基于知识图谱的营销业务效能智能分析方法技术

本发明专利技术公开了基于知识图谱的营销业务效能智能分析方法，涉及营销业务技术领域，包括数据收集单元，所述数据收集单元通过人工录入客户数据、产品数据和销售数据对数据进行收集，将收集的数据传输至数据清洗单元，数据清洗单元对数据收集单元发出的数据进行接收，对接收的数据进行数据清洗，包括检查数据一致性，处理无效值和缺失值，将清洗后的数据传输至知识图谱构建单元。本发明专利技术通过知识图谱构建单元对采集的数据，构建相应的知识图谱，将数据转化为图形化的结构，并对数据进行实体识别和关系抽取，将实体和关系组织成一种数据结构，建立出知识图谱，将知识图谱存储到数据库中，方便进行语义分析和推理。方便进行语义分析和推理。方便进行语义分析和推理。

【技术实现步骤摘要】
基于知识图谱的营销业务效能智能分析方法


[0001]本专利技术涉及营销业务
，具体为基于知识图谱的营销业务效能智能分析方法。

技术介绍

[0002]营销业务效能分析，指的是通过对销售数据、客户数据、市场数据等进行深入的分析和挖掘，来评估企业的营销业务效能，以便优化和改进企业的营销策略。通过营销业务效能分析，企业可以了解到自身的营销优劣势，了解客户的需求和趋势，为企业的决策制定提供有力的数据支持，在申请号为202211601302.5的中国专利公开了“一种基于AI算法和神经引擎的智能效能分析方法及系统，其中，基于AI算法和神经引擎的智能效能分析方法包括：针对办公过程进行监测，并利用AI算法获取办公过程中的全面数据信息，全面数据信息包括：用户参与信息和业务流程信息；针对用户参与信息进行分析，确定用户在办公过程的参与度、完成率和完成时效，得到用户的效能分析数据；根据用户的效能分析数据和业务流程信息利用神经引擎分析确定用户在相同业务和不同业务中的效能比对，得到用户的效能分析结果。本专利技术通过AI算法和神经引擎将用户效能分析与业务信息结合起来，以用户角度进行全面分析，实现了对用户的办公效率进行实时监督。”[0003]该对比文件仅仅实现了对用户的办公效率进行实时监督，但是没有对不同用户的个性化进行分析，不能通过直观的图形或者图像对潜在的销售渠道和新兴市场进行挖掘，从而不能为企业拓展销售渠道和增加盈利方式提供参考依据，而且不能对市场趋势进行预测，从而不能及时调整和控制风险，保证营销业务的稳健发展。

