本發(fā)明屬于大數(shù)據(jù)處理和分析的技術(shù)領(lǐng)域，具體地涉及一種房產(chǎn)銷售線索的挖掘方法。

背景技術(shù)：

目前的房產(chǎn)銷售線索主要來(lái)自線上和線下兩個(gè)方面，線下主要為客戶拜訪與相互介紹，線上來(lái)自客戶在房產(chǎn)電商網(wǎng)站的主動(dòng)登記，以及根據(jù)客戶在房產(chǎn)網(wǎng)站的訪問(wèn)行為進(jìn)行的潛在客戶挖掘。

目前線上的潛在客戶挖掘主要采用傳統(tǒng)電子商務(wù)平臺(tái)的潛在客戶挖掘方案，通過(guò)客戶id識(shí)別客戶，以session為單位分析客戶的訪問(wèn)、購(gòu)買行為，提取特征后建立預(yù)估或者分類模型，然后根據(jù)模型對(duì)客戶的購(gòu)買意愿進(jìn)行識(shí)別。

專利申請(qǐng)“一種基于客戶行為特征的潛在客戶挖掘方法”(CN201510903856.4)，通過(guò)客戶id識(shí)別客戶，以session為單位分析客戶的訪問(wèn)行為，提取特征后進(jìn)行經(jīng)過(guò)粗糙集約簡(jiǎn)，在約簡(jiǎn)后的特征上建立隨機(jī)森林模型，然后根據(jù)模型進(jìn)行潛在客戶識(shí)別。

專利申請(qǐng)“判斷用戶興趣度的方法及裝置”(CN201511018992.1)，根據(jù)用戶訪問(wèn)的網(wǎng)頁(yè)和時(shí)長(zhǎng)特征來(lái)判斷用戶的興趣。

現(xiàn)有線上的銷售線索挖掘方案存在著如下缺點(diǎn)：

1)線索數(shù)量不夠多。因?yàn)榉慨a(chǎn)銷售的利潤(rùn)可觀，開(kāi)發(fā)商希望較多的銷售線索，會(huì)在多家房產(chǎn)電商網(wǎng)站一起進(jìn)行推廣。但受平臺(tái)所限，房產(chǎn)電商網(wǎng)站只能對(duì)用戶在自己網(wǎng)站的行為進(jìn)行監(jiān)控，房產(chǎn)電商網(wǎng)站競(jìng)爭(zhēng)比較充分，單一網(wǎng)站的線索覆蓋率較差。

2)可以用來(lái)聯(lián)絡(luò)的線索較少。根據(jù)房產(chǎn)行業(yè)的特點(diǎn)，用戶訪問(wèn)房產(chǎn)電商網(wǎng)站大多是為了獲取資訊，大部分情況下無(wú)需進(jìn)行登錄，房產(chǎn)電商網(wǎng)站只能根據(jù)cookie等行為進(jìn)行分析，無(wú)法進(jìn)行進(jìn)一步更有效的線下?tīng)I(yíng)銷。

3)缺乏交叉驗(yàn)證。只能搜集到用戶房產(chǎn)相關(guān)的行為，無(wú)法判斷其是否真有實(shí)力進(jìn)行購(gòu)買。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的技術(shù)解決問(wèn)題是：克服現(xiàn)有技術(shù)的不足，提供一種房產(chǎn)銷售線索的挖掘方法,其能夠得到更多更有效的登陸與未登陸用戶的銷售線索，幫助樓盤進(jìn)行營(yíng)銷。

本發(fā)明的技術(shù)解決方案是：這種房產(chǎn)銷售線索的挖掘方法，該方法包括以下步驟：

(1)建立房產(chǎn)知識(shí)庫(kù)、用戶ID知識(shí)庫(kù)、用戶消費(fèi)能力知識(shí)庫(kù)、用戶購(gòu)房知識(shí)庫(kù)和用戶風(fēng)險(xiǎn)知識(shí)庫(kù)；

(2)基于屬性與基于行為對(duì)相似樓盤進(jìn)行挖掘；

(3)建立線索打分模型；

(4)選取候選線索：分析最近一段時(shí)間用戶在各網(wǎng)站的訪問(wèn)行為，若其訪問(wèn)過(guò)目標(biāo)樓盤及其相似樓盤，則將該用戶加入候選線索列表，同時(shí)記錄線索用戶在各網(wǎng)站的訪問(wèn)行為；

