CN110223104B - 一种基于大数据的客户模型构建系统 - Google Patents
一种基于大数据的客户模型构建系统 Download PDFInfo
- Publication number
- CN110223104B CN110223104B CN201910404714.1A CN201910404714A CN110223104B CN 110223104 B CN110223104 B CN 110223104B CN 201910404714 A CN201910404714 A CN 201910404714A CN 110223104 B CN110223104 B CN 110223104B
- Authority
- CN
- China
- Prior art keywords
- customer
- model
- module
- time
- 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.)
- Expired - Fee Related
Links
- 238000010276 construction Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 4
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 claims description 3
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 claims description 3
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims 1
- 238000005065 mining Methods 0.000 description 5
- 238000013523 data management Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据的客户模型构建系统,用于解决如何对客户信息进行筛选,去除干扰数据对系统的影响以及如何判断客户信息是否具备客户模型构建的条件和对客户等级进行分类的问题;包括数据采集模块、数据筛选模块、数据库、模型判断模块、模型构建模块、模型评估模块、清除模块、显示模块和输入模块;本发明通过数据采集模块采集客户信息,然后通过数据筛选模块对客户信息进行筛选,筛选出符合条件的客户信息并发送至数据库内进行存储;然后模型判断模块对客户信息进行判断其是否具备建立客户模块,将符合条件的客户信息发送至模型构建模块,通过模型构建模块对客户信息构建HWY客户模型。
Description
技术领域
本发明涉及客户模型构建技术领域,尤其涉及一种基于大数据的客户模型构建系统。
背景技术
客户价值模型是一个复杂的财务模型,但它可以表明与竞争产品相比,某个供应商能够提供的价值。客户价值模型的重要性和特色就在于:该模型是建立在彻底调查卖方产品所有的构成因素、尤其是卖方产品对其客户的成本构成和利润的影响的基础上。
一种数据挖掘系统和方法”公开了一种数据挖掘系统,包括数据管理服务器,其采用网页爬虫采集客户金融数据,并存储客户金融数据,以及对所述客户金融数据进行预处理;数据采集终端,用于向客户提供操作平台,实现客户金融数据管理;挖掘处理服务器,与所述数据采集终端和数据管理服务器连接,用于接受管理控制器的挖掘任务,调用挖掘工具,在指定的挖掘数据集上进行挖掘并得到客户价值得分和客户响应得分;存在的不足:一是数据采集的多,不能筛选出有效的数据;二是不能对客户信息进行判断,其是否可以建立客户模型;三是不能对客户信息进行合理的清除,确保去除无用的客户信息。 在专利“CN106407305A
发明内容
本发明的目的在于提供一种基于大数据的客户模型构建系统。
本发明所要解决的技术问题为:
(1)如何对客户信息进行筛选,去除干扰数据对系统的影响;
(2)如何判断客户信息是否具备客户模型构建的条件以及对客户等级进行分类;
(3)如何合理去除数据库内无用的客户信息,以便于保证合理存储。
本发明的目的可以通过以下技术方案实现:一种基于大数据的客户模型构建系统,包括数据采集模块、数据筛选模块、数据库、模型判断模块、模型构建模块、模型评估模块、清除模块、显示模块和输入模块;
所述数据采集模块用于采集客户信息;所述客户信息包括客户基本信息和客户消费信息;所述客户基本信息包括姓名、性别和联系电话;所述客户消费信息包括浏览产品的时间、与浏览产品对应的客服的交流次数和交流时间、购买产品时间及次数、购买产品及金额;所述数据采集模块将采集的客户信息发送至数据筛选模块;所述数据筛选模块用于对客户信息进行筛选,具体筛选步骤如下:
步骤一:对浏览产品的时间和购买产品时间进行筛选,设定预设时间阀值,通过系统当前时间与预设时间阀值计算时间范围;
步骤二:去除不在时间范围内的客户消费信息;得到筛选后的客户消费信息;
步骤三:对筛选后的客户消费信息进行处理,对其购买产品时间进行计算并分析得到正常客户;
S1:将购买产品的次数记为A1,浏览产品的时间与购买产品时间的差值标记为购买时间差,并记为Bi,i=1……n;与浏览产品对应的客服的交流次数记为A3;
S3:设定预设正常界限值为ZA;当Zi>ZA;则判断该客户为非正常客户;当Zi<ZA;则判断该客户为正常客户;
步骤四:将正常客户及正常客户对应的客户信息发送至数据库内存储;
所述模型判断模块用于对数据库内存储的客户信息判断其是否构建客户模型,模型判断模块的具体判断步骤如下:
SS1:获取客户购买产品的次数和金额并统计与浏览产品对应的客服的交流次数;
SS2:统计客户购买产品的总金额并记为Mi,i=1……n;
SS4:当模型构建值大于设定阀值,则产生“模型构建指令”;
SS5:将“模型构建指令”和对应的客户信息发送至模型构建模块;
所述模型构建模块用于对模型判断模块发送的“模型构建指令”和对应的客户信息构建HWY客户模型;所述模型构建模块的具体构建过程如下:
a:获取客户的浏览产品的时间及与与浏览产品对应的客服的交流次数;
b:统计客户的浏览产品的时间总和并将其标记为浏览总时间,记为T;
c:利用公式Y=T*k1+A3*k2-YA获取得到客户的购买欲望值Y;其中,k1、k2为预设固定值;YA为预设修正固定值;
d:利用公式W=Mi/D获取得到消费能力W;其中D为预设单位时间;
e:对客户购买的产品进行分类,设定对比产品分类库[F1,F2,……,Fn],F1表示第一小类;将客户购买的产品与对比分类数据库进行对比,匹配出对应的类别及该类别对应的购买产品个数;将购买产品个数记为m;按照购买产品个数由高到低进行组合,得到客户产品分类并记为H=[Fnm,……,Fn1];
f:将客户产品分类H、消费能力W、购买欲望值Y构建为HWY客户模型;
所述模型构建模块将构建的HWY客户模型发送至模型评估模块;所述模型评估模块用于对HWY客户模型的等级进行评估并将HWY客户模型及客户模型的等级发送至数据库内存储;
优选的,所述模型评估模块对客户模型的等级进行评估的具体步骤如下:
步骤一:输入要营销的产品种类;客户产品分类H与要营销的产品种类进行匹配;
步骤二:统计要营销的产品种类与客户产品分类H的共同种类并统计购买产品的个数m;对m进行求和得到共同种类总个数N;
步骤三:利用公式Q=N*u1+W*u2+Y*u3获取得到等级值Q;其中u1、u2、u3为预设比例系数;
步骤四:设定客户等级记为Li,i=1……6;其中,L1的取值范围为[0,p1);L2的取值范围为[p1,p2),依次类推,L6的取值范围为[p5,p6);且p1<p2<……<p6;
步骤五:将等级值Q与客户等级的取值范围进行匹配获取到等级值Q对应的客户等级Li;
优选的,所述清除模块用于对数据库内的客户信息进行定期清除;清除模块包括统计单元、计算单元和清除单元;所述统计单元用于统计客户信息的存储初始时间和客户信息构建HWY客户模型的次数;计算单元用于计算存储时间界限值,具体过程如下:
a:设定客户信息构建HWY客户模型的次数记为Ri;i=1……n
b:利用公式J=Ri*v1获取得到存储时间界限值J;
所述计算单元将计算的存储时间界限值J发送至清除单元,当存储初始时间加上存储时间界限值与系统当前时间相等,则清除单元该数据库内的客户信息;
优选的,所述显示模块用于显示数据库内HWY客户模型及客户基本信息;所述输入模块用于输入营销的产品种类;
本发明的有益效果:
(1)本发明通过数据采集模块采集客户信息,然后通过数据筛选模块对客户信息进行筛选,筛选出符合条件的客户信息并发送至数据库内进行存储;然后模型判断模块对客户信息进行判断其是否具备建立客户模块,将符合条件的客户信息发送至模型构建模块,通过模型构建模块对客户信息构建HWY客户模型,然后通过模型构建模块将构建的HWY客户模型发送至模型评估模块;模型评估模块用于对HWY客户模型的等级进行评估并将HWY客户模型及客户模型的等级发送至数据库内存储,完成客户模型构建;
(2)本发明通过数据筛选模块用对客户信息进行筛选,首先对浏览产品的时间和购买产品时间进行筛选,其次判断浏览产品的时间和购买产品时间是否在时间范围内;再次去除不在时间范围内的客户消费信息;购买产品时间进行计算并判断是否为正常客户;最后利用公式获取得到比较值Zi,超过预设购买次数界限值越多,比较值越大;购买时间差总和越小,比较值越大;与浏览产品对应的客服的交流次数越少,比较值越大;通过预设购买次数界限值、购买时间差总和以及与浏览产品对应的客服的交流次数,减少删单对系统的干扰;
