一种基于AI大数据的目标客户分析方法、系统、设备及计算机可读介质技术方案

本发明专利技术涉及一种基于AI大数据的目标客户分析方法，所述方法包括以下步骤：通过存量客户电路的网管系统及CRM客户关系管理系统，实时对区域内存量客户形成存量客户行为模型；对获取的存量客户行为模型中的目标客户进行打分；将打分后的目标客户根据分值的高低分为不同的价值区域；对价值区域进行特征画像，根据特征画像计算综合价值排名，得出价值区域分级。本发明专利技术将AI大数据算法运用到网络的布局当中，确保网络能聚焦重点业务、重点市场、和高优先级，考虑行业及存量业务的权重及相关性，对高价值区域进行画像，确定基准。确定基准。确定基准。

【技术实现步骤摘要】
一种基于AI大数据的目标客户分析方法、系统、设备及计算机可读介质


[0001]本专利技术涉及基于AI大数据的目标客户分析
，尤其涉及一种基于AI大数据的目标客户分析方法、系统、设备及计算机可读介质。

技术介绍

[0002]通过大数据对客户的资金分布情况、流量情况、历史记录等方面的数据来分析客户的综合利用状况。利用客户分析系统，企业不再只依靠经验来推测，而是利用科学的手段和方法，收集、分析和利用各种客户信息，从而轻松的获得有价值的信息。
[0003]当前运营商的网络规划仍然停留在传统网络的建设模式，网业协同存在三方面瓶颈：资源建设未聚焦重点市场，重点业务需求、高优先级资源需求，高价值资源建设模式待确立；缺乏敏捷的投资管理机制，敏捷网络扩容、瓶颈资源修复、政企目标客户预覆盖无持续落实机制；资源建设仍停留在需求满足模式，未基于现有的资源格局和网络发展趋势部署全面、长远、分阶段细分的政企网络规划，因此急需改进。

