本發(fā)明涉及客戶管理，特別是基于多渠道融合的客戶全生命周期管理系統(tǒng)及方法。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，客戶關(guān)系管理(customer?relationship?management，crm)逐漸成為企業(yè)提高競爭力和提升客戶滿意度的重要工具，特別是隨著電子商務(wù)、社交媒體以及線下渠道的多樣化發(fā)展，企業(yè)可以從多個(gè)渠道獲取客戶行為數(shù)據(jù)，通過這些數(shù)據(jù)，企業(yè)能夠更加精準(zhǔn)地識(shí)別客戶需求，優(yōu)化客戶服務(wù)流程，然而，傳統(tǒng)的crm系統(tǒng)大多采用單一渠道的數(shù)據(jù)收集方式，無法全面整合客戶的行為軌跡，導(dǎo)致客戶行為的建模與預(yù)測存在局限性，此外，隨著數(shù)據(jù)規(guī)模的擴(kuò)大，企業(yè)對如何高效處理、分析和利用客戶數(shù)據(jù)的需求愈加迫切，因此迫切需要一種多渠道融合的數(shù)據(jù)處理和客戶管理系統(tǒng)，以應(yīng)對客戶生命周期中的復(fù)雜變化。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有的基于多渠道融合的客戶全生命周期管理系統(tǒng)及方法中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于無法全面整合客戶的行為軌跡，導(dǎo)致客戶行為的建模與預(yù)測存在局限性，難以適應(yīng)客戶需求的快速變化和多樣化的行為模式。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于多渠道融合的客戶全生命周期管理系統(tǒng)，其包括，客戶分類模塊，用于通過多渠道收集客戶數(shù)據(jù)進(jìn)行預(yù)處理融合，并基于聚類算法進(jìn)行客戶行為分類；數(shù)字孿生模塊，用于創(chuàng)建客戶數(shù)字孿生體，定義客戶生命周期狀態(tài)，構(gòu)建生命周期模型綁定數(shù)字孿生體；行為預(yù)測模塊，用于基于數(shù)字孿生體進(jìn)行客戶行為預(yù)測，并進(jìn)行處理；反饋優(yōu)化模塊，用于通過預(yù)測的客戶生命周期狀態(tài)和客戶數(shù)據(jù)使用強(qiáng)化學(xué)習(xí)算法優(yōu)化生命周期模型。

4、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理系統(tǒng)的一種優(yōu)選方案，其中：所述通過多渠道收集客戶數(shù)據(jù)進(jìn)行預(yù)處理融合指使用restful?api接口從客戶社交網(wǎng)絡(luò)收集客戶數(shù)據(jù)，所述客戶數(shù)據(jù)包括客戶身份數(shù)據(jù)、瀏覽數(shù)據(jù)、購買數(shù)據(jù)以及互動(dòng)數(shù)據(jù)，統(tǒng)一所有客戶數(shù)據(jù)的時(shí)間戳并進(jìn)行清洗過濾，使用特征工程提取客戶數(shù)據(jù)特征向量，基于客戶數(shù)據(jù)特征向量計(jì)算特征向量之間協(xié)方差，并構(gòu)建協(xié)方差矩陣計(jì)算卡爾曼增益，使用卡爾曼濾波算法對客戶數(shù)據(jù)進(jìn)行融合處理生成客戶融合特征。

5、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理系統(tǒng)的一種優(yōu)選方案，其中：所述基于聚類算法進(jìn)行客戶行為分類指收集不同客戶的客戶數(shù)據(jù)進(jìn)行預(yù)處理融合，計(jì)算融合后的客戶融合特征之間的歐式距離，并取歐式距離的負(fù)值作為客戶之間相似性s(i，j)；

6、選擇所有客戶之間相似性的中位數(shù)作為初始偏好值p，初始化所有客戶的可用性值為0，計(jì)算客戶i選擇客戶j的責(zé)任值r(i，j)：

7、r(i，j)＝s(i，j)-max(a(i，k)+s(i，k))，k≠j；

8、其中r(i，j)為客戶i選擇客戶j的責(zé)任值，a(i，k)為其余客戶的可用性值，初始值為0，s(i，k)為客戶i與其余客戶的相似性；

9、同步計(jì)算客戶j自我選擇的責(zé)任值r(j，j)：

10、r(j，j)＝p-max(a(i，j)+s(i，j))，i≠j；

11、其中a(i，j)為客戶j的可用性值；

12、基于客戶i選擇客戶j的責(zé)任值r(i，j)和客戶j自我選擇的責(zé)任值r(j，j)更新客戶j的可用性值：

13、

14、其中a，(i，j)為客戶j更新后的可用性值，r(i，，j)為客戶i，選擇客戶j的責(zé)任值；

15、基于客戶j更新后的可用性值代入更新r(i，j)和r(j，j)得到r，(i，j)和r，(j，j)，并重復(fù)進(jìn)行迭代計(jì)算更新直至收斂，定義中心客戶選擇條件為：

16、y＝(a，(i，j)+r，(i，j))；

17、其中y為客戶選擇值；

18、計(jì)算所有客戶選擇值并進(jìn)行排序，選擇客戶選擇值排序前n的客戶，并將客戶融合特征作為初始聚類中心，對于其余每個(gè)客戶融合特征，計(jì)算其與初始聚類中心之間的歐氏距離，將其分配至最近的初始聚類中心形成聚類；

19、計(jì)算每個(gè)聚類中所有客戶融合特征的均值，更新初始聚類中心位置，并重復(fù)進(jìn)行迭代直至初始聚類中心不再變化后停止聚類對最終聚類結(jié)果定義聚類客戶行為。

