一种潜在购车客户的意向等级分类方法技术

本发明专利技术公开了一种潜在购车客户的意向等级分类方法，本发明专利技术通过训练模型，基于在计算潜客购车意向等级分数的时候考虑到了客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾这四个维度，在较大程度上克服了在实际沟通过程中部分客户没有说出准确的计划购车时间等信息而带来的干扰和考虑的影响因素比较单一的不足，从而提升了划分潜客意向等级的准确性，有利于提升4S店的销售业绩。升4S店的销售业绩。

【技术实现步骤摘要】
一种潜在购车客户的意向等级分类方法


[0001]本专利技术涉及汽车销售数据建模的
，尤其涉及一种潜在购车客户的意向等级分类方法。

技术介绍

[0002]目前行业内已有销售人员通过询问客户并将客户预计购车时间在1个月内的用户意向等级划分为高，预计购车时间在1个月到3个月内的用户意向等级划分为中，预计购车时间超过3个月的用户的意向等级划分为低。
[0003]现有的专利CN115423514A划分意向等级分类是通过客户预计购车时间这个指标来确定，但实际上在与客户沟通的过程中，客户往往并不会说出准确的计划购车时间，如果仅考虑这一个指标来划分客户意向等级分类可能会造成分类误差偏大的问题。

技术实现思路

[0004]本专利技术的目的是提供一种通过客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾等维度来构建客户的购车意向等级的潜在购车客户的意向等级分类方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]1、一种潜在购车客户的意向等级分类方法，包括以下步骤：
[0007]S1：构建意向等级分类模型历史样本数据对应的标签：
[0008]S11:基于客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾这四项，以总分100分为例，运用专家打分法来确定这四个维度分别对应的分数权重，在这里假设客户预计购车时间间隔当前时间的月份数对应的总分为A1(客户预计购车时间越久，可以认为这一项的分数越低，而且用户在间隔最近一次到店事件未买车的时间超过3个月，客户流失的可能性已经非常大，所以其对应的分数计算方式可用A1*3/(3+x)来代替，其中x代表月份数),客户是否看过竞品车型对应的总分为A2(看过竞品车型分数为A2,没看过分数为0)，客户的意向车型是否明确对应的总分为A3(有明确的意向车型分数为A3,没有明确的意向车型分数为0)，客户是否试乘试驾对应的总分为A4(进行了试乘试驾分数为A4,没有试乘试驾分数为0)；
[0009]S12:根据S11所述，通过将这四个维度对应分数求和可得到用户的购车意向等级分数，将购车意向等级分数(B2,100]定义为意向等级为高，[B1,B2]定义为意向等级为中，[0,B1)定义为意向等级为低，其中B1、B2的合适取值的确定：划分标准为根据历史用户购车数据，划分为意向等级为高的用户实际购车的比例远大于划分为意向等级为中的用户实际购车的比例远大于划分为意向等级为低的用户实际购车的比例；
[0010]S2:结合4S店维护的用户画像数据，提取相应的带标签的历史样本数据，进行模型训练和测试，运用的机器学习所包含的特征有：用户年龄、用户性别、学历、地域、驾龄、用户收入、用户预算、是否首购、是否增购/换购、入店次数、试乘试驾次数、试乘试驾车型数、看
过的竞品车型数、试乘试驾车型的平均售价、平均每次试乘试驾体验的功能应用数量、平均每次试乘试驾体验的功能应用时长、平均每次试乘试驾的体验完成度；
[0011]S3:构建意向等级分类模型：运用模型，对前述样本数据进行训练集和测试集的划分，然后通过网格搜索对上述模型进行超参数调优，构建较优的潜在购车客户意向等级分类模型；
[0012]S4:模型的作用：获取到包括上述特征的新的样本数据，采用构建好的意向等级分类模型进行预测，若输出为2，则认为客户的购车意向等级为高；若输出为1，则认为客户的购车意向等级为中；若输出为0，则认为客户的购车意向等级为低。
[0013]优选地，所述S3步骤中通过catboost/deepforest/dnn模型，对前述样本数据进行训练集和测试集的划分。
[0014]优选地，所述S4步骤后采用跟进策略，根据S4步骤中预测为意向等级为高的客户，通过电话沟通等方式进行跟进；对预测为意向等级为中的客户，通过系统自动发送短信或者微信聊天等方式进行跟进。
[0015]与现有技术相比，本专利技术具备以下有益效果：
