[發明專利]用于客戶分類和多實體匹配的客戶生命周期價值的深度學習模型

在審

• 申請號: 202110031326.0
• 申請日: 2021-01-11
• 公開（公告）號: CN112700286A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 黃宏燦;李明樺
• 申請（專利權）人: 羅科仕管理顧問有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/08;G06F16/906;G06N3/04;G06N3/08
• 代理公司: 北京知帆遠景知識產權代理有限公司 11890
• 代理人: 蘇志蓮

1.一種方法，包括：

由客戶生命周期價值(CLV)系統獲得客戶的CLV簡檔，所述CLV系統具有與至少一個存儲器單元耦接的一個或多個處理器，以及所述CLV簡檔包括個人信息的集合、個人財富簡檔的集合、以及交易的時間序列的集合；

使用DNN模型基于所述客戶的CLV簡檔為客戶生成基于CLV的輸出，其中所述DNN模型是遞歸神經網絡(RNN)模型和卷積神經網絡(CNN)模型的集合體；

基于所述基于CLV的輸出為客戶選擇n元匹配；以及

收集針對所述n元匹配的反饋以更新所述n元匹配直到滿足一個或多個退出條件。

2.根據權利要求1所述的方法，其中所述基于CLV的輸出是以下中的一個或多個：基于CLV的客戶集群、產品集群和本體、代理集群、嘗試、下次購買預測、下次流失預測和保留預測。

3.根據權利要求1所述的方法，其中所述基于CLV的輸出包括客戶分類器，所述客戶分類器包括盈利、無盈利和潛力級別的頂級類別，以及其中每個客戶被映射到具有匹配的CLV策略的客戶分類器。

4.根據權利要求3所述的方法，其中所述客戶是在CLV系統中沒有記錄的潛在客戶，以及其中使用包括潛力分類器和價值分類器的至少兩個分類器來分類所述客戶。

5.根據權利要求4所述的方法，其中當所述客戶分類器指示高潛力時，對n元匹配的選擇生成一個或多個匹配代理、一個或多個匹配產品以及一個或多個模態。

6.根據權利要求4所述的方法，其中當所述客戶分類器指示低潛力和高價值時，對n元匹配的選擇生成說服活動。

7.根據權利要求3所述的方法，其中所述客戶具有所述CLV系統中的客戶記錄，以及其中使用包括流失分類器和重復分類器的至少兩個分類器來分類所述客戶。

8.根據權利要求7所述的方法，其中當所述客戶分類器具有定制活動時，對n元匹配的選擇基于客戶分類器生成一個或多個匹配代理、一個或多個匹配產品以及一個或多個模態。

9.根據權利要求8所述的方法，其中當所述流失分類器指示肯定時，所述定制活動是密集勸導。

10.根據權利要求8所述的方法，其中當所述流失分類器指示否定并且所述重復分類器指示肯定時，所述定制活動是交叉銷售。

11.根據權利要求8所述的方法，其中當所述流失分類器指示否定并且所述重復分類器指示否定時，所述定制活動是追加銷售。

12.一種系統，包括：

一個或多個網絡接口，所述一個或多個網絡接口將所述系統與網絡連接；

簡檔模塊，所述簡檔模塊獲得客戶的客戶生命周期價值(CLV)簡檔，所述CLV簡檔包括個人信息的集合、個人財富簡檔的集合、以及交易的時間序列的集合；

輸出模塊，所述輸出模塊使用DNN模型基于所述客戶的CLV簡檔為所述客戶生成基于CLV的輸出，其中所述DNN模型是遞歸神經網絡(RNN)模型和卷積神經網絡(CNN)模型的集合體；

選擇模塊，所述選擇模塊基于所述基于CLV的輸出為客戶選擇n元匹配；以及

反饋模塊，所述反饋模塊收集針對所述n元匹配的反饋以更新所述n元匹配直到滿足一個或多個退出條件。

13.根據權利要求12所述的系統，其中所述基于CLV的輸出是以下中的一個或多個：基于CLV的客戶集群、產品集群和本體、代理集群、嘗試、下次購買預測、下次流失預測和保留預測。

14.根據權利要求12所述的系統，其中所述基于CLV的輸出包括客戶分類器，所述客戶分類器包括盈利、無盈利和潛力級別的頂級類別，以及其中每個客戶被映射到具有匹配的CLV策略的客戶分類器。