挖掘潜在客户的方法及装置与流程

本发明涉及互联网领域，具体而言，涉及一种挖掘潜在客户的方法及装置。

背景技术：

企业一般采用分析模型进行客户关系管理(Customer Relationship Management，简称为CRM)分析。通过CRM分析，企业可以精准地掌握客户价值和客户创利能力，从而制定合理的营销策略，对潜在客户投放有针对性的广告，争取以最少投资换取最大营销利润。

在相关技术中，分析CRM时，仅仅针对浏览该企业的网页的非客户来挖掘潜在客户，对于没有浏览该企业的网页，但对该企业的商品感兴趣的其他客户，则不起作用。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种挖掘潜在客户的方法及装置，以至少解决相关技术中由于仅仅依据浏览某个企业的网页的非客户来挖掘潜在客户而造成的不能全面、充分地挖掘潜在客户的技术问题。

根据本发明实施例的一个方面，提供了一种挖掘潜在客户的方法，包括：获取购买了目标商品的客户群的特征属性信息和对上述目标商品感兴趣的访客的特征属性信息；根据上述访客的特征属性信息与上述客户群的特征属性信息的相似度确定上述访客是否是上述目标商品的潜在客户。

进一步地，获取对上述目标商品感兴趣的访客的特征属性信息包括：在全网络范围内获取对上述目标商品感兴趣的上述访客的特征属性信息。

进一步地，根据上述访客的特征属性信息与上述客户群的特征属性信息的相似度确定上述访客是否是上述目标商品的潜在客户包括：判断上述访客的特征属性信息与上述客户群的特征属性信息的上述相似度是否大于预设的相似度阈值；在判断结果为是的情况下，确定上述访客是上述目标商品的上述潜在客户。

进一步地，在确定上述访客是上述目标商品的上述潜在客户之后，上述方法还包括：向确定出的上述目标商品的上述潜在客户推送针对上述目标商品的营销信息。

进一步地，获取购买了目标商品的客户群的特征属性信息包括：获取购买了上述目标商品的高价值客户群的特征属性信息，其中，上述高价值客户群为其中各个客户的消费行为频率金额RFM评分高于预设评分或者上述各个客户在上述RFM评分队列中的排名满足预设名次的客户的集合。

进一步地，上述高价值客户群中有N个高价值客户，N为自然数，在根据上述访客的特征属性信息与上述高价值客户群的特征属性信息的相似度确定出上述访客中针对上述目标商品的潜在客户之后，上述方法还包括：对上述N个高价值客户的RFM评分求和，得到总RFM值；将上述N个高价值客户中每个高价值客户的RFM评分除以上述总RFM值，得到上述N个高价值客户中每个高价值客户的权重值；根据营销预算确定可投放广告的潜在客户总人数M，M为自然数；根据上述N个高价值客户中每个高价值客户的权重值和上述可投放广告的潜在客户总人数M确定上述N个高价值客户中每个高价值客户对应的广告受众数；按照确定出的上述N个高价值客户中每个高价值客户对应的广告受众数对上述目标商品的潜在客户投放广告。

根据本发明实施例的另一方面，还提供了一种挖掘潜在客户的装置，包括：获取单元，用于获取购买了目标商品的客户群的特征属性信息和对上述目标商品感兴趣的访客的特征属性信息；第一确定单元，用于根据上述访客的特征属性信息与上述客户群的特征属性信息的相似度确定上述访客是否是上述目标商品的潜在客户。

进一步地，上述获取单元包括：第一获取模块，用于在全网络范围内获取对上述目标商品感兴趣的上述访客的特征属性信息。

进一步地，上述第一确定单元包括：判断模块，用于判断上述访客的特征属性信息与上述客户群的特征属性信息的上述相似度是否大于预设的相似度阈值；确定模块，用于在判断结果为是的情况下，确定上述访客是上述目标商品的上述潜在客户。

进一步地，上述装置还包括：推送单元，用于在确定上述访客是上述目标商品的上述潜在客户之后，向确定出的上述目标商品的上述潜在客户推送针对上述目标商品的营销信息。

进一步地，上述获取单元包括：第二获取模块，用于获取购买了上述目标商品的高价值客户群的特征属性信息，其中，上述高价值客户群为其中各个客户的消费行为频率金额RFM评分高于预设评分或者所述各个客户在上述RFM评分队列中的排名满足预设名次的客户的集合。

