[發明專利]購車線索交易轉化的預估方法和預估裝置

有效

• 申請號: 201610560339.6
• 申請日: 2016-07-15
• 公開（公告）號: CN107622408B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 侯存躍;宋丹丹;李斌
• 申請（專利權）人: 北京易車互聯信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧

本發明提供了一種購車線索交易轉化的預估方法和預估裝置，該預估方法包括：對用戶購車線索數據和用戶購車行為數據進行預處理，以構造可用數據；根據所述可用數據進行原始特征的提取，并確定每一特征分類下的原始特征數據的特征分類相關度；根據所述特征分類相關度對所述原始特征數據進行選擇，以獲取訓練特征數據；根據所述訓練特征數據構建預估模型；根據所述預估模型對待預估的用戶購車線索數據進行交易轉化的預估。本發明的技術方案通過預估模型實現對購車線索交易轉化的自動化分類；降低對購車線索交易轉化分類所花費的人力和時間成本；同時提高購車線索交易轉化的效率和準確率。

技術領域

本發明涉及數據挖掘領域，具體而言，本發明涉及一種購車線索交易轉化的預估方法和預估裝置。

背景技術

近來，我國汽車銷量正在緩慢增長，面對我國車市整體增速緩慢的局面，我國的汽車銷售行業競爭也愈演愈烈，在如此激烈的市場競爭環境中，如何針對購車線索精確制定營銷方案成為關鍵。

目前，我國汽車行業中的購車線索數量非常龐大，就近年購車線索數量已經突破幾千萬條；但是，其中大多數購車線索的利用率都很低；為了提高購車線索的利用率，需靠人工跟蹤購車線索并確定該購車線索是否實現了交易轉化；但對于大量的購車線索數據，人工跟蹤購車線索有很大的不確定性，還會耗費大量的人力和時間的成本，且覆蓋率不高。

發明內容

為克服上述技術問題或者至少部分地解決上述技術問題，特提出以下技術方案：

本發明的實施例提出了一種購車線索交易轉化的預估方法，包括：

對用戶購車線索數據和用戶購車行為數據進行預處理，以構造可用數據；

根據可用數據進行原始特征的提取，并確定每一特征分類下的原始特征數據的特征分類相關度；

根據特征分類相關度對原始特征數據進行選擇，以獲取訓練特征數據；

根據訓練特征數據構建預估模型；

根據預估模型對待預估的用戶購車線索數據進行交易轉化的預估。

優選地，預估方法還包括：

根據購車交易業務類型，將用戶購車線索數據分類為實現交易轉化的用戶購車線索數據和未實現交易轉化的用戶購車線索數據；

其中，根據訓練特征數據構建預估模型，包括：

基于對用戶購車線索數據的轉化分類結果，確定獲取到的訓練特征數據相應的轉化類別；

根據訓練特征數據，并結合與訓練特征數據相應的轉化類別，來構建預估模型。

優選地，根據特征分類相關度對原始特征數據進行選擇，以獲取訓練特征數據，包括：

選取特征分類相關度大于預定的相關度閾值的每一特征分類下的原始特征數據作為訓練特征數據。

優選地，預估方法還包括：

對獲取到的訓練特征數據進行去重以及數據平衡化處理。

本發明的另一實施例提出了一種購車線索交易轉化的預估裝置，包括：

數據預處理模塊，用于對用戶購車線索數據和用戶購車行為數據進行預處理，以構造可用數據；

提取模塊，用于根據可用數據進行原始特征的提取，并確定每一特征分類下的原始特征數據的特征分類相關度；

選擇模塊，用于根據特征分類相關度對原始特征數據進行選擇，以獲取訓練特征數據；

構建模塊，用于根據訓練特征數據構建預估模型；

預估模塊，用于根據預估模型對待預估的用戶購車線索數據進行交易轉化的預估。