CN109242523A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109242523A CN109242523A CN201810737348.7A CN201810737348A CN109242523A CN 109242523 A CN109242523 A CN 109242523A CN 201810737348 A CN201810737348 A CN 201810737348A CN 109242523 A CN109242523 A CN 109242523A
- Authority
- CN
- China
- Prior art keywords
- client
- classification
- data
- house property
- category
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims description 58
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 238000010224 classification analysis Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010414 shopping Methods 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 244000097202 Rathbunia alamosensis Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据处理技术领域，公开了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。通过本发明创造，可提供一种能够实现购房人群画像生成的大数据处理方法，即不同于传统的客户找房模式，通过成交双方的房产属性信息与客户属性信息的对应关系和匹配度，可进行主动、智能、有预测性地房源与客户需求的匹配，并在此基础上，结合客户的人口属性、购房支付力、兴趣偏好等指标，形成对不同楼盘项目具有定制化的和针对性的购房人群画像，可以有效指导楼盘活动策略、楼盘定价策略和媒介找客策略。
Description
技术领域
本发明属于大数据处理技术领域，具体涉及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。
背景技术
人群画像是一种基于消费者的历史消费数据或搜索数据，给出各种标签下的数据统计分析结果的方式，是当前比较时髦的网络新应用，可以有效指导商业运营活动。亚马逊在2017年夏天推出了Amazon Customer Insights，在一定程度上反映客户的购买习惯。Amazon Customer Insights是一个专门为卖家设计的程序，允许卖家征求消费者的反馈意见，是单独问题的形式：客户是什么原因购买这款产品，他们喜欢什么以及他们的购买习惯是什么样的。这一功能可以帮助卖家梳理产品特性，为产品更新迭代、产品开发提供有用的信息。亚马逊已预先设定了几个固定问题来帮助卖家规整思路，包括：购买行为，产品意识和产品意见。卖家还可以根据自己想要收集的信息自定义问题。亚马逊系统内置问题包括：在选择我们的产品时，最重要的因素是什么？您是通过什么渠道获知我们产品的？您有多大的可能向别人推荐我们的产品？在确定问题之后，最多可以选择四个目标群体：已购买您产品的亚马逊客户；已浏览过您产品的亚马逊客户；浏览过但没有购买的亚马逊客户；在同类产品中购买其他类似产品的亚马逊客户。Amazon Customer Insights能为卖家解决的问题包括：(1)正在寻找捆绑产品，想要确定要包含或者需要排除的产品；(2)完全不熟悉销售类目，想要尽快确定细分客户；(3)想要确定什么样营销手段效果最佳；(4)是什么原因导致客户流失，转而购买竞争对手的产品；(5)需要评估定价策略，产品描述或产品功能；(6)决定下一季度或者库存清理之前上架的新品；(7)调查客户的满意度；(8)新品上线，想要确定营销或者定价标准。
而在国内也有相应的应用成果，例如新浪微博的用户兴趣分析，其具体方案如下：
(1)标签来源：用户自标签、达人或认证标签、公司、学校、微群标签、星座、微博关键词等，这些来源都可能成为用户的标签。而针对每个特定的用户收集标签除了其自身以外，他关注用户的标签也会传递到该用户身上。
(2)权重计算：在收集到一个用户可能存在的标签后，还需要给标签赋一定的权重，用来区分不同标签对于该用户的重要程度。不同标签的来源用户质量(不同质量的用户自身产生的标签权重不一样，质量越高，认为该标签的可信度越高，无论是将该标签赋给自己还是传递出去的时候其权重值越高)、标签的传递路径(主要是针对基于关注关系的标签传递，亲密度比较高的关注用户传递过来的标签权重值会比较高)、转发关系(标签是来自于用户的原创还是其转发的微博，权重值会有区别，一般来说原创的权重会高于转发权重)、标签的本身(如果标签本身是一个非常常见的词，那么它用于刻画用户的兴趣的区分性是比较差的，相反如果是一个长尾词，则区分性较强，出于这样的考虑，越是长尾词，标签的权重值会越高)以及标签与用户之间的共现关系(指用户和该标签是否经常共同出现，评价的是两者的关联性，关联性越高，则标签的权重值越高)都会考虑在内。如此综合上述的因素，一个标签对于特定用户的权重值可以大致表示为：标签权重＝(来源因子+亲密度因子+转发因子+长尾因子)×共现因子。
(3)时效性：随着时间的变化，用户的兴趣会发生转移，时间越久远，标签的权重应该相应的下降，距离当前时间越近的兴趣标签应该得到适当突出。出于这样的考虑，一般会在标签权重值上叠加一个时间衰减函数，通过定义衰减幅度和半衰期，调节衰减的程度，体现不同的时效性。此外，针对用户的兴趣，还会设定一个较小的时间窗口来获取用户的短期兴趣。通过用户在短时间内的原创、转发和关注行为收集兴趣标签，并计算标签的权重。短期兴趣更新周期会较长期兴趣更短，兴趣更集中，但是能够比较及时地反应用户兴趣的变化。
