本发明专利技术提供一种经纪人激励活动奖励金额的设定方法、装置及计算机设备，其中，方法通过获取活动开展前的基础数据和活动开展历史数据作为初始数据，并对初始数据进行预处理，得到目标数据，再根据目标数据计算和统计得到活动金额的影响因素，并进一步，基于神经网络模型，建立活动定价预测模型，通过目标数据对活动定价预测模型进行训练，输出活动定价预测值，并将活动定价预测值设定为经纪人激励活动奖励金额，从而实现合理的设定经纪人激励活动奖励金额，进一步提高经纪人转化效率和开发商资金使用效率，便于发展更多的有价值的经纪人。人。人。
【技术实现步骤摘要】
经纪人激励活动奖励金额的设定方法、装置及计算机设备
[0001]本专利技术涉及计算机
，尤其涉及一种经纪人激励活动奖励金额的设定方法、装置及计算机设备。
技术介绍
[0002]随着房地产库存的日益增大，房地产市场竞争日益激烈，为了抢占更多的市场份额，传统的营销模式已经不能满足市场需要，越来越多的开发商开始重视渠道获客，特别是全民营销渠道，目前发展全民营销渠道经纪人的方式主要是线上获客，即经纪人可以在线上参与邀请好友、分享文章、报备客户等活动获得奖励，但是其中奖励金额的设定还不够合理，这就导致开发商资金使用效率不高，经纪人转化效率低。为了提高经纪人转化效率，发展更多的有价值的经纪人，设定合理的活动奖励金额就显得尤为重要。
技术实现思路
[0003]基于此，有必要针对上述技术问题，提供一种经纪人激励活动奖励金额的设定方法、装置及计算机设备。
[0004]一种经纪人激励活动奖励金额的设定方法，所述方法包括：获取活动开展前的基础数据和活动开展历史数据，构成初始数据；对所述初始数据进行预处理，得到目标数据；根据所述目标数据计算和统计得到活动金额的影响因素；根据所述影响因素，基于神经网络模型，建立活动定价预测模型；通过所述目标数据对所述活动定价预测模型进行训练，输出活动定价预测值；将所述活动定价预测值设定为经纪人激励活动奖励金额，并将该活动开展结果数据存入数据库。
[0005]在其中一个实施例中，所述初始数据，具体包括：楼盘数据、经纪人数据、活动开展数据和活动开展所在城市数据。
[0006]在其中一个实施例中，对所述初始数据进行数据预处理，得到目标数据步骤，具体为：排除所述初始数据中的测试数据和异常数据，得到清洗后的数据；通过所述清洗后的数据进行数据统计，统计得到各预设数据类型的值，构成目标数据。
[0007]在其中一个实施例中，所述各预设数据类型的值，具体包括活动开展内的全民营销经纪人人数，全民营销渠道成交套数，开展活动目标成交套数、房源每套房销售单价，房源每套面积，经纪人佣金比率，和活动佣金比率。
[0008]在其中一个实施例中，所述影响因素，具体为活动开展所在城市的城市总人数，城市面积，住宅平均房价，居民人均可支配收入，居民人均消费支出，活动开展时长，以及目标注册经纪人人数。
[0009]在其中一个实施例中，所述目标注册经纪人人数＝全民营销经纪人人数*开展活动目标成交套数/全民营销渠道成交套数。
[0010]在其中一个实施例中，通过所述目标数据对所述活动定价预测模型进行训练，输出活动定价预测值步骤之后，还包括：根据所述目标数据，计算目标经纪人注册人数区间与
目标费效比区间。根据所述影响因素和所述活动定价预测值，基于回归模型，建立活动人数预测模型；通过所述目标数据和所述活动定价预测值，对所述活动人数预测模型进行训练，得到活动人数预测值；根据所述活动人数预测值、所述目标经纪人注册人数区间和所述目标费效比区间，检验所述活动定价预测值的合理性。
[0011]在其中一个实施例中，根据所述目标数据，计算目标经纪人注册人数区间与目标费效比区间步骤，具体为：通过所述目标经纪人注册人数，计算目标经纪人注册人数区间；根据所述房源每套房销售单价和所述房源每套面积，计算得到每套房产总价；根据所述每套房产总价和所述经纪人佣金比率，计算得到渠道佣金总额；根据所述渠道佣金总额和所述活动佣金比率，计算得到活动开展奖励总金额；根据所述活动开展奖励总金额和所述目标经纪人注册人数，计算得到目标活动费效比；根据所述目标活动费效比，计算得到目标活动费效比区间。
[0012]一种经纪人激励活动奖励金额的设定装置，包括数据获取模块、数据处理模块、影响因素计算模块、定价模型建立模块、定价预测输出模块和奖励金额设定模块，其中：所述数据获取模块用于，获取活动开展前的基础数据和活动开展历史数据，构成初始数据；所述数据处理模块用于，对所述初始数据进行预处理，得到目标数据；所述影响因素计算模块用于，根据所述目标数据计算和统计得到活动金额的影响因素；所述定价模型建立模块用于，根据所述影响因素，基于神经网络模型，建立活动定价预测模型；所述定价预测输出模块用于，通过所述目标数据对所述活动定价预测模型进行训练，输出活动定价预测值；所述奖励金额设定模块用于，将所述活动定价预测值设定为经纪人激励活动奖励金额，并将该活动开展结果数据存入数据库。
