数据获取方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种数据获取方法、装置、设备及介质。其中，该数据获取方法包括：通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；根据预设阈值关系对客群价值迁移数据进行分类，获取原始客群数据中的潜在客群价值数据；其中，潜在客群价值数据应用于精细化营销。通过本发明专利技术的数据获取方法，实现了对无监督学习算法和有监督学习算法的结合，突破了无监督学习建立客户细分模型的传统限制，起到了进一步提升客户细分模型以进行精细化智能营销的目的。

【技术实现步骤摘要】
数据获取方法、装置、设备及介质
本专利技术涉及计算
，尤其涉及一种数据获取方法、数据处理装置、电子设备及计算机可读存储介质。
技术介绍
随着人工智能技术的快速发展，利用机器学习技术解决商业问题的方式越来越普遍。其中，在智能营销
中，考虑精细化管理以提升运营效益的目的，基于机器学习技术的客户细分模型在许多行业都有广泛应用，例如零售、金融、电商等领域。但是，客户细分模型通常采用的是无监督学习算法，这就造成各类别客户群体(即客群)的数据之间差别不大，使得针对各个客群的营销效果不具有显著区别，因而无法区分客群之间的潜在营销效果的优劣，造成智能营销活动缺乏针对性，无法更好地实现精细化营销。
技术实现思路
(一)要解决的技术问题为解决现有技术中应用于智能营销的无监督学习算法针对性不强，无法更好地实现精细化营销的技术问题，本专利技术公开了一种数据获取方法、数据处理装置、电子设备及计算机可读存储介质。(二)技术方案本专利技术的一个方面公开了一种数据获取方法，其中，包括：通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；根据预设阈值关系对客群价值迁移数据进行分类，获取原始客群数据中的潜在客群价值数据；其中，潜在客群价值数据应用于精细化营销。根本专利技术的实施例，在通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据之前，还包括：根据预设价值分层规则，通过聚类算法对固定客群数据进行聚类预测处理，生成价值分层模型；其中，聚类算法为Kmeans算法或kmeans++算法。根据本专利技术的实施例，在根据预设价值分层规则，对固定客群数据进行聚类预测处理，生成价值分层模型之后，还包括：基于固定客群数据，确定于第一时间点的第一固定数据和于第二时间点的第二固定数据；根据第一固定数据和第二固定数据，确定训练样本数据，用于生成分类模型；其中，第一时间点和第二时间点之间具有时间间隔。根据本专利技术的实施例，根据第一固定数据和第二固定数据，确定训练样本数据，包括：通过价值分层模型对第一固定数据进行价值分层预测，获取第一分层数据；通过价值分层模型对第二固定数据进行价值分层预测，获取第二分层数据；对第一分层数据和第二分层数据进行价值层级比较处理，获取具有价值迁移标签的训练样本数据。根据本专利技术的实施例，生成分类模型，包括：通过多分类算法对训练样本数据进行学习建模，生成分类模型；其中，多分类算法为Xgboost算法、LogisticRegression算法或Svm算法。根据本专利技术的实施例，客群价值迁移数据中对应于每个客户具有三个维度，每个维度具有一个预测标签分值，其中，每个客户的三个维度的预测标签分值的和为1；预设阈值关系为：对应每个客户的一个维度的预测标签分值与第一预设阈值和/或第二预设阈值之间的大小关系。根据本专利技术的实施例，根据预设阈值关系对客群价值迁移数据进行分类，获取原始客群数据中的潜在客群价值数据，包括：当客群价值迁移数据中对应一个客户的一个维度的预测标签分值大于等于第一预设阈值，则对应一个客户进行潜在价值上行标签的标记；和/或当客群价值迁移数据中对应一个客户的一个维度的预测标签分值小于第二预设阈值，则对应一个客户进行潜在价值保持标签的标记；当客群价值迁移数据中对应一个客户的一个维度的预测标签分值小于第一预设阈值且大于等于第二预设阈值，则对应一个客户进行潜在价值下行标签的标记；其中，潜在客群价值数据为对应客群价值迁移数据中具有潜在价值上行标签、潜在价值保持标签和潜在价值下行标签的客户数据。本专利技术的另一方面公开了一种数据获取装置，其中，包括：价值预测模块和价值分类模块。价值预测模块用于通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；价值分类模块用于根据预设阈值关系对客群价值迁移数据进行分类，获取原始客群数据中的潜在客群价值数据；其中，潜在客群价值数据应用于精细化营销。本专利技术的另一方面公开了一种电子设备，其中，包括：一个或多个处理器和存储装置。存储装置用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。本专利技术的另一方面公开了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现上述的方法。(三)有益效果本专利技术公开了一种数据获取方法、装置、设备及介质。其中，该数据获取方法包括：通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；根据预设阈值关系对客群价值迁移数据进行分类，获取原始客群数据中的潜在客群价值数据；其中，潜在客群价值数据应用于精细化营销。通过本专利技术的数据获取方法，实现了对无监督学习算法和有监督学习算法的结合，突破了无监督学习建立客户细分模型的传统限制，起到了进一步提升客户细分模型以进行精细化智能营销的目的。附图说明图1示意性示出了根据本专利技术实施例的数据获取方法的流程图；图2示意性示出了根据本专利技术实施例的客户价值分层和销售贡献度的关系图；图3示意性示出了根据本专利技术实施例的对应第一时间点和第二时间点的客群价值变化图；图4示意性示出了根据本专利技术实施例的数据获取方法对应的分层营销效果的对比图；图5示意性示出了根据本专利技术实施例的数据获取装置的架构图；图6示意性示出了根据本专利技术实施例的适于实现上述数据获取方法的电子设备的方框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于本文档来自技高网...

