客户筛选方法、装置、设备及存储介质.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CN113869932A(43)申请公布日2021.12.31(21)申请号202110990670.2(22)申请日2021.08.26(71)申请人浙江爱我科技有限公司地址310004浙江省杭州市下城区东新路江南巷31号2幢（临）408室(72)发明人邓皓文张琦张诚(74)专利代理机构北京辰权知识产权代理有限公司11619代理人王卫丽(51)Int.Cl.G06Q30/02(2012.01)G06N20/00(2019.01)G06K9/62(2006.01)权利要求书2页说明书8页附图5页(54)发明名称客户筛选方法、装置、设备及存储介质(57)摘要本申请提出一种客户筛选方法、装置、设备及存储介质，该客户筛选方法，包括：获取所有客户的显性数据和隐性数据；显性数据用于记载客户的客观信息，隐性数据用于记载店员对客户的主观评价信息；基于显性数据和隐性数据，通过训练好的深度学习模型，确定未来每个客户的邀约成功概率；深度学习模型预设有显性数据和隐性数据与邀约成功概率的映射关系；自所有客户中筛选出邀约成功概率最高的指定数目个客户。本申请可以实现对美容领域消费者的购买、实操行为的精准预测，以筛选出高价值潜在客户。CN113869932ACN113869932A权利要求书1/2页1.一种客户筛选方法，其特征在于，所述方法包括：获取所有客户的显性数据和隐性数据；所述显性数据用于记载客户的客观信息，所述隐性数据用于记载店员对客户的主观评价信息；基于所述显性数据和所述隐性数据，通过训练好的深度学习模型，确定未来每个客户的邀约成功概率；所述深度学习模型预设有所述显性数据和所述隐性数据与邀约成功概率的映射关系；自所有客户中筛选出所述邀约成功概率最高的指定数目个客户。2.根据权利要求1所述的方法，其特征在于，基于所述显性数据和所述隐性数据，通过训练好的深度学习模型，确定未来每个客户的邀约成功概率，包括：分别对所述显性数据和所述隐性数据进行处理，确定每个客户的显性特征和隐性特征；根据所述显性特征和隐性特征，通过训练好的所述深度学习模型，生成未来每个客户的邀约成功概率。3.根据权利要求2所述的方法，其特征在于，对所述隐性数据进行处理，确定每个客户的隐性特征，包括：基于预设的特征标签，对每个客户的所述隐性数据进行标签提取与清洗；对清洗后的隐性数据依次进行向量化和降维处理，得到每个客户的隐性特征。4.根据权利要求1所述的方法，其特征在于，所述显性数据包括客户基本信息和客户进行实操行为或购买行为的时间信息、地点信息及项目信息；所述隐性数据包括店员在项目服务过程中，对所服务客户在购买意愿、性格偏好以及客户所适用的推销策略方面所进行的评估。5.根据权利要求1所述的方法，其特征在于，所述显性特征包括所述客户的近期性特征、频率特征、金额特征以及客户关系维护特征。6.根据权利要求1所述的方法，其特征在于，基于所述显性数据和所述隐性数据，通过训练好的深度学习模型，确定当前时刻每个客户的邀约成功概率之前，还包括：基于客户每个月份对应的显性特征和隐性特征，生成动态训练集；每个月份对应的所述动态训练集均包括当前月份之前第N+1个月的显性特征、隐性特征和当前月份之前第N个月的目标变量构成；所述N为自然数；基于所述动态训练集，采用基于梯度提升的决策树算法训练所述深度学习模型。7.根据权利要求1所述的方法，其特征在于，自所有客户中筛选出所述邀约成功概率最高的指定数目个客户，包括：确定客户最近一次购买或实操的日期距离当日的时间是否大于三个月；若是，则将该客户标记为沉默客户；自所有所述沉默客户中选择邀约成功概率最高的指定数目个客户。8.根据权利要求1所述的方法，其特征在于，获取所有客户的显性数据和隐性数据之前，还包括：对每个客户的显性数据和隐性数据进行存储和更新。9.一种客户筛选装置，其特征在于，所述装置包括：数据获取模块，用于获取所有客户的显性数据和隐性数据；所述显性数据用于记载客2CN113869932A权利要求书2/2页户的客观信息，所述隐性数据用于记载店员对客户的主观评价信息；概率计算模块，用于基于所述显性数据和所述隐性数据，通过训练好的深度学习模型，确定未来每个客户的邀约成功概率；所述深度学习模型预设有所述显性数据和所述隐性数据与邀约成功概率的映射关系；客户筛选模块，用于自所有客户中筛选出所述邀约成功概率最高的指定数目个客户。10.一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1‑8任一项所述的方法。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1‑8中