CN112950268A - 一种实时计算客户购买房产意愿程度的算法 - Google Patents

一种实时计算客户购买房产意愿程度的算法 Download PDF

Info

Publication number
CN112950268A
CN112950268A CN202110228382.3A CN202110228382A CN112950268A CN 112950268 A CN112950268 A CN 112950268A CN 202110228382 A CN202110228382 A CN 202110228382A CN 112950268 A CN112950268 A CN 112950268A
Authority
CN
China
Prior art keywords
client
score
time
algorithm
calculating
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
CN202110228382.3A
Other languages
English (en)
Inventor
陈美强
余果
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.)
Shenzhen Qianhai Fang Geek Network Technology Co ltd
Original Assignee
Shenzhen Qianhai Fang Geek 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 Shenzhen Qianhai Fang Geek Network Technology Co ltd filed Critical Shenzhen Qianhai Fang Geek Network Technology Co ltd
Priority to CN202110228382.3A priority Critical patent/CN112950268A/zh
Publication of CN112950268A publication Critical patent/CN112950268A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明涉及大数据技术领域，具体为一种实时计算客户购买房产意愿程度的算法，包括获取用户线上行为，其中，用户线上行为包括访问房源、访问次数、拨打经纪人电话、查房贷月供、转发房源、与经纪人线上聊天，对用户行为进行量化及加权，通过购房意向算法模型得出客户购房意向分，用户行为量化对象包括访问量、转发量、拨打电话量、查房贷月供量、与经纪人的聊天量。本发明，通过设置该实时计算客户购买房产意愿程度的算法，可以有效地避免了传统使用电话与客户进行沟通的情况发生，降低了人力成本，同时实时进行计算，提高了时效性，可以及时的捕捉客户意向的改变，避免了频繁拨打电话导致客户反感，出现客户流失的情况发生。

