[發(fā)明專(zhuān)利]基于客戶(hù)畫(huà)像的關(guān)鍵數(shù)據(jù)挖掘系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010776192.0
• 申請(qǐng)日: 2020-08-05
• 公開(kāi)（公告）號(hào): CN111881190B
• 公開(kāi)（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 花鮮美
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廈門(mén)南訊股份有限公司
• 主分類(lèi)號(hào): G06F16/2458
• 分類(lèi)號(hào): G06F16/2458;G06F17/16
• 代理公司: 廈門(mén)荔信航知專(zhuān)利代理事務(wù)所(特殊普通合伙) 35247
• 代理人: 馬小玲

本發(fā)明提出基于客戶(hù)畫(huà)像的關(guān)鍵數(shù)據(jù)挖掘系統(tǒng),包括客戶(hù)數(shù)據(jù)獲取模塊、客戶(hù)數(shù)據(jù)分類(lèi)模塊、客戶(hù)數(shù)據(jù)聚類(lèi)分析模塊以及客戶(hù)畫(huà)像數(shù)據(jù)輸出模塊。所述客戶(hù)數(shù)據(jù)包括與客戶(hù)有關(guān)的金融數(shù)據(jù)。客戶(hù)數(shù)據(jù)分類(lèi)模塊用于基于所述金融數(shù)據(jù)的產(chǎn)生環(huán)境，對(duì)所述客戶(hù)數(shù)據(jù)進(jìn)行分類(lèi)；客戶(hù)數(shù)據(jù)聚類(lèi)分析模塊將所述客戶(hù)數(shù)據(jù)分類(lèi)模塊分類(lèi)后的客戶(hù)數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)后，建立數(shù)據(jù)聚類(lèi)矩陣，進(jìn)行數(shù)據(jù)聚類(lèi)分析；客戶(hù)畫(huà)像數(shù)據(jù)輸出模塊，基于所述數(shù)據(jù)聚類(lèi)分析的結(jié)果，輸出每一個(gè)聚類(lèi)數(shù)據(jù)的客戶(hù)畫(huà)像。本發(fā)明的技術(shù)方案能夠基于客戶(hù)數(shù)據(jù)的不同類(lèi)別，利用數(shù)據(jù)矩陣穩(wěn)定性原理，挖掘出有價(jià)值的客戶(hù)數(shù)據(jù)從而分類(lèi)別建立客戶(hù)畫(huà)像，在避免了數(shù)據(jù)處理的復(fù)雜性的同時(shí)，畫(huà)像建模更有針對(duì)性。

技術(shù)領(lǐng)域

本發(fā)明屬于大數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種基于客戶(hù)畫(huà)像的關(guān)鍵數(shù)據(jù)挖掘系統(tǒng)。

背景技術(shù)

客戶(hù)畫(huà)像，又稱(chēng)用戶(hù)畫(huà)像，最早是在1998年交互設(shè)計(jì)之父Alan Cooper的著作《TheInmates Are Running the Asy-lum－Why High Tech Products Drive Us Crazy andHow to Restore the Sanity》中首次提出，他將用戶(hù)畫(huà)像定義為″基于用戶(hù)真實(shí)數(shù)據(jù)的虛擬代表″。用戶(hù)畫(huà)像也稱(chēng)用戶(hù)角色，是一種描繪目標(biāo)用戶(hù)、聯(lián)系用戶(hù)訴求和涉及方向的有效工具。

客戶(hù)畫(huà)像是客戶(hù)的標(biāo)識(shí)，用來(lái)確定如何對(duì)待這些客戶(hù)——他們接受什么價(jià)位，喜歡什么樣的產(chǎn)品，需要付出多少努力可以留住或者贏得這些客戶(hù)。比如說(shuō)一個(gè)客戶(hù)：男，31歲，已婚，收入1萬(wàn)以上，愛(ài)美食，團(tuán)購(gòu)達(dá)人，喜歡紅酒配香煙。這樣一串描述即為用戶(hù)畫(huà)像的典型案例。如果用一句話(huà)來(lái)描述，即：用戶(hù)信息標(biāo)簽化。

客戶(hù)畫(huà)像的核心工作是為用戶(hù)打標(biāo)簽，標(biāo)簽提供了一種便捷的方式，使得計(jì)算機(jī)能夠程序化處理與人相關(guān)的信息，甚至通過(guò)算法、模型能夠″理解″人。因此，基于客戶(hù)畫(huà)像的數(shù)據(jù)挖掘技術(shù)能更方便的讓人理解并且易于計(jì)算機(jī)處理，從而大大提高挖掘結(jié)論的實(shí)用性。