(5)對(duì)候選線索進(jìn)行打分：對(duì)于候選線索列表里的用戶，分析其在各網(wǎng)站的行為，抽取其行為特征，使用線索打分模型進(jìn)行打分，打分結(jié)果大于閾值Z的線索作為潛在線索；

(6)對(duì)潛在線索進(jìn)行過(guò)濾，得到潛在線索列表；

(7)對(duì)于潛在線索列表里的用戶，訪問(wèn)用戶ID知識(shí)庫(kù)，得到其聯(lián)系方式，提供給開(kāi)發(fā)商進(jìn)行營(yíng)銷。

本發(fā)明基于第三方大數(shù)據(jù)，綜合分析用戶在多個(gè)房產(chǎn)電商網(wǎng)站以及其他網(wǎng)站上的訪問(wèn)行為，交叉驗(yàn)證，從而能夠得到更多更有效的登陸與未登陸用戶的銷售線索，幫助樓盤進(jìn)行營(yíng)銷。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明的房產(chǎn)銷售線索的挖掘方法的流程圖。

具體實(shí)施方式

如圖1所示，這種房產(chǎn)銷售線索的挖掘方法，該方法包括以下步驟：

(1)建立房產(chǎn)知識(shí)庫(kù)、用戶ID知識(shí)庫(kù)、用戶消費(fèi)能力知識(shí)庫(kù)、用戶購(gòu)房知識(shí)庫(kù)和用戶風(fēng)險(xiǎn)知識(shí)庫(kù)；

(2)基于屬性與基于行為對(duì)相似樓盤進(jìn)行挖掘；

(3)建立線索打分模型；

(4)選取候選線索：分析最近一段時(shí)間用戶在各網(wǎng)站的訪問(wèn)行為，若其訪問(wèn)過(guò)目標(biāo)樓盤及其相似樓盤，則將該用戶加入候選線索列表，同時(shí)記錄線索用戶在各網(wǎng)站的訪問(wèn)行為；

(5)對(duì)候選線索進(jìn)行打分：對(duì)于候選線索列表里的用戶，分析其在各網(wǎng)站的行為，抽取其行為特征，使用線索打分模型進(jìn)行打分，打分結(jié)果大于閾值Z的線索作為潛在線索；

(6)對(duì)潛在線索進(jìn)行過(guò)濾，得到潛在線索列表；

(7)對(duì)于潛在線索列表里的用戶，訪問(wèn)用戶ID知識(shí)庫(kù)，得到其聯(lián)系方式，提供給開(kāi)發(fā)商進(jìn)行營(yíng)銷。

本發(fā)明基于第三方大數(shù)據(jù)，綜合分析用戶在多個(gè)房產(chǎn)電商網(wǎng)站以及其他網(wǎng)站上的訪問(wèn)行為，交叉驗(yàn)證，從而能夠得到更多更有效的登陸與未登陸用戶的銷售線索，幫助樓盤進(jìn)行營(yíng)銷。

更進(jìn)一步地，所述步驟(1)包括以下分步驟：

(1.1)抓取多個(gè)網(wǎng)站的房產(chǎn)數(shù)據(jù)，建立完整、統(tǒng)一的房產(chǎn)知識(shí)庫(kù)，對(duì)不同網(wǎng)站表述不同的同一樓盤、新房與二手房進(jìn)行統(tǒng)一；

(1.2)根據(jù)ip與設(shè)備編號(hào)，以session為單位分析客戶在所有網(wǎng)站的行為，建立其登陸id與集奧ID的映射關(guān)系,集奧ID是集奧公司為客戶分配的唯一ID，通過(guò)id-mapping映射清洗后將客戶在各種網(wǎng)站的行為串聯(lián)起來(lái)(例如,舉個(gè)簡(jiǎn)單例子，集奧ID可以和手機(jī)的imei號(hào)關(guān)聯(lián)，那么所有在同一部手機(jī)上登錄過(guò)的賬號(hào)都可以歸屬到一個(gè)GID下邊，也可以和一個(gè)ip地址或者別的標(biāo)識(shí)符關(guān)聯(lián))；

