潛力客戶識別方法以及裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及人工智能領域，尤其涉及一種潛力客戶識別方法以及裝置。
【背景技術】
[0002]在游戲運營過程中，有一部分客戶是潛力玩家，潛力玩家具有良好的發(fā)展前景，是游戲運營過程中應該重點關注的對象。在現(xiàn)有技術下，只能通過人工篩選的方法來尋找潛力客戶。人工篩選的一個缺點是效率低，由于人工篩選的效率低，需要大量的人力資源才能從大量玩家中篩選出潛力玩家。人工篩選的另一個缺點是準確性差，由于人工篩選時只能通過單一的篩選規(guī)則進行篩選，所以經(jīng)常會出現(xiàn)誤判。例如，游戲中通常根據(jù)玩家充值的金額將玩家的等級可以分為多個等級，人工篩選規(guī)則通常將充值金額接近劃分玩家等級的閾值的客戶定義為潛力玩家。例如，將游戲玩家定義為VIP4等級的充值金額閾值為I萬，則根據(jù)人工篩選規(guī)則，充值金額為9千的玩家將被定義為潛力玩家。
[0003]這種篩選方法中一些每次充值金額都不高，充值時間比較長的玩家的總充值金額可能也接近劃分玩家等級的閾值，但是實際上這些玩家并不是真正的潛力玩家。

【發(fā)明內容】

[0004]本發(fā)明實施例所要解決的技術問題在于，提供一種潛力客戶識別方法以及裝置，能夠提高識別潛力客戶的速度和準確性。
[0005]本發(fā)明提供了一種潛力客戶識別方法，包括如下步驟:根據(jù)客戶等級建立多個晉升預測模型，其中，所述客戶等級為預先設定的，第i個客戶等級對應第i個晉升預測模型，其中，i為正整數(shù)；為所述多個晉升預測模型獲取晉升訓練樣本，其中，第i個晉升預測模型的晉升訓練樣本包括在單位時間內已從第i個客戶等級晉升的客戶的歷史數(shù)據(jù)；使用所述第i個晉升預測模型的晉升訓練樣本對第i個晉升預測模型進行訓練；將第i個客戶等級的客戶的現(xiàn)時數(shù)據(jù)輸入到訓練后的第i個晉升預測模型中預測所述第i個客戶等級的客戶是否會晉升；如果第i個客戶等級的客戶預測會晉升，則確定所述第i個客戶等級的客戶為潛力客戶。
[0006]可選地，所述方法還包括:構建營銷類別預測模型；為所述營銷類別預測模型獲取營銷訓練樣本，其中，所述營銷訓練樣本包括客戶的歷史數(shù)據(jù)和營銷類別；使用所述營銷訓練樣本對營銷類別預測模型進行訓練；確定所述第i個客戶等級的客戶為潛力客戶之后包括:將所述潛力客戶的現(xiàn)時數(shù)據(jù)輸入到訓練后的營銷類別預測模型中預測所述潛力客戶的營銷類別。
[0007]可選地，將所述潛力客戶的現(xiàn)時數(shù)據(jù)輸入到訓練后的營銷類別預測模型中預測所述潛力客戶的營銷類別之后還包括:根據(jù)預測的所述潛力客戶的營銷類別從所述營銷方案庫中匹配對應的營銷方案，以將所述對應的營銷方案推送給所述潛力客戶。
[0008]可選地，所述營銷類別預測模型為多值分類-支持向量機分類器、多值最近鄰居分類器、多值決策樹分類器中的一種。
[0009]可選地，所述方法還包括:構建營銷需求分類模型；使用種子詞和所述種子詞對應的營銷需求分類的分類標簽對所述營銷需求分類模型進行訓練，其中，所述種子詞是預先定義的，所述種子詞與所述營銷需求分類的分類標簽的對應關系也是預先定義的；使用所述營銷需求分類模型對反饋文本進行分類，其中，所述營銷需求分類模型根據(jù)所述反饋文本中的分詞與所述營銷需求分類的分類標簽對應的種子詞的匹配度對所述反饋文本進行分類。
