[发明专利]客户行为预测方法及系统

权利要求书

1.一种客户行为预测方法，其特征在于，包括：

提供客户行为预测模型；

获取一个或多个属性信息；

将所述一个或多个属性信息输入所述客户行为预测模型中，获得预测结果；

其中，所述属性信息为目标客户的客户属性信息或目标产品的产品属性信息；所述客户行为预测模型为第一客户行为预测模型或第二客户行为预测模型；

当所述属性信息为目标客户的客户属性信息时，所述客户行为预测模型为第一客户行为预测模型，所述预测结果为目标客户的目标产品类别信息；

当所述属性信息为目标产品的产品属性信息时，所述客户行为预测模型为第二客户行为预测模型，所述预测结果为目标产品的目标客户信息。

2.根据权利要求1所述的客户行为预测方法，其特征在于，包括：

预先通过以下方式获得客户行为预测模型：

获取样本集的多个客户对应的客户信息、多个产品对应的产品信息、多个目标产品历史类别信息和多个目标客户历史信息；其中，所述客户信息包括多种客户属性信息；所述产品信息包括多种产品属性信息；

将所述多种客户属性信息和所述多种产品属性信息中的任意两种属性信息进行组合，获得多种组合数据；

通过聚类算法对所述多种组合数据进行分群，形成客群属性集合和产品群属性结合；

通过聚类算法将所述客群属性集合中的多种组合数据分至多个客群，并将每个客群的客群质点对应的多种客户属性信息作为客群特征；

根据所述每个客群对应的多种客户属性信息、每个客群的客群特征和所述多个目标产品历史类别信息训练预设的第一机器学习模型，得到第一客户行为预测模型；

通过聚类算法将所述产品群属性集合中的多种组合数据分至多个产品群，并将每个产品群的产品群质点对应的多种产品属性信息作为产品群特征；

根据所述每个产品群对应的多种产品属性信息、每个产品群的产品群特征和所述多个目标客户历史信息训练预设的第二机器学习模型，得到第二客户行为预测模型。

3.根据权利要求1所述的客户行为预测方法，其特征在于，还包括：

根据所述目标客户的目标产品类别信息，从预设的热门产品集中获取每个目标产品类别信息对应的多个热门产品；所述目标产品类别信息的数量为一个或多个；

根据每个目标产品类别信息对应的多个热门产品与该目标产品类别信息对应的多个当季营销产品，得到每个目标产品类别信息对应的当季营销目标产品。

4.根据权利要求3所述的客户行为预测方法，其特征在于，得到每个目标产品类别信息对应的当季营销目标产品，包括：

计算每个目标产品类别信息对应的每个热门产品与该目标产品类别信息对应的每个当季营销产品之间的相似度；每个目标产品类别信息对应的相似度的数量为多个；

将每个目标产品类别信息对应的相似度按从小到大的顺序进行排序，将排序在第一预设值之前的当季营销产品作为每个目标产品类别信息对应的当季营销产品。

5.根据权利要求3所述的客户行为预测方法，其特征在于，还包括：

获取每个产品类别信息对应的每个产品的多种销售数据；所述产品类别信息的数量为多个，每个产品类别信息均对应多个产品；

根据每个产品类别信息对应的每个产品的多种销售数据，计算每个产品类别信息对应的每个产品的销售总额；

将每个产品类别信息对应的每个产品的销售总额按从小到大的顺序进行排序，选取排序在第二预设值之前的产品形成热门产品集。

6.根据权利要求5所述的客户行为预测方法，其特征在于，所述销售数据包括：持有金额总数、预设时间段的平均持有时长和所述预设时间段的平均交易频次。

7.根据权利要求2所述的客户行为预测方法，其特征在于，获得多种组合数据之前，还包括：

判断每个客户对应的客户信息中的关键客户属性信息是否缺失；

当所述关键客户属性信息缺失时，删除该客户对应的客户信息；

判断每个产品对应的产品信息中的关键产品属性信息是否缺失；

当所述关键产品属性信息缺失时，删除该产品对应的产品信息。