一种基于客户画像的养禽项目营销方法及营销系统与流程

本发明涉及智慧营销，更具体的，涉及一种基于客户画像的养禽项目营销方法及营销系统。

背景技术：

1、针对家禽饲养项目，现有的营销策略只是简单的通过人工对客户历史订购数据进行表层分析从而带有主观性的判断客户对各四级公司的订购意愿，存在着预测准确率低以及时间和人工成本高等问题。在市面现有的营销系统中，所做的客户建模并不能很好的满足业务方的定制化需求，并不深入分析不同客户群体的特征。而且所做的推荐只考虑客户对商品的偏好程度，不考虑价格带来的影响，难以掌握客户真实的订购意愿和订购量。并且市面上的许多智能营销系统没有考虑商品的规格、质量等因素对客户订购意愿和订购量产生的影响。因此亟需一种智能化实现客户降准营销、人货匹配的养禽精准营销平台。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种基于客户画像的养禽项目营销方法及营销系统，目的是通过建模不同客户群体的出勤时间序列模式开来提取特征，采用任务分解的方法针对特定人群进行精准订购意愿预测，满足业务需求的同时符合实际的生产环境和市场规律。

2、本发明第一方面提供了一种基于客户画像的养禽项目营销方法，包括：

3、获取客户与养禽项目公司的历史交互数据构建数据集，并进行预处理，通过客户的历史订购数据提取客户画像特征，通过客户的出勤数据提取客户的出勤上下文特征；

4、采用机器学习模型基于所述客户画像特征及出勤上下文特征预测客户订购意愿，根据所述客户订购意愿进行客群划分；

5、获取养禽项目的项表征及客户的客户表征，利用多层感知机通过项表征、客户表征获取客户对不同规格销售品种的自然偏好，结合客户的价格偏好生成客户对养禽项目销售品种的总偏好；

6、构建订购量预测模型，利用所述总偏好进行模型训练，通过原始特征预测客户对不同规格销售品种的订购量区间，同时估算客户对销售品种的价格弹性系数，获取最终订购量区间。

7、本方案中，采用机器学习模型基于所述客户画像特征及出勤上下文特征预测客户订购意愿，根据所述客户订购意愿进行客群划分，具体为：

8、采用lightgbm模型构建订购意愿预测模型，将客户画像特征及出勤上下文特征作为模型输入，利用前向分布算法，在每次迭代中，通过负梯度拟合残差，学习构建对应决策树；

9、通过构建的决策树进行训练，得到客户订购意愿，将所述客户订购意愿导入决策模块，在所述决策模块中通过数据分析划分出低频、中频、高频三个客户群，根据不同客户所落入的客户群筛选出目标客户。

10、本方案中，获取养禽项目的项表征及客户的客户表征，具体为：

11、获取养禽项目的原始特征，包括销售品种、客户、天龄、均重，利用多层感知机基于所述原始特征生成养禽项目的项表征；

12、根据数据集中的历史交互数据提取客户对养禽项目的交互频率，利用线性层获取频数敏感向量，并利用所述历史交互数据读取客户对应的客户id、销售区域、偏好档次及出勤上下文特征，通过多层感知机获取客户显性表征；

13、通过注意力机制将历史交互数据中的养禽项目进行表征，获取客户不同时间段的购物篮信息，将所述购物篮信息利用长短期记忆网络生成客户历史兴趣表征；

14、将所述频数敏感向量、客户显性表征及客户历史兴趣表征构建客户表征。

15、本方案中，利用多层感知机通过项表征、客户表征获取客户对不同规格销售品种的自然偏好，结合客户的价格偏好生成客户对养禽项目销售品种的总偏好，具体为：

16、利用两阶段训练客户订购偏好，第一阶段中利用多层感知机通过项表征、客户表征获取客户对不同规格销售品种的自然偏好，自然偏好表示为：，为客户，为销售品种，为均重，为天龄，为表征函数；

17、第二阶段中固定第一阶段的模型参数，在第一阶段自然偏好的基础上，训练与价格相关的总偏好，由价格弹性系数的相关系数与销售品种价格的对数获取价格相关偏好，将所述自然偏好及价格相关偏好结合，获取生成客户对养禽项目销售品种的总偏好，表示为：

