The invention discloses a method, system and storage medium for in-depth learning using large data to help core customers provide value-added services. Firstly, the collected user information is de-privacy and normalized pretreated, and multiple information vectors are obtained as the core features of deep neural network DBN, and other feature vectors are mined through DBN network, combining unsupervised and supervised training. Practice learning and get the user value index model. Finally, the user value index model is used to complete the core users'judgment and provide targeted value-added services.
【技术实现步骤摘要】
利用大数据进行深度学习以提供增值服务的方法、系统
本专利技术涉及大数据、深度学习
,尤其是指一种利用大数据进行深度学习以提供增值服务的方法及系统。
技术介绍
随着经济全球化时代的进一步扩大,越来越多的行业产品同质化速度加快,市场竞争日益加剧,企业之间的竞争不仅仅是能源人才技术的竞争,客户资源的竞争也从来没有停止过,任何一家企业都希望本企业的客户是忠诚的,这样就可以给企业带来更高的利润。然而往往事与愿违,许多客户面对众多的商家和产品,往往表现得极不忠诚且客户需求多样化和个性化的特点也日渐明显,因此对于企业来说如何识别客户,从而针对不同的客户开展差异化的营销策略,提高客户管理水平,大大提高企业客户的忠诚度,势必对企业的发展大有益处。对于如何识别客户群,国内国外的一些研究者都做出了相应的理论研究。基本可以分为两个方面,一是客户价值识别(即识别有价值客户,也称为客户计分;主要采用统计、预测、模型计算等方法计算客户的某些指标,以判断客户的重要性、价值等来识别客户。最常见的是客户生命周期价值模型),二是客户行为分析(根据客户历史行为数据,预测客户的行为类别或客户行为发生的可能性、盈利性等,对客户做一些业务推荐。主要采用数据挖掘的方法)。基于客户统计学特征(年龄,性别,收入,职业,地区等)的客户识别方法已为大家所熟悉,客户统计识别方法虽然简单易行,但缺乏有效性,难以反映客户需求客户价值和客户关系阶段,难以指导企业如何去吸引客户保持客户,难以适应核心客户关系管理的需要。目前已经进入了大数据时代,传统的统计预测模型已经难以适应新的社会需求,亟待更好的工具出现以解决核心 ...
【技术保护点】
1.一种利用大数据进行深度学习以提供增值服务的方法,包括以下步骤:1)对收集到的用户信息进行预处理,所述预处理包括对用户信息进行去隐私处理和归一化操作,所述用户信息包括用户的购买的产品或服务种类及其对应价格,下单时间,位置信息,兴趣信息,消费水平信息形成信息向量,包括聚类得到时间偏好向量中心集,分类时利用该向量中心集;对具体上网地点转换为统一地点,计算地点根集合中客户地点驻留值向量,聚类得到客户地点偏好向量中心集,以对客户进行地点偏好分类;计算客户对各业务的兴趣度向量,以对客户进行兴趣爱好分类,对终端设备转换为价格以反映客户消费水平,利用客户产生的时间偏好向量、地点偏好向量、兴趣度向量、消费水平进行聚类;2)将所述预处理后的数据输入到深度神经网络进行有监督的训练学习,得到用户价值指数模型,所述深度神经网络为多层限制玻尔兹曼机;3)根据用户价值指数模型对用户的级别进行判断校验,进一步校正可能存在的判断分类错误;4)在此利用所述步骤1)得到的所述预处理信息,对被判断为核心客户的用户提供有针对性的增值服务。
【技术特征摘要】
1.一种利用大数据进行深度学习以提供增值服务的方法,包括以下步骤:1)对收集到的用户信息进行预处理,所述预处理包括对用户信息进行去隐私处理和归一化操作,所述用户信息包括用户的购买的产品或服务种类及其对应价格,下单时间,位置信息,兴趣信息,消费水平信息形成信息向量,包括聚类得到时间偏好向量中心集,分类时利用该向量中心集;对具体上网地点转换为统一地点,计算地点根集合中客户地点驻留值向量,聚类得到客户地点偏好向量中心集,以对客户进行地点偏好分类;计算客户对各业务的兴趣度向量,以对客户进行兴趣爱好分类,对终端设备转换为价格以反映客户消费水平,利用客户产生的时间偏好向量、地点偏好向量、兴趣度向量、消费水平进行聚类;2)将所述预处理后的数据输入到深度神经网络进行有监督的训练学习,得到用户价值指数模型,所述深度神经网络为多层限制玻尔兹曼机;3)根据用户价值指数模型对用户的级别进行判断校验,进一步校正可能存在的判断分类错误;4)在此利用所述步骤1)得到的所述预处理信息,对被判断为核心客户的用户提供有针对性的增值服务。2.根据权利要求1所述的提供增值服务的方法,所述用户价值指数模型所对应的深度神经网络中为深度置信网,网络的第一层为预处理的用户信息层;第二层为所得到的现有价值度BV隐含层;第三层为所得到的预期价值度PV隐含层,第四层为所得到的衍生价值度TV隐含层,其中第二、三、四层之间形成全连接进行信息反馈;其中,所述基本价值BV为客户的现有购买价值,反映对企业的贡献度;所述预期价值度PV为预期客户未来能够带来的产品或服务价值;所述衍生价值度TV为客户口碑效应带来新客户的价值;第五层深度神经网络的输出为对客户是否为核心客户的判断;第六层为最终的输出层,为对核心客户提供的最有价值的增值服务推荐、其中第五层、第六层分别于第一层进行全连接。3.一种利用大数据进行深度学习以提供增值服务的系统,包括以下模块:1)预处理...
【专利技术属性】
技术研发人员:孟欣欣,李首峰,孙立宏,陈放,李莉莉,
申请(专利权)人:国政通科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。