顾客价值的细分方法、系统及具有该系统的电子设备技术方案

本发明专利技术提供一种顾客价值的细分方法、系统及具有该系统的电子设备，应用于商业运营场所，顾客价值的细分方法包括：将预定聚类算法应用于在预定时间段收集的、到访商业运营场所的顾客的游逛参数，以建立游逛参数的评分规则；游逛参数用于评价顾客价值；基于游逛参数，确定游逛参数的离散程度；根据顾客的细分标准和游逛参数的离散程度，计算用于对每一位到访顾客进行细分的顾客游逛价值指数；按照顾客游逛价值指数对在预定时间段收集的、到访商业运营场所的顾客进行细分。本发明专利技术所能够细分商业运营场所的到访顾客的游逛价值，为商业运营场所在进行多样的促销活动提供更有依据及针对性；且RFL模型的维度数据具有高可获得性，具有广泛适用性。

【技术实现步骤摘要】
顾客价值的细分方法、系统及具有该系统的电子设备
本专利技术属于商业运营分析
，涉及一种细分方法及系统，特别是涉及一种顾客价值的细分方法、系统及具有该系统的电子设备。
技术介绍
传统的RFM顾客价值模型(RecencyFrequencyMonetary)的指标体系主要是根据客户的最近交易日、交易频率、交易金额来判断该客户是企业的重要价值客户或者即将流失的客户。在应用于商场顾客分析的场景下，指标中消费金额(Monetary)对商场的运营者而言具有不易获得性，RFM模型在应用于商场顾客的价值区分方面有一定局限性，无法对商场的到访顾客进行细分，不利于提高商场的运营绩效。因此，如何提供一种顾客价值的细分方法、系统及具有该系统的电子设备，以解决现有技术中RFM顾客价值模型在应用于商场顾客的价值区分方面的局限性，导致无法对商场的到访顾客进行细分，不利于提高商场的运营绩效等缺陷，实以成为本领域技术人员亟待解决的技术问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种顾客价值的细分方法、系统及具有该系统的电子设备，用于解决现有技术中RFM顾客价值模型在应用于商场顾客的价值区分方面的局限性，导致无法对商场的到访顾客进行细分，不利于提高商场的运营绩效的问题。为实现上述目的及其他相关目的，本专利技术一方面提供一种顾客价值的细分方法，应用于商业运营场所，所述顾客价值的细分方法包括以下步骤：将预定聚类算法应用于在预定时间段收集的、到访所述商业运营场所的顾客的游逛参数，以建立所述游逛参数的评分规则；所述游逛参数用于评价顾客价值；基于所述游逛参数，确定所述游逛参数的离散程度；根据顾客的细分标准和所述游逛参数的离散程度，计算用于对每一位到访顾客进行细分的顾客游逛价值指数；按照顾客游逛价值指数对在预定时间段收集的、到访所述商业运营场所的顾客进行细分。于本专利技术的一实施例中，所述游逛参数包括在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和到访顾客在所述商业运营场所的平均游逛时长。于本专利技术的一实施例中，所述预定聚类算法为K-means聚类算法。于本专利技术的一实施例中，所述将预定聚类算法应用于在预定时间段收集的、到访所述商业运营场所的顾客的游逛参数，以获取所述游逛参数的评分的步骤包括：将所述K-means聚类算法应用于在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和到访顾客在所述商业运营场所的平均游逛时长，获取用于初步细分客群的聚类结果及用于显示初步细分后每一类到访顾客在频次、时间间隔、和游逛时长的聚类点分布；根据所述聚类结果，将到访顾客的客群进行初步细分；根据频次、时间间隔、和游逛时长的聚类点分布，分别建立在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和到访顾客在所述商业运营场所的平均游逛时长的评分规则，以获取在预定时间段内到访顾客游逛所述商业运营场所的频次的评分、到访顾客最后一次至所述商业运营场所的时间间隔的评分及到访顾客在所述商业运营场所的平均游逛时长的离散程度的评分。