CN110533454A - 一种识别业务对象群体的方法及系统 - Google Patents
一种识别业务对象群体的方法及系统 Download PDFInfo
- Publication number
- CN110533454A CN110533454A CN201910669718.2A CN201910669718A CN110533454A CN 110533454 A CN110533454 A CN 110533454A CN 201910669718 A CN201910669718 A CN 201910669718A CN 110533454 A CN110533454 A CN 110533454A
- Authority
- CN
- China
- Prior art keywords
- fence
- geographic grid
- business
- grid fence
- transaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种识别业务对象群体的方法及系统，按照预设网格将待分析地理区域划分为M个地理网格围栏，并获得所述M个地理网格围栏各自的业务关联数据。根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度，再根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域，获得所述热点围栏区域对应的业务对象群体进行推荐。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及一种识别业务对象群体的方法及系统。
背景技术
随着互联网技术的不断发展，人们也享受到了科技发展带来的各种便利，例如，从传统的小范围内开展业务已经转变为全球开展业务。
而为了便于开展全球业务，现在许多业务平台已投入大量人力和计算机资源在发掘潜在客户群体的相关方面展开了研究。
潜在客户群体是业务平台重点发掘的群体，会定向投入大量计算机资源对潜在优质客户群体进行挖掘培养。如果潜在优质客户群体识别不准确，就会造成计算机资源浪费。
因此，目前需要解决的是由于潜在客户群体识别不准导致的计算机资源浪费的问题。
发明内容
本说明书提供了一种识别业务对象群体的方法及系统，以解决或者部分解决潜在客户群体识别不准导致的计算机资源浪费的技术问题。
为解决上述技术问题，本说明书提供了一种识别业务对象群体的方法，所述方法包括：
按照预设网格将待分析地理区域划分为M个地理网格围栏，M≥1且为正整数；
获得所述M个地理网格围栏各自的业务关联数据；
根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度；其中，所述围栏热度用于表征对应地理网格围栏中的业务对象群体的业务拓展价值；
根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域；
获得所述热点围栏区域对应的业务对象群体进行推荐。
本说明书公开了一种识别业务对象群体的系统，包括：
划分模块，用于按照预设网格将待分析地理区域划分为M个地理网格围栏，M≥1且为正整数；
第一获得模块，用于获得所述M个地理网格围栏各自的业务关联数据；
第一确定模块，用于根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度；其中，所述围栏热度用于表征对应地理网格围栏中的业务对象群体的业务拓展价值；
第二确定模块，用于根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域；
推荐模块，用于获得所述热点围栏区域对应的业务对象群体进行推荐。
本说明书公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本说明书公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
通过本说明书的一个或者多个技术方案，本说明书具有以下有益效果或者优点：
本说明书公开了一种识别业务对象群体的方法及系统，由于业务对象群体能否定位准确和业务关联数据息息相关，因此，先按照预设网格将待分析地理区域划分为M个地理网格围栏，并获得所述M个地理网格围栏各自的业务关联数据。进一步的，根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度。由于围栏热度是通过业务关联数据得到的，因此围栏热度，用于表征对应地理网格围栏中的业务对象群体的业务拓展价值，围栏热度越高，表示其对应地理网格围栏的业务对象群体的业务拓展价值越高，投入的计算机资源更能够获得丰厚的业务回报。因此，基于围栏热度从所述M个地理网格围栏中确定热点围栏区域；获得所述热点围栏区域对应的业务对象群体进行业务推荐，能够准确的定位业务对象群体进行推荐。由于业务对象群体定位准确，因此能够合理投入计算机资源，避免计算机资源的浪费，并获得高触达度和丰厚的业务回报。
上述说明仅是本说明书技术方案的概述，为了能够更清楚了解本说明书的技术手段，而可依照说明书的内容予以实施，并且为了让本说明书的上述和其它目的、特征和优点能够更明显易懂，以下特举本说明书的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本说明书的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本说明书一个实施例的识别业务对象群体的方法的方法示流程图；
图2示出了根据本说明书一个实施例的待分析地理区域的网格划分示意图；
图3示出了根据本说明书一个实施例的识别业务对象群体的系统的示意图；
图4示出了根据本说明书一个实施例的一种计算机设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本说明书实施例提供了一种识别业务对象群体的方法，以解决或者部分解决现有技术中由于潜在客户群体定位不准导致的计算机资源浪费的问题。
本说明书的方法应用于各类业务平台和/或各类业务服务器中，例如购物业务平台(例如网上购物商城)、银行业务平台、信息发布平台(例如微博发布平台)等等。使得各类业务平台和/或各类业务服务器采用该方法以实现精准的业务对象群体定位，以便各业务平台和/或各类业务服务器调用互联网计算机资源进行定向的业务推荐，获得丰厚的业务回报。
本说明书所指的业务包含有很多种，例如购物业务、信息发布业务、银行交易业务等等。
现有技术中，以购物业务为例，购物业务中包含有国内业务和跨境游业务(指国外业务)。国内业务的语言环境和数据体系相对完善。在人力计算机资源方面投入后(例如双11、618等购物节的购物平台广告资源投入、风险数据识别等方面的资源投入)，能够获得较高触达度和业务回报，进而形成相对成熟的运营闭环。目前的跨境游业务主要依赖于人力拓展运营。由于地域和语言环境限制，人力投入困难，并且人力的主观喜好不同，加上没有数据体系支持兜底。跨境游业务很难精准定位优质业务对象，即便投入和国内相同的人力和计算机资源(例如广告资源和风险数据识别资源)，也难以获得和国内业务相同水平的触达度和业务回报，导致计算机资源浪费，或者风险数据识别有误，更加无法形成数据闭环、运营闭环等。
以新闻发布业务为例，新闻发布平台会定向为业务对象群体推荐关联新闻，若业务对象群定定位不准，那么新闻发布平台推荐的新闻资源和业务对象群体不匹配，就难以获得高点击率，进而浪费了新闻发布平台的计算机资源。同理，广告发布平台也存在同样问题。
为了解决上述问题，本说明书的一个或者多个实施例公开了一种识别业务对象群体的方法，由于业务对象群体能否定位准确和业务关联数据(交易数据、登录数据等等)息息相关，因此，先按照预设网格将待分析地理区域划分为M个地理网格围栏，并获得所述M个地理网格围栏各自的业务关联数据。进一步的，根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度。由于围栏热度是通过业务关联数据得到的，因此围栏热度，用于表征对应地理网格围栏中的业务对象群体的业务拓展价值，围栏热度越高，表示其对应地理网格围栏的业务对象群体的业务拓展价值越高，投入的计算机资源更能够获得丰厚的业务回报。因此，基于围栏热度从所述M个地理网格围栏中确定热点围栏区域；获得所述热点围栏区域对应的业务对象群体进行业务推荐，能够准确的定位业务对象群体进行推荐。由于业务对象群体定位准确，因此能够合理投入计算机资源，避免计算机资源的浪费，并获得高触达度和丰厚的业务回报。
参看图1，本说明书的一个或者多个实施例公开的方法，包括如下步骤：
步骤11，按照预设网格将待分析地理区域划分为M个地理网格围栏。