Description

一种实时计算客户购买房产意愿程度的算法
技术领域
本发明涉及大数据技术领域，尤其涉及一种实时计算客户购买房产意愿程度的算法。
背景技术
随着国民经济的迅速提高，以及房地产行业的快速发展，越来越多的人会在资金充足的情况下，进行房产的购置，因此及时了解到客户的具体购房意愿程度，往往能够大幅提升整体的业绩。
客户在进行看房之前，往往会通过访问房源、拨打经纪人电话咨询以及查房贷月供等方式进行了解，此时房产公司就会得到信息，但是目前房产公司在对意向客户进行管理时，主要是通过与客户进行电话沟通，从而了解客户的购房意愿程度，但是电话沟通往往时效性差，客户意向改变时无法及时捕捉，同时人力成本高，确定客户意向时需多次打电话确认并获取录音来判定意向等级，并且多次拨打电话容易造成客户反感，导致客源流失。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种实时计算客户购买房产意愿程度的算法。
为了实现上述目的，本发明采用了如下技术方案：一种实时计算客户购买房产意愿程度的算法，包括：
获取用户线上行为，其中，所述用户线上行为包括访问房源、访问次数、拨打经纪人电话、查房贷月供、转发房源、与经纪人线上聊天；
对用户行为进行量化及加权，通过购房意向算法模型得出客户购房意向分。
优选的，所述用户行为量化对象包括访问量、转发量、拨打电话量、查房贷月供量、与经纪人的聊天量。
优选的，所述加权方式包括N因子，其中，所述N因子包括0、1、2。
优选的，所述对用户行为进行量化及加权处理，包括：
当一段时间内访问量小于10，N＝1；
当一段时间内房源访问量大于等于10时，开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，N＝0；
当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，N＝2。
优选的，所述购房意向算法模型包括：
今日实时意向度＝昨日量化得分+今日实时访问得分*(100-昨日量化得分)/100。
优选的，所述昨日量化得分包括昨日动作量*N后在《动作量对应得分表中》查找对应的得分，若昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)。
优选的，所述今日实时访问得分包括今日动作量*N后在《动作量对应得分表中》查找对应的得分，每访问一次计算一次。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，当客户有意向进行购房时，此时客户会通过线上平台进行信息浏览，同时会通过电话咨询或者线上聊天等方式进行了解，当客户进行在线上进行浏览咨询时，此时实时计算算法会对客户的线上行为进行获取，紧接着会对客户的线上行为进行量化和加权处理，此时根据客户一段时间内的访问量，可以对客户的意愿程度进行分类，当一段时间内访问量小于10时，此时N＝1，当一段时间内房源访问量大于等于10时，则开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，此时N＝0，当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，此时N＝2，紧接着根据购房意向算法模型：今日实时意向度＝昨日量化得分+今日实时得分*(100-昨日量化得分)/100，计算得出客户的今日实时意向度，昨日量化得分应在昨日动作量*N后在《动作量对应得分表中》查找对应的得分，如昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)，从而可以明确的帮助工作人员得到客户的购房意愿程度，通过设置该实时计算客户购买房产意愿程度的算法，可以有效地避免了传统使用电话与客户进行沟通的情况发生，降低了人力成本，同时实时进行计算，提高了时效性，可以及时的捕捉客户意向的改变，避免了频繁拨打电话导致客户反感，出现客户流失的情况发生。
附图说明
图1为本发明提出一种实时计算客户购买房产意愿程度的算法的实时计算得分规则程序图；
图2为本发明提出一种实时计算客户购买房产意愿程度的算法的凌晨结算规则程序图。
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，以下结合附图及实施例，对本发明进行进一步详细说明。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。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1-2，本发明提供一种技术方案：一种实时计算客户购买房产意愿程度的算法，包括：
获取用户线上行为，其中，用户线上行为包括访问房源、访问次数、拨打经纪人电话、查房贷月供、转发房源、与经纪人线上聊天；
对用户行为进行量化及加权，通过购房意向算法模型得出客户购房意向分。
本实施方案中：当客户有意向进行购房时，此时客户会通过线上平台进行信息浏览，同时会通过电话咨询或者线上聊天等方式进行了解，当客户进行在线上进行浏览咨询时，此时实时计算算法会对客户的线上行为进行获取，紧接着会对客户的线上行为进行量化和加权处理，此时根据客户一段时间内的访问量，可以对客户的意愿程度进行分类，当一段时间内访问量小于10时，此时N＝1，当一段时间内房源访问量大于等于10时，则开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，此时N＝0，当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，此时N＝2，紧接着根据购房意向算法模型：今日实时意向度＝昨日量化得分+今日实时得分*(100-昨日量化得分)/100，计算得出客户的今日实时意向度，昨日量化得分应在昨日动作量*N后在《动作量对应得分表中》查找对应的得分，如昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)，从而可以明确的帮助工作人员得到客户的购房意愿程度，通过设置该实时计算客户购买房产意愿程度的算法，可以有效地避免了传统使用电话与客户进行沟通的情况发生，降低了人力成本，同时实时进行计算，提高了时效性，可以及时的捕捉客户意向的改变，避免了频繁拨打电话导致客户反感，出现客户流失的情况发生。
具体的，用户行为量化对象包括访问量、转发量、拨打电话量、查房贷月供量、与经纪人的聊天量。
在本实施例中：将用户行为量化对象具体化，可以方便系统继续计算。
具体的，加权方式包括N因子，其中，N因子包括0、1、2。
在本实施例中：用N因子进行加权，可以方便工作人员观察。
具体的，对用户行为进行量化及加权处理，包括：当一段时间内访问量小于10，N＝1；
当一段时间内房源访问量大于等于10时，开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，N＝0；
当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，N＝2。
在本实施例中：通过0、1、2可以将客户进行明确地定位。
具体的，购房意向算法模型包括：
今日实时意向度＝昨日量化得分+今日实时访问得分*(100-昨日量化得分)/100。
在本实施例中：通过今日实时意向度计算方法，可以直接得出客户的今日实时意向度。
具体的，昨日量化得分包括昨日动作量*N后在《动作量对应得分表中》查找对应的得分，若昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)。
在本实施例中：昨日量化得分可以使得整体计算得分更加的合理。
具体的，今日实时访问得分包括今日动作量*N后在《动作量对应得分表中》查找对应的得分，每访问一次计算一次
本实施例中，今日实时访问得分会配和昨日量化得分，得出客户的今日实时意向度，方便工作人员进行后续工作。
工作原理：当客户有意向进行购房时，此时客户会通过线上平台进行信息浏览，同时会通过电话咨询或者线上聊天等方式进行了解，当客户进行在线上进行浏览咨询时，此时实时计算算法会对客户的线上行为进行获取，紧接着会对客户的线上行为进行量化和加权处理，此时根据客户一段时间内的访问量，可以对客户的意愿程度进行分类，当一段时间内访问量小于10时，此时N＝1，当一段时间内房源访问量大于等于10时，则开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，此时N＝0，当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，此时N＝2，紧接着根据购房意向算法模型：今日实时意向度＝昨日量化得分+今日实时得分*(100-昨日量化得分)/100，计算得出客户的今日实时意向度，昨日量化得分应在昨日动作量*N后在《动作量对应得分表中》查找对应的得分，如昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)，从而可以明确的帮助工作人员得到客户的购房意愿程度。
以上，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (7)

