[发明专利]数据获取方法、装置、设备及介质

权利要求书

1.一种数据获取方法，其中，包括：

通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据；

根据预设阈值关系对所述客群价值迁移数据进行分类，获取所述原始客群数据中的潜在客群价值数据；

其中，所述潜在客群价值数据应用于精细化营销；

其中，所述客群价值迁移数据中对应于每个客户具有三个维度，每个维度具有一个预测标签分值，其中，所述每个客户的三个维度的预测标签分值的和为1；

所述预设阈值关系为：对应所述每个客户的一个维度的预测标签分值与第一预设阈值和/或第二预设阈值之间的大小关系；

所述根据预设阈值关系对所述客群价值迁移数据进行分类，获取所述原始客群数据中的潜在客群价值数据，包括：

当所述客群价值迁移数据中对应一个客户的一个维度的预测标签分值大于等于所述第一预设阈值，则对应所述一个客户进行潜在价值上行标签的标记；和/或

当所述客群价值迁移数据中对应一个客户的一个维度的预测标签分值小于所述第二预设阈值，则对应所述一个客户进行潜在价值保持标签的标记；

当所述客群价值迁移数据中对应一个客户的一个维度的预测标签分值小于所述第一预设阈值且大于等于所述第二预设阈值，则对应所述一个客户进行潜在价值下行标签的标记；

其中，所述潜在客群价值数据为对应所述客群价值迁移数据中具有潜在价值上行标签、潜在价值保持标签和潜在价值下行标签的客户数据。

2.根据权利要求1所述的方法，其中，在所述通过分类模型对原始客群数据进行价值迁移预测处理，生成客群价值迁移数据之前，还包括：

根据预设价值分层规则，通过聚类算法对固定客群数据进行聚类预测处理，生成价值分层模型；

其中，所述聚类算法为Kmeans算法或kmeans++算法。

3.根据权利要求2所述的方法，其中，在所述根据预设价值分层规则，对固定客群数据进行聚类预测处理，生成价值分层模型之后，还包括：

基于所述固定客群数据，确定于第一时间点的第一固定数据和于第二时间点的第二固定数据；

根据所述第一固定数据和所述第二固定数据，确定训练样本数据，用于生成所述分类模型；

其中，所述第一时间点和所述第二时间点之间具有时间间隔。

4.根据权利要求3所述的方法，其中，所述根据所述第一固定数据和所述第二固定数据，确定训练样本数据，包括：

通过所述价值分层模型对所述第一固定数据进行价值分层预测，获取第一分层数据；

通过所述价值分层模型对所述第二固定数据进行价值分层预测，获取第二分层数据；

对所述第一分层数据和所述第二分层数据进行价值层级比较处理，获取具有价值迁移标签的训练样本数据。

5.根据权利要求3所述的方法，其中，所述生成所述分类模型，包括：

通过多分类算法对所述训练样本数据进行学习建模，生成所述分类模型；

其中，所述多分类算法为Xgboost算法、Logistic Regression算法或Svm算法。