[发明专利]一种基于售后维修记录的客户分级方法

说明书

本申请提供了一种基于售后维修记录的客户分级方法，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果。本申请能够提高客户分级效率和分级准确率。

技术领域

本发明涉及计算机领域，具体涉及一种基于售后维修记录的客户分级方法。

背景技术

随着经济全球化的不断推进发展，汽车工业在全国范围内都得到了广泛的普及发展，目前中国汽车市场逐步进入存量竞争时期，汽车市场从增量市场开始向保有量市场转移，产值收益也在向售后方向转移，这就给汽车的售后服务业带来了可观的市场前景，包括汽车的维修、美容、清洗、保养、改装等业务都受到了汽车售后维修服务企业的重视。

汽车售后维修服务企业通常可以利用它们每年收集的大量售后维修记录对客户进行分级，挖掘出不同客户在不同时间节点的需求，主动对每个相应级别的客户进行有效管理并采样相应的营销手段，提供符合该客户级别特征的产品或服务，以确保客户价值的不断贡献。

然而现有的客户分级方法通常采用员工手动评估分级，效率低下，同时客户分级结果存在不客观、不准确的缺点。因此，现在亟需一种基于售后维修记录的客户分级方法来解决上述问题。

发明内容

鉴于上述问题，提出了本申请，以便提供一种基于售后维修记录的客户分级方法，用于提高分级效率和分级准确率。

本申请提供了一种基于售后维修记录的客户分级方法，包括：

步骤S1，收集售后维修记录表，对售后维修记录表进行扫描，建立售后维修记录库，作为训练样本。

步骤S2，构建卷积神经网络模型，利用训练样本对卷积神经网络进行训练。

步骤S3，将待分级的售后维修记录表输入到训练好的卷积神经网络中，输出客户分级结果；

所述卷积神经网络模型包括：特征提取模块、平均池化模块和分级模块；其中，特征提取模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一卷积层、第二卷积层、第一求和模块、第二求和模块；

售后维修记录库中的售后维修记录表输入到第一卷积模块的输入端，第一卷积模块的输出端连接第二卷积模块的输入端，第二卷积模块的输出端分别连接第三卷积模块的输入端和第一卷积层的输入端，第三卷积模块的输出端连接第一求和模块的第一输入端，第一卷积层的输出端连接第一求和模块的第二输入端，第一求和模块的输出端分别连接第四卷积模块的输入端和第二卷积层的输入端，第四卷积模块的输出端连接第二求和模块的第一输入端，第二卷积层的输出端连接第二求和模块的第二输入端，第二求和模块的输出端连接平均池化模块的输入端，平均池化模块的输出端连接分级模块的输入端，分级模块的输出端输出客户分级结果。

进一步的，所述步骤S1具体包括：

步骤S11，汽车售后维修服务企业预先制作售后维修记录表；

步骤S12，客户或汽车售后维修服务企业工作人员对售后维修记录表中各种客户信息进行勾选；

步骤S13，汽车售后维修服务企业工作人员收集售后维修记录表，对售后维修记录表进行扫描，录入到售后维修记录库，作为训练样本。

进一步的，所述售后维修记录表包括汽车行驶里程数范围、维修次数范围、消费金额范围、汽车使用年限范围、售后满意度。

进一步的，所述分级模块包括依次连接的第一全连接层、激活层、Dropout层、第二全连接层、输出层。

进一步的，所述输出层为Softmax分类器。

进一步的，所述第一卷积层和第二卷积层采用1×1的卷积核。