CN112269933A - 一种基于有效连接的潜在客户识别方法 - Google Patents
一种基于有效连接的潜在客户识别方法 Download PDFInfo
- Publication number
- CN112269933A CN112269933A CN202011218777.7A CN202011218777A CN112269933A CN 112269933 A CN112269933 A CN 112269933A CN 202011218777 A CN202011218777 A CN 202011218777A CN 112269933 A CN112269933 A CN 112269933A
- Authority
- CN
- China
- Prior art keywords
- consumption
- value
- label
- user
- labels
- 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 33
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 53
- 230000035945 sensitivity Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001737 promoting effect Effects 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于有效连接的潜在客户识别方法，包括获取用户画像标签信息，当所述用户画像标签信息落入阈值范围内，确定相应的标签值，根据所述用户画像标签信息和所述标签值，评估用户消费水平；本发明通过识别是否是潜在客户后，能够评估用户的购买力，喜好信息，制定针对性的营销策略、精准的广告投放，进行内容营销、活动营销、社区营销，持续保持提升用户活跃，从而能够精准营销带来客单提升，带动周边产品、金融服务销售额提升，并通过销售情况数据，服务评价，对用户画像模型和销售策略进行及时反馈调整，适应市场变化。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于有效连接的潜在客户识别方法。
背景技术
当前市场环境下4S店的整体盈利模式中，汽车销售利润占比约为20％，而保养维修、零配件及汽车装饰装修等后市场服务利润占比达到了80％，这一行业是以售后服务为本质的服务产业。
目前4S店销售策略主要依赖于汽车品牌知名度，重金投入媒体广告持续传播性，等待客户上门，汽车相关周边产品更是要依赖用户购车交易，强行推销绑定业务，单纯追求高销售量及高提成，反而忽视了深挖后市场的重要性，没有将顾客需求作为真正的营销目标，了解和满足需求，提高满意度与忠诚度，全面开发顾客的终身价值。营销理念相对陈旧，管理简单而不细致，营销与服务人员存在惰性，专业水平不高，个别人员甚至提供错误信息诱导或欺骗顾客。
移动互联网时代，交易信息公开化、透明化，差价赚取利润已经行不通，客户流失严重、交易量下降；为了挽留客户，4S店必须增加营销费用，加大促销与优惠活动力度，也在一定程度上增加了营销成本。与此同时，一家4S店还要承担建店、人工、固定资产、库存车辆、场地租金等等运营成本，开支巨大。利润空间极大压缩，产生生存危机。
发明内容
本发明提供的一种基于有效连接的潜在客户识别方法，旨在解决现有技术中盲目的营销策略导致用户活跃性降低的问题。
为实现上述目的，本发明采用以下技术方案：
本发明的一种基于有效连接的潜在客户识别方法，包括以下步骤：
获取用户画像标签信息；
当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
根据所述用户画像标签信息和所述标签值，识别潜在客户。
首先获取用户画像标签信息，包含但不限于消费能力、消费状况、消费品质和促销敏感度，将消费能力、消费状况、消费品质和促销敏感度分别按收入状况、消费金额、高端品牌的消费金额和参加活动次数降序排列，选取0～30％锁定其标签值为较强，31％～70％为中等，71％～100％为较差，然后按消费特征画像决策标签和模型标签对应关系对比，确定用户为高端用户、高潜质用户、理性用户还是普通用户。
作为优选，获取用户画像标签信息，包括：
获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
根据所述第一权重信息确定所述消费能力标签。
作为优选，当所述用户画像标签信息落入阈值范围内，确定相应的标签值，包括：
将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较低。
作为优选，根据所述用户画像标签信息和所述标签值，识别潜在客户，包括：
获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
一种基于有效连接的潜在客户识别装置，包括：
获取模块：用于获取用户画像标签信息；
处理模块：用于当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
评估模块：用于根据所述用户画像标签信息和所述标签值，识别潜在客户。
作为优选，所述获取模块具体包括：
获取子单元：用于获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
第一处理单元：用于根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
第二处理单元：用于根据所述第一权重信息确定所述消费能力标签。
作为优选，所述处理模块具体包括：
第三处理单元：用于将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
第四处理单元：用于将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
第五处理单元：用于将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
第六处理单元：用于将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较低。
作为优选，所述评估模块具体包括：
第一获取单元：用于获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
第七处理单元：用于当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
第八处理单元：用于当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
第九处理单元：用于当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种基于有效连接的潜在客户识别方法。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述中任一项所述的一种基于有效连接的潜在客户识别方法。
本发明具有如下有益效果：
通过评估用户的消费水平后，能够评估用户的购买力，喜好信息，制定针对性的营销策略、精准的广告投放，进行内容营销、活动营销、社区营销，持续保持提升用户活跃，从而能够精准营销带来客单提升，带动周边产品、金融服务销售额提升，并通过销售情况数据，服务评价，对用户画像模型和销售策略进行及时反馈调整，适应市场变化。
附图说明
图1是本发明实施例实现一种基于有效连接的潜在客户识别方法第一流程图；
图2是本发明实施例实现一种基于有效连接的潜在客户识别方法第二流程图；
图3是本发明实施例实现一种基于有效连接的潜在客户识别方法第三流程图；
图4是本发明实施例实现一种基于有效连接的潜在客户识别方法第四流程图；
图5是本发明实施例实现一种基于有效连接的潜在客户识别方法具体实施流程图。
图6是本发明实施例实现一种基于有效连接的潜在客户识别装置示意图；
图7是本发明实施例实现一种基于有效连接的潜在客户识别装置的获取模块示意图；
图8是本发明实施例实现一种基于有效连接的潜在客户识别装置的处理模块示意图；
图9是本发明实施例实现一种基于有效连接的潜在客户识别装置的输出模块示意图；
图10是本发明实施例实现一种基于有效连接的潜在客户识别装置的具体实施流程图；
图11是本发明实施例实现一种基于有效连接的潜在客户识别装置的一种电子设备示意图。
具体实施方式
下面将结合附图，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。
实施例1
如图1所示，一种基于有效连接的潜在客户识别方法，包括：
S1100、获取用户画像标签信息；
S120、当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
S130、根据所述用户画像标签信息和所述标签值，识别潜在客户。
首先获取用户画像标签信息，包含但不限于消费能力、消费状况、消费品质和促销敏感度，将消费能力、消费状况、消费品质和促销敏感度分别按收入状况、消费金额、高端品牌的消费金额和参加活动次数降序排列，选取0～30％锁定其标签值为较强，31％～70％为中等，71％～100％为较差，然后按消费特征画像决策标签和模型标签对应关系对比，确定用户为高端用户、高潜质用户、理性用户还是普通用户，通过评估用户的消费水平后，能够评估用户的购买力，喜好信息，制定针对性的营销策略、精准的广告投放，进行内容营销、活动营销、社区营销，持续保持提升用户活跃，从而能够精准营销带来客单提升，带动周边产品、金融服务销售额提升，并通过销售情况数据，服务评价，对用户画像模型和销售策略进行及时反馈调整，适应市场变化。
实施例2
如图2所示，一种基于有效连接的潜在客户识别方法，包括：
S210、获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
S220、根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
S230、根据所述第一权重信息确定所述消费能力标签。
S240、当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
S250、根据所述用户画像标签信息和所述标签值，识别潜在客户。
由实施例2可知，由于评估用户消费能力的方式有很多种，在用户日志中包括距离上次用户消费及登陆天数、消费频次、会员天数、文章阅读时长及数目、发帖数目等，首先对这些数据进行一个预处理，根据行为评估用户消费能力的影响进行权重调整，某些行为占比小，某些行为占比大，最后汇总为一个事实标签，导入至用户画像中，这样所获得的用于评估用户消费能力比较准确。
实施例3
如图3所示，一种基于有效连接的潜在客户识别方法，包括：
S310、获取用户画像标签信息；
S320、将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
S330、将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
S340、将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
S350、将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较低；
S360、根据所述用户画像标签信息和所述标签值，识别潜在客户。
实施例3中，当获取到用户的基本消费信息后，其中最能够代表用户消费水平的为消费能力、消费状况、消费品质以及促销参与度，经过采集大量数据，将其更细化的分类，这样分类所得的标签能够更加准确反映用户实际消费能力。
实施例4
如图4所示，一种基于有效连接的潜在客户识别方法，包括：
S310、获取用户画像标签信息；
S320、当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
S330、获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
S340、当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
S350、当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
S360、当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
由实施例4可知，当将用户的各种消费能力根据标签分类后，根据标签更细化的分类用户的消费能力，能够准确将用户分类，以便后续针对用户分类标准有效的营销，用户可通过手机APP或者微信公众号在线预约维保，试乘试驾，避免到店排队，提升用户体验，同时可使店端优化工作排期，优化人力资源成本
如图5所示，一种具体的实施方式可为：
S510、获取用户画像标签信息；
由于评估用户消费能力的方式有很多种，在用户日志中包括距离上次用户消费及登陆天数、消费频次、会员天数、文章阅读时长及数目、发帖数目等，首先对这些数据进行一个预处理，根据行为评估用户消费能力的影响进行权重调整，某些行为占比小，某些行为占比大，最后汇总为一个事实标签，导入至用户画像中，这样所获得的用于评估用户消费能力比较准确。
S520、当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
更细化的标签分类如下表1所述
表1用户消费画像模型标签赋值规则
S530、根据所述用户画像标签信息和所述标签值，识别潜在客户。
如表2所示根据用户标签分类，给予相应的措施。
表2消费特征画像决策标签与模型标签对应关系
实施例6
如图6所示，一种基于有效连接的潜在客户识别装置，包括：
获取模块10：用于获取用户画像标签信息；
处理模块20：用于当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
评估模块30：用于根据所述用户画像标签信息和所述标签值，评估用户消费水平。
上述装置的一种实施方式可为：获取模块10用于获取用户画像标签信息，处理模块20用于当获取模块10获取的所述用户画像标签信息落入阈值范围内，确定相应的标签值，评估模块30用于根据获取模块10获取的所述用户画像标签信息和处理模块20得到所述标签值，识别潜在客户。
实施例7
如图7所示，一种基于有效连接的潜在客户识别装置的获取模块10包括：
获取子单元12：用于获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
第一处理单元14：用于根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
第二处理单元16：用于根据所述第一权重信息确定所述消费能力标签。
上述装置的获取模块10的一种实施方式可为：获取子单元12获取各类标签，第二处理单元14根据获取子12单元获得的部位特征确定权重，第二处理单元16根据权重确定消费能力标签。
实施例8
如图8所示，一种基于有效连接的潜在客户识别装置的处理模块20包括：
第三处理单元22：用于将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
第四处理单元24：用于将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
第五处理单元26：用于将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
第六处理单元28：用于将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较弱。
上述装置的更新模块20的一种实施方式可为：第三处理单元22处理消费能力标签，第四处理单元22处理消费状况标签，第五处理单元26处理消费品质标签，第六处理单元28处理促销敏感度标签。
实施例9
如图9所示，一种基于有效连接的潜在客户识别装置的评估模块30包括：
第一获取单元32：用于获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
第七处理单元34：用于当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
第八处理单元36：用于当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
第九处理单元38：用于当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
上述装置的评估模块30的一种实施方式可为：第一获取单元32获取标签值，第七处理单元22评估高端用户，第八处理单元26评估高潜质用户，第九处理单元28评估高理性用户。
实施例10
如图10所示，一种具体的实施装置可为：
S1010、获取用户画像标签信息；
由于评估用户消费能力的方式有很多种，在用户日志中包括距离上次用户消费及登陆天数、消费频次、会员天数、文章阅读时长及数目、发帖数目等，首先对这些数据进行一个预处理，根据行为评估用户消费能力的影响进行权重调整，某些行为占比小，某些行为占比大，最后汇总为一个事实标签，导入至用户画像中，这样所获得的用于评估用户消费能力比较准确。
S1020、当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
S1030、根据所述用户画像标签信息和所述标签值，识别潜在客户。
实施例11
如图11所示，一种电子设备，包括存储器1101和处理器1102，所述存储器1101用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1102执行以实现上述的一种基于有效连接的潜在客户识别方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的一种基于有效连接的潜在客户识别方法。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1101中，并由处理器1102执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器1101、处理器1102。本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器1102可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器1102、数字信号处理器1102(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM503mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器1102可以是微处理器1102或者该处理器1102也可以是任何常规的处理器1102等。
存储器1101可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器1101也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器1101还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器1101用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器1101还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。
Claims (10)
1.一种基于有效连接的潜在客户识别方法，其特征在于，包括：
获取用户画像标签信息；
当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
根据所述用户画像标签信息和所述标签值，识别潜在客户。
2.根据权利要求1所述的一种基于有效连接的潜在客户识别方法，其特征在于，获取用户画像标签信息，包括：
获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
根据所述第一权重信息确定所述消费能力标签。
3.根据权利要求1-2所述的一种基于有效连接的潜在客户识别方法，其特征在于，当所述用户画像标签信息落入阈值范围内，确定相应的标签值，包括：
将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较低。
4.根据权利要求1所述的一种基于有效连接的潜在客户识别方法，其特征在于，根据所述用户画像标签信息和所述标签值，识别潜在客户，包括：
获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
5.一种基于有效连接的潜在客户识别装置，其特征在于，包括：
获取模块：用于获取用户画像标签信息；
处理模块：用于当所述用户画像标签信息落入阈值范围内，确定相应的标签值；
评估模块：用于根据所述用户画像标签信息和所述标签值，识别潜在客户。
6.根据权利要求5所述的一种基于有效连接的潜在客户识别装置，其特征在于，所述获取模块具体包括：
获取子单元：用于获取所述用户画像标签信息中的消费能力标签的N个部位特征，N为大于1的整数，所述用户画像标签信息还包括消费状况标签、消费品质标签、促销敏感度标签；
第一处理单元：用于根据所述N个部位特征确定第一权重信息，所述第一权重信息用于表示所述N个部位特征中每个部位特征的权重占比；
第二处理单元：用于根据所述第一权重信息确定所述消费能力标签。
7.根据权利要求5-6所述的一种基于有效连接的潜在客户识别装置，其特征在于，所述处理模块具体包括：
第三处理单元：用于将所述消费能力标签按收入状况降序排列，确定0～30％的消费能力标签值为较强，31％～70％为中等，71％～100％为较差；
第四处理单元：用于将所述消费状况标签按消费金额降序排列，确定0～30％的消费状况标签值为较好，31％～70％为中等，71％～100％为较差；
第五处理单元：用于将所述消费品质标签按高端品牌的消费金额降序排列，确定0～30％的消费品质标签值为较高，31％～70％为中等，71％～100％为较低；
第六处理单元：用于将所述促销敏感度标签按参加活动次数降序排列，确定0～30％的促销敏感度标签值为较高，31％～70％为中等，71％～100％为较低。
8.根据权利要求5所述的一种基于有效连接的潜在客户识别装置，其特征在于，所述评估模块具体包括：
第一获取单元：用于获取所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值；
第七处理单元：用于当所述消费能力标签值、所述消费状况标签值、所述消费品质标签值和所述促销敏感度标签值分别为较强、较好、较高和较低，评估所述用户消费水平为高端用户；
第八处理单元：用于当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较高，评估所述用户消费水平为高潜质用户；
第九处理单元：用于当所述消费品质标签值和所述促销敏感度标签值分别为较低和较高，评估所述用户消费水平为高理性用户。
9.当所述消费能力标签值、所述消费状况标签值和消费品质标签值分别为较强、较差和较一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～4中任一项所述的一种基于有效连接的潜在客户识别方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1～4中任一项所述的一种基于有效连接的潜在客户识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011218777.7A CN112269933A (zh) | 2020-11-04 | 2020-11-04 | 一种基于有效连接的潜在客户识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011218777.7A CN112269933A (zh) | 2020-11-04 | 2020-11-04 | 一种基于有效连接的潜在客户识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112269933A true CN112269933A (zh) | 2021-01-26 |
Family
ID=74345745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011218777.7A Pending CN112269933A (zh) | 2020-11-04 | 2020-11-04 | 一种基于有效连接的潜在客户识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112269933A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465611A (zh) * | 2021-02-02 | 2021-03-09 | 北京淇瑀信息科技有限公司 | 向用户推送物品信息的方法、装置和电子设备 |
| CN114154830A (zh) * | 2021-11-26 | 2022-03-08 | 泰康保险集团股份有限公司 | 一种活动名额分配方法、装置、设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2402867A1 (en) * | 2010-07-02 | 2012-01-04 | Accenture Global Services Limited | A computer-implemented method, a computer program product and a computer system for image processing |
| WO2017080176A1 (zh) * | 2015-11-12 | 2017-05-18 | 乐视控股（北京）有限公司 | 个体用户画像方法和系统 |
| CN107391752A (zh) * | 2017-08-16 | 2017-11-24 | 四川长虹电器股份有限公司 | 一种基于hadoop平台构建用户标签信息的方法 |
| CN109934638A (zh) * | 2019-03-21 | 2019-06-25 | 南京金信通信息服务有限公司 | 一种根据用户标签图形化客户画像并预警的方法 |
| CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
| CN110335126A (zh) * | 2019-07-16 | 2019-10-15 | 芜湖储吉信息技术股份有限公司 | 一种汽车行业大数据获客方法 |
| CN110414980A (zh) * | 2019-06-26 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种风险防控数据处理方法及装置 |
| CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
| CN111753120A (zh) * | 2020-06-29 | 2020-10-09 | 广东小天才科技有限公司 | 一种搜题的方法、装置、电子设备和存储介质 |
-
2020
- 2020-11-04 CN CN202011218777.7A patent/CN112269933A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2402867A1 (en) * | 2010-07-02 | 2012-01-04 | Accenture Global Services Limited | A computer-implemented method, a computer program product and a computer system for image processing |
| WO2017080176A1 (zh) * | 2015-11-12 | 2017-05-18 | 乐视控股（北京）有限公司 | 个体用户画像方法和系统 |
| CN107391752A (zh) * | 2017-08-16 | 2017-11-24 | 四川长虹电器股份有限公司 | 一种基于hadoop平台构建用户标签信息的方法 |
| CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
| CN109934638A (zh) * | 2019-03-21 | 2019-06-25 | 南京金信通信息服务有限公司 | 一种根据用户标签图形化客户画像并预警的方法 |
| CN110414980A (zh) * | 2019-06-26 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种风险防控数据处理方法及装置 |
| CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
| CN110335126A (zh) * | 2019-07-16 | 2019-10-15 | 芜湖储吉信息技术股份有限公司 | 一种汽车行业大数据获客方法 |
| CN111753120A (zh) * | 2020-06-29 | 2020-10-09 | 广东小天才科技有限公司 | 一种搜题的方法、装置、电子设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465611A (zh) * | 2021-02-02 | 2021-03-09 | 北京淇瑀信息科技有限公司 | 向用户推送物品信息的方法、装置和电子设备 |
| CN114154830A (zh) * | 2021-11-26 | 2022-03-08 | 泰康保险集团股份有限公司 | 一种活动名额分配方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665329B (zh) | 一种基于用户浏览行为的商品推荐方法 | |
| US8458025B2 (en) | System for generating scores related to interactions with a service provider partner | |
| CA2700030C (en) | Touchpoint customization system | |
| US10037543B2 (en) | Estimating conversion rate in display advertising from past performance data | |
| CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
| US20110208585A1 (en) | Systems and Methods for Measurement of Engagement | |
| US20080103887A1 (en) | Selecting advertisements based on consumer transactions | |
| CN103914468A (zh) | 一种投放信息搜索的方法和装置 | |
| CN109711866B (zh) | 一种银行广告投放方法、装置及系统 | |
| WO2021129531A1 (zh) | 一种资源分配方法、装置、设备、存储介质及计算机程序 | |
| CN112269933A (zh) | 一种基于有效连接的潜在客户识别方法 | |
| CN112232852A (zh) | 一种基于大数据计算的自动化营销系统实现方法 | |
| CN109389511B (zh) | 保险产品开发方法、装置、终端及计算机可读存储介质 | |
| CN116051191A (zh) | 一种基于数据分析的新媒体广告投放推荐系统 | |
| CN111160967A (zh) | 数据处理方法、装置及存储介质 | |
| CN116934372A (zh) | 一种门店运营客户数据管理方法和系统 | |
| Zheng et al. | A scalable purchase intention prediction system using extreme gradient boosting machines with browsing content entropy | |
| CN113298568B (zh) | 用于投放广告的方法及装置 | |
| CN110147286B (zh) | 一种基于消息队列的定制信息发送方法、装置、系统和记录介质 | |
| KR102136386B1 (ko) | 광고 매체 선정 시스템 | |
| CN109583964B (zh) | 广告投放方法及装置 | |
| CN115809889A (zh) | 基于营销效果的智能客群筛选方法、系统、介质及设备 | |
| CA3026275A1 (en) | Investment management proposal system | |
| CN114004638A (zh) | 用户画像数据确定和使用方法、装置、设备及存储介质 | |
| CN115964555A (zh) | 推广对象的处理方法和装置 |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240220 |