CN110210885A - 挖掘潜在客户的方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种挖掘潜在客户的方法、装置、设备及可读存储介质，方法包括：根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值，然后根据各个用户之间的需求借鉴值，计算各个用户对指定借贷平台的潜在点击次数，根据该潜在点击次数，确定各个用户对指定借贷平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。相较于现有技术而言，本发明实施例可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升了广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

Description

挖掘潜在客户的方法、装置、设备及可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种挖掘潜在客户的方法、装置、设备及可读存储介质。

背景技术

随着社会经济的快速增长，人们的消费方式也发生了很大的变化，个人贷款业务在消费者的生活中所占的比重越来越大。

目前，借贷平台为了提升业绩，通常需要通过一定的推广方式来获得更多的客户资源，常用的推广方式包括在媒体上投放广告、在线下开展推广活动等。上述推广方式在投入大量的资金后虽然也能够获得部分客户，但由于是面对大众投放，且获得的客户数量也有限，导致获得每个客户的获客成本较高。

发明内容

本发明的主要目的在于提供一种挖掘潜在客户的方法、装置、设备及可读存储介质，旨在解决现有技术中借贷平台获客成本较高的技术问题。

为实现上述目的，本发明第一方面提供一种挖掘潜在客户的方法，该方法包括：

根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值；

根据所述需求借鉴值，计算各个用户对指定网络平台的潜在点击次数；

根据所述潜在点击次数，确定所述各个用户对所述指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

为实现上述目的，本发明第二方面提供一种挖掘潜在客户的装置，该装置包括：

第一确定模块，用于根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值；

计算模块，用于根据所述需求借鉴值，计算各个用户对指定网络平台的潜在点击次数；

第二确定模块，用于根据所述潜在点击次数，确定所述各个用户对所述指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

为实现上述目的，本发明第三方面提供一种设备，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，该计算机程序为挖掘潜在客户的程序，所述处理器执行所述计算机程序时，实现本发明第一方面提供的挖掘潜在客户的方法中的各个步骤。

为实现上述目的，本发明第四方面提供一种可读存储介质，其上存储有计算机程序，该计算机程序为挖掘潜在客户的程序，所述计算机程序被处理器执行时，实现本发明第一方面提供的挖掘潜在客户的方法中的各个步骤。

本发明提供了一种挖掘潜在客户的方法，包括：根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值，然后根据各个用户之间的需求借鉴值，计算各个用户对指定借贷平台的潜在点击次数，根据该潜在点击次数，确定各个用户对指定借贷平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。相较于现有技术而言，本发明实施例可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升了广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

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为本发明实施例中挖掘潜在客户的方法的实现场景图；

图2为本发明实施例中挖掘潜在客户的方法的流程示意图；

图3为本发明实施例中用户对指定网络平台的潜在点击次数预测示意图；

图4为本发明实施例中挖掘潜在客户的装置的结构示意图；

图5为本发明实施例中设备50的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，借贷平台在获取客户资源时，通常都是通过在媒体上投放广告或在线下开展推广活动等方式进行推广，这类推广方式由于都是直接面对大众，需要投入大量的资金，因此存在获客成本较高的技术问题。

为了解决上述技术问题，本发明实施例提出一种挖掘潜在客户的方法，该方法可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

本发明实施例在实现过程中，包括借贷网络平台与社交网络平台，具体参照图1，图1为本发明实施例中挖掘潜在客户的方法的实现场景图，在借贷网络平台需要获取潜在客户时，向社交网络平台发送获取潜在客户的请求，社交网络平台在接收到该请求后，在社交网络中挖掘出对借贷网络平台有需求的客户，并作为潜在客户反馈至上述借贷网络平台。

参照图2，图2为本发明实施例中挖掘潜在客户的方法的流程示意图，上述漫游网络的访问方法包括：

步骤201、根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值。

其中，社交网络中各个用户的交互记录包括用户通过社交网络发送和接收的各种信息、用户给其他用户添加的评论或留言、用户接收到其他用户添加的评论或留言等。

可以理解的是，在社交网络中，如果任意两个用户之间存在较为频繁的交互行为，则可以认为这两个用户的行为特征具有较高的相似度，当其中一个用户有借贷需求时，另一个用户也很有可能受其影响，产生借贷的需求。因此，本发明实施例中，可以根据社交网络中各个用户的交互记录，来确定各个用户之间的需求借鉴值。其中，两个用户之间的需求借鉴值可以理解为其中一个用户对另外一个用户的需求的影响程度，需求借鉴值越大，该用户对另外一个用户的需求的影响程度就越高。

