通信场景电显名片的客户线下分群及线上分析方法与流程

本发明涉及智能呼叫领域，更具体地，涉及通信场景电显名片的客户线下分群及线上分析方法。

背景技术：

1、电显名片是手机终端显示来电缘由的一种通信领域特色的产品。手机用户均通过通话界面显示的名片对该来电选择性接通。企业用户可选择全量发送电显名片，但对于每日千万级通呼叫业务场景，电显名片成本日益明显，从而影响其企业收益。为此，产品对手机用户采取智能发送电显名片的策略有利于提升呼叫接通率(被叫用户接通电话概率)，且降低成本。现有的电显名片不仅缺少特征工程变量的精准选择，且未考虑客户的行为变迁的特点，无法针对精准客户提供准确发送策略，只能采取全量发送或者随机发送方式，增加企业的成本，尤其每日千万通呼叫的物流企业的成本问题更加显著。

技术实现思路

1、本发明旨在克服上述现有技术的至少一种缺陷，提供通信场景电显名片的客户线下分群及线上分析方法，用于解决。

2、本发明采用的技术方案包括：

3、第一方面，本发明提供一种通信场景电显名片的客户线下分群方法，包括：抽取当前至历史周期t内的样本通信话单数据和产品应用日志数据；将样本通信话单数据和应用日志数据进行特征处理，获得标准化数据；将标准化数据进行最大最小化处理，构建对应的标准rans向量；选取n个标准rans向量并采用符合数据分布的kmeans++算法进行聚类，得到k个聚类质心；根据k个聚类质心确定k个客户分群标签；建立k个聚类质心与k个客户分群标签的映射关系。

4、本发明提供的通信场景电显名片的客户线下分群方法，基于大量的样本通信话单数据以及产品应用日志数据，通过聚类算法得到k个聚类质心及其对应的簇，每个簇可对应有一个客户分群标签，在建立映射关系后，可快速通过客户分群标签确定客户类型，从而利于后续基于客户分群标签反馈相应的产品策略(电显名片的具体发送方式等)，提高呼叫接通率并降低电显名片的使用成本。

5、进一步，将标准化数据进行最大最小化处理，构建对应的标准rans向量，具体包括：标准化数据包括4种变量，分别为r、n、a、s；根据对每个标准化数据进行最大最小化处理；其中，r’、n’、a’和s’为构建的标准rans向量的4种变量数据，r、n、a、s为标准化数据中的4种变量数据，minr、minn、mina、mins为标准化数据的4种变量的最小值，maxr、maxn、maxa、maxs为标准化数据的4种变量的最大值。

6、标准化数据包括4种变量，分别为r、n、a、s，分别表示应答率、最后一次通话时间、统计周期内平均通话时长和产品触达占比。对每个标准化数据进行最大最小化处理后，可构建出标准的rans向量，从而进行更加精准的聚类分析。

7、进一步，选取n个标准rans向量，采用符合数据分布的kmeans++算法进行聚类，具体包括：当所选取的标准rans向量个数为n，聚类簇树的数量为k，最大迭代次数为m时，执行以下步骤进行聚类：输入的标准rans向量的集合为x＝{x1，x2，x3，...xn}，输出的聚类结果为c＝{c1，c2，c3，...cn}。步骤a：随机选择k个标准rans向量作为k个临时聚类中心μj；步骤b：对于输入集合中的每一个xi，根据计算xi与临时聚类中心μj的距离d(xi)；步骤c：选取d(x)数值较大对应的x可作为一个聚类质心；步骤d：重复步骤b和步骤c直至选择出k个聚类质心μj；步骤e：利用已确定的k个聚类质心作为初始化质心μj；在确定k个初始化质心μj后，对于迭代次数m＝1，2，3，...根据dist(xi，μj)＝1-cos(xi，μj)计算每个标准rans向量xi到每个初始化质心μj的余弦距离dist(xi，μj)，确定每个xi的最短的余弦距离dist(xi，μj)对应的初始化质心μj，将xi标记为已确定的初始化质心μj所对应的簇；输出聚类结果。

8、基于标准rans向量之间的距离，多次计算后可得k个聚类质心，将标准rans向量归类到各个聚类质心对应的簇，完成聚类分析。

9、进一步，根据k个聚类质心确定k个客户分群标签，具体包括：确定所选取的n个标准rans向量对应的4种变量的均值ravg、navg、aavg、savg；将4种变量的均值ravg、navg、aavg、savg与k个聚类质心对应的4种变量的数值进行比较，根据比较结果确定k个聚类质心的k个客户分群标签。

