[发明专利]潜在客户挖掘方法、装置、电子设备及存储介质

权利要求书

1.一种潜在客户挖掘方法，其特征在于，包括：

获取目标客户的画像属性特征，所述画像属性特征包括客户年龄、客户忠诚度、社交亲密度、购物类APP使用活跃时段、线上访问活跃度和线下访问活跃度；

将目标客户的画像属性特征输入到挖掘模型中，得到由挖掘模型输出的潜在倾向度，所述潜在倾向度用于表征目标用户在目标商圈内为新用户的概率值；

其中，所述挖掘模型为将根据样本用户的画像属性特征和样本用户的客户标签作为输入，通过机器学习训练得到的，用于预测用户对应于商圈的潜在倾向度的模型；

所述挖掘模型包括分簇层和计算层，所述分簇层用于确定目标用户对应的计算簇，所述计算层用于基于确定的计算簇的簇特征和目标客户的画像属性特征确定潜在倾向度。

2.根据权利要求1所述的潜在客户挖掘方法，其特征在于，所述将目标客户的画像属性特征输入到挖掘模型中，得到由挖掘模型输出的潜在倾向度，包括：

将目标客户的画像属性特征输入到分簇层，由所述分簇层根据客户年龄输出计算簇的标识；

将所述计算簇的标识和目标客户的画像属性特征输入到计算层，由所述计算层根据计算簇的标识从对应的计算簇中获取客户的画像属性特征，并根据获取到的客户的画像属性特征和目标客户的画像属性特征输出潜在倾向度。

3.根据权利要求1所述的潜在客户挖掘方法，其特征在于，所述获取目标客户的画像属性特征，包括：

获取第一统计周期内目标客户到访目标商圈的到访记录，根据所述到访记录确定客户忠诚度；

获取第一统计周期内目标客户的通话记录，根据所述通话记录确定社交亲密度；

获取第一统计周期内目标客户使用购物类APP的使用记录，根据所述使用记录确定购物类APP使用活跃时段；

获取第一统计周期内目标客户在线上的访问记录，根据所述访问记录确定线上访问活跃度；

获取第一统计周期内目标客户到访所有商圈的到访记录，根据到访所有商圈的到访记录确定线下访问活跃度。

4.根据权利要求1所述的潜在客户挖掘方法，其特征在于，所述计算簇的簇特征的获取，包括：

获取计算簇中各样本客户的画像属性特征；

根据计算簇中各年龄对应的客户数目确定年龄频次向量；

根据计算簇中各客户的客户忠诚度确定到访各商圈的客户数目，根据到访各商圈的客户数目确定商圈频次向量；

根据计算簇中各客户的购物类APP使用活跃时段的客户数目，根据所述购物类APP使用活跃时段的客户数目确定使用活跃时段向量；

根据计算簇中各客户的线上访问活跃度的均值和标准差确定线上访问活跃参数；

根据计算簇中各客户的线下访问活跃度的均值和标准差确定线下访问活跃参数；

根据计算簇中各客户的社交亲密度的均值和标准差确定社交亲密参数；

将所述年龄频次向量、商圈频次向量、使用活跃参数、线上访问活跃参数、线下访问活跃参数和社交亲密参数作为计算簇的簇特征。

5.一种潜在客户挖掘装置，其特征在于，包括：

获取模块，用于获取目标客户的画像属性特征，所述画像属性特征包括客户年龄、客户忠诚度、社交亲密度、购物类APP使用活跃时段、线上访问活跃度和线下访问活跃度；

处理模块，用于将目标客户的画像属性特征输入到挖掘模型中，得到由挖掘模型输出的潜在倾向度，所述潜在倾向度用于表征目标用户在目标商圈内为新用户的概率值；

其中，所述挖掘模型为将根据样本用户的画像属性特征和样本用户的客户标签作为输入，通过机器学习训练得到的，用于预测用户对应于商圈的潜在倾向度的模型；

所述挖掘模型包括分簇层和计算层，所述分簇层用于确定目标用户对应的计算簇，所述计算层用于基于确定的计算簇的簇特征和目标客户的画像属性特征确定潜在倾向度。