潜力客户识别方法以及装置制造方法及图纸

本发明专利技术公开了一种潜力客户识别方法以及装置。所述方法包括：根据客户等级建立多个晋升预测模型，其中，客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；为多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；使用第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测第i个客户等级的客户是否会晋升，并将预测会晋升的客户确定为潜力客户。上述方法能够提高识别潜力客户的速度和准确性。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，尤其涉及一种潜力客户识别方法以及装置。
技术介绍
在游戏运营过程中，有一部分客户是潜力玩家，潜力玩家具有良好的发展前景，是游戏运营过程中应该重点关注的对象。在现有技术下，只能通过人工筛选的方法来寻找潜力客户。人工筛选的一个缺点是效率低，由于人工筛选的效率低，需要大量的人力资源才能从大量玩家中筛选出潜力玩家。人工筛选的另一个缺点是准确性差，由于人工筛选时只能通过单一的筛选规则进行筛选，所以经常会出现误判。例如，游戏中通常根据玩家充值的金额将玩家的等级可以分为多个等级，人工筛选规则通常将充值金额接近划分玩家等级的阈值的客户定义为潜力玩家。例如，将游戏玩家定义为VIP4等级的充值金额阈值为I万，则根据人工筛选规则，充值金额为9千的玩家将被定义为潜力玩家。这种筛选方法中一些每次充值金额都不高，充值时间比较长的玩家的总充值金额可能也接近划分玩家等级的阈值，但是实际上这些玩家并不是真正的潜力玩家。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种潜力客户识别方法以及装置，能够提高识别潜力客户的速度和准确性。本专利技术提供了一种潜力客户识别方法，包括如下步骤:根据客户等级建立多个晋升预测模型，其中，所述客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；为所述多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；使用所述第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测所述第i个客户等级的客户是否会晋升；如果第i个客户等级的客户预测会晋升，则确定所述第i个客户等级的客户为潜力客户。可选地，所述方法还包括:构建营销类别预测模型；为所述营销类别预测模型获取营销训练样本，其中，所述营销训练样本包括客户的历史数据和营销类别；使用所述营销训练样本对营销类别预测模型进行训练；确定所述第i个客户等级的客户为潜力客户之后包括:将所述潜力客户的现时数据输入到训练后的营销类别预测模型中预测所述潜力客户的营销类别。可选地，将所述潜力客户的现时数据输入到训练后的营销类别预测模型中预测所述潜力客户的营销类别之后还包括:根据预测的所述潜力客户的营销类别从所述营销方案库中匹配对应的营销方案，以将所述对应的营销方案推送给所述潜力客户。可选地，所述营销类别预测模型为多值分类-支持向量机分类器、多值最近邻居分类器、多值决策树分类器中的一种。可选地，所述方法还包括:构建营销需求分类模型；使用种子词和所述种子词对应的营销需求分类的分类标签对所述营销需求分类模型进行训练，其中，所述种子词是预先定义的，所述种子词与所述营销需求分类的分类标签的对应关系也是预先定义的；使用所述营销需求分类模型对反馈文本进行分类，其中，所述营销需求分类模型根据所述反馈文本中的分词与所述营销需求分类的分类标签对应的种子词的匹配度对所述反馈文本进行分类。可选地，使用所述营销需求分类模型对反馈文本进行分类之后还包括:将不能通过所述营销需求分类模型进行分类的反馈文本进行聚类，以获得新的营销需求分类。可选地，所述营销需求分类模型为多值分类算法、多值支持向量机分类器、多值最近邻居分类器和多值决策树分类器中的任意一种。可选地，所述晋升预测模型为支持向量机分类器、朴素贝叶斯分类器、决策树分类器、人工神经网络中的任意一种。可选地，所述历史数据包括登陆数据、充值数据、消费数据、事件数据中的任意一种或者多种的组合。