CN109670873A - 房地产拓客方法、装置及服务器 - Google Patents

房地产拓客方法、装置及服务器 Download PDF

Info

Publication number
CN109670873A
CN109670873A CN201811586306.4A CN201811586306A CN109670873A CN 109670873 A CN109670873 A CN 109670873A CN 201811586306 A CN201811586306 A CN 201811586306A CN 109670873 A CN109670873 A CN 109670873A
Authority
CN
China
Prior art keywords
client
collection
building
screening conditions
customer information
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
Application number
CN201811586306.4A
Other languages
English (en)
Inventor
李琦
宋卫东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Rui Yun Technology Co Ltd
Original Assignee
Chongqing Rui Yun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Rui Yun Technology Co Ltd filed Critical Chongqing Rui Yun Technology Co Ltd
Priority to CN201811586306.4A priority Critical patent/CN109670873A/zh
Publication of CN109670873A publication Critical patent/CN109670873A/zh
Pending legal-status Critical Current

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
    • 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)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种房地产拓客方法、装置及服务器，通过根据设定的筛选条件，获取访问过目标楼盘的客户信息库，从客户信息库中筛选出满足筛选条件的客户作为种子客户；从参考楼盘的第二客户信息库中，筛选出满足筛选条件的客户作为第一拓展客户集；将各种子客户与第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对第一待处理客户集进行聚类处理，得到K类客户集；针对K类客户集，确定包含种子客户的客户集作为第二待处理客户集，将第二待处理客户集中除种子客户外的其他客户作为第二拓展客户集；根据第一拓展客户集与第二拓展客户集，确定目标拓展客户。实现了对目标楼盘的客户拓展，有利于客户资源利用率最大化。