技术实现思路

[0004]为了现有技术存在的上述技术缺陷，本专利技术提供一种基于AI大数据的目标客户分析方法、系统、设备及计算机可读介质，通过引进AI算法赋能政企综合业务区域精准分级，基于大数据相关性分析算法，对区域内行业及客户深度学习，对行政区域，中心位置、驻地机构、重点行业、总带宽大小、和最近两年内新增的专线数量等画像计算，对存量用户学习分析，给目标客户打分，细分场景的挖掘，根据特征画像计算，平台的数据处理，采用机器学习技术，对于获得的数据进行识别、聚类、分类、预测等智能处理和客户洞察可视化分析，通过综合价值得出价值区域排名，实现数据可视化综合价值区域分级分类清单，可以有效解决
技术介绍
中的问题。
[0005]为了解决上述技术问题，本专利技术提供的基于AI大数据的目标客户分析方法、系统及计算机可读介质的技术方案具体如下：
[0006]第一方面，本专利技术实施例公开了一种基于AI大数据的目标客户分析方法，所述方法包括以下步骤：
[0007]通过存量客户电路的网管系统及CRM客户关系管理系统，实时对区域内存量客户形成存量客户行为模型；
[0008]对获取的存量客户行为模型中的目标客户进行打分；
[0009]将打分后的目标客户根据分值的高低分为不同的价值区域；
[0010]对价值区域进行特征画像，根据特征画像计算综合价值排名，得出价值区域分级。
[0011]在上述任一方案中优选的是，所述存量客户行为模型包括对存量客户行为深度学习，其中，所述深度学习按照客户的行业维度以及客户的地理分布的要求进行深度学习。
[0012]在上述任一方案中优选的是，所述客户的地理分布可根据客户所在的写字楼的等
级将不同的客户分为不同的类型，以使根据不同的行业客户的需求数据进行分类，以实现输入新增的目标客户根据行业能输出客户的需求及要求。
[0013]在上述任一方案中优选的是，所述目标客户进行打分时，目标客户按照价值打分，按照行业的分类以及对带宽的需求，确定目标客户行业价值度模型，按照行业价值度模型匹配现有目标用户，得出目标客户的打分排序。
[0014]在上述任一方案中优选的是，所述行业价值度模型是以业务带宽为基础，按照
″
价值度＝业务带宽值/10
″
，确定行业客户的价值度。
[0015]在上述任一方案中优选的是，所述对价值区域进行特征画像时，包括分析各个综合接入区业务存量资源情况及近两年政企专线业务发展情况和价值商务楼宇数量，以实现评估综合接入区的价值。
[0016]在上述任一方案中优选的是，所述对价值区域进行特征画像时，基于AI算法对价值区域画像，所述AI算法采用皮尔逊相关系数和归一算法，具体步骤如下：
[0017]确定影响高价值区域各类因素的皮尔逊系数，确定各相关因素的影响权重，皮尔逊系数计算公式为：其中，n是综合接入区的编号，X是综合接入区内的客户数量，Y是综合接入区内的近两年政企专线增长量；
[0018]运用相关性加权算法，对各个综合接入区的行业客户的价值进行加权评估，得出综合接入区综合价值。
[0019]在上述任一方案中优选的是，所述价值区域分级包括计算所有匹配的综合业务区的价值，以排名第一的综合接入区为基准，确定所在区域所有综合接入区的价值排名，以排名前N位界线，确定前N个综合接入区是高价值区域，高价值区域涵盖所在区域90％的行业存量及目标客户。
[0020]本专利技术与现有技术相比，具有以下有益效果：
[0021]通过引进AI算法赋能政企综合业务区域精准分级，基于大数据相关性分析算法，对区域内行业及客户深度学习，对行政区域，中心位置、驻地机构、重点行业、总带宽大小、和最近两年内新增的专线数量等画像计算，对存量用户学习分析，给目标客户打分，细分场景的挖掘，根据特征画像计算，平台的数据处理，采用机器学习技术，对于获得的数据进行识别、聚类、分类、预测等智能处理和客户洞察可视化分析，通过综合价值得出价值区域排名，实现数据可视化综合价值区域分级分类清单。
[0022]本专利技术将AI大数据算法运用到网络的布局当中，确保网络能聚焦重点业务、重点市场、和高优先级，考虑行业及存量业务的权重及相关性，对高价值区域进行画像，确定基准。
[0023]第二方面，一种基于AI大数据的目标客户分析系统，包括：
[0024]形成模块，用于通过存量客户电路的网管系统及CRM客户关系管理系统，实时对区域内存量客户形成存量客户行为模型；
[0025]打分模块，用于对获取的存量客户行为模型中的目标客户进行打分；
[0026]区分模块，用于将打分后的目标客户根据分值的高低分为不同的价值区域；
[0027]处理模块，用于对价值区域进行特征画像，根据特征画像计算综合价值排名，得出价值区域分级。
[0028]本专利技术与现有技术相比，具有以下有益效果：
[0029]通过引进AI算法赋能政企综合业务区域精准分级，基于大数据相关性分析算法，对区域内行业及客户深度学习，对行政区域，中心位置、驻地机构、重点行业、总带宽大小、和最近两年内新增的专线数量等画像计算，对存量用户学习分析，给目标客户打分，细分场景的挖掘，根据特征画像计算，平台的数据处理，采用机器学习技术，对于获得的数据进行识别、聚类、分类、预测等智能处理和客户洞察可视化分析，通过综合价值得出价值区域排名，实现数据可视化综合价值区域分级分类清单。
[0030]本专利技术将AI大数据算法运用到网络的布局当中，确保网络能聚焦重点业务、重点市场、和高优先级，考虑行业及存量业务的权重及相关性，对高价值区域进行画像，确定基准。
[0031]第三方面，一种基于AI大数据的目标客户分析设备，包括：
[0032]存储器，用于存储计算机程序；
[0033]处理器，用于执行所述计算机程序时实现所述基于AI大数据的目标客户分析方法的步骤。
[0034]第四方面，一种计算机可读介质，其上存储有计算机程序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI大数据的目标客户分析方法，其特征在于，所述方法包括以下步骤：通过存量客户电路的网管系统及CRM客户关系管理系统，实时对区域内存量客户形成存量客户行为模型；对获取的存量客户行为模型中的目标客户进行打分；将打分后的目标客户根据分值的高低分为不同的价值区域；对价值区域进行特征画像，根据特征画像计算综合价值排名，得出价值区域分级。2.根据权利要求1所述的基于AI大数据的目标客户分析方法，其特征在于，所述存量客户行为模型包括对存量客户行为深度学习，其中，所述深度学习按照客户的行业维度以及客户的地理分布的要求进行深度学习。3.根据权利要求2所述的基于AI大数据的目标客户分析方法，其特征在于，所述客户的地理分布可根据客户所在的写字楼的等级将不同的客户分为不同的类型，以使根据不同的行业客户的需求数据进行分类，以实现输入新增的目标客户根据行业能输出客户的需求及要求。4.根据权利要求3所述的基于AI大数据的目标客户分析方法，其特征在于，所述目标客户进行打分时，目标客户按照价值打分，按照行业的分类以及对带宽的需求，确定目标客户行业价值度模型，按照行业价值度模型匹配现有目标用户，得出目标客户的打分排序。5.根据权利要求4所述的基于AI大数据的目标客户分析方法，其特征在于，所述行业价值度模型是以业务带宽为基础，按照“价值度＝业务带宽值/10”，确定行业客户的价值度。6.根据权利要求5所述的基于AI大数据的目标客户分析方法，其特征在于，所述对价值区域进行特征画像时，包括分析各个综合接入区业务存量资源情况及近两年政企专线业务发展情况和价值商务楼宇数量，以实现评估综合接入区的价值。7.根据权利要求6所述的基于AI大数据的目标客户分析方法，其特征在于，所述对价值区域进行...

【专利技术属性】
技术研发人员：骆益民，黄志新，谭笑丹，赵桂标，赖柏辉，朱海玲，裴慧，陈烈强，邹浩，杜超昆，朱友芬，刘雁斌，
申请(专利权)人：中国联合网络通信有限公司广东省分公司，
类型：发明
国别省市：