进一步地，上述高价值客户群中有N个高价值客户，N为自然数，上述装置还包括：第一计算单元，用于在根据上述访客的特征属性信息与上述高价值客户群的特征属性信息的相似度确定出上述访客中针对上述目标商品的潜在客户之后，对上述N个高价值客户的RFM评分求和，得到总RFM值；第二计算单元，用于将上述N个高价值客户中每个高价值客户的RFM评分除以上述总RFM值，得到上述N个高价值客户中每个高价值客户的权重值；第二确定单元，用于根据营销预算确定可投放广告的潜在客户总人数M，M为自然数；第三确定单元，用于根据上述N个高价值客户中每个高价值客户的权重值和上述可投放广告的潜在客户总人数M确定上述N个高价值客户中每个高价值客户对应的广告受众数；投放单元，用于按照确定出的上述N个高价值客户中每个高价值客户对应的广告受众数对上述目标商品的潜在客户投放广告。

在本发明实施例中，采用针对所有的对某一种或者某一类商品感兴趣的网络访客进行全网挖掘上述商品的潜在客户的方式，通过获取购买了目标商品的客户群的特征属性信息和对目标商品感兴趣的访客的特征属性信息；根据访客的特征属性信息与客户群的特征属性信息的相似度确定访客是否是目标商品的潜在客户，达到了扩大的潜在客户的挖掘范围的目的，从而实现了全面、充分地挖掘相关商品的潜在客户的技术效果，进而解决了相关技术中由于仅仅依据浏览某个企业的网页的非客户来挖掘潜在客户而造成的不能全面、充分地挖掘潜在客户的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的挖掘潜在客户的方法的流程图；以及

图2是根据本发明实施例的一种可选的挖掘潜在客户的装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第 二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种挖掘潜在客户的方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种可选的挖掘潜在客户的方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取购买了目标商品的客户群的特征属性信息和对目标商品感兴趣的访客的特征属性信息；

步骤S104，根据访客的特征属性信息与客户群的特征属性信息的相似度确定访客是否是目标商品的潜在客户。

实施时，可以从CRM平台读取CRM数据，并根据CRM数据确定出购买了某种或者某类商品的客户，同时确定这些客户的共同的特征属性信息，即客户群的特征属性信息。其中，每个客户的特征属性信息包括自然属性信息和社会属性信息。进一步，自然属性信息可以包括：客户的性别、年龄等信息；社会属性信息可以包括：客户的职业、年薪、所在城市、常购物板块、常浏览的网站类型等信息。

可选地，在CRM平台中，可以使用多维度的用户画像标签(即，特征标签)描述各个客户的特征属性信息，进一步，为了便于机器识别这种特征属性信息，可以使用数值化的用户画像标签。

具体地，在CRM平台中，每个客户的特征属性信息就是通过综合客户的性别、年龄等自然属性信息与根据线上客户数据得到的客户的社会属性信息得到的。其中，当CRM平台中记录的客户的特征属性信息与线上的客户的特征属性信息重合时，那么优先使用CRM平台中记录的客户的特征属性信息。综合后得到能够全面描述客户特点的文本标签(即特征标签)，并将文本标签数值化，从而得到每个客户的客户特征向量。同理，可以得到对目标商品感兴趣的访客的特征属性信息(即线上客户的特征属性信 息)对应的访客特征向量。进一步，在得到前述的两个特征向量之后，可以通过以下方式之一确定访客的特征属性信息与客户群的特征属性信息的相似度：方式1，在对应维度上依次比较前述两个特征向量的向量值，并记录向量值相等的维度数；由记录的向量值相等的维度数除以访客特征向量的总维度数，得到访客的特征属性信息与客户群的特征属性信息的相似度，其中，访客特征向量与客户特征向量为同纬度特征向量；方式2，可以通过前述两个特征向量的余弦相似度来确定访客的特征属性信息与客户群的特征属性信息的相似度。

比如，假设客户A的特征标签为[性别：男性，职业：IT，年薪：30万，年龄：32，所在城市：深圳，团购达人，常购物板块：家居、家电、数码产品、烟酒，常浏览的网站类型：汽车、体育、财经]，那么该客户A的数值化的特征标签可以为[1,1,0,1,…]。