Description

房地产拓客方法、装置及服务器
技术领域
本发明涉及房地产领域，尤其涉及一种房地产拓客方法、装置及服务器。
背景技术
目前房地产行业转入下行通道，客户资源显得愈加珍贵。传统拓客方式是通过广告营销、活动宣传等方式进行的。这种方式需要投入大量的人力物力，所需成本非常高昂。
传统通过广告营销等手段进行拓客的方法收效渐微，其费效比也越来越高。
对于同一个开发商的不同楼盘、不同地理区域的客户，容易形成资源孤岛，难以将客户资源利用最大化。
发明内容
本发明提供的房地产拓客方法、装置及服务器，主要解决的技术问题是：当前房地产拓客方法收效甚微、费效比高的问题。
为解决上述技术问题，本发明提供一种房地产拓客方法，包括：
根据设定的筛选条件，获取访问过目标楼盘的客户信息库，从所述客户信息库中筛选出满足所述筛选条件的客户作为种子客户；
从参考楼盘的第二客户信息库中，筛选出满足所述筛选条件的客户作为第一拓展客户集；
将各所述种子客户与所述第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对所述第一待处理客户集进行聚类处理，得到K类客户集；所述K大于等于2；所述参考楼盘与所述目标楼盘不同；针对所述K类客户集，确定包含所述种子客户的客户集作为第二待处理客户集，将所述第二待处理客户集中除所述种子客户外的其他客户作为第二拓展客户集；
根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户。
进一步的，所述房地产拓客方法还包括按照如下方式确定所述参考楼盘：
分别判断各楼盘是否在所述目标楼盘的预设距离范围内，如是，判断所述楼盘与所述目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将所述楼盘作为所述参考楼盘。
进一步的，所述第二客户信息库中按照标签列表的方式存储有访问过所述参考楼盘的客户信息，所述标签列表包括N个标签，所述N大于等于2，所述筛选出满足所述筛选条件的客户作为第一拓展客户集包括：
确定所述筛选条件对应标签信息的第一标签集，针对所述第二客户信息库中每一个客户，依次挑选出与所述筛选条件对应标签的M个标签信息，构建第二标签集，判断各所述第二标签集与所述第一标签集是否匹配，如是，则确定所述客户满足所述筛选条件；如否，则确定所述客户不满足所述筛选条件；将满足所述筛选条件的客户构成所述第一拓展客户集；所述M小于等于所述N。
进一步的，根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户包括：
计算所述第一拓展客户集与所述第二拓展客户集之间的并集，将所述并集中的各客户，作为所述目标拓展客户。
本发明还提供一种房地产拓客装置，包括：
第一获取模块，用于获取设定的筛选条件；
第一确定模块，用于根据所述筛选条件，获取访问过目标楼盘的客户信息库，从所述客户信息库中筛选出满足所述筛选条件的客户作为种子客户；
第一处理模块，用于从参考楼盘的第二客户信息库中，筛选出满足所述筛选条件的客户作为第一拓展客户集；
第二处理模块，用于将各所述种子客户与所述第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对所述第一待处理客户集进行聚类处理，得到K类客户集；所述K大于等于2；所述参考楼盘与所述目标楼盘不同；针对所述K类客户集，确定包含所述种子客户的客户集作为第二待处理客户集，将所述第二待处理客户集中除所述种子客户外的其他客户作为第二拓展客户集；
第三处理模块，用于根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户。
进一步的，所述房地产拓客装置还包括：
第二确定模块，用于分别判断各楼盘是否在所述目标楼盘的预设距离范围内，如是，判断所述楼盘与所述目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将所述楼盘作为所述参考楼盘。
进一步的，所述第二客户信息库中按照标签列表的方式存储有访问过所述参考楼盘的客户信息，所述标签列表包括N个标签，所述N大于等于2；
所述第一处理模块用于确定所述筛选条件对应标签信息的第一标签集，针对所述第二客户信息库中每一个客户，依次挑选出与所述筛选条件对应标签的M个标签信息，构建第二标签集，判断各所述第二标签集与所述第一标签集是否匹配，如是，则确定所述客户满足所述筛选条件；如否，则确定所述客户不满足所述筛选条件；将满足所述筛选条件的客户构成所述第一拓展客户集。
进一步的，所述第三处理模块用于计算所述第一拓展客户集与所述第二拓展客户集之间的并集，将所述并集中的各客户，作为所述目标拓展客户。
本发明还提供一种服务器，所述服务器包括处理器、存储器及通信总线；
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行存储器中存储的一个或者多个程序，以实现如上任一项所述的房地产拓客方法的步骤。
本发明的有益效果是：
