CN117408531B - 一种大数据智能匹配的客户信息管理方法及系统 - Google Patents

Abstract

本发明公开了一种大数据智能匹配的客户信息管理方法及系统，涉及信息管理技术领域，包括：基于客户信息，划分出若干个信息类别，并对每个信息类别设定若干个类别实体；获取数据库中所有的客户信息，并基于客户信息，按照类别确定逻辑，确定客户在每一个信息类别下的类别实体；统计所有信息类别下每个类别实体对应的客户数量，记为客户分类信息；构建客户总体分类画像；确定公司开展的所有当前业务；确定当前业务的目标群体分类画像；确定公司当前业务的业务合理性。本发明的优点在于：可有效的企业进行业务调整提供有效的决策建议，便于企业结合客户信息进行针对性的业务调整，实现最优化的业务决策。

Description

一种大数据智能匹配的客户信息管理方法及系统

技术领域

本发明涉及信息管理技术领域，具体是涉及一种大数据智能匹配的客户信息管理方法及系统。

背景技术

在大数据时代，数据具有越来越大的价值，已经成为各行各业的重要资产。通过数据调用分析，可以实现信息的交流和沟通，尤其是随着数字中台的建立和应用普及，极大地提高了数据调用的便捷性和高效性，进而有效提高了各行各业的工作效率。

现有技术中缺乏一套行之有效的通过对客户信息进行智能化匹配管理，导致企业在进行业务开展规划时，难以实现业务最优化设计，进而在企业工作开展中，无法结合客户信息进行针对性的业务调整，难以实现最优化的业务决策。

发明内容

为解决上述技术问题，提供一种大数据智能匹配的客户信息管理方法及系统，本技术方案解决了上述的现有技术中缺乏一套行之有效的通过对客户信息进行智能化匹配管理，导致企业在进行业务开展规划时，难以实现业务最优化设计，进而在企业工作开展中，无法结合客户信息进行针对性的业务调整，难以实现最优化的业务决策的问题。

为达到以上目的，本发明采用的技术方案为：

一种大数据智能匹配的客户信息管理方法，包括：

基于客户信息，划分出若干个信息类别，并对每个信息类别设定若干个类别实体；

获取数据库中所有的客户信息，并基于客户信息，按照类别确定逻辑，确定客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的客户数量，记为客户分类信息；

基于客户分类信息，构建客户总体分类画像；

确定公司开展的所有当前业务；

基于当前业务的开展状态，确定当前业务的目标群体分类画像；

基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性；

基于公司当前业务的业务合理性，进行调整公司业务。

优选的，所述类别确定逻辑的训练步骤具体为：

确定每一个信息类别对应的若干个类别实体，生成与每一个信息类别对应的类别 实体集合Vi，，为第i个信息类别对应的第j个类别 实体，为第i个信息类别对应的类别实体总数；

获取若干个类别确定逻辑训练对，所述类别确定逻辑训练对由信息类别对应的数值和对应的类别实体组成；

分别将类别确定逻辑训练对中的信息类别对应的数值建立与类别实体集合中元 素一一对应的指向逻辑链，所述指向逻辑链为：，为第i个 信息类别对应的第k个类别确定逻辑训练对中的信息类别对应的数值，为第i个信息类别 对应的类别确定逻辑训练对总数；

确定第i个信息类别对应的第k个类别确定逻辑训练对中的信息类别对应的类别 实体，记为

将记为有效指向逻辑链；

保存所有有效指向逻辑链信息，形成类别确定逻辑。

优选的，所述确定客户在每一个信息类别下的类别实体具体包括：

获取客户信息中对应信息类别的数值，记为客户类别数值；

将客户类别数值代入信息类别对应的类别确定逻辑中，通过有效指向逻辑链，确定客户类别数对应的类别实体，记为客户类别实体。

优选的，所述基于客户分类信息，构建客户总体分类画像具体包括：

确定每一个信息类别对应的类别实体的客户数量，获取信息类别数量集合Wi，，为第i个信息类别对应的第j个类别实体的客 户数量；

基于信息类别数量集合Wi，通过标准化计算公式计算得到信息类别标准集合Si，；

其中，所述标准化计算公式为：

为第i个信息类别对应的第j个类别实体的标准化值；

将所有信息类别的信息类别标准集合组成客户总体分类画像。

优选的，所述基于当前业务的开展状态，确定当前业务的目标群体分类画像具体包括：

基于当前业务的开展状态，获取每一个当前业务对应的所有客户信息，记为业务客户信息；

基于业务客户信息，按照类别确定逻辑，确定业务客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的业务客户数量，记为业务客户分类信息；

