一种基于客户生命周期的精准化推荐方法及装置与流程

本发明涉及业务支撑领域，尤其涉及一种基于客户生命周期的精准化推荐方法及装置。
背景技术：
：随着互联网时代的发展，市场竞争日趋激烈化，客户需求也日益多样化和个性化。在不同行业间，如：电信运营商、互联网公司、大型超市、银行等，每个企业都拥有海量客户的基本信息、业务订购行为记录等。如何让这些数据为企业所用，通过数据挖掘等技术，发挥其潜在的价值，辅助为不同客户制定差异化、个性化的业务推荐方案，并在合适的时间为其精确推荐合适的业务，成为企业客户保有的关键因素。以电信行业为例，现有的精确化推荐技术大都是根据客户当前或者近期的通话行为、消费行为、订购关系等特征数据进行分析和挖掘，进而开展语音、流量或终端推荐活动。且精确化推荐方法都是基于现有数据仓库的数据，包括客户基本信息、客户订购记录、客户语音话单和客户上网记录等，通过这些基础数据，建立客户历史行为模型，挖掘出分类规则，关联分析得到相似客户群，进而有针对性的进行语音套餐、流量套餐或者终端设备的推荐。现有的技术方案至少存在以下缺点：1、数据存储分散，不支持以客户为单位的数据存储，不便于统计客户整个通信周期内的行为；现有数据仓库并不是以客户个体为单位进行数据存储，而是以客户行为作为基础单位进行存储，如数据仓库中的数据均为一条条分散存储的业务订购关系、语音话单、流量话单等记录，这种孤立的数据存储方式，无法对客户自入 网之日起整个通信周期内的行为进行全程的跟踪和关联分析。2、数据存储有固定的存放周期，不利于分析客户整个通信周期内的行为变化趋势；数据仓库中客户数据的存放周期是固定的，如客户话单仅存储最近六个月内的数据等，只能反映客户近期的行为特征，无法得知客户从入网至今的行为变化趋势，包括语音使用时长的变化、流量使用多少的变化等。3、不能反映客户当前所处生命周期的阶段，推荐结果存在片面性。现有推荐方法无法建立完整的客户视图形象，很少有从客户的潜在期、成长期到成熟期再到衰退期这一全生命周期的角度，建立客户阶梯成长管理体系，并开展精确化业务推荐。精准业务推荐并没有真正做到有效识别潜在客户、精确投放推荐消息、引导客户提高品牌依赖、减少客户流失概率等。推荐结果很大程度上存在片面性，难以满足客户实际需求，导致推荐效果差且花费成本较高，同时影响客户感知，降低客户满意度。技术实现要素：为解决上述技术问题，本发明实施例提供了一种基于客户生命周期的精准化推荐方法及装置。本发明实施例提供的基于客户生命周期的精准化推荐方法，包括：建立客户生命周期统一视图；对所述客户生命周期统一视图进行解析，得到客户生命周期特征值，并通过样本集训练更新所述客户生命周期特征值；根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分；查找与所述述客户生命周期特征值相匹配推荐内容，将所述推荐内容推荐给相应的客户群。本发明实施例中，所述建立客户生命周期统一视图，包括：建立映射关系表；根据所述映射关系表，将数据库中存储的基于行为的数据映射到基于客户的数据，形成所述客户生命周期统一视图。本发明实施例中，所述查找与所述述客户生命周期特征值相匹配推荐内容，包括：针对客户生命周期的不同生命周期阶段，查找与所述生命周期阶段对应的推荐内容。本发明实施例中，所述方法还包括，包括：采用k最近邻分类方法，对客户生命周期特征值进行分类；当目标样本与样本集中的k个最相似的样本中超过预订数目的样本属于同一类别时，所述目标样本属于所述k个最相似的样本对应的类别，且所述目标样本具有所述类别的样本特征。本发明实施例中，所述方法还包括，包括：建立样本集，其中，所述样本集存储客户生命周期特征值；对所述样本集进行训练，提取全部客户的生命周期特征值。