根据本发明提供的房地产拓客方法、装置及服务器，通过根据设定的筛选条件，获取访问过目标楼盘的客户信息库，从客户信息库中筛选出满足筛选条件的客户作为种子客户；从参考楼盘的第二客户信息库中，筛选出满足筛选条件的客户作为第一拓展客户集；将各种子客户与第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对第一待处理客户集进行聚类处理，得到K类客户集；所述K大于等于2；参考楼盘与目标楼盘不同；针对K类客户集，确定包含种子客户的客户集作为第二待处理客户集，将第二待处理客户集中除种子客户外的其他客户作为第二拓展客户集；根据第一拓展客户集与第二拓展客户集，确定目标拓展客户。有效利用了参考楼盘的客户，对目标楼盘进行客户拓展，避免形成孤岛资源，有利于客户资源利用率最大化，在房地产转入下行通道的大市场环境下，有利于提高房屋成交概率。
附图说明
图1为本发明实施例一的房地产拓客方法流程示意图；
图2为本发明实施例二的一种房地产拓客装置结构示意图；
图3为本发明实施例二的另一种房地产拓客装置结构示意图；
图4为本发明实施例三的服务器结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一：
为了增加对目标楼盘的客户来源，提升销售转化率，本实施例提供一种房地产拓客方法，请参见图1，该方法包括如下步骤：
S101、根据设定的筛选条件，获取访问过目标楼盘的客户信息库，从客户信息库中筛选出满足所述筛选条件的客户作为种子客户。
系统可以以楼盘为单位，不同楼盘对应设有一个客户信息库，当客户访问该楼盘时，将会被记录在该客户信息库中。
其中，客户信息库可以按照标签列表的方式进行存储，参见如下表1所示：
表1
姓名 出生年月 房产 车 访问次数 访问时长
客户1 张** 1968.10 三套 有车 10 120
客户2 刘** 1985.05 无 有车 20 230
客户3 王** 1991.03 无 有车 30 450
如表1所示，包括“姓名”、“出生年月”、“房产”、“车”、“访问次数”、“访问时长”6个标签，即N＝6。以客户1为例，对应标签信息为“张**”、“1968.10”、“三套”、“有车”、“10”、“120”；从而可以形成客户1的标签集{60后，有房，有车，普通访问}。应当理解，实际应用中并不限于上述标签。
以筛选条件为“无房”、“有车”，目标楼盘的客户信息库为上述表1为例，可以得到种子客户为“客户2”和“客户3”。
S102、从参考楼盘的第二客户信息库中，筛选出满足筛选条件的客户作为第一拓展客户集。
本实施例中，参考楼盘可以按照如下方式确定：分别判断各楼盘是否在目标楼盘的预设距离范围内，如是，判断楼盘与目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将该楼盘作为参考楼盘。
例如，预设距离设置为5km，预设阈值为2000元/m2，若楼盘A与目标楼盘相距3km，则可以确定该楼盘A在目标楼盘的预设距离范围内，若楼盘A的销售均价为13500元/m2，目标楼盘的销售均价为15000元/m2，那么楼盘A与目标楼盘之间销售均价的差值为1500元/m2，在预设阈值2000元/m2范围内；那么可以将楼盘A作为参考楼盘。
基于楼盘所在地理位置之间的距离、销售均价的差值，确定了参考楼盘后，获取各个参考楼盘的第二客户信息库。同样，第二客户信息库可以参见如下表2所示，存储了访问过该参考楼盘的所有客户的信息。
表2
姓名 出生年月 房产 车 访问次数 访问时长
客户a 李** 1962.09 五套 有车 5 63
客户b 冉** 1989.08 无 无 32 332
客户c 高** 1994.03 无 有车 41 462
具体可以参见如下方式，从第二客户信息库中，筛选出满足筛选条件的客户，作为第一拓展客户集。
确定筛选条件对应标签信息的第一标签集，以筛选条件为“无房”、“有车”为例，可以得到对应标签信息的第一标签集为{无房，有车}。
针对第二客户信息库中每一个客户，依次挑选出与筛选条件对应标签的M个标签信息，构建第二标签集。这里筛选条件对应标签包括房产、车这两个标签，也即M＝2。针对第二信息库中的每一个客户，按照这两个标签对应的标签信息，构建第二标签集。例如，针对客户a，依次获取标签“房产”对应的标签信息“五套”，标签“车”对应的标签信息“有车”，构建第二标签集{有房，有车}；同样，针对客户b可以得到对应的第二标签集{无房、无车}，针对客户c可以得到对应的第二标签集{无房、有车}。
然后，判断各第二标签集与第一标签集是否匹配，如是，则确定客户满足筛选条件；如否，则确定客户不满足筛选条件；将满足筛选条件的客户构成第一拓展客户集。
例如，客户a的第二标签集为{有房，有车}，将该第二标签集与第一标签集{无房，有车}进行比较，可以判断该第二标签集{有房，有车}与该第一标签集{无房，有车}并不匹配，也即客户a不满足该筛选条件；继续将客户b的第二标签集{无房、无车}与第一标签集{无房，有车}进行比较，可以判断该第二标签集{无房、无车}与第一标签集{无房，有车}也不匹配，因此客户b不满足该筛选条件；客户c的第二标签集{无房、有车}与第一标签集{无房，有车}匹配，因此客户c满足该筛选条件。从而构成包含客户c的第一拓展客户集。
S103、将各种子客户与第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对第一待处理客户集进行聚类处理，得到K类客户集；K大于等于2；参考楼盘与目标楼盘不同；针对K类客户集，确定包含种子客户的客户集作为第二待处理客户集，将第二待处理客户集中除种子客户外的其他客户作为第二拓展客户集。