客戶(hù)畫(huà)像是建立許多數(shù)據(jù)挖掘項(xiàng)目的基礎(chǔ)，客戶(hù)畫(huà)像的字段確定了客戶(hù)在數(shù)據(jù)中的表示，同時(shí)也決定了數(shù)據(jù)挖掘模型的有效性和信息量。對(duì)事務(wù)的定期匯總組成了客戶(hù)畫(huà)像指標(biāo)體系的大部分字段。

申請(qǐng)?zhí)枮镃N201811568454.3的中國(guó)發(fā)明專(zhuān)利申請(qǐng)?zhí)岢隹蛻?hù)畫(huà)像構(gòu)建方法，包括：獲取目標(biāo)對(duì)象的多個(gè)數(shù)據(jù)信息，每個(gè)數(shù)據(jù)信息包括：多個(gè)數(shù)據(jù)維度，每個(gè)數(shù)據(jù)維度包括一個(gè)或多個(gè)子標(biāo)簽。分別計(jì)算各子標(biāo)簽的信息價(jià)值IV值，根據(jù)各子標(biāo)簽的IV值，選擇符合預(yù)設(shè)條件的數(shù)據(jù)維度作為入模標(biāo)簽。根據(jù)入模標(biāo)簽計(jì)算子標(biāo)簽評(píng)分，并根據(jù)子標(biāo)簽評(píng)分分別構(gòu)建優(yōu)質(zhì)客戶(hù)畫(huà)像和劣質(zhì)客戶(hù)畫(huà)像。實(shí)現(xiàn)了可以根據(jù)子標(biāo)簽評(píng)分來(lái)構(gòu)建優(yōu)質(zhì)客戶(hù)畫(huà)像和劣質(zhì)客戶(hù)畫(huà)像，以進(jìn)一步實(shí)現(xiàn)對(duì)目標(biāo)群體進(jìn)行精準(zhǔn)的業(yè)務(wù)推薦及服務(wù)。

申請(qǐng)?zhí)枮镃N202010446110.6的中國(guó)發(fā)明專(zhuān)利申請(qǐng)?zhí)岢鲆环N可視化展現(xiàn)與數(shù)據(jù)分析的客戶(hù)畫(huà)像系統(tǒng)，包括用戶(hù)分析模塊，投訴分析模塊。其中，通過(guò)用戶(hù)分析模塊生成可視化結(jié)果發(fā)送至客戶(hù)經(jīng)理端，客戶(hù)經(jīng)理根據(jù)所述可視化結(jié)果進(jìn)行用戶(hù)走訪(fǎng)，進(jìn)而通過(guò)投訴分析模塊，構(gòu)建客戶(hù)投訴傾向預(yù)測(cè)模型，將所述客戶(hù)投訴傾向預(yù)測(cè)模型應(yīng)用于未發(fā)生投訴行為的用戶(hù)群中，識(shí)別出具有投訴傾向的用戶(hù)群體的目標(biāo)標(biāo)識(shí)，并計(jì)算出潛在投訴風(fēng)險(xiǎn)概率，供客戶(hù)經(jīng)理作風(fēng)險(xiǎn)前防控參考，進(jìn)而為大客戶(hù)提供更加貼合的差異化、個(gè)性化客戶(hù)服務(wù)，提高用戶(hù)用電成本效益管控和客戶(hù)關(guān)系管理水平，有效降低客戶(hù)的投訴率。

然而，一方面，如前所述，用戶(hù)畫(huà)像是基于用戶(hù)“真實(shí)數(shù)據(jù)“的虛擬代表，但是如何獲取關(guān)鍵的真實(shí)數(shù)據(jù)，現(xiàn)有技術(shù)并未給出有效的解決方案；另一方面，在大數(shù)據(jù)時(shí)代，各個(gè)渠道獲得的用戶(hù)數(shù)據(jù)數(shù)量巨大并且存在巨大差異，即使對(duì)于同一個(gè)用戶(hù)來(lái)說(shuō)，不同渠道獲得的用戶(hù)數(shù)據(jù)也是屬性完全不同的，如何基于獲取渠道的不同分別給出渠道的用戶(hù)畫(huà)像，成為一個(gè)挑戰(zhàn)。

發(fā)明內(nèi)容