步骤202、根据各个用户之间的需求借鉴值，计算各个用户对指定网络平台的潜在点击次数。

本发明实施例中，根据各个用户之间的需求借鉴值，即可以确定任意一个用户对其他用户的需求的影响程度，从而可以进一步确定任意一个用户对其他用户行为方式的影响程度。具体的，当确定某个用户在预置时间段内对指定网络平台的点击次数之后，即可以根据该用户与其他用户之间的需求借鉴值，预测出其他用户对指定网络平台的潜在点击次数。其中，潜在点击次数是指用户在预置时间段内可能对指定网络平台产生的点击次数。

步骤203、根据各个用户对指定网络平台的潜在点击次数，确定各个用户对指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

可以理解的是，用户对指定网络平台的潜在点击次数越高，说明该用户对该指定网络平台的需求度也就越高，因此，本发明实施例中可以根据各个用户对指定网络平台的潜在点击次数，来确定各个用户对指定网络平台的需求度。

其中，当任意用户对指定网络平台的需求度大于预设预置时，则可以将该用户确定为潜在客户，然后反馈至上述指定网络平台。

本发明实施例所提供的挖掘潜在客户的方法，包括：根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值，然后根据各个用户之间的需求借鉴值，计算各个用户对指定借贷平台的潜在点击次数，根据该潜在点击次数，确定各个用户对指定借贷平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。相较于现有技术而言，本发明实施例可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升了广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

进一步地，基于本发明上述实施例，本发明实施例中，上述步骤201中描述的根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值，具体包括以下步骤：

步骤一、利用预先采集的训练样本训练需求借鉴值计算模型。

具体的，训练需求借鉴值计算模型的过程如下：

a、采集训练样本：当用户i产生借贷行为后，在随后预设时间段(如30天)内，用户i的好友用户j也在同一个贷款平台产生了借贷行为，那么就认为用户j是受到用户i的影响才产生借贷行为的，这种情况下，用户i和用户j成为正样本，标记值(label)为1；其他不符合正样本定义的，则认为是负样本，标记值为0。

b、选择用户之间的共同特征：选择可能会影响用户之间需求借鉴值的特征，例如兴趣爱好，最常出现的场所，工作、性别、年龄等。

c、训练模型：利用采集的训练样本，以及选择的用户之间的共同特征，训练需求借鉴值计算模型，确定影响用户间的需求借鉴值的特征参数。其中，可以采用梯度提升树，xgboost(eXtreme Gradient Boosting，极值梯度提升)训练算法、LR(LogisticRegression，逻辑回归模型)、神经网络算法等进行训练。

步骤二、根据训练后的需求借鉴值计算模型与各个用户的交互记录，得到各个用户之间的需求借鉴值。

为了更好的理解本发明，本实施例提供一种计算第一用户与第二用户之间的需求借鉴值的过程，参照该过程即可计算得到各个用户之间的需求借鉴值，该过程具体包括：

一、分别获取第一用户在第一预设时间段内对第二用户的第一交互记录，以及对与第一用户互为好友关系的所有用户的第二交互记录。

其中，第一交互记录包括第一用户在第一预设时间段内对第二用户发送的信息量，第二交互记录包括第一用户对各个好友发送的信息总量。

二、基于第一交互记录与第二交互记录得到第一用户与第二用户之间的初始需求借鉴值。

其中，当第一用户与第二用户互为好友关系时，第一用户与第二用户之间的初始需求借鉴值等于第一交互记录与第二交互记录之比；当第一用户与第二用户不是好友关系时，第一用户与第二用户之间的初始需求借鉴值等于零。

三、利用训练后的需求借鉴值计算模型，以及第一用户与第二用户之间的初始需求借鉴值，通过迭代计算的方式计算第一用户与所述第二用户之间的需求借鉴值。

其中，利用以下公式计算第一用户与第二用户之间的需求借鉴值：

其中，i表示第一用户，j表示第二用户，w的初始值为0，Effect₀(i,j)表示第一用户与所述第二用户之间的初始需求借鉴值，n为第一用户的好友数量，k_s表示第一用户的第s个好友，P为预设的迭代有效系数，且取值区间为(0,1)，M(i,j)表示训练后的需求借鉴值计算模型中的特征参数，表示第一用户通过各个好友对第二用户产生的需求借鉴值，k_s≠j；