基于业务客户分类信息，构建业务客户总体分类画像，即为当前业务的目标群体分类画像。

优选的，所述基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性具体包括：

确定每个当前业务的综合利润；

基于每个当前业务的综合利润，确定每个当前业务的优先权重；

分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性；

所述合理性指标计算公式为：

其中，为公司当前业务的业务合理性，为公司开展的当前业务总数，为第l个 当前业务的优先权重，为第l个当前业务目标群体分类画像和客户总体分类画像之间的 相似拟合度。

优选的，所述基于每个当前业务的综合利润，确定每个当前业务的优先权重具体为：

将所有当前业务的综合利润进行求和，得到利润总值；

将每个当前业务的综合利润与利润总值的比值作为当前业务的优先权重。

优选的，所述分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度具体包括：

通过画像拟合度计算公式计算当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

所述画像拟合度计算公式为：

式中，为业务目标群体分类画像和客户总体分类画像之间的相似拟合度，为业 务目标群体分类画像中第i个信息类别对应的第j个类别实体的标准化值，为信息类别总 数。

进一步的，提出一种大数据智能匹配的客户信息管理系统，用于实现如上述的大数据智能匹配的客户信息管理方法，包括：

客户分类模块，所述客户分类模块用于构建客户总体分类画像；

业务状态模块，所述业务状态模块用于基于当前业务的开展状态，确定当前业务的目标群体分类画像；

匹配模块，所述匹配模块与所述客户分类模块和业务状态模块电性连接，所述匹配模块用于基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性并基于公司当前业务的业务合理性，进行调整公司业务。

可选的，所述匹配模块具体包括：

业务优先级单元，所述业务优先级单元用于确定每个当前业务的综合利润并基于每个当前业务的综合利润，确定每个当前业务的优先权重；

画像拟合单元，所述画像拟合单元用于计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

合理匹配单元，所述合理匹配单元用于结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性。

与现有技术相比，本发明的有益效果在于：

本发明结合数据库中已有的客户信息进行综合化的分析企业的客户总体的分类画像，该画像可有效的反映出企业的客户群体类别，再结合企业当前开展的业务的综合利润以及分析企业当前开展的业务与客户总体的分类画像之间的综合拟合度，计算企业所开展当前业务的合理性，可有效的企业进行业务调整提供有效的决策建议，便于企业结合客户信息进行针对性的业务调整，实现最优化的业务决策。

附图说明

图1为本发明提出的大数据智能匹配的客户信息管理方法流程图；

图2为本发明中的类别确定逻辑的训练方法流程图；

图3为本发明中的确定客户在信息类别下的类别实体的方法流程图；

图4为本发明中的构建客户总体分类画像的方法流程图；

图5为本发明中的确定当前业务的目标群体分类画像的方法流程图；

图6为本发明中的确定公司当前业务的业务合理性的方法流程图；

图7为本发明中的确定每个当前业务的优先权重的方法流程图；

图8为本发明提出的大数据智能匹配的客户信息管理系统结构框图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。

参照图1所示，一种大数据智能匹配的客户信息管理方法，包括：

基于客户信息，划分出若干个信息类别，并对每个信息类别设定若干个类别实体，可以理解的是，信息类别由信息的天然属性组成，例如性别、年龄等，而类别实体为信息类别中可能存在值，如性别，存在男、女等类别实体，年龄存在：幼年、少年、青年、壮年、中年、老年等类别实体；

获取数据库中所有的客户信息，并基于客户信息，按照类别确定逻辑，确定客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的客户数量，记为客户分类信息；

