[发明专利]基于运营商大数据的快消品行业督查方法以及装置有效

专利信息
申请号: 201910904050.5 申请日: 2019-09-24
公开(公告)号: CN110689257B 公开(公告)日: 2022-09-09
发明(设计)人: 沈林江;龚松柏 申请(专利权)人: 北京市天元网络技术股份有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/26
代理公司: 暂无信息 代理人: 暂无信息
地址: 100193 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 运营商 数据 品行 业督查 方法 以及 装置
【权利要求书】:

1.一种基于运营商大数据的快消品行业督查方法,其特征在于,所述方法包括:

特征指标采集步骤,通过分析快消品行业重点市场费用场景的造假手段,基于运营商大数据,采集所述重点市场费用场景的特征指标;

风险评估模型训练步骤,将所述特征指标进行样本数据抽取、指标特征处理、模型训练后,计算风险得分得到高风险用户;

督查导向确立步骤,采用聚类分析方法对所述高风险用户进行不同场景的评估维度分析,输出不同场景评估维度侧重点,引领督查导向,完成快消品行业的督查;

所述风险评估模型训练步骤包括:

样本数据抽取,基于督查合作伙伴提供的经销商及其客户数据、运营商数据,按照1:1比例抽取欺诈客户与非欺诈客户特征指标数据,组成建模样本;

指标特征处理,通过量纲处理、指标筛选、指标分段步骤对所述样本进行特征处理;

模型训练,根据样本数据结合特征处理结果,利用逻辑回归算法进行风险评估模型训练得到各个指标的权重大小;

风险得分计算,利用模型训练结果,将用户指标值与指标分段结果进行比对,获取指标对应分数,结合权重大小得到指标最终得分,所有指标得分和就是风险得分;

所述风险评估模型训练步骤的指标特征处理还包括:

量纲处理,将所有指标都转换处理为数值型,便于机器学习算法进行分析;

指标筛选,利用随机森林算法,运用条件熵的理论,综合得出每一个指标与风险等级之间的关联程度,去除关联程度最弱的指标,保留有价值的特征指标,实现特征选择;

指标分段,利用聚类和信息熵方法将每个指标分组处理;

所述特征指标采集步骤的重点市场费用场景的特征指标包括:

消费者宴席场景,采集基础评估指标检查用户的基础信息是否正确以及卡属性,采集养卡评估指标检查提供的回访电话是否为虚假电话,采集位置评估指标检查用户近期位置是否在酒店位置出现以及出现时长,采集交往圈验真指标判定交往圈规模以及稳定性,采集消费评估指标检查用户近期的消费情况以判断用户是否符合推广人特征;

渠道宣传场景,采集基础评估指标检查用户的基础信息是否正确以及卡属性,采集养卡评估指标检查提供的回访电话是否为虚假电话,采集位置评估指标检查用户工作常驻位置是否在商超位置附近,采集交往圈验真指标检查用户的交往圈稳定度,采集消费评估指标检查商超联系人的消费特征;

客情旅游场景,采集基础评估指标检查用户的基础信息是否正确以及卡属性,采集养卡评估指标检查提供的回访电话是否为虚假电话,采集位置评估指标检查用户近期常驻位置是否在旅游目的地位置附近以及在目的地的驻留情况,采集交通评估指标判定用户是否在旅游目的地存在飞机、火车、高速交通方式,采集消费评估指标检查用户近期的消费情况以判断用户是否存在旅游消费;

客情维护场景,采集基础评估指标检查用户的基础信息是否正确以及卡属性,采集养卡评估指标检查提供的回访电话是否为虚假电话,采集位置评估指标检查用户是否经常出现在已知的客户位置附近,采集交往圈验真指标检查用户的交往圈稳定度,采集消费评估指标检查目标客户的消费特征。

2.如权利要求1所述的方法,其特征在于,所述督查导向确立步骤包括:

针对验真高风险用户,采用聚类分析方法进行不同场景的评估维度分析,输出不同场景评估维度侧重点,采用人工方式调整指标权重,优化评估模型。

3.如权利要求2所述的方法,其特征在于,所述的验真高风险用户为针对模型评估风险用户,经由督查合作伙伴验证后确为欺诈用户的,采用数据回流方式支撑聚类分析。

4.如权利要求2所述的方法,其特征在于,所述方法还包括:

采用聚类分析方法进行渠道宣传陈列费、客情旅游、消费者宴席推广及客情维护四个场景的评估维度分析,所述四个场景分别对位置评估指标、交往圈信息指标、消费特征指标进行偏重评估。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市天元网络技术股份有限公司,未经北京市天元网络技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910904050.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top