本發(fā)明屬于商業(yè)運(yùn)營(yíng)分析
技術(shù)領(lǐng)域：
，涉及一種細(xì)分方法及系統(tǒng)，特別是涉及一種顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備。
背景技術(shù)：
：傳統(tǒng)的rfm顧客價(jià)值模型(recencyfrequencymonetary)的指標(biāo)體系主要是根據(jù)客戶的最近交易日、交易頻率、交易金額來判斷該客戶是企業(yè)的重要價(jià)值客戶或者即將流失的客戶。在應(yīng)用于商場(chǎng)顧客分析的場(chǎng)景下，指標(biāo)中消費(fèi)金額(monetary)對(duì)商場(chǎng)的運(yùn)營(yíng)者而言具有不易獲得性，rfm模型在應(yīng)用于商場(chǎng)顧客的價(jià)值區(qū)分方面有一定局限性，無法對(duì)商場(chǎng)的到訪顧客進(jìn)行細(xì)分，不利于提高商場(chǎng)的運(yùn)營(yíng)績(jī)效。因此，如何提供一種顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備，以解決現(xiàn)有技術(shù)中rfm顧客價(jià)值模型在應(yīng)用于商場(chǎng)顧客的價(jià)值區(qū)分方面的局限性，導(dǎo)致無法對(duì)商場(chǎng)的到訪顧客進(jìn)行細(xì)分，不利于提高商場(chǎng)的運(yùn)營(yíng)績(jī)效等缺陷，實(shí)以成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。技術(shù)實(shí)現(xiàn)要素：鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備，用于解決現(xiàn)有技術(shù)中rfm顧客價(jià)值模型在應(yīng)用于商場(chǎng)顧客的價(jià)值區(qū)分方面的局限性，導(dǎo)致無法對(duì)商場(chǎng)的到訪顧客進(jìn)行細(xì)分，不利于提高商場(chǎng)的運(yùn)營(yíng)績(jī)效的問題。為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明一方面提供一種顧客價(jià)值的細(xì)分方法，應(yīng)用于商業(yè)運(yùn)營(yíng)場(chǎng)所，所述顧客價(jià)值的細(xì)分方法包括以下步驟：將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；所述游逛參數(shù)用于評(píng)價(jià)顧客價(jià)值；基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度；根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)每一位到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)；按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。于本發(fā)明的一實(shí)施例中，所述游逛參數(shù)包括在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)。于本發(fā)明的一實(shí)施例中，所述預(yù)定聚類算法為k-means聚類算法。于本發(fā)明的一實(shí)施例中，所述將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以獲取所述游逛參數(shù)的評(píng)分的步驟包括：將所述k-means聚類算法應(yīng)用于在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)，獲取用于初步細(xì)分客群的聚類結(jié)果及用于顯示初步細(xì)分后每一類到訪顧客在頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布；根據(jù)所述聚類結(jié)果，將到訪顧客的客群進(jìn)行初步細(xì)分；根據(jù)頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布，分別建立在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的評(píng)分規(guī)則，以獲取在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的評(píng)分、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔的評(píng)分及到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度的評(píng)分。于本發(fā)明的一實(shí)施例中，所述在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的離散程度通過利用熵值法所計(jì)算的頻次權(quán)重表示；所述到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔通過利用熵值法所計(jì)算的時(shí)間間隔權(quán)重表示；和所述到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度通過利用熵值法所計(jì)算的游逛時(shí)長(zhǎng)權(quán)重表示。