CN110968790A - 基于大数据的潜在客户智能推荐方法、设备和存储介质 - Google Patents

基于大数据的潜在客户智能推荐方法、设备和存储介质 Download PDF

Info

Publication number
CN110968790A
CN110968790A CN201911314620.1A CN201911314620A CN110968790A CN 110968790 A CN110968790 A CN 110968790A CN 201911314620 A CN201911314620 A CN 201911314620A CN 110968790 A CN110968790 A CN 110968790A
Authority
CN
China
Prior art keywords
common
customers
information set
user
total number
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.)
Granted
Application number
CN201911314620.1A
Other languages
English (en)
Other versions
CN110968790B (zh
Inventor
胡小程
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.)
Qichacha Technology Co ltd
Original Assignee
Suzhou Longdong Network 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 Suzhou Longdong Network Technology Co ltd filed Critical Suzhou Longdong Network Technology Co ltd
Priority to CN201911314620.1A priority Critical patent/CN110968790B/zh
Publication of CN110968790A publication Critical patent/CN110968790A/zh
Application granted granted Critical
Publication of CN110968790B publication Critical patent/CN110968790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明揭示了一种基于大数据的潜在客户智能推荐方法、设备和存储介质，所述方法包括：获取待推荐用户的已知客户集合，从企业信息数据库中获取所述已知客户集合中每个已知客户的多个维度的特征，得到第一信息集合；提取所述第一信息集合中的共同特征，得到共同信息集合；从所述企业信息数据库中筛选符合所述共同信息集合的潜在客户，推荐给所述用户。与现有技术相比，本发明基于大数据的潜在客户智能推荐方法，能够自动对用户现有客户的共同特征进行提炼，筛选符合提炼后共同特征的企业，作为潜在客户，推荐给用户，推荐的潜在客户范围广且准确率高。

