[发明专利]基于随机森林算法的电商平台客户价值评价方法和系统

说明书

本发明公开了基于随机森林算法的电商平台客户价值评价方法和系统，从电商平台数据库中选取影响客户价值评价的评价指标；对选取的评价指标数据进行清洗整理；从清洗整理后的评价指标数据中抽取客户价值评价样本，部分作为训练样本，剩余部分作为测试样本；以清洗整理后的评价指标作为特征，根据训练样本训练随机森林模型；将测试样本输入随机森林模型，当输出值的准确率大于设定阈值时，该随机森林模型即为最终的电商平台客户价值评价模型；利用电商平台客户价值评价模型评价电商平台客户价值。本发明能够为电商平台进行客户价值评价，进而有利于根据评价结果提供营销决策支撑，针对性地提升客户忠诚度。

技术领域

本发明属于电商平台客户价值评价领域，具体涉及基于随机森林算法的电商平台客户价值评价方法和系统。

背景技术

随着社会经济发展进入新常态，农村电商成为当今国家大力支持发展的新兴市场，越来越多的消费者通过农村电商平台购买农产品。面对数以万计的消费者和激烈的市场竞争，农村电商平台的优质价值客户具有较大流失风险。因此对客户进行价值评价，实现价值等级划分，以针对性地提升客户忠诚度成为农村电商面临的重大问题。

在过去，企业管理者通过直觉和经验来制定决策，而非建立在科学基础上定量分析问题。但如今企业管理者所面对的外部环境变化迅猛，电商本身的环境也比以往更加复杂，并且这种复杂性日益增加，所以只依靠决策者的主观判断力很难及时准确地提出科学的决策方案。

发明内容

针对现有技术中存在的技术问题，本发明提供了基于随机森林算法的电商平台客户价值评价方法和系统，能够为电商平台进行客户价值评价，进而有利于根据评价结果提供营销决策支撑，针对性地提升客户忠诚度。

为了解决上述技术问题，本发明通过以下技术方案予以实现：

一种基于随机森林算法的电商平台客户价值评价方法，包括以下步骤：

步骤1：从电商平台数据库中选取影响客户价值评价的评价指标；

步骤2：对步骤1中选取的评价指标数据进行清洗整理；

步骤3：从步骤2中清洗整理后的评价指标数据中抽取客户价值评价样本，部分作为训练样本，剩余部分作为测试样本；

步骤4：以步骤2中清洗整理后的评价指标作为特征，根据步骤3中的训练样本训练随机森林模型；

步骤5：将步骤3中的测试样本输入步骤4中的随机森林模型，当输出值的准确率大于设定阈值时，该随机森林模型即为最终的电商平台客户价值评价模型；

步骤6：利用步骤5得到的电商平台客户价值评价模型评价电商平台客户价值。

进一步地，步骤1中，所述评价指标包括单月下单频次、单月平均消费金额、单月商品复购次数和最近一次购买时间。

进一步地，步骤2中，评价指标数据清洗具体为：满足随机森林算法需求，但存在缺失的评价指标数据，通过补齐算法补齐缺失值；删除存在缺失且无法满足随机森林算法需求的评价指标数据；

评价指标数据整理具体为：计算每个评价指标对应数据的标准差，并且：

小于单月下单频次标准差的数据记为低，反之为高；

小于单月平均消费金额标准差的数据记为低，反之为高；

小于单月商品复购次数标准差的数据记为低，反之为高；

小于最近一次购买时间标准差的数据记为近，反之为远。

进一步地，电商平台客户价值等级包括：当客户单月下单频次高、单月平均消费金额高、单月商品复购次数高且最近一次购买时间近，则为三级；当客户单月下单频次低、单月平均消费金额低、单月商品复购次数低且最近一次购买时间远，则为一级；其它情况则为二级。