[发明专利]房地产客户复购时间的预测方法、服务器及存储介质

权利要求书

1.一种房地产客户复购时间的预测方法，其特征在于，包括：

获取若干复购客户待处理数据，包括客档数据和第一线上行为数据；

对所述待处理数据进行标准化处理；

对标准化处理的待处理数据，采用k-means算法进行聚类，设定K个初始聚类中心，将所述若干复购客户对应划分到K个聚类簇中，并得到各聚类簇对应的函数关系式，所述函数关系式可指示该分类簇中复购客户待处理数据中各指标所占权重；

获取各指标在所述K个聚类簇中的权重，确定该指标在所述K个聚类簇中的最大值和最小值，计算两者差值，得到该指标的差异度；

根据指标的差异度，选择达到设定条件的指标，作为目标指标；

选择若干复购客户对应目标指标的数据，用于构建最小二乘支持向量机模型；通过所述最小二乘支持向量机模型对已初次成交但未复购的待预测客户进行复购时间的预测。

2.如权利要求1所述的房地产客户复购时间的预测方法，其特征在于，所述客档数据至少包括如下指标之一：客户年龄；买房用途；买房类别；看房时间；所述买房用途包含：自住、投资、自住+投资；所述买房类别包含：刚需、改善、投资；所述看房时间包含：1个月以内、3个月以内、一年以内、一年以上。

3.如权利要求2所述的房地产客户复购时间的预测方法，其特征在于，所述第一线上行为数据为所述复购客户在初次成交之后，复购之前的数据，至少包括如下指标之一：浏览次数、浏览楼盘最大停留时长、浏览户型总数量、关注楼盘总时长、每日浏览时长/频率。

4.如权利要求3所述的房地产客户复购时间的预测方法，其特征在于，所述对所述待处理数据进行标准化处理包括：

针对所述待处理数据中的各指标，求出所有指标的算数平均值和标准差S_i；

按照公式进行计算；Z_ij表示标准化后的指标值，x_ij表示实际指标值。

5.如权利要求4所述的房地产客户复购时间的预测方法，其特征在于，所述通过所述最小二乘支持向量机模型对已初次成交但未复购的待预测客户进行复购时间的预测包括：

将所述待预测客户的输入数据输入到所述最小二乘支持向量机模型，输出得到所述待预测客户的成交时间间隔，基于所述待预测客户的初次成交时间，预测得到其复购时间；所述输入数据包括所述待预测客户经所述标准化处理后的客档数据以及第一线上行为数据。

6.如权利要求5所述的房地产客户复购时间的预测方法，其特征在于，在所述通过所述最小二乘支持向量机模型对已初次成交但未复购的待预测客户进行复购时间的预测之前，还包括：

将所述待预测客户的第二线上行为数据输入到成交概率预测模型中，输出该待预测客户的成交概率，将所述成交概率与设定成交概率阈值进行比较，且判断该待预测客户的成交概率大于等于所述设定成交概率阈值。

7.如权利要求6所述的房地产客户复购时间的预测方法，其特征在于，所述成交概率预测模型为轻型梯度助推器LightGBM模型。

8.如权利要求1-7任一项所述的房地产客户复购时间的预测方法，其特征在于，所述设定条件包括：

将各指标的差异度按照数值从大到小依次排序，将排名前N的指标作为所述目标指标；所述N大于1，且小于所述指标数量；

或，将各指标的差异度与设定差异度阈值进行比较，将差异度达到所述设定差异度阈值的指标作为所述目标指标。

9.一种服务器，其特征在于，所述服务器包括处理器、存储器及通信总线；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行存储器中存储的一个或者多个程序，以实现如权利要求1至8中任一项所述的房地产客户复购时间的预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的房地产客户复购时间的预测方法的步骤。