[发明专利]潜在客户挖掘方法、装置、电子设备及存储介质

说明书

本发明提供一种潜在客户挖掘方法、装置、电子设备及存储介质，该方法包括：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，通过目标客户的移动大数据去获取针对于商圈访问的画像属性特征，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，做到全面以客户针对于商圈访问的大数据为支持，提供对潜在客户预测的准确性。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种潜在客户挖掘方法、装置、电子设备及存储介质。

背景技术

当下，移动互联网、物联网和5G通信技术快速发展和应用，信息数据量的爆炸性增长和过载问题应运而生。数据的爆炸性增长使得人们难以从庞大而复杂的数据中快速有效地获取有价值的信息。运营商拥有与日俱增的海量用户数据，在承担高额数据维护成本的同时，如何通过技术手段实现数据资产变现，使得数据切实产生价值成为运营商亟需解决的问题之一。随着大数据技术的广泛应用，商家的专注点日益聚焦于潜在客户挖掘、客户需求分析、定向引流和精准营销等。基于移动大数据分析挖掘商家的潜在客户，一方面可以帮助运营商实现数据资产变现，另一方面可以在降低营销成本的情况下满足商家的精准营销需求。而目前基于大数据构建用户画像所需属性信息获取渠道仅为客户端向终端发送探测请求，获取客户端用户下载的APP信息，这使得在构建用户画像时标签属性不够全面，从而影响到对潜在客户的预测。

发明内容

针对现有技术存在的问题，本发明提供一种潜在客户挖掘方法、装置、电子设备及存储介质。

第一方面，本发明提供一种潜在客户挖掘方法，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。

在一个实施例中，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。

在一个实施例中，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。