本发明实施例中，所述根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分；查找与所述述客户生命周期特征值相匹配推荐内容，包括：根据所述客户生命周期特征值，查找与目标客户相似度最高的客户集合；将所述目标客户划分至所述客户集合中；查找与所述客户集合匹配度最高的推荐内容。本发明实施例提供的基于客户生命周期的精准化推荐装置，包括：建立单元，用于建立客户生命周期统一视图；特征值提取单元，用于对所述客户生命周期统一视图进行解析，得到客户生命周期特征值，并通过样本集训练更新所述客户生命周期特征值；客户群划分单元，用于根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分；推荐单元，用于查找与所述述客户生命周期特征值相匹配推荐内容，将所 述推荐内容推荐给相应的客户群。本发明实施例中，所述建立单元，进一步用于：建立映射关系表；根据所述映射关系表，将数据库中存储的基于行为的数据映射到基于客户的数据，形成所述客户生命周期统一视图。本发明实施例中，所述推荐单元，进一步用于：针对客户生命周期的不同生命周期阶段，查找与所述生命周期阶段对应的推荐内容。本发明实施例中，所述装置还包括：分类单元，用于采用k最近邻分类方法，对客户生命周期特征值进行分类；当目标样本与样本集中的k个最相似的样本中超过预订数目的样本属于同一类别时，所述目标样本属于所述k个最相似的样本对应的类别，且所述目标样本具有所述类别的样本特征。本发明实施例中，所述特征值提取单元，进一步用于：建立样本集，其中，所述样本集存储客户生命周期特征值；对所述样本集进行训练，提取全部客户的生命周期特征值。本发明实施例中，所述客户群划分单元，进一步用于：根据所述客户生命周期特征值，查找与目标客户相似度最高的客户集合；将所述目标客户划分至所述客户集合中；所述推荐单元，进一步用于：查找与所述客户集合匹配度最高的推荐内容。本发明实施例的技术方案中，建立客户生命周期统一视图；对所述客户生命周期统一视图进行解析，得到客户生命周期特征值，并通过样本集训练更新所述客户生命周期特征值；根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分；查找与所述述客户生命周期特征值相匹配推荐内容，将所述推荐内容推荐给相应的客户群。可见，本发明实施例改变了现有数据仓库的存储方式，以客户个体作为存储单位，保证可以精准地刻画出客户在整个通信生命周期的视图。同时将客户生命周期特征因子引入推荐算法中，大大提高了推荐的准确性。附图说明图1为本发明实施例的基于客户生命周期的精准化推荐方法的流程示意图；图2为本发明实施例的两级映射关系示意图；图3为当前数据库存储结构示意图；图4为本发明实施例的客户生命周期统一视图的结构图；图5为本发明实施例的客户生命周期示意图；图6为本发明实施例的基于客户生命周期的精准化推荐装置的结构组成示意图。具体实施方式为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。本发明实施例的技术方案，1)建立以客户个体为单位的存储方式；改变现有数据仓库的存储数据方式，以客户个体作为存储单位，存储客户整个生命周期的信息和行为数据，保证进行推荐所需客户信息的完整性。2)将客户生命周期因子，加入到业务推荐算法中，提高推荐的精确程度。比如，将电信客户从入网到离网看作一个生命周期，广义上说，可以将客户订购不同类别产品看做该产品下客户的生命周期，客户的整个生命周期可划分为不同的阶段，处于生命周期不同阶段的客户拥有其特有的行为特征。将客户生命周期因子引入到业务推荐过程中，进而开展精确化营销，为客户推荐接受度高的产品，提高电信企业推荐成功率，提高客户认可度。本发明实施例采用基于客户生命周期因子的精准化推荐方法，来开展精准业务推荐。