在每完成一次计算后，令w＝w+1，计算Effect_w+1(i,j)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的Effect_w+1(i,j)的值确定为所述第一用户与所述第二用户之间的需求借鉴值。其中，上述迭代停止条件为计算结果达到预设的收敛条件或迭代次数达到预设的迭代次数阈值(例如4次)。

本发明实施例所提供的挖掘潜在客户的方法，利用预先采集的训练样本训练需求借鉴值计算模型，基于各个用户的交互记录，得到各个用户之间的初始需求借鉴值，然后利用训练后的需求借鉴值计算模型，以及各个用户之间的初始需求借鉴值，通过迭代计算的方式即可得到各个用户之间的需求借鉴值，进而有助于预测各个用户对指定网络平台的需求度。

进一步地，基于本发明上述实施例，本发明实施例中，上述步骤202中描述的根据各个用户之间的需求借鉴值，计算各个用户对指定网络平台的潜在点击次数，具体包括以下步骤：

步骤一、根据各个用户在第二预设时间段内对所述指定网络平台的实际点击次数，确定各个用户对所述指定网络平台的初始点击次数。

具体的，确定各个用户对指定网络平台的初始点击次数的过程如下：

遍历各个用户，当遍历到的用户对指定网络平台的实际点击次数不为零时，将该实际点击次数确定为遍历到的用户的初始点击次数；当遍历到的用户对指定网络平台的实际点击次数为零时，利用已训练的点击量计算模型，确定遍历到的用户的初始点击次数。

其中，点击量计算模型的训练过程为：

a、采集训练样本：随机从对指定网络平台的实际点击次数不为零的用户中抽取一部分用户，作为为正样本；随机从对指定网络平台的实际点击次数为零的用户中抽取一部分用户，作为为负样本。

b、选择用户之间的共同特征：选择可能会影响用户点击次数的特征，例如兴趣爱好，浏览记录，每天的上网时长等。

c、训练模型：利用采集的训练样本，以及选择的用户之间的共同特征，训练点击量计算模型，确定影响用户点击次数的特征参数。其中，可以采用梯度提升树，xgboost训练算法、LR、神经网络算法等进行训练。

步骤二、遍历所述各个用户，基于遍历到的目标用户的初始点击次数、各个和目标用户互为好友关系的用户与目标用户之间的需求借鉴值、以及各个和目标用户互为好友关系的用户的初始点击次数，通过迭代计算的方式计算目标用户对指定网络平台的潜在点击次数。

为了更好的理解本发明实施例，请参照图3，图3为本发明实施例中用户对指定网络平台的潜在点击次数预测示意图。在图3中，假设用户i有好友x和好友y，则可以根据用户i的初始点击次数、好友x和好友y与目标用户之间的需求借鉴值、好友x和好友y的初始点击次数，通过迭代计算的方式计算用户i对指定网络平台的潜在点击次数。

具体的，利用以下公式计算所述目标用户对所述指定网络平台的潜在点击次数，

其中，i表示目标用户，w的初始值为0，C₀(i)表示目标用户的初始点击次数，n为目标用户的好友数量，k_s表示目标用户的第s个好友；H为预设的点击参数，当目标用户的初始点击次数不为零时，H＝1，目标用户的初始点击次数为零时，0<H<1；Effect(k_s,i)表示目标用户的好友k_s对目标用户产生的需求借鉴值，C(k_s)表示目标用户的好友k_s的潜在点击次数；

在每完成一次计算后，令w＝w+1，计算C_w+1(i)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的C_w+1(i)的值确定为所述目标用户对所述指定网络平台的潜在点击次数。其中，上述迭代停止条件为计算结果达到预设的收敛条件或迭代次数达到预设的迭代次数阈值(例如3次)。

