一种基于迁移联邦学习的营销线索价值评估方法技术

本发明专利技术公开了一种基于迁移联邦学习的营销线索价值评估方法，包括以下步骤：S1、建立云端数据库；S2、获得营销线索，深入研究产品的目标客户特征，对目标客户进行多维度的分析，找到目标客户可能出现的地方和场景，通过多种渠道获取线索；S3、获得营销方案信息，营销人员根据客户的意愿获取营销方案，保证隐私的前提下，为客户建档；S4：营销线索数据分类，将营销线索分为可执行营销线索和不可执行营销线索；S5、建立评估模型；S6、利用评估模型对应营销方案信息分类进行评估，获取评估值（评估数据）；提高模型精确度，无需建模师，普通营销人员可以基于自身需求创建模型视图并跟进线索数据，多维度、可视化直观呈现模型结果数据。可视化直观呈现模型结果数据。

【技术实现步骤摘要】
一种基于迁移联邦学习的营销线索价值评估方法


[0001]本专利技术涉及营销线索价值评估
，具体为一种基于迁移联邦学习的营销线索价值评估方法。

技术介绍

[0002]随着机器学习的快速发展，机器学习可应用于各个领域，如数据挖掘、计算机视觉、自然语言处理、生物特征识别、医学诊断、检测信用卡欺诈、证券市场分析和DNA序列测序等。机器学习包括学习部分和执行部分，学习部分利用样本数据修改系统的知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。
[0003]现有的互联网营销效果不一，有的公司营销效果很好，有的公司效果甚微，这就跟营销过程中的线索分析有很大的关联了，现有的线索分析往往只是针对一些线索进行简单分析，无法明确知道营销人员进行如何操作，导致营销线索容易丢失等情况；另外，现有技术中对海量线索打分，只能凭借基础规则画像初步衡量线索情况，筛选掉部分特征明显的线索，无法预判线索质量；针对收集的营销线索缺少合理的管理方式，市场与销售之间无法高效沟通合作；全量线索跟进营销，浪费人力、财力成本，无法区分出线索的质量高低，无从进行线索的培育工作。
[0004]为此，我们提出了一种基于迁移联邦学习的营销线索价值评估方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于迁移联邦学习的营销线索价值评估方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：。
[0007]一种基于迁移联邦学习的营销线索价值评估方法，包括以下步骤：S1、建立云端数据库；S2、获得营销线索，深入研究产品的目标客户特征，对目标客户进行多维度的分析，找到目标客户可能出现的地方和场景，通过多种渠道获取线索；S3、获得营销方案信息，营销人员根据客户的意愿获取营销方案，保证隐私的前提下，为客户建档；S4：营销线索数据分类，将营销线索分为可执行营销线索和不可执行营销线索；S5、建立评估模型；S6、利用评估模型对应营销方案信息分类进行评估，获取评估值（评估数据）。
[0008]优选的，所述步骤S1中的建立云端数据库包括多个监控模块，每一个监控模块对应多个营销线索数据管理器的方式监控所有的营销线索数据管理器；监控模块定期收集其所负责监控的营销线索数据管理器的状态信息，并将收集到的状态信息定期汇报给主监控模块；主监控模块定期收集所有监控模块汇报的所有营销线索数据管理器的状态信息；主
监控模块分析收集到的所有营销线索数据管理器的状态信息，进行处理。
[0009]优选的，步骤S3中的可执行营销线索是通过互联网营销过程中客户表达出对该系列产品有明确需求，不可执行营销线索是通过互联网营销过程中客户并没有直接表达出需求，但客户对该产品有了解兴趣的需求，营销线索进行评分是根据客户表达的需求意愿进行对应评分。
[0010]优选的，所述评分划区间分别为0
‑
30分区间，31
‑
60分区间以及61
‑
100分区间，0
‑
30分区间为不可执行的可能性线索，31
‑
60分区间为可跟进线索，能够对该区间的线索进行初步电销，61
‑
100分区间为可执行营销线索的营销机会，可以让专门的工作人员进行拜访营销，对营销线索进行自动提醒通过工作人员对一些重要的营销线索进行设置提醒，可以通过备忘录等工具进行记录提醒。
[0011]优选的，步骤S4中的模型创建手段包括应用woe编码后的新的信息变量与原有其他信息变量综合在一起作为逻辑回归输入值建立评级模型；所述模型构建单元中合适的建模方法包括线性回归、非线性回归分析、决策树，并利用随机森林、Adaboost、XGBoost等集成算法完成建模。
