高潜质消费者识别方法、系统、电子设备及介质技术方案

本申请公开了高潜质消费者识别方法、系统、电子设备及介质，高潜质消费者识别方法包括：根据预设的时间周期基于消费数据获取消费频次分布，并基于阈值对所述消费频次分布进行处理获得最终消费数据后，根据所述最终消费数据构建训练数据集；对所述训练数据集进行处理获取最终训练数据集后，将所述最终训练数据集分割划分为训练集、验证集以及测试集；通过所述训练集、所述验证集以及所述测试集对学习模型进行训练、验证和测试后获得预测模型；将第三最终消费数据输入到所述预测模型中获取预测结果，根据所述预测结果识别出高潜质消费者。者。者。

【技术实现步骤摘要】
高潜质消费者识别方法、系统、电子设备及介质


[0001]本申请涉及营销智能
，尤其涉及一种高潜质消费者识别方法、系统、电子设备及介质。

技术介绍

[0002]现有的营销理论将消费者划分为重型(heavier)购买者和轻型(lighter)购买者，划分的依据是购买频次，频次高的划为重型，频次低的划为轻型。一般的促销策略更多地关注这些重型消费者。但是大量的研究表明这些经典的理论和策略很多时候并没有获得预想中的成功。大量的数据表明所谓20％的高忠诚度客户一般只可以贡献到50％左右的销售量。而且重型和轻型消费者之间有互相转化的趋势，即在给定时间段内，重型消费者在某品牌的消费次数会下降，而轻型消费者的消费次数会上升。然而，如何提高对高潜质的消费者的识别率以及提高销量成为一个亟待解决的问题。

技术实现思路

[0003]本申请实施例提供了一种高潜质消费者识别方法、系统、电子设备及介质，以至少通过本专利技术解决了对品牌有良好潜质的消费者识别效率低等问题。
[0004]本专利技术提供了高潜质消费者识别方法，包括：
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高潜质消费者识别方法，其特征在于，包括：根据预设的时间周期基于消费数据获取消费频次分布，并基于阈值对所述消费频次分布进行处理获得最终消费数据后，根据所述最终消费数据构建训练数据集；对所述训练数据集进行处理获取最终训练数据集后，将所述最终训练数据集分割划分为训练集、验证集以及测试集；通过所述训练集、所述验证集以及所述测试集对学习模型进行训练、验证和测试后获得预测模型；将第三最终消费数据输入到所述预测模型中获取预测结果，根据所述预测结果识别出高潜质消费者。2.根据权利要求1所述的高潜质消费者识别方法，其特征在于，所述根据预设的时间周期基于消费数据获取消费频次分布，并基于阈值对所述消费频次分布进行处理获得最终消费数据后，根据所述最终消费数据构建训练数据集步骤包括：根据销售实绩，预设第一时间周期与第二时间周期；从客户关系管理数据库中提取客户的所述第一时间周期与所述第二时间周期内的第一消费数据与第二消费数据；预设重消费数据阈值与非重消费数据阈值；通过所述第一消费数据获取第一消费频次分布后，从所述第一消费频次分布中截断大于等于所述重消费阈值的重消费数据，获取第一最终消费数据；通过所述第二消费数据获取第二消费频次分布后，从所述第二消费频次分布中截断大于等于所述重消费阈值的重消费数据，获取第二最终消费数据；将针对同一消费者的所述第一最终消费数据及所述第二最终消费数据进行取交集处理，通过交集的部分构建所述训练数据集。3.根据权利要求1所述的高潜质消费者识别方法，其特征在于，所述根据预设的时间周期基于消费数据获取消费频次分布，并基于阈值对所述消费频次分布进行处理获得最终消费数据后，根据所述最终消费数据构建训练数据集步骤还包括：所述训练数据集包括消费者属性数据与消费次数差值。4.根据权利要求3所述的高潜质消费者识别方法，其特征在于，所述对所述训练数据集进行处理获取最终训练数据集后，将所述最终训练数据集分割划分为训练集、验证集以及测试集步骤包括：对所述消费者属性数据中的类别型信息采用独热编码方法进行编码，对所述消费者属性数据中的数值型信息进行归一化处理后，获得所述最终训练数据集。5.根据权利要求1所述的高潜...

【专利技术属性】
技术研发人员：孙泽懿，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：