客户终身价值分析方法及装置制造方法及图纸

本发明专利技术公开了一种客户终身价值分析方法及装置，涉及人工智能技术领域，其中该方法包括：获取客户数据；将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；根据客户所属客户群体，获取客户所属客户群体的客户平均使用月数和预测月留存率；将客户交易行为数据输入回归模型，输出预测的客户月购买金额；所述回归模型根据历史客户交易行为数据和历史客户月购买金额训练得到；根据客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，分析输出客户终身价值。本发明专利技术可以预测客户终身价值，输出准确、可靠的客户终身价值。可靠的客户终身价值。可靠的客户终身价值。

【技术实现步骤摘要】
客户终身价值分析方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种客户终身价值分析方法及装置。需要说明的是，本专利技术客户终身价值分析方法及装置可用于人工智能
，也可用于除人工智能
之外的任意领域，本专利技术客户终身价值分析方法及装置的应用领域不做限定。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]客户终身价值(Customer Life
‑
cycle Value,简称CLV)一般是指客户的生命周期总价值，企业可以通过客户终身价值发现对企业最有价值的客户，从而有针对性地制定客户获取策略，提升客户满意度。
[0004]目前现有技术中分析客户终生价值的方法是，首先计算客户的历史平均购买金额，然后将该数字乘以平均购买次数来确定客户价值；然后，将客户价值乘以平均客户生命周期来确定客户终身价值。可以看出，现有的客户终生价值分析方法仅利用了客户的历史平均购买金额和平均购买次数，使用的计算数据比较简单，从而输出的客户终身价值可靠性较差。