其中，M≥1且为正整数，也即，地理网格围栏的数量不定。
具体来说，待分析地理区域根据实际地理位置确定，例如根据经纬度、地理面积等等进行划分。举例来说，将经度(100°31′E)，纬度(13°45′N)，地理面积1568平方公里的泰国曼谷作为待分析地理区域。
预设网格是一种划分标准，该预设网格具有尺寸，其尺寸大小可由系统设置或者由用户自定义设置。例如，将1.2公里*0.6公里的网格作为预设网格。
而在划分的过程中，根据预设网格对待分析地理区域进行切网格处理，进而获得一个以上地理网格围栏。各地理网格围栏对应有位置区域范围和位置信息。
参看图2，是待分析地理区域的网格划分示意图，将待分析地理区域划分成了多个网格状区域。
步骤12，获得所述M个地理网格围栏各自的业务关联数据。
其中，业务关联数据至少包括交易数据、登录数据、业务类型等等。业务关联数据数据是业务对象产生的，和业务对象息息相关，因此其能够反映业务对象的活跃度和业务对象的业务拓展价值。例如，业务关联数据高，那么其对应的业务对象的活跃度高，业务对象也就是更有开发价值，如果对其投入计算机资源，就越能够获得丰厚的业务回报。而业务对象，指的是在各类业务平台和/或各类业务服务器中的登录对象；或者指的是在各类业务平台和/或各类业务服务器中产生业务往来的对象。本说明书的业务对象并单单指自然人这类对象，以公司、企业为单位的对象也包含在本申请的业务对象的含义之中。
交易数据指业务对象交易中产生的相关数据，至少包括：交易笔数(trans_count)、交易金额(trans_amount)、交易用户数(user_count)、笔均金额信息(avg_amount)、用户平均的复购率(avg_user_trans_count)等等一种或者多种指标组合，每个指标下具有对应的实际数据。以购物平台为例，目前购物平台中的扫码支付较为常见，当支付前端通过扫码场景发起交易，若用户扫码，则购物平台会获得相关交易数据，结合采集的用户位置(例如经纬度信息)和M个地理网格围栏各自的位置区域，即可记录到对应的地理网格围栏中。由此，各地理网格围栏能够采集到各自的交易数据。
登录数据指业务对象登录时产生的相关数据。至少包括：登录次数，登录用户数，用户停留平均时间等等一种或者多种指标组合，每个指标下具有对应的实际数据。以信息发布平台为例，用户登录信息发布平台后，信息发布平台即可获得用户位置，对比M个地理网格围栏各自的位置区域，即可记录到对应的地理网格围栏中。由此，各地理网格围栏能够采集到各自的登录数据。
具体来说，可定期或实时采集所述M个地理网格围栏各自的业务关联数据。定期采集的间隔时间可随意设置。
步骤13，根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度。
具体来说，围栏热度，用于表征对应地理网格围栏中的业务对象群体的业务拓展价值。围栏热度越高，表示其范围内的业务对象群体的业务拓展价值越高，对其投入计算机资源越能够获得丰厚的业务回报。围栏热度越低，表示其业务对象群体的业务拓展价值越低，对其投入计算机资源后获得的业务回报远低于业务拓展价值高的业务，往往会投入大于产出，导致计算机资源浪费。
每个地理网格围栏具有各自的业务关联数据，因而可根据其业务关联数据确定对应的围栏热度。需知，每个地理网格围栏仅可根据自身的业务关联数据确定自身的围栏热度，和其他地理网格围栏的数据无关。
作为一种可选的实施例，若以业务关联数据中的交易数据计算地理网格围栏的围栏热度，具体的，根据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分。交易得分用于表征地理网格围栏的围栏热度。需知，交易得分可使用交易数据中的一项或者多项指标来进行计算。
以交易数据包含的交易笔数、交易金额、交易用户数、笔均金额信息为例，针对M个地理网络围栏中每个地理网络围栏，都进行如下处理：
根据所述每个地理网格围栏的交易金额和权重，所述每个地理网格围栏的交易笔数和权重，所述每个地理网格围栏的交易用户数和权重，和所述每个地理网格围栏的笔均金额信息和权重，获取所述每个地理网格围栏的交易得分。
在每个地理网格围栏中，交易金额具有其对应的权重，该权重的具体赋值在所有地理网格围栏可以相同(也即，所有地理网格围栏中，交易金额的权重值都一样)，也可以不同(也即，每个地理网格围栏中的交易金额，具有各自不同的权重值)，其他指标的权重可以类似设置，在此不再赘述。
在具体的实施过程中，根据所述每个地理网格围栏对应的交易金额和权重，获得所述每个地理网格围栏的交易金额得分。获得交易金额得分的实施方式有很多种。例如，直接将交易金额和权重相乘，得到的乘积即为交易金额得分；或者将交易金额进行处理(例如对交易金额开平方根，或者对交易金额求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为交易金额得分。
同理，根据所述每个地理网格围栏对应的交易笔数和权重，获得所述每个地理网格围栏的交易笔数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的交易用户数和权重，获得所述每个地理网格围栏的交易用户数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的笔均金额信息和权重，获得所述每个地理网格围栏的笔均金额信息得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
根据所述每个地理网格围栏的交易金额得分，所述每个地理网格围栏的交易笔数得分，所述每个地理网格围栏的交易用户数得分，和所述每个地理网格围栏的笔均金额信息得分，确定所述每个地理网格围栏的交易得分。具体来说，在每个地理网格围栏中，将交易金额得分，交易笔数得分，交易用户数得分，和笔均金额信息得分相加，获得总得分，该总得分即为每个地理网格围栏的交易得分。
若利用模型进行说明，本实施例采用了第一预设加权模型对交易数据进行处理。其中，第一预设加权模型包括线性回归模型。若以交易笔数、交易金额、交易用户数、笔均金额信息为例。在根据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分的具体实施过程中，将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型scorefinal＝α1·xtrans_amount+α2·xtrans_count+α3·xuser_count+α4·xavg_amount，获得所述每个地理网格围栏各自的交易得分；其中，scorefinal为单个地理网格围栏的交易得分，xtrans_amount为单个地理网格围栏的交易金额，α1为单个地理网格围栏的交易金额对应的权重；xtrans_count为单个地理网格围栏的交易笔数，α2为单个地理网格围栏的交易笔数对应的权重；xuser_count为单个地理网格围栏的交易用户数，α3为单个地理网格围栏的交易用户数对应的权重；xavg_amount为单个地理网格围栏的笔均金额信息，α4为单个地理网格围栏的笔均金额信息对应的权重。α1、α2、α3、α4为常数。
当然，第一预设加权模型并不仅限于上述公式，例如，将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型获得所述每个地理网格围栏各自的交易得分。当然，第一预设加权模型还可以有其他变型，在此不再过多举例。
作为一种可选的实施例，为了更为全面准确地获得对交易数据进行处理，进而使交易得分也能够更为精准的对业务对象群体进行定位。可将用户平均的复购率avg_user_trans_count考虑其中。也即，以交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率为例，针对M个地理网络围栏中每个地理网络围栏，都进行如下处理：
根据所述每个地理网格围栏的交易金额和权重，所述每个地理网格围栏的交易笔数和权重，所述每个地理网格围栏的交易用户数和权重，所述每个地理网格围栏的笔均金额信息和权重，和所述每个地理网格围栏的用户平均的复购率和权重，获取所述每个地理网格围栏的交易得分。
在每个地理网格围栏中，交易金额具有其对应的权重，该权重的具体赋值在所有地理网格围栏可以相同(也即，所有地理网格围栏中，交易金额的权重值都一样)，也可以不同(也即，每个地理网格围栏中的交易金额，具有各自不同的权重值)，其他指标的权重可以类似设置，在此不再赘述。
在具体的实施过程中，根据所述每个地理网格围栏对应的交易金额和权重，获得所述每个地理网格围栏的交易金额得分。获得交易金额得分的实施方式有很多种。例如，直接将交易金额和权重相乘，得到的乘积即为交易金额得分；或者将交易金额进行处理(例如对交易金额开平方根，或者对交易金额求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为交易金额得分。
