CN116739647A - 一种营销数据智能分析方法及系统 - Google Patents
一种营销数据智能分析方法及系统 Download PDFInfo
- Publication number
- CN116739647A CN116739647A CN202311030206.4A CN202311030206A CN116739647A CN 116739647 A CN116739647 A CN 116739647A CN 202311030206 A CN202311030206 A CN 202311030206A CN 116739647 A CN116739647 A CN 116739647A
- Authority
- CN
- China
- Prior art keywords
- data
- browsing
- user
- session
- sales
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 239000000463 material Substances 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000009471 action Effects 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 14
- 230000006399 behavior Effects 0.000 description 12
- 238000013136 deep learning model Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013503 de-identification Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种营销数据智能分析方法及系统，该方法包括：销售客户端向用户客户端推送数字物料；用户客户端为浏览会话创建会话ID以及创建与销售客户端绑定的线索数据，并将浏览会话中的所有浏览动作记录为浏览数据发送至数据接收服务器；数据接收服务器将接收到的浏览数据存储至临时缓存数据库中，并获取用户在浏览会话的最后浏览时间，判断浏览会话是否结束；数据接收服务器根据会话ID定时轮询浏览会话，提取对应的目标浏览数据，然后对目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；数据接收服务器结合所述线索数据和视频数据输出潜在销售线索。本发明可以为销售端提供准备可靠的线索数据，从而提高企业营销效果。
Description
技术领域
本发明涉及计算机软件技术领域，特别涉及一种营销数据智能分析方法及系统。
背景技术
随着企业数字化办公浪潮不断发展，企业销售的营销活动也逐渐从线下慢慢迁移到线上，企业采购了很多智能办公SaaS服务（Software as a Service），并通过小程序、应用程序等来实现营销获客的行为活动。而随着企业销售开展营销活动的频次越来越高，那么通过营销活动所带来的数据也越来越多。但是现在大多数客户关系管理系统CRM只是单纯地维护客户数据，例如更新客户资料、客户状态以及客户订单成交等，并没有对客户的相关行为数据进行分析，这样会使营销数据比较孤立，无法追溯客户的完整数据业务链条，从而导致企业在使用智能办公SaaS服务的过程中所产生的实际效果并不理想。
还有，客户关系管理系统对于销售人员发送出去的数字物料，难以形成有效的浏览行为闭环。例如对于销售人员发送出去的文件、案例、宣传册、视频等数字物料，无法进行跟踪；对于客户的浏览行为不明确，同时客户对某些数字物料的兴趣度不能及时反馈给销售人员；此外，销售人员的线索数据不够清晰，导致无法及时接收相应的跟进指导建议。
发明内容
本发明实施例提供了一种营销数据智能分析方法及系统，旨在为销售端提供准备可靠的线索数据，从而提高企业营销效果。
本发明实施例提供了一种营销数据智能分析方法，包括：
销售客户端向用户客户端推送数字物料；
响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器；
数据接收服务器将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；
数据接收服务器根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；
数据接收服务器结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端。
进一步的，所述响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器，包括：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
进一步的，所述数据接收服务器根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，包括：
通过前端技术创建与用户客户端相符的初始Html5页面；
从所述临时缓存数据库中提取所述目标浏览数据；
基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
进一步的，所述基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面，包括：
获取所述目标浏览数据中的用户点击操作；
