[发明专利]客户生命周期价值的确定方法、装置、设备及介质

权利要求书

1.一种客户生命周期价值的确定方法，其特征在于，所述方法包括：

获取待测客户；

确定与所述待测客户具有关联关系的静态特征、动态特征以及序列特征；

基于所述静态特征、所述动态特征以及所述序列特征，确定所述待测客户的至少一个衡量客户生命周期价值CLV的指标参数；

基于所述至少一个指标参数，确定所述待测客户的CLV。

2.根据权利要求1所述的方法，其特征在于，所述确定与所述待测客户具有关联关系的静态特征、动态特征以及序列特征，包括：

获取所述待测客户的属性信息；

获取所述待测客户在交易平台上的行为数据；

基于所述属性信息和所述行为数据，确定所述静态特征、所述动态特征以及所述序列特征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述静态特征、所述动态特征以及所述序列特征，确定所述待测客户的至少一个衡量客户生命周期价值CLV的指标参数，包括：

采用已训练神经网络，基于所述静态特征、所述动态特征以及所述序列特征，预测得到所述待测客户的至少一个衡量CLV的指标参数；其中，所述已训练神经网络是基于包括已标注至少一个历史指标参数的样本数据集训练得到的。

4.根据权利要求3所述的方法，其特征在于，所述采用已训练神经网络，基于所述静态特征、所述动态特征以及所述序列特征，预测得到所述待测客户的至少一个衡量CLV的指标参数，包括：

在所述已训练神经网络中，对所述静态特征输入至进行向量转换，得到第一特征；

对所述第一特征、所述动态特征以及所述序列特征进行特征处理，分别得到第一数据、第二数据以及第三数据；

基于所述第一数据、所述第二数据以及所述第三数据，预测所述待测客户的至少一个衡量CLV的指标参数。

5.根据权利要求4所述的方法，所述对所述第一特征、所述动态特征以及所述序列特征进行特征处理，分别得到第一数据、第二数据以及第三数据，包括：

在所述已训练神经网络中，对所述第一特征进行特征交叉，得到所述第一数据；

对所述动态特征进行离散化处理，得到所述第二数据；

对所述序列特征进行序列提取，得到所述第三数据。

6.根据权利要求1所述的方法，其特征在于，所述待测客户包括至少两个待处理客户，所述基于所述静态特征、所述动态特征以及所述序列特征，确定所述待测客户的至少一个衡量客户生命周期价值CLV的指标参数，包括：

基于所述静态特征、所述动态特征以及所述序列特征，确定每一所述待处理客户的至少一个衡量CLV的指标参数；

所述基于所述至少一个指标参数，确定所述待测客户的CLV，包括：

从每一所述待处理客户的至少一个衡量CLV的指标参数中，确定与当前应用场景相匹配的至少一个目标指标参数；

基于所述至少一个目标指标参数，确定每一所述待处理客户的CLV。

7.根据权利要求6所述的方法，其特征在于，所述基于所述至少一个目标指标参数，确定每一所述待处理客户的CLV，包括：

对所述至少两个待处理客户中相同的目标指标参数，按照预设策略进行排列，生成排列队列；

基于所述排列队列，确定每一所述待处理客户的每一目标指标参数对应的排名；

基于每一所述待处理客户的每一目标指标参数对应的排名，确定每一所述待处理客户的CLV。

8.根据权利要求7所述的方法，其特征在于，所述基于每一所述待处理客户的每一目标指标参数对应的排名，确定每一所述待处理客户的CLV，包括：

确定每一所述目标指标参数的权重；

基于每一所述待处理客户的每一目标指标参数对应的排名，与对应的所述目标指标参数的权重，确定每一所述待处理客户的CLV。