同理，根据所述每个地理网格围栏对应的交易笔数和权重，获得所述每个地理网格围栏的交易笔数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的交易用户数和权重，获得所述每个地理网格围栏的交易用户数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的笔均金额信息和权重，获得所述每个地理网格围栏的笔均金额信息得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的用户平均的复购率和权重，获得所述每个地理网格围栏的用户平均的复购率得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
根据所述每个地理网格围栏的交易金额得分，所述每个地理网格围栏的交易笔数得分，所述每个地理网格围栏的交易用户数得分，所述每个地理网格围栏的笔均金额信息得分，和所述每个地理网格围栏的用户平均的复购率得分，确定所述每个地理网格围栏的交易得分。具体来说，在每个地理网格围栏中，将交易金额得分，交易笔数得分，交易用户数得分，笔均金额信息得分，和用户平均的复购率得分相加，获得总得分，该总得分即为每个地理网格围栏的交易得分。
若利用模型进行说明，本实施例采用了第一预设加权模型对交易数据进行处理。其中，第一预设加权模型包括线性回归模型。若以交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率为例。在根据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分的具体实施过程中，将所述M个地理网格围栏各自的交易数据输入第一预设加权模型scorefinal＝α1·xtrans_amount+α2·xtrans_count+α3·xuser_count+α4·xavg_amount+α5·xavg_user_trans_count，获得所述每个地理网格围栏各自的交易得分；其中，scorefinal为单个地理网格围栏的交易得分，xtrans_amount为单个地理网格围栏的交易金额，α1为单个地理网格围栏的交易金额对应的权重；xtrans_count为单个地理网格围栏的交易笔数，α2为单个地理网格围栏的交易笔数对应的权重；xuser_count为单个地理网格围栏的交易用户数，α3为单个地理网格围栏的交易用户数对应的权重；xavg_amount为单个地理网格围栏的笔均金额信息，α4为单个地理网格围栏的笔均金额信息对应的权重；xavg_user_trans_count为单个地理网格围栏的用户平均的复购率，α5为单个地理网格围栏的用户平均的复购率对应的权重。α1、α2、α3、α4、α5为常数。
当然，第一预设加权模型并不仅限于上述公式，例如，将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型获得所述每个地理网格围栏各自的交易得分。当然，第一预设加权模型还可以有其他变型，在此不再过多举例。
由此可见，本说明书的实施例可以使用交易数据中的一个或者多个指标确定出地理网格围栏的交易得分，并不局限于上述罗列的交易指标和模型公式。
在具有交易产生或者交易数据满足预设交易阈值的情况下，优先使用交易数据来确定地理网格围栏的热度。而对于没有交易产生或者交易数据极少的情况下(交易数据处于预设交易阈值下，例如交易笔数小于预设交易笔数，交易金额小于预设交易金额等等)，可以采用登录数据进行类似的操作，用登录得分来表征地理网格围栏的热度。虽然目前热点地区的(即用户登录比较多的地区)绝大多数应该已经被交易覆盖。但是由于全球各地互联网技术的发展，虽然没有交易数据或者交易数据极少，登录数据依然能够体现出该地区的挖掘价值。故而通过登录数据来确定围栏热度也是本申请保护的重点。若业务关联数据包括登录数据，根据所述M个地理网格围栏各自的登录数据，获得所述M个地理网格围栏各自的登录得分，所述登录得分用于表征地理网格围栏的围栏热度。需知，登录得分可使用登录数据中的一项或者多项指标来进行计算。
以登录数据包含的登录次数，登录用户数，用户停留平均时间为例(当然，取其中任意两项指标也可以按照下述方式计算，在此不再赘述)，针对M个地理网络围栏中每个地理网络围栏，都进行如下处理：
根据所述每个地理网格围栏的登录次数和权重，所述每个地理网格围栏的登录用户数和权重，和所述每个地理网格围栏的用户停留平均时间和权重，确定所述每个地理网格围栏的登录得分。
在每个地理网格围栏中，登录次数具有其对应的权重，该权重的具体赋值在所有地理网格围栏可以相同(也即，所有地理网格围栏中，登录次数的权重值都一样)，也可以不同(也即，每个地理网格围栏中的登录次数，具有各自不同的权重值)，其他指标的权重可以类似设置，在此不再赘述。
在具体的实施过程中，根据所述每个地理网格围栏的登录次数和权重，获得所述每个地理网格围栏的登录次数得分。获得登录次数得分的实施方式有很多种。例如，直接将登录次数和权重相乘，得到的乘积即为登录次数得分；或者将登录次数进行处理(例如对登录次数开平方根，或者对登录次数求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为登录次数得分。
同理，根据所述每个地理网格围栏对应的登录用户数和权重，获得所述每个地理网格围栏的登录用户数得分。具体的方式和上述获得登录次数得分的实施方式类似，故而此处不再赘述。
同理，根据每个地理网格围栏的用户停留平均时间和权重，获得所述每个地理网格围栏的用户停留平均时间得分。具体的方式和上述获得登录次数得分的实施方式类似，故而此处不再赘述。
根据每个地理网格围栏的登录次数得分，每个地理网格围栏的登录用户数得分，和每个地理网格围栏的用户停留平均时间得分，确定每个地理网格围栏的登录得分。具体的，在每个地理网格围栏中，将登录次数得分，登录用户数得分，和用户停留平均时间得分相加，获得总得分，该总得分即为每个地理网格围栏的登录得分。
若以模型进行说明，本实施例采用了第二预设加权模型对登录数据进行处理。其中，第二预设加权模型包括线性回归模型。若以登录次数，登录用户数，用户停留平均时间为例，在根据所述M个地理网格围栏各自的登录数据，获得所述M个地理网格围栏各自的登录得分的具体实施过程中，将所述M个地理网格围栏各自的登录数据输入第二预设加权模型scorelogin＝β1·xlogin_amount+β2·xlogin_user_count+β3·xavg_login_user_staytime，获得所述M个地理网格围栏各自的登录得分；其中，scorelogin为单个地理网格围栏的登录得分，xlogin_amount为单个地理网格围栏的登录次数，β1为单个地理网格围栏的登录次数对应的权重；xlogin_user_count为单个地理网格围栏的登录用户数，β2为单个地理网格围栏的登录用户数对应的权重；xavg_login_user_staytime为单个地理网格围栏的用户停留平均时间，β3为单个地理网格围栏的用户停留平均时间对应的权重。其中，β1、β2、β3为常数。
当然，第二预设加权模型并不仅限于上述公式，例如，将所述M个地理网格围栏各自的登录数据输入第二预设加权模型获得所述M个地理网格围栏各自的登录得分。当然，第二预设加权模型还可以有其他变型，在此不再过多举例。
进一步的，由于目前热点地区(即登录数据比较多的地区)中的部分或者全部已被交易覆盖。因此，在利用第二预设加权模型对登录数据进行处理得到M个地理网格围栏各自的围栏热度后，为了避免重复计算导致推荐的业务对象群体不准确的问题，可以从M个地理网格围栏中删除已标记热点围栏区域，再进行后续的操作(利用删除已标记热点围栏区域后剩余的地理网格围栏确定对应的热点围栏区域等操作)，以提高计算的准确度。
上述一种或者多种实施方式均能够根据地理网格围栏的业务关联数据，确定对应的围栏热度，具体选择何种方式根据实际而定。当然，其他确定围栏热度的方法也应当属于本说明书的保护范围之内。
步骤14，根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域。
其中，热点围栏区域，用于代表M个地理网格围栏，其对应的围栏热度高于预设热度阈值。由于M个地理网格围栏的围栏热度各有不同，将所有地理网格围栏的围栏热度纳入推荐范围复杂度较高。另外，如果M个地理网格围栏中大部分地理网格围栏的围栏热度都较高，但是极个别的围栏热度极低，将其考虑其中会拉低所有地理网格围栏的围栏热度，会造成业务对象群体的定位错误。另外，极低围栏热度的地理网格围栏，其对应的业务对象群体的业务拓展价值也很低，对其投入计算机资源极大可能会浪费掉，因此，可以从M个地理网格围栏中按照确定出围栏热度高于预设热度阈值的热点围栏区域，将其作为M个地理网格围栏的代表，能够避免上述情况出现，进而节约计算机资源。由于热点围栏区域作为M个地理网格围栏的代表，那么热点围栏区域的围栏热度可以代表所有地理网格围栏的围栏热度。