采用DOM操作将所述用户点击操作对应的点击区域的标识添加至初始Html5页面的元素上；
对所述用户点击操作生成关于用户兴趣区域的热力图。
进一步的，所述数据接收服务器结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端，包括：
数据接收服务器通过客户关系管理系统获取相应的企业信息，并通过所述企业信息对所述线索数据进行填充；
对所述线索数据进行数据预处理，得到线索数据向量；所述数据预处理包括数据清洗、数据编码以及数据归一化；
在数据预处理完成后，对所述线索数据向量进行特征选择和特征降维处理；
将所述线索数据向量输入至深度学习神经网络模型中，并由所述深度学习神经网络模型输出对应的线索特征数据；
对所述线索特征数据进行特征解析，并将特征解析的结果与所述视频数据结合为所述潜在销售线索并输出。
进一步的，所述将所述线索数据向量输入至深度学习神经网络模型中，并由所述深度学习神经网络模型输出对应的线索特征数据，包括：
获取训练数据集对ResNet50神经网络进行预训练；其中，所述训练数据集包含带有线索特征的训练数据；
利用预训练后的ResNet50神经网络对所述线索数据向量提取所述线索特征数据。
进一步的，所述根据最后浏览时间判断当前浏览会话是否结束，包括：
计算最后浏览时间与当前时间的时间差；
判断所述时间差是否超过预设时间阈值；
若判定所述时间差超过预设时间阈值，则判定当前浏览会话结束；
若判定所述时间差未超过预设时间阈值，在判定当前浏览会话未结束。
本发明实施例还提供了一种营销数据智能分析系统，包括：销售客户端、用户客户端和数据接收服务器；
所述销售客户端用于向用户客户端推送数字物料；
所述用户客户端，用于响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器；
所述数据接收服务器，用于将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；以及根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端。
进一步的，所述用户客户端还用于：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
进一步的，所述数据接收服务器还用于：
通过前端技术创建与用户客户端相符的初始Html5页面；
从所述临时缓存数据库中提取所述目标浏览数据；
基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
本发明实施例提供了一种营销数据智能分析方法及系统，其中的销售客户端在向用户客户端推送数字物料时，会创建对应的线索数据，以与所述数字物料以及相应的销售客户端、用户客户端相绑定。用户客户端在接收到数字物料后，基于用户的浏览操作创建对应的会话ID，同时记录用户的浏览数据，并发送至数据接收服务器。数据接收服务器对用户客户端发送的浏览数据保存至临时缓存数据库中，例如redis数据库，同时根据用户的浏览时间来判断本次浏览会话是否已经结束。对于已经结束的浏览会话，数据接收服务器会从临时缓存数据库提取其对应的目标浏览数据，然后对该目标浏览数据进行回放，并对回放过程进行录制，形成对应的视频数据，接着将该视频数据发送至销售客户端，使销售客户端将其与最初创建的线索数据相结合，从而输出潜在销售线索。销售人员根据该潜在销售线索即可获知跟进指导内容，从而采取下一步的跟进活动，使营销活动更具有针对性，提高营销成交效果。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明实施例提供的一种营销数据智能分析方法的流程示意图；
图2为本发明实施例提供的一种营销数据智能分析方法的子流程示意图；
图3为本发明实施例提供的一种营销数据智能分析方法的另一流程示意图；
图4为本发明实施例提供的一种营销数据智能分析系统的网络架构图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
下面请参见图1，图1为本发明实施例提供的一种营销数据智能分析方法的流程示意图，具体包括：步骤S101~S105。
S101、销售客户端向用户客户端推送数字物料；
S102、响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器；
S103、数据接收服务器将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；
S104、数据接收服务器根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；
S105、数据接收服务器结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端。
本实施例中，销售客户端在向用户客户端推送数字物料时，会创建对应的线索数据，以与所述数字物料以及相应的销售客户端、用户客户端相绑定。用户客户端在接收到数字物料后，基于用户的浏览操作创建对应的会话ID，同时记录用户的浏览数据，并发送至数据接收服务器。数据接收服务器对用户客户端发送的浏览数据保存至临时缓存数据库中，例如redis数据库，同时根据用户的浏览时间来判断本次浏览会话是否已经结束。对于已经结束的浏览会话，数据接收服务器会从临时缓存数据库提取其对应的目标浏览数据，然后对该目标浏览数据进行回放，并对回放过程进行录制，形成对应的视频数据，接着结合所述线索数据和视频数据输出潜在销售线索，并将该潜在销售线索发送至销售客户端，使销售人员根据该潜在销售线索即可获知跟进指导内容，从而采取下一步的跟进活动，使营销活动更具有针对性，提高营销成交效果。