技术实现思路

[0005]本专利技术实施例提供一种客户终身价值分析方法，用以预测客户终身价值，输出准确、可靠的客户终身价值，该方法包括：
[0006]获取客户数据；所述客户数据包括客户信息、客户交易行为数据；
[0007]将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；所述客户群体分类模型根据历史客户信息、历史客户交易行为数据和历史客户所属客户群体对机器学习模型训练得到；
[0008]根据客户所属客户群体，获取客户所属客户群体的客户平均使用月数和预测月留存率；所述客户群体的客户平均使用月数和预测月留存率根据属于相同客户群体中的多个客户的客户交易行为数据计算得到；
[0009]将客户交易行为数据输入回归模型，输出预测的客户月购买金额；所述回归模型根据历史客户交易行为数据和历史客户月购买金额训练得到；
[0010]根据客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，分析输出客户终身价值。
[0011]本专利技术实施例还提供一种客户终身价值分析装置，用以预测客户终身价值，输出准确、可靠的客户终身价值，该装置包括：
[0012]数据获取模块，用于获取客户数据；所述客户数据包括客户信息、客户交易行为数据；
[0013]客户所属客户群体计算模块，用于将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；所述客户群体分类模型根据历史客户信息、历史客户交易行为数据和历史客户所属客户群体对机器学习模型训练得到；
[0014]预测月留存率计算模块，用于根据客户所属客户群体，获取客户所属客户群体的客户平均使用月数和预测月留存率；所述客户群体的客户平均使用月数和预测月留存率根据属于相同客户群体中的多个客户的客户交易行为数据计算得到；
[0015]预测购买金额计算模块，用于将客户交易行为数据输入回归模型，输出预测的客户月购买金额；所述回归模型根据历史客户交易行为数据和历史客户月购买金额训练得到；
[0016]客户终身价值预测模块，用于根据客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，分析输出客户终身价值。
[0017]本专利技术实施例还提供一种计算机设备，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计算机程序时实现上述客户终身价值分析方法。
[0018]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述客户终身价值分析方法。
[0019]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述客户终身价值分析方法。
[0020]本专利技术实施例中对客户划分不同的客户群体，充分利用了客户群体信息，即客户所属客户群体的客户平均使用月数和预测月留存率，在分析客户终身价值时考虑了客户留存率这一参数，利用客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，分析输出客户终身价值；其中，预测月留存率对于不同时间的客户预测交易起到了权重的作用，避免了单纯使用客户预测交易的平均值分析客户终身价值，使得客户终身价值预测结果更加准确、可靠。
附图说明
[0021]为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：
[0022]图1为本专利技术实施例中客户终身价值分析方法的流程示意图；
[0023]图2为本专利技术实施例中客户终身价值分析方法的一具体实施例；
[0024]图3为本专利技术实施例中客户终身价值分析方法的一具体实施例；
[0025]图4为本专利技术实施例中客户终身价值分析装置的示意图；
[0026]图5为本专利技术实施例中客户终身价值分析装置的一具体实施例。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并
不作为对本专利技术的限定。
[0028]首先对本专利技术涉及的技术名词进行解释。
[0029]客户终生价值：指示企业在整个业务关系中可以从单个客户帐户中合理预期的总收入的指标。该指标考虑客户的收入价值，并将该指标与公司预测的客户使用产品的寿命进行比较。企业使用客户终生价值来确定对公司最有价值的客户群。客户从公司购买和继续购买的时间越长，他们的终生价值就越大。
[0030]留存率：在统计的周期内，在定义了起始事件、定义了事件转化周期的受众群体在一段时间后的相同转化周期，发生了留存事件群体数量的相同统计周期的用户占起始事件的受众群体的占比。
[0031]专利技术人发现，现有的客户终生价值分析方法仅利用了客户的历史平均购买金额和平均购买次数，使用的计算数据比较简单，从而输出的客户终身价值可靠性较差。为此专利技术人提出了一种客户终身价值分析方法。
[0032]图1为本专利技术实施例中客户终身价值分析方法的流程示意图，如图1所示，该方法包括：
[0033]步骤101、获取客户数据；所述客户数据包括客户信息、客户交易行为数据；
[0034]步骤102、将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；所述客户群体分类模型根据历史客户信息、历史客户交易行为数据和历史客户所属客户群体对机器学习模型训练得到；
[0035]步骤103、根据客户所属客户群体，获取客户所属客户群体的客户平均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户终身价值分析方法，其特征在于，包括：获取客户数据；所述客户数据包括客户信息、客户交易行为数据；将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；所述客户群体分类模型根据历史客户信息、历史客户交易行为数据和历史客户所属客户群体对机器学习模型训练得到；根据客户所属客户群体，获取客户所属客户群体的客户平均使用月数和预测月留存率；所述客户群体的客户平均使用月数和预测月留存率根据属于相同客户群体中的多个客户的客户交易行为数据计算得到；将客户交易行为数据输入回归模型，输出预测的客户月购买金额；所述回归模型根据历史客户交易行为数据和历史客户月购买金额训练得到；根据客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，分析输出客户终身价值。2.如权利要求1所述的方法，其特征在于，所述客户信息包括客户性别和/或年龄。3.如权利要求1所述的方法，其特征在于，所述客户交易行为数据包括如下之一或任意组合：客户购买金额；客户购物类别；客户点击行为数据；客户加入购物车行为数据。4.如权利要求1所述的方法，其特征在于，所述客户群体分类模型依据利用K均值聚类算法搭建的机器学习模型训练得到。5.如权利要求1所述的方法，其特征在于，所述客户所属客户群体的预测月留存率按如下方式计算得到：当待预测月份为未来的第一个月份时，将待预测月份之前的预设月数的实际月留存率的平均值，作为客户所属客户群体的预测月留存率；当待预测月份为未来的第二及以后的月份时，将待预测月份之前的预设月数的实际月留存率和预测月留存率的平均值，作为客户所属客户群体的预测月留存率。6.如权利要求5所述的方法，其特征在于，所述实际月留存率按如下方式计算得到：设置基期和待计算日期；所述基期为实际月留存率计算的起始日期，所述待计算日期为待计算实际月留存率月份的第一天；获取基期当天的客户所属客户群体人数；获取待计算日期的上述客户所属客户群体人数中的留存人数；将待计算日期的上述客户所属客户群体人数中的留存人数与基期当天的客户所属客户群体人数的比值作为实际日留存率；将基期和待计算日期依次向后推一天，依次类推，计算待计算实际月留存率月份的每天的实际日留存率；将待计算实际月留存率月份的每天的实际日留存率的平均值作为待计算实际月留存率月份的实际月留存率。7.如权利要求6所述的方法，其特征在于，将在待预测日期完成预设行为的客户人数作
为留存人数。8.如权利要求6所述的方法，其特征在于，还包括：当客户为新客户时，将新客户的客户信息输入客户群体分类模型，输出新客户所属客户群体；根据新客户所属客户群体，获取新客户所属客户群体的客户平均使用月数、预测月留存率和平均历史月购买金额；将平均历史月购买金额输入回归模型，输出预测的新客户月购买金额；根据新客户所属客户群体的客户平均使用月数、预测月留存率和预测的新客户月购买金额，分析输出新客户终身价值。9.如权利要求1所述的方法，其特征在于，根据客户所属客户群体的客户平均使用月数、预测月留存率和预测的客户月购买金额，按如下公式计算输出客户终身价值：其中，n表示客户所属客户群体的客户平均使用月数，i表示从1到n的整数。10.一种客户终身价值分析装置，其特征在于，包括：数据获取模块，用于获取客户数据；所述客户数据包括客户信息、客户交易行为数据；客户所属客户群体计算模块，用于将客户信息、客户交易行为数据输入客户群体分类模型，输出客户所属客户群体；所述客户群体分类模型根据历史客户信息、历史客户交易行为数据和历史客...

【专利技术属性】
技术研发人员：童楚婕，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：