【技术实现步骤摘要】
一种基于大数据推荐算法的客户渠道引流方法
本专利技术涉及一种基于大数据推荐算法的客户渠道引流方法,属于电力运营
技术介绍
随着电力市场竞争愈发激烈,渠道的作用不再仅仅局限于单一的业务和相关服务的销售工作,而是起着市场竞争中的决定性作用。现有的渠道引流方法主要凭感觉靠经验,无法准确对目标客户进行筛选,无法挖掘具备引流潜力的客户,引流方案不够全面、严谨、科学,易产生偏差。
技术实现思路
针对现有技术的缺陷,本专利技术的目的在于提供一种对网上国网APP的客户行为特征的深入分析,结合渠道客户行为偏好分析成果,构建渠道引流指标体系及客户渠道引流推荐模型,对具备引流条件的目标客户进行筛选,挖掘具备引流潜力的客户的引流方案全面、严谨、科学,不易产生偏差的基于大数据推荐算法的客户渠道引流方法。为实现上述目的,本专利技术的技术方案为:一种基于大数据推荐算法的客户渠道引流方法,以客户为中心建立客户渠道引流模型,从客户触发的服务与产品需求入手,分析客户借助终端设备办理业务的倾向;同时,有效融合各电子渠道的客户使用信息,对客户群进行细分,较为深入地探究客户使用各类电子渠道的内在特性和规律,更全面地了解客户使用电子渠道地目的,为电子渠道的发展及营销提供指导;进而实现对客户渠道进行引流。其具体包括以下步骤:第一步:渠道客户行为偏好分析所述行为偏好主要包括:交费偏好;所述交费偏好的分析采用RFM模型和熵值法即确定各指标的权重,构建交费渠道偏好模型;根据客户最近一次交费至
【技术保护点】
1.一种基于大数据推荐算法的客户渠道引流方法,其特征在于,/n以客户为中心建立客户渠道引流模型,从客户触发的服务与产品需求入手,分析客户借助终端设备办理业务的倾向;同时,有效融合各电子渠道的客户使用信息,对客户群进行细分,较为深入地探究客户使用各类电子渠道的内在特性和规律;进而实现对客户渠道进行引流;/n具体包括以下步骤:/n第一步:渠道客户行为偏好分析/n所述行为偏好主要包括:交费偏好;/n所述交费偏好的分析采用RFM模型和熵值法即确定各指标的权重,构建交费渠道偏好模型;根据客户最近一次交费至今的时间间隔信息R、某一时间段内使用某渠道的交费总频次F以及该时间段内在某渠道的交费平均金额M;输出每个客户对各渠道的使用评价指数;通过熵值法对权重进行优化,突出交费频次F作用,弱化交费金额M以及交费间隔R作用,所输出的评价结果能够更加客观准确体现客户的渠道偏好;/n第二步:构建客户渠道引流推荐模型/n基于渠道引流指标体系,构建客户-客户特征指标的相关矩阵和非网上国网客户一网上国网客户的相似度矩阵,采用基于客户的协同过滤一皮尔逊相关系数分析算法,得到与网上国网APP客户特征指标相似度较高的可引流 ...
【技术特征摘要】
1.一种基于大数据推荐算法的客户渠道引流方法,其特征在于,
以客户为中心建立客户渠道引流模型,从客户触发的服务与产品需求入手,分析客户借助终端设备办理业务的倾向;同时,有效融合各电子渠道的客户使用信息,对客户群进行细分,较为深入地探究客户使用各类电子渠道的内在特性和规律;进而实现对客户渠道进行引流;
具体包括以下步骤:
第一步:渠道客户行为偏好分析
所述行为偏好主要包括:交费偏好;
所述交费偏好的分析采用RFM模型和熵值法即确定各指标的权重,构建交费渠道偏好模型;根据客户最近一次交费至今的时间间隔信息R、某一时间段内使用某渠道的交费总频次F以及该时间段内在某渠道的交费平均金额M;输出每个客户对各渠道的使用评价指数;通过熵值法对权重进行优化,突出交费频次F作用,弱化交费金额M以及交费间隔R作用,所输出的评价结果能够更加客观准确体现客户的渠道偏好;
第二步:构建客户渠道引流推荐模型
基于渠道引流指标体系,构建客户-客户特征指标的相关矩阵和非网上国网客户一网上国网客户的相似度矩阵,采用基于客户的协同过滤一皮尔逊相关系数分析算法,得到与网上国网APP客户特征指标相似度较高的可引流目标客户群体,即具备引流潜力的客户群体;
第三步:客户渠道引流场景构建
所述客户渠道引流场景包括线下客户引流、非网上国网APP线上客户引流、已注册但未绑定网上国网APP客户引流、可回流客户引流;进而基于客户特征,结合具体的业务应用场景,制定差异化引流策略,实现客户渠道引流以及精准营销服务的目的。
2.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法,其特征在于,
所述第一步,构建交费渠道偏好模型,具体包括以下步骤:
(1)数据预处理
对数据中的缺失值、异常值进行处理;
(2)指标离散化
查看三个指标的数据分布后,利用等分位法和业务经验,对R、F、M等三个指标进行离散化,并确定各区间的划分;
(3)确定权重
利用熵值法,确定R、F、M等三个指标的权重;
(4)确定指标得分
根据各区间的得分,分别计算得出R、F、M等三个指标的得分;
(5)确定综合得分
根据R、F、M等三个指标的得分和权重,计算出客户各渠道的综合历史偏好得分;
(6)模型验证
因RFM模型为无监督模型,无法直接评价其准确性,故交费渠道偏好模型验证是利用模型得到的历史交费渠道偏好与下个月交费的渠道进行对比。
3.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法,其特征在于,
所述(3)熵值法的具体实现步骤如下:
假设数据有n行记录,m个变量,数据可以用一个n*m的矩阵A表示n行m列,即n行记录数,m个特征列;
A=[x1,...xm]
数据的归一化处理即最小最大值标准化;
xij表示矩阵A的第i行j列元素:
计算第j项指标下第i个记录所占比重:
计算第j项指标的熵值:
计算第j项指标的差异系数:
gj=1-ej
计算第j项指标的权重:
4.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法,其特征在于,
所述行为偏好还包括:查询偏好;
国网公司相关业务查询包含网上国网APP、微信、自助终端、95598等4个渠道;
其包括以下6个方面:
(1)分析查询业务下客户的户龄、年龄、城乡类别等分布情况;
(2)分析各渠道下客户的户龄、年...
【专利技术属性】
技术研发人员:金媛媛,李鹏鹏,娄伟明,王庆娟,蒋颖,沈皓,张维,潘喆琼,陶崇,冯龙,汪璐,杨威,陈宇渊,郑则诚,柯方圆,毛倩倩,李莉,孔旭锋,
申请(专利权)人:国网浙江台州市黄岩区供电有限公司,
类型:发明
国别省市:浙江;33
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。