本发明公开了一种基于智能营销的客户管理方法及系统，包括建立客户感知模型，将客户与潜在客户信息放入客户感知模型中，生成对应的智能营销方法，获取营销方法后进行将客户与潜在客户根据感知模型处理结果进行分类，将分类后的客户与潜在客户进行针对性的营销方法对待处理。本发明为行为定向广告的发展提出建议，保障客户对个人隐私使用的知情权和控制权，重视客户体验，减弱客户心理抗拒，提升媒介平台可信度，打造良好形象。
1.一种基于智能营销的客户管理方法，其特征在于，包括：
建立客户感知模型，将客户与潜在客户信息放入客户感知模型中，生成对应的智能营销方法；
获取营销方法后进行将客户与潜在客户根据客户感知模型处理结果进行分类；
将分类后的客户与潜在客户进行针对性的营销方法对待处理；
所述客户感知模型包含六种感知约束条件，分别是隐私关注、劝说知识水平、感知收益、感知风险、媒介信任与感知侵扰性六种约束条件，分别记作H1‑H6；
生成对应的智能营销方法是通过SPSS25中的可靠性分析这一功能，将客户与潜在客户信息输入客户感知模型中，客户与潜在客户的六项约束条件的可接受度就会呈现，可接受度以Cronbach’sα系数作为评判标准；
当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；
当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；
当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高；
所述隐私关注是客户与潜在客户对于定向广告跟踪情况的关注度；
所述劝说知识水平指的是客户与潜在客户在接收到营销广告后的购买意图；
所述感知收益指的是客户与潜在客户对于行为定向广告的兴趣与信赖程度；
所述感知风险指的是客户与潜在客户在接收到定向广告后的不安全感与广告收集个人信息的担忧；
所述媒介信任指的是客户与潜在客户对于定向广告的不反感程度；
所述感知侵扰性指的是客户与潜在客户对于定向广告出现打扰客户正常生活的感知程度；
所述根据客户感知模型处理结果进行客户或潜在客户分类方式是，先通过可接受度判断客户或潜在客户对于六种约束条件的可接受度，以Cronbach’sα系数为0.7为基准，当客户或潜在客户的Cronbach’sα系数超过0.7标注为可接受，当客户或潜在客户的Cronbach’sα系数小于等于0.7标注为不可接受，因此客户对于六种约束可能产生63种客户选择情况，智能营销获客方法将其融合为六种营销策略对应客户，当客户或潜在客户只有H1不可接受时，划分为L1客户，采用多渠道定点广告模式；
当客户或潜在客户只有H2不可接受时，划分为L2客户，采用短视频定点广告模式；
当客户或潜在客户只有H3不可接受时，划分为L3客户，采用高质量文章内容夹杂定点广告模式；
当客户或潜在客户只有H4不可接受时，划分为L4客户，采用熟人推广定点广告模式；
当客户或潜在客户只有H5不可接受时，划分为L5客户，采用高质量文章内容贴片广告模式；
当客户或潜在客户只有H6不可接受时，划分为L6客户，采用文字可关闭弹窗定点广告模式；
当客户或潜在客户超过一点约束条件不可接受时，划分为L7客户，以多种模式融合定点广告模式，以序号在前的广告模式为主体；
当客户或潜在客户经过模型判断全部为不可接受时，划分为L8客户，暂时放弃该客户，放入不可接触客户群体种；
所述客户是通过六种营销策略进行客户分类，分类后的客户进行针对性的营销策略，当客户或潜在客户有多个约束条件不接受时，将该客户分类为复合型客户，进行针对性的多种营销策略使用；
其中Xi(1)是按照模型计算模块(200)进行客户数据分析后营销干预后的结果，Xi(0)是未进行营销干预结果，使用时会取所有客户的因果效应期望的估计值来衡量整个客户群的效果，即条件平均因果效应的计算方式是：CATE＝α(Xi)＝E|Xi(1)Yi|‑E|Xi(0)Yi|其中CATE是条件平均因果效应，Yi指的是客户特征，在条件独立的假设下，条件平均因果效应的期望估计值是：b
其中Wi是一个二元值，当如果对客户使用了营销方式则Wi＝1，否则Wi＝0，Xi 指的是客户i可以观察到的输出结果。
2.一种采用如权利要求1所述的基于智能营销的客户管理方法的客户管理系统，其特征在于，包括：数据输入模块(100)，模型计算模块(200)，客户分类模块(300)，客户管理模块(400)；
所述数据输入模块(100)是客户或潜在客户进行对于系统的问卷调查，将调查的结果输入模型计算模块(200)中；