通过上述步骤，可以实现依据对目标商品感兴趣的所有网络访客的特征属性信息与该目标商品的已有客户的特征属性信息去发现并挖掘线上的潜在客户的目的，即利用相似性，由已知客户发掘线上的潜在客户，达到了扩大的潜在客户的挖掘范围的目的，从而实现了全面、充分地挖掘相关商品的潜在客户的技术效果。

可选地，获取对目标商品感兴趣的访客的特征属性信息包括：

S2，在全网络范围内获取对目标商品感兴趣的访客的特征属性信息。

实施时，可以根据在线营销效果优化和用户行为分析(Web Dissector，简称为WD)系统，通过对全网络进行监听，以获取全网范围内的线上用户的行为数据，并利用数据挖掘算法得到每个线上用户的用户特征向量，其中，此处每个线上用户的特征向量的向量格式均与上述的客户的特征向量的向量格式一致。需要说明的是，该WD系统将专业的OLAP数据挖掘技术应用于在线营销效果的度量、分析以及点击欺诈监测，使其可以精确地监测页面上每一个像素的流量、转化和销售效果等指标。

通过本发明实施例，在全网范围内发现并挖掘某一种或者某一类商品的潜在客户，避免了相关技术中由于仅仅依据浏览了某一企业的相关网页的访客去发现并挖掘线上的潜在客户而导致无法全面、充分地挖掘出相关商品的所有潜在客户的缺陷。

由于客户群的特征属性信息以及对某一种或者某一类商品感兴趣的访客的特征属性信息都可以量化为对维度的参数，即可以量化为相应的特征向量，因此，应该在特征向量的各个维度上对比上述两种特征属性信息之间的相似性。可选地，根据访客的特征属性信息与客户群的特征属性信息的相似度确定访客是否是目标商品的潜在客户包括：

S4，判断访客的特征属性信息与客户的特征属性信息的相似度是否大于预设的相似度阈值；

S6，在判断结果为是的情况下，确定访客是目标商品的潜在客户。

通过本发明实施例，可以简化确定相关访客是否是某一种或者某一类商品的潜在客户的步骤，达到快速确定其是否是潜在客户的目的。

另外，在根据访客的特征属性信息与客户群的特征属性信息的相似度确定访客是否是目标商品的潜在客户时，还可以判断上述两种特征属性信息在某个或者某些特定维度上是否相同。若相同，则认为上述访客是该目标商品的潜在客户；若不同，则认为上述访客不是该目标商品的潜在客户。

可选地，在确定访客是目标商品的潜在客户之后，上述方法还包括：

S8，向确定出的目标商品的潜在客户推送针对目标商品的营销信息。例如，可以向这些潜在客户投放广告等。

通过本发明实施例，采用有针对性的精准地推送营销信息(如投放广告)等网络营销模式，可以合理分配企业营销资源，使潜在客户转化为新客户，为公司创造更大利润。

可选地，获取购买了目标商品的客户的特征属性信息包括：

S10，获取购买了目标商品的高价值客户群的特征属性信息，其中，高价值客户群为其中(即高价值客户群中)各个客户消费行为(Recency)频率(Frequency)金额(Monetary)(简称为RFM)评分高于预设评分或者在RFM评分队列中的排名满足预设名次的客户的集合。

通过本发明实施例，可以依据高价值客户群的特点，并基于经验分数和联系分数来挖掘潜在客户，实现确定最可靠的潜在客户的目的，进而达到在节约营销预算的情况下有的放矢地投放广告的效果。

可选地，高价值客户群中有N个高价值客户，N为自然数，在根据访客的特征属性信息与高价值客户群的特征属性信息的相似度确定出访客中针对目标商品的潜在客户之后，方法还包括：

S12，对N个高价值客户的RFM评分求和，得到总RFM值；

S14，将N个高价值客户中每个高价值客户的RFM评分除以总RFM值，得到N个高价值客户中每个高价值客户的权重值；

S16，根据营销预算确定可投放广告的潜在客户总人数M，M为自然数；

S18，根据N个高价值客户中每个高价值客户的权重值和可投放广告的潜在客户总人数M确定N个高价值客户中每个高价值客户对应的广告受众数；

S20，按照确定出的N个高价值客户中每个高价值客户对应的广告受众数对目标商品的潜在客户投放广告。

通过本发明实施例，可以按照高价值客户群中，各高价值客户所占的比重，即各高价值客户的权重值，并结合实际的营销预算情况，有针对性的向潜在客户投放广告，进而可以避免因盲目投放广告而造成损失。

