【技术实现步骤摘要】
本专利技术涉及智能获客管理，具体而言，涉及一种基于大数据分析的获客数据智能分类管理系统。
技术介绍
1、随着电商行业的迅速发展，电商企业在竞争激烈的市场中为吸引更多客户和提升销售业绩不断探索新的优惠营销策略，在海量数据中为用户匹配个性化优质化的优惠营销策略已成为一项重要挑战，而获客数据作为反映用户需求和行为的关键信息，其探究、分类与管理亦成为优惠营销策略的匹配核心。
2、现有针对企业优惠营销策略匹配的获客数据管理系统已突破传统方式的局限，克服数据采集范围小、数据分析精度不足的问题，采用大数据技术展开获客数据的处理分析，虽满足现有要求，但仍存在一定的局限性，具体表现为：1、现有技术未充分利用获客数据中丰富的用户信息和行为数据，对用户进行更深入的价值分析，多侧重以用户针对某企业产品的购买力度评定其对该企业产品的价值等级，例如购买金额、购买数量和购买周期等单一维度，无法全面了解用户对该企业产品的真实价值，进而导致优惠营销策略的匹配过分倾斜于购买用户，无法及时挖掘和培养潜在用户的消费能力，进而给企业带来一定的损失。
3、2、现有技术针对获客数据的管理分析主要关注点集中于个体用户的特征和行为，以此为基础进行个性化的优惠营销策略匹配，然而却忽略推广渠道的获客能力对整体营销效益的显著影响，若一个推广渠道的获客能力较弱，即使为该渠道内的用户提供了合适的个性化优惠，整体营销效益可能受到限制，反之，如果推广渠道的获客能力很强，即使优惠力度较小，该渠道的整体营销效益也可能相对较大。现有技术在优惠营销策略匹配过程中缺失对用户优惠
技术实现思路
1、为了克服
技术介绍
中的缺点，本专利技术实施例提供了一种基于大数据分析的获客数据智能分类管理系统,能够有效解决上述
技术介绍
中涉及的问题。
2、本专利技术的目的可以通过以下技术方案来实现：一种基于大数据分析的获客数据智能分类管理系统，包括：优惠策略输入模块，用于输入目标企业产品各优惠营销方式对应的用户价值等级序列、各优惠营销力度对应的渠道获客梯队。
3、数据采集模块，用于采集目标企业产品各推广渠道的相关获客数据和相关投资数据。
4、用户标签影响分析模块，用于根据目标企业产品各推广渠道的相关获客数据，构建目标企业产品各推广渠道内各涉及用户的标签影响系数。
5、用户价值等级划分模块，用于对目标企业产品各推广渠道内各涉及用户进行价值等级划分，生成目标企业产品各推广渠道的各用户价值等级序列，为目标企业产品各推广渠道的各用户价值等级序列匹配对应优惠营销方式。
6、渠道获客能力评估模块，用于根据目标企业产品各推广渠道的相关获客数据和相关投资数据，构建目标企业产品各推广渠道的获客能力评估系数。
7、渠道获客梯队划分模块，用于按照从大到小的顺序对目标企业产品各推广渠道的获客能力评估系数进行排列，按照设定数量划分目标企业产品的各渠道获客梯队，为目标企业产品的各渠道获客梯队匹配对应优惠营销力度。
8、云数据库，用于存储目标企业产品对应各推广渠道的产品页面设计长度，存储目标企业产品规定参照留存周期。
9、优选地，所述相关获客数据包括交互行为数据和基础身份数据。
10、所述交互行为数据包括各涉及用户对应产品页面的曝光次数和点击次数、各次产品页面点击的交互类型及其交互参数，其中交互类型包括浏览、评论、分享和下单，浏览交互参数包括浏览停留时长和浏览内容长度，评论交互参数包括评论的满意度、回复数及点赞数，分享交互参数包括分享平台数量和分享对象数量，下单交互参数包括下单金额、下单数量以及下单日期。
