[发明专利]潜力客户识别方法以及装置

说明书

本发明公开了一种潜力客户识别方法以及装置。所述方法包括：根据客户等级建立多个晋升预测模型，其中，客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；为多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；使用第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测第i个客户等级的客户是否会晋升，并将预测会晋升的客户确定为潜力客户。上述方法能够提高识别潜力客户的速度和准确性。

技术领域

本发明涉及人工智能领域，尤其涉及一种潜力客户识别方法以及装置。

背景技术

在游戏运营过程中，有一部分客户是潜力玩家，潜力玩家具有良好的发展前景，是游戏运营过程中应该重点关注的对象。在现有技术下，只能通过人工筛选的方法来寻找潜力客户。人工筛选的一个缺点是效率低，由于人工筛选的效率低，需要大量的人力资源才能从大量玩家中筛选出潜力玩家。人工筛选的另一个缺点是准确性差，由于人工筛选时只能通过单一的筛选规则进行筛选，所以经常会出现误判。例如，游戏中通常根据玩家充值的金额将玩家的等级可以分为多个等级，人工筛选规则通常将充值金额接近划分玩家等级的阈值的客户定义为潜力玩家。例如，将游戏玩家定义为VIP4等级的充值金额阈值为1万，则根据人工筛选规则，充值金额为9千的玩家将被定义为潜力玩家。

这种筛选方法中一些每次充值金额都不高，充值时间比较长的玩家的总充值金额可能也接近划分玩家等级的阈值，但是实际上这些玩家并不是真正的潜力玩家。

发明内容

本发明实施例所要解决的技术问题在于，提供一种潜力客户识别方法以及装置，能够提高识别潜力客户的速度和准确性。

本发明提供了一种潜力客户识别方法，包括如下步骤：根据客户等级建立多个晋升预测模型，其中，所述客户等级为预先设定的，第i个客户等级对应第i个晋升预测模型，其中，i为正整数；为所述多个晋升预测模型获取晋升训练样本，其中，第i个晋升预测模型的晋升训练样本包括在单位时间内已从第i个客户等级晋升的客户的历史数据；使用所述第i个晋升预测模型的晋升训练样本对第i个晋升预测模型进行训练；将第i个客户等级的客户的现时数据输入到训练后的第i个晋升预测模型中预测所述第i个客户等级的客户是否会晋升；如果第i个客户等级的客户预测会晋升，则确定所述第i个客户等级的客户为潜力客户。

可选地，所述方法还包括：构建营销类别预测模型；为所述营销类别预测模型获取营销训练样本，其中，所述营销训练样本包括客户的历史数据和营销类别；使用所述营销训练样本对营销类别预测模型进行训练；确定所述第i个客户等级的客户为潜力客户之后包括：将所述潜力客户的现时数据输入到训练后的营销类别预测模型中预测所述潜力客户的营销类别。

可选地，将所述潜力客户的现时数据输入到训练后的营销类别预测模型中预测所述潜力客户的营销类别之后还包括：根据预测的所述潜力客户的营销类别从所述营销方案库中匹配对应的营销方案，以将所述对应的营销方案推送给所述潜力客户。

可选地，所述营销类别预测模型为多值分类-支持向量机分类器、多值最近邻居分类器、多值决策树分类器中的一种。

可选地，所述方法还包括：构建营销需求分类模型；使用种子词和所述种子词对应的营销需求分类的分类标签对所述营销需求分类模型进行训练，其中，所述种子词是预先定义的，所述种子词与所述营销需求分类的分类标签的对应关系也是预先定义的；使用所述营销需求分类模型对反馈文本进行分类，其中，所述营销需求分类模型根据所述反馈文本中的分词与所述营销需求分类的分类标签对应的种子词的匹配度对所述反馈文本进行分类。

可选地，使用所述营销需求分类模型对反馈文本进行分类之后还包括：将不能通过所述营销需求分类模型进行分类的反馈文本进行聚类，以获得新的营销需求分类。