在一实施例中，所述步骤S101包括：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
本实施例例中，当用户在浏览数字物料时，用户客户端会通过客户关系管理系统CRM创建一条新的线索数据，并与分享数字物料的销售客户端进行绑定，绑定关系为：线索ID、用户ID、销售ID以及物料ID。而销售客户端在编辑完善线索的资料时，会自动进行触发补全线索上下文数据，自动识别可能的销售线索，并将这些线索按照潜在价值、紧急程度等进行分类，记录客户的反馈，并自动提醒销售团队跟进的时间等，这种方式可以帮助提高客户满意度，增强客户的忠诚度。此外，本实施例在将浏览数据和线索数据发送至数据接收服务器之前，用户客户端通过哈希函数对用户ID进行转换，以达到去标识化的目的。同时，用户的浏览行为数据也会通过差分隐私的方式进行处理，以确保在保留数据用途的同时保护用户的个人隐私。
还需说明的是，用户在小程序中操作进入数字物料的详情页面后，用户客户端在调用上报行为轨迹埋点数据时，就会带上会话 ID。一个用户可以多次浏览同一个数字物料，就会存在多个会话ID，数据接收服务器额按照会话的基本信息存入MySQL，会话的每一次上报数据都会存入MongoDB。在具体实施例中，会话的基本信息包括：playback_id回放记录ID，file_id文件ID，user_id微信用户ID，card_id文件分享人ID，total_pages文件总页数，first_report首次上报时间，last_report最后更新时间，create创建时间，modified更新时间，percent兴趣度等。
在一实施例中，如图2所示，所述步骤S104包括：步骤S201~S205。
S201、通过前端技术创建与用户客户端相符的初始Html5页面；
S202、从所述临时缓存数据库中提取所述目标浏览数据；
S203、基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
S204、利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
S205、通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
本实施例中，销售客户端通过小程序分享数字物料至用户客户端，用户在小程序里面浏览数字物料时，用户客户端会为每一次浏览设置一个会话 ID，用来与其他会话进行区分，避免数据重复问题。同时用户在小程序中的各种操作，例如上一页、下一页、点击区域、放大区域等，都会通过SDK接口将对应的浏览操作数据上报到数据接收服务器，数据接收服务器接收到上报请求后，把数据存入临时缓存Redis中，并检查用户浏览最后一次上报时间，如果超过默认会话时长，例如12秒，则认为用户已经结束浏览数字物料。数据接收服务器通过定时任务轮询已经结束的浏览会话，然后从Redis中取出上报数据，并调用回放录制服务。在回放录制服务里面，会有一个与小程序页面一样的Html5页面（以下简称H5页面），通过控制页面位置，将上报数据渲染到H5页面的对应位置，对于点击放大比较多的区域，进行生成热力图。由于视频的观看体验比打开页面实时渲染的体验要好，因此在回放的过程中同时使用puppeteer进行视频录制，并在视频录制完毕后将相应的视频数据上传到云存储里面，然后给销售客户端返回一条反馈信息feeds，提示销售去查看用户的行为轨迹。如此可以通过学习客户的行为和偏好，为客户提供个性化的推荐。
具体来说，由于小程序中没有dom 树，导致不能直接控制小程序，因此本实施例在小程序里面采集数据，并在H5页面上面渲染采集的数据。在创建H5页面时，具体可以通过HTML、CSS和JavaScript等前端技术，创建一个与小程序页面相似的H5页面，使二者包括相同的布局和元素结构、以及展示同样的数字物料内容。
在创建H5页面后，从临时缓存数据库中获取已结束的浏览会话的浏览数据，即目标浏览数据，该数据中可以包括用户的点击操作、滚动行为等。然后根据获取的目标浏览数据，通过JavaScript动态修改页面元素的位置、样式或内容，将上报的操作渲染到页面的对应位置，可以使用DOM操作将点击区域的标识添加到相应的元素上。
在这里，当将所述目标浏览数据渲染至H5页面上时，还可以获取所述目标浏览数据中的用户点击操作；接着采用DOM操作将所述用户点击操作对应的点击区域的标识添加至初始Html5页面的元素上；然后对所述用户点击操作生成关于用户兴趣区域的热力图。
也就是说，本实施例根据点击放大比较多的区域或者根据根据用户点击的位置和频率，使用热力图库来生成热力图效果，在页面上绘制出相应的热力图，以可视化展示用户的兴趣区域。
随后，在回放录制服务的H5页面中，可以通过事件监听和处理机制，来响应用户的操作，例如点击、滚动等，从而模拟用户在小程序中的操作。
同时使用Puppeteer进行页面的控制和视频录制。在渲染目标浏览数据的过程中，利用Puppeteer控制页面的截图或屏幕录制功能，实时记录用户行为。生成的视频可以作为销售人员查看用户行为轨迹的依据。最后将录制完毕的视频上传到云存储中，并通过feeds通知销售人员，以便查看和分析用户的行为轨迹。
在一具体实施例中，所述通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制，包括：