本发明实施例所提供的挖掘潜在客户的方法，利用各个用户在第二预设时间段内对指定网络平台的实际点击次数，确定各个用户对指定网络平台的初始点击次数，然后遍历各个用户，基于遍历到的目标用户的初始点击次数、各个和目标用户互为好友关系的用户与目标用户之间的需求借鉴值、以及各个和目标用户互为好友关系的用户的初始点击次数，通过迭代计算的方式即可计算出目标用户对指定网络平台的潜在点击次数，进而可以根据各个用户对指定网络平台的潜在点击次数来确定各个用户对指定网络平台的需求度。

进一步地，基于本发明上述实施例，本发明实施例中，上述步骤203中描述的根据各个用户对指定网络平台的潜在点击次数，确定各个用户对指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户，具体包括以下步骤：

步骤一、基于已训练的需求度计算模型与各个用户对指定网络平台的潜在点击次数，确定各个用户的初始需求度，以及基于已训练的需求借鉴值权值计算模型与各个用户对指定网络平台的潜在点击次数，确定各个用户之间的需求借鉴值权值。

具体的，训练需求度计算模型的过程如下：

a、采集训练样本：当用户在预设时间段(如30天)内有至少一次借贷行为，则为正样本；当用户在预设时间段内没有任何借贷行为，则为负样本。

b、选择用户之间的共同特征：基于步骤202提供的计算方法，计算各个用户对每一个贷款平台的潜在点击次数，形成一个点击向量：

[贷款平台1：潜在点击次数

贷款平台2：潜在点击次数

……

贷款平台m：潜在点击次数]

c、训练模型：利用采集的训练样本，以及选择的用户之间的共同特征，训练需求度计算模型，确定影响用户初始需求度的特征参数。其中，可以采用梯度提升树，xgboost训练算法、LR、神经网络算法等训练模型。

进一步的，训练需求借鉴值权值计算模型的过程如下：

a、采集训练样本：当用户i和他的好友j在某个时间段(如30天)内都存在借贷行为，则认为用户i和用户j对贷款需求是一致的，为正样本；否则认为两人的贷款需求是不一致的，为负样本。

b、选择用户之间的共同特征：计算用户i和用户j对某个贷款平台的共同点击次数，形成一个点击向量：

[贷款平台1：用户i的潜在点击次数+用户j的潜在点击次数

贷款平台2：用户i的潜在点击次数+用户j的潜在点击次数

……

贷款平台m：用户i的潜在点击次数+用户j的潜在点击次数]

c、训练模型：利用采集的训练样本，以及选择的用户之间的共同特征，训练需求借鉴值权值计算模型，确定影响目标用户与各个互为好友关系的用户之间的需求借鉴值权值的特征参数。其中，可以采用梯度提升树，xgboost训练算法、LR、神经网络算法等进行训练。

步骤二、基于各个用户的初始需求度以及各个用户之间的需求借鉴值权值，计算各个用户对所述指定网络平台的需求度。

具体的，遍历各个用户，基于遍历到的目标用户的初始需求度、目标用户与各个互为好友关系的用户之间的需求借鉴值权值、以及各个与目标用户互为好友关系的用户的初始需求度，通过迭代计算的方式计算目标用户对指定网络平台的需求度。

其中，利用下述公式计算目标用户对指定网络平台的需求度，

其中，i表示目标用户，w的初始值为0，D₀(i)表示目标用户的初始需求度，n为目标用户的好友数量，k_s表示目标用户的第s个好友；SELF_P为预设的需求度参数，0<SELF_P<1；attengtion(k_s,i)表示目标用户与各个互为好友关系的用户k_s之间的需求借鉴值权值，D(k_s)表示各个与目标用户互为好友关系的用户k_s的初始需求度；

在每完成一次计算后，令w＝w+1，计算D_w+1(i)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的D_w+1(i)的值确定为所述目标用户对指定网络平台的需求度。其中，上述迭代停止条件为计算结果达到预设的收敛条件或迭代次数达到预设的迭代次数阈值。

本发明实施例所提供的挖掘潜在客户的方法，基于已训练的需求度计算模型、需求借鉴值权值计算模型及各个用户对指定网络平台的潜在点击次数，确定各个用户的初始需求度以及各个用户之间的需求借鉴值权值，进而计算出各个用户对指定网络平台的需求度，实现了从社交网络中挖掘出对借贷平台有需求的潜在客户的目的，通过定向的对有需求的用户投放广告，提升了广告投放的准确度，有效地降低了借贷平台的获客成本。

