一种基于客户购买能力的商品推荐方法及装置与流程

本发明涉及计算机技术领域，尤其涉及一种基于客户购买能力的商品推荐方法及装置。

背景技术：

不同客户具有不同的购买能力，在现有电话营销过程中，为了提高销售转换率及销售业绩，营销人员一般需要根据与客户的交流情况，客户的资料人为对每一客户的购买能力进行人工评估，然后从众多客户中人工挑选出购买意愿、购买能力较强的客户，并对这些客户进行商品推荐。但是人为挑选耗时费力，进而导致商品推荐效率低。

技术实现要素：

本发明实施例提供一种基于客户购买能力的商品推荐方法及装置，能提高商品推荐效率。

本发明一实施例提供一种基于客户购买能力的商品推荐方法，包括：

获取若干客户的当前通话信息；其中，所述当前通话信息包括：通话时段信息、通话时长信息、应答等待时长信息以及通话类型信息；所述通话类型信息包括客户电话呼入比例以及客户电话接听比例；

将每一所述客户的当前通话信息输入至预设的客户购买能力评估模型中，以使所述客户购买能力评估模型对每一所述客户的购买能力进行评估，获得每一所述客户的购买能力分数；其中，所述客户购买能力模型根据客户的历史通话信息为以及客户的历史消费金额进行构建；

根据购买能力分数从所述若干客户中提取重点客户，继而对所述重点客户进行商品推荐；其中，所述重点客户为购买能力分数超过预设阈值的客户。

进一步的，所述客户购买能力模型根据客户的历史通话信息为以及客户的历史消费金额进行构建，具体包括：

根据客户的历史消费金额确定客户的购买能力分数；其中，所述购买能力分数与所述历史消费金额呈正相关；

以客户的历史通话信息为输入，以客户的购买能力分数为输出基于xgboost算法构建所述客户购买能力模型。

进一步的，所述重点客户进行商品推荐，具体包括：

判断所述重点客户是否为老客户，若是，则获取所述重点客户的历史消费商品信息，向所述重点客户推荐与所述历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述历史消费商品完全一致的商品；

若否，则根据所述重点客户的购买能力分数，选定与购买能力分数相同的老客户，根据所述老客户的第二历史消费商品信息，向所述重点客户推荐与所述第二历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述第二历史消费商品完全一致的商品。

在上述方法项实施例的基础上，本发明对应提供了装置项实施例；

本发明实施例提供了一种基于客户购买能力的商品推荐装置，包括：信息获取模块、购买能力评估模块以及商品推荐模块；

所述信息获取模块，用于获取若干客户的当前通话信息；其中，所述当前通话信息包括：通话时段信息、通话时长信息、应答等待时长信息以及通话类型信息；所述通话类型信息包括客户电话呼入比例以及客户电话接听比例；

所述购买能力评估模块，用于将每一所述客户的当前通话信息输入至预设的客户购买能力评估模型中，以使所述客户购买能力评估模型对每一所述客户的购买能力进行评估，获得每一所述客户的购买能力分数；其中，所述客户购买能力模型根据客户的历史通话信息为以及客户的历史消费金额进行构建；

所述商品推荐模块，用于根据购买能力分数从所述若干客户中提取重点客户，继而对所述重点客户进行商品推荐；其中，所述重点客户为购买能力分数超过预设阈值的客户。

进一步的，还包括模型构建模块；所述模型构建模块，用于根据客户的历史消费金额确定客户的购买能力分数；其中，所述购买能力分数与所述历史消费金额呈正相关；以客户的历史通话信息为输入，以客户的购买能力分数为输出基于xgboost算法构建所述客户购买能力模型。

进一步的，所述商品推荐模块对所述重点客户进商品推荐，具体包括：

判断所述重点客户是否为老客户，若是，则获取所述重点客户的历史消费商品信息，向所述重点客户推荐与所述历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述历史消费商品完全一致的商品；

若否，则根据所述重点客户的购买能力分数，选定与购买能力分数相同的老客户，根据所述老客户的第二历史消费商品信息，向所述重点客户推荐与所述第二历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述第二历史消费商品完全一致的商品。

通过实施本发明实施例，具有如下有益效果：

本发明实施例提供了一种基于客户购买能力的商品推荐方法及装置，所述方法首先获取若干客户的当前通话信息，然后将其输入至预设的客户购买能力评估模型，由客户购买能力评估模型根据当前通话信息对各个客户的购买能力进行评估，获得各个用户购买能力分数，然后根据购买能力分数从上述若干客户中挑选出重点客户，对重点客户进行商品推荐。相比与现有技术，本发明能自动从多个客户中选取出购买能力较强的客户，然后针对这些客户进行自动化商品推荐，从而提高了商品推荐效率，降低了人力损耗。

附图说明

图1是本发明一实施例提供的一种基于客户购买能力的商品推荐方法的流程示意图。

图2是本发明一实施例提供的一种基于客户购买能力的商品推荐装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明一实施例提供了一种基于客户购买能力的商品推荐方法，包括：

步骤s101：获取若干客户的当前通话信息；其中，所述当前通话信息包括：通话时段信息、通话时长信息、应答等待时长信息以及通话类型信息；所述通话类型信息包括客户电话呼入比例以及客户电话接听比例；

步骤s102：将每一所述客户的当前通话信息输入至预设的客户购买能力评估模型中，以使所述客户购买能力评估模型对每一所述客户的购买能力进行评估，获得每一所述客户的购买能力分数；其中，所述客户购买能力模型根据客户的历史通话信息以及客户的历史消费金额进行构建；

