[發明專利]產品潛在用戶挖掘方法及裝置

有效

• 申請號: 201710686739.6
• 申請日: 2017-08-11
• 公開（公告）號: CN107657267B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 王婷婷;李明明
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 陳姍姍

本申請公開了一種產品潛在用戶挖掘方法及裝置。該產品潛在用戶挖掘方法包括：采集待預測用戶數據；針對待預測用戶數據，利用基于機器學習算法預先建立的預測模型進行潛在用戶的預測；以及輸出預測結果。根據本申請實施例的技術方案，通過基于機器學習算法預先建立的預測模型得到產品潛在用戶，相比于人工篩選，大大提高了潛在用戶篩選的效率，有效節約了人力和時間成本。

技術領域

本公開一般涉及計算機技術領域，具體涉及數據挖掘領域，尤其涉及一種產品潛在用戶挖掘方法及裝置。

背景技術

傳統的產品銷售流程為：尋找潛在用戶，電話溝通，線下拜訪，簽約。其中，尋找潛在用戶通常是通過銷售人員人工篩選進行的。當用戶數量較大時，人工篩選潛在用戶存在如下缺陷：

1、浪費大量的時間和人力，效率低下；

2、篩選結果不準確，意向度偏低；

3、新人需要培訓后才可進行篩選工作，成本高。

發明內容

鑒于現有技術中的上述缺陷或不足，期望提供一種準確可靠高效的產品潛在用戶挖掘方法及裝置。

第一方面，本申請實施例提供了一種產品潛在用戶挖掘方法，包括：

采集待預測用戶數據；

針對待預測用戶數據，利用基于機器學習算法預先建立的預測模型進行潛在用戶的預測；以及

輸出預測結果。

在一些實施例中，該預測模型是通過下述步驟建立的：生成訓練樣本和測試樣本；從訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立預測模型。進一步地，生成訓練樣本和測試樣本包括：基于用戶的產品開通時間，選擇訓練數據集和測試數據集；打標分類訓練數據集和測試數據集用戶；采集訓練數據集和測試數據集用戶的多維度特征，生成對應的特征指標；以及整合訓練數據集和測試數據集用戶的打標分類結果及特征指標，對應生成訓練樣本和測試樣本。

在一些實施例中，從訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立預測模型包括：從訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立初始預測模型；基于袋外數據分類準確率計算特征指標的重要度，并按重要度降序排列，選取排名靠前的部分特征指標作為重要特征指標，其余作為非重要特征指標，其中，袋外數據為訓練樣本和測試樣本中未被抽取的用戶樣本；刪除訓練樣本和測試樣本的非重要特征指標，沉淀訓練樣本和測試樣本的重要指標特征；以及使用沉淀后的訓練樣本和測試樣本，重新采用隨機森林算法建立預測模型。

第二方面，本申請實施例還提供了一種產品潛在用戶挖掘裝置，包括：

數據采集單元，用于采集待預測用戶數據；

預測單元，用于針對待預測用戶數據，利用基于機器學習算法預先建立的預測模型進行潛在用戶的預測；以及

輸出單元，用于輸出預測結果。

第三方面，本申請實施例還提供了一種設備，包括：

一個或多個處理器和存儲器；

其中，存儲器包含可由該一個或多個處理器執行的指令以使得該一個或多個處理器執行根據本申請各實施例提供的產品潛在用戶挖掘方法。

第四方面，本申請實施例還提供了一種存儲有計算機程序的計算機可讀存儲介質，該計算機程序使計算機執行根據本申請各實施例提供的產品潛在用戶挖掘方法。

本申請實施例提供的產品潛在用戶挖掘方法，通過基于機器學習算法預先建立的預測模型得到產品潛在用戶，相比于人工篩選，大大提高了潛在用戶篩選的效率，有效節約了人力和時間成本。