[发明专利]目标客户的识别方法及终端设备

权利要求书

1.一种目标客户的识别方法，其特征在于，包括：

获取潜在客户的个人特征数据；

在预先划分好的各个工作时间段内，根据电销坐席的成交客户总数以及推销客户总数，分别计算所述电销坐席在各个所述工作时间段的客户转化率；

将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型，以输出所述潜在客户的产品购买概率；

将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。

2.如权利要求1所述的目标客户的识别方法，其特征在于，还包括：

将多个所述潜在客户的个人特征数据以及所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型，以分别输出多个所述潜在客户的产品购买概率；

依照所述产品购买概率的大小顺序，对多个所述潜在客户进行排序；

展示排序结果，以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。

3.如权利要求1或2所述的目标客户的识别方法，其特征在于，还包括：

获取所述电销坐席的历史推销客户；

获取每一所述历史推销客户的所述个人特征数据、历史推销时间段以及客户类型，所述客户类型为成交客户或者非成交客户；

获取所述电销坐席在所述历史推销时间段的所述客户转化率；

基于每一所述历史推销客户的所述个人特征数据、历史推销时间段、客户类型以及所述电销坐席在所述历史推销时间段的客户转化率，构建并训练与所述电销坐席相关的所述随机森林模型。

4.如权利要求1所述的目标客户的识别方法，其特征在于，所述将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型，以输出所述潜在客户的产品购买概率，包括：

获取预先建立的与所述电销坐席相关的随机森林模型，所述随机森林模型包括多个决策树；

将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入所述随机森林模型，以获取每一所述决策树中各叶子节点的输出值，所述输出值包括购买或不购买；

将所述输出值为购买的所述叶子节点的总数与所述随机森林模型中叶子节点总数的比值输出为所述潜在客户的产品购买概率。

5.如权利要求4所述的目标客户的识别方法，其特征在于，还包括：

当所述决策树生成分裂节点时，在每一所述历史推销客户的属性特征中，随机选取任意数量的所述属性特征，所述属性特征包括所述历史推销时间段、所述个人特征数据以及所述电销坐席在所述历史推销时间段的客户转化率；

基于选取出的每一所述属性特征，分别计算其作为所述分裂节点时，所述决策树在分裂前后的第一基尼值以及第二基尼值；

分别获取每一所述属性特征在各个所述决策树中的所述第一基尼值与所述第二基尼值的差值，并将该属性特征在各个所述决策树中的所述差值的平均值输出为该属性特征对所述产品购买概率的影响权重值。

6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：

获取潜在客户的个人特征数据；

在各个工作时间段内，根据电销坐席的成交客户总数以及推销客户总数，分别计算所述电销坐席在各个所述工作时间段的客户转化率；

将所述电销坐席在当前工作时间段的所述客户转化率以及所述潜在客户的个人特征数据输入预先建立的随机森林模型，以输出所述潜在客户的产品购买概率；

将所述产品购买概率大于预设阈值的所述潜在客户确定为所述电销坐席在所述当前工作时间段的目标客户。

7.如权利要求6所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，还实现如下步骤：

将多个所述潜在客户的个人特征数据以及所述电销坐席在当前工作时间段的所述客户转化率输入所述随机森林模型，以分别输出多个所述潜在客户的产品购买概率；

依照所述产品购买概率的大小顺序，对多个所述潜在客户进行排序；

展示排序结果，以使所述电销坐席基于所述排序结果依次对各个所述潜在客户进行电话推销。