(4)从兴趣到能力：用户具有某方面的兴趣，只代表了他愿意接受这方面的信息，并不能代表他具有产生相关内容的能力。因此，在挖掘了用户兴趣标签的基础上，还需要发掘哪些用户能够针对特定的标签具有一定的内容生产能力。微博中的关注关系可以认为是一种认证，具有相同兴趣的用户之间的关注则有可能是兴趣相投(当然也可能不是，但毕竟有一定的指导性)，那么将具有相同兴趣标签的用户提出来，通过关注关系构成一个图，被认证得最多的用户(被关注边指向得最多)被认为在这个兴趣标签上具有最强能力。
随着行业竞争的不断加剧，利润率不断下降，价格竞争越来越激烈，产品服务的同质化，客户忠诚度也在逐步降低，而且客户流失率也越来越严重。美国的亚马逊、中国的淘宝网、天猫商城、京东商城、苏宁易购、一号店等大型电子商务网站都在为客户进行建模——如何了解客户并留住客户变得越来越受重视。其实本质上，客户画像是建立了产品与人之间的关系，人类的所有行为只不过是心理作用的外在展现，只有真正分析出了客户的心理行为才能更有效地掌握与了解客户的行为，才能构建自己的客户画像，从而更加了解自己的客户群体，便于准确的进行营销活动。
在房地产垂直行业中，由于支撑营销应用的购房人群画像大多是由第三方数据服务企业提供，它们缺少房地产的垂直经验以及相关的产品购买信息，不了解客户和市场，仅使用客户的非房产数据进行分析，所以对客户的认知具有片面性和偏差性，难以实现精准找客。
发明内容
为了解决现有技术存在的上述问题，本发明目的在于提供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。
本发明所采用的技术方案为：
一种专用于房产销售行业的购房人群画像方法，包括如下步骤：
S101.获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息；
S102.根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，同时根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别；
S103.根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系；
S104.通过与第三方数据平台的数据共享，获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在步骤S102中客户类别的划分方式一致；
S105.将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系；
S106.在获取待售房产的房产属性信息后，按照与在步骤S102中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
具体的，在所述步骤S101中，应用客户关系管理系统录入获取在房产销售过程中产生的历史成交数据。
具体的，所述房产属性信息包含房屋面积、房屋总价、房屋套型、房屋楼层、房屋朝向、楼盘所处地段和/或楼盘综合评分。进一步优化的，在所述步骤S102中，根据房屋面积维度和房屋总价维度进行房产类别的划分。
具体的，所述客户属性信息包含客户年龄段、客户资产等级、客户性别、客户收入档次、客户职业类别、客户教育程度类别、客户婚姻状态类别、客户子女状态类别和/或客户名下房产状态类别。进一步优化的，在所述步骤S102中，根据客户年龄段维度和客户资产等级维度进行客户类别的划分。
具体的，在所述步骤S103中，进行第一对应分析的方法为双向指示种分析方法、典范对应分析方法或质性数据分析方法。
具体的，在所述步骤S105中，进行第二对应分析的方法为双向指示种分析方法、典范对应分析方法或质性数据分析方法。
本发明所采用的另一种技术方案为：
一种实现前述专用于房产销售行业的购房人群画像方法的装置，包括第一获取模块、类别划分模块、第一对应分析模块、第二获取模块、第二对应分析模块和人群画像模块；
所述第一获取模块，用于获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息；
所述类别划分模块，通信连接所述第一获取模块，一方面用于根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，另一方面用于根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别；
所述第一对应分析模块，分别通信连接所述第一获取模块和所述类别划分模块，用于根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系；
所述第二获取模块，用于与第三方数据平台进行数据共享，并获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在所述类别划分模块中客户类别的划分方式一致；
所述第二对应分析模块，通信连接所述第二获取模块，用于将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系；
所述人群画像模块，分别通信连接所述第一对应分析模块和所述第二对应分析模块，用于在获取待售房产的房产属性信息后，按照与在所述类别划分模块中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
具体的，所述第一获取模块为客户关系管理系统。
本发明的有益效果为：
(1)本发明创造提供了一种能够实现购房人群画像生成的大数据处理方法，即不同于传统的客户找房模式，通过成交双方的房产属性信息与客户属性信息的对应关系和匹配度，可进行主动、智能、有预测性地房源与客户需求的匹配，并在此基础上，结合客户的人口属性、购房支付力、兴趣偏好等指标，形成对不同楼盘项目具有定制化的和针对性的购房人群画像，可以有效指导楼盘活动策略、楼盘定价策略和媒介找客策略；
