[發明專利]數據獲取方法、裝置、設備及介質

有效

• 申請號: 202010956645.8
• 申請日: 2020-09-11
• 公開（公告）號: CN112036960B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 吳方濤;王雪;徐勐
• 申請（專利權）人: 杭州米雅信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 任巖

本發明公開了一種數據獲取方法、裝置、設備及介質。其中，該數據獲取方法包括：通過分類模型對原始客群數據進行價值遷移預測處理，生成客群價值遷移數據；根據預設閾值關系對客群價值遷移數據進行分類，獲取原始客群數據中的潛在客群價值數據；其中，潛在客群價值數據應用于精細化營銷。通過本發明的數據獲取方法，實現了對無監督學習算法和有監督學習算法的結合，突破了無監督學習建立客戶細分模型的傳統限制，起到了進一步提升客戶細分模型以進行精細化智能營銷的目的。

技術領域

本發明涉及計算技術領域，尤其涉及一種數據獲取方法、數據處理裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著人工智能技術的快速發展，利用機器學習技術解決商業問題的方式越來越普遍。其中，在智能營銷技術領域中，考慮精細化管理以提升運營效益的目的，基于機器學習技術的客戶細分模型在許多行業都有廣泛應用，例如零售、金融、電商等領域。

但是，客戶細分模型通常采用的是無監督學習算法，這就造成各類別客戶群體(即客群)的數據之間差別不大，使得針對各個客群的營銷效果不具有顯著區別，因而無法區分客群之間的潛在營銷效果的優劣，造成智能營銷活動缺乏針對性，無法更好地實現精細化營銷。

發明內容

(一)要解決的技術問題

為解決現有技術中應用于智能營銷的無監督學習算法針對性不強，無法更好地實現精細化營銷的技術問題，本發明公開了一種數據獲取方法、數據處理裝置、電子設備及計算機可讀存儲介質。

(二)技術方案

本發明的一個方面公開了一種數據獲取方法，其中，包括：通過分類模型對原始客群數據進行價值遷移預測處理，生成客群價值遷移數據；根據預設閾值關系對客群價值遷移數據進行分類，獲取原始客群數據中的潛在客群價值數據；其中，潛在客群價值數據應用于精細化營銷。

根本發明的實施例，在通過分類模型對原始客群數據進行價值遷移預測處理，生成客群價值遷移數據之前，還包括：根據預設價值分層規則，通過聚類算法對固定客群數據進行聚類預測處理，生成價值分層模型；其中，聚類算法為Kmeans算法或kmeans++算法。

根據本發明的實施例，在根據預設價值分層規則，對固定客群數據進行聚類預測處理，生成價值分層模型之后，還包括：基于固定客群數據，確定于第一時間點的第一固定數據和于第二時間點的第二固定數據；根據第一固定數據和第二固定數據，確定訓練樣本數據，用于生成分類模型；其中，第一時間點和第二時間點之間具有時間間隔。

根據本發明的實施例，根據第一固定數據和第二固定數據，確定訓練樣本數據，包括：通過價值分層模型對第一固定數據進行價值分層預測，獲取第一分層數據；通過價值分層模型對第二固定數據進行價值分層預測，獲取第二分層數據；對第一分層數據和第二分層數據進行價值層級比較處理，獲取具有價值遷移標簽的訓練樣本數據。

根據本發明的實施例，生成分類模型，包括：通過多分類算法對訓練樣本數據進行學習建模，生成分類模型；其中，多分類算法為Xgboost算法、Logistic Regression算法或Svm算法。

根據本發明的實施例，客群價值遷移數據中對應于每個客戶具有三個維度，每個維度具有一個預測標簽分值，其中，每個客戶的三個維度的預測標簽分值的和為1；預設閾值關系為：對應每個客戶的一個維度的預測標簽分值與第一預設閾值和/或第二預設閾值之間的大小關系。