客户推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种客户推荐方法、装置、电子设备及存储介质，其中，所述方法包括：获取测试时间段内各未成单客户的负样本数据；预处理所述负样本数据，得到标准样本数据；结合各个维度数据的生成时间，建立数据矩阵；利用打分模型为所述数据矩阵打分，得到所述数据矩阵对应客户的成单可能分数；按照所述成单可能分数由高到低的顺序，推荐相应的客户至销售人员。本发明专利技术所提供的客户推荐方法能够准确计算出各个未成单客户的成单可能性，进而向销售人员精准推荐成单可能性高的目标客户，令销售成功率大大提高。

Customer Recommendation Methods, Devices, Electronic Equipment and Storage Media

【技术实现步骤摘要】
客户推荐方法、装置、电子设备及存储介质
本申请涉及网络销售业务领域，尤其涉及一种客户推荐方法、装置、电子设备及存储介质。
技术介绍
互联网公司业绩的提升依赖于销售人员不断拓展客户，同时促使客户成单。可见，具有较强成单可能性的目标客户是销售人员的主要营销对象，因此，能够准确分辨出目标客户变得尤为重要。通常，销售人员会根据自身经验确定所要进行营销的客户。例如，众多客户会在网站上发大量帖子，以表达自己的需求，销售人员会通过阅读每个客户的帖子内容，根据其中包含的特征信息，如关键词、购买意愿等，判断该客户是否可以作为进行营销的客户。但是，这种方法需要耗费销售人员大量的时间和精力，同时由于所获得特征信息主观性过强，因此，极易产生客户确定失准的情况。为了避免上述问题，现今多采用机器学习法来确定所要进行营销的客户。具体地，首先对各客户的行为数据建模，建模的基础为各客户的行为数据中的特征信息。然后利用SPARK(计算引擎)对各特征信息进行计算，得到各客户的行为数据计算模型。最后利用该计算模型，计算各客户的成单可能性。但是，在采用机器学习法确定目标客户时，需要首先针对客户的行为数据获得特征信息，特征信息本文档来自技高网...

【技术保护点】
1.一种客户推荐方法，其特征在于，所述方法包括：获取测试时间段内各未成单客户的负样本数据，所述负样本数据由所述未成单客户在各个行为维度上所产生的维度数据构成；预处理所述负样本数据，得到标准样本数据，所述标准样本数据中各个维度数据的数值均在预设数值范围内；结合各个维度数据的生成时间，建立数据矩阵，其中，所述数据矩阵的列代表由所述测试时间段中同一预设时间单元对应的每个维度数据构成的列向量，所述数据矩阵的行代表由所述测试时间段中全部预设时间单元对应的同一维度数据构成的行向量；利用打分模型为所述数据矩阵打分，得到所述数据矩阵对应客户的成单可能分数；按照所述成单可能分数由高到低的顺序，推荐相应的客户至销...

【技术特征摘要】
1.一种客户推荐方法，其特征在于，所述方法包括：获取测试时间段内各未成单客户的负样本数据，所述负样本数据由所述未成单客户在各个行为维度上所产生的维度数据构成；预处理所述负样本数据，得到标准样本数据，所述标准样本数据中各个维度数据的数值均在预设数值范围内；结合各个维度数据的生成时间，建立数据矩阵，其中，所述数据矩阵的列代表由所述测试时间段中同一预设时间单元对应的每个维度数据构成的列向量，所述数据矩阵的行代表由所述测试时间段中全部预设时间单元对应的同一维度数据构成的行向量；利用打分模型为所述数据矩阵打分，得到所述数据矩阵对应客户的成单可能分数；按照所述成单可能分数由高到低的顺序，推荐相应的客户至销售人员。2.根据权利要求1所述的方法，其特征在于，所述预处理负样本数据，得到标准样本数据包括：利用半监督学习法，确定全部所述负样本数据中的问题样本数据，所述问题样本数据为所述测试时间段内成单客户所对应的样本数据；从全部所述负样本数据中剔除所述问题样本数据，得到最终负样本数据；预处理所述最终负样本数据，得到标准样本数据。3.根据权利要求1所述的方法，其特征在于，所述预处理负样本数据，得到标准样本数据还包括：确定异常维度数据，所述异常维度数据为生成时间不符合实际时间顺序的维度数据，和/或在预设时间单元内的数值超过预设常规数值范围的维度数据；从所述负样本数据中剔除所述异常维度数据，得到处理后负样本数据；预处理所述处理后负样本数据，得到标准样本数据。4.根据权利要求1所述的方法，其特征在于，所述预处理负样本数据，得到标准样本数据包括：按照行为维度划分所述负样本数据，得到单个维度数据；归一化所述单个维度数据，得到标准化单个维度数据，各所述标准化单个维度数据的数值均在同一预设数值范围内；整合同一负样本数据所对应的全部单个维度数据，得到标准样本数据。5.根据权利要求4所述的方法，其特征在于，所述归一化单个维度数据，得到标准化单个维度数据之前包括：利用箱线图法，确定各所述单个维度数据的上限值；设定特殊单个维度数据所对应的数值，得到所述特殊单个维度数据所对应的单个维度数据，所述特殊单个维度数据为数值大于对应上限值的单个维度数据，所述数值为特殊单个维度数据对应的上限值。6.根据权利要求5所述的方法，其特征在于，所述归一化单个维度数据，得到标准化单个维度数据包括：利用箱线图法，计算各所述单个维度数据的四分位距，所述四分位距为单个维度数据的四分之三位数与单个维度数据的四分之一位数的差值；结合所述单个维度数据及对应的上限值和四分位距，归一化所述单个维度数据，得到标准化单个维度数据。7.根据权利要求1-6中任一所述的方法，其特征在于，所述获取测试时间段内各未成单客户的负样本数据之前包括：确定预选测试时间段中的全部特殊时间段，所述特殊时间段为具有造成客户行为突变可能性的时间段；从预选测试时间段中剔除所述特殊时间段，得到处理后时间段；在所述处理后时间段之后增加后补时间段，得到测试时间段，所述后补时间段为与各所述特殊时间段时长总和相等的非特殊时间段。8.一种客户推荐装置，其特征在于，所述装置包括：负样本获取模块，用于获取测试时间段内各未成单客户的负样本数据，所述负样本数据由所述未成单客户在各个行为维度上所产生的维度数据构成；预处理模块，用于预处理所述负样本数据，得到标准样本数据，所述标准样本数据中各个维度数据的数值均在预设数值范围内；矩阵建立模...

【专利技术属性】
技术研发人员：肖会兵，王迪，孙启明，
申请(专利权)人：五八有限公司，
类型：发明
国别省市：天津,12