[0010]可選地，使用所述營銷需求分類模型對反饋文本進行分類之后還包括:將不能通過所述營銷需求分類模型進行分類的反饋文本進行聚類，以獲得新的營銷需求分類。
[0011]可選地，所述營銷需求分類模型為多值分類算法、多值支持向量機分類器、多值最近鄰居分類器和多值決策樹分類器中的任意一種。
[0012]可選地，所述晉升預測模型為支持向量機分類器、樸素貝葉斯分類器、決策樹分類器、人工神經(jīng)網(wǎng)絡中的任意一種。
[0013]可選地，所述歷史數(shù)據(jù)包括登陸數(shù)據(jù)、充值數(shù)據(jù)、消費數(shù)據(jù)、事件數(shù)據(jù)中的任意一種或者多種的組合。
[0014]可選地，所述登陸數(shù)據(jù)包括統(tǒng)計日前j天登陸游戲大廳的次數(shù)、登陸游戲大廳的天數(shù)、登陸游戲大廳的時長、登陸游戲大廳的趨勢、登陸游戲的次數(shù)、登陸游戲的天數(shù)、登陸游戲的時長、登陸游戲的趨勢中的任意一種或者多種的組合；所述充值數(shù)據(jù)包括統(tǒng)計日前j天游戲大廳的充值的次數(shù)、游戲大廳的充值的天數(shù)、游戲大廳的充值的金額、游戲大廳的充值的趨勢、游戲的充值的次數(shù)、游戲的充值的天數(shù)、游戲的充值的金額、游戲的充值的趨勢中的任意一種或者多種的組合。
[0015]所述消費數(shù)據(jù)包括統(tǒng)計日前j天游戲大廳的消費的次數(shù)、游戲大廳的消費的天數(shù)、游戲大廳的消費的金額、游戲大廳的消費的趨勢、游戲的消費的次數(shù)、游戲的消費的天數(shù)、游戲的消費的金額、游戲的消費的趨勢中的任意一種或者多種的組合；所述事件數(shù)據(jù)包括統(tǒng)計日前j天客戶參與的游戲總類數(shù)量、客戶參與的游戲風格占比，客戶參與的游戲題材占比、過關失敗次數(shù)、使用道具數(shù)、游戲風格、游戲題材中的任意一種或者多種的組合，其中，j為大于零的正整數(shù)。
[0016]本發(fā)明還提供了一種潛力客戶識別裝置，包括:晉升建模模塊、晉升獲取模塊、晉升訓練模塊、晉升預測模塊以及確定模塊，所述晉升建模模塊用于根據(jù)客戶等級建立多個晉升預測模型，其中，所述客戶等級為預先設定的，第i個客戶等級對應第i個晉升預測模型，其中，i為正整數(shù)；所述晉升獲取模塊用于為所述多個晉升預測模型獲取晉升訓練樣本，其中，第i個晉升預測模型的晉升訓練樣本包括在單位時間內已從第i個客戶等級晉升的客戶的歷史數(shù)據(jù)；所述晉升訓練模塊用于使用所述第i個晉升預測模型的晉升訓練樣本對第i個晉升預測模型進行訓練；所述晉升預測模塊用于將第i個客戶等級的客戶的現(xiàn)時數(shù)據(jù)輸入到訓練后的第i個晉升預測模型中預測所述第i個客戶等級的客戶是否會晉升；所述確定模塊用于在第i個客戶等級的客戶預測會晉升時，確定所述第i個客戶等級的客戶為潛力客戶。
[0017]可選地，所述裝置還包括:營銷類別建模模塊、營銷類別獲取模塊、營銷類別訓練模塊以及營銷類別預測模塊，所述營銷類別建模模塊用于構建營銷類別預測模型；所述營銷類別獲取模塊用于為所述營銷類別預測模型獲取營銷訓練樣本，其中，所述營銷訓練樣本包括客戶的歷史數(shù)據(jù)和營銷類別；所述營銷類別訓練模塊用于使用所述營銷訓練樣本對營銷類別預測模型進行訓練；所述營銷類別預測模塊用于將所述潛力客戶的現(xiàn)時數(shù)據(jù)輸入到訓練后的營銷類別預測模型中預測所述潛力客戶的營銷類別。
