[发明专利]一种基于大数据推荐算法的客户渠道引流方法

权利要求书

1.一种基于大数据推荐算法的客户渠道引流方法，其特征在于，

以客户为中心建立客户渠道引流模型，从客户触发的服务与产品需求入手，分析客户借助终端设备办理业务的倾向；同时，有效融合各电子渠道的客户使用信息，对客户群进行细分，较为深入地探究客户使用各类电子渠道的内在特性和规律；进而实现对客户渠道进行引流；

具体包括以下步骤：

第一步：渠道客户行为偏好分析

所述行为偏好主要包括：交费偏好；

所述交费偏好的分析采用RFM模型和熵值法即确定各指标的权重，构建交费渠道偏好模型；根据客户最近一次交费至今的时间间隔信息R、某一时间段内使用某渠道的交费总频次F以及该时间段内在某渠道的交费平均金额M；输出每个客户对各渠道的使用评价指数；通过熵值法对权重进行优化，突出交费频次F作用，弱化交费金额M以及交费间隔R作用，所输出的评价结果能够更加客观准确体现客户的渠道偏好；

第二步：构建客户渠道引流推荐模型

基于渠道引流指标体系，构建客户-客户特征指标的相关矩阵和非网上国网客户一网上国网客户的相似度矩阵，采用基于客户的协同过滤一皮尔逊相关系数分析算法，得到与网上国网APP客户特征指标相似度较高的可引流目标客户群体，即具备引流潜力的客户群体；

第三步：客户渠道引流场景构建

所述客户渠道引流场景包括线下客户引流、非网上国网APP线上客户引流、已注册但未绑定网上国网APP客户引流、可回流客户引流；进而基于客户特征，结合具体的业务应用场景，制定差异化引流策略，实现客户渠道引流以及精准营销服务的目的。

2.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法，其特征在于，

所述第一步，构建交费渠道偏好模型，具体包括以下步骤：

(1)数据预处理

对数据中的缺失值、异常值进行处理；

(2)指标离散化

查看三个指标的数据分布后，利用等分位法和业务经验，对R、F、M等三个指标进行离散化，并确定各区间的划分；

(3)确定权重

利用熵值法，确定R、F、M等三个指标的权重；

(4)确定指标得分

根据各区间的得分，分别计算得出R、F、M等三个指标的得分；

(5)确定综合得分

根据R、F、M等三个指标的得分和权重，计算出客户各渠道的综合历史偏好得分；

(6)模型验证

因RFM模型为无监督模型，无法直接评价其准确性，故交费渠道偏好模型验证是利用模型得到的历史交费渠道偏好与下个月交费的渠道进行对比。

3.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法，其特征在于，

所述(3)熵值法的具体实现步骤如下：

假设数据有n行记录，m个变量，数据可以用一个n*m的矩阵A表示n行m列，即n行记录数，m个特征列；

A＝[x₁，...x_m]

数据的归一化处理即最小最大值标准化；

x_ij表示矩阵A的第i行j列元素：

计算第j项指标下第i个记录所占比重：

计算第j项指标的熵值：

计算第j项指标的差异系数：

g_j＝1-e_j

计算第j项指标的权重：

4.如权利要求1所述的一种基于大数据推荐算法的客户渠道引流方法，其特征在于，

所述行为偏好还包括：查询偏好；

国网公司相关业务查询包含网上国网APP、微信、自助终端、95598等4个渠道；

其包括以下6个方面：

(1)分析查询业务下客户的户龄、年龄、城乡类别等分布情况；

(2)分析各渠道下客户的户龄、年龄、城乡类别等分布情况；

(3)分析各渠道的客户量占比情况；

(4)分析近6个月内各渠道下top5的查询业务；

(5)分析近6个月内各查询业务top5的频次；

(6)分析一个月内各渠道下的查询业务的频次。