所述模型计算模块(200)是将客户或潜在客户信息输入模型中，生成对应结果放入客户分类模块(300)中；
所述客户分类模块(300)在进行客户的分类后，将分类结果放入客户管理模块(400)中；
所述客户管理模块(400)在接收到客户分类模块(300)的分类结果后，进行针对性的将客户进行区别管理。
3.如权利要求2所述的基于智能营销的客户管理系统，其特征在于：所述数据输入模块(100)是让客户或是潜在客户进行六个约束条件，每个约束条件五个问题组成的一份问卷，根据客户对每个约束条件类型问题答案进行评分，将该数据输入模型计算模块(200)中。
4.如权利要求3所述的基于智能营销的客户管理系统，其特征在于：所述模型计算模块(200)是利用客户感知模型将客户的每个约束条件问题评分进行可视化展示，再根据客户或潜在客户的Cronbach’sα系数判断客户是否能够接受该约束条件；
当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；
当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；
当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高。
5.如权利要求4所述的基于智能营销的客户管理系统，其特征在于：所述客户分类模块(300)根据模型计算模块(200)的计算结果将客户或潜在客户分为三大类八小类，三大类分别是接受类、心里抗拒类与广告回避类，八小类分别是L1客户到L8客户；
当客户完全接受H1‑H6任一约束条件时，将客户分类为接受类客户类型中，选取最低营销方式获客；
当客户只有对H1‑H6中任一约束条件不接受时，将客户分类到心里抗拒类客户类型中，选取其他五类智能营销方式中成本最低营销方式进行获客；
当客户对H1‑H6至少两个约束条件不接受时，将客户分类到广告回避类客户类型中，选取其接受程度最高的约束条件对应营销方法进行获客。
6.如权利要求5所述的基于智能营销的客户管理系统，其特征在于：所述客户分类模块(300)分类后将分类结果放入客户管理模块(400)中，进行针对性的将客户进行区别管理，客户管理模块(400)还拥有对于系统的数据保存功能，客户的问卷内容数据，客户问卷的评分数据，客户的分类数据都保存到客户管理模块(400)中。
一种基于智能营销的客户管理方法及系统
技术领域
[0001] 本发明涉及大数据营销技术领域，特别是一种基于智能营销的客户管理方法及系统。
背景技术
[0002] 智能营销背景下，借助大数据和人工智能技术，行为定向广告快速发展，成为网络广告市场的宠儿，既可以满足客户的个性化需求，也可以有效提高广告精准性。但是这种利用客户的数据来预测客户喜好并且进行精准投放的广告形式，会使客户产生心理抗拒和广告回避，而只有对客户这类心理形成正确认识，全面掌握与其相关的影响因素，才能够制定出减弱客户心理抗拒和减少广告回避的有效措施。
发明内容
[0003] 本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
[0004] 鉴于上述和/或现有的一种基于智能营销的客户管理方法中存在的问题，提出了本发明。
[0005] 因此，本发明所要解决的问题在于如何提供一种基于智能营销的客户管理方法来进行对于客户进行区别处理，做到更低成本营销获取更多客户。
[0006] 为解决上述技术问题，本发明提供如下技术方案：一种基于智能营销的客户管理方法，其包括，建立客户感知模型，将客户与潜在客户信息放入客户感知模型中，生成对应的智能营销方法；获取营销方法后进行将客户与潜在客户根据感知模型处理结果进行分类；将分类后的客户与潜在客户进行针对性的营销方法对待处理；所述客户感知模型包含六种感知约束条件，分别是隐私关注、劝说知识水平、感知收益、感知风险、媒介信任与感知侵扰性六种约束条件，分别记作H1‑H6；生成对应的智能营销方法是通过SPSS25中的可靠性分析这一功能，将客户与潜在客户信息输入客户感知模型中，客户与潜在客户的六项约束条件的可接受度就会呈现，可接受度以Cronbach’sα系数作为评判标准；当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高。