(1.3)分析客戶在購(gòu)物、投資網(wǎng)站的行為，預(yù)估其經(jīng)濟(jì)水平與消費(fèi)能力，按照閾值分別設(shè)置為低、中、高三個(gè)級(jí)別；

(1.4)分析客戶在房產(chǎn)與購(gòu)物、資訊、裝修網(wǎng)站上的行為，若最近關(guān)注裝修、房貸信息的頻率大于關(guān)注房源信息的M倍，則判定為近期已購(gòu)房；

(1.5)分析客戶在各網(wǎng)站的行為，若命中高風(fēng)險(xiǎn)規(guī)則，則標(biāo)記為高風(fēng)險(xiǎn)人群。

另外，所述步驟(2)中，基于屬性的挖掘方法為：對(duì)于每一個(gè)樓盤，根據(jù)房產(chǎn)知識(shí)庫(kù)，找出于其位置、均價(jià)、總價(jià)類似的樓盤，將位置距離小于M公里，均價(jià)差異在X％以內(nèi)，總價(jià)差異小于Y％的樓盤，作為其相似樓盤，其中M，X，Y是用戶設(shè)定值。

另外，所述步驟(2)中，基于行為的挖掘方法為：根據(jù)用戶的訪問(wèn)記錄，對(duì)于樓盤A，B，統(tǒng)計(jì)所有同時(shí)訪問(wèn)了A，B的用戶，累加他們?cè)L問(wèn)A的次數(shù)為U,累加他們?cè)L問(wèn)B的次數(shù)為V，則A，B間的相似度貢獻(xiàn)為min(U,V)/max(U,V)；對(duì)于樓盤A，共同訪問(wèn)次數(shù)大于P，相似度大于閾值Q的樓盤為其相似樓盤；其中U，V，P，Q是用戶設(shè)定值。

另外，所述步驟(3)包括以下分步驟：

(3.1)訓(xùn)練樣本的選擇：選擇時(shí)間節(jié)點(diǎn)T之前一個(gè)月訪問(wèn)過(guò)目標(biāo)樓盤及其相似的用戶的行為數(shù)據(jù)，作為訓(xùn)練樣本；

(3.2)訓(xùn)練目標(biāo)的標(biāo)記：根據(jù)時(shí)間節(jié)點(diǎn)T之后一周該用戶是否訪問(wèn)過(guò)目標(biāo)樓盤，作為訓(xùn)練目標(biāo)，若訪問(wèn)過(guò)，則樣本數(shù)據(jù)標(biāo)記為1，沒(méi)訪問(wèn)過(guò)，則樣本數(shù)據(jù)標(biāo)記為0；

(3.3)樣本特征的抽?。簭挠?xùn)練樣本的行為數(shù)據(jù)中抽取特征，包括：客戶在各房產(chǎn)網(wǎng)站各樓盤的細(xì)致瀏覽行為、客戶在各房產(chǎn)網(wǎng)站對(duì)同一樓盤的訪問(wèn)行為加權(quán)后作為整體特征、客戶訪問(wèn)的樓盤的特征、客戶在非房產(chǎn)網(wǎng)站的瀏覽行為；

(3.4)模型的訓(xùn)練：使用邏輯回歸模型對(duì)樣本進(jìn)行訓(xùn)練，得到線索打分模型。

另外，所述步驟(6)中，過(guò)濾包括：最近已購(gòu)房過(guò)濾、低消費(fèi)能力過(guò)濾、高風(fēng)險(xiǎn)過(guò)濾。

以下給出一個(gè)具體實(shí)施例。

以為北京市昌平區(qū)某樓盤“XX家園”挖掘潛力客戶為例，該樓盤為分期開(kāi)發(fā)，前兩期已入住，在搜房網(wǎng)，鏈家網(wǎng)，我愛(ài)我家等房產(chǎn)網(wǎng)站均有房源信息。具體過(guò)程如下：

1.知識(shí)庫(kù)的建立：需要建立房產(chǎn)知識(shí)庫(kù)、用戶ID知識(shí)庫(kù)、用戶消費(fèi)能力知識(shí)庫(kù)、用戶購(gòu)房知識(shí)庫(kù)和用戶風(fēng)險(xiǎn)知識(shí)庫(kù)。具體如下：

