[发明专利]客户筛选方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种客户筛选方法，其特征在于，包括：

获取客户信息；

根据所述客户信息的特征项所对应的特征值生成特征矩阵，所述特征矩阵的行向量表征目标特征项的多个特征维度的特征值，所述目标特征项为所述客户信息对应的任意一个特征项；

计算所述特征矩阵的行向量与预先训练好的权重矩阵的对应列向量的乘积，以生成对角矩阵，所述预先训练好的权重矩阵的对应列向量表征所述目标特征项的多个特征维度的权重值；

计算所述对角矩阵的迹，若所述对角矩阵的迹大于第一预设阈值，则将所述客户信息所对应的客户确定为目标客户。

2.根据权利要求1所述的方法，其特征在于，所述权重矩阵的训练包括：

获取客户信息样本以及所述客户信息样本中每个样本所对应的样本标签；

根据所述客户信息样本生成特征矩阵样本，其中，所述特征矩阵样本的行向量表征样本特征项的多个特征维度的特征值，所述样本特征项为所述客户信息样本对应的任意一个特征项；

计算所述特征矩阵样本的行向量与待训练权重矩阵的对应列向量的乘积，以生成训练对角矩阵，其中，所述待训练权重矩阵的对应列向量表征所述样本特征项的多个特征维度的权重值；

计算所述训练对角矩阵的迹；

根据所述训练对角矩阵的迹的大小以及对应的样本标签，调整所述待训练权重矩阵的列向量的对应元素的权重值。

3.根据权利要求2所述的方法，其特征在于，所述样本标签包括目标客户标签和非目标客户标签；

所述根据所述训练对角矩阵的迹的大小以及对应的样本标签，调整所述待训练权重矩阵的列向量的对应元素的权重值包括：

若所述样本标签为目标客户标签，且所述训练对角矩阵的迹不大于第二预设阈值，则调高所述待训练权重矩阵的列向量的对应元素的权重值，使得所述客户信息样本中所述目标客户标签所对应的训练对角矩阵的迹均大于所述第二预设阈值；

若所述样本标签为非目标客户标签，且所述训练对角矩阵的迹不小于第三预设阈值，则调低所述待训练权重矩阵的列向量的对应元素的权重值，使得所述客户信息样本中所述非目标客户标签所对应的训练对角矩阵的迹均小于所述第三预设阈值。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

生成拉新优惠券；

将所述拉新优惠券发送给所述目标客户，以供所述目标客户将所述拉新优惠券转发给潜在客户。

5.根据权利要求4所述的方法，其特征在于，所述方法包括：

获取所述拉新优惠券的使用信息；

确定所述使用信息所对应的目标客户；

向所述使用信息所对应的目标客户发送奖励优惠券。

6.根据权利要求4所述的方法，其特征在于，所述方法包括：

获取所述拉新优惠券的使用信息；

确定所述使用信息所对应的潜在客户；

获取所述潜在客户所对应的潜在客户信息；

根据所述潜在客户信息对所述权重矩阵进行训练。

7.根据权利要求1所述的方法，其特征在于，在所述根据所述客户信息的特征项所对应的特征值生成特征矩阵之前，包括：

提取所述客户信息中的特征项所对应的特征值，所述客户信息中的特征项包括车辆品牌、车辆价格、车龄、车辆行驶公里数、客户消费活跃度、客户平均消费金额、客户性格。

8.一种客户筛选装置，其特征在于，包括：

获取模块，用于获取客户信息；

第一生成模块，用于根据所述客户信息的特征项所对应的特征值生成特征矩阵，所述特征矩阵的行向量表征目标特征项的多个特征维度的特征值，所述目标特征项为所述客户信息对应的任意一个特征项；

第二生成模块，用于计算所述特征矩阵的行向量与预先训练好的权重矩阵的对应列向量的乘积，以生成对角矩阵，所述预先训练好的权重矩阵的对应列向量表征所述目标特征项的多个特征维度的权重值；

确定模块，用于计算所述对角矩阵的迹，若所述对角矩阵的迹大于第一预设阈值，则将所述客户信息所对应的客户确定为目标客户。