(3)本发明通过模型判断模块对数据库内存储的客户信息判断其是否构建客户模型,利用公式获取得到模型构建值Gi;通过公式可得,客户购买产品的次数越多,模型的构建值越大;客户购买产品的总金额越大,模型的构建值越大;浏览产品对应的客服的交流次数越多,模型的构建值越大;通过客户购买产品的总金额、客户购买产品的次数以及浏览产品对应的客服的交流次数越多筛选出符合模型构建的条件,减少一些不符合条件的客户进行模型构建;
(4)本发明通过模型构建模块对模型判断模块发送的模型构建指令”和对应的客户信息构建HWY客户模型;利用公式Y=T*k1+A3*k2-YA获取得到客户的购买欲望值Y;客户的浏览产品的时间总和越大,购买欲望值越大;与浏览产品对应的客服的交流次数越多,购买欲望值越大;将客户产品分类H、消费能力W、购买欲望值Y构建为HWY客户模型;
(5)本发明通过模型评估模块对客户模型的等级进行评估,利用公式Q=N*u1+W*u2+Y*u3获取得到等级值Q;通过公式可得,与要营销的产品种类相同的个数越多,等级值越大;消费能力越大,等级值越大;购买欲望值越大,等级值越大;将等级值Q与客户等级的取值范围进行匹配获取到等级值Q对应的客户等级Li;客户等级越大,表示客户越优质;
(6)本发明通过清除模块对数据库内的客户信息进行定期清除;清除模块包括统计单元、计算单元和清除单元;计算单元用于计算存储时间界限值,利用公式J=Ri*v1获取得到存储时间界限值J;计算单元将计算的存储时间界限值J发送至清除单元,当存储初始时间加上存储时间界限值和预设基础存储期限与系统当前时间相等,则清除单元该数据库内的客户信息;通过统计构建HWY客户模型的次数对客户信息进行存储时间计算,构建HWY客户模型的次数越多,则存储的期限越长。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种基于大数据的客户模型构建系统的原理框图。
具体实施方式
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,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于大数据的客户模型构建系统,包括数据采集模块、数据筛选模块、数据库、模型判断模块、模型构建模块、模型评估模块、清除模块、显示模块和输入模块;
数据采集模块用于采集客户信息;客户信息包括客户基本信息和客户消费信息;客户基本信息包括姓名、性别和联系电话;客户消费信息包括浏览产品的时间、与浏览产品对应的客服的交流次数和交流时间、购买产品时间及次数、购买产品及金额;数据采集模块将采集的客户信息发送至数据筛选模块;数据筛选模块用于对客户信息进行筛选,具体筛选步骤如下:
步骤一:对浏览产品的时间和购买产品时间进行筛选,设定预设时间阀值,通过系统当前时间与预设时间阀值计算时间范围;
步骤二:去除不在时间范围内的客户消费信息;得到筛选后的客户消费信息;
步骤三:对筛选后的客户消费信息进行处理,对其购买产品时间进行计算并分析得到正常客户;
S1:将购买产品的次数记为A1,浏览产品的时间与购买产品时间的差值标记为购买时间差,并记为Bi,i=1……n;与浏览产品对应的客服的交流次数记为A3;
S2:利用比较公式获取得到比较值Zi,其中A4为预设购买次数界限值;j1、j2和j3为预设比例系数;通过公式可得,超过预设购买次数界限值越多,比较值越大;购买时间差总和越小,比较值越大;与浏览产品对应的客服的交流次数越少,比较值越大;通过预设购买次数界限值、购买时间差总和以及与浏览产品对应的客服的交流次数,减少删单对系统的干扰;
S3:设定预设正常界限值为ZA;当Zi>ZA;则判断该客户为非正常客户;当Zi<ZA;则判断该客户为正常客户;
步骤四:将正常客户及正常客户对应的客户信息发送至数据库内存储;
模型判断模块用于对数据库内存储的客户信息判断其是否构建客户模型,模型判断模块的具体判断步骤如下:
SS1:获取客户购买产品的次数和金额并统计与浏览产品对应的客服的交流次数;
SS2:统计客户购买产品的总金额并记为Mi,i=1……n;
SS3:利用公式获取得到模型构建值Gi;其中,h1、h2、h3均为预设比例固定系数;通过公式可得,客户购买产品的次数越多,模型的构建值越大;客户购买产品的总金额越大,模型的构建值越大;浏览产品对应的客服的交流次数越多,模型的构建值越大;通过客户购买产品的总金额、客户购买产品的次数以及浏览产品对应的客服的交流次数越多筛选出符合模型构建的条件,减少一些不符合条件的客户进行模型构建;