10、基于标准rans向量对应的4种变量的均值，作为客户分群标签的判断阈值，将k个聚类质心对应的4种变量的值与均值进行比较，从而确定k个客户分群标签。

11、进一步，k的值为7；根据比较结果确定k个聚类质心的k个客户分群标签，具体包括：若rk>ravg，nk>navg，ak>aavg，sk>savg，将满足条件的聚类质心对应的客户分群标签确定为远期内高响应客群；若rk>ravg，nk>navg，ak>aavg，sk<savg，将满足条件的聚类质心对应的客户分群标签确定为远期内高价值客户；若rk<ravg，nk<navg，ak<aavg，sk>savg，将满足条件的聚类质心对应的客户分群标签确定为近期内低响应客户；若rk<ravg，nk>navg，ak<aavg，sk>savg，将满足条件的聚类质心对应的客户分群标签确定为远期内低响应客户；若rk>ravg，nk<navg，ak>aavg，sk>savg，将满足条件的聚类质心对应的客户分群标签确定为近期内高响应客户；若rk<ravg，nk>navg，ak<aavg，sk<savg，将满足条件的聚类质心对应的客户分群标签确定为潜在客户；若rk>ravg，nk<navg，ak>aavg，sk<savg，将满足条件的聚类质心对应的客户分群标签确定为近期内高价值客户；其中，rk、nk、ak、sk为聚类质心的4种变量数据。

12、确定客户分群标签后，客户分群标签可直接用于决定向客户反馈的具体产品策略，在提高被叫用户接通电话概率的同时，保持较低的企业成本。

13、第二方面，本发明提供一种通信场景电显名片的客户分群线上分析方法，包括：确定目标客户为历史客户或新客户；当确定目标客户为历史客户时，获取已分配至历史客户的客户分群标签，反馈已分配的客户分群标签对应的产品策略；当确定目标客户为新客户时，获取新客户对应的标准rans向量，确定新客户的标准rans向量与每个由上述的通信场景电显名片的客户分群方法确定的k个聚类质心的距离，确定距离最小的聚类质心；确定新客户的标准rans向量与初始聚类结果对应的簇内其他向量之间的距离，根据所确定的距离确定是否需要重启离线聚类，如是，则基于新客户的标准rans向量重新执行上述的采用符合数据分布的kmeans++算法进行聚类的步骤，重新发布新的聚类质心，确定与新客户的标准rans向量距离最小的聚类质心对应的客户分群标签，根据所确定的客户分群标签对应的产品策略；如否，确定距离最小的聚类质心对应的客户分群标签，根据所确定的客户分群标签对应的产品策略。

14、本发明还提供一种通信场景电显名片的客户分群线上分析方法，基于线下分群方法确定的客户分群标签，确定对客户反馈的具体的产品策略。具体需要先区分历史客户或新客户，如为历史客户可直接反馈先前已经确定过的产品策略，如为新客户，需要将其数据对应构建的标准rans向量归类到已经聚类完成的簇，但存在该标准rans向量不属于预先确定的任何一个簇的可能性，因此或将需要重新启动线下聚类的步骤，重新发布新的聚类质心，并确定新的客户分群标签，确定更加准确且有效的电显名片的处理方式。

15、进一步，当确定目标客户为新客户时，在获取新客户对应的标准rans向量之前，还包括：判断新客户的观察期的时间窗口是否符合时间窗口阈值；若否，则将新客户设定为待观察目标用户，重新判断新客户是否为观察期用户直至新客户为观察期用户为止；若是，则确定观察期的时间窗口内的标准rans向量作为新客户对应的标准rans向量，并执行后续步骤。

16、进一步，确定新客户的标准rans向量与初始聚类结果对应的簇内其他向量之间的距离，根据所确定的距离确定是否需要重启离线聚类，具体包括：根据确定是否需要重启离线聚类；其中，s(i)为评估指标，dcii为新客户的标准rans向量到对应簇内其他向量的平均距离，dcij为新客户的标准rans向量到其他簇内向量的平均距离；若s(i)的值接近1，则确定无需重启离线聚类；若s(i)的值接近-1或0，则判断s(i)的值接近-1或0的新客户的数量是否达到重启阈值，如是，确定需要重启离线聚类，如否，确定无需重启离线聚类。

17、第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的通信场景电显名片的客户线下分群方法，和/或上述的通信场景电显名片的客户分群线上分析方法。

18、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的通信场景电显名片的客户线下分群方法，和/或上述的通信场景电显名片的客户分群线上分析方法。

19、与现有技术相比，本发明的有益效果为：

20、本发明提供的通信场景电显名片的客户线下分群及线上分析方法，先基于一定周期内的样本通信话单数据以及产品应用日志数据，得到标准化数据，通过聚类算法对标准化数据进行聚类，得到k个聚类质心及其对应的簇，每个簇根据聚类质心的变量数据与均值进行比较，分为k个客户分群标签，对聚类质心和客户分群标签建立映射关系。本发明的线下聚类分群阶段提出了业务解释性极强的特征选取方法和标签处理方法，基于概率最大化的原则选取初始质心。在线上分析方法中，对新用户可基于映射关系快速通过客户分群标签确定客户类型，从而利于快速反馈相应的产品策略(电显名片的具体发送方式等)，提高呼叫接通率并降低电显名片的使用成本。当新用户不属于任何一个预先确定的簇时，在一定条件下重新触发线下聚类步骤，得到新的聚类质心，并对新的聚类质心定义新的客户分群标签，确定相应的产品策略。动态评估分类的合理性以及判断是否需要重启聚类，精准对不同客群应用不同业务策略，克服了电显名片无目标发送的难点，降低企业的运行成本。