18、;

19、其中，为激活函数，为销售品种价格，为同一养禽项目公司下所有销售品种的平均价格。

20、本方案中，采用动态负采样训练客户订购偏好，将其他客户的销售记录按照日期、销售公司、销售品种的粒度进行聚合，对销量进行求和，并将价格、天龄根据销量来进行加权平均，构建成负样本池；

21、根据客户当天购买过的销售记录条数，根据预设比例使用销量作为权重从负样本池中随机选择未购买过的销售品种作为负样本，通过将正样本调低价格生成伪正样本，将负样本调高价格生成伪负样本；

22、通过客户对销售品种的总偏好以及价格弹性系数的相关系数，得到客户对不同销售品种的价格弹性系数，。

23、本方案中，构建订购量预测模型，利用所述总偏好进行模型训练，具体为：

24、通过神经因子分解机构建订购量预测模型，在模型中预设分箱标准，统计客户的历史订购量，将前75%的订购量范围采用等宽划分，对于前75%至95%的订购量范围采用等频划分，对于最后5%的订购量范围独立为一个区间，将获取的订购量区间进行编号；

25、利用客户对应的总偏好分两阶段进行模型训练，第一部分使用由客户、销售品种、均重、天龄组成的原始特征预测目标客户对预设规格的销售品种的订购量区间的概率，,为模型参数；

26、第二部分加入使用由客户、销售品种档次、出勤上下文组成的原始特征，在第一部分概率最大的自然订购量区间编号的基础上，加入客户对不同销售品种档次的价格弹性系数，将区间编号当作连续值进行滑动，得到订购区间预测结果，，为销售品种价格，为同一养禽项目公司下所有销售品种的平均价格。

27、本方案中，根据订购量区间编号的范围1至n，设置限定范围，为截断操作，将结果限制在1至n；

28、将订购量区间预测结果进行整数化，选择最靠近的整数值为最终的订购量区间编号，，为取整操作。

29、本发明第二方面还提供了一种基于客户画像的养禽项目营销系统，包括数据输入与预处理模块、客户订购意愿模块、客户订购偏好预测模块及客户订购量预测模块；

30、所述数据输入与预处理模块以客户-养禽公司的粒度构建数据集，并且通过不同的纬度组合建立不同的特征；

31、所述客户订购意愿模块将客户画像特征及出勤上下文特征作为输入构建决策树，得到客户的订购意愿，最后通过决策策略输出目标客户交付给下游任务；

32、所述客户订购偏好预测模块利用多层感知机自然偏好及价格相关偏好，并结合生成总偏好，采用多阶段训练方法进行训练，第一阶段通过原始特征刻画了客户对销售品种本身偏好属性，生成自然偏好，第二阶段固定第一阶段的模型参数，在第一阶段自然偏好的基础上，训练与价格相关的总偏好；

33、所述客户订购量预测模块划分订购量区间用于预测，基于客户总偏好进行训练，构建订购量预测模型，预测客户对不同规格的销售品种订购量，在销售品种订购量基础上考虑档次、价格预测最终的订购量区间。

34、与现有技术相比，本发明的有益效果在于：

35、针对于不同客户群体存在显著差异性问题，通过建模不同客户群体的出勤时间序列来提取特征，采用任务分解的方法针对特定人群进行精准订购意愿预测，满足业务需求的同时符合实际的生产环境和市场规律；

36、针对订购量变动范围较大比较难预测、同一客户同一规格销售品种价格多样性不足等问题，通过在客户订购量预测模块中引入订购量分区间标准化、分类与回归问题相结合的多阶段训练、引入客户-销售品种档次粒度的价格敏感度等方式，使得模型预测的订购量区间预测比较准确；

37、基于数据驱动的养禽精准营销系统，实现了企业以数据驱动智能化实现客户精准营销、人货匹配的目标，解决了对潜在客户的定位和偏好识别具有主观性、业务员定位潜在客户的操作繁琐效率低、人工的方式对客户偏好把握不准、经验效果难以沉淀等问题。