SS4:当模型构建值大于设定阀值,则产生“模型构建指令”;
SS5:将“模型构建指令”和对应的客户信息发送至模型构建模块;
模型构建模块用于对模型判断模块发送的“模型构建指令”和对应的客户信息构建HWY客户模型;模型构建模块的具体构建过程如下:
a:获取客户的浏览产品的时间及与与浏览产品对应的客服的交流次数;
b:统计客户的浏览产品的时间总和并将其标记为浏览总时间,记为T;
c:利用公式Y=T*k1+A3*k2-YA获取得到客户的购买欲望值Y;其中,k1、k2为预设固定值;YA为预设修正固定值;通过公式可得,客户的浏览产品的时间总和越大,购买欲望值越大;与浏览产品对应的客服的交流次数越多,购买欲望值越大;
d:利用公式W=Mi/D获取得到消费能力W;其中D为预设单位时间;
e:对客户购买的产品进行分类,设定对比产品分类库[F1,F2,……,Fn],F1表示第一小类;将客户购买的产品与对比分类数据库进行对比,匹配出对应的类别及该类别对应的购买产品个数;将购买产品个数记为m;按照购买产品个数由高到低进行组合,得到客户产品分类并记为H=[Fnm,……,Fn1];
f:将客户产品分类H、消费能力W、购买欲望值Y构建为HWY客户模型;
模型构建模块将构建的HWY客户模型发送至模型评估模块;模型评估模块用于对HWY客户模型的等级进行评估并将HWY客户模型及客户模型的等级发送至数据库内存储;数据库为大容量X5045的EEPROM存储器或大容量的存储设备;
模型评估模块对客户模型的等级进行评估的具体步骤如下:
步骤一:输入要营销的产品种类;客户产品分类H与要营销的产品种类进行匹配;
步骤二:统计要营销的产品种类与客户产品分类H的共同种类并统计购买产品的个数m;对m进行求和得到共同种类总个数N;
步骤三:利用公式Q=N*u1+W*u2+Y*u3获取得到等级值Q;其中u1、u2、u3为预设比例系数;通过公式可得,与要营销的产品种类相同的个数越多,等级值越大;消费能力越大,等级值越大;购买欲望值越大,等级值越大;
步骤四:设定客户等级记为Li,i=1……6;其中,L1的取值范围为[0,p1);L2的取值范围为[p1,p2),依次类推,L6的取值范围为[p5,p6);且p1<p2<……<p6;
步骤五:将等级值Q与客户等级的取值范围进行匹配获取到等级值Q对应的客户等级Li;
清除模块用于对数据库内的客户信息进行定期清除;清除模块包括统计单元、计算单元和清除单元;计算单元为MCU;通过MCU对存储时间界限值进行计算;统计单元用于统计客户信息的存储初始时间和客户信息构建HWY客户模型的次数;计算单元用于计算存储时间界限值,具体过程如下:
a:设定客户信息构建HWY客户模型的次数记为Ri;i=1……n;预设基础存储期限;
b:利用公式J=Ri*v1获取得到存储时间界限值J;
计算单元将计算的存储时间界限值J发送至清除单元,当存储初始时间加上存储时间界限值和预设基础存储期限与系统当前时间相等,则清除单元该数据库内的客户信息;通过统计构建HWY客户模型的次数对客户信息进行存储时间计算,构建HWY客户模型的次数越多,则存储的期限越长;
显示模块用于显示数据库内HWY客户模型及客户基本信息;输入模块用于输入营销的产品种类;显示模块为LED显示屏;输入模块为智能手机或平板电脑或PC;通过智能手机或平板电脑或PC输入输入营销的产品种类并发送至模型评估模块;
本发明的工作原理:通过数据采集模块采集客户信息,然后通过数据筛选模块对客户信息进行筛选,筛选出符合条件的客户信息并发送至数据库内进行存储;然后模型判断模块对客户信息进行判断其是否具备建立客户模块,将符合条件的客户信息发送至模型构建模块,通过模型构建模块对客户信息构建HWY客户模型,然后通过模型构建模块将构建的HWY客户模型发送至模型评估模块;模型评估模块用于对HWY客户模型的等级进行评估并将HWY客户模型及客户模型的等级发送至数据库内存储,完成客户模型构建;数据筛选模块用于对客户信息进行筛选,首先对浏览产品的时间和购买产品时间进行筛选,其次判断浏览产品的时间和购买产品时间是否在时间范围内;再次去除不在时间范围内的客户消费信息;购买产品时间进行计算并判断是否为正常客户;最后利用公式获取得到比较值Zi,超过预设购买次数界限值越多,比较值越大;购买时间差总和越小,比较值越大;与浏览产品对应的客服的交流次数越少,比较值越大;通过预设购买次数界限值、购买时间差总和以及与浏览产品对应的客服的交流次数,减少删单对系统的干扰;将正常客户及正常客户对应的客户信息发送至数据库内存储;模型判断模块用于对数据库内存储的客户信息判断其是否构建客户模型,利用公式获取得到模型构建值Gi;通过公式可得,