获取录制的视频数据，并按照时间戳对所述视频数据解析拆分为多个的视频片段；
针对每一视频片段，判断所述视频片段中是否存在目标事件；其中，所述目标事件为连续两帧为不同动作；
将存在目标事件的视频片段设置为目标片段，以及将未存在目标事件的视频片段设置为非目标片段；
筛除所述非目标片段，并按照所述时间戳将所述目标片段组合为新的视频数据。
可以理解的是，本实施例将连续两帧为不同动作设置为所述目标事件，目的便是为了剔除视频数据中连续两帧或者多帧动作相同的图像帧，从而可以跳过视频数据中静止等待的时间，如此不仅减少视频内存，还能够提高后续的线索输出效率。进一步的，为了提高筛选的准确性，还可以对所述的目标片段进行更深层次的判断，例如对目标片段判断其中是否包含连续两帧或者多帧动作相同的图像帧，若是则从目标片段中剔除这些图像帧，而对于非目标片段，由于在先判断过程中已经确认其中并未连续两帧为不同动作的图像帧，因此可以无需对其进一步判断。
在一实施例中，如图3所示，所述步骤S105包括：步骤S301~S305。
S301、数据接收服务器通过客户关系管理系统获取相应的企业信息，并通过所述企业信息对所述线索数据进行填充；
S302、对所述线索数据进行数据预处理，得到线索数据向量；所述数据预处理包括数据清洗、数据编码以及数据归一化；
S303、在数据预处理完成后，对所述线索数据向量进行特征选择和特征降维处理；
S304、将所述线索数据向量输入至深度学习神经网络模型中，并由所述深度学习神经网络模型输出对应的线索特征数据；
S305、对所述线索特征数据进行特征解析，并将特征解析的结果与所述视频数据结合为所述潜在销售线索并输出。
本实施例中，通过大模型生成线索的指导跟进建议（即所述的潜在销售线索），并存入线索的跟进记录、访问记录中。这样可以使销售人员在销售客户端查看线索详情时，能够看到潜在销售线索，从而进行下一步的跟进活动。如此可以对销售的活动更有针对性，能够做到根据线索来针对具体问题做出具体建议，从而提高转化成交的机会。
具体来说，在创建线索数据后，据线索的状态和补全的上下文数据，记录用户的反馈信息。可以使用CRM系统的提醒和通知功能，自动提醒销售团队跟进用户，并根据设定的时间表提醒销售团队进行跟进工作。此外，还需跟进填写的线索企业名称，例如可以通过爬虫或 RPA 技术来抓取与该企业相关的公开数据，如企业基本信息、企业行业、企业招投标信息、企业联系方式、企业产品信息、企业业务、企业舆情信息等数据。利用上述数据对线索数据进行填充。
数据接收服务器在将线索数据输入到深度学习模型之前，首先需要对其进行数据预处理，具体包括数据清洗（例如处理缺失值和异常值）、数据编码（例如将类别数据转换为数字）以及数据标准化或归一化等。本实施例考虑到线索数据的结构包括不同的量纲，例如用户画像、浏览行为、感兴趣的内容、所在行业以及销售画像等，因此对其进行数据预处理，以转换为模型的输入向量。在数据预处理完成后，使用特征选择和降维技术来减少数据的复杂性，如此可以通过减少无关的特征或者通过降维技术来减少数据的维度，从而提高深度学习模型的性能。此外，本实施例使用预处理后的线索数据来训练深度学习模型。在训练完成后，可以使用这个模型来预测新的线索数据的特征。深度学习模型选择经过预训练的ResNet-50模型,并使用销售线索数据集微调。模型的输入是固定长度的向量，输出是针对该线索的一系列特征打分。当然，在其他实施例中，还可以采用其他模型来充当大模型，例如机器学习模型等等。随后，将输出得到的线索特征数据与视频数据结合起来作为潜在线索数据输出。
在模型预测完成后，对模型输出的特征进行解析，以生成销售线索。模型输出的线索特征可以包括：成交可能性、核心需求、急迫度以及持续关注时间等，在对这些特征进行解析时，可以采用置信度评分的方法对上述每个特征进行打分，并按照分数高低依次排序，从而可以根据排序的线索特征来对构建或者调整销售策略。
在一些优选的实施例中，在由所述深度学习神经网络模型输出对应的线索特征数据的过程中，采用注意力机制来使深度学习神经网络模型自动关注线索数据向量中的重点特征，从而提升模型准确性。注意力机制是一种模仿人类视觉系统的方法，它使得深度学习神经网络模型能够有选择地关注输入数据的特定部分，从而提高任务的执行效果。在深度学习中，注意力机制是一种通过给予模型对输入信息的不同权重来集中关注于相关信息的方法。传统的神经网络模型通常会平均处理输入数据的全部部分，而忽略了不同部分之间的差异性。然而，在现实世界中，很多任务的成功执行依赖于对关键细节的准确处理。这就是注意力机制的价值所在。注意力机制的核心思想是根据任务需要自动学习数据中的重要部分，并加强这些部分的表示，同时抑制无关部分的影响。这种选择性关注使得模型能够更好地理解和利用输入数据，从而在各种任务中取得更好的性能。同时，注意力机制不仅可以提高模型的性能，还有助于解释模型的决策过程。通过可视化注意力权重，可以理解模型在执行任务时关注的重要特征和上下文信息。
在一实施例中，所述步骤S103包括：
计算最后浏览时间与当前时间的时间差；
判断所述时间差是否超过预设时间阈值；
若判定所述时间差超过预设时间阈值，则判定当前浏览会话结束；
若判定所述时间差未超过预设时间阈值，在判定当前浏览会话未结束。
本实施例在判断当前浏览会话是否结束时，具体根据当前浏览会话的最后浏览时间与当前时间之间的时间差来判断，即当时间差超过了预设时间阈值时，便可以判定当前浏览会话结束，而当时间差没有超过预设时间阈值时，便可以判定当前浏览会话还未结束。进一步，对于判定未结束的当前浏览会话，可以通过定时轮询的机制在后续时间内继续是否结束，而判断流程则与上述流程一致。
