一种房地产客户群识别和营销的方法与流程

本发明属于房地产销售技术领域，尤其涉及一种房地产客户群识别和营销的方法。

背景技术：

目前房地产行业的宣传手段大多采用线下发传单的形式，但是发传单是面向广大的群众，无法实施精准的宣传营销，客户的需求和传单上的内容很有可能不匹配，并且人们的生活忙碌，可能在接收到传单的时候并没有时间仔细看传单上的内容。因此传统的线下发传单的方式无法快速找到对应的客户群去实施广告的投放，无法达到精准营销成为一大难题。

技术实现要素：

本发明的目的在于提供一种房地产客户群识别和营销的方法，以解决现有技术中难以找到对应的客户群去实施广告投放，无法达到精准营销的问题。

为了达到上述目的，本发明的技术方案为：一种房地产客户群识别和营销的方法，包括以下步骤：

步骤一：打通客户的购房和商城数据接口，获取并整理客户的购房数据和商城数据；

步骤二：利用客户成交预测模型来预测客户的成交概率，再结合步骤一中获取的购房数据来对客户的购房意向进行评判，以此决定是否投放广告；

步骤三：根据客户商城数据和购房数据来对客户意向房源进行预测，以此来向客户推荐相关的房源。

进一步，在步骤一中，购房数据和商城数据均通过客户电话进行关联。

进一步，在步骤一中，所述商城数据包括客户年龄、客户电话、客户地址、客户购买商品的类别和客户购买商品的等级。

进一步，在步骤一中，所述购房数据包括客户电话、客户成交次数、客户购买金额、客户购买面积、客户购买物业类型和搜索的关键词。

进一步，在步骤二中，利用客户成交预测模型来预测客户的成交概率的具体步骤包括：

s21：对客户行为数据进行预处理和特征工程处理得到模型输入数据，字段包括：客户id、访问楼盘id、访问天数、总访问页面数、总浏览时长、总浏览次数、访问楼盘数量、是否访问户型、是否夜间访问、平均每日访问时长、平均每日点击次数、平均每日访问页面数量、单日最大点击次数、单日最大浏览时长、距今未访问天数、房贷计算器使用次数、是否成交；

s22：选择n条成交客户的记录作为正样本，选取同等数量的未成交客户的记录作为负样本，所有记录按照7:3的比例分为训练数据和测试数据，对模型进行训练和测试，选取lightgbm预测模型对客户成交概率预测；

s23：输入一个未成交客户的数据，模型输出客户的成交概率。若成交概率大于x，则决定为该客户投放广告。

进一步，在步骤三中，对客户意向房源进行预测的具体步骤包括：

s31：将商城数据和购房数据转化为客户属性，客户属性包括客户购买力、客户所在地区、下单品类、品类偏好、近三个月的客单价、搜索的品牌词、搜索的项目名和搜索的通用词；

s32：根据客户的商城数据和购房数据将客户属性划分为三个维度：人群基本属性维度，购物行为维度和关键词维度；其中人群基本属性维度包括客户购买力和客户所在地区；购物行为维度包括下单品类、品类偏好和近三个月的客单价；关键词维度包括搜索的品牌词、搜索的项目名和搜索的通用词；

s33：根据不同维度的数据得出房源不同方面的信息；其中人群基本属性维度得出房源附近的交通和商圈等信息；根据购物行为维度得出户型大小和楼盘周边的教育设施等；根据关键词维度得出楼盘的名称。

进一步，在步骤s31中，所述客户购买力的计算包括以下步骤：

s311：划分商品的档次，将同一品类中的商品价格位于第一价格或以上的商品确定为高档商品；同一品类中的其他商品确定为非高档商品，将非高档商品按照价格从高到低依次分为三个档次：位于第二价格或以上的商品为次高档商品、位于第三价格和第二价格之间的商品为中档商品、位于第三价格以下的商品为低档商品；

s312：计算购买力向量，计算每个客户购买每个档次商品的占比，将所述占比进行向量化，得到每个客户的购买力向量，所述购买力向量为四维向量，每一维对应一个商品的档次；

s313：划分购买力档次，对所述购买力向量进行聚类运算，得到四个关于客户购买力向量的点簇，每个点簇对应一个购买力档次，所述购买力向量所在点簇对应的档次作为客户的购买力档次。

