[发明专利]一种基于客户价值的潜在客户挖掘方法、存储介质及设备在审
申请号: | 202310071489.0 | 申请日: | 2023-02-07 |
公开(公告)号: | CN116308507A | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 翟文军;李博;马文琪;朱中魁;吴晗硕 | 申请(专利权)人: | 网舟联合科技(北京)有限公司 |
主分类号: | G06Q30/0207 | 分类号: | G06Q30/0207;G06Q30/0202 |
代理公司: | 南京钟山专利代理有限公司 32252 | 代理人: | 戴朝荣 |
地址: | 100085 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 客户 价值 潜在 挖掘 方法 存储 介质 设备 | ||
本发明公开了一种基于客户价值的潜在客户挖掘方法、存储介质及设备,该潜在客户挖掘方法从交易平台的历史数据库中获取客户行为数据,将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据;将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中;查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略。
技术领域
本发明属于消费者行为分析技术领域,具体地,涉及一种基于客户价值的潜在客户挖掘方法、存储介质及设备。
背景技术
随着社会发展以及生产技术的进步,日常生活中的商品种类越来越丰富,客户对于商品的刚性需求已经转变为改善性需求,各类生产、销售企业的营销策略也由以产品为导向转变为以客户为导向。因此,在营销策略的制定过程中,如何挖掘客户价值成为至关重要的一点。
目前基于大数据技术的客户价值挖掘中,通常依靠RFM模型确定客户价值,但是由于RFM模型主要用于反映客户的当前价值,无法发掘潜在客户,使得广告营销的效果不佳,进而提高了营销成本;同时,大规模的广告推广也会给公司数字运营带来成本压力。
发明内容
针对现有技术中存在的问题,本发明提供了一种基于客户价值的潜在客户挖掘方法、存储介质及设备,该潜在客户挖掘方法通过交易平台上客户行为数据提取潜在客户,并获取潜在客户感兴趣的商品集,预测出每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略,使得数字营销中社会化商务结合消费者价值的分析更为精准。
为实现上述技术目的,本发明采用如下技术方案:一种基于客户价值的潜在客户挖掘方法,具体包括如下步骤:
步骤1、从交易平台的历史数据库中获取客户行为数据,所述客户行为数据包括:客户的非购买行为数据和客户的购买行为数据;
步骤2、将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据;
步骤3、将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中;
步骤4、查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;
步骤5、通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略。
进一步地,步骤2的具体过程为:将客户的购买行为数据与交易平台中购买成功的日志数据进行比对,滤除刷单数据和退单数据;将客户的非购买行为数据与交易平台中购买成功的日志数据进行比对,滤除退单后重新购买的数据、产品及价格均不发生变化的数据。
进一步地,步骤4中客户感兴趣程度由购买成功数量、购买成功金额和浏览商品次数共同决定。
进一步地,所述客户感兴趣程度的计算过程为:
其中,Ci表示第i个商品的客户感兴趣程度,mi表示第i个商品购买成功数量,α表示第i个商品购买成功数量的归一化权重,ni表示第i个商品购买成功金额,β表示第i个商品购买成功金额的归一化权重,li表示第i个商品浏览次数,γ表示第i个商品浏览次数的归一化权重,I表示购买的所有商品。
进一步地,步骤5中潜在客户的购买力的预测过程为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于网舟联合科技(北京)有限公司,未经网舟联合科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310071489.0/2.html,转载请声明来源钻瓜专利网。