首先，需要建立客户生命周期统一视图，将每一位客户所有与生命周期相关联的特征均经过两级映射转换为易存储、易识别的数据。然后，基于上述基础数据进行客户生命周期特征值挖掘，并通过样本集训练持续更新特征 值。进而，进行客户群细分，采用基于客户的协同过滤技术，将具有相似兴趣爱好的用户进行划分，其偏好的业务更具有相似性。最后，形成推荐列表，将匹配度最高的产品推荐给最可能需要的客户。本发明实施例的整体流程图参照图1。图1为本发明实施例的基于客户生命周期的精准化推荐方法的流程示意图，如图1所示，所述基于客户生命周期的精准化推荐方法包括以下步骤：步骤101：建立客户生命周期统一视图。本发明实施例中，建立映射关系表；根据所述映射关系表，将数据库中存储的基于行为的数据映射到基于客户的数据，形成所述客户生命周期统一视图。具体地，采用虚拟视图建立客户生命周期统一视图，将数据仓库的存储方式进行了调整，即将基于客户行为的存储方式变更为基于客户个体的方式。为了尽可能减少对数据仓库中实体表的影响，建立了客户生命周期的全局统一视图，采用虚拟视图对客户个体进行映射存储，通过两级映射关系，将客户生命周期所相关的表和相关数据进行关联，通过客户状态的变化触发信令，对数据库表进行相应的增删改操作。参照图2，先提取出客户生命周期的特征(包括客户基本信息，客户状态，客户订购关系，客户行为数据)，建立一个客户生命周期与后台实体表的映射关系表，然后映射关系表建立与后台实体表的联系，使用客户id进行关联。从客户入网就建立这样一组映射关系。当客户的生命周期特征产生变化或者数据库的表产生变化，就触发信令扫描映射关系表，添加或者删除相关联系。当客户离网后，触发信令将该客户的生命周期统一视图进行拍照，同时将该客户的数据库相关记录和相关的映射关系表记录存储到磁盘文件中，删除数据库数据。参照图3，图3为当前数据库存储结构示意图，图3中所存储的数据基于客户的行为进行数据存储。参照表1，表1为映射关系表，映射关系表中描述了各个用户对应的属性，属性可以是客户的基本资料、订购记录等等。序号客户属性1c1p12c2p2………………ncnpn表1运用虚拟视图技术，通过建立两级映射关系，形成了客户生命周期统一视图，此时数据存储结构参照图4，存储的数据基于客户个体为单位。步骤102：对所述客户生命周期统一视图进行解析，得到客户生命周期特征值，并通过样本集训练更新所述客户生命周期特征值。本发明实施例中，采用k最近邻分类方法，对客户生命周期特征值进行分类；当目标样本与样本集中的k个最相似的样本中超过预订数目的样本属于同一类别时，所述目标样本属于所述k个最相似的样本对应的类别，且所述目标样本具有所述类别的样本特征。本发明实施例中，建立样本集，其中，所述样本集存储客户生命周期特征值；对所述样本集进行训练，提取全部客户的生命周期特征值。步骤103：根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分。本发明实施例中，根据所述客户生命周期特征值，查找与目标客户相似度最高的客户集合；将所述目标客户划分至所述客户集合中。如前所述，已经建立好客户生命周期的数据存储机制，因此可以得到客户从入网到现在的所有数据，进而提取出客户生命周期这个关键性因子，作为推荐算法的条件之一。建立一个推荐算法模型，输入为客户的所有数据和推荐目标，定义计算规则，得到客户的生命周期指标因子，再将这些信息作为触发条件，进行相应的推荐。首先，对客户生命周期特征进行分类：采用k最近邻分类方法，对未知客 户的生命周期进行特征分类。如果一个样本在特征集中的k个最相似的样本中的大多数属于同一个类别，则该样本也属于这个类别，并具有这个类别上的样本的特征。首先，建立一个样本集，其中，样本集存储的是客户及其所在生命周期的特征值；以电信行业为例：流量产品成长期客户的特征可能包含：连续每月订购流量套餐，且每月使用流量呈现递增趋势等。