于本专利技术的一实施例中，所述在预定时间段内到访顾客游逛所述商业运营场所的频次的离散程度通过利用熵值法所计算的频次权重表示；所述到访顾客最后一次至所述商业运营场所的时间间隔通过利用熵值法所计算的时间间隔权重表示；和所述到访顾客在所述商业运营场所的平均游逛时长的离散程度通过利用熵值法所计算的游逛时长权重表示。于本专利技术的一实施例中，顾客游逛价值指数的计算公式为在预定时间段内到访顾客游逛所述商业运营场所的频次的评分×频次权重+到访顾客最后一次至所述商业运营场所的时间间隔的评分×时间间隔权重+到访顾客在所述商业运营场所的平均游逛时长的离散程度的评分×游逛时长权重。于本专利技术的一实施例中，所述按照顾客游逛价值指数对在预定时间段收集的、到访所述商业运营场所的顾客进行细分的步骤包括：按照预设的不同游逛价值细分区间对所计算的顾客游逛价值指数进行第一次顾客价值划分，以获取与预设的不同游逛价值细分区间对应的顾客价值客群；所述顾客价值客群包括高价值顾客客群、重要价值顾客客群、一般价值顾客客群、及潜在价值顾客客群；对所述重要价值顾客客群和一般价值顾客客群进行第二次顾客价值划分，以从所述重要价值顾客中划分出重要潜在顾客客群、重要挽留顾客客群、及重要发展顾客客群，从所述一般价值顾客客群中划分中一般潜力顾客客群、一般挽留顾客客群、及一般发展顾客客群，以为运营人员提供营销依据。于本专利技术的一实施例中，所述从所述重要价值顾客客群中划分出重要潜在顾客客群、重要挽留顾客客群、及重要发展顾客客群的步骤包括：取重要价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，高价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值；根据重要价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，高价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，分别获取用于进一步细分客群的第一频次比较均值、第一时间间隔比较均值、第一游逛时长比较均值；将重要价值顾客客群中每一位顾客的到访顾客游逛所述商业运营场所的频次与第一频次比较均值相减，到访顾客最后一次至所述商业运营场所的时间间隔与第一时间间隔比较均值相减、到访顾客在所述商业运营场所的平均游逛时长与第一游逛时长比较均值相减，若到访顾客游逛所述商业运营场所的频次与第一频次比较均值之差最大，那么划分该顾客为重要潜在顾客；若到访顾客最后一次至所述商业运营场所的时间间隔与第一时间间隔比较均值之差最大，那么划分该顾客为重要挽留顾客；若访顾客在所述商业运营场所的平均游逛时长与第一游逛时长比较均值之差最大，那么划分该顾客为重要发展顾客，将划分为重要潜在顾客组成重要潜在顾客客群，划分为重要挽留顾客组成重要挽留顾客客群，划分为重要发展顾客组成重要发展顾客客群。于本专利技术的一实施例中，所述从所述一般价值顾客客群中划分出一般潜在顾客客群、一般挽留顾客客群、及一般发展顾客客群的步骤包括：取一般价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，重要价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值；根据一般价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，重要价值顾客客群在频次上的平均值、时间间隔上的平均值、和游逛时长上的平均值，分别获取用于进一步细分客群的第二频次比较均值、第二时间间隔比较均值、第二游逛时长比较均值；将一般价值顾客客群中每一位顾客的到访顾客游逛所述商业运营场所的频次与第二频次比较均值相减，到访顾客最后一次至所述商业运营场所的时间间隔与第二时间间隔比较均值相减、到访顾客在所述商业运营场所的平均游逛时长与第二游逛时长比较均值相减，若到访顾客游逛所述商业运营场所的频次与第二频次比较均值之差最大，那么划分该顾客为一般潜在顾客；若到访顾客最后一次至所述商业运营场所的时间间隔与第二时间间隔比较均值之差最大，那么划分该顾客为一般挽留顾客；若访顾客在所述商业运营场所的平均游逛时长与第二游逛时长比较均值之差最大，那本文档来自技高网...