Description

基于大数据的潜在客户智能推荐方法、设备和存储介质
技术领域
本发明涉及互联网技术领域，特别是涉及一种基于大数据的潜在客户智能推荐方法、设备和存储介质。
背景技术
企业的潜在客户指的是有购买意向同时又具有购买力、但没有与企业发生交易关系的人或是法人。目前企业想要寻找潜在客户，一般通过网络进行查找，网络的相关信息数据量巨大，查找起来费心费力，而且准确率还很低。
发明内容
本发明的目的在于提供一种基于大数据的潜在客户智能推荐方法、设备和存储介质。
为实现上述发明目的之一，本发明一实施方式提供一种基于大数据的潜在客户智能推荐方法，所述方法包括：
获取待推荐用户的已知客户集合，从企业信息数据库中获取所述已知客户集合中每个已知客户的多个维度的特征，得到第一信息集合；
提取所述第一信息集合中的共同特征，得到共同信息集合；
从所述企业信息数据库中筛选符合所述共同信息集合的潜在客户，推荐给所述用户。
作为本发明一实施方式的进一步改进，所述“提取所述第一信息集合中的共同特征，得到共同信息集合”具体包括：
统计所述已知客户集合中的客户总数；
当所述客户总数大于或等于第三阈值时，提取所述第一信息集合中重复次数大于或等于客户总数/4的特征，作为第一共同特征，若所述第一共同特征的总数大于或等于第一阈值，选取N个第一共同特征，得到共同信息集合。
作为本发明一实施方式的进一步改进，所述“选取N个第一共同特征”具体包括：
根据每个第一共同特征的权重，选取权重排名前N的第一共同特征。
作为本发明一实施方式的进一步改进，所述特征的权重的确定方法包括：
赋予每个特征一个权重初始值；
根据历史记录中待推荐用户对于推荐的潜在客户的反馈，在所述权重初始值的基础上，向上或者向下调整所述潜在客户对应的共同特征的权重。
作为本发明一实施方式的进一步改进，所述方法还包括：
当所述客户总数小于第三阈值时，或所述第一共同特征的总数小于第一阈值时，选取所述第一信息集合中重复次数大于1的特征作为第二共同特征，若所述第二共同特征的总数大于或等于第一阈值，选取N个第二共同特征，得到共同信息集合。
作为本发明一实施方式的进一步改进，所述方法还包括：
若所述第二共同特征的总数小于所述第一阈值，获取所述已知客户集合的竞争企业集合；
从所述企业信息数据库中获取所述竞争企业集合中每个竞争企业的特征，加入所述第一信息集合中，得到第二信息集合；
提取所述第二信息集合中的共同特征，得到共同信息集合。
作为本发明一实施方式的进一步改进，所述“获取待推荐用户的已知客户集合”具体包括：
所述待推荐用户为客户端的已注册用户，获取所述已注册用户的订阅客户，若所述订阅客户的总数大于或等于第二阈值，所述订阅客户的集合即为已知客户集合；
若所述订阅客户的总数小于所述第二阈值，获取所述订阅客户的竞争客户，所述订阅客户和竞争客户的集合即为已知客户集合。
作为本发明一实施方式的进一步改进，所述方法还包括：
根据所述用户对于潜在客户的反馈，提取所述潜在客户的共同特征，加入所述共同信息集合，得到新的共同信息集合；
从所述企业信息数据库中筛选符合所述新的共同信息集合的潜在客户，再次推荐给所述用户。
为实现上述发明目的之一，本发明一实施方式提供一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任意一项所述基于大数据的潜在客户智能推荐方法中的步骤。
为实现上述发明目的之一，本发明一实施方式提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述基于大数据的潜在客户智能推荐方法中的步骤。
与现有技术相比，本发明基于大数据的潜在客户智能推荐方法，能够自动对用户现有客户的共同特征进行提炼，筛选符合提炼后共同特征的企业，作为潜在客户，推荐给用户，推荐的潜在客户范围广且准确率高。同时还能够基于用户对于推荐的潜在客户的反馈，循环提炼共同特征并筛选出符合共同特征的企业推荐给用户，推荐的潜在客户的准确率越来越高。
附图说明
图1是本发明基于大数据的潜在客户智能推荐方法的流程示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示，本发明提供一种基于大数据的潜在客户智能推荐方法，所述方法能够根据待推荐用户的已知客户信息，智能的为所述用户推荐潜在客户，推荐的潜在客户范围广且准确率高。所述方法包括如下：