20、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理系統(tǒng)的一種優(yōu)選方案，其中：所述創(chuàng)建客戶數(shù)字孿生體指根據(jù)客戶身份數(shù)據(jù)建立客戶標(biāo)識(shí)符，將客戶數(shù)據(jù)和客戶融合特征記錄在客戶標(biāo)識(shí)符中作為客戶數(shù)字孿生體，并持續(xù)收集客戶數(shù)據(jù)，采用增量更新算法更新客戶數(shù)字孿生體。

21、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理方法的一種優(yōu)選方案，其中：所述定義客戶生命周期狀態(tài)，構(gòu)建生命周期模型綁定數(shù)字孿生體包括，

22、基于聚類客戶行為定義客戶隱藏狀態(tài)l1、l2、l3以及l(fā)4，收集特定時(shí)間段內(nèi)的歷史客戶數(shù)據(jù)進(jìn)行持續(xù)聚類分析，并統(tǒng)計(jì)在特定時(shí)間段內(nèi)的客戶隱藏狀態(tài)變化情況，計(jì)算得到客戶隱藏狀態(tài)之間的轉(zhuǎn)移比例作為轉(zhuǎn)移概率，構(gòu)建客戶隱藏狀態(tài)轉(zhuǎn)移矩陣a；

23、基于客戶數(shù)據(jù)特征向量定義客戶觀測行為k1、k2以及k3，并根據(jù)特定時(shí)間段的客戶數(shù)據(jù)進(jìn)行層次聚類分析，統(tǒng)計(jì)特征時(shí)間段在每個(gè)隱藏狀態(tài)下的客戶觀測行為比例作為觀測概率構(gòu)建觀測矩陣b；

24、基于客戶隱藏狀態(tài)轉(zhuǎn)移矩陣a和觀測矩陣b使用viterbi算法根據(jù)當(dāng)前客戶隱藏狀態(tài)計(jì)算未來客戶隱藏狀態(tài)：

25、qt+1(i)＝max[qt(j)*aji]*bki；

26、其中qt+1(i)為時(shí)間t+1時(shí)客戶隱藏狀態(tài)為li的概率，qt(j)為時(shí)間t時(shí)客戶隱藏狀態(tài)為lj的概率，aji為客戶從隱藏狀態(tài)lj轉(zhuǎn)變?yōu)殡[藏狀態(tài)li的概率，bki為隱藏狀態(tài)li下出現(xiàn)客戶當(dāng)前觀測行為kk的概率；

27、根據(jù)最大隱藏狀態(tài)概率確定客戶在未來的隱藏狀態(tài)，并將客戶未來隱藏狀態(tài)與客戶數(shù)字孿生體綁定。

28、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理系統(tǒng)的一種優(yōu)選方案，其中：所述基于數(shù)字孿生體進(jìn)行客戶行為預(yù)測，并進(jìn)行處理指構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，包括輸入層、卷積層、全連接層以及輸出層，定義輸入層輸入格式為客戶隱藏狀態(tài)，輸出層輸出為為客戶行為；

29、使用訓(xùn)練集進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，并使用交叉熵?fù)p失函數(shù)和adam優(yōu)化器進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)參數(shù)迭代優(yōu)化；

30、將數(shù)字孿生模型綁定的客戶未來隱藏狀態(tài)輸入至卷積神經(jīng)網(wǎng)絡(luò)中得到預(yù)測的客戶行為，并根據(jù)客戶隱藏狀態(tài)和客戶行為執(zhí)行對應(yīng)的營銷策略。

31、作為本發(fā)明所述基于多渠道融合的客戶全生命周期管理系統(tǒng)的一種優(yōu)選方案，其中：所述通過預(yù)測的客戶生命周期狀態(tài)和客戶數(shù)據(jù)使用強(qiáng)化學(xué)習(xí)算法優(yōu)化生命周期模型指基于預(yù)測的客戶隱藏狀態(tài)和客戶數(shù)據(jù)使用q-learning算法動(dòng)態(tài)優(yōu)化客戶隱藏狀態(tài)矩陣和觀測行為矩陣，并持續(xù)收集客戶營銷反饋動(dòng)態(tài)調(diào)整客戶營銷策略。

32、本發(fā)明的另外一個(gè)目的是提供一種基于多渠道融合的客戶全生命周期管理方法，其包括，收集多渠道客戶數(shù)據(jù)進(jìn)行預(yù)處理融合；

33、根據(jù)客戶數(shù)據(jù)進(jìn)行聚類分析，并對聚類結(jié)果定義客戶行為；

34、構(gòu)建客戶數(shù)字孿生體，并根據(jù)聚類分析得到的客戶行為構(gòu)建客戶隱藏狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣預(yù)測客戶隱藏狀態(tài)，最終根據(jù)預(yù)測客戶隱藏狀態(tài)預(yù)測客戶行為；

35、使用強(qiáng)化學(xué)習(xí)算法優(yōu)化客戶隱藏狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣并基于反饋數(shù)據(jù)調(diào)整客戶營銷策略。

36、一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和處理器；所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于多渠道融合的客戶全生命周期管理系統(tǒng)的步驟。

37、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述基于多渠道融合的客戶全生命周期管理系統(tǒng)的步驟。

38、本發(fā)明有益效果為：本發(fā)明通過多渠道收集客戶數(shù)據(jù)進(jìn)行處理融合，并計(jì)算初始聚類中心進(jìn)行客戶行為聚類分析，提升了客戶行為分類的準(zhǔn)確度和效率，通過聚類分析結(jié)果構(gòu)建客戶隱藏狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣形成客戶生命周期模型，并預(yù)測客戶隱藏狀態(tài)和客戶行為進(jìn)行營銷，有效提高了客戶生命周期檢測的精準(zhǔn)性，有利于進(jìn)行客戶全生命周期管理。