【技术保护点】
一种顾客价值的细分方法，其特征在于，应用于商业运营场所，所述顾客价值的细分方法包括以下步骤：将预定聚类算法应用于在预定时间段收集的、到访所述商业运营场所的顾客的游逛参数，以建立所述游逛参数的评分规则；所述游逛参数用于评价顾客价值；基于所述游逛参数，确定所述游逛参数的离散程度；根据顾客的细分标准和所述游逛参数的离散程度，计算用于对每一位到访顾客进行细分的顾客游逛价值指数；按照顾客游逛价值指数对在预定时间段收集的、到访所述商业运营场所的顾客进行细分。

【技术特征摘要】
1.一种顾客价值的细分方法，其特征在于，应用于商业运营场所，所述顾客价值的细分方法包括以下步骤：将预定聚类算法应用于在预定时间段收集的、到访所述商业运营场所的顾客的游逛参数，以建立所述游逛参数的评分规则；所述游逛参数用于评价顾客价值；基于所述游逛参数，确定所述游逛参数的离散程度；根据顾客的细分标准和所述游逛参数的离散程度，计算用于对每一位到访顾客进行细分的顾客游逛价值指数；按照顾客游逛价值指数对在预定时间段收集的、到访所述商业运营场所的顾客进行细分。2.根据权利要求1所述的顾客价值的细分方法，其特征在于：所述游逛参数包括在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和/或到访顾客在所述商业运营场所的平均游逛时长。3.根据权利要求2所述的顾客价值的细分方法，其特征在于：所述预定聚类算法为K-means聚类算法。4.根据权利要求3所述的顾客价值的细分方法，其特征在于：所述将预定聚类算法应用于在预定时间段收集的、到访所述商业运营场所的顾客的游逛参数，以获取所述游逛参数的评分的步骤包括：将所述K-means聚类算法应用于在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和到访顾客在所述商业运营场所的平均游逛时长，获取用于初步细分客群的聚类结果及用于显示初步细分后每一类到访顾客在频次、时间间隔、和游逛时长的聚类点分布；根据所述聚类结果，将到访顾客的客群进行初步细分；根据频次、时间间隔、和游逛时长的聚类点分布，分别建立在预定时间段内到访顾客游逛所述商业运营场所的频次、到访顾客最后一次至所述商业运营场所的时间间隔、和到访顾客在所述商业运营场所的平均游逛时长的评分规则，以获取在预定时间段内到访顾客游逛所述商业运营场所的频次的评分、到访顾客最后一次至所述商业运营场所的时间间隔的评分及到访顾客在所述商业运营场所的平均游逛时长的离散程度的评分。5.根据权利要求2所述的顾客价值的细分方法，其特征在于：所述在预定时间段内到访顾客游逛所述商业运营场所的频次的离散程度通过利用熵值法所计算的频次权重表示；所述到访顾客最后一次至所述商业运营场所的时间间隔通过利用熵值法所计算的时间间隔权重表示；和所述到访顾客在所述商业运营场所的平均游逛时长的离散程度通过利用熵值法所计算的游逛时长权重表示。6.根据权利要求5所述的顾客价值的细分方法，其特征在于：顾客游逛价值指数的计算公式为在预定时间段内到访顾客游逛所述商业运营场所的频次的评分×频次权重+到访顾客最后一次至所述商业运营场所的时间间隔的评分×时间间隔权重+到访顾客在所述商业运营场所的平均游逛时长的离散程度的评分×游逛时长权重。7.根据权利要求6所述的顾客价值的细分方法，其特征在于：所述按照顾客游逛价值指数对在预定时间段收集的、到访所述商业运营场所的顾客进行细分的步骤包括：按照预设的不同游逛价值细分区间对所计算的顾客游逛价值指数进行第一次顾客价值划分，以获取与预设的不同游逛价值细分区间对应的顾客价值客群；所述顾客价值客群包括高价值顾客客群、重要价值顾客客群、一般价值顾客客群、及潜在价值顾客客群；对所述重要价值顾客客群和一般价值顾客客群进行第二次顾客价值划分，以从所述重要价值顾客中划分出重要潜在顾客客群、重要挽留顾客客群、及重要发展顾客客群，从所述一般价值顾客客群中划分中一般潜力顾客客群、一般挽留顾客客群、及一般发展顾客客群，以为运营人员提供营销依据。8.根据权利要求7所述的顾客价值的细分方法，其特征在...

【专利技术属性】
技术研发人员：杨进参，简芳琼，
申请(专利权)人：上海汇纳信息科技股份有限公司，
类型：发明
国别省市：上海,31