以下通过一个具体实施例详细阐述本发明：

1.1、在从CRM平台中获取到所有客户的消费记录数据后，将这些数据导入RFM模型进行数据分析，其中，RFM模型为用于分析客户价值和客户创利能力的工具；

1.2、RFM模型根据导入的数据并使用客户的近期消费行为、消费频率以及消费金额三项指标来描述客户的价值状况，即，根据导入的数据分析各客户的最近消费行为、消费频率和消费总金额三个指标，计算出各客户的RFM评分；

1.3、将所有客户按照各自的RFM评分从高到低排序，其中，RFM评分越高表示对应客户的客户价值越高，RFM评分越低表示对应客户的客户价值越低；

1.4、按α％的比例截取RFM评分最高的N个客户作为高价值客户代表；

1.5、对于每个高价值客户，从WD系统获取其全网线上行为数据；

1.6、根据每个高价值客户的全网线上行为数据，利用数据挖掘算法自动为每个高价值客户打上兴趣爱好、关注行业、消费意向等用户画像标签(即，特征标签)；

1.7、将CRM平台中的客户性别、年龄等特征属性信息与根据客户的全网线上行为数据得到的用户画像标签进行综合，当CRM平台中的客户的特征属性信息和该客户的用户画像标签重合时，优先使用CRM平台的客户的特征属性信息；

1.8、对综合后得到的全面描述客户特点的文本标签数值化，从而得到每个高价值客户的客户特征向量；

1.9、根据WD系统的线上用户全网行为数据，利用数据挖掘算法得到每个线上用户的用户特征向量，其向量格式与高价值客户的客户特征向量格式一致；

2.0、将N个高价值客户的RFM评分求和得到总RFM值，并将每个高价值客户的 RFM评分除以总RFM值，得到每个高价值客户的权重值；

2.1、根据营销预算确定可以投放广告的总人数M；

2.2、对于每个高价值客户，将投放广告的总人数乘以该高价值客户的权重值，计算得到以该高价值客户为基础投放广告的受众数量M_i,i＝1,2,…,N，

2.3、对于每个高价值客户，从RFM评分值最的高价值客户开始，根据特征向量余弦相似度，找出所有线上用户中与该高价值客户最相似的M_i个用户作为广告投放对象，最相似用户的查找过程应剔除前期已被选中的用户；

2.4、向所有被选中的线上用户进行定向广告投放。

实施例2

根据本发明实施例，提供了一种挖掘潜在客户的装置的实施例。

图2是根据本发明实施例的一种可选的挖掘潜在客户的装置的示意图，如图2所示，该装置包括：获取单元202，用于获取购买了目标商品的客户的特征属性信息和对目标商品感兴趣的访客的特征属性信息；第一确定单元204，用于根据访客的特征属性信息与客户的特征属性信息的相似度确定访客是否是目标商品的潜在客户。

实施时，可以从CRM平台读取CRM数据，并根据CRM数据确定出购买了某种或者某类商品的客户，同时确定这些客户的共同的特征属性信息，即客户群的特征属性信息。其中，每个客户的特征属性信息包括自然属性信息和社会属性信息。进一步，自然属性信息可以包括：客户的性别、年龄等信息；社会属性信息可以包括：客户的职业、年薪、所在城市、常购物板块、常浏览的网站类型等信息。

可选地，在CRM平台中，可以使用多维度的用户画像标签(即，特征标签)描述各个客户的特征属性信息，进一步，为了便于机器识别这种特征属性信息，可以使用数值化的用户画像标签。

具体地，在CRM平台中，每个客户的特征属性信息就是通过综合客户的性别、年龄等自然属性信息与根据线上客户数据得到的客户的社会属性信息得到的。其中，当CRM平台中记录的客户的特征属性信息与线上的客户的特征属性信息重合时，那么优先使用CRM平台中记录的客户的特征属性信息。综合后得到能够全面描述客户特点的文本标签(即特征标签)，并将文本标签数值化，从而得到每个客户的客户特征向量。