第一价格的定义是：所述第一价格为所述同一品类中的商品价格最贵的5％中最便宜的那个价格。

第二价格的定义是:所述第二价格为所述同一品类的非高档商品中商品价格最贵的20％中最便宜的那个价格。

第三价格的定义是：:所述第二价格为所述同一品类的非高档商品中商品价格最便宜的20％中最贵的那个价格。

进一步，在步骤s31中，所述下单品类包括食品饮料、个护美妆、母婴用品、电器数码、家居生活、办公用品、玩具智能、宠物用品和工艺饰品；未下单客户则将客户浏览的商品类别转化为客户的品类偏好。

进一步，在步骤s31中，所述搜索的品牌词是指客户在搜索关键词中房地产楼盘的品牌名，所述搜索的项目名是指客户在搜索关键词中房地产楼盘的项目名，所述搜索的通用词是指客户在搜索关键词中房地产楼盘的通用词；所述搜索的通用词的使用优先级大于搜索的项目名和搜索的品牌词，所述搜索的项目名的使用优先级大于搜索的品牌词的优先级。

本技术方案的有益效果在于：根据客户的商城数据和购房数据，可以推测出客户的意向房源的相关信息，以此来向客户推荐相应的房源，实现了精准营销，进一步加快了销售效率。

附图说明

图1为本发明一种房地产客户群识别和营销的方法的流程图。

具体实施方式

下面通过具体实施方式进一步详细说明：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例基本如附图1所示：一种房地产客户群识别和营销的方法，包括以下步骤：

步骤一：打通客户的购房和商城数据接口，获取并整理客户的购房数据和商城数据；商城数据包括客户年龄、客户电话、客户地址、客户购买商品的类别和客户购买商品的等级；客户购买商品的类别包括品饮料、个护美妆、母婴用品、电器数码、家居生活、办公用品、玩具智能、宠物用品和工艺饰品等；购房数据包括客户电话、客户成交次数、客户购买金额、客户购买面积、客户购买物业类型和搜索的关键词；购房数据和商城数据均通过客户电话进行关联。

步骤二：利用客户成交预测模型来预测客户的成交概率，再结合步骤一中获取的购房数据来对客户的购房意向进行评判，以此决定是否投放广告；具体步骤包括：

s21：对客户行为数据进行预处理和特征工程处理得到模型输入数据，字段包括：客户id、访问楼盘id、访问天数、总访问页面数、总浏览时长、总浏览次数、访问楼盘数量、是否访问户型、是否夜间访问、平均每日访问时长、平均每日点击次数、平均每日访问页面数量、单日最大点击次数、单日最大浏览时长、距今未访问天数、房贷计算器使用次数、是否成交；

s22：选择30000条成交客户的记录作为正样本，选取同等数量的未成交客户的记录作为负样本，所有记录按照7:3的比例分为训练数据和测试数据，对模型进行训练和测试，选取lightgbm预测模型对客户成交概率预测；

s23：输入一个未成交客户的数据，模型输出客户的成交概率。若成交概率大于60％，则决定为该客户投放广告。

步骤三：根据客户商城数据来对客户意向房源进行预测，通过物流包装和内置广告单的形式对该客户推荐相对应的楼盘信息；对客户意向房源进行预测的具体步骤包括：

s31：将商城数据转化为客户属性，客户属性包括客户购买力、客户所在地区、下单品类、品类偏好、近三个月的客单价、搜索的品牌词、搜索的项目名和搜索的通用词；下单品类包括食品饮料、个护美妆、母婴用品、电器数码、家居生活、办公用品、玩具智能、宠物用品和工艺饰品；未下单客户则将客户浏览的商品类别转化为客户的品类偏好；