基于客户分类信息，构建客户总体分类画像；

确定公司开展的所有当前业务；

基于当前业务的开展状态，确定当前业务的目标群体分类画像；

基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性；

基于公司当前业务的业务合理性，进行调整公司业务。

本发明结合数据库中已有的客户信息进行综合化的分析企业的客户总体的分类画像，该画像可有效的反映出企业的客户群体类别，再结合企业当前开展的业务的综合利润以及分析企业当前开展的业务与客户总体的分类画像之间的综合拟合度，计算企业所开展当前业务的合理性，可有效的企业进行业务调整提供有效的决策建议。

参照图2所示，类别确定逻辑的训练步骤具体为：

确定每一个信息类别对应的若干个类别实体，生成与每一个信息类别对应的类别 实体集合Vi，，为第i个信息类别对应的第j个类别 实体，为第i个信息类别对应的类别实体总数；

获取若干个类别确定逻辑训练对，类别确定逻辑训练对由信息类别对应的数值和对应的类别实体组成；

分别将类别确定逻辑训练对中的信息类别对应的数值建立与类别实体集合中元 素一一对应的指向逻辑链，指向逻辑链为：，为第i个信息 类别对应的第k个类别确定逻辑训练对中的信息类别对应的数值，为第i个信息类别对应 的类别确定逻辑训练对总数；

确定第i个信息类别对应的第k个类别确定逻辑训练对中的信息类别对应的类别 实体，记为

将记为有效指向逻辑链；

保存所有有效指向逻辑链信息，形成类别确定逻辑。

在进行训练时，通过在不加限制的技术上生成逻辑训练对中的信息类别对应的数值与类别实体集合中每一个元素对应的指向逻辑链，之后通过筛选逻辑训练对中预设的信息类别对应的指向逻辑链作为有效指向逻辑链，通过结合所有逻辑训练对的有效指向逻辑链，作为类别确定逻辑，可有效的保证信息类别在进行分类时的准确性。

参照图3所示，确定客户在每一个信息类别下的类别实体具体包括：

获取客户信息中对应信息类别的数值，记为客户类别数值；

将客户类别数值代入信息类别对应的类别确定逻辑中，通过有效指向逻辑链，确定客户类别数对应的类别实体，记为客户类别实体。

参照图4所示，基于客户分类信息，构建客户总体分类画像具体包括：

确定每一个信息类别对应的类别实体的客户数量，获取信息类别数量集合Wi，，为第i个信息类别对应的第j个类别实体的客 户数量；

基于信息类别数量集合Wi，通过标准化计算公式计算得到信息类别标准集合Si，；

其中，标准化计算公式为：

为第i个信息类别对应的第j个类别实体的标准化值；

将所有信息类别的信息类别标准集合组成客户总体分类画像。

通过将信息类别数量集合中的元素进行标准化处理后，得到信息类别标准集合，进而保证在进行后续拟合计算处理时，整体数据的量度统一性，进而有效的保证数据处理的精准度。

参照图5所示，基于当前业务的开展状态，确定当前业务的目标群体分类画像具体包括：

基于当前业务的开展状态，获取每一个当前业务对应的所有客户信息，记为业务客户信息；

基于业务客户信息，按照类别确定逻辑，确定业务客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的业务客户数量，记为业务客户分类信息；

基于业务客户分类信息，构建业务客户总体分类画像，即为当前业务的目标群体分类画像。

参照图6所示，基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性具体包括：

确定每个当前业务的综合利润；

基于每个当前业务的综合利润，确定每个当前业务的优先权重；

分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性；

合理性指标计算公式为：

其中，为公司当前业务的业务合理性，为公司开展的当前业务总数，为第l个 当前业务的优先权重，为第l个当前业务目标群体分类画像和客户总体分类画像之间的 相似拟合度。

通过对企业当前开展业务的综合利润以及客户分类画像的综合拟合度的深入分析，可以有效地计算企业当前业务的合理性指标。合理性指标可以帮助企业做出更加明智的业务决策，从而更好地调整业务方向，提高业务效率和客户满意度。

在进行业务调整时，企业可以结合客户信息进行针对性的决策。通过对客户的详细信息和行为进行分析，企业可以更好地了解客户需求和行为模式，从而制定更加精准的业务策略。

通过结合企业当前开展业务的综合利润以及客户分类画像的综合拟合度计算，可以为企业提供有效的决策建议。这些建议包括哪些业务方向需要加强、哪些客户群体需要重点关注、哪些产品或服务需要改进等等。这些建议可以帮助企业做出更加明智的决策，提高业务效率和客户满意度，从而实现最优化的业务决策。