比如，假设客户A的特征标签为[性别：男性，职业：IT，年薪：30万，年龄：32，所在城市：深圳，团购达人，常购物板块：家居、家电、数码产品、烟酒，常浏 览的网站类型：汽车、体育、财经]，那么该客户A的数值化的特征标签可以为[1,1,0,1,…]。

通过上述步骤，可以实现依据对目标商品感兴趣的所有网络访客的特征属性信息与该目标商品的已有客户的特征属性信息去发现并挖掘线上的潜在客户的目的，即利用相似性，由已知客户发掘线上的潜在客户，达到了扩大的潜在客户的挖掘范围的目的，从而实现了全面、充分地挖掘相关商品的潜在客户的技术效果。

可选地，获取单元包括：第一获取模块，用于在全网络范围内获取对目标商品感兴趣的访客的特征属性信息。

实施时，可以根据WD系统获取的全网范围内的线上用户的行为数据，利用数据挖掘算法得到每个线上用户的用户特征向量，其中，此处每个线上用户的特征向量的向量格式均与上述的客户的特征向量的向量格式一致。

通过本发明实施例，在全网范围内发现并挖掘某一种或者某一类商品的潜在客户，避免了由于仅仅依据浏览了某一企业的相关网页的访客去发现并挖掘线上的潜在客户而导致无法全面、充分地挖掘出相关商品的所有潜在客户的缺陷。

由于客户群的特征属性信息以及对某一种或者某一类商品感兴趣的访客的特征属性信息都可以量化为对维度的参数，即可以量化为相应的特征向量，因此，应该在特征向量的各个维度上对比上述两种特征属性信息之间的相似性。可选地，第一确定单元包括：判断模块，用于判断访客的特征属性信息与客户的特征属性信息的相似度是否大于预设的相似度阈值；确定模块，用于在判断结果为是的情况下，确定访客是目标商品的潜在客户。

通过本发明实施例，可以简化确定相关访客是否是某一种或者某一类商品的潜在客户的步骤，达到快速确定其是否是潜在客户的目的。

另外，在根据访客的特征属性信息与客户群的特征属性信息的相似度确定访客是否是目标商品的潜在客户时，还可以判断上述两种特征属性信息在某个或者某些特定维度上是否相同。若相同，则认为上述访客是该目标商品的潜在客户；若不同，则认为上述访客不是该目标商品的潜在客户。

可选地，上述装置还包括：推送单元，用于在确定访客是目标商品的潜在客户之后，向确定出的目标商品的潜在客推送针对目标商品的营销信息。

通过本发明实施例，采用有针对性的精准地推送营销信息(如投放广告)等网络营销模式，可以合理分配企业营销资源，使潜在客户转化为新客户，为公司创造更大 利润。

可选地，获取单元包括：第二获取模块，用于获取购买了目标商品的高价值客户的特征属性信息，其中，高价值客户为消费行为频率金额RFM评分高于预设评分或者在RFM评分队列中的排名满足预设名次的客户。

通过本发明实施例，可以依据高价值客户群的特点，并基于经验分数和联系分数来挖掘潜在客户，实现确定最可靠的潜在客户的目的，进而达到在节约营销预算的情况下有的放矢地投放广告的效果。

可选地，高价值客户群中有N个高价值客户，N为自然数，上述装置还包括：第一计算单元，用于在根据访客的特征属性信息与高价值客户群的特征属性信息的相似度确定出访客中针对目标商品的潜在客户之后，对N个高价值客户的RFM评分求和，得到总RFM值；第二计算单元，用于将N个高价值客户中每个高价值客户的RFM评分除以总RFM值，得到N个高价值客户中每个高价值客户的权重值；第二确定单元，用于根据营销预算确定可投放广告的潜在客户总人数M，M为自然数；第三确定单元，用于根据N个高价值客户中每个高价值客户的权重值和可投放广告的潜在客户总人数M确定N个高价值客户中每个高价值客户对应的广告受众数；投放单元，用于按照确定出的N个高价值客户中每个高价值客户对应的广告受众数对目标商品的潜在客户投放广告。

通过本发明实施例，可以按照高价值客户群中，各高价值客户所占的比重，即各高价值客户的权重值，并结合实际的营销预算情况，有针对性的向潜在客户投放广告，进而可以避免因盲目投放广告而造成损失。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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 多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅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，这些改进和润饰也应视为本发明的保护范围。