于本發(fā)明的一實(shí)施例中，顧客游逛價(jià)值指數(shù)的計(jì)算公式為在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的評(píng)分×頻次權(quán)重+到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔的評(píng)分×?xí)r間間隔權(quán)重+到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度的評(píng)分×游逛時(shí)長(zhǎng)權(quán)重。于本發(fā)明的一實(shí)施例中，所述按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分的步驟包括：按照預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)所計(jì)算的顧客游逛價(jià)值指數(shù)進(jìn)行第一次顧客價(jià)值劃分，以獲取與預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)應(yīng)的顧客價(jià)值客群；所述顧客價(jià)值客群包括高價(jià)值顧客客群、重要價(jià)值顧客客群、一般價(jià)值顧客客群、及潛在價(jià)值顧客客群；對(duì)所述重要價(jià)值顧客客群和一般價(jià)值顧客客群進(jìn)行第二次顧客價(jià)值劃分，以從所述重要價(jià)值顧客中劃分出重要潛在顧客客群、重要挽留顧客客群、及重要發(fā)展顧客客群，從所述一般價(jià)值顧客客群中劃分中一般潛力顧客客群、一般挽留顧客客群、及一般發(fā)展顧客客群，以為運(yùn)營(yíng)人員提供營(yíng)銷依據(jù)。于本發(fā)明的一實(shí)施例中，所述從所述重要價(jià)值顧客客群中劃分出重要潛在顧客客群、重要挽留顧客客群、及重要發(fā)展顧客客群的步驟包括：取重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，高價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值；根據(jù)重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，高價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，分別獲取用于進(jìn)一步細(xì)分客群的第一頻次比較均值、第一時(shí)間間隔比較均值、第一游逛時(shí)長(zhǎng)比較均值；將重要價(jià)值顧客客群中每一位顧客的到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第一頻次比較均值相減，到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第一時(shí)間間隔比較均值相減、到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第一游逛時(shí)長(zhǎng)比較均值相減，若到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第一頻次比較均值之差最大，那么劃分該顧客為重要潛在顧客；若到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第一時(shí)間間隔比較均值之差最大，那么劃分該顧客為重要挽留顧客；若訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第一游逛時(shí)長(zhǎng)比較均值之差最大，那么劃分該顧客為重要發(fā)展顧客，將劃分為重要潛在顧客組成重要潛在顧客客群，劃分為重要挽留顧客組成重要挽留顧客客群，劃分為重要發(fā)展顧客組成重要發(fā)展顧客客群。于本發(fā)明的一實(shí)施例中，所述從所述一般價(jià)值顧客客群中劃分出一般潛在顧客客群、一般挽留顧客客群、及一般發(fā)展顧客客群的步驟包括：取一般價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值；根據(jù)一般價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，分別獲取用于進(jìn)一步細(xì)分客群的第二頻次比較均值、第二時(shí)間間隔比較均值、第二游逛時(shí)長(zhǎng)比較均值；將一般價(jià)值顧客客群中每一位顧客的到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第二頻次比較均值相減，到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第二時(shí)間間隔比較均值相減、到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第二游逛時(shí)長(zhǎng)比較均值相減，若到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第二頻次比較均值之差最大，那么劃分該顧客為一般潛在顧客；若到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第二時(shí)間間隔比較均值之差最大，那么劃分該顧客為一般挽留顧客；若訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第二游逛時(shí)長(zhǎng)比較均值之差最大，那么劃分該顧客為一般發(fā)展顧客，將劃分為一般潛在顧客組成一般潛在顧客客群，劃分為一般挽留顧客組成一般挽留顧客客群，劃分為一般發(fā)展顧客組成一般發(fā)展顧客客群。