参照图7所示，基于每个当前业务的综合利润，确定每个当前业务的优先权重具体为：

将所有当前业务的综合利润进行求和，得到利润总值；

将每个当前业务的综合利润与利润总值的比值作为当前业务的优先权重。

可以理解的是，对于企业来说，业务的综合利润是评价业务的重要标准，这是因为它能够反映该业务对公司的盈利能力和经济效益的贡献。综合利润越高，意味着该业务在市场中的表现越好，为企业带来的收益也越高。因此，业务的综合利润越高，则说明该业务对于企业来说，越具有开展价值，其优先权重也相应地提高。

分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度具体包括：

通过画像拟合度计算公式计算当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

画像拟合度计算公式为：

式中，为业务目标群体分类画像和客户总体分类画像之间的相似拟合度，为业 务目标群体分类画像中第i个信息类别对应的第j个类别实体的标准化值，为信息类别总 数。

通过计算业务目标群体分类画像和客户总体分类画像之间的每个信息类别的标准化值矩阵之间的综合向量距离，该距离越小，则说明当前业务越贴合企业的目标群体。

请参阅图8所示，基于与上述大数据智能匹配的客户信息管理方法相同的发明构思，本方案提出一种大数据智能匹配的客户信息管理系统，包括：

客户分类模块，客户分类模块用于构建客户总体分类画像；

业务状态模块，业务状态模块用于基于当前业务的开展状态，确定当前业务的目标群体分类画像；

匹配模块，匹配模块与客户分类模块和业务状态模块电性连接，匹配模块用于基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性并基于公司当前业务的业务合理性，进行调整公司业务。

匹配模块具体包括：

业务优先级单元，业务优先级单元用于确定每个当前业务的综合利润并基于每个当前业务的综合利润，确定每个当前业务的优先权重；

画像拟合单元，画像拟合单元用于计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

合理匹配单元，合理匹配单元用于结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性。

上述大数据智能匹配的客户信息管理系统的使用方法为：

步骤一：基于客户信息，划分出若干个信息类别，并对每个信息类别设定若干个类别实体；

步骤二：客户分类模块获取数据库中所有的客户信息，并基于客户信息，按照类别确定逻辑，确定客户在每一个信息类别下的类别实体并统计所有信息类别下每个类别实体对应的客户数量，记为客户分类信息，之后基于客户分类信息，构建客户总体分类画像；

步骤三：业务状态模块确定公司开展的所有当前业务和基于当前业务的开展状态，确定当前业务的目标群体分类画像；

步骤四：业务优先级单元用于确定每个当前业务的综合利润并将所有当前业务的综合利润进行求和，得到利润总值，将每个当前业务的综合利润与利润总值的比值作为当前业务的优先权重；

步骤五：画像拟合单元计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

步骤六：合理匹配单元结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性。

综上所述，本发明的优点在于：可有效的企业进行业务调整提供有效的决策建议，便于企业结合客户信息进行针对性的业务调整，实现最优化的业务决策。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种大数据智能匹配的客户信息管理方法，其特征在于，包括：

基于客户信息，划分出若干个信息类别，并对每个信息类别设定若干个类别实体；

获取数据库中所有的客户信息，并基于客户信息，按照类别确定逻辑，确定客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的客户数量，记为客户分类信息；

基于客户分类信息，构建客户总体分类画像；

确定公司开展的所有当前业务；

基于当前业务的开展状态，确定当前业务的目标群体分类画像；

基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性；

基于公司当前业务的业务合理性，进行调整公司业务；

所述基于客户分类信息，构建客户总体分类画像具体包括：

确定每一个信息类别对应的类别实体的客户数量，获取信息类别数量集合Wi，，/>为第i个信息类别对应的第j个类别实体的客户数量，/>为第i个信息类别对应的类别实体总数；