(2)所得到的房与人之间的匹配关系和人与兴趣标签之间的匹配关系具有便捷的应用性，与任何一个楼盘、任何一个城市、任何一个区域的客户数据相结合时，都能依据模型迅速地进行潜在购房客户进行有效分类，并结合开发商的内部数据源和云智数据源生成客户画像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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是本发明提供的购房人群画像方法的流程示意图。
图2是本发明提供的房产类别的划分结果示意图。
图3是本发明提供的客户类别的划分结果示意图。
图4是本发明提供的对房产类别与客户类别进行第一对应分析的结果示意图。
图5是本发明提供的用户类别与APP类别及线上品类的对应关系示意图。
图6是本发明提供的实现购房人群画像方法的装置结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
实施例一
如图1～5所示，本实施例提供的所述专用于房产销售行业的购房人群画像方法，包括如下步骤。
S101.获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息。
在所述步骤S101中，具体的，可以但不限于应用客户关系管理系统录入获取在房产销售过程中产生的历史成交数据。客户关系管理系统(CRM，Customer RelationshipManagement)是以客户数据的管理为核心，利用信息科学技术，实现市场营销、销售、服务等活动自动化，并建立一个客户信息的收集、管理、分析、利用的系统，帮助企业实现以客户为中心的管理模式，现有实现客户关系管理系统的软件主要有高可控性的数据库、更高的安全性、数据实时更新等特点，可提供日程管理、订单管理、发票管理、知识库管理等功能，因此通过成交数据的录入，即可获取成交双方的房产属性信息和客户属性信息。
在所述步骤S101中，具体的，所述房产属性信息可以但不限于包含房屋面积、房屋总价、房屋套型、房屋楼层、房屋朝向、楼盘所处地段和/或楼盘综合评分等维度的信息。其中，所述房屋套型可为套一、套二或套三等，所述房屋朝向可为东方、东南方、南方、西南方、西方、西北方、北方和东北方，所述楼盘所处地段可为车站附近地段、公园附近地段、地铁附近地段或购物广场附近地段等。
在所述步骤S101中，具体的，所述客户属性信息可以但不限于包含客户年龄段、客户资产等级、客户性别、客户收入档次、客户职业类别、客户教育程度类别、客户婚姻状态类别、客户子女状态类别和/或客户名下房产状态类别等维度的信息。其中，所述客户资产等级可为富人、中产或工薪等，所述客户教育程度类别可为小学及以下、初中、高中、中专、本科、硕士或博士及以上，所述客户子女状态类别可为无子女、1个子女、2个子女或3个子女及以上，所述客户名下房产状态类别可为购前无房产、购前1套房、购前2套房或购前3套房及以上。
S102.根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，同时根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别。
在所述步骤S102中，如图2所示，结合房产交易经验和出于简化房产分类的目的，可只根据房屋面积维度和房屋总价维度进行房产类别的划分，如图2所示，可得到31种房产类别。同样如图3所示，通过归因、对应和决策树等多种方法进行分析，观察各类维度和成交房产(房屋面积&房屋总价)的关系，剔除掉无关联维度(例如客户性别、客户职业类别和客户教育程度类别等)、低影响维度(例如客户婚姻状态类别、客户子女状态类别、客户名下房产状态类别和客户收入档次等)和同质性维度(例如客户工作年限与客户年龄段高度相关)，最后优选根据客户年龄段维度和客户资产等级维度进行客户类别的划分，如图3所示，可得到30种客户类别。
S103.根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系。
在所述步骤S103中，对应分析(Correspondence analysis)也称关联分析或R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系(即可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系)。对应分析的基本思想是将一个列联表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来；其最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性；另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数(主因子)以及分类的依据，是一种直观、简单、方便的多元统计方法。由于对应分析是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来，因而可主要应用在市场细分、产品定位、地质研究以及计算机工程等领域中。具体的，进行第一对应分析的方法可以但不限于为现有的双向指示种分析方法、典范对应分析方法或质性数据分析方法等。如图4所示，即为对房产类别与客户类别进行第一对应分析的结果示意图。
S104.通过与第三方数据平台的数据共享，获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在步骤S102中客户类别的划分方式一致。
在所述步骤S104中，所述第三方数据平台可以为APP发布平台，通过记录APP类别(如图5所示，可划分为诸如育儿、乐享、硬派等23种)的下载客户信息，即可划分得到对应使用人群的第一用户类别；也可以为大型网上购物平台，例如京东、天猫或苏宁等网上购物平台，通过记录各种线上品类(如图5所示，可划分为诸如幼儿、食品、家居等19种)的访问客户信息，即可划分得到对应浏览人群的第二用户类别。由于APP的使用和线上品类的浏览在一定程度上反映了用户的一般兴趣偏好，因此可以将APP类别和/或线上品类作为用户的兴趣标签。