图4为本发明实施例提供的一种营销数据智能分析系统400的网络架构图，该系统400具体包括：销售客户端401、用户客户端402和数据接收服务器403；
所述销售客户端401，用于向用户客户端402推送数字物料；
所述用户客户端402，用于响应于用户对所述数字物料的浏览会话，用户客户端402为当前浏览会话创建会话ID以及创建与所述销售客户端401绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器403；
所述数据接收服务器403，用于将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；以及根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端401；结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端401。
在一实施例中，所述用户客户端402还用于：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
在一实施例中，所述数据接收服务器403还用于：
通过前端技术创建与用户客户端402相符的初始Html5页面；
从所述临时缓存数据库中提取所述目标浏览数据；
基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种营销数据智能分析方法，其特征在于，包括：
销售客户端向用户客户端推送数字物料；
响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器；
数据接收服务器将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；
数据接收服务器根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；
数据接收服务器结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端。
2.根据权利要求1所述的营销数据智能分析方法，其特征在于，所述响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器，包括：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
3.根据权利要求1所述的营销数据智能分析方法，其特征在于，所述数据接收服务器根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，包括：
通过前端技术创建与用户客户端相符的初始Html5页面；
从所述临时缓存数据库中提取所述目标浏览数据；
基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
4.根据权利要求3所述的营销数据智能分析方法，其特征在于，所述基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面，包括：
获取所述目标浏览数据中的用户点击操作；
采用DOM操作将所述用户点击操作对应的点击区域的标识添加至初始Html5页面的元素上；
对所述用户点击操作生成关于用户兴趣区域的热力图。
5.根据权利要求1所述的营销数据智能分析方法，其特征在于，所述数据接收服务器结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端，包括：
数据接收服务器通过客户关系管理系统获取相应的企业信息，并通过所述企业信息对所述线索数据进行填充；
对所述线索数据进行数据预处理，得到线索数据向量；所述数据预处理包括数据清洗、数据编码以及数据归一化；
在数据预处理完成后，对所述线索数据向量进行特征选择和特征降维处理；
将所述线索数据向量输入至深度学习神经网络模型中，并由所述深度学习神经网络模型输出对应的线索特征数据；
对所述线索特征数据进行特征解析，并将特征解析的结果与所述视频数据结合为所述潜在销售线索并输出。
6.根据权利要求5所述的营销数据智能分析方法，其特征在于，所述将所述线索数据向量输入至深度学习神经网络模型中，并由所述深度学习神经网络模型输出对应的线索特征数据，包括：
获取训练数据集对ResNet50神经网络进行预训练；其中，所述训练数据集包含带有线索特征的训练数据；
利用预训练后的ResNet50神经网络对所述线索数据向量提取所述线索特征数据。
7.根据权利要求1所述的营销数据智能分析方法，其特征在于，所述根据最后浏览时间判断当前浏览会话是否结束，包括：
计算最后浏览时间与当前时间的时间差；
判断所述时间差是否超过预设时间阈值；
若判定所述时间差超过预设时间阈值，则判定当前浏览会话结束；
若判定所述时间差未超过预设时间阈值，在判定当前浏览会话未结束。
8.一种营销数据智能分析系统，其特征在于，包括：销售客户端、用户客户端和数据接收服务器；
所述销售客户端用于向用户客户端推送数字物料；
所述用户客户端，用于响应于用户对所述数字物料的浏览会话，用户客户端为当前浏览会话创建会话ID以及创建与所述销售客户端绑定的线索数据，并将当前浏览会话中的所有浏览动作记录为浏览数据与所述线索数据一并发送至数据接收服务器；
