[发明专利]一种潜在客户识别方法、电子设备及存储介质

权利要求书

1.一种潜在客户识别方法，其特征在于，包括：

训练样本获取步骤：

获取产品销售数据，所述产品销售数据包括客户购买的产品的信息以及客户的个人信息；

根据客户的个人信息从数据信息平台获取客户的数据信息；所述数据信息包括：兴趣大数据、轨迹大数据和/或泛生活形态大数据；所述兴趣大数据包括用户的线上浏览数据，所述轨迹大数据包括用户的消费数据，所述泛生活形态大数据包括用户的生活习惯数据；

根据客户的数据信息建立对应的标签数据，所述标签数据包括多个用户个性标签；

将每个客户的所有用户个性标签与该客户购买的产品的信息进行匹配并作为一个训练样本存储在训练集中；

模型构建及训练步骤：

根据用户个性标签，采用机器学习算法建立人工智能识别模型；

使用训练集中的训练样本对所述人工智能识别模型进行训练以使所述人工智能识别模型能够根据所输入的用户个性标签判断该用户是否为潜在客户。

2.如权利要求1所述的潜在客户识别方法，其特征在于，还包括识别步骤：

从数据信息平台获取待识别用户的数据信息，根据待识别用户的数据信息建立对应的标签数据，并将该标签数据输入已训练好的人工智能识别模型中以判断该用户是否为潜在客户。

3.如权利要求1所述的潜在客户识别方法，其特征在于，所述根据用户个性标签，采用机器算法建立人工智能识别模型具体为：

基于XGBoost算法，以各个用户个性标签作为分割属性，构建若干棵决策树集成为一个人工智能识别模型。

4.如权利要求3所述的潜在客户识别方法，其特征在于，所述人工智能识别模型的模型函数为：

其中，t为决策树的数量。

5.如权利要求1所述的潜在客户识别方法，其特征在于，所述产品的信息包括产品的品牌以及型号；所述人工智能识别模型能够根据所输入的用户个性标签判断该用户是否为潜在客户以及该用户的品牌偏好。

6.如权利要求1所述的潜在客户识别方法，其特征在于，还包括步骤：当识别到用户为潜在客户时，根据该用户的个人信息以及从数据信息平台所获取的数据信息确定该用户的常居住地以供对应区域的产品经销商对该用户进行精准营销。

7.如权利要求1所述的潜在客户识别方法，其特征在于，还包括负样本训练步骤：

在训练好所述人工智能识别模型之后，获取新的产品销售数据，所述产品销售数据包括客户购买的产品的信息以及客户的个人信息；

根据客户的个人信息从数据信息平台获取客户的数据信息；

根据客户的数据信息建立对应的标签数据，并将该标签数据输入已训练好的人工智能识别模型中得到识别结果；

将所述识别结果与所述产品销售数据中的实际销售信息进行比对；

若比对结果不一致，则根据该客户的用户个性标签对所述人工智能识别模型进行修正以提高识别精准度。

8.如权利要求1所述的潜在客户识别方法，其特征在于，所述用户个性标签包括：兴趣标签、活动区域标签、消费水平标签、人生阶段标签、性格标签以及购物风格标签。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有可执行计算机程序，所述处理器可读取所述存储器中的计算机程序并运行以实现如权利要求1至8任一项所述的潜在客户识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行计算机程序，所述计算机程序运行时可实现如权利要求1至8任一项所述的潜在客户识别方法。