11、所述基础身份数据包括各涉及用户的地理位置、年龄和性别。
12、所述相关投资数据包括投入金额和投入页面展示次数。
13、优选地，所述构建目标企业产品各推广渠道内各涉及用户的标签影响系数，包括：提取目标企业产品各推广渠道的交互行为数据中各涉及用户对应产品页面的曝光次数和点击次数，将点击次数与曝光次数的比值作为点击率，获取目标企业产品各推广渠道内各涉及用户的点击率dij，其中i为目标企业产品各推广渠道的编号，i＝1，2，...，a，j为各涉及用户的编号，j＝1，2，...，b。
14、提取目标企业产品各推广渠道的交互行为数据中各涉及用户各次产品页面点击后的交互类型及其交互参数，计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度其中q＝q1或q2或q3或q4，q1表示浏览，q2表示评论，q3表示分享，q4表示下单，设定各交互类型对应的参与活跃影响权重，获取目标企业产品各推广渠道内各涉及用户各交互类型对应的参与活跃影响权重进而计算目标企业产品各推广渠道内各涉及用户的标签影响系数βij，其中e为自然常数。
15、优选地，所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，包括：将目标企业产品各推广渠道内各涉及用户交互类型为浏览的各次产品页面点击，记为目标企业产品各推广渠道内各涉及用户的各浏览交互页面点击，提取其对应浏览交互参数中浏览停留时长和浏览内容长度r为各浏览交互页面点击的编号，r＝1，2，...，n，分析目标企业产品各推广渠道内各涉及用户浏览交互类型对应的交互深度其计算公式为：其中li为云数据库存储的目标企业产品对应各推广渠道的产品页面设计长度。
16、同理，提取目标企业产品各推广渠道内各涉及用户的各评论交互页面点击对应评论交互参数中评论的满意度回复数及点赞数w为各评论交互页面点击的编号，w＝1，2，...，m，由公式得到目标企业产品各推广渠道内各涉及用户评论交互类型对应的交互深度。
17、提取目标企业产品各推广渠道内各涉及用户的各分享交互页面点击对应分享交互参数中分享平台数量和分享对象数量u为各分享交互页面点击的编号，u＝1，2，...，θ,计算目标企业产品各推广渠道内各涉及用户分享交互类型对应的交互深度
18、优选地，所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，还包括：提取目标企业产品各推广渠道内各涉及用户的各下单交互页面点击对应下单交互参数中下单金额下单数量以及下单日期x为各下单交互页面点击的编号，x＝1，2，...，f，计算目标企业产品各推广渠道内各涉及用户的留存指数λij，t0为云数据库存储的目标企业产品规定参照留存周期，f为下单交互页面点击次数，为目标企业产品第i个推广渠道内第j个涉及用户的第x+1次下单交互页面点击对应的下单日期。
19、进一步由公式得到目标企业产品各推广渠道内各涉及用户下单交互类型对应的交互深度。
20、将目标企业产品各推广渠道内各涉及用户浏览、评论、分享、下单交互类型对应的交互深度作为目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度。
21、优选地，所述对目标企业产品各推广渠道内各涉及用户进行价值等级划分，包括:根据目标企本文档来自技高网...
