一种基于售后维修记录的客户分级方法技术

本申请提供了一种基于售后维修记录的客户分级方法，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果。本申请能够提高客户分级效率和分级准确率。级准确率。级准确率。

【技术实现步骤摘要】
一种基于售后维修记录的客户分级方法


[0001]本专利技术涉及计算机领域，具体涉及一种基于售后维修记录的客户分级方法。

技术介绍

[0002]随着经济全球化的不断推进发展，汽车工业在全国范围内都得到了广泛的普及发展，目前中国汽车市场逐步进入存量竞争时期，汽车市场从增量市场开始向保有量市场转移，产值收益也在向售后方向转移，这就给汽车的售后服务业带来了可观的市场前景，包括汽车的维修、美容、清洗、保养、改装等业务都受到了汽车售后维修服务企业的重视。
[0003]汽车售后维修服务企业通常可以利用它们每年收集的大量售后维修记录对客户进行分级，挖掘出不同客户在不同时间节点的需求，主动对每个相应级别的客户进行有效管理并采样相应的营销手段，提供符合该客户级别特征的产品或服务，以确保客户价值的不断贡献。
[0004]然而现有的客户分级方法通常采用员工手动评估分级，效率低下，同时客户分级结果存在不客观、不准确的缺点。因此，现在亟需一种基于售后维修记录的客户分级方法来解决上述问题。

技术实现思路

[0005]鉴于上述问题，提出了本申请，以便提供一种基于售后维修记录的客户分级方法，用于提高分级效率和分级准确率。
[0006]本申请提供了一种基于售后维修记录的客户分级方法，包括：
[0007]步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。
[0008]步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。
[0009]步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果；
[0010]所述卷积神经网络模型包括：特征提取模块、平均池化模块和分级模块；其中，特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；
[0011]售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出端连接分级模块的输入端，分级模块的输出端输出客户分级结果。
[0012]进一步的，所述步骤S1具体包括：
[0013]步骤S11，汽车售后维修服务企业预先制作售后维修记录表；
[0014]步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选；
[0015]步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。
[0016]进一步的，所述售后维修记录表包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度。
[0017]进一步的，所述分级模块包括依次连接的第一全连接层、激活层、Dropout层、第二全连接层、输出层。
[0018]进一步的，所述输出层为Softmax分类器。
[0019]进一步的，所述第一卷积层和第二卷积层采用1
×
1的卷积核。
[0020]进一步的，所述客户分为四类：优质客户、稳定客户、高潜力客户和低价值客户。
[0021]本申请的有益效果是：
[0022](1)本申请提供了一种基于售后维修记录的客户分级方法，对维修记录表进行扫描，以得到图片格式的维修记录表，方便后续卷积神经网络模型对其直接识别分级，以提高分级效率。
[0023](2)本申请提供了一种卷积神经网络模型，通过大尺寸卷积核的第一卷积模块、第二卷积模块提高特征转化能力和计算效率，仅在小尺寸卷积核的第三卷积模块、第四卷积模块处增加第一卷积层和第二卷积层，使得整个卷积神经网络在保证计算效率的同时，提高了卷积神经网络分级准确度。
附图说明
[0024]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本申请提供的一种基于售后维修记录的客户分级方法的流程图；
[0026]图2为本申请提供的卷积神经网络的结构图。
具体实施方式
[0027]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0028]在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
[0029]本申请提供了一种基于售后维修记录的客户分级方法，对维修记录表进行扫描，以得到图片格式的维修记录表，方便后续卷积神经网络模型对其直接识别分级，以提高分级效率。同时通过大尺寸卷积核的第一卷积模块、第二卷积模块提高特征转化能力和计算效率，仅在小尺寸卷积核的第三卷积模块、第四卷积模块处增加第一卷积层和第二卷积层，使得整个卷积神经网络在保证卷积神经网络计算效率的同时，提高了卷积神经网络分级准确度。
[0030]下面结合附图和具体实施例对本申请作进一步说明。
[0031]图1为本专利技术实施例提供的一种基于售后维修记录的客户分级方法的流程图。如图1所示，一种基于售后维修记录的客户分级方法包括：
[0032]步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。
[0033]在本专利技术实施例中，所述步骤S1具体包括：
[0034]步骤S11，汽车售后维修服务企业可以预先制作售后维修记录表，包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度等信息。
[0035]步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选。
[0036]步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。
[0037]在本申请该实施例中，利用售后维修记录本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于售后维修记录的客户分级方法，其特征在于，所述客户分级方法包括：步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果；所述卷积神经网络模型包括：特征提取模块、平均池化模块和分级模块；其中，特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出...

【专利技术属性】
技术研发人员：皋勋，韩骅，许多，
申请(专利权)人：上海网商电子商务有限公司，
类型：发明
国别省市：