一种营销响应模型构建方法、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113869423A(43)申请公布日2021.12.31(21)申请号202111151528.5(22)申请日2021.09.29(71)申请人天元大数据信用管理有限公司地址250013山东省济南市高新区浪潮路1036号浪潮科技园S01楼23层(72)发明人刘先淇尹盼盼崔乐乐(74)专利代理机构北京君慧知识产权代理事务所(普通合伙)11716代理人吴绍群(51)Int.Cl.G06K9/62(2006.01)G06Q10/06(2012.01)G06Q40/02(2012.01)权利要求书2页说明书7页附图2页(54)发明名称一种营销响应模型构建方法、设备及介质(57)摘要本申请公开了一种营销响应模型构建方法、设备及介质，方法包括：确定预先采集的样本企业的企业数据，根据样本企业的企业数据建立标准数据库；根据标准数据库，确定样本企业的企业指标；根据企业指标，通过K均值聚类算法，建立样本企业的多维聚类分析模型；根据多维聚类分析模型，确定样本企业在不同指标维度下的聚类簇；根据样本企业在不同指标维度下分别对应的聚类簇，通过K最近邻算法，确定客户企业的营销响应概率。通过无监督机器学习模型采用企业自身的特征指标形成类别，解决了在没有表现样本的情况下定位目标客户的问题，从而降低营销成本，提高营销投资回报率。CN113869423ACN113869423A权利要求书1/2页1.一种营销响应模型构建方法，其特征在于，所述方法包括：确定预先采集的样本企业的企业数据，根据所述样本企业的企业数据建立标准数据库；根据所述标准数据库，确定所述样本企业的企业指标；根据所述企业指标，通过K均值聚类算法，建立所述样本企业的多维聚类分析模型；根据所述多维聚类分析模型，确定所述样本企业在不同指标维度下的聚类簇；根据所述样本企业在不同指标维度下分别对应的聚类簇，通过K最近邻算法，确定客户企业的营销响应概率。2.根据权利要求1所述的方法，其特征在于，根据所述样本企业的企业数据建立标准数据库，具体包括：确定所述标准数据库内标准数据的数据结构；对所述企业数据进行数据加工，以将所述企业数据转化为所述标准数据；对所述标准数据进行内容识别，确定所述标准数据对应的内容重复率；若所述内容重复率高于预设阈值，则删除所述标准数据。3.根据权利要求2所述的方法，其特征在于，根据所述标准数据库，确定所述样本企业的企业指标，具体包括：确定所述标准数据库中属于预设数据维度的所述标准数据；所述预设数据维度的种类由营销任务类型决定；将所述属于预设数据维度的所述标准数据进行文本识别，生成所述样本企业的企业指标。4.根据权利要求1所述的方法，其特征在于，根据所述企业指标，通过K均值聚类算法，建立所述企业多维聚类分析模型，具体包括：根据营销任务类型，确定所述企业指标中的入模指标；对所述入模指标进行数据清洗，得到训练样例；根据聚类评价指标及所述训练样例，确定所述K均值聚类算法中的K值。5.根据权利要求4所述的方法，其特征在于，对所述入模指标进行数据清洗，得到训练样例，具体包括：确定所述入模指标中各指标对应的缺失值，若所述缺失值大于预设比例，则将所述入模指标作为无效值删除；对剩余入模指标进行多重共线性检验，去除所述剩余入模指标中存在共线性的所述入模指标；对所述剩余入模指标进行标准化处理，得到训练样例。6.根据权利要求5所述的方法，其特征在于，根据聚类评价指标及所述训练样例，确定所述K均值聚类算法中的K值，具体包括：在预设区间内遍历所述K值，根据所述K值的不同取值，对所述训练样例进行K均值聚类分析；根据所述K值的不同取值，绘制对应的聚类分析结果图，并得到对应的CH度量指标值；选择最大的所述CH度量指标值对应的所述K值，作为所述K均值聚类算法中的K值。7.根据权利要求5所述的方法，其特征在于，根据所述多维聚类分析模型，确定所述样2CN113869423A权利要求书2/2页本企业在不同维度下分别对应的聚类簇之后，所述方法还包括：根据所述聚类簇分别对应的指标，选择响应所述营销任务概率最高的聚类簇，作为目标聚类簇。8.根据权利要求7所述的方法，其特征在于，根据所述样本企业在不同维度下分别对应的聚类簇，通过K最近邻算法，确定客户企业的营销响应概率，具体包括：确定输入的客户企业数据，调用所述多维聚类分析模型预测所述客户企业属于所述目标聚类簇的概率；将所述客户企业属于所述目标聚类簇的概率作为所述客户企业的所述营销响应概率。9.一种营销响应模型构建设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够