[发明专利]汽车行业大数据获客方法、装置、电子设备及存储介质

说明书

本申请提供一种汽车行业大数据获客方法、装置、电子设备及存储介质，电子设备通过对持有车辆和未持有车辆的用户对多类型应用程序的访问信息的差异性分析，筛选出与用户持有车辆的状态相关的目标应用程序和各目标应用程序相关的访问信息，并基于此生成当前购车意愿模型，电子设备还对持有车辆和持有车辆的用户的原始购车行为特征数据进行筛选，获得有效行为特征数据，结合购车意愿训练得到历史购车意向模型，电子设备利用历史购车意愿和当前购车意愿两个模型联合判断目标用户的购车操作，增加了识别用户是否执行购车行为时考虑的影响因子，提高了识别准确率，继而提高目标用户画像生成的准确率以及基于用户画像进行营销活动的精准度。

技术领域

本申请的实施例涉及大数据应用技术领域，尤其涉及一种汽车行业大数据获客方法、装置、电子设备及存储介质。

背景技术

用户画像是刻画用户社会属性、生活习惯、消费行为等信息的模型，汽车的购买及持有是描述用户消费行为的一个重要因素，是用户画像的重要组成部分。汽车服务行业可根据用户画像中的用户消费行为进行对应的营销策略。

现有技术中，服务器将大量用户对汽车产品的浏览行为、搜索行为及相关发言信息作为用户的购车意向的标签来训练神经网络，并利用该神经网络判断目标用户的购车意向，实现该目标用户画像的绘制，以使服务器根据该用户画像进行对应的营销策略。但是，上述神经网络训练过程中采用的标签信息是根据经验设定的标签信息，未能全面反映用户在进行购车意向时所考虑的因素，导致该神经网络不准确，对应生成的用户画像存在偏差。

发明内容

本申请提供一种汽车行业大数据获客方法、装置、电子设备及存储介质，用以解决基于经验设定的标签训练的神经网络对目标用户的购车意向的判断结果不准确的技术问题。

第一方面，本申请提供一种汽车行业大数据获客方法，所述方法包括：

获取持有车辆的第一用户和未持有车辆的第二用户对多类型应用程序的访问信息和原始购车行为特征数据；所述访问信息包括访问时间范围和操作信息，所述原始购车行为特征数据包括多种线下行为特征数据和多种线上行为特征数据；

针对各类型应用程序，对所述第一用户和所述第二用户处于相同访问时间范围内的操作信息进行差异性分析，生成分析结果，并根据所述分析结果构建规则模型，生成当前购车意愿模型；所述当前购车意愿模型包括第一当前购车意愿模型和第二当前购车意愿模型，所述分析结果包括目标应用程序；

对所述线下行为特征数据和线上行为特征数据进行数据清洗和预处理操作，确定有效行为特征数据；

利用所述有效行为特征数据训练逻辑回归模型，获得历史购车意向模型；

获取目标用户对所述多类型应用程序的访问信息和有效行为特征数据，根据所述当前购车意愿模型、所述目标应用程序的访问信息、所述历史购车意向模型和所述有效行为特征数据，生成所述目标用户的用户画像，并根据所述用户画像采取对应的信息推荐。

在上述技术方案中，电子设备通过对持有车辆和未持有车辆的用户对多类型应用程序的访问信息的差异性分析，筛选出与用户持有车辆的状态相关的目标应用程序和各目标应用程序相关的访问信息，并基于此生成当前购车意愿模型，电子设备还对持有车辆和持有车辆的用户的原始购车行为特征数据进行筛选，获得有效行为特征数据，结合购车意愿训练得到历史购车意向模型，电子设备利用历史购车意愿模型和当前购车意愿模型联合判断目标用户的购车操作，增加了识别用户是否执行购车行为时考虑的影响因子，提高了识别准确率，继而提高目标用户画像生成的准确率以及基于用户画像进行营销活动的精准度。

可选地，针对各类应用程序，对所述第一用户和所述第二用户处于相同访问时间范围内的操作信息进行差异性分析，生成分析结果，具体包括：