所述数据接收服务器，用于将接收到的浏览数据存储至临时缓存数据库中，并获取用户在当前浏览会话的最后浏览时间，然后根据最后浏览时间判断当前浏览会话是否结束；以及根据会话ID定时轮询浏览会话，并对已结束的目标浏览会话提取对应的目标浏览数据，然后对所述目标浏览数据进行回放录制，并将回放录制的视频数据发送至销售客户端；结合所述线索数据和视频数据输出潜在销售线索，并将所述潜在销售线索发送至销售客户端。
9.根据权利要求8所述的营销数据智能分析系统，其特征在于，所述用户客户端还用于：
通过客户关系管理系统获取用户ID以及销售ID，并获取所述数字物料的物料ID；
结合用户ID、销售ID和物料ID创建线索数据，并为所述线索数据创建线索ID；
通过哈希函数对所述用户ID进行哈希转换，以及采用差分隐私的方式对所述浏览数据进行加密保护。
10.根据权利要求9所述的营销数据智能分析系统，其特征在于，所述数据接收服务器还用于：
通过前端技术创建与用户客户端相符的初始Html5页面；
从所述临时缓存数据库中提取所述目标浏览数据；
基于所述目标浏览数据，通过JavaScript技术动态修改所述初始Html5页面的页面样式，以将所述目标浏览数据渲染至初始Html5页面上，得到目标Html5页面；其中，所述页面样式包括元素位置、元素样式以及元素内容；
利用事件监听和处理机制，响应所述目标浏览数据中的用户操作；其中，所述用户操作包括用户点击操作、用户滚动操作；
通过Puppeteer库对所述目标Html5页面的生成过程进行页面控制及视频录制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311030206.4A CN116739647A (zh) | 2023-08-16 | 2023-08-16 | 一种营销数据智能分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311030206.4A CN116739647A (zh) | 2023-08-16 | 2023-08-16 | 一种营销数据智能分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116739647A true CN116739647A (zh) | 2023-09-12 |
Family
ID=87902996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311030206.4A Pending CN116739647A (zh) | 2023-08-16 | 2023-08-16 | 一种营销数据智能分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116739647A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117493618A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市加推科技有限公司 | 一种基于人脉图谱的客户关系管理方法、装置及相关介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779788A (zh) * | 2015-11-24 | 2017-05-31 | 北京易车互联信息技术有限公司 | 汽车服务信息推送方法和装置 |
| CN109120613A (zh) * | 2018-08-08 | 2019-01-01 | 北京云中轮科技咨询有限公司 | 通讯数据的监控方法和系统 |
| CN111400704A (zh) * | 2020-03-20 | 2020-07-10 | 广州赛讯信息技术有限公司 | 实现web访问安全审计方法、装置、设备及计算机可读介质 |
| CN112182473A (zh) * | 2020-12-01 | 2021-01-05 | 未鲲(上海)科技服务有限公司 | 页面操作行为回放方法、装置、计算机设备及存储介质 |
| CN112784008A (zh) * | 2020-07-16 | 2021-05-11 | 上海芯翌智能科技有限公司 | 案件相似度确定方法及装置、存储介质、终端 |
| CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
| CN114692049A (zh) * | 2022-03-29 | 2022-07-01 | 医渡云（北京）技术有限公司 | 基于浏览器的录屏方法及装置、电子设备、存储介质 |
| CN115796968A (zh) * | 2022-12-16 | 2023-03-14 | 上海浦东发展银行股份有限公司 | 一种基于营销线索的网格化获客信息处理方法 |
-
2023
- 2023-08-16 CN CN202311030206.4A patent/CN116739647A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779788A (zh) * | 2015-11-24 | 2017-05-31 | 北京易车互联信息技术有限公司 | 汽车服务信息推送方法和装置 |
| CN109120613A (zh) * | 2018-08-08 | 2019-01-01 | 北京云中轮科技咨询有限公司 | 通讯数据的监控方法和系统 |
| CN111400704A (zh) * | 2020-03-20 | 2020-07-10 | 广州赛讯信息技术有限公司 | 实现web访问安全审计方法、装置、设备及计算机可读介质 |