步骤S100：获取待推荐用户的已知客户集合，从企业信息数据库中获取所述已知客户集合中每个已知客户的多个维度的特征，得到第一信息集合。
首先需要获取待推荐用户的已知客户(或称为现有客户)，获取已知客户的方式有多种，在一个优选的实施方式中，所述待推荐用户为客户端的已注册用户，获取所述已注册用户的订阅客户，即为获取待推荐用户的已知客户。
如果所述订阅客户的总数大于或等于第二阈值，所述订阅客户的集合即为已知客户集合。如果所述订阅客户的总数小于所述第二阈值，获取所述订阅客户的竞争客户，所述订阅客户和竞争客户的集合即为已知客户集合。
例如假设所述第二阈值为5，当待推荐用户的订阅客户的数量为3，且分别是A、B和C时，获取订阅客户A、B、C的竞争客户(竞争企业)D、E、F，所述已知客户集合即为{A,B,C,D,E,F}。需要说明的是，所述竞争客户是指与所述订阅客户有竞争关系的企业。所述企业与企业的竞争关系也可以存入所述企业信息数据库中。
所述企业信息数据库中录入了多个企业的信息，每个企业的信息划分成多个特征信息，比如行业特征、区域特征、产品特征等，存入在所述企业信息数据库中。在大数据时代，能获取到的企业的数量非常庞大，企业划分的特征也非常多，因此所述企业信息数据库的数据量在百万、千万甚至数亿以上。
在获取到已知客户集合后，从企业信息数据库中获取所述已知客户集合中每个已知客户的多个维度的特征，得到第一信息集合。所述第一信息集合可以参考下表1中特征列的数据。表1中已知客户集合中的客户为苏州XX自动化有限公司、上海XX大数据有限公司和南京XX人工智能有限公司，从企业信息数据库中获取这三家公司的多个维度的特征。
Figure BDA0002325512830000041
Figure BDA0002325512830000051
表1
步骤S200：提取所述第一信息集合中的共同特征，得到共同信息集合。
所述共同信息集合可以参考上表1的共同特征列的数据。所述步骤S200具体包括：
步骤S210：统计所述已知客户集合中的客户总数。
步骤S220：当所述客户总数大于或等于第三阈值时，提取所述第一信息集合中重复次数大于或等于客户总数/4的特征，作为第一共同特征，若所述第一共同特征的总数大于或等于第一阈值，选取N个第一共同特征，得到共同信息集合。
所述第三阈值大于所述第二阈值，优选是大于或等于12的一个正整数，客户总数/4为向下取整，即如果客户总数为13，则客户总数/4为3。当客户总数比较大时(大于第三阈值)，选取重复次数大于或等于客户总数/4的特征为第一共同特征，此时如果获取的第一共同特征比较多(大于或等于第一阈值)，则选取N个第二共同特征，得到共同信息集合。
需要说明的是，N是小于或等于所述第一阈值的正整数。另外，重复次数的计算可以参考表1，例如表1中“行业为人工智能”的这个特征的重复次数为2。
步骤S230：当所述客户总数小于第三阈值，或所述第一共同特征的总数小于第一阈值时，选取所述第一信息集合中重复次数大于1的特征作为第二共同特征，若所述第二共同特征的总数大于或等于第一阈值，选取N个第二共同特征，得到共同信息集合。
当客户总数比较小时(小于第三阈值)，或者所述第一共同特征的总数小于第一阈值时，选取所述第一信息集合中重复次数大于1的特征作为第二共同特征，若所述第二共同特征的总数大于或等于第一阈值，选取N个第二共同特征，得到共同信息集合。例如若客户总数为16(假设此时大于第三阈值)，获取的重复次数大于或等于4的共同特征的总数比较少时，需要获取重复次数大于1的共同特征。或者当客户总数为6(假设此时小于第三阈值)，直接获取重复次数大于1的共同特征，得到共同信息集合。
步骤S240：若所述第二共同特征的总数小于所述第一阈值，扩大所述已知客户集合，重新获取共同信息集合。
若所述第二共同特征的总数小于所述第一阈值，获取所述已知客户集合的竞争企业集合。从所述企业信息数据库中获取所述竞争企业集合中每个竞争企业的特征，加入所述第一信息集合中，得到第二信息集合；提取所述第二信息集合中的共同特征，得到共同信息集合。
在一个优选的实施方式中，所述“选取N个第一/第二共同特征”具体包括：
根据每个第一/第二共同特征的权重，选取权重排名前N的第一/第二共同特征。其中，确定特征权重的方法有多种，可以直接赋予每个特征一个初始权重。
