【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种目标客户筛选方法、系统、设备及存储介质。
技术介绍
1、在长租公寓经营过程中，提高入住率对于业务增长至关重要。为了实现这一目标，主动接触潜在用户已被广泛认为是一种有效的策略。然而，现有技术缺乏对长租公寓潜在找房用户意向的准确预测方案，无法准确筛选可能成为客户的用户，确定哪些用户具有潜在意向并且有可能成为长期客户是一项复杂的任务。
技术实现思路
1、有鉴于此，本专利技术提供了一种目标客户筛选方法、系统、设备及存储介质，以解决现有技术缺乏对潜在找房用户意向的准确预测方案，目标客户筛选精度低，难以准确获取真实目标客户的问题。
2、第一方面，本专利技术提供了一种目标客户筛选方法，方法包括：
3、获取目标平台的用户使用记录数据，用户使用记录数据包括每个用户在目标平台上的使用记录数据；
4、将用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，得到每个用户意向成为客户的多个预测结果；
5、将每个用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，得到每个用户对应的用户意向预测结果；
6、基于每个用户对应的用户意向预测结果，从各用户中确定目标客户。
7、本专利技术通过将用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，并将多个预设基本模型的输出结果输入预设堆叠模型进行组合预测并对该模型输出结果进行筛选，获取目标客户。本专利技术结合多个机器学习模型
8、在一种可选的实施方式中，目标平台为租房平台，获取目标平台的用户使用记录数据，包括：
9、从租房平台获取用户信息，用户信息包括：平台账户信息、用户租房合同和用户互动记录；
10、从用户信息中提取关键信息得到用户使用记录数据，关键信息包括：注册时间、会员类型、会员等级、逾期次数、签约次数、续约次数、退租次数、转租次数、浏览房源个数、收藏房源个数、约看房源个数和分享房源个数。
11、本专利技术基于用户的注册时间、会员类型、会员等级、逾期次数、签约次数、续约次数、退租次数、转租次数、浏览房源个数、收藏房源个数、约看房源个数和分享房源个数等多维度的特征对目标客户进行筛选，能够对目标客户进行更加全面的刻画和预测，有助于精准获知存在真实租房需求的目标客户。
12、在一种可选的实施方式中，预设基本模型包括：随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型；将用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，得到每个用户意向成为客户的多个预测结果，包括：
13、将用户使用记录数据分别输入随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型对用户意向成为客户进行预测，输出每个用户在随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型对应输出的用户意向成为客户的概率，得到每个用户意向成为客户的多个预测结果。
14、本专利技术基于随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型对用户意向成为客户进行预测，能够利用不同模型各自的预测优势，对应得到预测结果准确、全面的多个预测结果用于后续的目标客户的精准确定，大大提高了目标客户的识别准确率。
15、在一种可选的实施方式中，将每个用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，得到每个用户对应的用户意向预测结果，包括：
16、将当前用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，输出当前用户意向成为客户的最终概率，得到当前用户的用户意向预测结果。
17、本专利技术通过堆叠模型对基本模型输出的多个预测结果进行组合预测，能够利用模型间的差异性获取更加准确的模型预测结果，对当前用户的用户意向有很好的预测能力。
18、在一种可选的实施方式中，基于每个用户对应的用户意向预测结果，从各用户中确定目标客户，包括：
19、判断当前用户意向成为客户的最终概率是否大于预设概率阈值；
20、在当前用户意向成为客户的最终概率大于预设概率阈值时，将当前用户确定为目标客户。
21、本专利技术通过对当前用户意向成为客户的最终概率与预设概率阈值的关系判定，能够提高目标客户的筛选准确率。
22、在一种可选的实施方式中，目标客户筛选方法还包括：
23、获取目标客户的用户使用记录数据；
24、基于目标客户的用户使用记录数据生成目标营销方案；
25、将目标营销方案推送至目标客户。
26、本专利技术通过生成目标客户对应的营销方案，能够为目标客户提供精准的房源信息，满足了目标客户实际的租房需求。
27、在一种可选的实施方式中，在获取目标平台的用户使用记录数据之后，目标客户筛选方法还包括：
28、对用户使用记录数据进行无效数据清洗、缺失值填充和异常值检测，得到处理后的用户使用记录数据。
29、本专利技术通过对用户使用记录数据进行无效数据清洗、缺失值填充和异常值检测等数据处理后，能够保障模型输入数据的质量，有助于提高模型的预测准确度。
30、第二方面，本专利技术提供了一种目标客户筛选系统，系统包括：
31、获取模块，用于获取目标平台的用户使用记录数据，用户使用记录数据包括每个用户在目标平台上的使用记录数据；
32、第一预测模块，用于将用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，得到每个用户意向成为客户的多个预测结果；
33、第二预测模块，用于将每个用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，得到每个用户对应的用户意向预测结果；
34、确定模块，用于基于每个用户对应的用户意向预测结果，从各用户中确定目标客户。
35、本专利技术的目标客户筛选系统实现了对用户意向成为客户的准确预测，能够提高目标客户的筛选精度，准确获取有真实租房意向的目标客户，满足了目标客户的租房需求。
36、第三方面，本专利技术提供了一种计算机设备，设备包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的一种目标客户筛选方法。
37、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的一种目标客户筛选方法。
本文档来自技高网...【技术保护点】
1.一种目标客户筛选方法，其特征在于，所述方法包括：
2.根据权利要求1所述的目标客户筛选方法，所述目标平台为租房平台，其特征在于，所述获取目标平台的用户使用记录数据，包括：
3.根据权利要求2所述的目标客户筛选方法，其特征在于，所述预设基本模型包括：随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型；所述将所述用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，得到每个用户意向成为客户的多个预测结果，包括：
4.根据权利要求1所述的目标客户筛选方法，其特征在于，所述将每个用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，得到每个用户对应的用户意向预测结果，包括：
5.根据权利要求4所述的目标客户筛选方法，其特征在于，所述基于每个用户对应的用户意向预测结果，从各用户中确定目标客户，包括：
6.根据权利要求1至5中任一项所述的目标客户筛选方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的目标客户筛选方法，其特征在于，在获取目标平台的用户使用记录数据之后，所述方法还包
8.一种目标客户筛选系统，其特征在于，所述系统包括：
9.一种计算机设备，其特征在于，所述设备包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至7中任一项所述的目标客户筛选方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的目标客户筛选方法。
...【技术特征摘要】
1.一种目标客户筛选方法，其特征在于，所述方法包括：
2.根据权利要求1所述的目标客户筛选方法，所述目标平台为租房平台，其特征在于，所述获取目标平台的用户使用记录数据，包括：
3.根据权利要求2所述的目标客户筛选方法，其特征在于，所述预设基本模型包括：随机森林、极限梯度提升树、轻量级梯度提升树和神经网络模型；所述将所述用户使用记录数据分别输入多个预设基本模型对用户意向成为客户进行预测，得到每个用户意向成为客户的多个预测结果，包括：
4.根据权利要求1所述的目标客户筛选方法，其特征在于，所述将每个用户意向成为客户对应的多个预测结果输入预设堆叠模型进行组合预测，得到每个用户对应的用户意向预测结果，包括：
5.根据权利要求4所述的目标客户筛选方法，其特征在于，所述基于每个用户对应的用户...
【专利技术属性】
技术研发人员：王程，
申请(专利权)人：北京自如信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。