[發(fā)明專利]一種基于企業(yè)標(biāo)簽的潛在客戶推薦系統(tǒng)及推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010883727.4
• 申請(qǐng)日: 2020-08-28
• 公開（公告）號(hào): CN112015987B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 青島格蘭德信用管理咨詢有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/958;G06F16/951;G06F16/215;G06F16/182;G06F40/216;G06F40/247;G06F40/284;G06K9/62;G06Q10/10
• 代理公司: 青島華慧澤專利代理事務(wù)所(普通合伙) 37247
• 代理人: 劉娜

本發(fā)明公開了一種基于企業(yè)標(biāo)簽的潛在客戶推薦系統(tǒng)及推薦方法，該系統(tǒng)包括：客戶信息管理模塊、客戶標(biāo)簽管理模塊、客戶推薦模塊和客戶管理模塊；該推薦方法包括數(shù)據(jù)的爬取與存儲(chǔ)、數(shù)據(jù)清洗、標(biāo)簽提取與清理、用戶打標(biāo)簽、構(gòu)造圖數(shù)據(jù)結(jié)構(gòu)、計(jì)算客戶頂點(diǎn)相對(duì)于用戶頂點(diǎn)的相關(guān)度、推薦準(zhǔn)確率的計(jì)算，選擇準(zhǔn)確率高的訓(xùn)練好的數(shù)據(jù)模型部署在服務(wù)器上，進(jìn)行客戶推薦。本發(fā)明所公開的系統(tǒng)及方法利用分布式大數(shù)據(jù)處理技術(shù)，更全面的提取企業(yè)標(biāo)簽，從而用標(biāo)簽更全面的描述企業(yè)，進(jìn)而更準(zhǔn)確的建立用戶的興趣標(biāo)簽和企業(yè)標(biāo)簽之間的聯(lián)系，推薦結(jié)果更精準(zhǔn)。

技術(shù)領(lǐng)域

本發(fā)明涉及客戶推薦信息技術(shù)領(lǐng)域，特別涉及一種基于企業(yè)標(biāo)簽的潛在客戶推薦系統(tǒng)及推薦方法。

背景技術(shù)

隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，人們逐漸從信息匱乏的時(shí)代走入了信息過載的時(shí)代。在這個(gè)時(shí)代，人們生產(chǎn)的數(shù)據(jù)越來越多。但如何讓這些數(shù)據(jù)發(fā)揮作用，如何挖掘出用戶感覺興趣的信息是一個(gè)極大的挑戰(zhàn)。

近幾年，社會(huì)經(jīng)濟(jì)增速放緩，企業(yè)也面臨越來越大的生存壓力，其中企業(yè)面臨的一個(gè)很大問題是營銷獲客的問題。挖掘出企業(yè)的潛在客戶是當(dāng)前企業(yè)的迫切需求。

從技術(shù)層面，我們希望幫助企業(yè)發(fā)揮自己數(shù)據(jù)的價(jià)值；從發(fā)展層面，我們希望幫助企業(yè)降低獲客成本，助力企業(yè)突破發(fā)展瓶頸。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明提供了一種基于企業(yè)標(biāo)簽的潛在客戶推薦系統(tǒng)及推薦方法，以達(dá)到推薦結(jié)果更精準(zhǔn)的目的。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

一種基于企業(yè)標(biāo)簽的潛在客戶推薦系統(tǒng)，包括：

客戶信息管理模塊：用于管理客戶信息，包括客戶的基本信息、法律訴訟、經(jīng)營狀況、經(jīng)營風(fēng)險(xiǎn)、企業(yè)發(fā)展、知識(shí)產(chǎn)權(quán)和新聞公告；

客戶標(biāo)簽管理模塊：利用TF-IDF方法計(jì)算出客戶的共性標(biāo)簽，并推送給用戶，用戶根據(jù)自己的經(jīng)驗(yàn)對(duì)標(biāo)簽進(jìn)行修正和補(bǔ)充；

客戶推薦模塊：利用基于圖的推薦算法，計(jì)算出企業(yè)的潛在客戶，并推送給用戶；

客戶管理模塊：用戶營銷追蹤這些客戶，并將營銷追蹤結(jié)果記錄在客戶管理中，通過營銷追蹤結(jié)果驗(yàn)證推薦的準(zhǔn)確性，并反向優(yōu)化標(biāo)簽系統(tǒng)和推薦算法。

一種基于企業(yè)標(biāo)簽的潛在客戶推薦方法，包括如下步驟：

(1)數(shù)據(jù)的爬取與存儲(chǔ)：采用分布式采集技術(shù)定時(shí)采集企業(yè)的網(wǎng)站信息，并進(jìn)行數(shù)據(jù)的存儲(chǔ)；

(2)數(shù)據(jù)清洗：對(duì)不同數(shù)據(jù)源的數(shù)據(jù)格式進(jìn)行統(tǒng)一化；

(3)標(biāo)簽提取與清理：利用文本挖掘技術(shù)對(duì)清洗后的數(shù)據(jù)提取標(biāo)簽，并去除無意義的標(biāo)簽；

(4)用戶打標(biāo)簽：指定一個(gè)采集到的企業(yè)為用戶u，其余的為客戶k，讓用戶u對(duì)客戶k進(jìn)行打標(biāo)簽，標(biāo)簽選自步驟(3)得到的清理后的標(biāo)簽，用(u,k,a)表示用戶u給客戶k打了標(biāo)簽a的用戶標(biāo)簽行為；

(5)構(gòu)造圖數(shù)據(jù)結(jié)構(gòu)：將數(shù)據(jù)集隨機(jī)分成訓(xùn)練集和測(cè)試集，將訓(xùn)練集中用戶的標(biāo)簽行為表示到一個(gè)二分圖上，定義三種不同的頂點(diǎn)：用戶u對(duì)應(yīng)的用戶頂點(diǎn)v(u)、客戶k對(duì)應(yīng)的客戶頂點(diǎn)v(k)和標(biāo)簽a對(duì)應(yīng)的標(biāo)簽頂點(diǎn)v(a)，在圖中增加三條邊，在用戶頂點(diǎn)v(u)和客戶頂點(diǎn)v(k)之間增加一條邊，在用戶頂點(diǎn)v(u)和標(biāo)簽頂點(diǎn)v(a)之間增加一條邊，在客戶頂點(diǎn)v(k)和標(biāo)簽v(a)之間增加一條邊，如果兩個(gè)頂點(diǎn)之間已經(jīng)有邊相連，那么就將邊的權(quán)重加1；

(6)計(jì)算客戶頂點(diǎn)相對(duì)于用戶頂點(diǎn)的相關(guān)度：

采用修正過的PersonalRank算法計(jì)算所有客戶頂點(diǎn)相對(duì)于用戶頂點(diǎn)的相關(guān)度，PersonalRank的迭代公式如下：