置12041，用于根据已有的产品与客户的对应关系确定每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度；

第二平均值确定装置12042，用于根据每个维度中的特征数据和每个维度对应的权重计算每个客户的特征数据平均值；

第三平均值确定装置12043，用于根据所述每个客户的特征数据平均值计算所述至少一个客户的特征数据平均值；

第二聚类装置1205，用于根据所述至少一个客户的特征数据平均值对客户进行聚类；

推送装置130，用于若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

其中，预定的特征数据可以包括：客户类型、广告投入、企业地理位置信息和所持商标数；每个客户的特征数据库可以包括：客户类型、广告投入金额、企业地理位置标号和所持商标数；客户类型作为第一维度，广告投入金额和企业地理位置标号作为第二维度，所持商标数作为第三维度。

在实际应用过程中，第一维度的平均值即为其客户类型对应的编号，若第二维度中广告投入金额的权重为6和企业地理位置标号的权重为4，则第二维度的平均值为：(广告投入金额*4+企业地理位置标号*3)/3，第三维度的平均值为：所持商标数；至少一个客户的特征数据第一维度的平均值为每个客户第一维度的平均值的和/至少一个客户的个数，第二维度的平均值为每个客户第二维度的平均值的和/至少一个客户的个数，第三维度的平均值为每个客户第三维度的平均值的和/至少一个客户的个数。若第一客户和所述至少一个客户的特征数据平均值间的距离在第二阈值范围内，则将第一客户在所述至少一个客户所在的聚类，否则，第一客户不在所述至少一个客户所在的聚类，将所述至少一个客户对应的产品推送给在所述至少一个客户所在聚类的第一客户。

本实施例所述的基于客户特征数据进行产品推送的方法及装置根据客户的特征数据对客户进行聚类，并通过已有的产品与客户的对应关系将产品推送给与所述产品对应的客户所在的聚类中的其他客户，有针对性的将产品推送给有需要的客户，节省了客户查找产品的时间，提高了产品推送的精准度。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

虽然前面特别示出并且描述了示例性实施例，但是本领域技术人员将会理解的是，在不背离权利要求书的精神和范围的情况下，在其形式和细节方面可以有所变化。这里所寻求的保护在所附权利要求书中做了阐述。

Claims (12)

1.一种基于客户特征数据进行产品推送的方法，包括：

根据每个客户的预定特征数据确定每个客户的特征数据库；

根据每个客户的特征数据库中的特征数据对客户进行聚类；

根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户。

2.根据权利要求1所述的方法，所述根据每个客户的预定特征数据确定每个客户的特征数据库的步骤包括：

提取每个客户的预定特征数据；

将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库。

3.根据权利要求1所述的方法，所述根据每个客户的特征数据库中的特征数据对客户进行聚类的步骤包括：

将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度；

根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值；

根据所述特征数据平均值对客户进行聚类。

4.根据权利要求1所述的方法，所述根据每个客户的特征数据库中的特征数据对客户进行聚类的步骤包括：

根据已有的产品与客户的对应关系，计算每个产品对应的至少一个客户的特征数据平均值；

根据所述至少一个客户的特征数据平均值，对客户进行聚类。

5.根据权利要求4所述的方法，所述根据已有的产品与客户的对应关系计算每个产品对应的至少一个客户的特征数据平均值的步骤包括：

根据已有的产品与客户的对应关系，将每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度；

根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值；

根据所述每个客户的特征数据平均值，计算所述至少一个客户的特征数据平均值。

6.根据权利要求3-5任一项所述的方法，所述根据已有的产品与客户的对应关系推送给与所述产品对应的客户所在的聚类中的其他客户的步骤包括：

若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户。

7.一种基于客户特征数据进行产品推送的装置，包括：

用于根据每个客户的预定特征数据确定每个客户的特征数据库的装置；

用于根据每个客户的特征数据库中的特征数据对客户进行聚类的装置；

用于根据已有的产品与客户的对应关系，将产品推送给与所述产品对应的客户所在的聚类中的其他客户的装置。

8.根据权利要求7所述的装置，所述用于根据每个客户的预定特征数据确定每个客户的特征数据库的装置包括：

用于提取每个客户的预定特征数据的装置；

用于将所述每个客户的预定特征数据进行量化处理后确定每个客户的特征数据库的装置。

9.根据权利要求7所述的装置，所述用于根据每个客户的特征数据库中的特征数据对客户进行聚类的装置包括：

用于将每个客户的特征数据库中的特征数据按照预定规则分为不同的维度的装置；

用于根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值的装置；

用于根据所述特征数据平均值对客户进行聚类的装置。

10.根据权利要求7所述的装置，所述用于根据每个客户的特征数据库中的特征数据对客户进行聚类的装置包括：

用于根据已有的产品与客户的对应关系，计算每个产品对应的至少一个客户的特征数据平均值的装置；

用于根据所述至少一个客户的特征数据平均值对客户进行聚类的装置。

11.根据权利要求10所述的装置，所述用于根据已有的产品与客户的对应关系计算每个产品对应的至少一个客户的特征数据平均值的装置包括：

用于根据已有的产品与客户的对应关系，将每个产品对应的至少一个客户中每个客户的特征数据库中的特征数据按照预定规则分为不同的维度的装置；

用于根据每个维度中的特征数据和每个维度对应的权重，计算每个客户的特征数据平均值的装置；

用于根据所述每个客户的特征数据平均值，计算所述至少一个客户的特征数据平均值的装置。

12.根据权利要求7-11任一项所述的装置，所述用于根据已有的产品与客户的对应关系将产品推送给与所述产品对应的客户所在的聚类中的其他客户的装置包括：

用于若已有的产品与客户的对应关系中存在预定产品与客户的对应关系，则将所述对应关系中的所述预定产品推送给所述客户所在的聚类中的其他客户的装置。