继续参见如上述表2所示的第二客户信息库，本实施例中可以将第二客户信息库中的全部客户加上种子客户，共同作为第一待处理客户集，因此这里可以得到第一待处理客户集包括“客户a”、“客户b”、“客户c”、“客户2”和“客户3”五个客户。应当理解，实际应用中客户量通常为成千上万，甚至数十万、数百万等。
按照聚类算法对第一待处理客户集进行聚类处理，其中聚类数K可以根据实际情况，预先灵活设定，例如设置为4、8、16等。聚类算法包括但不限于K-Means算法，或者目前能够进行聚类处理的其他任意算法。
针对聚类得到的每一类客户集，确定该客户集中是否包含种子客户，如果包含种子客户，则将该客户集作为第二待处理客户集，将第二待处理客户集中排除种子客户外的其他所有客户作为第二拓展客户集。
假设对上述五个客户进行聚类处理得到2类客户集，其中第一类客户集包括“客户b”、“客户c”、“客户2”和“客户3”，第二类客户集中包括“客户a”；针对第一类客户集，可以判断其包括种子客户(“客户2”和“客户3”)，因此将第一类客户集作为第二待处理客户集，将排除种子客户外的其他客户(这里包括“客户b”、“客户c”)作为第二拓展客户集，因此第二拓展客户集中包括“客户b”、“客户c”；然后在判断第二类客户集中是否包括种子客户，由于第二类客户集中只包括“客户a”，不存在种子客户，因此不能将第二类客户集作为第二待处理客户集。最终确定第二拓展客户集中包括“客户b”、“客户c”。
S104、根据第一拓展客户集与第二拓展客户集，确定目标拓展客户。
第一拓展客户集包括“客户c”，第二拓展客户集包括“客户b”、“客户c”，可以计算第一拓展客户集与第二拓展客户集之间的并集，将并集中的各客户，作为目标拓展客户。这里计算得到第一拓展客户集与第二拓展客户集的并集为{客户b，客户c}，从而确定目标拓展客户为客户b和客户c。
本实施例提供的房地产拓客方法，可以充分利用不同楼盘下的客户资源，充分利用客户信息，避免不同楼盘的客户资源形成孤岛资源。在选择参考楼盘时，通过筛选在目标楼盘距离范围内、且销售均价相差在预设阈值范围内的楼盘作为参考楼盘，使得选择的参考楼盘更具参考价值，最终筛选得到的目标拓展客户对目标楼盘，一般情况下也更具购买倾向，提升了拓展的准确性。针对得到的目标拓展客户，可以将目标楼盘的房源信息进行主动推送，达到精确营销的目的。
实施例二：
本实施例在第一实施例的基础上，提供一种房地产拓客装置，用于实现上述实施例一所述的房地产拓客方法的步骤，请参见图2，该房地产拓客装置20主要包括第一获取模块21、第一确定模块22、第一处理模块23、第二处理模块24、第三处理模块25，其中：
第一获取模块21用于获取设定的筛选条件。
第一确定模块22用于根据筛选条件，获取访问过目标楼盘的客户信息库，从客户信息库中筛选出满足筛选条件的客户作为种子客户。
第一处理模块23用于从参考楼盘的第二客户信息库中，筛选出满足筛选条件的客户作为第一拓展客户集。
其中，第二客户信息库中按照标签列表的方式存储有访问过参考楼盘的客户信息，标签列表包括N个标签，所述N大于等于2。
第一处理模块23用于确定筛选条件对应标签信息的第一标签集，针对第二客户信息库中每一个客户，依次挑选出与筛选条件对应标签的M(M小于等于N)个标签信息，构建第二标签集，判断各第二标签集与第一标签集是否匹配，如是，则确定客户满足筛选条件；如否，则确定客户不满足筛选条件；将满足筛选条件的客户构成第一拓展客户集。
第二处理模块24用于将各种子客户与第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对第一待处理客户集进行聚类处理，得到K类客户集；K大于等于2；参考楼盘与目标楼盘不同；针对K类客户集，确定包含种子客户的客户集作为第二待处理客户集，将第二待处理客户集中除种子客户外的其他客户作为第二拓展客户集。
第三处理模块25用于根据第一拓展客户集与第二拓展客户集，确定目标拓展客户。
可选的，第三处理模块用于计算第一拓展客户集与第二拓展客户集之间的并集，将该并集中的各客户，作为目标拓展客户。
请参见图3，房地产拓客装置20还可以包括第二确定模块26，用于分别判断各楼盘是否在目标楼盘的预设距离范围内，如是，判断楼盘与目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将楼盘作为参考楼盘。
通过筛选在目标楼盘距离范围内、且销售均价相差在预设阈值范围内的楼盘作为参考楼盘，使得选择的参考楼盘更具参考价值，最终筛选得到的目标拓展客户对目标楼盘，一般情况下也更具购买倾向，提升了拓展的准确性。针对得到的目标拓展客户，可以将目标楼盘的房源信息进行主动推送，达到精确营销的目的。
可选的，房地差拓客装置还可以包括发送模块，用于将目标楼盘的房源信息自动推送给该目标拓展客户，达到精确营销的目的。
本实施例中，第一获取模块21、第一确定模块22、第一处理模块23、第二处理模块24、第三处理模块25以及第二确定模块26均可以通过处理器、控制器等实现，发送模块可以通过各种通信模块实现。
实施例三：
本实施例在第一实施例的基础上，提供一种服务器，用于实现上述实施例一所述的房地产拓客方法的步骤，请参见图4，该服务器包括处理器41、存储器42及通信总线43；
其中通信总线43用于实现处理器41和存储器42之间的连接通信；
