[发明专利]基于人工智能的客户价值标注方法、装置、设备及介质

权利要求书

1.一种基于人工智能的客户价值标注方法，其特征在于，包括：

定时采集每一客户对应的购买行为数据；

对每一所述客户对应的购买行为数据进行异常值和缺失值处理，获取有效行为数据；

基于所述有效行为数据进行统计，获取所述客户对应的包含至少一个统计特征的目标样本数据；

采用kmeans聚类算法对所述目标样本数据进行聚类分析，得到至少一个聚类簇，所述聚类簇用于指示客户类别一致的客户群体；

对所述聚类簇进行特征分析，以对每一所述聚类簇对应的客户群体进行客户价值标注。

2.如权利要求1所述基于人工智能的客户价值标注方法，其特征在于，所述对每一所述客户对应的购买行为数据进行异常值和缺失值处理，获取有效行为数据，包括：

判断所述购买行为数据中是否存在缺失值，若所述购买行为数据不存在缺失值，则将所述购买行为数据作为有效行为数据；

若所述购买行为数据存在缺失值，则获取所述缺失值对应的缺失字段；

若所述缺失字段为必要字段，则对所述缺失字段进行缺失值填充处理，获取中间行为数据；

若所述缺失字段为非必要字段，则不对所述缺失字段进行处理，将所述购买行为数据作为中间行为数据；

判断所述中间行为数据是否存在异常值，若所述中间行为数据存在异常值，则对所述中间行为数据进行异常值处理，去除购买行为无效的数据，获取有效行为数据。

3.如权利要求1所述基于人工智能的客户价值标注方法，其特征在于，所述采用kmeans聚类算法对所述目标样本数据进行聚类分析，得到至少一个聚类簇，包括；

初始化聚类簇数量，并按照预设质心选取策略选取初始质心；所述聚类簇数量用于指示初始质心的数量；

计算每一聚类簇的初始质心与所述目标样本数据之间的距离，将距离所述初始质心最近的目标样本数据聚集在同一聚类簇中；

更新每一所述聚类簇的质心，计算每一聚类簇的当前质心与所述目标样本数据之间的距离，将距离所述初始质心最近的所述目标样本数据聚集在同一聚类簇中，直到所述聚类簇对应的更新后的质心与更新前的质心之间的距离小于预设距离。

4.如权利要求3所述基于人工智能的客户价值标注方法，其特征在于，所述按照预设质心选取策略选取初始质心，包括：

随机选取一目标样本数据作为一个初始质心；

计算每一目标样本数据与所述初始质心间的距离，得到最短距离；

按照质心选取概率计算公式，对所述最短距离进行计算，得到质心选取概率；所述质心选取概率用于描述每一所述目标样本数据作为下一质心的概率；

基于所述质心选取概率，计算每一所述目标样本数据的概率累加和；

基于所述概率累加和，采用轮盘提取算法对所述目标样本数据进行选取，得到下一初始质心，继续执行所述计算每一所述目标样本数据与所述初始质心间的距离，得到最短距离的步骤，直到所述初始质心的数量达到所述聚类簇数量。

5.如权利要求1所述基于人工智能的客户价值标注方法，其特征在于，在所述对所述聚类簇进行特征分析，以对每一所述聚类簇对应的客户群体进行客户价值标注之后，所述基于人工智能的客户价值标注方法还包括：

定时检测每一客户对应的当前客户类别，所述当前客户类别用于指示所述客户在当前定时检测点下的客户类别；

根据所述客户的当前客户类别以及原始客户类别，检测客户类别的变化；所述原始客户类别指示所述客户在上一定时检测点下的客户类别；

若所述客户类别的变化为等级下降，则将所述客户类别的变化为等级下降的客户作为目标客户；

分析所述目标客户的购买行为数据，确定所述目标客户的喜好数据；

根据所述喜好数据，为所述目标客户推荐对应的产品。

6.如权利要求1所述基于人工智能的客户价值标注方法，其特征在于，在所述根据所述客户的当前客户类别以及原始客户类别，检测客户类别的变化之后，所述基于人工智能的客户价值标注方法还包括：

若所述客户类别的变化为等级提升，则将所述客户类别的变化为等级提升的客户作为目标客户，并将所述目标客户加入外呼名单中；

基于所述外呼名单，调用外呼模块进行过外呼。