本發(fā)明另一方面提供一種顧客價(jià)值的細(xì)分系統(tǒng)，應(yīng)用于商業(yè)運(yùn)營(yíng)場(chǎng)所，所述顧客價(jià)值的細(xì)分系統(tǒng)包括：第一處理模塊，用于將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；所述游逛參數(shù)用于評(píng)價(jià)顧客價(jià)值；第二處理模塊，用于基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度；計(jì)算模塊，用于根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)；劃分模塊，用于按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。本發(fā)明又一方面提供一種電子設(shè)備，所述電子設(shè)備包括所述的顧客價(jià)值的細(xì)分系統(tǒng)。如上所述，本發(fā)明的顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備，具有以下有益效果：本發(fā)明所述的顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備能夠細(xì)分商業(yè)運(yùn)營(yíng)場(chǎng)所的到訪顧客的游逛價(jià)值，為商業(yè)運(yùn)營(yíng)場(chǎng)所在進(jìn)行多樣的促銷活動(dòng)提供更有依據(jù)及針對(duì)性；顧客價(jià)值的細(xì)分模型的維度數(shù)據(jù)具有高可獲得性，據(jù)此得到的海量數(shù)據(jù)通過機(jī)器學(xué)習(xí)的方式，使得模型排除了時(shí)間、地域的依賴性，具有廣泛適用性；且能在顧客購(gòu)買行為發(fā)生前,預(yù)先對(duì)顧客可能產(chǎn)生的購(gòu)買價(jià)值高低判定。附圖說明圖1顯示為本發(fā)明的顧客價(jià)值的細(xì)分方法于一實(shí)施例中的流程示意圖。圖2顯示為本發(fā)明的顧客價(jià)值的細(xì)分方法中步驟s1的具體流程示意圖。圖3顯示為本發(fā)明的顧客價(jià)值的細(xì)分方法中步驟s4的具體流程示意圖.圖4顯示為本發(fā)明的顧客價(jià)值的細(xì)分系統(tǒng)于一實(shí)施例中的原理結(jié)構(gòu)示意圖。圖5顯示為本發(fā)明的電子設(shè)備于一實(shí)施例中的原理結(jié)構(gòu)示意圖。元件標(biāo)號(hào)說明1顧客價(jià)值的細(xì)分系統(tǒng)11第一處理模塊12第二處理模塊13計(jì)算模塊14劃分模塊141第一劃分單元142第二劃分單元s1～sn步驟具體實(shí)施方式以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。需要說明的是，以下實(shí)施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實(shí)際實(shí)施時(shí)的組件數(shù)目、形狀及尺寸繪制，其實(shí)際實(shí)施時(shí)各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。實(shí)施例一本實(shí)施例提供一種顧客價(jià)值的細(xì)分方法，應(yīng)用于商業(yè)運(yùn)營(yíng)場(chǎng)所，所述顧客價(jià)值的細(xì)分方法包括以下步驟：將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；所述游逛參數(shù)用于評(píng)價(jià)顧客價(jià)值；基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度；根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)；按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。以下將結(jié)合圖示對(duì)本實(shí)施例所提供的顧客價(jià)值的細(xì)分方法進(jìn)行詳細(xì)說明。本實(shí)施例所述的顧客價(jià)值的細(xì)分方法應(yīng)用于商業(yè)運(yùn)營(yíng)場(chǎng)所，例如，商場(chǎng)，酒吧，超市等等。本實(shí)施例選擇應(yīng)用于用百貨商場(chǎng)。本實(shí)施例基于rfl模型，該rfl模型在衡量百貨商場(chǎng)到訪顧客的細(xì)分價(jià)值上綜合考慮了以下的維度：商場(chǎng)店鋪對(duì)顧客的吸引力(顧客在商場(chǎng)的游逛時(shí)間l)、顧客來商場(chǎng)的頻率(f)、顧客最近一次到訪的時(shí)間(r)，綜合評(píng)估商場(chǎng)到訪顧客對(duì)場(chǎng)所的游逛價(jià)值貢獻(xiàn)。請(qǐng)參閱圖1，顯示為顧客價(jià)值的細(xì)分方法于一實(shí)施例中的流程示意圖。如圖1所示，所述顧客價(jià)值的細(xì)分方法具體包括以下幾個(gè)步驟：s1，將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；所述游逛參數(shù)用于評(píng)價(jià)顧客價(jià)值。在本實(shí)施例中，所述游逛參數(shù)包括在預(yù)定時(shí)間段(于本實(shí)施例中，所述預(yù)定時(shí)間段t為半年)內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次(frequency/次)、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔(recently/天)、和/或到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)(length/小時(shí))。