处理器41用于执行存储器42中存储的一个或者多个程序，以实现如上实施例一所述的房地产拓客方法的步骤。具体请参见实施例一中的描述，在此不再赘述。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种房地产拓客方法，其特征在于，所述房地产拓客方法包括：
根据设定的筛选条件，获取访问过目标楼盘的客户信息库，从所述客户信息库中筛选出满足所述筛选条件的客户作为种子客户；
从参考楼盘的第二客户信息库中，筛选出满足所述筛选条件的客户作为第一拓展客户集；
将各所述种子客户与所述第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对所述第一待处理客户集进行聚类处理，得到K类客户集；所述K大于等于2；所述参考楼盘与所述目标楼盘不同；针对所述K类客户集，确定包含所述种子客户的客户集作为第二待处理客户集，将所述第二待处理客户集中除所述种子客户外的其他客户作为第二拓展客户集；
根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户。
2.如权利要求1所述的房地产拓客方法，其特征在于，所述房地产拓客方法还包括按照如下方式确定所述参考楼盘：
分别判断各楼盘是否在所述目标楼盘的预设距离范围内，如是，判断所述楼盘与所述目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将所述楼盘作为所述参考楼盘。
3.如权利要求1或2所述的房地产拓客方法，其特征在于，所述第二客户信息库中按照标签列表的方式存储有访问过所述参考楼盘的客户信息，所述标签列表包括N个标签，所述N大于等于2，所述筛选出满足所述筛选条件的客户作为第一拓展客户集包括：
确定所述筛选条件对应标签信息的第一标签集，针对所述第二客户信息库中每一个客户，依次挑选出与所述筛选条件对应标签的M个标签信息，构建第二标签集，判断各所述第二标签集与所述第一标签集是否匹配，如是，则确定所述客户满足所述筛选条件；如否，则确定所述客户不满足所述筛选条件；将满足所述筛选条件的客户构成所述第一拓展客户集；所述M小于等于所述N。
4.如权利要求3所述的房地产拓客方法，其特征在于，根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户包括：
计算所述第一拓展客户集与所述第二拓展客户集之间的并集，将所述并集中的各客户，作为所述目标拓展客户。
5.一种房地产拓客装置，其特征在于，所述房地产拓客装置包括：
第一获取模块，用于获取设定的筛选条件；
第一确定模块，用于根据所述筛选条件，获取访问过目标楼盘的客户信息库，从所述客户信息库中筛选出满足所述筛选条件的客户作为种子客户；
第一处理模块，用于从参考楼盘的第二客户信息库中，筛选出满足所述筛选条件的客户作为第一拓展客户集；
第二处理模块，用于将各所述种子客户与所述第二客户信息库中的至少部分客户作为第一待处理客户集，按照聚类算法对所述第一待处理客户集进行聚类处理，得到K类客户集；所述K大于等于2；所述参考楼盘与所述目标楼盘不同；针对所述K类客户集，确定包含所述种子客户的客户集作为第二待处理客户集，将所述第二待处理客户集中除所述种子客户外的其他客户作为第二拓展客户集；
第三处理模块，用于根据所述第一拓展客户集与所述第二拓展客户集，确定目标拓展客户。
6.如权利要求5所述的房地产拓客装置，其特征在于，所述房地产拓客装置还包括：
第二确定模块，用于分别判断各楼盘是否在所述目标楼盘的预设距离范围内，如是，判断所述楼盘与所述目标楼盘之间销售均价的差值是否在预设阈值范围内，如是，将所述楼盘作为所述参考楼盘。
7.如权利要求5或6所述的房地产拓客装置，其特征在于，所述第二客户信息库中按照标签列表的方式存储有访问过所述参考楼盘的客户信息，所述标签列表包括N个标签，所述N大于等于2；
所述第一处理模块用于确定所述筛选条件对应标签信息的第一标签集，针对所述第二客户信息库中每一个客户，依次挑选出与所述筛选条件对应标签的M个标签信息，构建第二标签集，判断各所述第二标签集与所述第一标签集是否匹配，如是，则确定所述客户满足所述筛选条件；如否，则确定所述客户不满足所述筛选条件；将满足所述筛选条件的客户构成所述第一拓展客户集。
8.如权利要求7所述的房地产拓客装置，其特征在于，所述第三处理模块用于计算所述第一拓展客户集与所述第二拓展客户集之间的并集，将所述并集中的各客户，作为所述目标拓展客户。
9.一种服务器，其特征在于，所述服务器包括处理器、存储器及通信总线；
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行存储器中存储的一个或者多个程序，以实现如权利要求1至4中任一项所述的房地产拓客方法的步骤。
CN201811586306.4A 2018-12-25 2018-12-25 房地产拓客方法、装置及服务器 Pending CN109670873A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811586306.4A CN109670873A (zh) 2018-12-25 2018-12-25 房地产拓客方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811586306.4A CN109670873A (zh) 2018-12-25 2018-12-25 房地产拓客方法、装置及服务器

