一种客户信息挖掘方法、装置、设备以及存储介质与流程

本发明实施例涉及信息处理技术领域，尤其涉及一种客户信息挖掘方法、装置、设备以及存储介质。

背景技术：

随着电子商务时代的不断发展，市场竞争日益加剧，在营销过程中，客户资源的竞争从来没有停止过，不断挖掘潜在客户，并将潜在客户转化为现实客户，对企业获得更多效益及增强市场竞争力具有重要意义。所谓潜在客户，是指对某类产品或服务存在需求且具备购买能力的待开发客户，这类客户与企业存在着销售合作机会，经过企业及销售人员的努力，可以把潜在客户转变为现实客户。通过挖掘客户信息来确定潜在客户，对于扩展企业营销范围具有重要意义。

现有的获取潜在客户信息的方法，一般通过举办市场活动、电话咨询或客户访谈等多种方式获得客户信息，并进行营销跟进，但现有方法得到的客户信息质量参差不齐，有些客户信息甚至不具备营销价值，无法实现精确锁定潜在客户。

技术实现要素：

本发明实施例提供一种客户信息挖掘方法、装置、设备以及存储介质，以解决现有客户信息挖掘方法无法精确锁定潜在客户的技术缺陷。

第一方面，本发明实施例提供了一种客户信息挖掘方法，包括：

确定预设行业的检索式信息；

根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息；

从所述网页信息中确定目标网站；

获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

第二方面，本发明实施例还提供了一种客户信息挖掘装置，包括：

检索式确定模块，用于确定预设行业的检索式信息；

检索模块，用于根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息；

目标网站确定模块，用于从所述网页信息中确定目标网站；

信息挖掘模块，用于获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述程序时实现如本发明实施例中任一所述的客户信息挖掘方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的客户信息挖掘方法。

本发明实施例提供的技术方案，基于搜索引擎对预设行业的检索式信息进行检索，从检索结果中抓取网页信息并确定目标网站，通过对目标网站对应的网页集合进行筛选和分析，得到目标客户的画像特征信息。本发明实施例通过采用上述技术方案，能够从海量信息中精确锁定目标客户，提升客户量，并获取客户的画像特征信息，以保证后续营销的精准性。

附图说明

图1为本发明实施例一提供的一种客户信息挖掘方法的流程示意图；

图2为本发明实施例二提供的一种客户信息挖掘方法的流程示意图；

图3为本发明实施例三提供的一种客户信息挖掘方法的流程示意图；

图4为本发明实施例四提供的一种客户信息挖掘方法的流程示意图；

图5为本发明实施例五提供的一种客户信息挖掘装置的结构示意图；

图6为本发明实施例六提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程示意图描绘的处理或方法。虽然流程示意图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种客户信息挖掘方法的流程示意图。本实施例的方法可以由客户信息挖掘装置来执行，该装置可通过硬件和/或软件的方式实现，该装置可集成在具有客户信息挖掘功能的服务器或者终端设备中，且本实施例提供的方法一般可适用于挖掘客户信息的情况。如图1所示，本实施例的方法包括：

110、确定预设行业的检索式信息。

示例性的，行业一般是指按生产同类产品、具有相同工艺过程或提供同类劳动服务划分的经济活动类别，如饮食行业、服装行业、机械行业、金融行业、移动互联网行业等等，也可以细分为各大行业下的小行业。预设行业可以为预先确定的某一行业，检索式可以理解为用户在搜索引擎中输入的查询条件，通常可以指输入的关键词，也可以包括检索语句。如鲜花行业对应的检索式可以包括：花店、鲜花、鲜花速递、鲜花购买和鲜花礼品等关键词，也可以为“常用的鲜花速递网有什么”等检索语句。

120、根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息。

130、从所述网页信息中确定目标网站。

示例性的，通过搜索引擎对检索式信息进行分析，得到大量的网页信息，可以通过预设规则对网页信息进行筛选，确定目标网站。

140、获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

示例性的，内容过滤技可以理解为根据网页内容对网页进行过滤的技术，如网页分类技术、网页实体分析技术和网页行业过滤等均属于内容过滤技术。客户的画像是指建立在一系列真实数据之上的目标客户模型，例如，以电商购物为例，电商们通过对消费者个体的消费能力、消费内容、消费品质、消费渠道、消费刺激的长时间多频次的建模，可以为每个客户构建一个精准的消费画像。本实施例中可以通过内容过滤技术筛选并分析所述候选网页集合中的网页，筛选出目标客户的对应网页，并根据目标客户的对应网页所包含的网页信息分析获取目标客户的画像特征。

可选的，所述目标网页对应客户的画像特征可以包括：客户实体所属行业、客户主营产品和客户联系方式中的至少一种信息。

搜索引擎索引的海量网页信息的突出特点是索引类别多、索引内容混乱，如常见的索引类别包括门户类、行业网站、交易网站、论坛和企业网站的索引等等，索引内容则存在网页模板多样化、编码不规范和网页广告冗余信息繁多等问题。如果对搜索引擎索引的海量网页信息一一解析来挖掘潜客户信息，则计算量非常大。