所述預(yù)定聚類算法為k-means聚類算法。請(qǐng)參閱圖2，顯示為步驟s1的具體流程示意圖。如圖2所示，所述步驟s1包括以下幾個(gè)步驟：s11，將所述k-means聚類算法應(yīng)用于在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)，獲取聚類結(jié)果及頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布。所述聚類結(jié)果用于初步細(xì)分客群的聚類結(jié)果。所述聚類點(diǎn)分布用于顯示初步細(xì)分后每一類到訪顧客在游逛商業(yè)運(yùn)營(yíng)場(chǎng)所的游逛參數(shù)，即頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)。在本實(shí)施例中，k-means聚類算法是通過迭代尋找k個(gè)聚類的劃分方案，該劃分方案以最小誤差平方和準(zhǔn)則為基礎(chǔ)，使得用k個(gè)聚類的均值來代表相應(yīng)各類樣本所得的總體誤差最小。k-means聚類算法的誤差函數(shù)如下：其中，μc(i)表示第i個(gè)聚類的均值,x(i)為第i類的樣本(其中包括在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)，三個(gè)維度的樣本)。根據(jù)大量的實(shí)驗(yàn)數(shù)據(jù)獲知，在從聚類結(jié)果k值＝9之后，誤差值j的變化速度下降趨于平緩。s12，根據(jù)步驟s11推知的能使誤差值j的變化速度下降趨于平緩的聚類結(jié)果，將到訪顧客的客群進(jìn)行初步細(xì)分，即將到訪顧客分為9類。s13，根據(jù)頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布，分別建立在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次f、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔r、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)l的評(píng)分規(guī)則，以獲取在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的評(píng)分、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔的評(píng)分及到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度的評(píng)分。參見表1在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的評(píng)分規(guī)則，表2為到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔的評(píng)分規(guī)則，表3為到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的評(píng)分規(guī)則。表1：頻次的評(píng)分規(guī)則f評(píng)分(0，1]1(1，3]2(3，6]3(6，12]4(12，25]5(25，6表2：時(shí)間間隔的評(píng)分規(guī)則r評(píng)分(100，1(60，100]2(30，60]3(15,30]4(7，15]5(0，7]6表3：游逛時(shí)長(zhǎng)的評(píng)分規(guī)則l評(píng)分(0，0.5]1(0.5，1]2(1，2]3(2，3]4(3，5]5(5，6s2，基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度。在本實(shí)施例中，所述在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的離散程度通過利用熵值法所計(jì)算的頻次權(quán)重hf表示；所述到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔通過利用熵值法所計(jì)算的時(shí)間間隔權(quán)重hr表示；和所述到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度通過利用熵值法所計(jì)算的游逛時(shí)長(zhǎng)權(quán)重hl表示。在本實(shí)施例中，游逛參數(shù)中的某一個(gè)參數(shù)的離散程度越大，說明該參數(shù)對(duì)綜合評(píng)價(jià)的影響越大。其中，hf＝∑p(f)logp(f)，p(f)由到訪顧客的在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次組成。hr＝∑p(r)logp(r)，p(r)由在預(yù)定時(shí)間段內(nèi)到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔組成。hl＝∑p(l)logp(l)，p(l)由在預(yù)定時(shí)間段內(nèi)到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)組成。經(jīng)過大量實(shí)驗(yàn)數(shù)據(jù)的計(jì)算，本實(shí)施例獲取的hf＝0.3，hr＝0.3，hl＝0.4。