可选地，所述登陆数据包括统计日前j天登陆游戏大厅的次数、登陆游戏大厅的天数、登陆游戏大厅的时长、登陆游戏大厅的趋势、登陆游戏的次数、登陆游戏的天数、登陆游戏的时长、登陆游戏的趋势中的任意一种或者多种的组合；所述充值数据包括统计日前j天游戏大厅的充值的次数、游戏大厅的充值的天数、游戏大厅的充值的金额、游戏大厅的充值的趋势、游戏的充值的次数、游戏的充值的天数、游戏的充值的金额、游戏的充值的趋势中的任意一种或者多种的组合。所述消费数据包括统计日前j天游戏大厅的消费的次数、游戏大厅的消费的天数、游戏大厅的消费的金额、游戏大厅的消费的趋势、游戏的消费的次数、游戏的消费的天数、游戏的消费的金额、游戏的消费的趋势中的任意一种或者多种的组合；所述事件数据包括统计日前j天客户参与的游戏总类数量、客户参与的游戏风格占比，客户参与的游戏题材占比、过关失败次数、使用道具数、游戏风格、游戏题材中的任意一种或者多种的组合，其中，j为大于零的正整数。本专利技术还提供了一种潜力客户识别装置，包括:晋升建模模块、晋升获取模块、晋升训练模块、晋升预测模块以及确定模块，所述晋升建模模块用于根据客户等级建立多个晋升预测模型，其中，所述客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；所述晋升获取模块用于为所述多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；所述晋升训练模块用于使用所述第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；所述晋升预测模块用于将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测所述第i个客户等级的客户是否会晋升；所述确定模块用于在第i个客户等级的客户预测会晋升时，确定所述第i个客户等级的客户为潜力客户。可选地，所述装置还包括:营销类别建模模块、营销类别获取模块、营销类别训练模块以及营销类别预测模块，所述营销类别建模模块用于构建营销类别预测模型；所述营销类别获取模块用于为所述营销类别预测模型获取营销训练样本，其中，所述营销训练样本包括客户的历史数据和营销类别；所述营销类别训练模块用于使用所述营销训练样本对营销类别预测模型进行训练；所述营销类别预测模块用于将所述潜力客户的现时数据输入到训练后的营销类别预测模型中预测所述潜力客户的营销类别。可选地，所述装置还包括推送模块，所述推送模块用于根据预测的所述潜力客户的营销类别从所述营销方案库中匹配对应的营销方案，以将所述对应的营销方案推送给所述潜力客户。可选地，所述营销类别预测模型为多值分类-支持向量机分类器、多值最近邻居分类器、多值决策树分类器中的一种。可选地，所述装置包括:营销需求建模模块、营销需求训练模块以及营销需求预测模块，营销需求建模模块用于构建营销需求分类模型；营销需求训练模块用于使用种子词和所述种子词对应的营销需求分类的分类标签对所述营销需求分类模型进行训练，其中，所述种子词是预先定义的，所述种子词与所述营销需求分类的分类标签的对应关系也是预先定义的；营销需求预测模块用于使用所述营销需求分类模型对反馈文本进行分类，其中，所述营销需求分类模型根据所述反馈文本中的分词与所述营销需求分类的分类标签对应的种子词的匹配度对所述反馈文本进行分类。可选地，所述装置还包括:聚类模块，所述聚类模块用于将不能通过所述营销需求分类模型进行分类的反馈文本进行聚类，以获得新的营销需求分类。可选地，所述营销需求分类模型为多值分类算法、多值支持向量机分类器、多值最近邻居分类器和多值决策树分类器中的任意一种。可选地，所述晋本文档来自技高网...

【技术保护点】
一种潜力客户识别方法，其特征在于，包括如下步骤：根据客户等级建立多个晋升预测模型，其中，所述客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；为所述多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；使用所述第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测所述第i个客户等级的客户是否会晋升；如果第i个客户等级的客户预测会晋升，则确定所述第i个客户等级的客户为潜力客户。

【技术特征摘要】

【专利技术属性】
技术研发人员：余建兴，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：广东;44