【技术实现步骤摘要】
数据处理方法及系统、客户关系管理系统、电子设备
[0001]本申请涉及计算机
,尤其涉及一种数据处理方法及系统、客户关系管理系统、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
[0002]客户分析是根据各种关于客户的信息和数据来了解客户需求,分析客户特征,评估客户价值,从而为客户制定相应的营销策略与资源配置计划。目前,市场上已经存在类似的管理系统可实现上述客户分析。
[0003]对于一部分企业来说,仅能为客户制定营销策略与资源配置计划是不够的;未来企业的发展方向如何制定,还需了解客户的IT支出(OV,英文opportunity value)。客户IT(information technology)支出,是指客户为使用信息技术所做出的支出。
[0004]目前,大客户(即排名在前几的客户)的OV值可通过人工的方式梳理,但一些中小客户的OV还处于缺失或错误的状态。
技术实现思路
[0005]鉴于现有技术存在的问题,本申请各实施例提供能解决或改善现有技术问题的一种数据处理方法及系统、客户关系管理系统、电子设备、计算机可读存储介质及计算机程序产品。
[0006]在本申请的一个实施例中,提供了一种数据处理方法。该方法包括:
[0007]通过至少一种渠道,接收与目标客户关联的数据;
[0008]从所述数据中,提取特征信息;
[0009]获取基于集成学习算法的预测模型;
[0010]利用所述基于集成学习算法的预测模型,对所述特征信息进行处理,得 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:通过至少一种渠道,接收与目标客户关联的数据;从所述数据中,提取特征信息;获取基于集成学习算法的预测模型;利用所述基于集成学习算法的预测模型,对所述特征信息进行处理,得出预测结果;其中,所述预测结果与所述目标客户在未来时段为使用信息技术所需的支出相关。2.根据权利要求1所述的方法,其特征在于,基于集成学习算法的预测模型包括至少两个分类器;以及利用所述基于集成学习算法预测模型,对所述特征信息进行处理,得出预测结果,包括:分别利用所述至少两个分类器,对所述特征信息进行处理,得到对应数量的至少两个输出结果;集成所述至少两个输出结果,得出所述预测结果。3.根据权利要求2所述的方法,其特征在于,集成所述至少两个输出结果,得出所述预测结果,包括:获取所述至少两个输出结果中各输出结果对应的权重;基于各输出结果的权重,计算所述至少两个输出结果的加权平均和,得到所述预测结果。4.根据权利要求3所述的方法,其特征在于,获取所述至少两个输出结果中各输出结果对应的权重,包括:获取所述至少两个分类器的准确率;根据所述至少两个分类器的准确率,确定各分类器的输出结果对应的权重。5.根据权利要求2所述的方法,其特征在于,所述至少两个分类器为不同类型的分类器。6.根据权利要求5所述的方法,其特征在于,所述基于集成学习算法的预测模型包括三个不同类型的分类器;所述三个不同类型的分类器分别为:线性回归模型、多分类Logistic回归模型、全连接神经网络模型。7.根据权利要求1至6中任一项所述的方法,其特征在于,还包括:获取所述目标客户在提供所述信息技术的服务方处产生的费用;根据所述费用,确定修正参数;利用所述修正参数,对所述预测结果进行修正。8.根据权利要求7所述的方法,其特征在于,利用所述修正参数,对所述预测结果进行修正,包括:比较所述预测结果与所述修正参数的大小;若所述预测结果小于所述修正参数,则将所述预测结果修正为所述修正参数。9.根据权利要求1至5中任一项所述的方法,其特征在于,获取基于集成学习算法的预测模型,包括:获取训练样本集;
确定至少两个分类器;利用所述训练样本集,采用集成学习算法对所述至少两个分类器进行训练,得到所述基于集成学习算法的预测模型。10.根据权利要求9所述的方法,其特征在于,所述至少两个分类器包括:线性回归模型、多分类Logistic回归模型、全连接神经网络模型;利用所述训练样本集,采用集成学习算法对所述至少两个分类器进行训练,得到所述基于集成学习算法的预测模型,包括:利用所述训练样本集,对所述线性回归模型进行训练,并确定完成训练的所述线性回归模型对应的第一准确率;根据所述第一准确率,确定完成训练的所述线性回归模型的输出结果在集成时对应的权重;利用所述训练样本集,对所述多分类Logistic回归模型进行训练,并确定完成训练的所述多分类Logistic回归模型对应的第二准确率;根据所述第二准确率,确定完成训练的所述多分类Logistic回归模型的输出结果在集成时对应的权重;利用所述训练样本集,对所述全连接神经网络模型进行训练,并确定完成训练的所述全连接神经网络模型对应的第三准确率;根据所述第三准确率,确定完成训练的所述全连接神经网络模型的输出结果在集成时对应的权重。11.根据权利要求9所述的方法,其特征在于,获取训练样本集,包括:通过至少一种渠道,接收多个客户的数据;对所述多个客户的数据进行处理,以从所述多个客户的数据中提取出样本特征集;根据所述样本特征集,确定所述训练样本集。12.根据权利要求1至6中任一项所述的方法,其特征在于,还包括:将所述预测结果发送至客户端,以便于在所述客户端基于所述预测结果,输出相应的提示信息。13....
【专利技术属性】
技术研发人员:康进,何桂丽,
申请(专利权)人:阿里巴巴新加坡控股有限公司,
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。