s3，根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)每一位到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)。在本實(shí)施例中，顧客游逛價(jià)值指數(shù)用rfl表示，即rfl＝f×hf+r×hr+l×hl＝f×30％+r×30％+l×40％公式(2)s4，按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。請(qǐng)參閱圖3，顯示為步驟s4的流程示意圖。如圖3所示，所述步驟s4具體包括以下幾個(gè)步驟：s41，按照預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)所計(jì)算的顧客游逛價(jià)值指數(shù)進(jìn)行第一次顧客價(jià)值劃分，以獲取與預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)應(yīng)的顧客價(jià)值客群；所述顧客價(jià)值客群包括高價(jià)值顧客客群、重要價(jià)值顧客客群、一般價(jià)值顧客客群、及潛在價(jià)值顧客客群。在本實(shí)施例中，預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間包括[4，6]，[3,4)，[2,3)，(0,2)。其中，游逛價(jià)值細(xì)分區(qū)間[4，6]對(duì)應(yīng)高價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間[3,4)對(duì)應(yīng)重要價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間[2,3)對(duì)應(yīng)一般價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間(0,2)對(duì)應(yīng)潛在價(jià)值顧客客群。s42，對(duì)所述重要價(jià)值顧客客群和一般價(jià)值顧客客群進(jìn)行第二次顧客價(jià)值劃分，以從所述重要價(jià)值顧客中劃分出重要潛在顧客客群、重要挽留顧客客群、及重要發(fā)展顧客客群，從所述一般價(jià)值顧客客群中劃分中一般潛力顧客客群、一般挽留顧客客群、及一般發(fā)展顧客客群，以為運(yùn)營(yíng)人員提供營(yíng)銷依據(jù)。具體對(duì)所述重要價(jià)值顧客客群的第二次顧客價(jià)值劃分過程如下：取重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值。例如，重要價(jià)值顧客客群三個(gè)維度的平均值為(a，b，c)，高價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，例如，高價(jià)值顧客客群三個(gè)維度的平均值為(a，b，c)。根據(jù)重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，高價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，分別獲取用于進(jìn)一步細(xì)分客群的第一頻次比較均值x1、第一時(shí)間間隔比較均值y1、第一游逛時(shí)長(zhǎng)比較均值z(mì)1。具體地，任意重要價(jià)值顧客客群中每一位顧客的三個(gè)維度為(a1，b1，c1)，將重要價(jià)值顧客客群中每一位顧客的到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第一頻次比較均值相減，即(a1-x1)，到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第一時(shí)間間隔比較均值相減(b1-y1)、到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第一游逛時(shí)長(zhǎng)比較均值相減(c1-z1)，若到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第一頻次比較均值之差(a1-x1)最大，那么劃分該顧客為重要潛在顧客；若到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第一時(shí)間間隔比較均值之差(b1-y1)最大，那么劃分該顧客為重要挽留顧客；若訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第一游逛時(shí)長(zhǎng)比較均值之差(c1-z1)最大，那么劃分該顧客為重要發(fā)展顧客。將劃分為重要潛在顧客組成重要潛在顧客客群，劃分為重要挽留顧客組成重要挽留顧客客群，劃分為重要發(fā)展顧客組成重要發(fā)展顧客客群。具體對(duì)所述一般價(jià)值顧客客群的第二次顧客價(jià)值劃分過程如下：取一般價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，例如，一般價(jià)值顧客客群三個(gè)維度的平均值為(d，e，f)，重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值(d，e，f)。根據(jù)一般價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，重要價(jià)值顧客客群在頻次上的平均值、時(shí)間間隔上的平均值、和游逛時(shí)長(zhǎng)上的平均值，分別獲取用于進(jìn)一步細(xì)分客群的第二頻次比較均值x2、第二時(shí)間間隔比較均值y2、第二游逛時(shí)長(zhǎng)比較均值z(mì)2.