[发明专利]一种基于数据全局搜索和特征分类的预测方法

说明书

本发明涉及一种基于数据全局搜索和特征分类的预测方法，将用户群体分为品牌人群和非品牌人群；提取品牌人群的属性特征、偏好特征以及品类特征；提取非品牌人群的属性特征，偏好特征，品类特征，竞品特征和搜索特征；将提取到的特征形成特征集；根据特征集，基于改进的随机森林算法，建立面向O2O的潜在客户识别模型。本发明建立的预测模式和算法具有全局搜索能力强，收敛速度快，识别精度高等优点，并在面向O2O电子商务领域中潜在客户识别与预测中取得了成功应用。

技术领域

本发明涉及数据挖掘和分类领域，具体地说是一种基于数据全局搜索和特征分类的预测方法。

背景技术

随着当今社会的信息化程度越来越高，电子商务行业蓬勃发展，每天都会有大量的用户在电子商务网站中浏览商品或者进行购物等，因此在电子商务网站中每天都会有大量的用户行为信息被保存下来，这些数据不仅能够反映出用户当前的浏览行为，更重要的是能够反映出每个用户潜在的购买意愿。因此，如果能够从这些数据中准确高效的挖掘出电子商务企业的潜在客户，商家就可以针对这些客户进行个性化的服务，实现精准营销，商家就能够最大程度地将潜在客户转化成实际客户，从而获得更多的利润，最终在竞争激烈的电子商务市场竞争中占据有利地位。O2O营销模式能够充分的利用线上线下的资源，经营方式多样化，用户能够在线上进行咨询或者支付等行为，并在线下进行消费，能够充分满足用户的需求，是一种非常重要且受欢迎的电子商务营销模式。

但是面对如此庞大的O2O市场，不仅用户数量巨大，同时商品和商家数量巨大且种类繁多。因此，对用户来说，他们无法从大量的商品类目中快速的找到自己喜欢的商品或者服务，对商家来说，无法实时准确的找到自己的用户，对他们进行个性化的服务，实现精准营销，提高市场竞争力。

目前的潜在客户识别的方法主要利用分类或者是聚类算法进行建模，以及利用关联规则等算法来提取用户特征，进而根据用户特征准确识别出潜在客户。当前基于文本分类算法或者是聚类算法的潜在客户识别方法在银行、保险以及电子商务等行业中都取得了一定的成功。但是如何结合线上和线下资源，进行面向O2O行业的潜在客户识别的研究目前来说还较少。

本文以O2O用户到店消费为目标，找到指定规模的潜在机会人群或者认知人群，通过营销投放将其转化为品牌兴趣人群和已购人群，从而提升品牌消费者资产。

针对O2O行业潜在客户识别这种复杂的分类问题，如果采用传统的数据挖掘方法解决,则无法在客户的识别精度和效率两个方面同时达到理想的结果。具有全局搜索能力强，收敛速度快，识别精度高等优点。

发明内容

针对现有技术的不足，本发明提供一种基于数据全局搜索和特征分类的预测方法。

本发明为实现上述目的所采用的技术方案是：一种基于分类算法的多方向人群扩散加人群分类优选的面向O2O电子商务领域的潜在客户识别方法。

一种基于数据全局搜索和特征分类的预测方法，包括以下步骤：

步骤1:将用户群体分为品牌人群和非品牌人群；

步骤2:提取品牌人群的属性特征、偏好特征以及品类特征；提取非品牌人群的属性特征，偏好特征，品类特征，竞品特征和搜索特征；将提取到的特征形成特征集；

步骤3:根据特征集，基于改进的随机森林算法，建立面向O2O的潜在客户识别模型。

所述品牌人群为：在一段时间内，只对特定品牌的商品进行浏览或收藏行为，而对其它的品牌商品没有进行过任何操作的用户群体；

所述非品牌人群为：在总的用户群体中除去品牌人群外的用户群体。

所述属性特征为：属性是对象的性质与对象之间关系的统称，属性特征即用户群体自身的特征，例如用户的年龄、性别等。