药店会员流失预警和智能干预系统及方法技术方案

本发明专利技术公开了一种药店会员流失预警和智能干预系统及方法，包含流失会员筛选模块、流失会员价值分组模块、流失会员干预挽回模块；流失会员筛选模块，利用Logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；流失会员价值分组模块，对被标记的流失预警会员，聚类分析后计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；流失会员干预挽回模块，对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。本发明专利技术避免了统计手段单一导致的预警不及时、不准确，可以更合理地控制药店的运营成本，有效帮助零售药店进行流失会员预警并干预召回，减少会员流失率，加强会员对药店的忠诚度。

Early warning and intelligent intervention system and methods for drugstore member loss

The invention discloses a pharmacy member churn warning and intelligent intervention system and method, including the loss of membership selection module, module, packet loss membership value loss of membership intervention save module; the loss of membership selection module, using Logistic regression model to the consumption of the member is, members attribute and health attributes are analyzed, the loss probability is greater than 50% the members of the loss of early warning; the loss of membership value of packet module, the loss of early warning members were labeled, clustering analysis calculation of membership value were grouped by different interventions for different values of membership to restore measures; loss of membership intervention save module, module of packet loss membership value grouping the different values by different members the intervention measures. The invention avoids the untimely and inaccurate early warning caused by the single statistical means, and can reasonably control the operation cost of the drugstore, effectively helps the retail pharmacies to conduct the early warning of the missing members and intervene the recall, reduce the turnover rate of members, and enhance the loyalty of members to the drugstores.

【技术实现步骤摘要】
药店会员流失预警和智能干预系统及方法
本专利技术涉及互联网
，具体涉及一种药店会员流失预警和智能干预系统。此外，本专利技术还涉及该系统的实现方法。
技术介绍
和传统零售企业一样，由于商品同质化严重，顾客资源也已经成为了零售药店最重要的经营资源。经过了激烈的市场竞争，当前新会员开发越来越难，开发培育一个新会员的投入往往数倍于维护一个老顾客的成本，而且老顾客的流失不仅造成销售额的下降，更会影响药店品牌的口碑和声誉。因此有效预警会员的流失并进行有效可行的干预挽留措施是零售药店进行会员管理的一个重要部分。当前在零售领域对流失会员的分析主要是基于最近一次消费时间，分析维度单一、阈值设置不合理导致对会员流失预警不准确，会员流失率无法有效控制。此外，针对会员的挽留活动没有针对性，投入成本高，效果不明显。因此，亟需研发一种零售药店会员流失预警及智能干预系统和方法以解决上述问题。
技术实现思路
本专利技术要解决的技术问题在于提供一种药店会员流失预警和智能干预系统，避免了统计手段单一导致的预警不及时、不准确，更合理地控制药店的运营成本，有效帮助零售药店进行流失会员预警并干预召回，减少会员流失率，加强会员对药店的忠诚度。为此，本专利技术还提供一种该系统的实现方法。为解决上述技术问题，本专利技术采用如下技术方案：一种药店会员流失预警和智能干预系统，包含流失会员筛选模块、流失会员价值分组模块、流失会员干预挽回模块；所述流失会员筛选模块，利用Logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；所述流失会员价值分组模块，对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；所述流失会员干预挽回模块，对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。作为本专利技术优选的技术方案，所述流失会员筛选模块采用数据清洗、特征提取、模型建立和流失分类四个步骤；所述数据清洗包括删除错误数据、重复数据和异常数据；所述特征提取从消费属性、会员属性和健康属性三个维度进行特征提取；所述消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量；所述会员属性和所述健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量；所述模型建立采用Logistic回归模型:P为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数；所述流失分类，定义当顾客的流失概率P大于50%时系统进行流失预警，即的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员。作为本专利技术优选的技术方案，所述回归系数利用药店已有的会员数据采用最大似然估计得到各回归系数的估计值，截距为0。作为本专利技术优选的技术方案，所述流失会员价值分组模块采用基于健康水平H、消费近度R、消费频度F和消费额度M的K均值K-means聚类方法进行聚类，并计算每个聚类会员的加权平均HRFM得分用来确定它们的会员终身价值CLV大小顺序，以实现会员分类；所述流失会员价值分组模块具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平H、消费近度R、消费频度F和消费额度M特征；所述消费近度R是会员最近一次购药时间距当前研究时间的天数或该研究时间段内的持续购药天数；所述消费频度F是会员在研究时间段内总的购药次数；所述消费额度M是会员在研究时间段的购药单价或购药总费用；第三步，加权处理：初步确定HRFM四者权重的初步比例关系；对特征进行两两比较得到相应的评价矩阵，并进行相应的调整以使其通过一致性检验；利用层次分析法求得HRFM四个特征的权重；第四步，聚类分析：利用K-means聚类算法对加权后的HRFM作聚类分析；第五步，类型定义：对每类会员标准化后的HRFM取平均，将平均值加权求和，得到相应的加权后的会员终身价值CLV得分，并在此基础上进行每类会员的终身价值大小排序，确定预警会员的分组。作为本专利技术优选的技术方案，所述流失会员价值分组模块将所有流失预警会员分成重要挽留会员，一般挽留会员和无价值会员三类；所述重要挽留会员，这类会员属于活跃和较为活跃会员，他们的消费频次和客单价高于平均水平，最近消费时间也不算太长，会员实际贡献价值比较高，是药店利润的重要来源；所述一般挽留会员，这类会员的客单价接近平均水平，但来店频率比较低或已经有一段时间没有到店消费了，他们具有一定的潜力成为较高价值的会员，也能固定的成为药店利润来源；所述无价值会员，这类会员消费频率和客单价都偏低，给药店带来的利润也很低。作为本专利技术优选的技术方案，所述流失会员干预挽回模块，对所述重要挽留会员进行一对一电话召回，对所述一般挽留会员进行短信召回，对所述无价值会员不采取干预挽回措施。作为本专利技术优选的技术方案，所述电话召回流程包括回访任务下发至门店药师、药师执行回访任务和执行效果统计三个步骤；所述短信召回包括短信触达和执行效果统计两个步骤，所述短信内容中设置会员姓名、药师姓名、最近办卡门店、最近消费门店等变量，实际发送中根据每个顾客的实际信息替换对应变量。作为本专利技术优选的技术方案，所述执行效果包括回访顾客的到店购买人数、消费金额、毛利润、投入产出比、购买商品明细。此外，本专利技术还提供一种上述系统的实现方法，包括如下步骤：步骤1，流失会员筛选：利用Logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；步骤2，流失会员价值分组：对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；步骤3，流失会员干预挽回模块：对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。作为本专利技术优选的技术方案，步骤1中，所述流失会员筛选具体包括数据清洗、特征提取、模型建立和流失分类四个步骤；所述数据清洗包括删除错误数据、重复数据和异常数据；所述特征提取从消费属性、会员属性和健康属性三个维度进行特征提取；所述消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量；所述会员属性和所述健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量；所述模型建立采用Logistic回归模型:P为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数；所述流失分类，定义当顾客的流失概率P大于50%时系统进行流失预警，即的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员；步骤2中，所述流失会员价值分组具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平H、消费近度R、消费频度F和消费额度M特征；所述消费近度R是会员最近一次本文档来自技高网...