在具体的实施过程中，从所述M个地理网格围栏中确定热点围栏区域有很多种实施方式。为了说明和解释本说明书，在下面的实施方式中列举常用的两种，其他任意确定热点围栏区域的方式都应当包含在本说明书的保护范围之内。
作为一种可选的实施方式，在M个地理网格围栏中，将围栏热度最高的地理网格围栏确定为热点围栏区域。具体来说，从M个地理网格围栏中确定出围栏热度最高的地理网格围栏，判断该地理网格围栏的围栏热度是否高于预设热度阈值，若是，则将其作为热点围栏区域。若否，则表示待分析地理区域中的业务对象群体都不是潜在客户，则结束操作。当前，若否，可以采集下一个待分析地理区域再次执行本说明书的业务对象群体的识别方法。举例来说，将围栏热度最高的1.2*0.6这样一个地理范围的地理网格围栏直接作为热点围栏区域。
作为其中一种实施方式，从所述M个地理网格围栏中确定出N个地理网格围栏融合为热点围栏区域。其中，N个地理网格围栏中任意两个地理网格围栏的距离小于预设距离。在具体的实施过程中，首先，按照围栏热度高低对所述M个地理网格围栏各自的围栏热度进行排序，获得排序结果。在该排序结果中，地理网格围栏的围栏热度越高，排序越靠前；地理网格围栏的围栏热度越低，排序越靠后。其次，判断所述排序结果中的前N个地理网格围栏相互之间的距离是否小于预设距离；2≤N≤M，N为正整数。若是，利用网格融合技术对所述N个地理网格围栏进行融合，获得所述热点围栏区域。例如，将排序结果中的前10个地理网格围栏取出，判断这10个地理网格围栏相互之间的距离是否小于预设距离。若是，表示这10个地理网格围栏相互之间的距离都小于预设距离，则将这10个地理网格围栏融合为热点围栏区域。若否，则表示待分析地理区域中的业务对象群体都不是潜在客户，则结束操作。当前，若否，可以采集下一个待分析地理区域再次执行本说明书的业务对象群体的识别方法。再例如，将围栏热点排名前5％的且两两相对距离小于预设距离的地理网格围栏融合为热点围栏区域。
在利用网格融合技术对所述N个地理网格围栏进行融合的过程中，将多个网格围栏相邻的边界忽略掉，保留不相邻的边界进行融合，融合后的热点围栏区域的区域范围就是N个网格围栏的区域范围之和。
其中，热点围栏区域对应有围栏热度，热点围栏区域的围栏热度通过下述步骤获得：
获得热点围栏区域中的业务关联数据；
根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度。
由于热点围栏区域中的业务关联数据包含交易数据和登录数据。因此，在根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度的实施过程中，将热点围栏区域中的交易数据中输入第一预设加权模型中，获得热点围栏区域的交易得分。热点围栏区域的交易得分用于表征热点围栏区域的围栏热度。具体来说，由于此时输入的是热点围栏区域中的交易数据，因此在第一预设加权模型中的各符号的含义会由“单个地理网格围栏”的相关参数对应变成“热点围栏区域”的相关参数。例如scorefinal对应变成热点围栏区域的交易得分，xtrans_amount对应变成热点围栏区域的交易金额等等，其他的符号的含义也会相应改变，在此就不再赘述了。
作为一种可选的实施方式，在根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度的实施过程中，将热点围栏区域中的登录数据输入第二预设加权模型中，获得热点围栏区域的登录得分。热点围栏区域的登录得分用于表征热点围栏区域的围栏热度。具体来说，由于此时输入的是热点围栏区域中的交易数据，因此在第一预设加权模型中的各符号的含义会由“单个地理网格围栏”的相关参数对应变成“热点围栏区域”的相关参数。例如scorelogin对应变成热点围栏区域的登录得分，xlogin_amount对应变成热点围栏区域的登录次数，等等，其他的符号的含义也会相应改变，在此就不再赘述了。
步骤15，获得所述热点围栏区域对应的业务对象群体进行推荐。
具体来说，在推荐的过程中，可以将热点围栏区域对应的业务对象群体推荐显示，或者推荐给业务拓展的相关系统进行下一步针对性的分析或者资源投入等操作。推荐的方式包括但不限于是以列表、文档、文件等等方式。
作为一种可选的实施例，热点围栏区域的围栏热度是代表整个热点围栏区域中的业务对象群体的热度，但在热点围栏区域里面并不是所有的业务对象的交易数据都满足要求(例如交易量、交易额都超过了相关设定阈值)，满足要求的业务对象群体，根据其对应的业务关联数据投入计算机资源即可。而在热点围栏区域中也可能存在交易数据未超过相关设定阈值的低交易量、低交易额的待排查业务对象群体，本实施例的待排查业务对象群体指的是交易数据未超过相关设定阈值的群体。这类待排查业务对象群体的问题不解决会影响当前计算机资源的投入后的业务回报率，因此需要排查热点围栏区域里面的这类待排查业务对象群体存在交易数据未超过相关设定阈值的原因，获知原因后才能够针对性的投入计算机资源，提高业务回报率。
具体来说，获得所述热点围栏区域对应的业务对象群体中每个业务对象的业务关联数据信息，并基于所述每个业务对象的业务关联数据，从所述热点围栏区域对应的业务对象群体中确定出待排查业务对象群体。具体的，根据业务关联数据获得交易数据，并根据判断交易数据是否超过相关设定阈值，若交易数据未超过相关设定阈值，则将对应的业务对象确定为待排查业务对象，进而获得待排查业务对象群体。
获得所述待排查业务对象群体的排查结果。进一步的，根据待排查业务对象群体的登记信息和热点围栏区域中的业务关联数据，获得待排查业务对象群体的排查结果。具体来说，业务对象群体的登记信息包括：登记的个人相关数据和登记的进件数据。个人相关数据，包括姓名、年龄、从事业务类型等等。进件数据包括进件名称、进件类型、进件数等等相关数据。通过这些相关信息和业务关联数据进行对比分析，即可获知待排查业务对象群体的存在交易数据未超过相关设定阈值的原因，也即排查结果。该排查结果包括但不限于是：待排查业务对象群体的从事的业务类型不契合热点围栏区域的业务类型；进件信息不准确等等。该排查结果能够准确表示待排查业务对象群体的交易数据未超过相关设定阈值的原因，因此，将排查结果和待排查业务对象群体进行推荐，能够据此针对性的进行资源定向投入，进而提高业务回报率。
作为一种可选的实施例，对于热点围栏区域中的新业务对象群体，也即热点围栏区域确定后加入的业务对象群体，获得新业务对象群体的登记信息，根据所述新业务对象群体的登记信息和热点围栏区域的业务相关数据，获得新业务对象群体的排查结果，并推荐新业务对象群体的排查结果，以使系统据此调整计算机资源的投入，以保证丰富的业务回报。
进一步地，在业务对象群体的定位更准确的基础上，在进一步的过程中，分析错误的业务对象群体需要重新挑选出来再次进行分析的数量更少，能够更节省计算机资源。并且，在业务对象群体的定位更准确的基础上，投入较少的计算机资源就能够获得丰厚的业务回报，在节约计算机资源的基础上还能够提高业务回报率。
基于与前述实施例中同样的发明构思，本说明书实施例还提供一种识别业务对象群体的系统，参看图3，包括：
划分模块31，用于按照预设网格将待分析地理区域划分为M个地理网格围栏，M≥1且为正整数；
第一获得模块32，用于获得所述M个地理网格围栏各自的业务关联数据；
第一确定模块33，用于根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度；其中，所述围栏热度用于表征对应地理网格围栏中的业务对象群体的业务拓展价值；
第二确定模块34，用于根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域；
推荐模块35，用于获得所述热点围栏区域对应的业务对象群体进行推荐。
作为一种可选的实施方式，所述业务关联数据包括交易数据；
所述第一确定模块32，具体用于据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分，所述交易得分用于表征地理网格围栏的围栏热度。
作为一种可选的实施方式，所述交易数据包括：交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率中的一种或者多种组合。
以交易数据包含的交易笔数、交易金额、交易用户数、笔均金额信息为例，所述第一确定模块32，具体用于针对M个地理网络围栏中每个地理网络围栏，根据所述每个地理网格围栏的交易金额和权重，所述每个地理网格围栏的交易笔数和权重，所述每个地理网格围栏的交易用户数和权重，和所述每个地理网格围栏的笔均金额信息和权重，获取所述每个地理网格围栏的交易得分。