[0016]本专利技术本专利技术基于汽车销售人员在跟潜在客户沟通的过程中，对客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾这四个维度信息进行记录，并将这些信息输入到构建的系统中。并基于这四个维度，以总分100分为例，运用专家打分法来确定这四个维度分别对应的分数权重，并在计算潜客购车意向等级分数和意向等级分类的时候考虑了上述四个维度，在较大程度上克服了在实际沟通过程中客户没有说出准确的计划购车时间等信息而带来的干扰并且考虑的影响因素比较单一的不足，从而提升了划分潜客意向等级的准确性，有利于提升4S店的销售业绩。
具体实施方式
[0017]下面将结合本专利技术实施例，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。
[0018]本专利技术提供了一种潜在购车客户的意向等级分类方法，步骤如下：
[0019]S1：构建意向等级分类模型的训练样本对应的标签，划分意向等级分类为高、中、低的方式：
[0020]a、基于客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾这四项，以总分100分为例，运用专家打分法来确定这四个维度分别对应的分数权重，在这里假设客户预计购车时间间隔当前时间的月份数对应的总分为A1(客户预计购车时间越久，可以认为这一项的分数越低，而且用户在间隔最近一次到店事件未买车的时间超过3个月，客户流失的可能性已经非常大，所以其对应的分数计算方式可用A1*3/(3+x)来代替，其中x代表月份数),客户是否看过竞品车型对应的总分为A2(看过竞品车型分数为A2,没看过分数为0)，客户的意向车型是否明确对应的总分为A3(有明确的意向车型分数为A3,没有明确的意向车型分数为0)，客户是否试乘试驾对应的总分为A4(进行了试乘试驾分数为A4,没有试乘试驾分数为0)；
[0021]b、根据前面所述，通过将这四个维度对应分数求和可得到用户的购车意向等级分数，将购车意向等级分数(B2,100]定义为意向等级为高，[B1,B2]定义为意向等级为中，[0,
B1)定义为意向等级为低，其中B1、B2的合适取值的确定：划分标准为根据历史用户购车数据，划分为意向等级为高的用户实际购车的比例远大于划分为意向等级为中的用户实际购车的比例远大于划分为意向等级为低的用户实际购车的比例。
[0022]S2:结合4S店维护的用户画像等数据，提取相应的带标签的历史样本数据，进行模型训练和测试，运用的机器学习所包含的特征包括：用户年龄、用户性别、学历、地域、驾龄、用户收入、用户预算、是否首购、是否增购/换购、入店次数、试乘试驾次数、试乘试驾车型数、看过的竞品车型数、试乘试驾车型的平均售价、平均每次试乘试驾体验的功能应用数量、平均每次试乘试驾体验的功能应用时长、平均每次试乘试驾的体验完成度等。
[0023]S3:应用的机器学习模型：运用catboost/deepfor本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种潜在购车客户的意向等级分类方法，其特征在于，包括以下步骤：S1：构建意向等级分类模型历史样本数据对应的标签：S11:基于客户预计购车时间、客户是否看过竞品车型、客户的意向车型是否明确、客户是否试乘试驾这四项，以总分100分为例，运用专家打分法来确定这四个维度分别对应的分数权重，在这里假设客户预计购车时间间隔当前时间的月份数对应的总分为A1(客户预计购车时间越久，可以认为这一项的分数越低，而且用户在间隔最近一次到店事件未买车的时间超过3个月，客户流失的可能性已经非常大，所以其对应的分数计算方式可用A1*3/(3+x)来代替，其中x代表月份数),客户是否看过竞品车型对应的总分为A2(看过竞品车型分数为A2,没看过分数为0)，客户的意向车型是否明确对应的总分为A3(有明确的意向车型分数为A3,没有明确的意向车型分数为0)，客户是否试乘试驾对应的总分为A4(进行了试乘试驾分数为A4,没有试乘试驾分数为0)；S12:根据S11所述，通过将这四个维度对应分数求和可得到用户的购车意向等级分数，将购车意向等级分数(B2,100]定义为意向等级为高，[B1,B2]定义为意向等级为中，[0,B1)定义为意向等级为低，其中B1、B2的合适取值的确定：划分标准为根据历史用户购车数据，划分为意向等级为高的用户实际购车的比例远大于划分为意向等级为中的用户实际购车的比例远大于划分为意向等级为低的用户实际购车的...

【专利技术属性】
技术研发人员：邹斐，武秀根，张洋洋，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：