[0018]可選地，所述裝置還包括推送模塊，所述推送模塊用于根據(jù)預測的所述潛力客戶的營銷類別從所述營銷方案庫中匹配對應的營銷方案，以將所述對應的營銷方案推送給所述潛力客戶。
[0019]可選地，所述營銷類別預測模型為多值分類-支持向量機分類器、多值最近鄰居分類器、多值決策樹分類器中的一種。
[0020]可選地，所述裝置包括:營銷需求建模模塊、營銷需求訓練模塊以及營銷需求預測模塊，營銷需求建模模塊用于構建營銷需求分類模型；營銷需求訓練模塊用于使用種子詞和所述種子詞對應的營銷需求分類的分類標簽對所述營銷需求分類模型進行訓練，其中，所述種子詞是預先定義的，所述種子詞與所述營銷需求分類的分類標簽的對應關系也是預先定義的；營銷需求預測模塊用于使用所述營銷需求分類模型對反饋文本進行分類，其中，所述營銷需求分類模型根據(jù)所述反饋文本中的分詞與所述營銷需求分類的分類標簽對應的種子詞的匹配度對所述反饋文本進行分類。
[0021]可選地，所述裝置還包括:聚類模塊，所述聚類模塊用于將不能通過所述營銷需求分類模型進行分類的反饋文本進行聚類，以獲得新的營銷需求分類。
[0022]可選地，所述營銷需求分類模型為多值分類算法、多值支持向量機分類器、多值最近鄰居分類器和多值決策樹分類器中的任意一種。
[0023]可選地，所述晉升預測模型為支持向量機分類器、樸素貝葉斯分類器、決策樹分類器、人工神經(jīng)網(wǎng)絡中的任意一種。
[0024]可選地，所述歷史數(shù)據(jù)包括登陸數(shù)據(jù)、充值數(shù)據(jù)、消費數(shù)據(jù)、事件數(shù)據(jù)中的任意一種或者多種的組合。
[0025]可選地，所述登陸數(shù)據(jù)包括統(tǒng)計日前j天登陸游戲大廳的次數(shù)、登陸游戲大廳的天數(shù)、登陸游戲大廳的時長、登陸游戲大廳的趨勢、登陸游戲的次數(shù)、登陸游戲的天數(shù)、登陸游戲的時長、登陸游戲的趨勢中的任意一種或者多種的組合；所述充值數(shù)據(jù)包括統(tǒng)計日前j天游戲大廳的充值的次數(shù)、游戲大廳的充值的天數(shù)、游戲大廳的充值的金額、游戲大廳的充值的趨勢、游戲的充值的次數(shù)、游戲的充值的天數(shù)、游戲的充值的金額、游戲的充值的趨勢中的任意一種或者多種的組合；所述消費數(shù)據(jù)包括統(tǒng)計日前j天游戲大廳的消費的次數(shù)、游戲大廳的消費的天數(shù)、游戲大廳的消費的金額、游戲大廳的消費的趨勢、游戲的消費的次數(shù)、游戲的消費的天數(shù)、游戲的消費的金額、游戲的消費的趨勢中的任意一種或者多種的組合；所述事件數(shù)據(jù)包括統(tǒng)計日前j天客戶參與的游戲總類數(shù)量、客戶參與的游戲風格占比，客戶參與的游戲題材占比、過關失敗次數(shù)、使用道具數(shù)、游戲風格、游戲題材中的任意一種或者多種的組合，其中，j為大于零的正整數(shù)。
[0026]通過實施本發(fā)明實施例，能夠通過獲取訓練樣本對晉升預測模型進行訓練，并根據(jù)訓練后的晉升預測模型和客戶的現(xiàn)時數(shù)據(jù)對客戶進行預