在具体的实施过程中，根据所述每个地理网格围栏对应的交易金额和权重，获得所述每个地理网格围栏的交易金额得分。获得交易金额得分的实施方式有很多种。例如，直接将交易金额和权重相乘，得到的乘积即为交易金额得分；或者将交易金额进行处理(例如对交易金额开平方根，或者对交易金额求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为交易金额得分。
同理，根据所述每个地理网格围栏对应的交易笔数和权重，获得所述每个地理网格围栏的交易笔数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的交易用户数和权重，获得所述每个地理网格围栏的交易用户数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的笔均金额信息和权重，获得所述每个地理网格围栏的笔均金额信息得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
根据所述每个地理网格围栏的交易金额得分，所述每个地理网格围栏的交易笔数得分，所述每个地理网格围栏的交易用户数得分，和所述每个地理网格围栏的笔均金额信息得分，确定所述每个地理网格围栏的交易得分。具体来说，在每个地理网格围栏中，将交易金额得分，交易笔数得分，交易用户数得分，和笔均金额信息得分相加，获得总得分，该总得分即为每个地理网格围栏的交易得分。
若利用模型进行说明，本实施例采用了第一预设加权模型对交易数据进行处理。其中，第一预设加权模型包括线性回归模型。若以交易笔数、交易金额、交易用户数、笔均金额信息为例。所述第一确定模块32，具体用于将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型scorefinal＝α1·xtrans_amount+α2·xtrans_count+α3·xuser_count+α4·xavg_amount，获得所述每个地理网格围栏各自的交易得分；其中，scorefinal为单个地理网格围栏的交易得分，xtrans_amount为单个地理网格围栏的交易金额，α1为单个地理网格围栏的交易金额对应的权重；xtrans_count为单个地理网格围栏的交易笔数，α2为单个地理网格围栏的交易笔数对应的权重；xuser_count为单个地理网格围栏的交易用户数，α3为单个地理网格围栏的交易用户数对应的权重；xavg_amount为单个地理网格围栏的笔均金额信息，α4为单个地理网格围栏的笔均金额信息对应的权重。
当然，第一预设加权模型并不仅限于上述公式，例如，所述第一确定模块32，具体用于将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型获得所述每个地理网格围栏各自的交易得分。当然，第一预设加权模型还可以有其他变型，在此不再过多举例。
为了更为全面准确地获得对交易数据进行处理，进而使交易得分也能够更为精准的对业务对象群体进行定位。可将用户平均的复购率avg_user_trans_count考虑其中。也即，以交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率为例：
所述第一确定模块32，具体用于针对M个地理网络围栏中每个地理网络围栏，根据所述每个地理网格围栏的交易金额和权重，所述每个地理网格围栏的交易笔数和权重，所述每个地理网格围栏的交易用户数和权重，所述每个地理网格围栏的笔均金额信息和权重，和所述每个地理网格围栏的用户平均的复购率和权重，获取所述每个地理网格围栏的交易得分。
在每个地理网格围栏中，交易金额具有其对应的权重，该权重的具体赋值在所有地理网格围栏可以相同(也即，所有地理网格围栏中，交易金额的权重值都一样)，也可以不同(也即，每个地理网格围栏中的交易金额，具有各自不同的权重值)，其他指标的权重可以类似设置，在此不再赘述。
在具体的实施过程中，所述第一确定模块32，具体用于：
根据所述每个地理网格围栏对应的交易金额和权重，获得所述每个地理网格围栏的交易金额得分。获得交易金额得分的实施方式有很多种。例如，直接将交易金额和权重相乘，得到的乘积即为交易金额得分；或者将交易金额进行处理(例如对交易金额开平方根，或者对交易金额求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为交易金额得分。
同理，根据所述每个地理网格围栏对应的交易笔数和权重，获得所述每个地理网格围栏的交易笔数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的交易用户数和权重，获得所述每个地理网格围栏的交易用户数得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的笔均金额信息和权重，获得所述每个地理网格围栏的笔均金额信息得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
同理，根据所述每个地理网格围栏对应的用户平均的复购率和权重，获得所述每个地理网格围栏的用户平均的复购率得分。具体的方式和上述获得交易金额得分的实施方式类似，故而此处不再赘述。
根据所述每个地理网格围栏的交易金额得分，所述每个地理网格围栏的交易笔数得分，所述每个地理网格围栏的交易用户数得分，所述每个地理网格围栏的笔均金额信息得分，和所述每个地理网格围栏的用户平均的复购率得分，确定所述每个地理网格围栏的交易得分。具体来说，在每个地理网格围栏中，将交易金额得分，交易笔数得分，交易用户数得分，笔均金额信息得分，和用户平均的复购率得分相加，获得总得分，该总得分即为每个地理网格围栏的交易得分。
若利用模型进行说明，本实施例采用了第一预设加权模型对交易数据进行处理。其中，第一预设加权模型包括线性回归模型。若以交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率为例。所述第一确定模块32，具体用于将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型scorefinal＝α1·xtrans_amount+α2·xtrans_count+α3·xuser_count+α4·xavg_amount+α5·xavg_user_trans_count，获得所述每个地理网格围栏各自的交易得分；
其中，scorefinal为单个地理网格围栏的交易得分，xtrans_amount为单个地理网格围栏的交易金额，α1为单个地理网格围栏的交易金额对应的权重；xtrans_count为单个地理网格围栏的交易笔数，α2为单个地理网格围栏的交易笔数对应的权重；xuser_count为单个地理网格围栏的交易用户数，α3为单个地理网格围栏的交易用户数对应的权重；xavg_amount为单个地理网格围栏的笔均金额信息，α4为单个地理网格围栏的笔均金额信息对应的权重；xavg_user_trans_count为单个地理网格围栏的用户平均的复购率，α5为单个地理网格围栏的用户平均的复购率对应的权重。
当然，第一预设加权模型并不仅限于上述公式，例如，所述第一确定模块32，具体用于将所述M个地理网格围栏各自的交易数据输入所述第一预设加权模型获得所述每个地理网格围栏各自的交易得分。当然，第一预设加权模型还可以有其他变型，在此不再过多举例。
作为一种可选的实施方式，所述业务关联数据包括登录数据；
在具有交易产生或者交易数据满足预设交易阈值的情况下，优先使用交易数据来确定地理网格围栏的热度。而对于没有交易产生或者交易数据极少的情况下(交易数据处于预设交易阈值下，例如交易笔数小于预设交易笔数，交易金额小于预设交易金额等等)，可以采用登录数据进行类似的操作，用登录得分来表征地理网格围栏的热度。虽然目前热点地区的(即用户登录比较多的地区)绝大多数应该已经被交易覆盖。但是由于全球各地互联网技术的发展，虽然没有交易数据或者交易数据极少，登录数据依然能够体现出该地区的挖掘价值。故而通过登录数据来确定围栏热度也是本申请保护的重点。若业务关联数据包括登录数据，所述第一确定模块32，具体用于根据所述M个地理网格围栏各自的登录数据，获得所述M个地理网格围栏各自的登录得分，所述登录得分用于表征地理网格围栏的围栏热度。
作为一种可选的实施方式，所述登录数据包括：登录次数，登录用户数，用户停留平均时间中的一种或者多种组合。需知，登录得分可使用登录数据中的一项或者多项指标来进行计算。
以登录数据包含的登录次数，登录用户数，用户停留平均时间为例(当然，取其中任意两项指标也可以按照下述方式计算，在此不再赘述)，针对M个地理网络围栏中每个地理网络围栏，都进行如下处理：