Publications (1)

Publication Number Publication Date
CN109670873A true CN109670873A (zh) 2019-04-23

Family

ID=66146033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811586306.4A Pending CN109670873A (zh) 2018-12-25 2018-12-25 房地产拓客方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN109670873A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109685570A (zh) * 2018-12-25 2019-04-26 重庆锐云科技有限公司 房地产客户来源检测方法、终端及服务器
CN110910282A (zh) * 2019-11-27 2020-03-24 重庆锐云科技有限公司 房地产电子商务多角色拓客赚佣系统、方法及存储介质
CN113409081A (zh) * 2021-06-16 2021-09-17 建信金融科技有限责任公司 一种信息处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106776716A (zh) * 2016-11-21 2017-05-31 北京齐尔布莱特科技有限公司 一种智能匹配销售顾问和用户的方法及设备
CN109063157A (zh) * 2018-08-10 2018-12-21 优视科技新加坡有限公司 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106776716A (zh) * 2016-11-21 2017-05-31 北京齐尔布莱特科技有限公司 一种智能匹配销售顾问和用户的方法及设备
CN109063157A (zh) * 2018-08-10 2018-12-21 优视科技新加坡有限公司 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109685570A (zh) * 2018-12-25 2019-04-26 重庆锐云科技有限公司 房地产客户来源检测方法、终端及服务器
CN110910282A (zh) * 2019-11-27 2020-03-24 重庆锐云科技有限公司 房地产电子商务多角色拓客赚佣系统、方法及存储介质
CN110910282B (zh) * 2019-11-27 2023-04-18 重庆锐云科技有限公司 房地产电子商务多角色拓客赚佣系统、方法及存储介质
CN113409081A (zh) * 2021-06-16 2021-09-17 建信金融科技有限责任公司 一种信息处理方法和装置

Similar Documents

Publication Publication Date Title
US10664931B2 (en) Data analyzing system and method
Luo et al. Intra-metropolitan location choice of star-rated and non-rated budget hotels: The role of agglomeration economies
CN106570718B (zh) 信息的投放方法及投放系统
CN109636258A (zh) 一种房地产客户到访管理系统
Kim Exploring the difference between ridership patterns of subway and taxi: Case study in Seoul
CN109670873A (zh) 房地产拓客方法、装置及服务器
CN109615128A (zh) 房地产客户成交概率预测方法、装置及服务器
CN103678659A (zh) 一种基于随机森林算法的电子商务网站欺诈用户识别方法及系统
CN107818133A (zh) 一种基于大数据的居民区网络能力分析方法及系统
CN110689457A (zh) 地产行业线上客户智能接待方法、服务器及存储介质
CN110300084B (zh) 基于ip地址的画像方法和装置，电子设备，可读介质
CN109903087A (zh) 基于行为特征预测用户属性值的方法、装置及存储介质
CN110046174B (zh) 一种基于大数据的人口迁移分析方法和系统
CN107220308A (zh) Poi的合理性的检测方法及装置、设备及可读介质
CN107274042A (zh) 一种业务参与对象的风险识别方法及装置
CN107908735B (zh) 信息展示方法和装置以及计算设备
CN115775085A (zh) 一种基于数字孪生的智慧城市管理方法及系统
CN106846795A (zh) 人群密集区域的获取方法及装置
CN109195154A (zh) 物联网窜卡用户识别方法和装置
CN113592293A (zh) 风险识别处理方法、电子设备及计算机可读存储介质
CN109522105A (zh) App后台运行方法、系统、终端设备及可存储介质
CN109087134A (zh) 时间分段决策方法、装置、介质及设备
CN110059234A (zh) 水务异常事件侦测方法及装置、计算机装置及存储介质
CN111008871A (zh) 一种房地产复购客户跟进数量计算方法、装置及存储介质
CN103365900A (zh) 线上素材投放方法及装置

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: 20190423