[发明专利]一种智能外呼营销方法及系统

说明书

本发明提供了一种智能外呼营销方法，包括步骤：获取训练数据集、模型训练、获取原始数据集、获取会员短期偏好品类、获取测试数据集、模型预测、获取相关线下门店和外呼营销；对会员进行外呼营销时优先营销购买概率大的品类，并告知会员相关线下门店的信息；本发明还提供了一种智能外呼营销系统，包括存储器和处理器，存储器中存储有计算机程序，处理器运行存储器中存储的计算机程序时，执行智能外呼营销方法；本发明的目的在于解决智慧零售中线上平台和线下门店的融合，实现线上平台和线下门店融合的购物方式，使得消费者购物更方便，提升了会员消费体验，同时带来销售额的增加。

技术领域

本发明属于大数据智慧零售技术领域，具体涉及一种智能外呼营销方法及系统。

背景技术

在零售领域，一方面实体店受到电商冲击和场地租金上涨等因素而陷入困局，另一方面以3C产品为例，线下渠道依然是销售的主流方式，消费者习惯于先线上研究再到线下门店体验购买。因此，出现了新的零售业态--智慧零售。

智慧零售，以顾客为中心，在大数据等技术驱动下，依托新供应链，实现线上线下的深度融合。要适用顾客消费习惯的变化，通过技术驱动，洞察消费者个性化需求，做到比顾客更了解自己，才能将顾客、产品和消费场景建立有效的连接，从而带来销售额和顾客满意度的提升。如何运用好线下门店和线上平台，实现线上平台和线下门店的融合，成为智慧零售急需解决的问题。

发明内容

本发明的目的在于解决智慧零售中线上平台和线下门店的融合，提供一种智能外呼营销方法及系统，能够实现线上平台和线下门店融合的购物方式，使得消费者购物更方便，提升了会员消费体验。

为了实现上述目的，本发明采用如下技术方案：

一种智能外呼营销方法，包括以下步骤：

步骤1，获取训练数据集；

获取会员信息，会员信息包括会员在线上平台的注册信息和会员在线下门店的预留信息；从会员信息提取会员基本信息，会员基本信息包括会员编号；

在当前时间点之前设定训练考核周期，在训练考核周期之前设定训练统计周期，获取训练考核周期内的会员行为数据，从训练考核周期内的会员行为数据获取会员是否成功下单的数据；会员行为数据根据设定的品类范围获取；

根据会员基本信息，获取训练统计周期内相应的会员行为数据，从训练统计周期内的会员行为数据获取会员消费习惯指标；

训练统计周期内的会员消费习惯指标和训练考核周期内会员是否成功下单的数据构成训练数据集；

会员消费习惯指标包括浏览信息、通话信息、订单次数信息和购买天数信息；会员是否成功下单的数据代表训练统计周期内进行外呼营销后销售转化情况；

会员行为数据包括会员线上行为数据、外呼通话信息和线下消费数据；

步骤2，模型训练；

利用训练数据集对GBDT+LR模型进行训练，得到训练好的GBDT+LR模型；

步骤3，获取原始数据集；

在当前时间点之前设定预测统计周期，根据会员基本信息，获取预测统计周期内相应的会员行为数据，从预测统计周期内的会员行为数据获取会员消费习惯指标；

预测统计周期内的会员消费习惯指标作为原始数据集；

步骤4，获取会员短期偏好品类；

在当前时间点之前设定偏好统计周期，偏好统计周期小于预测统计周期的时间跨度；

获取偏好统计周期内会员线上行为数据，从会员线上行为数据获取会员相关品类，将属于设定的品类范围内的会员相关品类提取出来作为会员短期偏好品类；

会员线上行为数据包括搜索数据、浏览数据、收藏数据、线上购买数据和评价数据；

步骤5，获取测试数据集；

根据会员短期偏好的品类对原始数据集进行过滤，将预测统计周期内与会员短期偏好品类相关的会员消费习惯指标作为测试数据集；

步骤6，模型预测；