具體地，任意一般價(jià)值顧客客群中每一位顧客的三個(gè)維度為(a2，b2，c2)，將一般價(jià)值顧客客群中每一位顧客的到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第二頻次比較均值相減(a2-x2)，到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第二時(shí)間間隔比較均值相減(b2-y2)、到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第二游逛時(shí)長(zhǎng)比較均值相減(c2-z2)，若到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次與第二頻次比較均值之差(a2-x2)最大，那么劃分該顧客為一般潛在顧客；若到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔與第二時(shí)間間隔比較均值之差(b2-y2)最大，那么劃分該顧客為一般挽留顧客；若訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)與第二游逛時(shí)長(zhǎng)比較均值之差(c2-z2)最大，那么劃分該顧客為一般發(fā)展顧客。將劃分為一般潛在顧客組成一般潛在顧客客群，劃分為一般挽留顧客組成一般挽留顧客客群，劃分為一般發(fā)展顧客組成一般發(fā)展顧客客群。本實(shí)施例所述的顧客價(jià)值的細(xì)分方法能夠細(xì)分商業(yè)運(yùn)營(yíng)場(chǎng)所的到訪顧客的游逛價(jià)值，為商業(yè)運(yùn)營(yíng)場(chǎng)所在進(jìn)行多樣的促銷活動(dòng)提供更有依據(jù)及針對(duì)性；顧客價(jià)值的細(xì)分模型的維度數(shù)據(jù)具有高可獲得性，據(jù)此得到的海量數(shù)據(jù)通過機(jī)器學(xué)習(xí)的方式，使得模型排除了時(shí)間、地域的依賴性，具有廣泛適用性，且能在顧客購(gòu)買行為發(fā)生前,預(yù)先對(duì)顧客可能產(chǎn)生的購(gòu)買價(jià)值高低判定。實(shí)施例二本實(shí)施例提供一種顧客價(jià)值的細(xì)分系統(tǒng)1，應(yīng)用于商業(yè)運(yùn)營(yíng)場(chǎng)所，例如，商場(chǎng)，酒吧，超市等等。請(qǐng)參閱圖4，顯示為顧客價(jià)值的細(xì)分系統(tǒng)于一實(shí)施例中的原理結(jié)構(gòu)示意圖。如圖4所示，所述顧客價(jià)值的細(xì)分系統(tǒng)1包括：第一處理模塊11、第二處理模塊12、計(jì)算模塊13、及劃分模塊14。第一處理模塊，用于將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；所述游逛參數(shù)用于評(píng)價(jià)顧客價(jià)值。在本實(shí)施例中，所述游逛參數(shù)包括在預(yù)定時(shí)間段(于本實(shí)施例中，所述預(yù)定時(shí)間段t為半年)內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次(frequency/次)、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔(recently/天)、和/或到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)(length/小時(shí))。所述預(yù)定聚類算法為k-means聚類算法。具體地，第一處理模塊用于將所述k-means聚類算法應(yīng)用于在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔、和到訪顧客每次在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的游逛時(shí)長(zhǎng)，獲取聚類結(jié)果及頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布。所述聚類結(jié)果用于初步細(xì)分客群的聚類結(jié)果。所述聚類點(diǎn)分布用于顯示初步細(xì)分后每一類到訪顧客在游逛商業(yè)運(yùn)營(yíng)場(chǎng)所的游逛參數(shù)，即頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)。根據(jù)大量的實(shí)驗(yàn)數(shù)據(jù)獲知，在從聚類結(jié)果k值＝9之后，誤差值j的變化速度下降趨于平緩。所述第一處理模塊還用于根據(jù)推知的能使誤差值的變化速度下降趨于平緩的聚類結(jié)果，將到訪顧客的客群進(jìn)行初步細(xì)分，并根據(jù)頻次、時(shí)間間隔、和游逛時(shí)長(zhǎng)的聚類點(diǎn)分布，分別建立在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次f、到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔r、和到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)l的評(píng)分規(guī)則。與所述第一處理模塊11連接的第二處理模塊12用于基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度。