基于大数据智能匹配的客户信息管理方法及系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于大数据智能匹配的客户信息管理方法及系统，包括：根据电商平台中所有客户的信息进行聚类，得到多个聚簇；识别每个聚簇中不属于该聚簇的客户，将每个聚簇中不属于该聚簇的客户作为待分类客户；对矩阵进行降维，得到每个客户对应的降维值，根据每个聚簇中每个客户对应的降维值构建高斯函数，利用每个待分类客户对应的降维值及每个聚簇对应的高斯函数识别出每个待分类客户所属聚簇，并得到更新后的聚簇，对更新后的聚簇进行存储。本发明专利技术提高了电商平台中，对客户进行分类的准确性。对客户进行分类的准确性。对客户进行分类的准确性。

【技术实现步骤摘要】
基于大数据智能匹配的客户信息管理方法及系统


[0001]本专利技术涉及数据处理
，具体涉及基于大数据智能匹配的客户信息管理方法及系统。

技术介绍

[0002]随着信息科技的发展，互联网技术逐渐拓展至金融领域，形成新的业务模式——互联网金融。互联网金融拓宽了金融服务的通道、优化了资金的配置、降低了交易成本、简化了交易程序，能够弥补传统金融的不足，满足用户多样化的需求，具代表性的便是电商平台。
[0003]电商平台中在管理的过程中往往通过对客户信息的分析，对客户进行分类，再对每类客户进行服务营销，但是，传统的根据客户信息对客户进行分类的方法是根据客户信息对客户进行一次性聚类，从而完成所有客户的分类，但是由于客户的信息较杂，一次性分类会存在误分的情况；因此，需要利用客户的信息对客户准确的进行分类。