S105.将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系。
在所述步骤S105中，进行第二对应分析的方法也可以但不限于为现有的双向指示种分析方法、典范对应分析方法或质性数据分析方法等。如图5所示，即为用户类别与APP类别及线上品类的对应关系示意图。
S106.在获取待售房产的房产属性信息后，按照与在步骤S102中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
通过所述步骤S106，可以基于对应分析得到的房与人之间及人与兴趣标签之间的匹配关系，有效地为难销售、处于郊区或地段不好的待售房产进行购房人群画像，获取潜在成交客户的客户类别和兴趣偏好标签，以便明确找客渠道及找客的类型，降低项目销售难度。
综上，采用本实施例所提供的专用于房产销售行业的购房人群画像方法，具有如下技术效果：
(1)本实施例提供了一种能够实现购房人群画像生成的大数据处理方法，即不同于传统的客户找房模式，通过成交双方的房产属性信息与客户属性信息的对应关系和匹配度，可进行主动、智能、有预测性地房源与客户需求的匹配，并在此基础上，结合客户的人口属性、购房支付力、兴趣偏好等指标，形成对不同楼盘项目具有定制化的和针对性的购房人群画像，可以有效指导楼盘活动策略、楼盘定价策略和媒介找客策略；
(2)所得到的房与人之间的匹配关系和人与兴趣标签之间的匹配关系具有便捷的应用性，与任何一个楼盘、任何一个城市、任何一个区域的客户数据相结合时，都能依据模型迅速地进行潜在购房客户进行有效分类，并结合开发商的内部数据源和云智数据源生成客户画像。
实施例二
如图6所示，本实施例为实现实施例一所述专用于房产销售行业的购房人群画像方法的装置，包括第一获取模块、类别划分模块、第一对应分析模块、第二获取模块、第二对应分析模块和人群画像模块。
所述第一获取模块，用于获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息。
所述类别划分模块，通信连接所述第一获取模块，一方面用于根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，另一方面用于根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别。
所述第一对应分析模块，分别通信连接所述第一获取模块和所述类别划分模块，用于根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系。
所述第二获取模块，用于与第三方数据平台进行数据共享，并获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在所述类别划分模块中客户类别的划分方式一致。
所述第二对应分析模块，通信连接所述第二获取模块，用于将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系。
所述人群画像模块，分别通信连接所述第一对应分析模块和所述第二对应分析模块，用于在获取待售房产的房产属性信息后，按照与在所述类别划分模块中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
如图6所示，在该装置的结构中，所述第一获取模块优选为客户关系管理系统。此外，该装置的工作方法及技术效果与实施例一相同，于此不再赘述。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。
Claims (10)
1.一种专用于房产销售行业的购房人群画像方法，其特征在于，包括如下步骤：
S101.获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息；
S102.根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，同时根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别；
S103.根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系；
S104.通过与第三方数据平台的数据共享，获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在步骤S102中客户类别的划分方式一致；
S105.将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系；
S106.在获取待售房产的房产属性信息后，按照与在步骤S102中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
2.如权利要求1所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：在所述步骤S101中，应用客户关系管理系统录入获取在房产销售过程中产生的历史成交数据。
3.如权利要求1所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：所述房产属性信息包含房屋面积、房屋总价、房屋套型、房屋楼层、房屋朝向、楼盘所处地段和/或楼盘综合评分。
4.如权利要求3所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：在所述步骤S102中，根据房屋面积维度和房屋总价维度进行房产类别的划分。
5.如权利要求1所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：所述客户属性信息包含客户年龄段、客户资产等级、客户性别、客户收入档次、客户职业类别、客户教育程度类别、客户婚姻状态类别、客户子女状态类别和/或客户名下房产状态类别。