[0013]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各个实施例中所述的经纪人激励活动奖励金额的设定方法的步骤。
[0014]上述经纪人激励活动奖励金额的设定方法、装置及计算机设备，通过获取活动开展前的基础数据和活动开展历史数据作为初始数据，并对初始数据进行预处理，得到目标数据，再根据目标数据计算和统计得到活动金额的影响因素，并进一步，基于神经网络模型，建立活动定价预测模型，通过目标数据对活动定价预测模型进行训练，输出活动定价预测值，并将活动定价预测值设定为经纪人激励活动奖励金额，从而实现合理的设定经纪人激励活动奖励金额，进一步提高经纪人转化效率和开发商资金使用效率，便于发展更多的有价值的经纪人。
附图说明
[0015]图1为一个实施例中经纪人激励活动奖励金额的设定方法的流程示意图；
[0016]图2为一个实施例中活动定价预测模型的示意图；
[0017]图3为一个实施例中经纪人激励活动奖励金额的设定装置的结构框图；
[0018]图4是一个实施例中计算机设备的内部结构图。
具体实施方式
[0019]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结
合附图对本专利技术做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0020]在一个实施例中，如图1所示，提供了一种经纪人激励活动奖励金额的设定方法，包括以下步骤：
[0021]S110获取活动开展前的基础数据和活动开展历史数据，构成初始数据。
[0022]在一个实施例中，步骤S110中的初始数据，具体包括：楼盘数据、经纪人数据、活动开展数据和活动开展所在城市数据。
[0023]具体地，活动开展前的基础数据至少包括楼盘经纪人明细数据，经纪人报备成交数据，经纪人明细数据应该包含经纪人的姓名、性别、年龄、电话、渠道类型等。经纪人报备成交数据应该包含成交的订单编号和成交日期。活动开展历史数据应该包含活动开展的时间，活动参与情况相关信息，开展活动关联楼盘等数据。获取数据的方式可以直接从公司数据库获取或者从其他数据公司获取数据。获取活动开展所在城市的信息，包括城市总人数，城市面积，城市的居民人均可支配收入与居民人均消费支出，可以从中国统计年鉴获取数据。
[0024]S120对初始数据进行预处理，得到目标数据。
[0025]在一个实施例中，步骤S120具体为：排除初始数据中的测试数据和异常数据，得到清本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种经纪人激励活动奖励金额的设定方法，其特征在于，包括：获取活动开展前的基础数据和活动开展历史数据，构成初始数据；对所述初始数据进行预处理，得到目标数据；根据所述目标数据计算和统计得到活动金额的影响因素；根据所述影响因素，基于神经网络模型，建立活动定价预测模型；通过所述目标数据对所述活动定价预测模型进行训练，输出活动定价预测值；将所述活动定价预测值设定为经纪人激励活动奖励金额，并将该活动开展结果数据存入数据库。2.如权利要求1所述的方法，其特征在于，所述初始数据，具体包括：楼盘数据、经纪人数据、活动开展数据和活动开展所在城市数据。3.如权利要求2所述的方法，其特征在于，对所述初始数据进行数据预处理，得到目标数据步骤，具体为：排除所述初始数据中的测试数据和异常数据，得到清洗后的数据；通过所述清洗后的数据进行数据统计，统计得到各预设数据类型的值，构成目标数据。4.如权利要求3所述的方法，其特征在于，所述各预设数据类型的值，具体包括活动开展内的全民营销经纪人人数，全民营销渠道成交套数，开展活动目标成交套数、房源每套房销售单价，房源每套面积，经纪人佣金比率，和活动佣金比率。5.如权利要求4所述的方法，其特征在于，所述影响因素，具体为活动开展所在城市的城市总人数，城市面积，住宅平均房价，居民人均可支配收入，居民人均消费支出，活动开展时长，以及目标注册经纪人人数。6.如权利要求5所述的方法，其特征在于，所述目标注册经纪人人数＝全民营销经纪人人数*开展活动目标成交套数/全民营销渠道成交套数。7.如权利要求5所述的方法，其特征在于，通过所述目标数据对所述活动定价预测模型进行训练，输出活动定价预测值步骤之后，还包括：根据所述目标数据，计算目标经纪人注册人数区间与目标费效比区间。根据所述影响因素和所述活动定价预测值，基于回归模型，建立活动人数预测模型；...
【专利技术属性】
技术研发人员：李琦，赖艳，
申请(专利权)人：重庆锐云科技有限公司，
类型：发明
国别省市：
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。