步骤s103：根据购买能力分数从所述若干客户中提取重点客户，继而对所述重点客户进行商品推荐；其中，所述重点客户为购买能力分数超过预设阈值的客户。

对于步骤s101、客户各个客户的通话信息进行统计，统计维度主要有：通话时段、通话时长、应答等待时长以及通话类型。

通话时段指的是客户在什么时段与营销人员进行了通话，优选在本发明中将8时-11时所进行的通话定义为上午通话时段、将11时-13时所进行的通话定义为中午通话时段、将13时-17时所进行的通话定义为中午通话时段，将17时-22时所进行的通话定义晚上通话时段；通话时长指的是客户与营销人员进行了通话的时长；应答等待时长指的是当营销人员向客户拨打电话时，在等待客户接听的过程中的时长，而上述通话类型指分为两种，一种是客户主动向营销人员拨打电话则此时的通话类型为客户电话呼入，而另一种是营销人员向客户发起通话，则此时的通话类型为客户电话接听；

对于步骤s102、首先对模型的构建进行说明，在一个优选的实施例中，所述客户购买能力模型根据客户的历史通话信息为以及客户的历史消费金额进行构建，具体包括：根据客户的历史消费金额确定客户的购买能力分数；其中，所述购买能力分数与所述历史消费金额呈正相关；以客户的历史通话信息为输入，以客户的购买能力分数为输出基于xgboost算法构建所述客户购买能力模型。

本发明以客户的消费金额来表征客户的购买能力，消费金额与客户的购买能力呈正相关，消费截金额越高代表客户的购买能力越强，消费金额按照一定的比例换算成客户的购买能力分数，通过采集各个客户的历史通话信息以及对应的消费金额获得大量的训练样本，然后通过xgboost算法进行模型训练，构建出客户购买能力模型；获得上述模型后，将当前各个客户的当前通话信息输入到模型中，有模型评估出当前各个客户的购买能力分数。

对于步骤s103、在一个优选的实施例中，所述重点客户进行商品推荐，具体包括：判断所述重点客户是否为老客户，若是，则获取所述重点客户的历史消费商品信息，向所述重点客户推荐与所述历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述历史消费商品完全一致的商品；若否，则根据所述重点客户的购买能力分数，选定与购买能力分数相同的老客户，根据所述老客户的第二历史消费商品信息，向所述重点客户推荐与所述第二历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述第二历史消费商品完全一致的商品。

在得到各个客户的购买能力分数之后，将购买能力分数超过预设阈值(例如是50分)的客户作为上述重点客户，然后进行商品推荐，在进行商品推荐时，对当前客户进行判断，获取当前的客户名称，若在数据库中能够查找到与之名称相同的客户，则判定当前的重点客户为老客户，然后获取其历史消费商品信息，为其推荐完全相同，或类型相同且价格在预设误差范围内的商品，若在数据库中不能够查找到与之名称相同的客户，则判定当前的重点客户为新客户，那么则根据其购买能力分数，选定分数一致的老客户作为相似客户，根据相似客户的历史消费商品信息进行推荐；上述类型相同指的是商品类型相同，例如以前客户买的是“跑步机”则推荐“跑步机”给用户。

在上述方法项实施例的基础上，本发明对应提供了装置项实施例；

如图2所示本发明一实施例提供了一种基于客户购买能力的商品推荐装置，包括：信息获取模块、购买能力评估模块以及商品推荐模块；

所述信息获取模块，用于获取若干客户的当前通话信息；其中，所述当前通话信息包括：通话时段信息、通话时长信息、应答等待时长信息以及通话类型信息；所述通话类型信息包括客户电话呼入比例以及客户电话接听比例；

所述购买能力评估模块，用于将每一所述客户的当前通话信息输入至预设的客户购买能力评估模型中，以使所述客户购买能力评估模型对每一所述客户的购买能力进行评估，获得每一所述客户的购买能力分数；其中，所述客户购买能力模型根据客户的历史通话信息以及客户的历史消费金额进行构建；

所述商品推荐模块，用于根据购买能力分数从所述若干客户中提取重点客户，继而对所述重点客户进行商品推荐；其中，所述重点客户为购买能力分数超过预设阈值的客户。

在一个优选的实施例中，还包括模型构建模块；所述模型构建模块，用于根据客户的历史消费金额确定客户的购买能力分数；其中，所述购买能力分数与所述历史消费金额呈正相关；以客户的历史通话信息为输入，以客户的购买能力分数为输出基于xgboost算法构建所述客户购买能力模型。

在一个优选的实施例中，所述商品推荐模块对所述重点客户进商品推荐，具体包括：判断所述重点客户是否为老客户，若是，则获取所述重点客户的历史消费商品信息，向所述重点客户推荐与所述历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述历史消费商品完全一致的商品；若否，则根据所述重点客户的购买能力分数，选定与购买能力分数相同的老客户，根据所述老客户的第二历史消费商品信息，向所述重点客户推荐与所述第二历史消费商品类型一致且价格差在预设范围内的商品，或向所述重点客户推荐与所述第二历史消费商品完全一致的商品。

需说明的是，上述装置项实施例是与本发明方法项实施例相对应的，其能够实现本发明上述任意一项所述的基于客户购买能力的商品推荐方法。另，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过实施本发明实施例，能够本发明能自动从多个客户中选取出购买能力较强的客户，然后针对这些客户进行自动化商品推荐，从而提高了商品推荐效率，降低了人力损耗。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。