[发明专利]一种客户分群模型的构建方法和计算设备

说明书

本发明公开了一种客户分群模型的构建方法，适于在计算设备中执行，该方法包括：获取多个用户的属性数据、各用户在目标网站上的预定期间内的历史行为数据、以及目标网站在该预定期间内向各用户发送的短信推荐记录；根据所获取的属性数据和历史行为数据计算各用户的多个特征值，并将各用户的多个特征值构造为一个特征向量；根据所获取到的短信推荐记录和历史行为数据对各用户的购买属性类别进行标记；将各用户的特征向量及其对应的购买属性类别作为一条样本，以构造训练集；以各用户的特征向量为输入、以其购买属性类别为输出，采用预定算法对该训练集进行训练，得到所述客户分群模型。本发明还公开了对应的计算设备。

技术领域

本发明涉及互联网技术领域，尤其涉及一种客户分群模型的构建方法和计算设备。

背景技术

随着互联网技术的快速发展和电子商务的日渐普及，网络信息资源的数量急剧增长，信息提供商总是希望能够为潜在的目标用户推荐感兴趣或者需要的商品资源。而如何从海量用户中准确识别出潜在的目标用户，以更好地为该用户进行针对性地信息推荐，已经成为运营商在互联网业务拓展中的重中之重。

现有技术中通常采用短信群发策略，即对所有注册用户都发送相应推荐短信，然而实际生活中很多用户无论是否收到该推荐短信都不会主动购买相应产品，或者即使没有收到该短信也会主动购买产品，无疑使得这种群发策略造成了大量信息资源的浪费。因此，需要提供一种更有效的潜在用户进行预测识别的方法。

发明内容

为此，本发明提供一种客户分群模型的构建方法和计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供了一种客户分群模型的构建方法，适于在在计算设备中执行，该方法包括：获取多个用户的属性数据、各用户在目标网站上的预定期间内的历史行为数据、以及目标网站在该预定期间内向各用户发送的短信推荐记录；根据所获取的属性数据和历史行为数据计算各用户的多个特征值，并将各用户的多个特征值构造为一个特征向量；根据所获取到的短信推荐记录和历史行为数据对各用户的购买属性类别进行标记，所述购买属性类别包括不发短信即会主动购买、发短信会触发购买、发短信和红包会触发购买、以及怎样都不会购买；将各用户的特征向量及其对应的购买属性类别作为一条样本，以构造训练集；以及以各用户的特征向量为输入、以其购买属性类别为输出，采用预定算法对该训练集进行训练，得到客户分群模型。

可选地，在根据本发明的客户分群模型的构建方法中，特征值包括交易属性特征值，交易属性特征值包括以下特征值中的一个或多个：每次交易时间、每次下单时间、订单到期时间、每次提现时间、注册时间、历史提现次数、历史交易次数、累计交易金额范围、购买产品所属类别的数量、购买产品所属类别的金额。

可选地，在根据本发明的客户分群模型的构建方法中，特征值包括用户属性特征值，用户属性特征值包括用户的性别、年龄、省份、城市和设备信息中的一个或多个。

可选地，在根据本发明的客户分群模型的构建方法中，根据所获取到的短信推荐记录和历史行为数据对各用户的购买属性类别进行标记的步骤包括：在该预定期间内，若未向用户发送推荐短信，用户却产生了交易行为，则将该用户标记为不发短信即会主动购买用户；若未向用户发送推荐短信，用户也未产生交易行为，则将该用户标记为发短信和红包会触发购买用户；若向用户发送推荐短信后，用户产生了交易行为，则将该用户标记为发短信会触发购买用户；以及若向用户发送推荐短信后，用户未产生交易行为，则将该用户标记为怎样都不会购买用户。

可选地，在根据本发明的客户分群模型的构建方法中，还包括对所获取到的属性数据、历史行为数据和短信推荐记录进行预处理的步骤：去除其中的脏数据、对数据进行归一化处理、对定性数据进行哑编码、填补各数据项中的缺失值、以及对数据进行欠采样和/或过采样的均衡处理。

可选地，在根据本发明的客户分群模型的构建方法中，预定算法为GBDT回归算法。