【技术保护点】
一种药店会员流失预警及智能干预系统，其特征在于，包含流失会员筛选模块、流失会员价值分组模块、流失会员干预挽回模块；所述流失会员筛选模块，利用Logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；所述流失会员价值分组模块，对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；所述流失会员干预挽回模块，对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。

【技术特征摘要】
1.一种药店会员流失预警及智能干预系统，其特征在于，包含流失会员筛选模块、流失会员价值分组模块、流失会员干预挽回模块；所述流失会员筛选模块，利用Logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；所述流失会员价值分组模块，对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；所述流失会员干预挽回模块，对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。2.如权利要求1所述的系统，其特征在于，所述流失会员筛选模块采用数据清洗、特征提取、模型建立和流失分类四个步骤；所述数据清洗包括删除错误数据、重复数据和异常数据；所述特征提取从消费属性、会员属性和健康属性三个维度进行特征提取；所述消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量；所述会员属性和所述健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量；所述模型建立采用Logistic回归模型：P为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数；所述流失分类，定义当顾客的流失概率P大于50%时系统进行流失预警，即的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员。3.如权利要求2所述的系统，其特征在于，所述回归系数利用药店已有的会员数据采用最大似然估计得到各回归系数的估计值，截距为0。4.如权利要求1所述的系统，其特征在于，所述流失会员价值分组模块采用基于健康水平H、消费近度R、消费频度F和消费额度M的K均值K-means聚类方法进行聚类，并计算每个聚类会员的加权平均HRFM得分用来确定它们的会员终身价值CLV大小顺序，以实现会员分类；所述流失会员价值分组模块具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平H、消费近度R、消费频度F和消费额度M特征；所述消费近度R是会员最近一次购药时间距当前研究时间的天数或该研究时间段内的持续购药天数；所述消费频度F是会员在研究时间段内总的购药次数；所述消费额度M是会员在研究时间段的购药单价或购药总费用；第三步，加权处理：初步确定HRFM四者权重的初步比例关系；对特征进行两两比较得到相应的评价矩阵，并进行相应的调整以使其通过一致性检验；利用层次分析法求得HRFM四个特征的权重；第四步，聚类分析：利用K-means聚类算法对加权后的HRFM作聚类分析；第五步，类型定义：对每类会员标准化后的HRFM取平均，将平均值加权求和，得到相应的加权后的会员终身价值CLV得分，并在此基础上进行每类会员的终身价值大小排序，确定预警会员的分组。5.如权利要求1所述的系统，其特征在于，所述流失会员价值分组模块将所有流失预警会员分成重要挽留会员，一般挽留会员和无价值会员三类；所述重要挽留会员，这类会员属于活跃和较为活跃会员，他们的消费频次和客单价高于平均水平，最近消费时间也不算太长，会员实际贡献价值比较高，是药店利润的重要来源；所述一般挽留会员，这类会员的客单价接近平均水平，但来店频率比较低或已经有一段时间没有到店消费了，他们具有一定的潜力成为较高价值的会员，也能固定的成为药店利润来源；所述无价值会员，这...

【专利技术属性】
技术研发人员：张红广，田飞，蒋超，冯褚，杨友仁，郑健，谭伟，黄玉涛，吴健，
申请(专利权)人：上海科瓴医疗科技有限公司，
类型：发明
国别省市：上海,31