1)抓取搜房網(wǎng)，鏈家網(wǎng)，我愛(ài)我家等房產(chǎn)網(wǎng)站的房產(chǎn)數(shù)據(jù)，建立完整、統(tǒng)一的房產(chǎn)知識(shí)庫(kù)。除了抓取必要的房產(chǎn)位置，均價(jià)，面積，總價(jià)，房源數(shù)，開(kāi)發(fā)商，建成日期，配套設(shè)施，物業(yè)公司等資料外，統(tǒng)一還包括兩層含義：

a)同一樓盤在不同網(wǎng)站表述的統(tǒng)一。對(duì)于部分網(wǎng)站某些屬性進(jìn)行補(bǔ)充，對(duì)于同一網(wǎng)站同一小區(qū)的信息進(jìn)行匯總。

b)新房與二手房的統(tǒng)一，不少樓盤是分期售賣的，同時(shí)存在新房和二手房可售，需要保證客戶在新房和二手房的訪問(wèn)行為可被一起分析。

2)用戶ID知識(shí)庫(kù)的建立：使用第三方大數(shù)據(jù)平臺(tái)，分析用戶的歷史訪問(wèn)記錄，根據(jù)ip與設(shè)備編號(hào)，以session為單位分析客戶在搜房網(wǎng)，鏈家網(wǎng)，我愛(ài)我家等房產(chǎn)網(wǎng)站，百度、youku，微信，qq等娛樂(lè)網(wǎng)站以及在京東，淘寶，陸金所等購(gòu)物理財(cái)網(wǎng)站所有網(wǎng)站的行為，建立其登陸id與GID(集奧id)的映射關(guān)系。

3)用戶消費(fèi)能力知識(shí)庫(kù)的建立：分析客戶在購(gòu)物、投資網(wǎng)站的行為，預(yù)估其經(jīng)濟(jì)水平與消費(fèi)能力，按照閾值分別設(shè)置為低、中、高三個(gè)級(jí)別。

4)用戶購(gòu)房知識(shí)庫(kù)的建立：分析客戶在房產(chǎn)與購(gòu)物、資訊、裝修網(wǎng)站上的行為，若最近關(guān)注裝修、房貸信息的頻率大于關(guān)注房源信息的M倍，則判定為近期已購(gòu)房。

5)用戶風(fēng)險(xiǎn)知識(shí)庫(kù)的建立：分析其在各網(wǎng)站的行為，若命中賭博，博彩等高風(fēng)險(xiǎn)規(guī)則，則標(biāo)記為高風(fēng)險(xiǎn)人群。

2.相似樓盤挖掘，相似樓盤挖掘綜合采用兩個(gè)方法，基于屬性的挖掘與基于行為的挖掘。具體如下：

1)基于屬性的挖掘方法：對(duì)于每一個(gè)樓盤，根據(jù)1中建立的房產(chǎn)知識(shí)庫(kù)，找出于其位置，均價(jià)，總價(jià)類似的樓盤，將位置距離小于M公里，均價(jià)差異在X％以內(nèi)，總價(jià)差異小于Y％的樓盤，作為其相似樓盤。則挖掘出“XX家園”附近價(jià)位相似的樓盤列表。

2)基于行為的挖掘方法：根據(jù)用戶的訪問(wèn)記錄，對(duì)于樓盤A，B，統(tǒng)計(jì)所有同時(shí)訪問(wèn)了A，B的用戶，累加他們?cè)L問(wèn)A的次數(shù)為U,累加他們?cè)L問(wèn)B的次數(shù)為V，則A，B間的相似度貢獻(xiàn)min(U,V)/max(U,V)。對(duì)于樓盤A，共同訪問(wèn)次數(shù)大于P，相似度大于閾值Q的樓盤為其相似樓盤。“XX家園”位于地鐵沿線，可以挖掘出“XX家園”同一地鐵線3站距離的“YY家園”等樓盤。

3.線索打分模型的建立，包括如下步驟訓(xùn)練樣本的選擇，樣本特征的抽取，模型的訓(xùn)練。具體如下：

1)訓(xùn)練樣本的選擇：選擇時(shí)間節(jié)點(diǎn)T之前一個(gè)月訪問(wèn)過(guò)目標(biāo)樓盤及其相似的用戶的行為數(shù)據(jù)，作為訓(xùn)練樣本。