所述第一确定模块32，具体用于针对M个地理网络围栏中每个地理网络围栏，根据所述每个地理网格围栏的登录次数和权重，所述每个地理网格围栏的登录用户数和权重，和所述每个地理网格围栏的用户停留平均时间和权重，确定所述每个地理网格围栏的登录得分。
在每个地理网格围栏中，登录次数具有其对应的权重，该权重的具体赋值在所有地理网格围栏可以相同(也即，所有地理网格围栏中，登录次数的权重值都一样)，也可以不同(也即，每个地理网格围栏中的登录次数，具有各自不同的权重值)，其他指标的权重可以类似设置，在此不再赘述。
在具体的实施过程中，所述第一确定模块32，具体用于根据所述每个地理网格围栏的登录次数和权重，获得所述每个地理网格围栏的登录次数得分。获得登录次数得分的实施方式有很多种。例如，直接将登录次数和权重相乘，得到的乘积即为登录次数得分；或者将登录次数进行处理(例如对登录次数开平方根，或者对登录次数求二次方乘积等等)，将处理结果和权重相乘，获得的乘积即为登录次数得分。
同理，根据所述每个地理网格围栏对应的登录用户数和权重，获得所述每个地理网格围栏的登录用户数得分。具体的方式和上述获得登录次数得分的实施方式类似，故而此处不再赘述。
同理，根据每个地理网格围栏的用户停留平均时间和权重，获得所述每个地理网格围栏的用户停留平均时间得分。具体的方式和上述获得登录次数得分的实施方式类似，故而此处不再赘述。
根据每个地理网格围栏的登录次数得分，每个地理网格围栏的登录用户数得分，和每个地理网格围栏的用户停留平均时间得分，确定每个地理网格围栏的登录得分。具体的，在每个地理网格围栏中，将登录次数得分，登录用户数得分，和用户停留平均时间得分相加，获得总得分，该总得分即为每个地理网格围栏的登录得分。
若以模型进行说明，本实施例采用了第二预设加权模型对登录数据进行处理。其中，第二预设加权模型包括线性回归模型。若以登录次数，登录用户数，用户停留平均时间为例，所述第一确定模块32，具体用于将所述M个地理网格围栏各自的登录数据输入第二预设加权模型scorelogin＝β1·xlogin_amount+β2·xlogin_user_count+β3·xavg_login_user_staytime，获得所述M个地理网格围栏各自的登录得分；
其中，scorelogin为单个地理网格围栏的登录得分，xlogin_amount为单个地理网格围栏的登录次数，β1为单个地理网格围栏的登录次数对应的权重；xlogin_user_count为单个地理网格围栏的登录用户数，β2为单个地理网格围栏的登录用户数对应的权重；xavg_login_user_staytime为单个地理网格围栏的用户停留平均时间，β3为单个地理网格围栏的用户停留平均时间对应的权重。
当然，第二预设加权模型并不仅限于上述公式，例如，所述第一确定模块32，具体用于将所述M个地理网格围栏各自的登录数据输入第二预设加权模型获得所述M个地理网格围栏各自的登录得分。当然，第二预设加权模型还可以有其他变型，在此不再过多举例。
作为一种可选的实施方式，所述第二确定模块33，包括：
排序模块，用于按照围栏热度高低对所述M个地理网格围栏各自的围栏热度进行排序，获得排序结果；
判断模块，用于判断所述排序结果中的N个地理网格围栏相互之间的距离是否小于预设距离；2≤N≤M，N为正整数；
网格融合模块，用于若是，利用网格融合技术对所述N个地理网格围栏进行融合，获得所述热点围栏区域。
作为一种可选的实施方式，所述系统还包括：
第二获得模块，用于获得所述热点围栏区域中的业务关联数据；
第三获得模块，用于根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度。
作为一种可选的实施方式，所述系统还包括：
第四获得模块，用于获得所述热点围栏区域对应的业务对象群体中每个业务对象的业务关联数据；
第三确定模块，用于基于所述每个业务对象的业务关联数据，从所述热点围栏区域对应的业务对象群体中确定出待排查业务对象群体；
排查模块，用于根据所述待排查业务对象群体的登记信息和所述热点围栏区域的业务相关数据，获得所述待排查业务对象群体的排查结果。
基于与前述实施例中同样的发明构思，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文任一所述方法的步骤。
基于与前述实施例中同样的发明构思，本说明书的实施例还提供一种计算机设备，如图4所示，包括存储器404、处理器402及存储在存储器404上并可在处理器402上运行的计算机程序，所述处理器402执行所述程序时实现前文任一所述方法的步骤。
其中，在图4中，总线架构(用总线400来代表)，总线400可以包括任意数量的互联的总线和桥，总线400将包括由处理器402代表的一个或多个处理器和存储器404代表的存储器的各种电路链接在一起。总线400还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口405在总线400和接收器401和发送器404之间提供接口。接收器401和发送器404可以是同一个元件，即收发机，提供用于在传输介质上与各种其他终端设备通信的单元。处理器402负责管理总线400和通常的处理，而存储器404可以被用于存储处理器402在执行操作时所使用的数据。
通过本说明书的一个或者多个实施例，本说明书具有以下有益效果或者优点：
本说明书公开了一种识别业务对象群体的方法及系统，由于业务对象群体能否定位准确和业务关联数据息息相关，因此，先按照预设网格将待分析地理区域划分为M个地理网格围栏，并获得所述M个地理网格围栏各自的业务关联数据。进一步的，根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度。由于围栏热度是通过业务关联数据得到的，因此围栏热度，用于表征对应地理网格围栏中的业务对象群体的业务拓展价值，围栏热度越高，表示其对应地理网格围栏的业务对象群体的业务拓展价值越高，投入的计算机资源更能够获得丰厚的业务回报。因此，基于围栏热度从所述M个地理网格围栏中确定热点围栏区域；获得所述热点围栏区域对应的业务对象群体进行业务推荐，能够准确的定位业务对象群体进行推荐。由于业务对象群体定位准确，因此能够合理投入计算机资源，避免计算机资源的浪费，并获得高触达度和丰厚的业务回报。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本说明书也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本说明书的内容，并且上面对特定语言所做的描述是为了披露本说明书的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本说明书的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本说明书的示例性实施例的描述中，本说明书的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本说明书要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本说明书的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本说明书的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本说明书的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本说明书实施例的网关、代理服务器、系统中的一些或者全部部件的一些或者全部功能。本说明书还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本说明书的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本说明书进行说明而不是对本说明书进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本说明书可以借助于包括有M个不同元件的硬件以及借助于适当编程的计算机来实现。在列举了M个装置的单元权利要求中，这些装置中的M个个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (18)
1.一种识别业务对象群体的方法，所述方法包括：
按照预设网格将待分析地理区域划分为M个地理网格围栏，M≥1且为正整数；
获得所述M个地理网格围栏各自的业务关联数据；
根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度；其中，所述围栏热度用于表征对应地理网格围栏中的业务对象群体的业务拓展价值；
