[发明专利]一种商品购买意愿识别方法及装置

说明书

本发明提供一种商品购买意愿识别方法及装置。所述方法包括：基于对顾客现场沟通记录的分析，确定与商品购买意愿有关的多维度的特征；基于特征之间的相关性对特征进行筛选；建立以筛选后的特征为输入、以有无购买意愿为输出的识别模型，并通过逐一甄别每个输入特征对所述模型的影响程度进行模型优化；利用训练好的识别模型预测顾客的商品购买意愿。本发明以销售人员同顾客的现场沟通记录为数据源建立识别模型，通过对影响购买意愿的多维度的特征进行筛选、模型优化，可以在不借助其它外部信息数据源的情况下，准确识别顾客的购买意愿，使销售人员与顾客沟通的内容更有针对性、更深入、更高效，从而促进成交，提升销售业绩。

技术领域

本发明属于智能识别技术领域，具体涉及一种商品购买意愿识别方法及装置。

背景技术

购买意愿是指消费者购买商品的倾向性，消费者实际购物行为的指示信号。通常根据消费者在一段时间内对某一商品购买可能性转移的速度、方向和规模来测量。现有购买意愿识别方法以主观判断为主，主要采取以下方法。销售人员在与消费者沟通中，通过对消费者的提问内容、产品选择、来访次数、讨价还价情况、付款方式和贷款等问题的解答和分析，识别出消费者的购买需求；然后经过多次和消费者沟通交流，识别出购买意愿较高的消费者，并定期进行跟踪回访，促进成交。通过销售人员与消费者的多次沟通与交流，进而判断识别购买意愿较高的方式，主要适用于商品类，如房地产、汽车、珠宝和大宗家电等，或沟通链条较长的消费品类，如金融理财、保险等。

以主观判断为主的现有识别方法主要存在以下问题：基于人的主观判断，随机性强，难以固化，缺乏稳定性；主观判断因时效性问题，难以有效把握销售机会；针对判断后的促进成交措施指导较为薄弱；需要借助其他外部信息数据对消费者行为进行额外判定，数据采集和汇总分析难度大，有侵犯隐私嫌疑。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种商品购买意愿识别方法及装置。

为了实现上述目的，本发明采用以下技术方案。

第一方面，本发明提供一种商品购买意愿识别方法，包括以下步骤：

基于对顾客现场沟通记录的分析，确定与商品购买意愿有关的多维度的特征；

基于特征之间的相关性对特征进行筛选；

建立以筛选后的特征为输入、以有无购买意愿为输出的识别模型，并通过逐一甄别每个输入特征对所述模型的影响程度进行模型优化；

利用训练好的识别模型预测顾客的商品购买意愿。

进一步地，所述方法还包括构建数据库的步骤，所述数据库的每条数据记录对应一次有效的顾客沟通记录，每条数据记录包括特征值和结果，每个特征值的取值为一组连续整数，其大小表示对成交有利的程度，特征值越大对成交越有利；结果只取0、1两个值，分别表示在沟通后的设定时间阈值内没有成交和成交。

更进一步地，所述识别模型为朴素贝叶斯分类器，分类器输出y为：

式中，P(·)表示求概率，X、Y分别为输入输出变量，x_i为第i个特征值，k＝1,2，y₁＝0，y₂＝1，i＝1,2,…,N，N为特征的数量。

更进一步地，基于特征之间的相关性对特征进行筛选的方法包括：

首先，按下述方法对所有特征进行排序：

从数据库中选取数量相同的正类样本和负类样本，正类样本为结果为1的数据，负类样本为结果为0的数据；

针对每个单一特征建立识别模型，其输出为1、0，分别表示有购买意愿和无购买意愿，统计应用所述模型对所述正类样本和负类样本的预测结果；

根据统计结果按下式计算评价指标F1：