| CN112784008A (zh) * | 2020-07-16 | 2021-05-11 | 上海芯翌智能科技有限公司 | 案件相似度确定方法及装置、存储介质、终端 |
| CN112182473A (zh) * | 2020-12-01 | 2021-01-05 | 未鲲(上海)科技服务有限公司 | 页面操作行为回放方法、装置、计算机设备及存储介质 |
| CN113655017A (zh) * | 2021-06-30 | 2021-11-16 | 浙江大学 | 一种智能手机连用的无损糖度检测装置及其检测方法 |
| CN114692049A (zh) * | 2022-03-29 | 2022-07-01 | 医渡云（北京）技术有限公司 | 基于浏览器的录屏方法及装置、电子设备、存储介质 |
| CN115796968A (zh) * | 2022-12-16 | 2023-03-14 | 上海浦东发展银行股份有限公司 | 一种基于营销线索的网格化获客信息处理方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117493618A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市加推科技有限公司 | 一种基于人脉图谱的客户关系管理方法、装置及相关介质 |
| CN117493618B (zh) * | 2023-12-29 | 2024-04-09 | 深圳市加推科技有限公司 | 一种基于人脉图谱的客户关系管理方法、装置及相关介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110781321B (zh) | 一种多媒体内容推荐方法及装置 | |
| CN111741356B (zh) | 双录视频的质检方法、装置、设备及可读存储介质 | |
| US20150033127A1 (en) | System and Method for Integrating Interactive Call-To-Action, Contextual Applications with Videos | |
| CN112989209B (zh) | 内容推荐方法、装置和存储介质 | |
| US11544135B2 (en) | Systems and methods for the analysis of user experience testing with AI acceleration | |
| CN105160545B (zh) | 投放信息样式确定方法及装置 | |
| US10846517B1 (en) | Content modification via emotion detection | |
| CN104463423A (zh) | 一种格式化的视频简历采集方法及系统 | |
| JP2014006898A (ja) | 行動パターンをマイニングするシステム及び方法 | |
| US11080376B2 (en) | Anonymous cross-device, cross-channel, and cross-venue user identification using adaptive deep learning | |
| US20180174103A1 (en) | Ideation platform system and method | |
| CN106503907B (zh) | 一种业务评估信息确定方法以及服务器 | |
| JP2018534700A (ja) | メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 | |
| CN106294601B (zh) | 数据处理方法和装置 | |
| CN110995569A (zh) | 一种智能互动方法、装置、计算机设备和存储介质 | |
| US20220101356A1 (en) | Network-implemented communication system using artificial intelligence | |
| CN116739647A (zh) | 一种营销数据智能分析方法及系统 | |
| CN113766268B (zh) | 视频处理方法、装置、电子设备和可读介质 | |
| CN113810729B (zh) | 直播氛围特效匹配方法、装置、设备及介质 | |
| WO2020210766A1 (en) | Systems and methods for improved modelling of partitioned datasets | |
| CN116821475B (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
| CN111461778A (zh) | 广告推送的方法和装置 | |
| US11909100B2 (en) | Systems and methods for the analysis of user experience testing with AI acceleration | |
| CN109101964A (zh) | 确定多媒体文件中首尾区域的方法、设备及存储介质 | |
| CN113407772B (zh) | 视频推荐模型的生成方法、视频推荐方法、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 |