根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域；
获得所述热点围栏区域对应的业务对象群体进行推荐。
2.如权利要求1所述的方法，所述业务关联数据包括交易数据；
所述根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度，包括：
根据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分，所述交易得分用于表征地理网格围栏的围栏热度。
3.如权利要求2所述的方法，所述交易数据包括：交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率中的一种或者多种组合。
4.如权利要求1所述的方法，所述业务关联数据包括登录数据；
所述根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度，包括：
根据所述M个地理网格围栏各自的登录数据，获得所述M个地理网格围栏各自的登录得分，所述登录得分用于表征地理网格围栏的围栏热度。
5.如权利要求4所述的方法，所述登录数据包括：登录次数，登录用户数，用户停留平均时间中的一种或者多种组合。
6.如权利要求1所述的方法，所述根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域，包括：
按照围栏热度高低对所述M个地理网格围栏各自的围栏热度进行排序，获得排序结果；
判断所述排序结果中的N个地理网格围栏相互之间的距离是否小于预设距离；2≤N≤M，N为正整数；
若是，利用网格融合技术对所述N个地理网格围栏进行融合，获得所述热点围栏区域。
7.如权利要求1所述的方法，所述根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域之后，所述方法还包括：
获得所述热点围栏区域中的业务关联数据；
根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度。
8.如权利要求1所述的方法，所述获得所述热点围栏区域对应的业务对象群体进行推荐之后，所述方法还包括：
获得所述热点围栏区域对应的业务对象群体中每个业务对象的业务关联数据；
基于所述每个业务对象的业务关联数据，从所述热点围栏区域对应的业务对象群体中确定出待排查业务对象群体；
根据所述待排查业务对象群体的登记信息和所述热点围栏区域的业务相关数据，获得所述待排查业务对象群体的排查结果。
9.一种识别业务对象群体的系统，包括：
划分模块，用于按照预设网格将待分析地理区域划分为M个地理网格围栏，M≥1且为正整数；
第一获得模块，用于获得所述M个地理网格围栏各自的业务关联数据；
第一确定模块，用于根据所述M个地理网格围栏各自的业务关联数据，确定所述M个地理网格围栏各自的围栏热度；其中，所述围栏热度用于表征对应地理网格围栏中的业务对象群体的业务拓展价值；
第二确定模块，用于根据所述M个地理网格围栏各自的围栏热度，从所述M个地理网格围栏中确定热点围栏区域；
推荐模块，用于获得所述热点围栏区域对应的业务对象群体进行推荐。
10.如权利要求9所述的系统，所述业务关联数据包括交易数据；
所述第一确定模块，具体用于据所述M个地理网格围栏各自的交易数据，获得所述M个地理网格围栏各自的交易得分，所述交易得分用于表征地理网格围栏的围栏热度。
11.如权利要求10所述的系统，所述交易数据包括：交易笔数、交易金额、交易用户数、笔均金额信息、用户平均的复购率中的一种或者多种组合。
12.如权利要求9所述的系统，所述业务关联数据包括登录数据；
所述第一确定模块，具体用于根据所述M个地理网格围栏各自的登录数据，获得所述M个地理网格围栏各自的登录得分，所述登录得分用于表征地理网格围栏的围栏热度。
13.如权利要求12所述的系统，所述登录数据包括：登录次数，登录用户数，用户停留平均时间中的一种或者多种组合。
14.如权利要求9所述的系统，所述第二确定模块，包括：
排序模块，用于按照围栏热度高低对所述M个地理网格围栏各自的围栏热度进行排序，获得排序结果；
判断模块，用于判断所述排序结果中的N个地理网格围栏相互之间的距离是否小于预设距离；2≤N≤M，N为正整数；
网格融合模块，用于若是，利用网格融合技术对所述N个地理网格围栏进行融合，获得所述热点围栏区域。
15.如权利要求9所述的系统，所述系统还包括：
第二获得模块，用于获得所述热点围栏区域中的业务关联数据；
第三获得模块，用于根据所述热点围栏区域中的业务关联数据，获得所述热点围栏区域的围栏热度。
16.如权利要求9所述的系统，所述系统还包括：
第四获得模块，用于获得所述热点围栏区域对应的业务对象群体中每个业务对象的业务关联数据；
第三确定模块，用于基于所述每个业务对象的业务关联数据，从所述热点围栏区域对应的业务对象群体中确定出待排查业务对象群体；
排查模块，用于根据所述待排查业务对象群体的登记信息和所述热点围栏区域的业务相关数据，获得所述待排查业务对象群体的排查结果。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
18.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910669718.2A CN110533454B (zh) | 2019-07-24 | 2019-07-24 | 一种识别业务对象群体的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910669718.2A CN110533454B (zh) | 2019-07-24 | 2019-07-24 | 一种识别业务对象群体的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110533454A true CN110533454A (zh) | 2019-12-03 |
| CN110533454B CN110533454B (zh) | 2023-07-07 |
Family
ID=68660765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910669718.2A Active CN110533454B (zh) | 2019-07-24 | 2019-07-24 | 一种识别业务对象群体的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533454B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652639A (zh) * | 2020-05-28 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 一种业务推荐方法及系统 |
| CN112016969A (zh) * | 2020-08-31 | 2020-12-01 | 中国银联股份有限公司 | 一种确定目标区域的方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103944932A (zh) * | 2013-01-18 | 2014-07-23 | 阿里巴巴集团控股有限公司 | 搜索、确定活跃区域的方法与服务器 |
| CN105678578A (zh) * | 2016-01-05 | 2016-06-15 | 重庆邮电大学 | 一种基于网购行为数据的用户品牌偏好度量方法 |
| CN106920119A (zh) * | 2015-12-25 | 2017-07-04 | 北京国双科技有限公司 | 一种用户价值的评价方法及装置 |
| US20170206204A1 (en) * | 2016-01-20 | 2017-07-20 | Alibaba Group Holding Limited | System, method, and device for generating a geographic area heat map |
| CN108268519A (zh) * | 2016-12-30 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种推荐网络对象的方法和装置 |
| US20180218397A1 (en) * | 2010-04-13 | 2018-08-02 | Ge Video Compression, Llc | Region merging and coding parameter reuse via merging inheritance in sample array multitree division |