【技术保护点】
1.一种基于大数据分析的获客数据智能分类管理系统，其特征在于，该系统包括：
2.根据权利要求1所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述相关获客数据包括交互行为数据和基础身份数据；
3.根据权利要求2所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述构建目标企业产品各推广渠道内各涉及用户的标签影响系数，包括：提取目标企业产品各推广渠道的交互行为数据中各涉及用户对应产品页面的曝光次数和点击次数，将点击次数与曝光次数的比值作为点击率，获取目标企业产品各推广渠道内各涉及用户的点击率dij，其中i为目标企业产品各推广渠道的编号，i＝1，2，...，a，j为各涉及用户的编号，j＝1，2，...，b；
4.根据权利要求3所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，包括：将目标企业产品各推广渠道内各涉及用户交互类型为浏览的各次产品页面点击，记为目标企业产品各推广渠道内各涉及用户的各浏览交互页面点击，提取其对应浏览交互参数中浏览停
5.根据权利要求4所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，还包括：提取目标企业产品各推广渠道内各涉及用户的各下单交互页面点击对应下单交互参数中下单金额下单数量以及下单日期x为各下单交互页面点击的编号，x＝1，2，...，f，计算目标企业产品各推广渠道内各涉及用户的留存指数λij，T0为云数据库存储的目标企业产品规定参照留存周期，f为下单交互页面点击次数，为目标企业产品第i个推广渠道内第j个涉及用户的第x+1次下单交互页面点击对应的下单日期；
6.根据权利要求3所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述对目标企业产品各推广渠道内各涉及用户进行价值等级划分，包括:根据目标企业产品各推广渠道内各涉及用户的标签影响系数βij，由公式得到目标企业产品各推广渠道内各涉及用户的价值等级,其中β′、β″分别为预设的二级价值等级用户对应的标签影响系数范围的下限值、上限值；
7.根据权利要求6所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述构建目标企业产品各推广渠道的获客能力评估系数，包括：根据目标企业产品各推广渠道的基础身份数据中各涉及用户的地理位置、年龄和性别，获取目标企业产品各推广渠道覆盖城市数量ωi、覆盖性别数量ρi以及各年龄区间对应的涉及用户人数τ为各年龄区间的编号，τ＝1，2，...，σ，设定各年龄区间的覆盖权重占比αiτ，计算目标企业产品各推广渠道的获客覆盖系数FGi，其中ω0、为预设的参照城市数量、参照用户人数；
8.根据权利要求7所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述构建目标企业产品各推广渠道的获客能力评估系数，还包括：提取目标企业产品各推广渠道的各用户价值等级序列，统计目标企业产品各推广渠道内各用户价值等级序列对应的涉及用户人数μ为各用户价值等级序列的编号，μ＝1，2，3，设定各用户价值等级序列对应的获客力度权重，进而得到目标企业产品各推广渠道内各用户价值等级序列对应的获客力度权重φiμ，计算目标企业产品各推广渠道的获客力度系数LDi，
...【技术特征摘要】
1.一种基于大数据分析的获客数据智能分类管理系统，其特征在于，该系统包括：
2.根据权利要求1所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述相关获客数据包括交互行为数据和基础身份数据；
3.根据权利要求2所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述构建目标企业产品各推广渠道内各涉及用户的标签影响系数，包括：提取目标企业产品各推广渠道的交互行为数据中各涉及用户对应产品页面的曝光次数和点击次数，将点击次数与曝光次数的比值作为点击率，获取目标企业产品各推广渠道内各涉及用户的点击率dij，其中i为目标企业产品各推广渠道的编号，i＝1，2，...，a，j为各涉及用户的编号，j＝1，2，...，b；
4.根据权利要求3所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，包括：将目标企业产品各推广渠道内各涉及用户交互类型为浏览的各次产品页面点击，记为目标企业产品各推广渠道内各涉及用户的各浏览交互页面点击，提取其对应浏览交互参数中浏览停留时长和浏览内容长度r为各浏览交互页面点击的编号，r＝1，2，...，n，分析目标企业产品各推广渠道内各涉及用户浏览交互类型对应的交互深度其计算公式为：其中li为云数据库存储的目标企业产品对应各推广渠道的产品页面设计长度；
5.根据权利要求4所述的一种基于大数据分析的获客数据智能分类管理系统，其特征在于：所述计算目标企业产品各推广渠道内各涉及用户各交互类型对应的交互深度，还包括：提取目标企业产品各推广渠道内各涉及用户的各下单交互页面点击对应下单交互参数中下单金额下单数量以及下单日期x为各下单交互页面点击的编号，x＝1，2，...，f，计算...
【专利技术属性】
技术研发人员：龚松彬，
申请(专利权)人：深圳市也保科技有限公司，
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。