2)訓(xùn)練目標(biāo)的標(biāo)記：根據(jù)時(shí)間節(jié)點(diǎn)T之后一周該用戶是否訪問(wèn)過(guò)目標(biāo)樓盤，作為訓(xùn)練目標(biāo)，若訪問(wèn)過(guò)，則樣本數(shù)據(jù)標(biāo)記為1，沒(méi)訪問(wèn)過(guò)，則樣本數(shù)據(jù)標(biāo)記為0。

3)樣本特征的抽?。簭挠?xùn)練樣本的行為數(shù)據(jù)中抽取特征，包括以下幾大類：

a)客戶在各房產(chǎn)網(wǎng)站各樓盤的細(xì)致瀏覽行為；

b)客戶在各房產(chǎn)網(wǎng)站對(duì)同一樓盤的訪問(wèn)行為加權(quán)后作為整體特征；

c)客戶訪問(wèn)的樓盤的特征；

d)客戶在非房產(chǎn)網(wǎng)站的瀏覽行為。

4)模型的訓(xùn)練，使用邏輯回歸模型對(duì)樣本進(jìn)行訓(xùn)練，得到最終的線索打分模型。

4.候選線索的選?。悍治鲎罱欢螘r(shí)間用戶在各網(wǎng)站的訪問(wèn)行為，若其訪問(wèn)過(guò)目標(biāo)樓盤及其相似樓盤，則將該用戶加入候選線索列表，同時(shí)記錄線索用戶在各網(wǎng)站的訪問(wèn)行為。

5.候選線索的打分：對(duì)于上一步候選線索列表里的用戶，分析其在各網(wǎng)站的行為，抽取其行為特征，使用線索打分模型進(jìn)行打分，打分結(jié)果大于閾值Z的線索作為潛在線索。

6.潛在線索過(guò)濾：對(duì)于上一步潛在線索列表里的用戶，進(jìn)行一下三個(gè)方面的過(guò)濾，最近已購(gòu)房過(guò)濾、低消費(fèi)能力過(guò)濾與高風(fēng)險(xiǎn)過(guò)濾。

1)若潛在線索的消費(fèi)能力為低，則從挖掘結(jié)果中移除該條線索

2)若潛在線索在已購(gòu)房線索庫(kù)中，則從挖掘結(jié)果中移除該條線索

3)若潛在線索在高風(fēng)險(xiǎn)線索庫(kù)中，則從挖掘結(jié)果中移除該條線索

7.線索信息的提供，對(duì)于上一步的潛在線索列表里的用戶，訪問(wèn)用戶ID知識(shí)庫(kù)，得到其更準(zhǔn)確的聯(lián)系方式，提供給開(kāi)發(fā)商進(jìn)行營(yíng)銷。例如某用戶訪問(wèn)了鏈家網(wǎng)站的A樓盤信息，但并未登陸，通過(guò)查詢用戶ID知識(shí)庫(kù)知道，這個(gè)用戶ID曾經(jīng)登陸過(guò)微信賬號(hào)123456，則可更精準(zhǔn)的定位到用戶進(jìn)行營(yíng)銷。

本發(fā)明的有益效果如下：

1.使用第三方大數(shù)據(jù)平臺(tái)，綜合分析線索在各房產(chǎn)營(yíng)銷網(wǎng)站行為，建立行為模型，進(jìn)行購(gòu)買意向評(píng)估，增加了銷售線索的覆蓋范圍，提升了發(fā)現(xiàn)銷售線索的速度。

2.房產(chǎn)網(wǎng)站ID與非房產(chǎn)網(wǎng)站ID統(tǒng)一映射到內(nèi)部的GID，擴(kuò)充了對(duì)匿名用戶的識(shí)別能力。

3.綜合先做非房產(chǎn)網(wǎng)站的行為，預(yù)估驗(yàn)證銷售線索的消費(fèi)能力與風(fēng)險(xiǎn)程度的方法，提升了銷售線索的精準(zhǔn)程度。

以上所述，僅是本發(fā)明的較佳實(shí)施例，并非對(duì)本發(fā)明作任何形式上的限制，凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)單修改、等同變化與修飾，均仍屬本發(fā)明技術(shù)方案的保護(hù)范圍。