其次，对样本集进行训练学习，从而将全量客户的生命周期特征提取出来，并输出结果，即客户在不同产品上的生命周期因子特征值，作为后续推荐算法的输入参数。分类的具体实现步骤如下：初始化距离为最大值；计算未知样本和每个训练样本的距离d：得到目前k个最临近样本中的最大距离maxd；如果d小于maxd，则将该训练样本作为k-最近邻样本；重复步骤2、3、4，直到未知样本和所有训练样本的距离都算完；统计k-最近邻样本中每个类标号cycle出现的次数；选择出现频率最大的类标号cycle作为未知样本的类标号cycle。然后，对客户群进行划分：采用基于客户的协同过滤技术进行客户群细分，结合模块1得出的客户生命周期特征值这一结果，开展精准化推荐。其核心思想是：相似客户喜欢的东西也可能是相似的。即：如果一个客户想要读一本书，但是并没有固定的方向，那么这个客户可以求助于身边的朋友或者上豆瓣读书等网站看看有没有什么好的推荐，一般客户往往会选择和自己品味相近的朋友的推荐。具体实现步骤如下：找到与目标客户兴趣相似的客户集合；采用修正后的余弦相似度方法，计算目标客户与其他客户之间的相似度，设n(u)为客户u喜欢的产品集合，n(v)为客户v喜欢的产品集合，cycle(u)为客 户u所处的生命周期特征值，cycle(v)为客户v所处的生命周期特征值，那么u和v的相似度为：其中，μ代表cycle(u)与cycle(v)的算术平均值。将上述计算得出的客户生命周期特征值cycle，作为一个因子，加入到整体的推荐方案中，有助于提高客户相似度的计算准确度，生命周期特征值更相似的客户，兴趣相似的概率会更高一些。步骤104：查找与所述述客户生命周期特征值相匹配推荐内容，将所述推荐内容推荐给相应的客户群。本发明实施例中，针对客户生命周期的不同生命周期阶段，查找与所述生命周期阶段对应的推荐内容。具体地，客户生命周期是指一个客户对企业而言是有类似生命一样的诞生、成长、成熟、衰老、死亡的过程。具体到不同的行业定义也不同，如在电信行业，所谓客户生命周期，是指客户从成为电信公司的客户并开始产生业务消费开始、消费成长、消费稳定、消费下降，最后离网的过程。我们可以将客户整个生命周期划分为不同的阶段，位于生命周期不同阶段的客户，其行为具有不同的特征。潜在期阶段，客户可能刚刚入网不久抑或刚刚订购一些业务种类；成长期阶段，语音、通用无线分组业务(gprs，generalpacketradioservice)等业务使用量迅速增长，不断订购新的业务列表；而成熟期则表现为客户的各类业务使用量呈现较为平稳的趋势，订购关系不会发生大的变更；衰退期，客户的各类业务使用量开始迅速下降，连续取消多项业务订购关系等。参照图5，图5为本发明实施例的客户生命周期示意图，根据客户生命周期发展图可看出，根据客户所处生命周期的不同阶段，可针对性地制定业务推荐策略，进行客户精准化营销和客户的维系及挽留工作，从事后挽留向事中、事前挽留转变，从而提升客户的终生价值及忠诚度。当客户处于成长期和成熟 期间，可采取二次推荐方式延长客户在网使用时间，增强客户使用黏性；当客户处于衰退期间，有离网倾向时，可采取个性化地业务赠送或者活动折扣等手段，促使客户恢复服务，提高客户满意和忠诚度。本方案中的客户生命周期是一个较为宽泛的概念，不仅仅指的是针对入网整个行业的生命周期，而且包含不同产品的生命周期，即不同语音套餐、流量套餐的订购生命周期、或者不同终端系列的使用生命周期等。客户在入网后，对于不同的产品，可以对应不同的产品生命周期阶段，分别可以用来针对不同的产品进行精准化推荐。客户所处的生命周期阶段，对于企业开展精准化业务推荐有重要的参考价值，会大大提高推荐业务与客户实际需求的匹配程度，增大精准化推荐后业务办理成功率和使用率。