基于信息类别数量集合Wi，通过标准化计算公式计算得到信息类别标准集合Si，；

其中，所述标准化计算公式为：

为第i个信息类别对应的第j个类别实体的标准化值；

将所有信息类别的信息类别标准集合组成客户总体分类画像；

所述基于当前业务的开展状态，确定当前业务的目标群体分类画像具体包括：

基于当前业务的开展状态，获取每一个当前业务对应的所有客户信息，记为业务客户信息；

基于业务客户信息，按照类别确定逻辑，确定业务客户在每一个信息类别下的类别实体；

统计所有信息类别下每个类别实体对应的业务客户数量，记为业务客户分类信息；

基于业务客户分类信息，构建业务客户总体分类画像，即为当前业务的目标群体分类画像；

所述基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性具体包括：

确定每个当前业务的综合利润；

基于每个当前业务的综合利润，确定每个当前业务的优先权重；

分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性；

所述合理性指标计算公式为：

其中，/>为公司当前业务的业务合理性，/>为公司开展的当前业务总数，/>为第l个当前业务的优先权重，/>为第l个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

所述分别计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度具体包括：

通过画像拟合度计算公式计算当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

所述画像拟合度计算公式为：

式中，/>为业务目标群体分类画像和客户总体分类画像之间的相似拟合度，/>为业务目标群体分类画像中第i个信息类别对应的第j个类别实体的标准化值，/>为信息类别总数。

2.根据权利要求1所述的一种大数据智能匹配的客户信息管理方法，其特征在于，所述类别确定逻辑的训练步骤具体为：

确定每一个信息类别对应的若干个类别实体，生成与每一个信息类别对应的类别实体集合Vi，，/>为第i个信息类别对应的第j个类别实体；

获取若干个类别确定逻辑训练对，所述类别确定逻辑训练对由信息类别对应的数值和对应的类别实体组成；

分别将类别确定逻辑训练对中的信息类别对应的数值建立与类别实体集合中元素一一对应的指向逻辑链，所述指向逻辑链为：，/>为第i个信息类别对应的第k个类别确定逻辑训练对中的信息类别对应的数值，/>为第i个信息类别对应的类别确定逻辑训练对总数；

确定第i个信息类别对应的第k个类别确定逻辑训练对中的信息类别对应的类别实体，记为，将/>记为有效指向逻辑链；

保存所有有效指向逻辑链信息，形成类别确定逻辑。

3.根据权利要求2所述的一种大数据智能匹配的客户信息管理方法，其特征在于，所述确定客户在每一个信息类别下的类别实体具体包括：

获取客户信息中对应信息类别的数值，记为客户类别数值；

将客户类别数值代入信息类别对应的类别确定逻辑中，通过有效指向逻辑链，确定客户类别数对应的类别实体，记为客户类别实体。

4.根据权利要求3所述的一种大数据智能匹配的客户信息管理方法，其特征在于，所述基于每个当前业务的综合利润，确定每个当前业务的优先权重具体为：

将所有当前业务的综合利润进行求和，得到利润总值；

将每个当前业务的综合利润与利润总值的比值作为当前业务的优先权重。

5.一种大数据智能匹配的客户信息管理系统，其特征在于，用于实现如权利要求1-4任一项所述的大数据智能匹配的客户信息管理方法，包括：

客户分类模块，所述客户分类模块用于构建客户总体分类画像；

业务状态模块，所述业务状态模块用于基于当前业务的开展状态，确定当前业务的目标群体分类画像；

匹配模块，所述匹配模块与所述客户分类模块和业务状态模块电性连接，所述匹配模块用于基于所有当前业务的目标群体分类画像和客户总体分类画像，确定公司当前业务的业务合理性并基于公司当前业务的业务合理性，进行调整公司业务。

6.根据权利要求5所述的一种大数据智能匹配的客户信息管理系统，其特征在于，所述匹配模块具体包括：

业务优先级单元，所述业务优先级单元用于确定每个当前业务的综合利润并基于每个当前业务的综合利润，确定每个当前业务的优先权重；

画像拟合单元，所述画像拟合单元用于计算每个当前业务目标群体分类画像和客户总体分类画像之间的相似拟合度；

合理匹配单元，所述合理匹配单元用于结合每个当前业务的优先权重，通过合理性指标计算公式计算公司当前业务的业务合理性。