1.一种实时计算客户购买房产意愿程度的算法，其特征在于，包括：
获取用户线上行为，其中，所述用户线上行为包括访问房源、访问次数、拨打经纪人电话、查房贷月供、转发房源、与经纪人线上聊天；
对用户行为进行量化及加权，通过购房意向算法模型得出客户购房意向分。
2.根据权利要求1所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述用户行为量化对象包括访问量、转发量、拨打电话量、查房贷月供量、与经纪人的聊天量。
3.根据权利要求1所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述加权方式包括N因子，其中，所述N因子包括0、1、2。
4.根据权利要求1-3所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述对用户行为进行量化及加权处理，包括：
当一段时间内访问量小于10，N＝1；
当一段时间内房源访问量大于等于10时，开始计算房源价格总体标准差，总体标准差/平均值>52％标记为“异常访客”，N＝0；
当一段时间内房源访问量小于等于10时，开始计算房源价格总体标准差，总体标准差/平均值<23％标记为“偏好明确”，N＝2。
5.根据权利要求1所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述购房意向算法模型包括：
今日实时意向度＝昨日量化得分+今日实时访问得分*(100-昨日量化得分)/100。
6.根据权利要求5所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述昨日量化得分包括昨日动作量*N后在《动作量对应得分表中》查找对应的得分，如昨日一整日都未有得分，则在今日凌晨衰减3％，即在得分基础上乘(100％-3％)，被标记为“异常访客”的客户，无论昨日有无得分，都在得分基础上衰减10％，即在得分基础上乘(100％-10％)。
7.根据权利要求5所述的一种实时计算客户购买房产意愿程度的算法，其特征在于：所述今日实时访问得分包括今日动作量*N后在《动作量对应得分表中》查找对应的得分，每访问一次计算一次。
CN202110228382.3A 2021-03-02 2021-03-02 一种实时计算客户购买房产意愿程度的算法 Pending CN112950268A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110228382.3A CN112950268A (zh) 2021-03-02 2021-03-02 一种实时计算客户购买房产意愿程度的算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110228382.3A CN112950268A (zh) 2021-03-02 2021-03-02 一种实时计算客户购买房产意愿程度的算法

Publications (1)

Publication Number Publication Date
CN112950268A true CN112950268A (zh) 2021-06-11

Family

ID=76247031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110228382.3A Pending CN112950268A (zh) 2021-03-02 2021-03-02 一种实时计算客户购买房产意愿程度的算法

Country Status (1)