技术实现思路

[0004]本专利技术提供基于大数据智能匹配的客户信息管理方法及系统，以解决现有的电商平台中客户分类不准确的问题。
[0005]本专利技术的基于大数据智能匹配的客户信息管理方法，采用如下技术方案：
[0006]获取电商平台中所有客户的信息，将每个客户的信息中的每类数据进行分级，得到每类数据的等级；
[0007]根据每个客户的信息中的每类数据的等级构建矩阵，对矩阵中每列数据进行聚类得到多个聚簇；
[0008]根据每个聚簇中每个客户的信息中的每类数据的等级与该聚簇中每类数据的等级均值，得到每个聚簇中不属于该聚簇的客户，将每个聚簇中不属于该聚簇的客户作为待分类客户；
[0009]对矩阵进行降维，得到每个客户对应的降维值，根据每个聚簇中每个客户对应的降维值构建高斯函数，利用每个待分类客户对应的降维值及每个聚簇对应的高斯函数确定出每个待分类客户所属聚簇，并得到更新后的聚簇，对更新后的聚簇进行存储。
[0010]进一步的，得到每个聚簇中不属于该聚簇的客户的方法是：
[0011]将每个聚簇中每个客户的信息作为一个向量；
[0012]将每个聚簇中所有客户的信息中，每类数据的均值组合成向量，得到对应聚簇的基准向量；
[0013]计算每个聚簇中每个客户对应的向量与对应聚簇的基准向量之间的欧式距离；
[0014]设置距离阈值；当每个聚簇中每个客户对应的向量与对应聚簇的基准向量之间的欧式距离大于距离阈值时，该客户不属于该聚簇。
[0015]进一步的，得到所有更新后的聚簇后，还包括：
[0016]当电商平台出现新客户时，将新客户的信息作为一个向量，得到新客户对应的向量；
[0017]将每个更新后的聚簇中所有客户的信息中，每类数据的均值组合成向量，得到对应更新后的聚簇的向量；
[0018]计算新客户对应的向量与每个更新后的聚簇的向量之间的余弦相似度，将新客户归类至最大余弦相似度对应的更新后的聚簇。
[0019]进一步的，确定出待分类客户所属聚簇的方法是：
[0020]将每个待分类客户对应的降维值代入每个聚簇对应的高斯函数，得到每个待分类客户对应的多个高斯函数值；
[0021]获取每个待分类客户对应的多个高斯函数值中，最大值对应的高斯函数，将该最大值对应的高斯函数所属聚簇作为待分类客户所属聚簇。
[0022]进一步的，得到每类数据的等级的方法是：
[0023]设置每类数据的等级；
[0024]按照每个客户的信息中的每类数据的数值，将每个客户的信息中的每类数据归类到该类数据的数值所属的等级，得到每类数据的等级。
[0025]进一步的，构建矩阵的方法是：
[0026]将所有客户进行排序得到每个客户对应的序号；
[0027]以每个客户对应的序号作为矩阵的列，客户每类数据的等级作为矩阵的行构建矩阵；其中，矩阵中每行数据代表每个客户的信息中的同类数据。
[0028]基于大数据智能匹配的客户信息管理系统，包括：
[0029]数据获取模块，获取平台中所有客户的信息；
[0030]数据处理模块，将每个客户的信息中的每类数据进行分级，得到每类数据的等级；
[0031]分类模块，根据每个客户的信息中的每类数据的等级构建矩阵，对矩阵中每列数据进行聚类得到多个聚簇；
[0032]根据每个聚簇中每个客户的信息中的每类数据的等级与该聚簇中每类数据的等级均值，得到每个聚簇中不属于该聚簇的客户，将每个聚簇中不属于该聚簇的客户作为待分类客户；
[0033]对矩阵进行降维，得到每个客户对应的降维值，根据每个聚簇中每个客户对应的降维值构建高斯函数，利用每个待分类客户对应的降维值及每个聚簇对应的高斯函数确定出每个待分类客户所属聚簇，并得到更新后的聚簇；
[0034]存储模块，对更新后的聚簇进行存储。
[0035]本专利技术的有益效果是：获取电商平台中所有客户的信息，将每个客户的信息中的每类数据进行分级，得到每类数据的等级，根据每个客户的信息中的每类数据的等级构建矩阵，对矩阵中每列数据进行聚类得到多个聚簇，该过程对客户进行了初步的分类，分类过程中利用了矩阵将信息进行整理，再进行聚簇，使得所得的聚簇较为准确；根据每个聚簇中每个客户的信息中的每类数据的等级与该聚簇中每类数据的等级均值，得到每个聚簇中不属于该聚簇的客户，将每个聚簇中不属于该聚簇的客户作为待分类客户，为了提高每个客户分类的准确度，对初次聚类后的聚簇中的客户进行了筛选，得到了待分类客户；对矩阵进行降维，得到每个客户对应的降维值，根据每个聚簇中每个客户对应的降维值构建高斯函
数，利用每个待分类客户对应的降维值及每个聚簇对应的高斯函数确定出每个待分类客户所属聚簇，并得到更新后的聚簇，对更新后的聚簇进行存储，对矩阵进行降维，得到了每个客户对应的降维值，该降维值体现了每个客户最具代表的数据类型，因此利用降维值获取待分类客户所属聚簇，所得的更新后的聚簇更加准确。
附图说明
[0036]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性的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术的基于大数据智能匹配的客户信息管理方法的实施例的流程图；
[0038]图2为本专利技术的基于大数据智能匹配的客户信息管理系统的结构图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0040]本专利技术的基于大数据智能匹配的客户信息管理方法的实施例，如图1所示，包括：
[0041]S1、获取电商平台中所有客户的信息，将每个客户的信息中的每类数据进行分级本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据智能匹配的客户信息管理方法，其特征在于，包括：获取电商平台中所有客户的信息，将每个客户的信息中的每类数据进行分级，得到每类数据的等级；根据每个客户的信息中的每类数据的等级构建矩阵，对矩阵中每列数据进行聚类得到多个聚簇；根据每个聚簇中每个客户的信息中的每类数据的等级与该聚簇中每类数据的等级均值，得到每个聚簇中不属于该聚簇的客户，将每个聚簇中不属于该聚簇的客户作为待分类客户；对矩阵进行降维，得到每个客户对应的降维值，根据每个聚簇中每个客户对应的降维值构建高斯函数，利用每个待分类客户对应的降维值及每个聚簇对应的高斯函数确定出每个待分类客户所属聚簇，并得到更新后的聚簇，对更新后的聚簇进行存储。2.根据权利要求1所述的基于大数据智能匹配的客户信息管理方法，其特征在于，得到每个聚簇中不属于该聚簇的客户的方法是：将每个聚簇中每个客户的信息作为一个向量；将每个聚簇中所有客户的信息中，每类数据的均值组合成向量，得到对应聚簇的基准向量；计算每个聚簇中每个客户对应的向量与对应聚簇的基准向量之间的欧式距离；设置距离阈值；当每个聚簇中每个客户对应的向量与对应聚簇的基准向量之间的欧式距离大于距离阈值时，该客户不属于该聚簇。3.根据权利要求1所述的基于大数据智能匹配的客户信息管理方法，其特征在于，得到更新后的聚簇后，还包括：当电商平台出现新客户时，将新客户的信息作为一个向量，得到新客户对应的向量；将每个更新后的聚簇中所有客户的信息中，每类数据的均值组合成向量，得到对应更新后的聚簇的向量；计算新客户对应的向量与每个更新后的聚簇的向量之间的余弦相似度，将新客户归类至最大余弦相似度对应的更新后的聚簇。4.根据权利要求1所述的基于大数据智能匹配的客户信...

【专利技术属性】
技术研发人员：顾俊，袁岗峰，高辉，
申请(专利权)人：鑫恒绅企业服务无锡有限公司，
类型：发明
国别省市：