(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210897302.8 (22)申请日 2022.07.28 (71)申请人 义乌中国小 商品城大 数据有限公司 地址 322000 浙江省金华市义乌市福田街 道福田路10 5号海洋商务楼12 楼 (72)发明人 黄祥飞　陈军松　杨波　蒋依雯　 金炫静　宋小韦　夏飞飞　徐舜　 (74)专利代理 机构 北京大诚新创知识产权代理 有限公司 1 1848 专利代理师 张伟星 (51)Int.Cl. G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于交易数据的客户推荐方法 (57)摘要 本发明涉及一种基于交易数据的客户推荐 方法， 包括归集至少一个业务线系统中发生交易 的客户数据， 将客户数据按照字段型数据、 数值 型数据和时间型数据三个维度归集； 对客户数据 分组； 使用多重逻辑回归模型计算分组后的客户 数据， 得出客户成为重要价值客户的概率； 统计 分析得到客户的需求和偏好并按客户类别进行 推荐； 其中， 按照使得所选客户区域内聚类质量 最好的数量对客户数据分组。 本发 明采用机器学 习技术及应用RFM模型分类能够对客户维护营销 进行更为精准 化的运营。 权利要求书2页 说明书6页 附图1页 CN 115439136 A 2022.12.06 CN 115439136 A 1.一种基于交易数据的客户推荐方法， 包括如下步骤： 归集至少一个业务线系统中发生交易的客户数据， 将所述客户数据按照字段型数据、 数值型数据和时间型 数据三个维度归集； 对客户数据分组； 使用多重 逻辑回归 模型计算分组后的客户数据， 得 出客户成为重要价 值客户的概 率； 统计分析 得到所述 客户的需求和偏好并按客户类别进行推荐； 其中， 按照使得 所选客户区域内聚类质量 最好的数量对所述 客户数据分组。 2.根据权利要求1所述的基于交易数据的客户推荐方法， 其特征在于， 对归集后的所述 客户数据进行 预处理。 3.根据权利要求2所述的基于交易数据的客户推荐方法， 其特征在于， 所述预处理包括 对所述客户数据中的数值型 数据进行对数变形。 4.根据权利要求1～3中任一项所述的基于交易数据的客户推荐方法， 其特征在于， 还 包括采用K ‑Means聚类模型对所述 客户数据进行聚类处 理。 5.根据权利要求4所述的基于交易数据的客户推荐方法， 其特征在于， 在对所述客户数 据进行聚类处理前， 采用霍普金斯统计量判定所述客户数据分类的必要性， 其计算公式如 下： 其中， xi为待判定的归一化数据， yi为与xi相同数据 量的随机分布； 当H值趋近于0时， 则 判定对所述客户数据进行聚类处理； 当H值趋近于0.5时， 则判定直接对所述客户数据进行 分类。 6.根据权利要求4或5所述的基于交易数据的客户推荐方法， 其特征在于， 还包括采用 曼哈顿距离公式确定进行 所述聚类处 理的各个客户数据之间的距离， 其计算公式如下： 其中， xi代表x在数值上的映射， yi代表y在数值上的映射， i代 表映射的维度。 7.根据权利要求1～6中任一项所述的基于交易数据的客户推荐方法， 其特征在于， 还 包括采用统计量 WSS衡量所述聚类质量， 其计算公式如下： 其中， Ck为划分的簇， 代表具有三个维度的划分出来的客户群组， k表示簇的个数， xi则 是每位客户在数值上的映射， uk则表示每 个簇的平均值。 8.根据权利要求7所述的基于交易数据的客户推荐方法， 其特征在于， 还包括采用邓恩 指数对所述聚类质量进行验证， 其计算公式如下： 其中， D为邓恩指数， min.seperation为任意两个簇之间的最小距离， max.diameter为 任意两个簇之间的最大距离 。权　利　要　求　书 1/2 页 2 CN 115439136 A 29.根据权利要求8所述的基于交易数据的客户推荐方法， 其特征在于， 还包括采用主成 分分析法对所述分组后的客户数据中数值型 数据进行降维处 理。 10.根据权利要求1～9中任一项所述的基于交易数据的客户推荐方法， 其特征在于， 所 述使用多重 逻辑回归 模型计算 客户数据， 其计算公式如下： 其中， n＝1， 2，…， 8； Pn(x)为成为重要价 值客户的概 率； β 为各项系数。权　利　要　求　书 2/2 页 3 CN 115439136 A 3