在一个优选的实施方式中，所述特征的权重的确定方法包括：
赋予每个特征一个权重初始值；
根据历史记录中待推荐用户对于推荐的潜在客户的反馈，在所述权重初始值的基础上，向上或者向下调整所述潜在客户对应的共同特征的权重。即当推荐给用户的潜在客户有用户需要的，则所述共同特征中每个特征的权重都向上调整，而对于推荐给用户的潜在客户没有用户需要的，则所述共同特征中每个特征的权重都向下调整。举一个简单的例子，对于通过共同特征A和B筛选到的潜在客户1和2，用户反馈潜在客户1和2是它需要的，则向上调整共同特征A和B的权重，如果用户反馈潜在客户1和2不是它想要的，则向下调整共同特征A和B的权重。
需要说明的是，判断潜在客户是否是用户需要的，可以是用户订阅或关注推荐给它的潜在客户。
步骤S300：从所述企业信息数据库中筛选符合所述共同信息集合的潜在客户，推荐给所述用户。
例如共同信息集合中的共同特征为特征A、特征B和特征C，在所述企业信息数据库中筛选符合这三个特征的企业，作为潜在客户，推荐给用户。需要说明的是，当从数据库中筛选到的企业比较多时，可以选取部分企业推荐给用户，也可以将所有筛选的企业分批推荐给用户。
在一个优选的实施方式中，所述方法还包括：
根据所述用户对于潜在客户的反馈，提取所述潜在客户的共同特征，加入所述共同信息集合，得到新的共同信息集合；
从所述企业信息数据库中筛选符合所述新的共同信息集合的潜在客户，再次推荐给所述用户。
需要说明的是，对于潜在客户的反馈，分为正向和负向两种，正向代表用户认为推荐给它的潜在客户是需要的，负向代表用户认为推荐给它的潜在客户不是它需要的。对于被给出正向反馈的多个潜在客户，提取它们的共同特征，加入到所述共同信息集合，得到新的共同信息集合；对于被给出负向反馈的多个潜在客户，提取它们的共同特征，将不满足这些共同特征作为一个筛选条件，加入所述共同信息集合中，得到新的共同信息集合。
需要说明的是，可以只将得到正向反馈的潜在客户的共同特征加入所述共同信息集合，也可以只将得到负向反馈的潜在客户的共同特征排除项加入所述共同信息集合，还可以同时将这两类共同特征加入所述共同信息集合。
然后从所述企业信息数据库中筛选符合所述新的共同信息集合的潜在客户，再次推荐给所述用户。这个过程可以一直循环，每次循环，给用户推荐的潜在客户的准确率都会提高。
需要说明的是，对于被给出正向反馈的多个潜在客户，提取它们的共同特征后，可以向上调整这些共同特征各自的权重，而对于被给出负向反馈的多个潜在客户，提取它们的共同特征后，可以向下调整这些共同特征各自的权重。
举一个简单的例子，共同信息集合包括共同特征A、B、C，通过共同特征ABC，找到潜在客户1、2、3和4，潜在客户1和2是用户需要的，且潜在客户1和2的共同特征是特征D，潜在客户3个4不是用户需要的，且潜在客户3和4的共同特征是特征E，则将特征D和非特征E加入所述共同信息集合，得到新的共同信息集合：A、B、C、D和非E，在企业信息数据库中筛选同时符合特征A、B、C、D，且不符合特征E的企业，作为潜在客户，推荐给用户。用户对于给出的潜在客户，又会有一个反馈，可以根据用户的反馈，循环给用户推荐潜在客户。本发明基于大数据的潜在客户智能推荐方法，能够自动对用户现有客户的共同特征进行提炼，筛选符合提炼后共同特征的企业，作为潜在客户，推荐给用户，推荐的潜在客户范围广且准确率高。同时还能够基于用户对于推荐的潜在客户的反馈，循环提炼共同特征并筛选出符合共同特征的企业推荐给用户，推荐的潜在客户的准确率越来越高。
本发明基于大数据的潜在客户智能推荐方法，还能够基于用户订阅的客户信息，定期给用户推送满足客户预期的潜在客户信息。
本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述基于大数据的潜在客户智能推荐方法中的任意一个步骤，也就是说，实现上述所述基于大数据的潜在客户智能推荐方法中任意一个技术方案中的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述基于大数据的潜在客户智能推荐方法中的任意一个步骤，也就是说，实现上述所述基于大数据的潜在客户智能推荐方法中的任意一个技术方案中的步骤。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的潜在客户智能推荐方法，其特征在于，所述方法包括：