[0012]优选的，建立评估模型时对接基础营销计算引擎，实时获取模型分析结果数据，以场景化的方式呈现模型结果，推送线索标识模板，基于精准的评级预测进行线索分发跟进，编写脚本，对于系统外的数据可进行实时评分预测，所述实时评分预测和线索标识模板电信号对接。
[0013]优选的，所述云端数据库包括数据采集单元，所述数据采集单元通过ETL或API等方式采集客户数据；所述变量之间相关性的分析包括两两之间的相关性、VIF多重共线性，如果变量之间相关性显著，会影响模型的预测效果。
[0014]优选的，所述目标客户各维度的特征收集包括：通过平台持续与准客户保持深度链接，使用数据模型算法将客户进行群体特征分类，并计算得出目标客户的营销线索评估值（评估数据）。
[0015]优选的，将营销人员微信通讯录中的名单换算成具有业务价值的准客户名单，针对不同评分分值的客户，在通讯录中进行区分，区分方式可利用符号或者数字。
[0016]与现有技术相比，本专利技术的有益效果是：1.本专利技术建立云端数据库，通过多个监控模块收集、分析所有的营销线索数据管理器的状态信息，一旦一组营销线索数据管理器出现故障，能保证可正常提供服务的备用营销线索数据管理器即时接管服务，从而提高了云端营销线索数据管理器集群的稳定可靠性，保证数据安全；2.本专利技术能够对互联网营销过程中的线索进行分类，便于工作人员进行分类营销，能够使工作人员知道营销的侧重点，同时能够对营销线索进行评分制处理，给与工作人员一个明确的营销方向，提高了营销效果；3.本专利技术无缝对接营销计算引擎，无需开发底层存储、计算数据能力，打通两个系统通道，数据实时接入底座系，新数据集接入时自动开启模型脚本，实时计算、展示评级结果；4.预测性线索评分自动进行研究和计算，配备了AI和大量数据的平台，有足够的数据使得算法尽可能准确；
5.与主流机器学习框架相比较而言，具备更强大的运算性能，计算效率和性能更快、更高；6.能够系统化的、更直观的呈现模型数据，线索评级模型集成迁移联邦学习算法，历史action数据接入后实时更新模型进行自动化进行迁移联邦学习，提高模型精确度，无需建模师，普通营销人员可以基于自身需求创建模型视图并跟进线索数据，多维度、可视化直观呈现模型结果数据。
附图说明
[0017]图1为本专利技术的营销线索价值评估方法流程图。
具体实施方式
[0018]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0019]请参阅图1，本专利技术提供一种技术方案：一种基于迁移联邦学习的营销线索价值评估方法，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移联邦学习的营销线索价值评估方法，其特征在于：包括以下步骤：S1、建立云端数据库；S2、获得营销线索，深入研究产品的目标客户特征，对目标客户进行多维度的分析，找到目标客户可能出现的地方和场景，通过多种渠道获取线索；S3、获得营销方案信息，营销人员根据客户的意愿获取营销方案，保证隐私的前提下，为客户建档；S4：营销线索数据分类，将营销线索分为可执行营销线索和不可执行营销线索；S5、建立评估模型；S6、利用评估模型对应营销方案信息分类进行评估，获取评估值（评估数据）。2.根据权利要求1所述的一种基于迁移联邦学习的营销线索价值评估方法，其特征在于：所述步骤S1中的建立云端数据库包括多个监控模块，每一个监控模块对应多个营销线索数据管理器的方式监控所有的营销线索数据管理器；监控模块定期收集其所负责监控的营销线索数据管理器的状态信息，并将收集到的状态信息定期汇报给主监控模块；主监控模块定期收集所有监控模块汇报的所有营销线索数据管理器的状态信息；主监控模块分析收集到的所有营销线索数据管理器的状态信息，进行处理。3.根据权利要求1所述的一种基于迁移联邦学习的营销线索价值评估方法，其特征在于：步骤S3中的可执行营销线索是通过互联网营销过程中客户表达出对该系列产品有明确需求，不可执行营销线索是通过互联网营销过程中客户并没有直接表达出需求，但客户对该产品有了解兴趣的需求，营销线索进行评分是根据客户表达的需求意愿进行对应评分。4.根据权利要求3所述的一种基于迁移联邦学习的营销线索价值评估方法，其特征在于：所述评分划区间分别为0
‑
30分区间，31
‑
60分区间以及61
‑
100分区间，0
‑
30分区间为不可执行的可能性线索，31
‑
60分区间为可跟进线索，能够对该区间的线索进...

【专利技术属性】
技术研发人员：江元元，
申请(专利权)人：创络上海数据科技有限公司，
类型：发明
国别省市：