客户购买产品的次数越多,模型的构建值越大;客户购买产品的总金额越大,模型的构建值越大;浏览产品对应的客服的交流次数越多,模型的构建值越大;通过客户购买产品的总金额、客户购买产品的次数以及浏览产品对应的客服的交流次数越多筛选出符合模型构建的条件,减少一些不符合条件的客户进行模型构建;模型构建模块用于对模型判断模块发送的模型构建指令”和对应的客户信息构建HWY客户模型;利用公式Y=T*k1+A3*k2-YA获取得到客户的购买欲望值Y;客户的浏览产品的时间总和越大,购买欲望值越大;与浏览产品对应的客服的交流次数越多,购买欲望值越大;将客户产品分类H、消费能力W、购买欲望值Y构建为HWY客户模型;模型评估模块对客户模型的等级进行评估,利用公式Q=N*u1+W*u2+Y*u3获取得到等级值Q;通过公式可得,与要营销的产品种类相同的个数越多,等级值越大;消费能力越大,等级值越大;购买欲望值越大,等级值越大;将等级值Q与客户等级的取值范围进行匹配获取到等级值Q对应的客户等级Li;客户等级越大,表示客户越优质;清除模块用于对数据库内的客户信息进行定期清除;清除模块包括统计单元、计算单元和清除单元;计算单元用于计算存储时间界限值,利用公式J=Ri*v1获取得到存储时间界限值J;计算单元将计算的存储时间界限值J发送至清除单元,当存储初始时间加上存储时间界限值和预设基础存储期限与系统当前时间相等,则清除单元该数据库内的客户信息;通过统计构建HWY客户模型的次数对客户信息进行存储时间计算,构建HWY客户模型的次数越多,则存储的期限越长。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种基于大数据的客户模型构建系统,其特征在于,包括数据采集模块、数据筛选模块、数据库、模型判断模块、模型构建模块、模型评估模块、清除模块、显示模块和输入模块;
所述数据采集模块用于采集客户信息;所述客户信息包括客户基本信息和客户消费信息;所述客户基本信息包括姓名、性别和联系电话;所述客户消费信息包括浏览产品的时间、与浏览产品对应的客服的交流次数和交流时间、购买产品时间及次数、购买产品及金额;所述数据采集模块将采集的客户信息发送至数据筛选模块;所述数据筛选模块用于对客户信息进行筛选,具体筛选步骤如下:
步骤一:对浏览产品的时间和购买产品时间进行筛选,设定预设时间阀值,通过系统当前时间与预设时间阀值计算时间范围;
步骤二:去除不在时间范围内的客户消费信息;得到筛选后的客户消费信息;
步骤三:对筛选后的客户消费信息进行处理,对其购买产品时间进行计算并分析得到正常客户;
S1:将购买产品的次数记为A1,浏览产品的时间与购买产品时间的差值标记为购买时间差,并记为Bi,i=1……n;与浏览产品对应的客服的交流次数记为A3;
S3:设定预设正常界限值为ZA;当Zi>ZA;则判断该客户为非正常客户;当Zi<ZA;则判断该客户为正常客户;
步骤四:将正常客户及正常客户对应的客户信息发送至数据库内存储;
所述模型判断模块用于对数据库内存储的客户信息判断其是否构建客户模型,模型判断模块的具体判断步骤如下:
SS1:获取客户购买产品的次数和金额并统计与浏览产品对应的客服的交流次数;
SS2:统计客户购买产品的总金额并记为Mi,i=1……n;
SS4:当模型构建值大于设定阀值,则产生“模型构建指令”;
SS5:将“模型构建指令”和对应的客户信息发送至模型构建模块;
所述模型构建模块用于对模型判断模块发送的“模型构建指令”和对应的客户信息构建HWY客户模型;所述模型构建模块的具体构建过程如下:
a:获取客户的浏览产品的时间及与与浏览产品对应的客服的交流次数;
b:统计客户的浏览产品的时间总和并将其标记为浏览总时间,记为T;
c:利用公式Y=T*k1+A3*k2-YA获取得到客户的购买欲望值Y;其中,k1、k2为预设固定值;YA为预设修正固定值;
d:利用公式W=Mi/D获取得到消费能力W;其中D为预设单位时间;
e:对客户购买的产品进行分类,设定对比产品分类库[F1,F2,……,Fn],F1表示第一小类;将客户购买的产品与对比分类数据库进行对比,匹配出对应的类别及该类别对应的购买产品个数;将购买产品个数记为m;按照购买产品个数由高到低进行组合,得到客户产品分类并记为H=[Fnm,……,Fn1];
f:将客户产品分类H、消费能力W、购买欲望值Y构建为HWY客户模型;
所述模型构建模块将构建的HWY客户模型发送至模型评估模块;所述模型评估模块用于对HWY客户模型的等级进行评估并将HWY客户模型及客户模型的等级发送至数据库内存储。
2.根据权利要求1所述的一种基于大数据的客户模型构建系统,其特征在于,所述模型评估模块对客户模型的等级进行评估的具体步骤如下:
步骤一:输入要营销的产品种类;客户产品分类H与要营销的产品种类进行匹配;
步骤二:统计要营销的产品种类与客户产品分类H的共同种类并统计购买产品的个数m;对m进行求和得到共同种类总个数N;
步骤三:利用公式Q=N*u1+W*u2+Y*u3获取得到等级值Q;其中u1、u2、u3为预设比例系数;
步骤四:设定客户等级记为Li,i=1……6;其中,L1的取值范围为[0,p1);L2的取值范围为[p1,p2),依次类推,L6的取值范围为[p5,p6);且p1<p2<……<p6;
步骤五:将等级值Q与客户等级的取值范围进行匹配获取到等级值Q对应的客户等级Li。
3.根据权利要求1所述的一种基于大数据的客户模型构建系统,其特征在于,所述清除模块用于对数据库内的客户信息进行定期清除;清除模块包括统计单元、计算单元和清除单元;所述统计单元用于统计客户信息的存储初始时间和客户信息构建HWY客户模型的次数;计算单元用于计算存储时间界限值,具体过程如下:
a:设定客户信息构建HWY客户模型的次数记为Ri;i=1……n
b:利用公式J=Ri*v1获取得到存储时间界限值J;
所述计算单元将计算的存储时间界限值J发送至清除单元,当存储初始时间加上存储时间界限值与系统当前时间相等,则清除单元该数据库内的客户信息。
4.根据权利要求1所述的一种基于大数据的客户模型构建系统,其特征在于,所述显示模块用于显示数据库内HWY客户模型及客户基本信息;所述输入模块用于输入营销的产品种类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404714.1A CN110223104B (zh) | 2019-05-11 | 2019-05-11 | 一种基于大数据的客户模型构建系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404714.1A CN110223104B (zh) | 2019-05-11 | 2019-05-11 | 一种基于大数据的客户模型构建系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223104A CN110223104A (zh) | 2019-09-10 |
CN110223104B true CN110223104B (zh) | 2020-06-09 |
Family
ID=67821307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910404714.1A Expired - Fee Related CN110223104B (zh) | 2019-05-11 | 2019-05-11 | 一种基于大数据的客户模型构建系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223104B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113360733A (zh) * | 2021-06-17 | 2021-09-07 | 林宏佳 | 基于人工智能的人才数据标签分类方法、系统及云平台 |
CN113822596B (zh) * | 2021-10-12 | 2023-08-29 | 深圳市单仁牛商科技股份有限公司 | 基于大数据的客户筛选方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975640A (zh) * | 2016-07-04 | 2016-09-28 | 吴本刚 | 一种大数据质量管理与有用数据挖掘装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080222004A1 (en) * | 2007-03-06 | 2008-09-11 | Verety, Llc | Order Entry Graphical User Interface |
CN105354208A (zh) * | 2015-09-21 | 2016-02-24 | 江苏讯狐信息科技有限公司 | 一种大数据信息挖掘方法 |
CN107193855A (zh) * | 2016-12-30 | 2017-09-22 | 杭州博采网络科技股份有限公司 | 一种数据分析系统及方法 |
-
2019
