一种基于Xgboost和DBSCAN的精准营销方法技术

本发明专利技术公开了一种基于Xgboost和DBSCAN的精准营销方法，包括以下步骤：步骤1.对数据源中的银行数据进行人工标注，以此获得类别信息；步骤2.将银行数据及其标注信息整合，作为完整的数据集；步骤3.针对数据集进行探索性分析；步骤4.针对数据集进行数据预处理，划分数据集，得到训练集、测试集；步骤5.将数据输入到已经构建好的模型中进行训练，得到精准营销模型；步骤6.将待检测的银行数据输入到精准营销模型进行检测，得到客户分类结果；步骤7.进行效果验证，输出检测结果。本发明专利技术通过Xgboost来找出目标客户，并使用DBSCAN来向目标客户推荐对应的产品，从而提高营销成功率。

【技术实现步骤摘要】
一种基于Xgboost和DBSCAN的精准营销方法
本专利技术涉及机器学习和数据挖掘领域，具体为一种基于Xgboost和DBSCAN的精准营销方法。
技术介绍
当前，科技发展越来越快，更多的商业公司在追求营销效果的同时对营销精准度提出了更高的要求，产品质量和客户资源把握着商业公司的命脉。而基于大数据的精准营销则是提升营销效率，减少人工成本的重要环节。目前，银行的金融产品营销普遍采取的是人工营销，和机器营销。其中，人工营销有效率低、成本高、人工易产生疲倦等的缺点；而机器营销主要是预设所有的营销话术，并在工作时逐一播放，因此降低了人力成本。因此，采用机器人的方式去对客户实施营销手段，不仅降低了人工成品，也避免了人工疲倦时导致的话术失误，这让机器营销成为了银行营销的趋势。尽管如此，机器营销和人工营销一样，有一个共通的缺点，就是成功率太低。毕竟客户群众多，性格兴趣难以捉摸。即使机器日夜工作，降低人工损耗，但毕竟机器的程序是预设好的，难以面对不同的客户使用针对性地营销措施。总体而言，现有机器营销方法存在营销成功率太低的问题。...

【技术保护点】
1.一种基于Xgboost和DBSCAN的精准营销方法，其特征在于：包括以下步骤：步骤1.对数据源中的银行数据进行人工标注，以此获得类别信息；/n步骤2.将银行数据及其标注信息整合，作为完整的数据集；/n步骤3.针对数据集进行探索性分析；/n步骤4.针对数据集进行数据预处理，划分数据集，得到训练集，测试集；/n步骤5.将数据输入到已经构建好的模型中进行训练，得到精准营销模型；/n步骤6.将待检测的银行数据输入到精准营销模型进行检测，得到客户分类结果；/n步骤7.进行效果验证，输出检测结果。/n

【技术特征摘要】
1.一种基于Xgboost和DBSCAN的精准营销方法，其特征在于：包括以下步骤：步骤1.对数据源中的银行数据进行人工标注，以此获得类别信息；
步骤2.将银行数据及其标注信息整合，作为完整的数据集；
步骤3.针对数据集进行探索性分析；
步骤4.针对数据集进行数据预处理，划分数据集，得到训练集，测试集；
步骤5.将数据输入到已经构建好的模型中进行训练，得到精准营销模型；
步骤6.将待检测的银行数据输入到精准营销模型进行检测，得到客户分类结果；
步骤7.进行效果验证，输出检测结果。


2.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤3中，所述数据集进行探索性分析，具体包括以下步骤：步骤a.初步观察并记录源数据的特征，属性，做初步分析；
步骤b.设定阈值，作为数据预处理的指标；
步骤c.格式转化，将文本格式转化成便于处理的csv格式。


3.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤4中，所述数据预处理包括数据清理、异常值处理、数据规约，以及划分数据集，具体包括以下步骤：步骤d.数据清理主要是删除无意义数据，增强可用数据的可读性；
步骤e.异常值处理主要是针对数据中的NULL以及缺失值进行处理；
步骤f.数据规约包括离散值规约和连续值规约；
步骤g.生成随机种子seed，并按照8：2比例将经银行数据划分训练集、测试集。


4.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤5中，所述模型训练通过Xgboost算法和DBSCAN算法实现，所述Xgboost算法用于将客户分类为目标客户和非目标客户，所述DBSCAN算法实现用于为目标客户推荐对应的金融产品。


5.根据权利要求4所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：所述模型训练通过...

【专利技术属性】
技术研发人员：石建，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32