进一步地，请参阅图4，图4为本发明实施例中挖掘潜在客户的装置的结构示意图，上述装置包括：

第一确定模块401，用于根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值。

计算模块402，用于根据各个用户之间的需求借鉴值，计算各个用户对指定网络平台的潜在点击次数。

第二确定模块403，用于根据各个用户对指定网络平台的潜在点击次数，确定各个用户对指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

本发明实施例所提供的挖掘潜在客户的装置，可以实现：根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值，然后根据各个用户之间的需求借鉴值，计算各个用户对指定借贷平台的潜在点击次数，根据该潜在点击次数，确定各个用户对指定借贷平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。相较于现有技术而言，本发明实施例可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升了广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

可以理解的是，在本发明实施例中，上述挖掘潜在客户的装置可以是一种设备，请参阅图5，图5为本发明实施例中设备50的结构示意图。该设备50包括处理器501、存储器502和收发器503，存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供操作指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器(NVRAM)。

在一些实施方式中，存储器502存储了如下的元素：可执行模块或者数据结构，或者他们的子集，或者他们的扩展集。

在本发明实施例中，通过调用存储器502存储的操作指令(该操作指令可存储在操作系统中)，执行以下过程：根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值；根据各个用户之间的需求借鉴值，计算各个用户对指定网络平台的潜在点击次数；根据各个用户对指定网络平台的潜在点击次数，确定各个用户对指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

与现有技术相比，本发明实施例可以从社交网络中根据用户的交互记录，挖掘出对借贷平台有需求的客户，从而可以定向的对有需求的用户投放广告，提升了广告投放的准确度，因此能够有效地降低借贷平台的获客成本。

其中，处理器501控制设备50的操作，处理器501还可以称为CPU(CentralProcessing Unit，中央处理单元)。存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器(NVRAM)。具体的应用中设备50的各个组件通过总线系统504耦合在一起，其中总线系统504除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线系统504。

上述本发明实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成上述方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。

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的部分，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种挖掘潜在客户的方法、装置、设备及可读存储介质的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种挖掘潜在客户的方法，其特征在于，所述方法包括：

根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值；

根据所述需求借鉴值，计算各个用户对指定网络平台的潜在点击次数；

根据所述潜在点击次数，确定所述各个用户对所述指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

2.如权利要求1所述的方法，其特征在于，所述根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值的步骤包括：

利用预先采集的训练样本训练需求借鉴值计算模型；

根据训练后的需求借鉴值计算模型与所述各个用户的交互记录，得到各个用户之间的需求借鉴值。

3.如权利要求2所述的方法，其特征在于，所述根据训练后的需求借鉴值计算模型与所述各个用户的交互记录，得到各个用户之间的需求借鉴值的步骤包括：

分别获取第一用户在第一预设时间段内对第二用户的第一交互记录，以及对与所述第一用户互为好友关系的所有用户的第二交互记录；

基于所述第一交互记录与所述第二交互记录得到所述第一用户与所述第二用户之间的初始需求借鉴值；

利用训练后的需求借鉴值计算模型，以及所述初始需求借鉴值，通过迭代计算的方式计算所述第一用户与所述第二用户之间的需求借鉴值。

4.如权利要求3所述的方法，其特征在于，所述通过迭代计算的方式计算所述第一用户与所述第二用户之间的需求借鉴值的步骤包括：

利用以下公式计算所述第一用户与所述第二用户之间的需求借鉴值，

其中，i表示第一用户，j表示第二用户，w的初始值为0，Effect₀(i,j)表示第一用户与所述第二用户之间的初始需求借鉴值，n为第一用户的好友数量，k_s表示第一用户的第s个好友，P为预设的迭代有效系数，M(i,j)表示训练后的需求借鉴值计算模型中的特征参数，表示第一用户通过各个好友对第二用户产生的需求借鉴值，k_s≠j；

在每完成一次计算后，令w＝w+1，计算Effect_w+1(i,j)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的Effect_w+1(i,j)的值确定为所述第一用户与所述第二用户之间的需求借鉴值。

5.如权利要求1所述的方法，其特征在于，所述根据所述需求借鉴值，计算各个用户对指定网络平台的潜在点击次数的步骤包括：

根据各个用户在第二预设时间段内对所述指定网络平台的实际点击次数，确定各个用户对所述指定网络平台的初始点击次数；

遍历所述各个用户，基于遍历到的目标用户的初始点击次数、各个和所述目标用户互为好友关系的用户与所述目标用户之间的需求借鉴值、以及各个和所述目标用户互为好友关系的用户的初始点击次数，通过迭代计算的方式计算所述目标用户对所述指定网络平台的潜在点击次数。

6.如权利要求5所述的方法，其特征在于，所述根据各个用户在第二预设时间段内对所述指定网络平台的实际点击次数，确定各个用户对所述指定网络平台的初始点击次数的步骤包括：

当用户对所述指定网络平台的实际点击次数不为零时，将所述实际点击次数确定为所述用户的初始点击次数；

当用户对所述指定网络平台的实际点击次数为零时，利用已训练的点击量计算模型，确定所述用户的初始点击次数。

7.如权利要求5所述的方法，其特征在于，所述通过迭代计算的方式计算所述目标用户对所述指定网络平台的潜在点击次数的步骤包括：

利用以下公式计算所述目标用户对所述指定网络平台的潜在点击次数，

其中，i表示目标用户，w的初始值为0，C₀(i)表示目标用户的初始点击次数，n为目标用户的好友数量，k_s表示目标用户的第s个好友，H为预设的点击参数，Effect(k_s,i)表示目标用户的好友k_s对目标用户产生的需求借鉴值，C(k_s)表示目标用户的好友k_s的潜在点击次数；

在每完成一次计算后，令w＝w+1，计算C_w+1(i)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的C_w+1(i)的值确定为所述目标用户对所述指定网络平台的潜在点击次数。

8.如权利要求1所述的方法，其特征在于，所述根据所述潜在点击次数，确定所述各个用户对所述指定网络平台的需求度的步骤包括：

基于已训练的需求度计算模型与各个用户对指定网络平台的潜在点击次数，确定各个用户的初始需求度，以及基于已训练的需求借鉴值权值计算模型与各个用户对指定网络平台的潜在点击次数，确定各个用户之间的需求借鉴值权值；

基于各个用户的初始需求度以及各个用户之间的需求借鉴值权值，计算各个用户对所述指定网络平台的需求度。

9.如权利要求8所述的方法，其特征在于，所述基于各个用户的初始需求度以及各个用户之间的需求借鉴值权值，计算各个用户对所述指定网络平台的需求度的步骤包括：

遍历所述各个用户，基于遍历到的目标用户的初始需求度、目标用户与各个互为好友关系的用户之间的需求借鉴值权值、以及各个与目标用户互为好友关系的用户的初始需求度，通过迭代计算的方式计算所述目标用户对指定网络平台的需求度。

10.如权利要求9所述的方法，其特征在于，所述通过迭代计算的方式计算所述目标用户对指定网络平台的需求度的步骤包括：

利用下述公式计算所述目标用户对指定网络平台的需求度，

其中，i表示目标用户，w的初始值为0，D₀(i)表示目标用户的初始需求度，n为目标用户的好友数量，k_s表示目标用户的第s个好友，SELF_P为预设的需求度参数，attengtion(k_s,i)表示目标用户与互为好友关系的用户k_s之间的需求借鉴值权值，D(k_s)表示与目标用户互为好友关系的用户k_s的初始需求度；

在每完成一次计算后，令w＝w+1，计算D_w+1(i)的值，当计算结果满足预设的迭代停止条件时，将最近计算得到的D_w+1(i)的值确定为所述目标用户对指定网络平台的需求度。

11.一种挖掘潜在客户的装置，其特征在于，所述装置包括：

第一确定模块，用于根据社交网络中各个用户的交互记录，确定各个用户之间的需求借鉴值；

计算模块，用于根据所述需求借鉴值，计算各个用户对指定网络平台的潜在点击次数；

第二确定模块，用于根据所述潜在点击次数，确定所述各个用户对所述指定网络平台的需求度，并将需求度大于预设阈值的用户确定为潜在客户。

12.一种设备，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述计算机程序为挖掘潜在客户的程序，所述处理器执行所述计算机程序时，实现如权利要求1至10任意一项所述的挖掘潜在客户的方法中的各个步骤。

13.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序为挖掘潜在客户的程序，所述计算机程序被处理器执行时，实现如权利要求1至10任意一项所述的挖掘潜在客户的方法中的各个步骤。