| CN108415960A (zh) * | 2018-02-06 | 2018-08-17 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置，电子设备 |
| CN108701313A (zh) * | 2015-12-11 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用数据语料库生成推荐的系统和方法 |
| CN108921605A (zh) * | 2018-06-25 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种基于lbs和大数据的商户拓展架构及方法 |
-
2019
- 2019-07-24 CN CN201910669718.2A patent/CN110533454B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180218397A1 (en) * | 2010-04-13 | 2018-08-02 | Ge Video Compression, Llc | Region merging and coding parameter reuse via merging inheritance in sample array multitree division |
| CN103944932A (zh) * | 2013-01-18 | 2014-07-23 | 阿里巴巴集团控股有限公司 | 搜索、确定活跃区域的方法与服务器 |
| CN108701313A (zh) * | 2015-12-11 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用数据语料库生成推荐的系统和方法 |
| CN106920119A (zh) * | 2015-12-25 | 2017-07-04 | 北京国双科技有限公司 | 一种用户价值的评价方法及装置 |
| CN105678578A (zh) * | 2016-01-05 | 2016-06-15 | 重庆邮电大学 | 一种基于网购行为数据的用户品牌偏好度量方法 |
| US20170206204A1 (en) * | 2016-01-20 | 2017-07-20 | Alibaba Group Holding Limited | System, method, and device for generating a geographic area heat map |
| CN108268519A (zh) * | 2016-12-30 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种推荐网络对象的方法和装置 |
| CN108415960A (zh) * | 2018-02-06 | 2018-08-17 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置，电子设备 |
| CN108921605A (zh) * | 2018-06-25 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种基于lbs和大数据的商户拓展架构及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652639A (zh) * | 2020-05-28 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 一种业务推荐方法及系统 |
| CN111652639B (zh) * | 2020-05-28 | 2022-04-26 | 支付宝(杭州)信息技术有限公司 | 一种业务推荐方法及系统 |
| CN112016969A (zh) * | 2020-08-31 | 2020-12-01 | 中国银联股份有限公司 | 一种确定目标区域的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110533454B (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Smidt et al. | Factors affecting digital technology adoption by small-scale farmers in agriculture value chains (AVCs) in South Africa | |
| Heo et al. | Evolution of the linkage structure of ICT industry and its role in the economic system: The case of Korea | |
| CN103198161B (zh) | 微博水军识别方法与设备 | |
| CN106991576A (zh) | 一种地理区域的热力展现方法和装置 | |
| CN109564669A (zh) | 基于信任得分和地理范围搜索实体 | |
| CN107146089A (zh) | 一种刷单识别方法及装置，电子设备 | |
| Oliveira et al. | Traceability system for quality monitoring in the fishery and aquaculture value chain | |
| US20220284500A1 (en) | Dynamic ranking of recommendation pairings | |
| CN105306472B (zh) | 座席匹配装置及方法 | |
| CN105869084A (zh) | 一种关于知识产权的买卖平台 | |
| CN108256970A (zh) | 一种基于购物需求进行产品推荐的方法 | |
| US20240152972A1 (en) | Marketing to consumers using data obtained from abandoned gps searches | |
| CN108074171A (zh) | 基于服务识别码的门店订单处理方法以及装置 | |
| Wu et al. | Customer integration and the performance of third-party logistics firms: a moderated mediation model | |
| CN110533454A (zh) | 一种识别业务对象群体的方法及系统 | |
| Fuentes et al. | Productivity of travel agencies in Spain: the case of Alicante | |
| CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
| Raghavan et al. | Object-oriented design of a distributed agent-based framework for e-Procurement | |
| Preissl et al. | E-life after the dot com bust | |
| CN109829593B (zh) | 目标对象的信用度确定方法、装置、存储介质及电子装置 | |
| CN111882113B (zh) | 一种企业手机银行用户的预测方法和装置 | |
| US7987123B1 (en) | Method and system for providing market analysis for wireless data markets | |
| CN112581281A (zh) | 产品推荐方法及装置、存储介质及电子设备 | |
| CN107944841A (zh) | 薪酬计算系统及方法 | |
| KR102049507B1 (ko) | 통신 상품 컨설팅 제공 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200924 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. Effective date of registration: 20200924 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |