本發(fā)明涉及互聯(lián)網(wǎng)領(lǐng)域，具體而言，涉及一種挖掘潛在客戶的方法及裝置。

背景技術(shù)：

企業(yè)一般采用分析模型進行客戶關(guān)系管理(Customer Relationship Management，簡稱為CRM)分析。通過CRM分析，企業(yè)可以精準(zhǔn)地掌握客戶價值和客戶創(chuàng)利能力，從而制定合理的營銷策略，對潛在客戶投放有針對性的廣告，爭取以最少投資換取最大營銷利潤。

在相關(guān)技術(shù)中，分析CRM時，僅僅針對瀏覽該企業(yè)的網(wǎng)頁的非客戶來挖掘潛在客戶，對于沒有瀏覽該企業(yè)的網(wǎng)頁，但對該企業(yè)的商品感興趣的其他客戶，則不起作用。

針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供了一種挖掘潛在客戶的方法及裝置，以至少解決相關(guān)技術(shù)中由于僅僅依據(jù)瀏覽某個企業(yè)的網(wǎng)頁的非客戶來挖掘潛在客戶而造成的不能全面、充分地挖掘潛在客戶的技術(shù)問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種挖掘潛在客戶的方法，包括：獲取購買了目標(biāo)商品的客戶群的特征屬性信息和對上述目標(biāo)商品感興趣的訪客的特征屬性信息；根據(jù)上述訪客的特征屬性信息與上述客戶群的特征屬性信息的相似度確定上述訪客是否是上述目標(biāo)商品的潛在客戶。

進一步地，獲取對上述目標(biāo)商品感興趣的訪客的特征屬性信息包括：在全網(wǎng)絡(luò)范圍內(nèi)獲取對上述目標(biāo)商品感興趣的上述訪客的特征屬性信息。

進一步地，根據(jù)上述訪客的特征屬性信息與上述客戶群的特征屬性信息的相似度確定上述訪客是否是上述目標(biāo)商品的潛在客戶包括：判斷上述訪客的特征屬性信息與上述客戶群的特征屬性信息的上述相似度是否大于預(yù)設(shè)的相似度閾值；在判斷結(jié)果為是的情況下，確定上述訪客是上述目標(biāo)商品的上述潛在客戶。

進一步地，在確定上述訪客是上述目標(biāo)商品的上述潛在客戶之后，上述方法還包括：向確定出的上述目標(biāo)商品的上述潛在客戶推送針對上述目標(biāo)商品的營銷信息。

進一步地，獲取購買了目標(biāo)商品的客戶群的特征屬性信息包括：獲取購買了上述目標(biāo)商品的高價值客戶群的特征屬性信息，其中，上述高價值客戶群為其中各個客戶的消費行為頻率金額RFM評分高于預(yù)設(shè)評分或者上述各個客戶在上述RFM評分隊列中的排名滿足預(yù)設(shè)名次的客戶的集合。

進一步地，上述高價值客戶群中有N個高價值客戶，N為自然數(shù)，在根據(jù)上述訪客的特征屬性信息與上述高價值客戶群的特征屬性信息的相似度確定出上述訪客中針對上述目標(biāo)商品的潛在客戶之后，上述方法還包括：對上述N個高價值客戶的RFM評分求和，得到總RFM值；將上述N個高價值客戶中每個高價值客戶的RFM評分除以上述總RFM值，得到上述N個高價值客戶中每個高價值客戶的權(quán)重值；根據(jù)營銷預(yù)算確定可投放廣告的潛在客戶總?cè)藬?shù)M，M為自然數(shù)；根據(jù)上述N個高價值客戶中每個高價值客戶的權(quán)重值和上述可投放廣告的潛在客戶總?cè)藬?shù)M確定上述N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)；按照確定出的上述N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)對上述目標(biāo)商品的潛在客戶投放廣告。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種挖掘潛在客戶的裝置，包括：獲取單元，用于獲取購買了目標(biāo)商品的客戶群的特征屬性信息和對上述目標(biāo)商品感興趣的訪客的特征屬性信息；第一確定單元，用于根據(jù)上述訪客的特征屬性信息與上述客戶群的特征屬性信息的相似度確定上述訪客是否是上述目標(biāo)商品的潛在客戶。

進一步地，上述獲取單元包括：第一獲取模塊，用于在全網(wǎng)絡(luò)范圍內(nèi)獲取對上述目標(biāo)商品感興趣的上述訪客的特征屬性信息。

進一步地，上述第一確定單元包括：判斷模塊，用于判斷上述訪客的特征屬性信息與上述客戶群的特征屬性信息的上述相似度是否大于預(yù)設(shè)的相似度閾值；確定模塊，用于在判斷結(jié)果為是的情況下，確定上述訪客是上述目標(biāo)商品的上述潛在客戶。

進一步地，上述裝置還包括：推送單元，用于在確定上述訪客是上述目標(biāo)商品的上述潛在客戶之后，向確定出的上述目標(biāo)商品的上述潛在客戶推送針對上述目標(biāo)商品的營銷信息。

進一步地，上述獲取單元包括：第二獲取模塊，用于獲取購買了上述目標(biāo)商品的高價值客戶群的特征屬性信息，其中，上述高價值客戶群為其中各個客戶的消費行為頻率金額RFM評分高于預(yù)設(shè)評分或者所述各個客戶在上述RFM評分隊列中的排名滿足預(yù)設(shè)名次的客戶的集合。

進一步地，上述高價值客戶群中有N個高價值客戶，N為自然數(shù)，上述裝置還包括：第一計算單元，用于在根據(jù)上述訪客的特征屬性信息與上述高價值客戶群的特征屬性信息的相似度確定出上述訪客中針對上述目標(biāo)商品的潛在客戶之后，對上述N個高價值客戶的RFM評分求和，得到總RFM值；第二計算單元，用于將上述N個高價值客戶中每個高價值客戶的RFM評分除以上述總RFM值，得到上述N個高價值客戶中每個高價值客戶的權(quán)重值；第二確定單元，用于根據(jù)營銷預(yù)算確定可投放廣告的潛在客戶總?cè)藬?shù)M，M為自然數(shù)；第三確定單元，用于根據(jù)上述N個高價值客戶中每個高價值客戶的權(quán)重值和上述可投放廣告的潛在客戶總?cè)藬?shù)M確定上述N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)；投放單元，用于按照確定出的上述N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)對上述目標(biāo)商品的潛在客戶投放廣告。

在本發(fā)明實施例中，采用針對所有的對某一種或者某一類商品感興趣的網(wǎng)絡(luò)訪客進行全網(wǎng)挖掘上述商品的潛在客戶的方式，通過獲取購買了目標(biāo)商品的客戶群的特征屬性信息和對目標(biāo)商品感興趣的訪客的特征屬性信息；根據(jù)訪客的特征屬性信息與客戶群的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶，達到了擴大的潛在客戶的挖掘范圍的目的，從而實現(xiàn)了全面、充分地挖掘相關(guān)商品的潛在客戶的技術(shù)效果，進而解決了相關(guān)技術(shù)中由于僅僅依據(jù)瀏覽某個企業(yè)的網(wǎng)頁的非客戶來挖掘潛在客戶而造成的不能全面、充分地挖掘潛在客戶的技術(shù)問題。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1是根據(jù)本發(fā)明實施例的一種可選的挖掘潛在客戶的方法的流程圖；以及

圖2是根據(jù)本發(fā)明實施例的一種可選的挖掘潛在客戶的裝置的示意圖。

具體實施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應(yīng)當(dāng)屬于本發(fā)明保護的范圍。

需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第 二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

實施例1

根據(jù)本發(fā)明實施例，提供了一種挖掘潛在客戶的方法的實施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

圖1是根據(jù)本發(fā)明實施例的一種可選的挖掘潛在客戶的方法的流程圖，如圖1所示，該方法包括如下步驟：

步驟S102，獲取購買了目標(biāo)商品的客戶群的特征屬性信息和對目標(biāo)商品感興趣的訪客的特征屬性信息；

步驟S104，根據(jù)訪客的特征屬性信息與客戶群的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶。

實施時，可以從CRM平臺讀取CRM數(shù)據(jù)，并根據(jù)CRM數(shù)據(jù)確定出購買了某種或者某類商品的客戶，同時確定這些客戶的共同的特征屬性信息，即客戶群的特征屬性信息。其中，每個客戶的特征屬性信息包括自然屬性信息和社會屬性信息。進一步，自然屬性信息可以包括：客戶的性別、年齡等信息；社會屬性信息可以包括：客戶的職業(yè)、年薪、所在城市、常購物板塊、常瀏覽的網(wǎng)站類型等信息。

可選地，在CRM平臺中，可以使用多維度的用戶畫像標(biāo)簽(即，特征標(biāo)簽)描述各個客戶的特征屬性信息，進一步，為了便于機器識別這種特征屬性信息，可以使用數(shù)值化的用戶畫像標(biāo)簽。

具體地，在CRM平臺中，每個客戶的特征屬性信息就是通過綜合客戶的性別、年齡等自然屬性信息與根據(jù)線上客戶數(shù)據(jù)得到的客戶的社會屬性信息得到的。其中，當(dāng)CRM平臺中記錄的客戶的特征屬性信息與線上的客戶的特征屬性信息重合時，那么優(yōu)先使用CRM平臺中記錄的客戶的特征屬性信息。綜合后得到能夠全面描述客戶特點的文本標(biāo)簽(即特征標(biāo)簽)，并將文本標(biāo)簽數(shù)值化，從而得到每個客戶的客戶特征向量。同理，可以得到對目標(biāo)商品感興趣的訪客的特征屬性信息(即線上客戶的特征屬性信 息)對應(yīng)的訪客特征向量。進一步，在得到前述的兩個特征向量之后，可以通過以下方式之一確定訪客的特征屬性信息與客戶群的特征屬性信息的相似度：方式1，在對應(yīng)維度上依次比較前述兩個特征向量的向量值，并記錄向量值相等的維度數(shù)；由記錄的向量值相等的維度數(shù)除以訪客特征向量的總維度數(shù)，得到訪客的特征屬性信息與客戶群的特征屬性信息的相似度，其中，訪客特征向量與客戶特征向量為同緯度特征向量；方式2，可以通過前述兩個特征向量的余弦相似度來確定訪客的特征屬性信息與客戶群的特征屬性信息的相似度。

比如，假設(shè)客戶A的特征標(biāo)簽為[性別：男性，職業(yè)：IT，年薪：30萬，年齡：32，所在城市：深圳，團購達人，常購物板塊：家居、家電、數(shù)碼產(chǎn)品、煙酒，常瀏覽的網(wǎng)站類型：汽車、體育、財經(jīng)]，那么該客戶A的數(shù)值化的特征標(biāo)簽可以為[1,1,0,1,…]。

通過上述步驟，可以實現(xiàn)依據(jù)對目標(biāo)商品感興趣的所有網(wǎng)絡(luò)訪客的特征屬性信息與該目標(biāo)商品的已有客戶的特征屬性信息去發(fā)現(xiàn)并挖掘線上的潛在客戶的目的，即利用相似性，由已知客戶發(fā)掘線上的潛在客戶，達到了擴大的潛在客戶的挖掘范圍的目的，從而實現(xiàn)了全面、充分地挖掘相關(guān)商品的潛在客戶的技術(shù)效果。

可選地，獲取對目標(biāo)商品感興趣的訪客的特征屬性信息包括：

S2，在全網(wǎng)絡(luò)范圍內(nèi)獲取對目標(biāo)商品感興趣的訪客的特征屬性信息。

實施時，可以根據(jù)在線營銷效果優(yōu)化和用戶行為分析(Web Dissector，簡稱為WD)系統(tǒng)，通過對全網(wǎng)絡(luò)進行監(jiān)聽，以獲取全網(wǎng)范圍內(nèi)的線上用戶的行為數(shù)據(jù)，并利用數(shù)據(jù)挖掘算法得到每個線上用戶的用戶特征向量，其中，此處每個線上用戶的特征向量的向量格式均與上述的客戶的特征向量的向量格式一致。需要說明的是，該WD系統(tǒng)將專業(yè)的OLAP數(shù)據(jù)挖掘技術(shù)應(yīng)用于在線營銷效果的度量、分析以及點擊欺詐監(jiān)測，使其可以精確地監(jiān)測頁面上每一個像素的流量、轉(zhuǎn)化和銷售效果等指標(biāo)。

通過本發(fā)明實施例，在全網(wǎng)范圍內(nèi)發(fā)現(xiàn)并挖掘某一種或者某一類商品的潛在客戶，避免了相關(guān)技術(shù)中由于僅僅依據(jù)瀏覽了某一企業(yè)的相關(guān)網(wǎng)頁的訪客去發(fā)現(xiàn)并挖掘線上的潛在客戶而導(dǎo)致無法全面、充分地挖掘出相關(guān)商品的所有潛在客戶的缺陷。

由于客戶群的特征屬性信息以及對某一種或者某一類商品感興趣的訪客的特征屬性信息都可以量化為對維度的參數(shù)，即可以量化為相應(yīng)的特征向量，因此，應(yīng)該在特征向量的各個維度上對比上述兩種特征屬性信息之間的相似性?？蛇x地，根據(jù)訪客的特征屬性信息與客戶群的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶包括：

S4，判斷訪客的特征屬性信息與客戶的特征屬性信息的相似度是否大于預(yù)設(shè)的相似度閾值；

S6，在判斷結(jié)果為是的情況下，確定訪客是目標(biāo)商品的潛在客戶。

通過本發(fā)明實施例，可以簡化確定相關(guān)訪客是否是某一種或者某一類商品的潛在客戶的步驟，達到快速確定其是否是潛在客戶的目的。

另外，在根據(jù)訪客的特征屬性信息與客戶群的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶時，還可以判斷上述兩種特征屬性信息在某個或者某些特定維度上是否相同。若相同，則認為上述訪客是該目標(biāo)商品的潛在客戶；若不同，則認為上述訪客不是該目標(biāo)商品的潛在客戶。

可選地，在確定訪客是目標(biāo)商品的潛在客戶之后，上述方法還包括：

S8，向確定出的目標(biāo)商品的潛在客戶推送針對目標(biāo)商品的營銷信息。例如，可以向這些潛在客戶投放廣告等。

通過本發(fā)明實施例，采用有針對性的精準(zhǔn)地推送營銷信息(如投放廣告)等網(wǎng)絡(luò)營銷模式，可以合理分配企業(yè)營銷資源，使?jié)撛诳蛻艮D(zhuǎn)化為新客戶，為公司創(chuàng)造更大利潤。

可選地，獲取購買了目標(biāo)商品的客戶的特征屬性信息包括：

S10，獲取購買了目標(biāo)商品的高價值客戶群的特征屬性信息，其中，高價值客戶群為其中(即高價值客戶群中)各個客戶消費行為(Recency)頻率(Frequency)金額(Monetary)(簡稱為RFM)評分高于預(yù)設(shè)評分或者在RFM評分隊列中的排名滿足預(yù)設(shè)名次的客戶的集合。

通過本發(fā)明實施例，可以依據(jù)高價值客戶群的特點，并基于經(jīng)驗分?jǐn)?shù)和聯(lián)系分?jǐn)?shù)來挖掘潛在客戶，實現(xiàn)確定最可靠的潛在客戶的目的，進而達到在節(jié)約營銷預(yù)算的情況下有的放矢地投放廣告的效果。

可選地，高價值客戶群中有N個高價值客戶，N為自然數(shù)，在根據(jù)訪客的特征屬性信息與高價值客戶群的特征屬性信息的相似度確定出訪客中針對目標(biāo)商品的潛在客戶之后，方法還包括：

S12，對N個高價值客戶的RFM評分求和，得到總RFM值；

S14，將N個高價值客戶中每個高價值客戶的RFM評分除以總RFM值，得到N個高價值客戶中每個高價值客戶的權(quán)重值；

S16，根據(jù)營銷預(yù)算確定可投放廣告的潛在客戶總?cè)藬?shù)M，M為自然數(shù)；

S18，根據(jù)N個高價值客戶中每個高價值客戶的權(quán)重值和可投放廣告的潛在客戶總?cè)藬?shù)M確定N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)；

S20，按照確定出的N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)對目標(biāo)商品的潛在客戶投放廣告。

通過本發(fā)明實施例，可以按照高價值客戶群中，各高價值客戶所占的比重，即各高價值客戶的權(quán)重值，并結(jié)合實際的營銷預(yù)算情況，有針對性的向潛在客戶投放廣告，進而可以避免因盲目投放廣告而造成損失。

以下通過一個具體實施例詳細闡述本發(fā)明：

1.1、在從CRM平臺中獲取到所有客戶的消費記錄數(shù)據(jù)后，將這些數(shù)據(jù)導(dǎo)入RFM模型進行數(shù)據(jù)分析，其中，RFM模型為用于分析客戶價值和客戶創(chuàng)利能力的工具；

1.2、RFM模型根據(jù)導(dǎo)入的數(shù)據(jù)并使用客戶的近期消費行為、消費頻率以及消費金額三項指標(biāo)來描述客戶的價值狀況，即，根據(jù)導(dǎo)入的數(shù)據(jù)分析各客戶的最近消費行為、消費頻率和消費總金額三個指標(biāo)，計算出各客戶的RFM評分；

1.3、將所有客戶按照各自的RFM評分從高到低排序，其中，RFM評分越高表示對應(yīng)客戶的客戶價值越高，RFM評分越低表示對應(yīng)客戶的客戶價值越低；

1.4、按α％的比例截取RFM評分最高的N個客戶作為高價值客戶代表；

1.5、對于每個高價值客戶，從WD系統(tǒng)獲取其全網(wǎng)線上行為數(shù)據(jù)；

1.6、根據(jù)每個高價值客戶的全網(wǎng)線上行為數(shù)據(jù)，利用數(shù)據(jù)挖掘算法自動為每個高價值客戶打上興趣愛好、關(guān)注行業(yè)、消費意向等用戶畫像標(biāo)簽(即，特征標(biāo)簽)；

1.7、將CRM平臺中的客戶性別、年齡等特征屬性信息與根據(jù)客戶的全網(wǎng)線上行為數(shù)據(jù)得到的用戶畫像標(biāo)簽進行綜合，當(dāng)CRM平臺中的客戶的特征屬性信息和該客戶的用戶畫像標(biāo)簽重合時，優(yōu)先使用CRM平臺的客戶的特征屬性信息；

1.8、對綜合后得到的全面描述客戶特點的文本標(biāo)簽數(shù)值化，從而得到每個高價值客戶的客戶特征向量；

1.9、根據(jù)WD系統(tǒng)的線上用戶全網(wǎng)行為數(shù)據(jù)，利用數(shù)據(jù)挖掘算法得到每個線上用戶的用戶特征向量，其向量格式與高價值客戶的客戶特征向量格式一致；

2.0、將N個高價值客戶的RFM評分求和得到總RFM值，并將每個高價值客戶的 RFM評分除以總RFM值，得到每個高價值客戶的權(quán)重值；

2.1、根據(jù)營銷預(yù)算確定可以投放廣告的總?cè)藬?shù)M；

2.2、對于每個高價值客戶，將投放廣告的總?cè)藬?shù)乘以該高價值客戶的權(quán)重值，計算得到以該高價值客戶為基礎(chǔ)投放廣告的受眾數(shù)量M_i,i＝1,2,…,N，

2.3、對于每個高價值客戶，從RFM評分值最的高價值客戶開始，根據(jù)特征向量余弦相似度，找出所有線上用戶中與該高價值客戶最相似的M_i個用戶作為廣告投放對象，最相似用戶的查找過程應(yīng)剔除前期已被選中的用戶；

2.4、向所有被選中的線上用戶進行定向廣告投放。

實施例2

根據(jù)本發(fā)明實施例，提供了一種挖掘潛在客戶的裝置的實施例。

圖2是根據(jù)本發(fā)明實施例的一種可選的挖掘潛在客戶的裝置的示意圖，如圖2所示，該裝置包括：獲取單元202，用于獲取購買了目標(biāo)商品的客戶的特征屬性信息和對目標(biāo)商品感興趣的訪客的特征屬性信息；第一確定單元204，用于根據(jù)訪客的特征屬性信息與客戶的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶。

實施時，可以從CRM平臺讀取CRM數(shù)據(jù)，并根據(jù)CRM數(shù)據(jù)確定出購買了某種或者某類商品的客戶，同時確定這些客戶的共同的特征屬性信息，即客戶群的特征屬性信息。其中，每個客戶的特征屬性信息包括自然屬性信息和社會屬性信息。進一步，自然屬性信息可以包括：客戶的性別、年齡等信息；社會屬性信息可以包括：客戶的職業(yè)、年薪、所在城市、常購物板塊、常瀏覽的網(wǎng)站類型等信息。

可選地，在CRM平臺中，可以使用多維度的用戶畫像標(biāo)簽(即，特征標(biāo)簽)描述各個客戶的特征屬性信息，進一步，為了便于機器識別這種特征屬性信息，可以使用數(shù)值化的用戶畫像標(biāo)簽。

具體地，在CRM平臺中，每個客戶的特征屬性信息就是通過綜合客戶的性別、年齡等自然屬性信息與根據(jù)線上客戶數(shù)據(jù)得到的客戶的社會屬性信息得到的。其中，當(dāng)CRM平臺中記錄的客戶的特征屬性信息與線上的客戶的特征屬性信息重合時，那么優(yōu)先使用CRM平臺中記錄的客戶的特征屬性信息。綜合后得到能夠全面描述客戶特點的文本標(biāo)簽(即特征標(biāo)簽)，并將文本標(biāo)簽數(shù)值化，從而得到每個客戶的客戶特征向量。

比如，假設(shè)客戶A的特征標(biāo)簽為[性別：男性，職業(yè)：IT，年薪：30萬，年齡：32，所在城市：深圳，團購達人，常購物板塊：家居、家電、數(shù)碼產(chǎn)品、煙酒，常瀏 覽的網(wǎng)站類型：汽車、體育、財經(jīng)]，那么該客戶A的數(shù)值化的特征標(biāo)簽可以為[1,1,0,1,…]。

通過上述步驟，可以實現(xiàn)依據(jù)對目標(biāo)商品感興趣的所有網(wǎng)絡(luò)訪客的特征屬性信息與該目標(biāo)商品的已有客戶的特征屬性信息去發(fā)現(xiàn)并挖掘線上的潛在客戶的目的，即利用相似性，由已知客戶發(fā)掘線上的潛在客戶，達到了擴大的潛在客戶的挖掘范圍的目的，從而實現(xiàn)了全面、充分地挖掘相關(guān)商品的潛在客戶的技術(shù)效果。

可選地，獲取單元包括：第一獲取模塊，用于在全網(wǎng)絡(luò)范圍內(nèi)獲取對目標(biāo)商品感興趣的訪客的特征屬性信息。

實施時，可以根據(jù)WD系統(tǒng)獲取的全網(wǎng)范圍內(nèi)的線上用戶的行為數(shù)據(jù)，利用數(shù)據(jù)挖掘算法得到每個線上用戶的用戶特征向量，其中，此處每個線上用戶的特征向量的向量格式均與上述的客戶的特征向量的向量格式一致。

通過本發(fā)明實施例，在全網(wǎng)范圍內(nèi)發(fā)現(xiàn)并挖掘某一種或者某一類商品的潛在客戶，避免了由于僅僅依據(jù)瀏覽了某一企業(yè)的相關(guān)網(wǎng)頁的訪客去發(fā)現(xiàn)并挖掘線上的潛在客戶而導(dǎo)致無法全面、充分地挖掘出相關(guān)商品的所有潛在客戶的缺陷。

由于客戶群的特征屬性信息以及對某一種或者某一類商品感興趣的訪客的特征屬性信息都可以量化為對維度的參數(shù)，即可以量化為相應(yīng)的特征向量，因此，應(yīng)該在特征向量的各個維度上對比上述兩種特征屬性信息之間的相似性。可選地，第一確定單元包括：判斷模塊，用于判斷訪客的特征屬性信息與客戶的特征屬性信息的相似度是否大于預(yù)設(shè)的相似度閾值；確定模塊，用于在判斷結(jié)果為是的情況下，確定訪客是目標(biāo)商品的潛在客戶。

通過本發(fā)明實施例，可以簡化確定相關(guān)訪客是否是某一種或者某一類商品的潛在客戶的步驟，達到快速確定其是否是潛在客戶的目的。

另外，在根據(jù)訪客的特征屬性信息與客戶群的特征屬性信息的相似度確定訪客是否是目標(biāo)商品的潛在客戶時，還可以判斷上述兩種特征屬性信息在某個或者某些特定維度上是否相同。若相同，則認為上述訪客是該目標(biāo)商品的潛在客戶；若不同，則認為上述訪客不是該目標(biāo)商品的潛在客戶。

可選地，上述裝置還包括：推送單元，用于在確定訪客是目標(biāo)商品的潛在客戶之后，向確定出的目標(biāo)商品的潛在客推送針對目標(biāo)商品的營銷信息。

通過本發(fā)明實施例，采用有針對性的精準(zhǔn)地推送營銷信息(如投放廣告)等網(wǎng)絡(luò)營銷模式，可以合理分配企業(yè)營銷資源，使?jié)撛诳蛻艮D(zhuǎn)化為新客戶，為公司創(chuàng)造更大 利潤。

可選地，獲取單元包括：第二獲取模塊，用于獲取購買了目標(biāo)商品的高價值客戶的特征屬性信息，其中，高價值客戶為消費行為頻率金額RFM評分高于預(yù)設(shè)評分或者在RFM評分隊列中的排名滿足預(yù)設(shè)名次的客戶。

通過本發(fā)明實施例，可以依據(jù)高價值客戶群的特點，并基于經(jīng)驗分?jǐn)?shù)和聯(lián)系分?jǐn)?shù)來挖掘潛在客戶，實現(xiàn)確定最可靠的潛在客戶的目的，進而達到在節(jié)約營銷預(yù)算的情況下有的放矢地投放廣告的效果。

可選地，高價值客戶群中有N個高價值客戶，N為自然數(shù)，上述裝置還包括：第一計算單元，用于在根據(jù)訪客的特征屬性信息與高價值客戶群的特征屬性信息的相似度確定出訪客中針對目標(biāo)商品的潛在客戶之后，對N個高價值客戶的RFM評分求和，得到總RFM值；第二計算單元，用于將N個高價值客戶中每個高價值客戶的RFM評分除以總RFM值，得到N個高價值客戶中每個高價值客戶的權(quán)重值；第二確定單元，用于根據(jù)營銷預(yù)算確定可投放廣告的潛在客戶總?cè)藬?shù)M，M為自然數(shù)；第三確定單元，用于根據(jù)N個高價值客戶中每個高價值客戶的權(quán)重值和可投放廣告的潛在客戶總?cè)藬?shù)M確定N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)；投放單元，用于按照確定出的N個高價值客戶中每個高價值客戶對應(yīng)的廣告受眾數(shù)對目標(biāo)商品的潛在客戶投放廣告。

通過本發(fā)明實施例，可以按照高價值客戶群中，各高價值客戶所占的比重，即各高價值客戶的權(quán)重值，并結(jié)合實際的營銷預(yù)算情況，有針對性的向潛在客戶投放廣告，進而可以避免因盲目投放廣告而造成損失。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

在本發(fā)明的上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關(guān)描述。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的技術(shù)內(nèi)容，可通過其它的方式實現(xiàn)。其中，以上所描述的裝置實施例僅僅是示意性的，例如所述單元的劃分，可以為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到 多個單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可為個人計算機、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。