[發明專利]基于模型融合的來訪量預測方法、裝置、設備及存儲介質

在審

• 申請號: 202111162230.4
• 申請日: 2021-09-30
• 公開（公告）號: CN113887805A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 李琦;賴艷
• 申請（專利權）人: 重慶銳云科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/16;G06K9/62
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 余洪

本發明提供一種基于模型融合的來訪量預測方法、裝置、設備及存儲介質，其中，方法提取各樓盤的基本數據，并且連接服務器獲取天氣數據，對基本數據和天氣數據進行預處理后，分別輸入時間序列模型和LightGBM回歸模型中，得到各自的來訪量預測值，最終將兩個模型融合，并直接求兩個來訪量預測值的平均值，得到目標來訪量預測值，從而實現對樓盤來訪量的預測，并可以適當調整營銷模式以及人員安排，進一步提高銷售的工作效率以及樓盤的銷售業績。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于模型融合的來訪量預測方法、裝置、設備及存儲介質。

背景技術

樓盤來訪量影響著置業顧問的業績同時也影響著樓盤的成交量，每天的樓盤的客戶來訪量是一個未知數?，F如今每個樓盤的來訪量都不相同，就會出現這樣的情況：一個樓盤有較多的置業顧問來接待客戶但當天來訪的客戶較少；一個樓盤有少量的置業顧問來接待客戶但當天來訪的客戶較多。這樣就會出現“小材大用”或者“大材小用”的情況。

因此，急需一種能夠預測樓盤來訪量的方法。

發明內容

基于此，有必要針對上述技術問題，提供一種基于模型融合的來訪量預測方法、裝置、設備及存儲介質。

一種基于模型融合的來訪量預測方法，所述方法包括：獲取每個樓盤的基本數據，所述基本數據包括來訪數據、程序瀏覽數據和樓盤數據；連接服務器，獲取天氣數據，所述天氣數據包括預測數據和歷史數據；對所述基本數據和所述天氣數據進行預處理，得到目標基本數據和目標天氣數據；將所述目標基本數據和目標天氣數據，輸入所述時間序列模型中，得到第一來訪量預測值；將所述目標基本數據和目標天氣數據，輸入所述LightGBM回歸模型中，得到第二來訪量預測值；融合所述時間序列模型和所述LightGBM回歸模型，并基于所述第一來訪量預測值和所述第二來訪量預測值，根據預設算法得到目標來訪量預測值。

在其中一個實施例中，所述天氣數據分為溫度字段、天氣字段、風速字段和空氣情況字段。

在其中一個實施例中，對所述基本數據和所述天氣數據進行預處理，得到目標基本數據和目標天氣數據，具體為：對所述來訪數據進行缺失值填補；對所述天氣數據進行split拆分，數據類型轉化和數據標注，得到目標天氣數據。

在其中一個實施例中，對所述天氣數據進行split拆分，數據類型轉化和數據標注，得到目標天氣數據步驟，具體為：對所述溫度字段進行split拆分，符號刪除和數據類型轉化，得到整型的目標溫度字段；對所述天氣字段進行split拆分，并根據天氣情況表分別進行天氣情況標注，得到目標天氣字段；對所述風速字段進行split拆分，并根據風速情況表分別進行風速情況標注，得到目標風速字段；對所述空氣情況字段進行split拆分，并根據空氣質量表分別進行風速質量標注，得到目標空氣情況字段；由所述目標溫度字段、所述目標天氣字段、所述目標風速字段和所述目標空氣情況字段構成目標天氣數據。

在其中一個實施例中，所述預設算法具體為：計算所述第一來訪量預測值和所述第二來訪量預測值的平均值。

一種基于模型融合的來訪量預測裝置，包括基本數據獲取模塊、天氣數據獲取模塊、數據預處理模塊、模型預測模塊和模型融合模塊，其中：所述基本數據獲取模塊用于，獲取每個樓盤的基本數據，所述基本數據包括來訪數據、程序瀏覽數據和樓盤數據；所述天氣數據獲取模塊用于，連接服務器，獲取天氣數據，所述天氣數據包括預測數據和歷史數據；所述數據預處理模塊用于，對所述基本數據和所述天氣數據進行預處理，得到目標基本數據和目標天氣數據；所述模型預測模塊用于，將所述目標基本數據和目標天氣數據，輸入所述時間序列模型中，得到第一來訪量預測值；所述模型預測模塊還用于，將所述目標基本數據和目標天氣數據，輸入所述LightGBM回歸模型中，得到第二來訪量預測值；所述模型融合模塊用于，融合所述時間序列模型和所述LightGBM回歸模型，并基于所述第一來訪量預測值和所述第二來訪量預測值，根據預設算法得到目標來訪量預測值。