[发明专利]基于机器学习的汽车客户画像分析方法、系统及存储介质

权利要求书

1.一种基于机器学习的汽车客户画像分析方法，其特征在于：

确定售价与其他数值型特征的对应关系；

确定售价与车型的对应关系；

将售价与其他数值型特征的对应关系和售价与车型的对应关系进行整合，得到车型、售价与其他数值型特征的对应关系；

确定车型与其他字符型特征的对应关系；

将车型与其他字符型特征的对应关系和车型、售价与其他数值型特征的对应关系进行整合，得到车型、售价与其他数值型特征、其他字符型特征的对应关系；

描绘汽车客户画像，每组对应关系自动成为一个客户群。

2.根据权利要求1所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述其他数值型特征包括客户年龄、客户家庭收入中的一项或两项。

3.根据权利要求1或2所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述其他字符型特征包括颜色、性别、付款方式、购车用途中的一项或多项。

4.根据权利要求3所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述确定售价与其他数值型特征的对应关系包括：

获取客户历史购车数据；

从所述客户历史购车数据中提取数值型特征；

对所述数值型特征进行聚类；

得到聚类结果，即售价与其他数值型特征的对应关系。

5.根据权利要求1或2或4所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述确定售价与车型的对应关系包括：

获取客户历史购车数据；

统计不同车型的售价均值，并将售价均值作为对应车型的售价，得到售价与车型的对应关系。

6.根据权利要求5所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述确定车型与其他字符型特征的对应关系包括：

获取客户历史购车数据；

从所述客户历史购车数据中提取字符型特征；

对所述字符型特征进行关联分析；

筛选关联分析结果，即得到车型与其他字符型特征的对应关系。

7.根据权利要求6所述的基于机器学习的汽车客户画像分析方法，其特征在于：对所述字符型特征进行关联分析，具体为：

先找出满足支持度最小阈值的频繁项集，再从频繁项集中找出满足最小置信度的所有关联规则；

其中：

所述频繁项集是指满足支持度的最小阈值的所有项集；

所述支持度是指在所有项集中{X，Y}出现的可能性，即项集中同时含有X和Y的概率；

所述置信度是表示在关联规则的先决条件X发生的条件下，关联结果Y发生的概率，即含有X的项集中，同时含有Y的可能性。

8.根据权利要求7所述的基于机器学习的汽车客户画像分析方法，其特征在于：所述筛选关联分析结果是指从关联规则中筛选出含有车型项的关联规则。

9.一种基于机器学习的汽车客户画像分析系统，包括存储器和处理器，其特征在于：所述存储器内存储有一个或多个计算机可读程序，所述计算机可读程序被一个或多个处理器调用执行时，能实现如权利要求1至8任一所述的基于机器学习的汽车客户画像分析方法的步骤。

10.一种存储介质，其特征在于：其存储有一个或多个计算机可读程序，所述计算机可读程序被一个或多个控制器调用执行时，能实现如权利要求1至8任一所述的基于机器学习的汽车客户画像分析方法的步骤。