技术实现思路
r/>[0004]本专利技术的目的在于提供基于知识图谱的营销业务效能智能分析方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于知识图谱的营销业务效能智能分析方法，包括以下步骤：
[0006]S1、数据收集和清理：收集客户数据、产品数据和销售数据，客户数据包括客户的姓名、联系方式和金融情况，产品数据包括产品的价格、生产周期、销售额和产量，销售数据包括销售的日期、区域、经销商、产品系列和销售额，的并对收集的数据进行整理、清洗和预处理；
[0007]S2、知识图谱构建：通过基于知识图谱的营销业务效能智能分析系统对采集的客户数据、产品数据和销售数据，客户数据包括客户的姓名、联系方式和金融情况，产品数据包括产品的价格、生产周期、销售额和产量，构建相应的知识图谱，将数据转化为图形化的结构，并对数据进行实体识别和关系抽取，将实体和关系组织成一种数据结构，建立出知识图谱，将知识图谱存储到数据库中，方便进行语义分析和推理；
[0008]S3、数据挖掘：对知识图谱进行数据挖掘，通过分析实体之间的关联、属性之间的
关联、领域概念和事件关系，比如，实体之间的关联包括一对一关联，聚合关联和组合关联，一对一关联表示两个实体之间存在一个对应关系，聚合关联表示一个实体可以包含另一个实体，但是被包含的实体还具有独立存在的意义，组合关联表示一个实体可以包含另一个实体，但是被包含的实体不具有独立存在的意义，挖掘出营销业务效能知识和规律；
[0009]S4、知识推理：对知识图谱挖掘出的营销业务效能知识和规律，通过事先定义好的规则，对知识图谱中的实体进行推理，例如：已知所有偶数都能被2整除，10是一个偶数，则能推理出10能被2整除，从而得出营销业务效能的预测结果和优化方案；
[0010]S5、预测结果可视化：通过可视化工具将知识图谱表示为柱状图或者折线图展现给用户，让用户能够更加直观地了解实体之间的关系，并通过各种基于知识图谱的应用实现知识的应用。
[0011]基于知识图谱的营销业务效能智能分析系统，包括数据收集单元、数据清洗单元、知识图谱构建单元、数据挖掘单元、知识推理单元和预测结果可视化单元；
[0012]所述数据收集单元通过人工录入客户数据、产品数据和销售数据对数据进行收集，将收集的数据传输至数据清理单元；
[0013]所述数据清洗单元对数据收集单元发出的数据进行接收，对接收的数据进行数据清洗，包括检查数据一致性，处理无效值和缺失值，将清洗后的数据传输至知识图谱构建单元；
[0014]所述知识图谱构建单元对数据清洗单元发出的清洗后的数据进行接收，并对数据进行实体识别和关系抽取，将实体和关系组织成一种数据结构，建立出知识图谱，将知识图谱存储到数据库中，并将知识图谱传输至数据挖掘单元。
[0015]优选的，所述数据挖掘单元带知识图谱构建单元发出的知识图谱进行接收，通过分析实体之间的关联、属性之间的关联、领域概念和事件关系，挖掘出和营销业务效能的知识和规律，并将挖掘出的营销业务效能的知识和规律传输至知识推理单元，所述知识推理单元对知识图谱挖掘出的知识，进行知识推理，得出营销业务效能的预测结果和优化方案，并将得出的营销业务效能的预测和优化方案传输至预测结果可视化单元，所述预测结果可视化单元通过可视化工具将知识图谱展现给用户，让用户能够更加直观地了解实体之间的关系，并通过各种基于知识图谱的应用实现知识的应用。
[0016]优选的，所述知识图谱构建单元包括实体识别模块和关系抽取模块，所述实体识别模块利用自然语言处理技术和机器学习算法，对采集到的文本数据进行实体识别，提取出具有实际意义的实体和相关属性，所述关系抽取模块在实体之间建立语义关系，从而构建知识之间的联系，如实体之间的数学关系、时间顺序和语义关联，机器学习算法具体为：
[0017]给定训练集：
[0018]T＝{(x1,y1),(x2,y2),...,(x
l
,y
l
)}∈(X*Y)
l
[0019]样本集：
[0020]S＝{x1,x2,...,x
l
}
[0021]偏离值：
[0022][0023]信息增益率：
[0024][0025]其中，X表示一维数据，Y表示二维数据，x
i
∈X＝(X1*X2*...*X3)，X1...X
n
为离散值，y
i
∈Y＝{1,2,...,M}，i＝1,...,l，ΔI(N)为一个将一个含个样本点的集合以某个特征为判决条件划分为若干子集后的信息增益，I(N)为一个含个样本点的集合的信息熵，v(i)为偏移值，w(i)为偏离值，a(i)为修正项。
[0026]优选的，所述知识图谱构建单元还包括知识建模模块和知识存储模块，所述知识建模模块将实体和关系组织成一种数据结构，如图谱和网络形式，同时生成对应的术语和关系定义，建立起整个知识图谱的标准和规范，所述知识存储模块将知识图谱存储到数据库中，并设计数据模型和查询语言，实现高效的数据检索和知识推理。
[0027]优选的，所述数据清洗单元包括错误数据识别模块、数据一致性检验模块、无效值处理模块和缺失值处理模块，所述错误数据识别模块通过设定规则和约束条件，对数据进行检查，发现数据中的错误问题，比如可以检查数据的范围、取值情况和唯一性方面是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于知识图谱的营销业务效能智能分析方法，其特征在于包括以下步骤：S1、数据收集和清理：收集客户数据、产品数据和销售数据，客户数据包括客户的姓名、联系方式和金融情况，产品数据包括产品的价格、生产周期、销售额和产量，销售数据包括销售的日期、区域、经销商、产品系列和销售额，的并对收集的数据进行整理、清洗和预处理；S2、知识图谱构建：通过基于知识图谱的营销业务效能智能分析系统对采集的客户数据、产品数据和销售数据，客户数据包括客户的姓名、联系方式和金融情况，产品数据包括产品的价格、生产周期、销售额和产量，构建相应的知识图谱，将数据转化为图形化的结构，并对数据进行实体识别和关系抽取，将实体和关系组织成一种数据结构，建立出知识图谱，将知识图谱存储到数据库中，方便进行语义分析和推理；S3、数据挖掘：对知识图谱进行数据挖掘，通过分析实体之间的关联、属性之间的关联、领域概念和事件关系，比如，实体之间的关联包括一对一关联，聚合关联和组合关联，一对一关联表示两个实体之间存在一个对应关系，聚合关联表示一个实体可以包含另一个实体，但是被包含的实体还具有独立存在的意义，组合关联表示一个实体可以包含另一个实体，但是被包含的实体不具有独立存在的意义，挖掘出营销业务效能知识和规律；S4、知识推理：对知识图谱挖掘出的营销业务效能知识和规律，通过事先定义好的规则，对知识图谱中的实体进行推理，例如：已知所有偶数都能被2整除，10是一个偶数，则能推理出10能被2整除，从而得出营销业务效能的预测结果和优化方案；S5、预测结果可视化：通过可视化工具将知识图谱表示为柱状图或者折线图展现给用户，让用户能够更加直观地了解实体之间的关系，并通过各种基于知识图谱的应用实现知识的应用。2.根据权利要求1所述的基于知识图谱的营销业务效能智能分析系统，其特征在于：包括数据收集单元(1)、数据清洗单元(2)、知识图谱构建单元(3)、数据挖掘单元(4)、知识推理单元(5)和预测结果可视化单元(6)；所述数据收集单元(1)通过人工录入客户数据、产品数据和销售数据对数据进行收集，将收集的数据传输至数据清理单元(2)；所述数据清洗单元(2)对数据收集单元(1)发出的数据进行接收，对接收的数据进行数据清洗，包括检查数据一致性，处理无效值和缺失值，将清洗后的数据传输至知识图谱构建单元(3)；所述知识图谱构建单元(3)对数据清洗单元(2)发出的清洗后的数据进行接收，并对数据进行实体识别和关系抽取，将实体和关系组织成一种数据结构，建立出知识图谱，将知识图谱存储到数据库中，并将知识图谱传输至数据挖掘单元(4)。3.根据权利要求2所述的基于知识图谱的营销业务效能智能分析系统，其特征在于：所述数据挖掘单元(4)带知识图谱构建单元(3)发出的知识图谱进行接收，通过分析实体之间的关联、属性之间的关联、领域概念和事件关系，挖掘出和营销业务效能的知识和规律，并将挖掘出的营销业务效能的知识和规律传输至知识推理单元(5)，所述知识推理单元(5)对知识图谱挖掘出的知识，进行知识推理，得出营销业务效能的预测结果和优化方案，并将得出...

【专利技术属性】
技术研发人员：王利超，韦国惠，张希翔，洪莹，蒙琦，董贇，李晖，李卫，曾虎双，王圣竹，王缉芬，苏宏宇，谢菁，刘凯杰，张丽媛，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：