【技术保护点】
1.一种数据获取方法，其中，包括：/n通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；/n根据预设阈值关系对所述客群价值迁移数据进行分类，获取所述原始客群数据中的潜在客群价值数据；/n其中，所述潜在客群价值数据应用于精细化营销。/n

【技术特征摘要】
1.一种数据获取方法，其中，包括：
通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；
根据预设阈值关系对所述客群价值迁移数据进行分类，获取所述原始客群数据中的潜在客群价值数据；
其中，所述潜在客群价值数据应用于精细化营销。


2.根据权利要求1所述的方法，其中，在所述通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据之前，还包括：
根据预设价值分层规则，通过聚类算法对固定客群数据进行聚类预测处理，生成价值分层模型；
其中，所述聚类算法为Kmeans算法或kmeans++算法。


3.根据权利要求2所述的方法，其中，在所述根据预设价值分层规则，对固定客群数据进行聚类预测处理，生成价值分层模型之后，还包括：
基于所述固定客群数据，确定于第一时间点的第一固定数据和于第二时间点的第二固定数据；
根据所述第一固定数据和所述第二固定数据，确定训练样本数据，用于生成所述分类模型；
其中，所述第一时间点和所述第二时间点之间具有时间间隔。


4.根据权利要求3所述的方法，其中，所述根据所述第一固定数据和所述第二固定数据，确定训练样本数据，包括：
通过所述价值分层模型对所述第一固定数据进行价值分层预测，获取第一分层数据；
通过所述价值分层模型对所述第二固定数据进行价值分层预测，获取第二分层数据；
对所述第一分层数据和所述第二分层数据进行价值层级比较处理，获取具有价值迁移标签的训练样本数据。


5.根据权利要求3所述的方法，其中，所述生成所述分类模型，包括：
通过多分类算法对所述训练样本数据进行学习建模，生成所述分类模型；
其中，所述多分类算法为Xgboost算法、LogisticRegression算法或Svm算法。


6.根据权利要求1所述的方法，其中，
所述客群...

【专利技术属性】
技术研发人员：吴方涛，王雪，徐勐，
申请(专利权)人：杭州米雅信息科技有限公司，
类型：发明
国别省市：浙江;33