[发明专利]客户数据分类方法、装置及电子设备

说明书

本发明提供了一种客户数据分类方法、装置及电子设备，其中方法包括：获取包含多条客户记录的客户数据；其中所述客户数据包括多列属性；分别确定每列属性的属性类型；其中属性类型为分类型或数值型；将所述客户数据中分类型数据属性对应的属性值、转换为数值型数据属性对应的属性值；对所述客户数据执行聚类操作，获得用于表示客户细分的聚类结果。本发明可以将分类型数据属性转换为数值型数据属性，然后再执行聚类操作，以便聚类操作中可以均衡考虑分类型数据属性和数值型数据属性，使得分类效果更优。

技术领域

本申请涉及市场营销及人工智能领域技术领域，尤其涉及客户数据分类方法、装置及电子设备。

背景技术

客户细分已是一个企业必须要做的事情，客户细分不仅可以更好地理解客户，还能能够有效降低成本、给企业带来巨大利益。客户细分是一个基础工程，特别对客户关系管理来说，精确地客户细分会极大提高营销效率；细分方法无论是对一般的营销战术、生产运作甚至企业战略应用都具有一定的帮助作用。

目前客户细分主要从区分客户不同需求、客户不同属性特征出发，按照一定标准把整体市场细分成为若干个需要不同产品和不同市场营销组合的子市场，在此基础上选择一定的目标市场，最后设计相应的营销工具的整个活动过程。

客户细分的对象是客户数据，客户数据通常包括基本数据和行为数据等，从数据类型上看可以包括分类型数据属性(离散型)和数值型数据属性(连续型)。对于客户数据来说，分类型数据属性包括客户的性别、职业、居住地等属性，其属性的取值范围是离散、有限的；数值型数据属性包括客户的收入、登录时长、消费金额等，其属性的取值范围是连续的数值区间。

目前在对客户数据进行分类的过程中，并未区分客户数据的数据类型(分类型数据属性和数值型数据属性)，不过聚类算法因为分类型数据属性的明显特性而偏向于分类型数据属性，导致最终分类结果会过多关注于分类型数据属性，忽略数值型数据属性，导致分类效果不优。

发明内容

鉴于此，本申请提供客户数据分类方法、装置及电子设备，可以将分类型数据属性转换为数值型数据属性，然后再执行聚类操作，以便聚类操作中可以均衡考虑分类型数据属性和数值型数据属性，使得分类效果更优。

为了实现上述目的，本发明提供下述技术特征：

一种客户数据分类方法，包括：

获取包含多条客户记录的客户数据；其中所述客户数据包括多列属性；

分别确定每列属性的属性类型；其中属性类型为分类型或数值型；

将所述客户数据中分类型数据属性对应的属性值、转换为数值型数据属性对应的属性值；

对所述客户数据执行聚类操作，获得用于表示客户细分的聚类结果。

可选的，所述分别确定每列属性的属性类型，包括：

判断一列属性对应属性值的数值类型是否为连续数据类型；

若非连续数据类型则确定该列属性为分类型数据属性；

若是连续数据类型，则统计该列属性中不同属性值的个数，并计算不同属性值的个数与属性值总数的比值；

判断所述比值是否大于设定阈值；

若所述比值大于设定阈值，则确定该列属性为数值型数据属性；

若所述比值不大于设定阈值，则确定该列属性为分类型数据属性。

可选的，所述将所述客户数据中分类型数据属性对应的属性值、转换为数值型数据属性对应的属性值，包括：

针对所述客户数据中每列分类型数据属性执行下述操作：