[发明专利]基于CNN模型的商机推荐方法、系统、电子设备及介质

说明书

本发明实施例公开了一种基于CNN模型的商机推荐方法，包括：获取待处理数据；对其进行预处理，以得到CNN、CFR和XGB模型数据集；采用CNN模型，预测得到目标用户；采用CFR模型，预测得到每一目标用户感兴趣的商机初步排序；针对每一目标用户，调用其对应的XGB模型数据集，并将其与商机初步排序输入XGB模型，得到每个目标用户的商机最终排序；将用户ID和商机最终排序分发至不同的业务部门。与现有的人工商机推送方法，本申请能够在两个小时内完成商机推送，用户的覆盖面更加深入，更加全面，无论是新老用户都能够良好的被挖掘，每日推送的商机，用户转化率高，对业务部门起到了良好的协助作用。

技术领域

本发明涉及深度学习技术领域，具体涉及一种基于CNN模型的商机推荐方法、系统、电子设备及介质。

背景技术

服务平台型的公司，人为的从海量的数据库中筛选出目标客户，根据已有的经验和业务逻辑，然后推送给销售人员，称为商机推荐，即根据不同商机的推送关联规则，在不同场景下为用户推送最有可能的商机。

现有的商机推荐方式主要存在两个方面的问题：

1、用户挖掘方面：主要是业务人员通过业务逻辑和经验进行数据对最近的数据进行筛选，耗时耗力，并且用户的筛选的效果还不一定好，会流失大部分潜在目标用户。

2、预测商机方面：主要为人力通过一定规则和经验进行推荐，推荐的商机种类主要看业务人员的经验储备，并且预测的准确率较低，导致销售人员的业绩转化率较低。

发明内容

针对上述技术缺陷，本发明实施例的目的在于提供一种基于CNN模型的商机推荐方法、系统、电子设备及介质。

为实现上述目的，第一方面，本发明实施例提供了一种基于CNN模型的商机推荐方法，包括：

获取待处理数据，所述待处理数据包括用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据；

对用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据进行处理，以得到CNN模型数据集、CFR模型数据集和XGB模型输入数据集；

将所述CNN模型数据集输入预先训练的CNN模型，预测得到目标用户和非目标用户；

针对每一所述目标用户，调用其对应的所述CFR模型数据集，并将所述CFR模型数据集输入预设的CFR模型，预测得到每一目标用户感兴趣的商机初步排序；

针对每一所述目标用户，调用其对应的所述XGB模型数据集，并将商机初步排序和所述XGB模型数据集输入预设的XGB模型，得到每个目标用户的商机最终排序；

将用户ID和所述商机最终排序分发至不同的业务部门。

在本申请有些优选实施方式中，得到CNN模型数据集之后，所述方法还包括训练CNN模型具体为：

通过CNN模型数据集调用deeplearning4j工具包的cnn接口进行训练，生成CNN模型。

第二方面，本发明实施例提供了一种基于CNN模型的商机推荐系统，包括：

获取模块，用于获取待处理数据，所述待处理数据包括用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据；

处理模块，用于对用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据进行处理，以得到CNN模型数据集、CFR模型数据集和XGB模型数据集；

预测模块，用于将所述CNN模型数据集输入预先训练的CNN模型，预测得到目标用户和非目标用户；