获取待推荐用户的已知客户集合，从企业信息数据库中获取所述已知客户集合中每个已知客户的多个维度的特征，得到第一信息集合；
提取所述第一信息集合中的共同特征，得到共同信息集合；
从所述企业信息数据库中筛选符合所述共同信息集合的潜在客户，推荐给所述用户。
2.根据权利要求1所述基于大数据的潜在客户智能推荐方法，其特征在于，所述“提取所述第一信息集合中的共同特征，得到共同信息集合”具体包括：
统计所述已知客户集合中的客户总数；
当所述客户总数大于或等于第三阈值时，提取所述第一信息集合中重复次数大于或等于客户总数/4的特征，作为第一共同特征，若所述第一共同特征的总数大于或等于第一阈值，选取N个第一共同特征，得到共同信息集合。
3.根据权利要求2所述基于大数据的潜在客户智能推荐方法，其特征在于，所述“选取N个第一共同特征”具体包括：
根据每个第一共同特征的权重，选取权重排名前N的第一共同特征。
4.根据权利要求3所述基于大数据的潜在客户智能推荐方法，其特征在于，所述特征的权重的确定方法包括：
赋予每个特征一个权重初始值；
根据历史记录中待推荐用户对于推荐的潜在客户的反馈，在所述权重初始值的基础上，向上或者向下调整所述潜在客户对应的共同特征的权重。
5.根据权利要求2所述基于大数据的潜在客户智能推荐方法，其特征在于，所述方法还包括：
当所述客户总数小于第三阈值时，或所述第一共同特征的总数小于第一阈值时，选取所述第一信息集合中重复次数大于1的特征作为第二共同特征，若所述第二共同特征的总数大于或等于第一阈值，选取N个第二共同特征，得到共同信息集合。
6.根据权利要求5所述基于大数据的潜在客户智能推荐方法，其特征在于，所述方法还包括：
若所述第二共同特征的总数小于所述第一阈值，获取所述已知客户集合的竞争企业集合；
从所述企业信息数据库中获取所述竞争企业集合中每个竞争企业的特征，加入所述第一信息集合中，得到第二信息集合；
提取所述第二信息集合中的共同特征，得到共同信息集合。
7.根据权利要求1所述基于大数据的潜在客户智能推荐方法，其特征在于，所述“获取待推荐用户的已知客户集合”具体包括：
所述待推荐用户为客户端的已注册用户，获取所述已注册用户的订阅客户，若所述订阅客户的总数大于或等于第二阈值，所述订阅客户的集合即为已知客户集合；
若所述订阅客户的总数小于所述第二阈值，获取所述订阅客户的竞争客户，所述订阅客户和竞争客户的集合即为已知客户集合。
8.根据权利要求1所述基于大数据的潜在客户智能推荐方法，其特征在于，所述方法还包括：
根据所述用户对于潜在客户的反馈，提取所述潜在客户的共同特征，加入所述共同信息集合，得到新的共同信息集合；
从所述企业信息数据库中筛选符合所述新的共同信息集合的潜在客户，再次推荐给所述用户。
9.一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8任意一项所述基于大数据的潜在客户智能推荐方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任意一项所述基于大数据的潜在客户智能推荐方法中的步骤。
CN201911314620.1A 2019-12-19 2019-12-19 基于大数据的潜在客户智能推荐方法、设备和存储介质 Active CN110968790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911314620.1A CN110968790B (zh) 2019-12-19 2019-12-19 基于大数据的潜在客户智能推荐方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911314620.1A CN110968790B (zh) 2019-12-19 2019-12-19 基于大数据的潜在客户智能推荐方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110968790A true CN110968790A (zh) 2020-04-07
CN110968790B CN110968790B (zh) 2023-05-16