6.如权利要求5所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：在所述步骤S102中，根据客户年龄段维度和客户资产等级维度进行客户类别的划分。
7.如权利要求1所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：在所述步骤S103中，进行第一对应分析的方法为双向指示种分析方法、典范对应分析方法或质性数据分析方法。
8.如权利要求1所述的一种专用于房产销售行业的购房人群画像方法，其特征在于：在所述步骤S105中，进行第二对应分析的方法为双向指示种分析方法、典范对应分析方法或质性数据分析方法。
9.一种实现如权利要求1～8任意一项所述专用于房产销售行业的购房人群画像方法的装置，其特征在于，包括第一获取模块、类别划分模块、第一对应分析模块、第二获取模块、第二对应分析模块和人群画像模块；
所述第一获取模块，用于获取在房产销售过程中产生的历史成交数据，其中，所述历史成交数据包含成交双方的房产属性信息和客户属性信息；
所述类别划分模块，通信连接所述第一获取模块，一方面用于根据所述房产属性信息中的至少一个维度，将成交房产划分为若干个房产类别，另一方面用于根据所述客户属性信息中的至少一个维度，将成交客户划分为若干个客户类别；
所述第一对应分析模块，分别通信连接所述第一获取模块和所述类别划分模块，用于根据所述历史成交数据中成交双方的对应关系，对房产类别与客户类别进行第一对应分析，得到房与人之间的匹配关系；
所述第二获取模块，用于与第三方数据平台进行数据共享，并获取由第三方数据平台记录的APP程序使用数据和/或线上品类浏览数据，其中，所述APP程序使用数据包含APP类别和对应使用人群的第一用户类别，所述线上品类浏览数据包含线上品类与对应浏览人群的第二用户类别，所述第一用户类别和所述第二用户类别的划分方式与在所述类别划分模块中客户类别的划分方式一致；
所述第二对应分析模块，通信连接所述第二获取模块，用于将APP类别作为兴趣标签，根据所述APP程序使用数据对APP类别与第一用户类别进行第二对应分析，和/或将线上品类作为兴趣标签，根据所述线上品类浏览数据对线上品类与第二用户类别进行第二对应分析，得到人与兴趣标签之间的匹配关系；
所述人群画像模块，分别通信连接所述第一对应分析模块和所述第二对应分析模块，用于在获取待售房产的房产属性信息后，按照与在所述类别划分模块中一致的房产类别划分方式得到待售房产的房产类别，然后根据所述房与人之间的匹配关系查找到对应的客户类别，最后根据所述人与兴趣标签之间的匹配关系查找到对应的兴趣标签，并将查找到的客户类别和兴趣标签作为待售房产的购房人群画像。
10.如权利要求9所述的一种实现专用于房产销售行业的购房人群画像方法的装置，其特征在于：所述第一获取模块为客户关系管理系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810737348.7A CN109242523A (zh) | 2018-07-06 | 2018-07-06 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810737348.7A CN109242523A (zh) | 2018-07-06 | 2018-07-06 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109242523A true CN109242523A (zh) | 2019-01-18 |
Family
ID=65071778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810737348.7A Pending CN109242523A (zh) | 2018-07-06 | 2018-07-06 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242523A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378770A (zh) * | 2019-07-25 | 2019-10-25 | 上海尊溢商务信息咨询有限公司 | 一种电商运营选款推荐的方法及装置 |
| CN110503452A (zh) * | 2019-07-05 | 2019-11-26 | 贝壳技术有限公司 | 一种基于用户行为的房源信息推荐方法及装置 |
| CN110634024A (zh) * | 2019-09-12 | 2019-12-31 | 北京无限光场科技有限公司 | 一种用户属性标记方法、装置、电子设备及存储介质 |
| CN111415199A (zh) * | 2020-03-20 | 2020-07-14 | 重庆锐云科技有限公司 | 一种基于大数据的客户预测更新方法、装置及存储介质 |
| CN111414542A (zh) * | 2020-03-20 | 2020-07-14 | 重庆锐云科技有限公司 | 一种房地产客户群识别和营销的方法 |
| CN111553657A (zh) * | 2020-04-28 | 2020-08-18 | 贝壳技术有限公司 | 基于行为分析的匹配方法和装置、电子设备和存储介质 |
| CN111695015A (zh) * | 2020-06-04 | 2020-09-22 | 重庆锐云科技有限公司 | 客户行为分析方法、装置、计算机设备及存储介质 |
| CN112184275A (zh) * | 2019-07-03 | 2021-01-05 | 北京百度网讯科技有限公司 | 人群细分方法、装置、设备及存储介质 |
| CN114692752A (zh) * | 2022-03-30 | 2022-07-01 | 中国农业银行股份有限公司 | 客户画像构建方法及装置、存储介质及电子设备 |
| CN115689128A (zh) * | 2022-12-30 | 2023-02-03 | 深圳格隆汇信息科技有限公司 | 基于crm的客户数据分析方法及系统 |