本实施例提供的技术方案通过搜索引擎对预设行业的检索式信息进行检索，从检索结果中抓取网页信息并确定目标网站，对目标网站对应的网页集合进行进一步筛选和分析，得到目标客户的画像特征信息。通过对候选网页集合进行筛选和分析，从网页中提取出具有营销潜力的客户信息，实现从海量信息中精确锁定目标客户，提升客户量，并获取客户的画像特征信息，以保证后续营销的精准性。

实施例二

图2为本发明实施例二提供的一种客户信息挖掘方法的流程示意图，本实施例在上述实施例一的基础上，对确定预设行业的检索式信息进行优化，如图2所示，本实施例的方法包括：

210、根据历史展现日志信息，筛选预设时间范围内所有进行过检索的检索式信息作为候选检索式集合。

示例性的，历史展现日志信息可以理解为在搜索引擎中基于用户搜索行为的所有日志信息，根据距离当前时间一定时间范围内的展现日志信息，分析得到该时间范围内用户检索过程中所涉及到的所有检索式信息。

220、基于关键词推广系统中的行业与关键词的对应关系，通过短文本分类技术对所述候选检索式集合中的所有检索式信息进行分类，筛选出预设行业的检索式信息。

示例性的，关键词推广系统是指客户在搜索引擎中对关键词的竞价购买，从而形成了客户与关键词的对应关系，可以建立客户所属行业与关键词之间的关系。短文本通常是指文本长度比较短的文本，单条短文本通常只有几十字节大小，可包含几个到十几个词语，本实施例中的检索式属于短文本范畴，短文本分类技术可以理解为将检索式进行分类的技术。本实施例可以基于关键词推广系统中的行业与关键词的对应关系，训练出用于进行文本分类的模型，实现短文本分类，得到各检索式对应的行业信息，进而根据行业信息筛选出指定行业的检索式信息。

230、根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息。

240、从所述网页信息中确定目标网站。

250、获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

本实施例提供的技术方案，通过历史展现日志信息，筛选出预设时间范围内的检索式集合，并根据短文本分类技术及行业与关键词的对应关系，对检索式集合内的检索式进行筛选，确定出于预设行业的检索式信息，保证得到与预设行业匹配度高的检索式，从而确保根据检索式检索所得网页的准确性。

实施例三

图3为本发明实施例三提供的一种客户信息挖掘方法的流程示意图，本实施例在上述各实施例的基础上，对从所述网页信息中确定目标网站进行优化，如图3所示，本实施例的方法包括：

310、确定预设行业的检索式信息。

320、根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息。

330、对所述网页信息进行解析，提取网页的标识信息。

其中，所述标识信息包括标题信息、摘要信息和页面的地址信息中的至少一种。

示例性的，可以利用网络爬虫对确定的预设行业的检索式信息进行爬取，获取并解析返回的页面，提取所返回页面的标识信息，如topn标题、网页摘要信息以及页面的地址信息，即url信息等。

340、根据预设过滤规则对所述标识信息进行数据清洗，得到所述目标网站。

示例性的，根据预设过滤规则对网页的标题、摘要信息和网页url信息进行数据清洗，例如，对url可以进行基于主域的强规则过滤，url信息中包含有域名信息，可以根据url中的域名信息过滤掉常见的门户网站、blog等不相关网站信息，可以理解为设置url黑名单。

示例性的，对于网页标题和摘要信息也可以进行相应强规则过滤，例如，对标题中出现58同城、百度知道或百度百科等不想关信息的网站进行过滤，可以理解的是，对于网页标题和摘要信息采用强规则过滤时，可以预先设置规则词表，可以理解为设置白名单，在进行强规则过滤时，与所设置的规则词表中相对应的网站在过滤后会被保留下来。

350、获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

本实施例提供的技术方案，根据检索式抓取候选网页信息后，可以通过提取网页的标识信息对候选网页进行筛选，实验分析发现经过主域过滤，可排除约70％的不相关url信息，通过对网页标题和摘要进行强规则过滤，可以继续过滤掉约20％的不相关网页信息，从而大大缩小候选网页的范围，保证后续确定目标客户的精准性，实现从海量信息中精确锁定目标客户，提升客户量，并获取客户的画像特征信息，以保证后续营销的精准性。

实施例四

图4为本发明实施例四提供的一种客户信息挖掘方法的流程示意图，本实施例在上述各实施例的基础上，对获取目标客户的画像特征进行优化，如图4所示，本实施例的方法包括：

410、确定预设行业的检索式信息。

420、根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息。

430、从所述网页信息中确定目标网站。

440、基于所述目标网站的地址信息访问所述目标网站，得到所述目标网站中的所有网页，作为候选网页集合。

示例性的，在确定目标网站后，在搜索引擎中检索目标网站的url，得到目标网站页面，目标网站中可能包括多个网页信息，如某一鲜花速递网站可以包括关于我们、企业团购、客户服务和购物车等多个网页，将目标网站中包含的所有网页作为候选网页集合。