在本實(shí)施例中，所述在預(yù)定時(shí)間段內(nèi)到訪顧客游逛所述商業(yè)運(yùn)營(yíng)場(chǎng)所的頻次的離散程度通過利用熵值法所計(jì)算的頻次權(quán)重hf表示；所述到訪顧客最后一次至所述商業(yè)運(yùn)營(yíng)場(chǎng)所的時(shí)間間隔通過利用熵值法所計(jì)算的時(shí)間間隔權(quán)重hr表示；和所述到訪顧客在所述商業(yè)運(yùn)營(yíng)場(chǎng)所的平均游逛時(shí)長(zhǎng)的離散程度通過利用熵值法所計(jì)算的游逛時(shí)長(zhǎng)權(quán)重hl表示。與所述第二處理模塊12連接的計(jì)算模塊13用于根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)每一位到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)。在本實(shí)施例中，顧客游逛價(jià)值指數(shù)用rfl表示，即rfl＝f×hf+r×hr+l×hl＝f×30％+r×30％+l×40％。與所述計(jì)算模塊13連接的劃分模塊14用于按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。繼續(xù)參閱圖4，所述劃分模塊14包括第一劃分單元141和與所述第一劃分單元141連接的第二劃分單元142。具體地，所述第一劃分單元141用于按照預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)所計(jì)算的顧客游逛價(jià)值指數(shù)進(jìn)行第一次顧客價(jià)值劃分，以獲取與預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間對(duì)應(yīng)的顧客價(jià)值客群；所述顧客價(jià)值客群包括高價(jià)值顧客客群、重要價(jià)值顧客客群、一般價(jià)值顧客客群、及潛在價(jià)值顧客客群。在本實(shí)施例中，預(yù)設(shè)的不同游逛價(jià)值細(xì)分區(qū)間包括[4，6]，[3,4)，[2,3)，(0,2)。其中，游逛價(jià)值細(xì)分區(qū)間[4，6]對(duì)應(yīng)高價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間[3,4)對(duì)應(yīng)重要價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間[2,3)對(duì)應(yīng)一般價(jià)值顧客客群，游逛價(jià)值細(xì)分區(qū)間(0,2)對(duì)應(yīng)潛在價(jià)值顧客客群。所述第二劃分單元142用于對(duì)所述重要價(jià)值顧客客群和一般價(jià)值顧客客群進(jìn)行第二次顧客價(jià)值劃分，以從所述重要價(jià)值顧客中劃分出重要潛在顧客客群、重要挽留顧客客群、及重要發(fā)展顧客客群，從所述一般價(jià)值顧客客群中劃分中一般潛力顧客客群、一般挽留顧客客群、及一般發(fā)展顧客客群，以為運(yùn)營(yíng)人員提供營(yíng)銷依據(jù)。本實(shí)施例提供一種電子設(shè)備2，請(qǐng)參閱圖5，顯示為電子設(shè)備于一實(shí)施例中的原理結(jié)構(gòu)示意圖。如圖5所示，所述電子設(shè)備2包括上述的顧客價(jià)值的細(xì)分系統(tǒng)1。具體地，通過處理器和存儲(chǔ)器實(shí)現(xiàn)對(duì)顧客價(jià)值的細(xì)分。處理器用于將預(yù)定聚類算法應(yīng)用于在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)，以建立所述游逛參數(shù)的評(píng)分規(guī)則；基于所述游逛參數(shù)，確定所述游逛參數(shù)的離散程度；根據(jù)顧客的細(xì)分標(biāo)準(zhǔn)和所述游逛參數(shù)的離散程度，計(jì)算用于對(duì)每一位到訪顧客進(jìn)行細(xì)分的顧客游逛價(jià)值指數(shù)；按照顧客游逛價(jià)值指數(shù)對(duì)在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客進(jìn)行細(xì)分。與所述存儲(chǔ)器用于存儲(chǔ)預(yù)定聚類算法、在預(yù)定時(shí)間段收集的、到訪所述商業(yè)運(yùn)營(yíng)場(chǎng)所的顧客的游逛參數(shù)等數(shù)據(jù)。該存儲(chǔ)器可以包括只讀存儲(chǔ)器和隨機(jī)存取存儲(chǔ)器，并向處理器提供數(shù)據(jù)。存儲(chǔ)器的一部分還可以包括非易失性隨機(jī)存取存儲(chǔ)器。綜上所述，本發(fā)明所述的顧客價(jià)值的細(xì)分方法、系統(tǒng)及具有該系統(tǒng)的電子設(shè)備能夠細(xì)分商業(yè)運(yùn)營(yíng)場(chǎng)所的到訪顧客的游逛價(jià)值，為商業(yè)運(yùn)營(yíng)場(chǎng)所在進(jìn)行多樣的促銷活動(dòng)提供更有依據(jù)及針對(duì)性；且rfl模型的維度數(shù)據(jù)具有高可獲得性，據(jù)此得到的海量數(shù)據(jù)通過機(jī)器學(xué)習(xí)的方式，使得模型排除了時(shí)間、地域的依賴性，具有廣泛適用性，且能在顧客購(gòu)買行為發(fā)生前,預(yù)先對(duì)顧客可能產(chǎn)生的購(gòu)買價(jià)值高低判定。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬
技術(shù)領(lǐng)域：
中具有通常知識(shí)者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。當(dāng)前第1頁(yè)12