[發明專利]基于大數據的客戶篩選方法

有效

• 申請號: 202111189374.9
• 申請日: 2021-10-12
• 公開（公告）號: CN113822596B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 劉祥
• 申請（專利權）人: 深圳市單仁牛商科技股份有限公司
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q30/0201;G06Q30/0251;G06Q30/0273;G06Q30/0241;G06F16/951;G06F16/955
• 代理公司: 深圳市合道英聯專利事務所(普通合伙) 44309
• 代理人: 廉紅果

1.基于大數據的客戶篩選方法，其特征在于：其步驟如下：

S1：從網站、APP進行數據的爬取，并將數據存儲；

S2：根據爬取到的數據，從用戶靜態屬性方面對用戶基本信息進行分析并進行用戶靜態屬性等級劃分：基本信息包括性別、年齡、學歷、收入、地域、婚姻，根據營銷產品類型的不同，給性別、年齡、學歷、收入、地域、婚姻分別賦予不同的分值，并劃分性別、年齡、學歷、收入、地域、婚姻的權重J₁％、J₂％、J₃％、J₄％、J₅％、J₆％，并計算結果J，預設J_min和J_max的數值，當J＜J_min，則為三級用戶靜態屬性，記1分，J_min≤J≤J_max，則為二級用戶靜態屬性，記2分，當J＞J_max，則為一級用戶靜態屬性，記3分；

S3：從用戶動態屬性方面根據用戶的上網行為，并進行用戶動態屬性等級的劃分：根據營銷產品類型的不同，設定用戶上網行為中娛樂、社交、出行或學習占比標準值集Z(Y_b％、S_b％、C_b％、X_b％)，預設D_min(D_Ymin、D_Smin、D_Cmin、D_Xmin)和D_max(D_Ymax、D_Smax、D_Cmax、D_Xmax)的數值，根據爬取到的數據，得出用戶上網行為中娛樂、社交、出行、學習的實際占比T(Y％、S％、C％、X％)，計算結果當D＜D_min，則為三級用戶動態屬性，記1分，當D_min≤D≤D_max，則為二級用戶動態屬性，記2分，當D＞D_max，則為一級用戶動態屬性，記3分；

S4：從用戶消費屬性方面根據用戶消費的數據記錄，劃分用戶消費屬性等級：根據營銷產品類型的不同，設定消費金額M_min和M_max的數值，當用戶實際消費金額M＜M_min時，為三級用戶消費屬性，記1分，當M_min≤M≤M_max時，為二級用戶消費屬性，記2分，當M＞M_max時，為一級用戶消費屬性，記3分；

S5：計算S2-S4的得分F，設定客戶判定標準分值F_b，根據潛在客戶判斷規則，對潛在客戶進行篩分，將用戶分為重點潛在客戶和普通潛在客戶，向重點潛在客戶發送推送廣告，并計算廣告的轉化率若P＜1，則增大F_b，若否，則F_b保持不變；

S6：在老客戶管理平臺導出所有老客戶數據，并建立老客戶隊列，根據篩選指標和篩選規則，從第一個老客戶開始進行判斷，不符合條件的老客戶踢出隊列，符合條件的老客戶保留，直至隊列中最后一個老客戶，得到客戶表；

S7：設定銷售額的標準值V_b和利潤率的標準值L_b，若客戶的實際銷售額V＞V_b，則判定為銷售額高，若否，則判定為銷售額低，然后計算客戶的利潤率L，若L＜L_b，則判定為利潤低，若否，則判定為利潤高，根據銷售額和利潤將客戶表中的用戶分為四個老客戶等級。

2.根據權利要求1所述的基于大數據的客戶篩選方法，其特征在于，所述S1具體包括以下步驟：

S11：依據爬取需求定義爬取的目標并進行描述，獲取初始的URL；

S12：根據初始的URL爬取頁面，獲得新的URL，從新的URL中過濾掉與爬取目標無關的鏈接，將過濾后的鏈接放到URL隊列中；

S13：從URL隊列中，根據深度優選爬行策略，確定URL的優先級，并確定下一步要爬取的URL地址；

S14：重復S12-S13，直至滿足預設的停止條件，或無法獲取新的URL地址時，停止爬行。