450、根据网页分类技术对所述候选网页集合所包含的网页进行过滤，得到所述目标网页。

示例性的，网页分类技术能够根据网页信息对网页进行分类，在不同的应用场景下，可以有不同的网页分类标准，例如可以根据网页的更新调度周期、网页的表现形式、网站类型、内容主体等维度的信息对网页进行分类，再例如，根据网页的表现形式维度，可以将网页划分为图片类、视频类和文字类等类别；根据网站类型维度，可以将对应网页分为论坛类、导航类和电商类等等。本实施例中可以基于网页类型维度对候选网页集合中的网页进行分类，根据分类结果，过滤掉平台类、导航类等类型的网站，得到目标网页。

460、根据网页实体技术对所述目标网页进行分析，获取所述目标客户的画像特征。

示例性的，网页实体技术是指提取网页所对应客户的实体信息的技术。对通过步骤450过滤后的得到的候选网页，进行实体技术分析，得到候选网页所对应客户画像特征信息，如客户的实体行业、主营产品、企业规模及客户的联系方式信息等。

本实施例提供的技术方案，通过从检索式检索到的网页筛选出目标网站后，再通过网页分类技术对目标网站进一步进行过滤，从而锁定匹配性较高的潜在客户网页信息，通过网页实体技术对过滤后的网页进行分析，获取客户的画像特征，挖掘出较高营销价值的客户信息，实现从海量信息中精确锁定目标客户，提升客户量，并获取客户的画像特征信息，以保证后续营销的精准性。

进一步的，可以根据步骤460实体技术分析后提取的客户实体行业信息，对步骤450过滤后的得到的候选网页再次进行行业信息过滤，排除候选网页中的不相关网页，得到最终的目标客户网页，及目标客户的画像特征信息，根据页面的行业信息，对过滤后的候选网页作进一步筛选，能够使得到的潜在客户网页信息更加精准，进一步保证精确锁定潜在客户。

实施例五

图5为本发明实施例五提供的一种客户信息挖掘装置的结构示意图。该装置可由软件和/或硬件实现，该装置可集成在具有客户信息挖掘功能的服务器或者终端设备中，可通过执行客户信息挖掘方法来挖掘目标客户。如图4所示，该装置包括：检索式确定模块510、检索模块520、目标网站确定模块530以及信息挖掘模块540，其中：

检索式确定模块510，用于确定预设行业的检索式信息；

检索模块520，用于根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息；

目标网站确定模块530，用于从所述网页信息中确定目标网站；

信息挖掘模块540，用于获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

本实施例提供的技术方案通过搜索引擎对预设行业的检索式信息进行检索，从检索结果中抓取网页信息并确定目标网站，对目标网站对应的网页集合进行进一步筛选和分析，得到目标客户的画像特征信息。通过对候选网页集合进行筛选和分析，从网页中提取出具有营销潜力的客户信息，实现从海量信息中精确锁定目标客户，提升客户量，并获取客户的画像特征信息，以保证后续营销的精准性。

在上述各实施例的基础上，检索式确定模块510可以包括：

检索式集合获取单元，用于根据历史展现日志信息，筛选预设时间范围内所有进行过检索的检索式信息作为候选检索式集合；

检索式确定单元，用于基于关键词推广系统中的行业与关键词的对应关系，通过短文本分类技术对所述候选检索式集合中的所有检索式信息进行分类，筛选出预设行业的检索式信息。

在上述各实施例的基础上，目标网站确定模块530可以包括：

网页信息提取单元，用于对所述网页信息进行解析，提取网页的标识信息，其中，所述标识信息包括标题信息、摘要信息和页面的地址信息中的至少一种；到所述目标网站。

在上述各实施例的基础上，信息挖掘模块540可以包括：

网页集合获取单元，用于基于所述目标网站的地址信息访问所述目标网站，得到所述目标网站中的所有网页，作为候选网页集合；

目标网页确定单元，用于根据网页分类技术对所述候选网页集合所包含的网页进行过滤，得到所述目标网页；

信息挖掘单元，用于根据网页实体技术对所述目标网页进行分析，获取所述目标客户的画像特征。

在上述各实施例的基础上，所述目标网页对应客户的画像特征包括：客户实体所属行业、客户主营产品和客户联系方式中的至少一种信息。

上述客户信息挖掘装置可执行本发明任意实施例所提供的客户信息挖掘方法，具备执行的客户信息挖掘方法相应的功能模块和有益效果。

实施例六

图6为本发明实施例六提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图6显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的客户信息挖掘方法。

也即：所述处理单元执行所述程序时实现：确定预设行业的检索式信息；根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息；从所述网页信息中确定目标网站；获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

实施例七

本发明实施例七提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的客户信息挖掘方法：

也即：该程序被处理器执行时实现：确定预设行业的检索式信息；根据所述预设行业的检索式信息通过搜索引擎进行检索，并从检索结果中抓取网页信息；从所述网页信息中确定目标网站；获取所述目标网站的候选网页集合，根据内容过滤技术对所述候选网页集合中的网页进行过滤及分析，获取目标客户的画像特征。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。