[0007] 作为本发明所述一种基于智能营销的客户管理方法的一种优选方案，其中：所述隐私关注是客户与潜在客户对于定向广告跟踪情况的关注度；所述劝说知识水平指的是客户与潜在客户在接收到营销广告后的购买意图；所述感知收益指的是客户与潜在客户对于行为定向广告的兴趣与信赖程度；所述感知风险指的是客户与潜在客户在接收到定向广告后的不安全感与广告收集个人信息的担忧；所述媒介信任指的是客户与潜在客户对于定向广告的不反感程度；所述感知侵扰性指的是客户与潜在客户对于定向广告出现打扰客户正常生活的感知程度。
[0008] 作为本发明所述一种基于智能营销的客户管理方法的一种优选方案，其中：所述根据感知模型处理结果进行客户或潜在客户分类方式是，先通过可接受度判断客户或潜在客户对于六种约束条件的可接受度，以Cronbach’sα系数为0.7为基准，当客户或潜在客户的Cronbach’sα系数超过0.7标注为可接受，当客户或潜在客户的Cronbach’sα系数小于等于0.7标注为不可接受，因此客户对于六种约束可能产生63种客户选择情况，智能营销获客方法将其融合为六种营销策略对应客户，当客户或潜在客户只有H1不可接受时，划分为L1客户，采用多渠道定点广告模式；当客户或潜在客户只有H2不可接受时，划分为L2客户，采用短视频定点广告模式；当客户或潜在客户只有H3不可接受时，划分为L3客户，采用高质量文章内容夹杂定点广告模式；当客户或潜在客户只有H4不可接受时，划分为L4客户，采用熟人推广定点广告模式；当客户或潜在客户只有H5不可接受时，划分为L5客户，采用高质量文章内容贴片广告模式；当客户或潜在客户只有H6不可接受时，划分为L6客户，采用文字可关闭弹窗定点广告模式；当客户或潜在客户超过一点约束条件不可接受时，划分为L7客户，以多种模式融合定点广告模式，以序号在前的广告模式为主体；当客户或潜在客户经过模型判断全部为不可接受时，划分为L8客户，暂时放弃该客户，放入不可接触客户群体种。
[0009] 作为本发明所述一种基于智能营销的客户管理方法的一种优选方案，其中：所述客户是通过六种营销策略进行客户分类，分类后的客户进行针对性的营销策略，当客户或潜在客户有多个约束条件不接受时，将该客户分类为复合型客户，进行针对性的多种营销策略使用。
[0010] 鉴于上述和/或现有的一种基于智能营销的客户管理系统中存在的问题，提出了本发明。
[0011] 因此，本发明所要解决的问题在于如何提供一种基于智能营销的客户管理系统使得客户数据能够在选择中明确体现出其特性，使得获客成本降低。
[0012] 为解决上述技术问题，本发明提供如下技术方案：一种基于智能营销的客户管理系统，其包括数据输入模块，模型计算模块，客户分类模块，客户管理模块；所述数据输入模块是客户或潜在客户进行对于系统的问卷调查，将调查的结果输入模型计算模块中；所述模型计算模块是将客户或潜在客户信息输入模型中，生成对应结果放入客户分类模块中；所述客户分类模块在进行客户的分类后，将分类结果放入客户管理模块中；所述客户管理模块在接收到客户分类模块的分类结果后，进行针对性的将客户进行区别管理。
[0013] 作为本发明所述一种基于智能营销的客户管理系统的一种优选方案，其中：所述数据输入模块是让客户或是潜在客户进行六个约束条件，每个约束条件五个问题组成的一份问卷，根据客户对每个约束条件类型问题答案进行评分，将该数据输入模型计算模块中。
[0014] 作为本发明所述一种基于智能营销的客户管理系统的一种优选方案，其中：所述模型计算模块是利用客户感知模型将客户的每个约束条件问题评分进行可视化展示，再根据客户或潜在客户的Cronbach’sα系数判断客户是否能够接受该约束条件；当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高。
[0015] 作为本发明所述一种基于智能营销的客户管理系统的一种优选方案，其中：所述客户分类模块根据模型计算模块的计算结果将客户或潜在客户分为三大类八小类，三大类分别是接受类、心里抗拒类与广告回避类，八小类分别是L1客户到L8客户；当客户完全接受H1‑H6任一约束条件时，将客户分类为接受类客户类型中，选取最低营销方式获客；当客户只有对H1‑H6中任一约束条件不接受时，将客户分类到心里抗拒类客户类型中，选取其他五类智能营销方式中成本最低营销方式进行获客；当客户对H1‑H6至少两个约束条件不接受时，将客户分类到广告回避类客户类型中，选取其接受程度最高的约束条件对应营销方法进行获客。
[0016] 作为本发明所述一种基于智能营销的客户管理系统的一种优选方案，其中：客户营销干预的增益效果计算如下：
[0017] αi＝Xi(1)‑Xi(0)
[0018] 其中Xi(1)是按照模型计算模块进行客户数据分析后营销干预后的结果，Xi(0)是未进行营销干预结果，使用时会取所有客户的因果效应期望的估计值来衡量整个客户群的效果，即条件平均因果效应的计算方式是：
[0019] CATE＝α(Xi)＝E|Xi(1)Yi|‑E|Xi(0)Yi|
[0020] 其中CATE是条件平均因果效应，Yi指的是客户特征，在条件独立的假设下，条件平均因果效应的期望估计值是：
[0021]
[0022] 其中Wi是一个二元值，当如果对客户使用了营销方式则Wi＝1，否则Wi＝0，Xib指的是客户i可以观察到的输出结果。
[0023] 作为本发明所述一种基于智能营销的客户管理系统的一种优选方案，其中：所述客户分类模块分类后将分类结果放入客户管理模块中，进行针对性的将客户进行区别管理，客户管理模块还拥有对于系统的数据保存功能，客户的问卷内容数据，客户问卷的评分数据，客户的分类数据都保存到客户管理模块中。
[0024] 本发明有益效果为行为定向广告的发展提出建议：保障客户对个人隐私使用的知情权和控制权；重视客户体验，减弱客户心理抗拒；提升媒介平台可信度，打造良好形象。
附图说明
[0025] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0026] 图1为实施例2中一种基于智能营销的客户管理方法的思维框架图。
[0027] 图2为实施例2中一种基于智能营销的客户管理系统的系统结构图。
[0028] 图3为实施例2中一种基于智能营销的客户管理系统的系统客户判断模型图。
具体实施方式
[0029] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0030] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0031] 其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0032] 实施例1
[0033] 本发明第一个实施例，该实施例提供了一种基于智能营销的客户管理方法，一种基于智能营销的客户管理方法包括如下步骤：
[0034] S1、建立客户感知模型，将客户与潜在客户信息放入客户感知模型中，生成对应的智能营销方法；
[0035] S2、获取营销方法后进行将客户与潜在客户根据感知模型处理结果进行分类；
[0036] S3、将分类后的客户与潜在客户进行针对性的营销方法对待处理。
[0037] 客户感知模型包含六种感知约束条件，分别是隐私关注、劝说知识水平、感知收益、感知风险、媒介信任与感知侵扰性六种约束条件，分别记作H1‑H6；其中，隐私关注是客户与潜在客户对于定向广告跟踪情况的关注度；劝说知识水平指的是客户与潜在客户在接收到营销广告后的购买意图；感知收益指的是客户与潜在客户对于行为定向广告的兴趣与信赖程度；感知风险指的是客户与潜在客户在接收到定向广告后的不安全感与广告收集个人信息的担忧；媒介信任指的是客户与潜在客户对于定向广告的不反感程度；感知侵扰性指的是客户与潜在客户对于定向广告出现打扰客户正常生活的感知程度。
[0038] 生成对应的智能营销方法是通过SPSS25中的可靠性分析这一功能，将客户与潜在客户信息输入客户感知模型中，客户与潜在客户的六项约束条件的可接受度就会呈现，可接受度以Cronbach’sα系数作为评判标准，具体为：
[0039] 当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；
[0040] 当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；
[0041] 当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高。
[0042] 根据感知模型处理结果进行客户或潜在客户分类方式时，先通过可接受度判断客户或潜在客户对于六种约束条件的可接受度，以Cronbach’sα系数为0.7为基准，当客户或潜在客户的Cronbach’sα系数超过0.7标注为可接受，当客户或潜在客户的Cronbach’sα系数小于等于0.7标注为不可接受，因此客户对于六种约束可能产生63种客户选择情况，智能营销获客方法将其融合为六种营销策略对应客户，具体为：
[0043] 当客户或潜在客户只有H1不可接受时，划分为L1客户，采用多渠道定点广告模式；
[0044] 当客户或潜在客户只有H2不可接受时，划分为L2客户，采用短视频定点广告模式；
[0045] 当客户或潜在客户只有H3不可接受时，划分为L3客户，采用高质量文章内容夹杂定点广告模式；
[0046] 当客户或潜在客户只有H4不可接受时，划分为L4客户，采用熟人推广定点广告模式；
[0047] 当客户或潜在客户只有H5不可接受时，划分为L5客户，采用高质量文章内容贴片广告模式；
[0048] 当客户或潜在客户只有H5不可接受时，划分为L6客户，采用文字可关闭弹窗定点广告模式；
[0049] 当客户或潜在客户超过一点约束条件不可接受时，划分为L7客户，以多种模式融合定点广告模式，以序号在前的广告模式为主体；
[0050] 当客户或潜在客户经过模型判断全部为不可接受时，划分为L8客户，暂时放弃该客户，放入不可接触客户群体种。
[0051] 客户是通过六种营销策略进行客户分类，分类后的客户进行针对性的营销策略，当客户或潜在客户有多个约束条件不接受时，将该客户分类为复合型客户，进行针对性的多种营销策略使用，智能客户管理方法就是将客户分类后，放入对应的客户管理档案中，进行区别化管理。
[0052] 实施例2
[0053] 参照图1～图3，为本发明第二个实施例，其不同于第一个实施例的是，还包括一种基于智能营销的客户管理系统，如图2所示，其包括数据输入模块100，模型计算模块200，客户分类模块300和客户管理模块400。
[0054] 具体的，数据输入模块100是客户或潜在客户进行对于系统的问卷调查，将调查的结果输入模型计算模块200中；模型计算模块200是将客户或潜在客户信息输入模型中，生成对应结果放入客户分类模块300中；客户分类模块300在进行客户的分类后，将分类结果放入客户管理模块400中；客户管理模块400在接收到客户分类模块300的分类结果后，进行针对性的将客户进行区别管理。
[0055] 数据输入模块100是让客户或是潜在客户进行六个约束条件，每个约束条件五个问题组成的一份问卷，根据客户对每个约束条件类型问题答案进行评分，将该数据输入模型计算模块200中，其思维框架如图3所示。
[0056] 模型计算模块200是利用客户感知模型将客户的每个约束条件问题评分进行可视化展示，再根据客户或潜在客户的Cronbach’sα系数判断客户是否能够接受该约束条件，具体为：
[0057] 当客户或潜在客户Cronbach’sα系数在0.8以上时，则说明其接受度高；
[0058] 当客户或潜在客户Cronbach’sα系数在0.7‑0.8之间，则说明其可以接受；
[0059] 当客户或潜在客户Cronbach’sα系数在0.7以下，则说明其无法在相应约束下保持一致，即对此条约束敏感度高。
[0060] 客户分类模块300根据模型计算模块200的计算结果将客户或潜在客户分为三大类八小类，三大类分别是接受类、心里抗拒类与广告回避类，八小类分别是L1客户到L8客户；如图1所示，当客户完全接受H1‑H6任一约束条件时，将客户分类为接受类客户类型中，选取最低营销方式获客；当客户只有对H1‑H6中任一约束条件不接受时，将客户分类到心里抗拒类客户类型中，选取其他五类智能营销方式中成本最低营销方式进行获客；当客户对H1‑H6至少两个约束条件不接受时，将客户分类到广告回避类客户类型中，选取其接受程度最高的约束条件对应营销方法进行获客。
[0061] 客户营销干预的增益效果计算如下：
[0062] αi＝Xi(1)‑Xi(0)
[0063] 其中Xi(1)是按照模型计算模块进行客户数据分析后营销干预后的结果，Xi(0)是未进行营销干预结果，使用时会取所有客户的因果效应期望的估计值来衡量整个客户群的效果，即条件平均因果效应的计算方式是：
[0064] CATE＝α(Xi)＝E|Xi(1)Yi|‑E|Xi(0)Yi|
[0065] 其中CATE是条件平均因果效应，Yi指的是客户特征，在条件独立的假设下，条件平均因果效应的期望估计值是：
[0066]
[0067] 其中Wi是一个二元值，当如果对客户使用了营销方式则Wi＝1，否则Wi＝0，Xib指的是客户i可以观察到的输出结果。
[0068] 客户分类模块300分类后将分类结果放入客户管理模块400中，进行针对性的将客户进行区别管理，客户管理模块400还拥有对于系统的数据保存功能，客户的问卷内容数据，客户问卷的评分数据，客户的分类数据都保存到客户管理模块400中。
[0069] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