Family

ID=70035052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911314620.1A Active CN110968790B (zh) 2019-12-19 2019-12-19 基于大数据的潜在客户智能推荐方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110968790B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765455A (zh) * 2020-12-30 2021-05-07 北京知因智慧科技有限公司 金融客群推荐系统、方法和电子设备
CN117312678A (zh) * 2023-10-24 2023-12-29 亿企查科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
CN117910804A (zh) * 2024-01-31 2024-04-19 广东寰讯信息股份有限公司 基于大数据和多模态智能算法的风险防范感知方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160217479A1 (en) * 2015-01-28 2016-07-28 Ajay Kashyap Method and system for automatically recommending business prospects
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
CN107506382A (zh) * 2017-07-22 2017-12-22 长沙兔子代跑网络科技有限公司 一种基于用户画像挖掘代跑客户的方法及装置
CN110288484A (zh) * 2019-04-02 2019-09-27 上海瀚之友信息技术服务有限公司 一种基于大数据平台的保险分类的用户推荐方法及系统
CN110428322A (zh) * 2019-06-12 2019-11-08 平安科技（深圳）有限公司 一种业务数据的适配方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160217479A1 (en) * 2015-01-28 2016-07-28 Ajay Kashyap Method and system for automatically recommending business prospects
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
CN107506382A (zh) * 2017-07-22 2017-12-22 长沙兔子代跑网络科技有限公司 一种基于用户画像挖掘代跑客户的方法及装置
CN110288484A (zh) * 2019-04-02 2019-09-27 上海瀚之友信息技术服务有限公司 一种基于大数据平台的保险分类的用户推荐方法及系统
CN110428322A (zh) * 2019-06-12 2019-11-08 平安科技（深圳）有限公司 一种业务数据的适配方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李君: "B2B场景下发掘潜在客户的有效方式——客户推荐意愿影响因素研究", 《天津中德职业技术学院学报》 *
郑志丽: "《客户关系管理实务》", 31 January 2016, 北京理工大学出版社 *
陈霜华: "《商业保理实务与案例》", 30 April 2016, 复旦大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765455A (zh) * 2020-12-30 2021-05-07 北京知因智慧科技有限公司 金融客群推荐系统、方法和电子设备
CN117312678A (zh) * 2023-10-24 2023-12-29 亿企查科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
CN117312678B (zh) * 2023-10-24 2024-04-05 亿企查科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
CN117910804A (zh) * 2024-01-31 2024-04-19 广东寰讯信息股份有限公司 基于大数据和多模态智能算法的风险防范感知方法及系统

Also Published As

Publication number Publication date
CN110968790B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN109166017B (zh) 基于重聚类的推送方法、装置、计算机设备及存储介质
JP6676167B2 (ja) 情報推薦方法及び装置
TWI743428B (zh) 目標用戶群體的確定方法和裝置
Kumar et al. Social popularity based SVD++ recommender system
US10380649B2 (en) System and method for logistic matrix factorization of implicit feedback data, and application to media environments
CN104090967B (zh) 应用程序推荐方法及推荐装置
JP5976943B2 (ja) 製品情報の推薦
US10140342B2 (en) Similarity calculation system, method of calculating similarity, and program
CN110968790B (zh) 基于大数据的潜在客户智能推荐方法、设备和存储介质
US7653618B2 (en) Method and system for searching and retrieving reusable assets
CN111262953B (zh) 一种实时推送信息的方法和装置
JP2009157907A (ja) 情報処理装置および方法、並びに、プログラム
US9489638B2 (en) Method and apparatus for propagating user preference information in a communications network
CN105159910A (zh) 信息推荐方法和装置
WO2012092196A1 (en) Recommendation of search keywords based on indication of user intention
EP3279806A1 (en) Data processing method and apparatus
CN105005582A (zh) 多媒体信息的推荐方法及装置
CN110322318B (zh) 一种客户分群方法、装置及计算机存储介质
CN110008396B (zh) 对象信息推送方法、装置、设备及计算机可读存储介质
US11544767B2 (en) Recommendation system with implicit feedback
US20220138605A1 (en) Recommendation system
CN110929172A (zh) 信息选择方法、装置、电子设备及可读存储介质
CN113742578A (zh) 一种数据推荐方法、装置、电子设备及存储介质
Volk et al. New e-commerce user interest patterns
CN113761365B (zh) 用于确定目标信息的数据处理系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 503, 5th floor, C1 Building, 88 Dongchang Road, Suzhou Industrial Park, Jiangsu Province, 215000

Applicant after: Qicha Technology Co.,Ltd.

Address before: Room 503, 5th floor, C1 Building, 88 Dongchang Road, Suzhou Industrial Park, Jiangsu Province, 215000

Applicant before: SUZHOU LANGDONG NET TEC Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 8 Huizhi Street, Suzhou Industrial Park, Suzhou Area, China (Jiangsu) Pilot Free Trade Zone, Suzhou City, Jiangsu Province, 215000

Patentee after: Qichacha Technology Co.,Ltd.

Address before: Room 503, 5th floor, C1 Building, 88 Dongchang Road, Suzhou Industrial Park, Jiangsu Province, 215000

Patentee before: Qicha Technology Co.,Ltd.