- 2019-05-11 CN CN201910404714.1A patent/CN110223104B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975640A (zh) * | 2016-07-04 | 2016-09-28 | 吴本刚 | 一种大数据质量管理与有用数据挖掘装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110223104A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102789618B (zh) | 生成市场景气指数的监测系统及方法 | |
CN111028050B (zh) | 一种基于数据驱动的异常投标行为检测评估方法及系统 | |
CN107301592A (zh) | 用于商品替代品发掘的方法及装置 | |
CN108090712B (zh) | 一种分析业务异常的方法及装置 | |
Jiang et al. | An empirical comparison of market efficiency: Electronic marketplaces vs. traditional retail formats | |
CN110223104B (zh) | 一种基于大数据的客户模型构建系统 | |
CN113744016A (zh) | 一种对象推荐方法及装置、设备、存储介质 | |
CN110109901A (zh) | 筛选目标对象的方法和装置 | |
CN112511846A (zh) | 基于大数据的电子商务直播处理方法及网络安全直播平台 | |
CN114820140A (zh) | 基于大数据分析的家具全链路数字化运营系统 | |
CN116127184A (zh) | 产品的推荐方法及装置、非易失性存储介质、电子设备 | |
CN113592519A (zh) | 一种利于企业发展的市场营销数据分析评估系统 | |
CN114372823A (zh) | 企业供应链管理方法 | |
CN103309885A (zh) | 一种在电子交易平台中识别特征用户的方法及装置和搜索方法及装置 | |
CN109919667A (zh) | 一种用于识别企业ip的方法和装置 | |
CN105447117A (zh) | 一种用户聚类的方法和装置 | |
CN117314573A (zh) | 一种基于用户匹配的网络营销系统 | |
CN110322319A (zh) | 一种用户评价的电商平台自动推荐方法 | |
CN113095914B (zh) | 一种电子商务平台订单管理方法、系统、设备和计算机存储介质 | |
US20210073840A1 (en) | Multi-layered system for heterogeneous pricing decisions by continuously learning market and hotel dynamics | |
CN114971083A (zh) | 一种货物购买预测出售的方法 | |
CN113052381A (zh) | 一种基于大数据的电子商务营销及管理系统 | |
CN110781177A (zh) | 一种电能表用电信息整理方法、装置及可读存储介质 | |
JP7498503B2 (ja) | 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムとその動作方法 | |
Heo | Product bundling, joint markups and trade liberalization |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 310000 1-206, 206M, 5g Innovation Park, 1818-1 Wenyi West Road, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: ZHEJIANG HUAKUN DAOWEI DATA TECHNOLOGY Co.,Ltd. Address before: 310016 Room 2404, Building A, Hualian Times Building, Jianggan District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG HUAKUN DAOWEI DATA TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200609 |
|
CF01 | Termination of patent right due to non-payment of annual fee |