推荐内容时，找到客户集合中客户喜欢的、且最大程度上能够匹配客户当前实际需求的产品列表：首先需要从矩阵中找出与目标客户u最相似的k个客户，用集合s(u,k)表示，将s中客户喜欢的产品全部提取出来，并去除u已经喜欢的产品。对于每个候选产品i，客户u对它感兴趣的程度用如下公式计算：其中，rvi表示客户v对i的喜欢程度。假设我们要给a推荐产品，选取k＝3个相似客户，相似客户假设为：b、c、d，根据客户生命周期统一视图可知，他们喜欢的且a未订购过的产品有：c、e，那么分别计算p(a,c)和p(a,e)的取值，计算方法如下：p(a,c)＝wab+wadp(a,e)＝wac+wad比较p(a,c)和p(a,e)的值大小，然后选取爱好程度即取值更高的产品推荐给客户a，推荐成功的概率更高，客户接受度和满意度更好。根据上述步骤产生的客户偏好和目标产品的信息，得到客户对其相似客户所订购产品喜好程度较高的产品列表，以此为客户推荐与客户偏好相似的产品。本发明实施例的技术方案，按客户生命周期进行数据存储分类，增强了数据的分析价值；将客户生命周期作为一个标签加入推荐算法中，完善了推荐算法的孤立性，统筹分析了客户不同周期的数据及特征，极大地提升了推荐准确性，提高了推荐命中率和实际购买率，有效进行了客户保有。按照客户生命周期理论，针对处于不同周期的客户，能够根据其关键性特征挖掘出潜在未知的偏好，将最合适的产品推荐给最需要的客户。图6为本发明实施例的基于客户生命周期的精准化推荐装置的结构组成示意图，如图6所示，所述基于客户生命周期的精准化推荐装置包括：建立单元61，用于建立客户生命周期统一视图；特征值提取单元62，用于对所述客户生命周期统一视图进行解析，得到客户生命周期特征值，并通过样本集训练更新所述客户生命周期特征值；客户群划分单元63，用于根据所述客户生命周期特征值，采用基于客户的协同过滤方法进行客户群划分；推荐单元64，用于查找与所述述客户生命周期特征值相匹配推荐内容，将所述推荐内容推荐给相应的客户群。所述建立单元61，进一步用于：建立映射关系表；根据所述映射关系表，将数据库中存储的基于行为的数据映射到基于客户的数据，形成所述客户生命周期统一视图。所述推荐单元64，进一步用于：针对客户生命周期的不同生命周期阶段，查找与所述生命周期阶段对应的推荐内容。所述装置还包括：分类单元65，用于采用k最近邻分类方法，对客户生命周期特征值进行分类；当目标样本与样本集中的k个最相似的样本中超过预订数目的样本属于同一类别时，所述目标样本属于所述k个最相似的样本对应的类别，且所述目标样本具有所述类别的样本特征。所述特征值提取单元62，进一步用于：建立样本集，其中，所述样本集存储客户生命周期特征值；对所述样本集进行训练，提取全部客户的生命周期特征值。所述客户群划分单元63，进一步用于：根据所述客户生命周期特征值，查找与目标客户相似度最高的客户集合；将所述目标客户划分至所述客户集合中；所述推荐单元64，进一步用于：查找与所述客户集合匹配度最高的推荐内容。本领域技术人员应当理解，图6所示的基于客户生命周期的精准化推荐装置中的各单元的实现功能可参照前述基于客户生命周期的精准化推荐方法的相关描述而理解。本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。在本发明所提供的几个实施例中，应该理解到，所揭露的方法和智能设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。另外，在本发明各实施例中的各功能单元可以全部集成在一个第二处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到 变化或替换，都应涵盖在本发明的保护范围之内。当前第1页12