Country Link
CN (1) CN112950268A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807650A (zh) * 2021-08-04 2021-12-17 北京房江湖科技有限公司 房源业主面访管理方法、系统、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688967A (zh) * 2017-08-24 2018-02-13 平安科技（深圳）有限公司 客户购买意向的预测方法及终端设备
CN109741112A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于移动大数据的用户购买意向预测方法
CN110069654A (zh) * 2019-03-15 2019-07-30 平安城市建设科技(深圳)有限公司 房源搜索方法、装置、设备及计算机可读存储介质
CN110716979A (zh) * 2019-10-18 2020-01-21 重庆锐云科技有限公司 一种购房意向客户挖掘方法、装置及服务器
CN110852797A (zh) * 2019-10-29 2020-02-28 深圳市看见网络科技有限公司 帮助经纪人高效判客的方法、移动终端和计算机存储介质
CN111539221A (zh) * 2020-05-13 2020-08-14 北京焦点新干线信息技术有限公司 一种数据处理方法及系统
CN111639106A (zh) * 2020-05-22 2020-09-08 杭州顶点财经网络传媒有限公司 一种行为资金分析系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688967A (zh) * 2017-08-24 2018-02-13 平安科技（深圳）有限公司 客户购买意向的预测方法及终端设备
CN109741112A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于移动大数据的用户购买意向预测方法
CN110069654A (zh) * 2019-03-15 2019-07-30 平安城市建设科技(深圳)有限公司 房源搜索方法、装置、设备及计算机可读存储介质
CN110716979A (zh) * 2019-10-18 2020-01-21 重庆锐云科技有限公司 一种购房意向客户挖掘方法、装置及服务器
CN110852797A (zh) * 2019-10-29 2020-02-28 深圳市看见网络科技有限公司 帮助经纪人高效判客的方法、移动终端和计算机存储介质
CN111539221A (zh) * 2020-05-13 2020-08-14 北京焦点新干线信息技术有限公司 一种数据处理方法及系统
CN111639106A (zh) * 2020-05-22 2020-09-08 杭州顶点财经网络传媒有限公司 一种行为资金分析系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807650A (zh) * 2021-08-04 2021-12-17 北京房江湖科技有限公司 房源业主面访管理方法、系统、电子设备及存储介质
CN113807650B (zh) * 2021-08-04 2024-06-07 贝壳找房(北京)科技有限公司 房源业主面访管理方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Christopoulos The relationship between output and unemployment: Evidence from Greek regions
Miles et al. A different look at commercial real estate returns
Cavalluzzo et al. Competition, small business financing, and discrimination: Evidence from a new survey
US7392216B1 (en) Methods and apparatus for utilizing a proportional hazards model to evaluate loan risk
CN110689457A (zh) 地产行业线上客户智能接待方法、服务器及存储介质
CN107590734A (zh) 确定授信额度的方法及装置、终端设备和计算机存储介质
JP2004502207A (ja) 貿易処理および貿易管理を促進するためのシステム
CN104657133B (zh) 移动群智感知中一种用于单时间窗口任务的激励方法
US20120066239A1 (en) Link Analysis Mapping Program Risk Management
Huang et al. Audit committee characteristics and corporate fraud
Willis et al. Amenity value of forests in Great Britain and its impact on the internal rate of return from forestry
CN109345372A (zh) 信用评分方法、系统及计算机可读存储介质
CN110363644A (zh) 异常信息识别方法、装置、计算机设备及存储介质
CN112785427B (zh) 基于电力数据的企业信用分析系统
CN108805351A (zh) 基于线性回归算法的房价预测方法及系统、存储介质
CN111047359A (zh) 房地产智能估价系统
KR100783058B1 (ko) 인터넷을 이용한 입찰 방법
CN112950268A (zh) 一种实时计算客户购买房产意愿程度的算法
KR101971087B1 (ko) 시장심리지수 전시방법 및 이를 이용한 온라인 주식거래 서비스 시스템
KR20170094935A (ko) 기업정보 제공 시스템 및 방법
CN112465624A (zh) 一种基于社交媒体状态的个人信用评价方法
CN111553574A (zh) 案件分配方法及其装置、电子设备和计算机可读存储介质
JP2002157422A (ja) 与信方法および記録媒体
KR20170014397A (ko) 오픈 api용 리얼타임 자동주식거래방법 및 이를 실행시키기 위한 컴퓨터프로그램
KR20170004934A (ko) 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템

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