| CN116629904A (zh) * | 2023-05-08 | 2023-08-22 | 数聚云(苏州)科技有限公司 | 一种基于大数据的客户分层匹配方法 |
| TWI816179B (zh) * | 2021-09-03 | 2023-09-21 | 信義房屋股份有限公司 | 關鍵因素的歸納分析裝置 |
| TWI832030B (zh) * | 2021-01-08 | 2024-02-11 | 聚英企業管理顧問股份有限公司 | 基於大數據之購屋需求的辨識裝置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150073929A1 (en) * | 2007-11-14 | 2015-03-12 | Panjiva, Inc. | Transaction facilitating marketplace platform |
| CN106294883A (zh) * | 2016-08-30 | 2017-01-04 | 杭州启冠网络技术有限公司 | 基于用户行为数据对用户行为图上分析的方法和系统 |
| CN106296301A (zh) * | 2016-08-17 | 2017-01-04 | 北京集奥聚合科技有限公司 | 一种房产销售线索的挖掘方法 |
| CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
| 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 |
| CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
-
2018
- 2018-07-06 CN CN201810737348.7A patent/CN109242523A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150073929A1 (en) * | 2007-11-14 | 2015-03-12 | Panjiva, Inc. | Transaction facilitating marketplace platform |
| CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
| CN106296301A (zh) * | 2016-08-17 | 2017-01-04 | 北京集奥聚合科技有限公司 | 一种房产销售线索的挖掘方法 |
| CN106294883A (zh) * | 2016-08-30 | 2017-01-04 | 杭州启冠网络技术有限公司 | 基于用户行为数据对用户行为图上分析的方法和系统 |
| 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 |
| CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184275B (zh) * | 2019-07-03 | 2023-08-08 | 北京百度网讯科技有限公司 | 人群细分方法、装置、设备及存储介质 |
| CN112184275A (zh) * | 2019-07-03 | 2021-01-05 | 北京百度网讯科技有限公司 | 人群细分方法、装置、设备及存储介质 |
| CN110503452A (zh) * | 2019-07-05 | 2019-11-26 | 贝壳技术有限公司 | 一种基于用户行为的房源信息推荐方法及装置 |
| CN110378770A (zh) * | 2019-07-25 | 2019-10-25 | 上海尊溢商务信息咨询有限公司 | 一种电商运营选款推荐的方法及装置 |
| CN110634024A (zh) * | 2019-09-12 | 2019-12-31 | 北京无限光场科技有限公司 | 一种用户属性标记方法、装置、电子设备及存储介质 |
| CN111415199A (zh) * | 2020-03-20 | 2020-07-14 | 重庆锐云科技有限公司 | 一种基于大数据的客户预测更新方法、装置及存储介质 |
| CN111414542A (zh) * | 2020-03-20 | 2020-07-14 | 重庆锐云科技有限公司 | 一种房地产客户群识别和营销的方法 |
| CN111553657A (zh) * | 2020-04-28 | 2020-08-18 | 贝壳技术有限公司 | 基于行为分析的匹配方法和装置、电子设备和存储介质 |
| CN111695015A (zh) * | 2020-06-04 | 2020-09-22 | 重庆锐云科技有限公司 | 客户行为分析方法、装置、计算机设备及存储介质 |
| TWI832030B (zh) * | 2021-01-08 | 2024-02-11 | 聚英企業管理顧問股份有限公司 | 基於大數據之購屋需求的辨識裝置 |
| TWI816179B (zh) * | 2021-09-03 | 2023-09-21 | 信義房屋股份有限公司 | 關鍵因素的歸納分析裝置 |
| CN114692752A (zh) * | 2022-03-30 | 2022-07-01 | 中国农业银行股份有限公司 | 客户画像构建方法及装置、存储介质及电子设备 |
| CN115689128A (zh) * | 2022-12-30 | 2023-02-03 | 深圳格隆汇信息科技有限公司 | 基于crm的客户数据分析方法及系统 |
| CN115689128B (zh) * | 2022-12-30 | 2023-08-22 | 深圳格隆汇信息科技有限公司 | 基于crm的客户数据分析方法及系统 |