s32：根据客户的商城数据将客户属性划分为三个维度：人群基本属性维度，购物行为维度，关键词维度；其中人群基本属性维度包括客户购买力和客户所在地区；购物行为维度包括下单品类、品类偏好和近三个月的客单价；关键词维度包括搜索的品牌词、搜索的项目名和搜索的通用词；

s33：根据不同维度的商城数据得出房源不同方面的信息；其中人群基本属性维度得出房源附近的交通和商圈等信息；根据购物行为维度得出户型大小和楼盘周边的教育设施等；根据关键词维度得出楼盘的名称。将上述三个维度的数据发送给对应楼盘，以此完善该客户的客户画像。

在步骤s31中，客户购买力的计算包括以下步骤：

s311：划分商品的档次，将同一品类中的商品价格位于第一价格或以上的商品确定为高档商品；同一品类中的其他商品确定为非高档商品，将非高档商品按照价格从高到低依次分为三个档次：位于第二价格或以上的商品为次高档商品、位于第三价格和第二价格之间的商品为中档商品、位于第三价格以下的商品为低档商品；第一价格的定义是：第一价格为同一品类中的商品价格最贵的5％中最便宜的那个价格。第二价格的定义是:第二价格为同一品类的非高档商品中商品价格最贵的20％中最便宜的那个价格。第三价格的定义是：第二价格为同一品类的非高档商品中商品价格最便宜的20％中最贵的那个价格。

s312：计算购买力向量，计算每个客户购买每个档次商品的占比，将占比进行向量化，得到每个客户的购买力向量，购买力向量为四维向量，每一维对应一个商品的档次；

s313：划分购买力档次，对购买力向量进行聚类运算，得到四个关于客户购买力向量的点簇，每个点簇对应一个购买力档次，四个购买力档次分别为小白领、高级白领、蓝领和土豪，购买力向量所在点簇对应的档次作为客户的购买力档次。

对步骤s33进行具体分析：

1、人群基本属性维度：

①客户购买力：

小白领优先推荐临近地铁或公交站的楼盘，推荐户型为小户型。

高级白领优先推荐临近地铁或公交站的楼盘，推荐户型为小户型或中户型。

蓝领优先推荐周边购物环境良好的楼盘，比如附近含有小型商圈的楼盘，推荐户型为中户型或大户型。

土豪优先推荐周边购物环境优异的楼盘，比如附近含有大型商圈的楼盘，推荐户型为大户型。

②客户所在地区：

客户所在地区根据客户订单所填写的地址来获取，选取单位为区或县级，根据客户地址推荐该地区范围的楼盘。

2、购物行为维度

购买品类含有食品饮料、母婴用品、玩具智能：推荐周边临近学校，购物环境良好(附近含有小型商圈)的楼盘。

购买品类含有个护美妆、电器数码、办公用品：推荐周边临近地铁或公交站，购物环境良好(附近含有小型商圈)的楼盘。

购买品类含有家居生活、工艺饰品：推荐周边临近医院，购物环境良好(附近含有小型商圈)的楼盘。

3、关键词维度

搜索的品牌词是指客户在搜索关键词中房地产楼盘的品牌名，搜索的项目名是指客户在搜索关键词中房地产楼盘的项目名，搜索的通用词是指客户在搜索关键词中房地产楼盘的通用词；搜索的通用词的使用优先级大于搜索的项目名和搜索的品牌词，搜索的项目名的使用优先级大于搜索的品牌词的优先级。

下面通过一个具体例子来进行说明：

现有一客户，根据其购房数据预测其成交概率为70％，该客户所填写地址为广东省广州市荔湾区；购买商品类目含有母婴类商品和玩具类商品；根据其购买商品档次分析出该客户购买力档次为蓝领；且该客户搜索关键词含有“保利花海湾”。

根据预测，向该客户推荐荔湾区保利花海湾楼盘，建面为中型的房产(投放该房源的广告宣传单)，该楼盘临近博文学校和花地商业中心，且地铁公交较为便利。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。