| CN116629904A (zh) * | 2023-05-08 | 2023-08-22 | 数聚云(苏州)科技有限公司 | 一种基于大数据的客户分层匹配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242523A (zh) | 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 | |
| Ng et al. | Mirror, mirror on the wall, are we ready for Gen-Z in marketplace? A study of smart retailing technology in Malaysia | |
| Gupta et al. | Creating knowledge based organizations | |
| Bensaou et al. | Configurations of interorganizational relationships: A comparison between US and Japanese automakers | |
| Bolisani et al. | Information technology management: a knowledge-based perspective | |
| Singh et al. | Prioritising the alternatives for flexibility in supply chains | |
| US7403989B2 (en) | Facilitating improved workflow | |
| US20170097963A1 (en) | Data Analysis | |
| US20170235466A1 (en) | System and Method to Generate Interactive User Interface for Visualizing and Navigating Data or Information | |
| Olszak | Multi-agent framework for social customer relationship management systems | |
| US11386468B2 (en) | Dialogue monitoring and communications system using artificial intelligence (AI) based analytics | |
| JP2015005287A (ja) | 買物客ヘルパー | |
| US20020013782A1 (en) | Software program for internet information retrieval, analysis and presentation | |
| Cui et al. | Text mining to explore the influencing factors of sharing economy driven digital platforms to promote social and economic development | |
| Huang et al. | User Experience Evaluation of B2C E‐Commerce Websites Based on Fuzzy Information | |
| Zhang | [Retracted] Optimization of the Marketing Management System Based on Cloud Computing and Big Data | |
| Reppel et al. | Consumer-managed profiling: a contemporary interpretation of privacy in buyer–seller interactions | |
| Priyanka et al. | Analysis Role of ML and Big Data Play in Driving Digital Marketing’s Paradigm Shift | |
| JP4729479B2 (ja) | 統合インテリジェントｓｅｏトランザクションプラットフォーム | |
| Yu et al. | Perceived values to evaluate smart product-service systems of smart kitchen appliances | |
| CN117522133A (zh) | 一种基于人工智能体的购物平台用户权益风险监测方法 | |
| Sugumaran | An agent-based knowledge management framework for the e-commerce environment | |
| Vieira et al. | A knowledge based system for supporting sustainable industrial management in a clothes manufacturing company based on a data fusion model | |
| Bernhardt et al. | Crowdsourcing in business-to-business markets: a value creation and business model perspective | |
| Dai et al. | Research on the application of business intelligence based on data mining technology in the new industry |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |