基于大数据的拓客方法、系统、设备及存储介质与流程

1.本技术涉及商业数据处理技术领域，尤其涉及一种基于大数据的拓客方法、系统、设备及存储介质。


背景技术：

2.随着互联网的普及和大数据技术的快速发展，商家越来越注重从大数据中挖掘有价值的信息来获取更多的目标客户。现有的拓客方法在选择目标客户时考虑的因素比较单一，容易造成了拓客资源（如：广告费用）的浪费，从而对商家的经营效益造成影响，因此，亟需一种方法来降低拓客资源的浪费，以提高商家的经营效益。


技术实现要素：

3.本技术提供一种基于大数据的拓客方法、系统、设备及存储介质，以降低拓客资源的浪费，从而提高商家的经营收益。
4.第一方面，本技术提供一种基于大数据的拓客方法，包括：
5.基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据；
6.获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息；
7.基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户；
8.获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户；
9.将所述拓客需求方的广告信息发送至所述目标客户的终端设备。
10.在一种实现方式中，所述基于大数据构建用户线上意向数据库和用户线下意向数据库，包括：
11.获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集；
12.基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集；
13.基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集；
14.基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。
15.在一种实现方式中，所述基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库，包括：
16.基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库；
17.基于所述用户感兴趣区数据集对所述初始用户线上意向数据库进行修正，得到所述用户线上意向数据库；
18.基于所述用户线下消费行为特征集和所述预设的用户意向标签数据库构建初始用户线下意向数据库；
19.基于所述用户感兴趣区数据集对所述初始用户线下意向数据库进行修正，得到所述用户线下意向数据库。
20.在一种实现方式中，所述基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库，包括：
21.基于预设的语义特征提取模型提取所述用户意向标签数据库中的每个用户意向标签的语义特征；
22.基于所述预设的语义特征提取模型提取所述用户线上消费行为特征集中的每个消费行为特征的语义特征；
23.针对每个所述消费行为特征的语义特征，分别计算所述消费行为特征的语义特征与每个所述用户意向标签的相似度；
24.针对每个所述消费行为特征的语义特征计算得到的所有所述相似度，将其中的最大相似度与预设相似度进行比较，并在所述最大相似度小于预设相似度时，根据所述消费行为特征生成新用户意向标签，并将所述新用户意向标签存储至所述用户意向标签数据库，及根据所述新用户意向标签构建一个所述用户线上意向数据集。
25.在一种实现方式中，所述基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，包括：
26.基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征；
27.分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数；
28.基于所述第一关联系数确定所述拓客需求方的线上潜在客户；
29.分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数；
30.基于所述第二关联系数确定所述拓客需求方的线下潜在客户。
31.第二方面，本技术提供一种基于大数据的拓客系统，包括：
32.构建模块，用于基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，
所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据；
33.获取模块，用于获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息；
34.第一确定模块，用于基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户；
35.第二确定模块，用于获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户；
36.发送模块，用于将所述拓客需求方的广告信息发送至所述目标客户的终端设备。
37.在一种实现方式中，所述构建模块，包括：
38.获取单元，用于获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集；
39.分析单元，用于基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集；
40.提取单元，用于基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集；
41.构建单元，用于基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。
42.在一种实现方式中，所述第一确定模块，包括：
43.提取单元，用于基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征；
44.第一分析单元，用于分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数；
45.第一确定单元，用于基于所述第一关联系数确定所述拓客需求方的线上潜在客户；
46.第二分析单元，用于分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数；
47.第二确定单元，用于基于所述第二关联系数确定所述拓客需求方的线下潜在客户。
48.第三方面，本技术提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中，所述计算机程序被所述处理器执行时，实现如上所述的任一种基于大数据的拓客方法。
49.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的任一种基于大数据的拓客方法。
50.本技术提供了基于大数据的拓客方法、系统、设备及存储介质。其中，该方法首先
基于大数据构建用户线上意向数据库和用户线下意向数据库，然后获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息，及基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，最后获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户，及将所述拓客需求方的广告信息发送至所述目标客户的终端设备。该方法可以降低拓客资源的浪费，从而提高商家的经营收益。
附图说明
51.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的前提下，还可以根据这些附图获得其他的附图。
52.图1为本技术实施例提供的基于大数据的拓客方法的流程示意图；
53.图2为本技术实施例提供的基于大数据的拓客系统的结构示意性框图；
54.图3为本技术实施例提供的终端设备的结构示意性框图。
具体实施例方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
57.还应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
58.还应当进一步理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
59.随着互联网的普及和大数据技术的快速发展，商家越来越注重从大数据中挖掘有价值的信息来获取更多的目标客户。现有的拓客方法在选择目标客户时考虑的因素比较单一，容易造成了拓客资源（如：广告费用）的浪费，从而对商家的经营效益造成影响，因此，亟需一种方法来降低拓客资源的浪费，以提高商家的经营效益。为此，本技术实施例提供一种基于大数据的拓客方法、系统、设备及存储介质。
60.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述实施例及实施例中的特征可以相互结合。
61.请参阅图1，图1为本技术实施例提供的基于大数据的拓客方法的流程示意图，如图1所示，本技术实施例提供的基于大数据的拓客方法包括步骤s100至步骤s500。
62.步骤s100、基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有
一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据。
63.其中，所述用户线上意向数据库是指与用户的线上消费意向有关的数据库，所述用户线下意向数据库是指与用户的线下消费意向有关的数据库，可以理解地，同一个用户线上意向数据集中的所有用户具有相同的线上消费意向，同一个用户线下意向数据集具有相同的线下消费意向，构建所述用户线上意向数据库和所述用户线下意向数据库可以在商家投放广告进行拓客的时候有针对性地锁定潜在客户。
64.步骤s200、获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息。
65.其中，基于所述广告信息获取与所述广告信息匹配的产品信息的方法可以是将所述广告信息输入预设的产品信息识别模型来获取与所述广告信息匹配的产品信息，所述产品信息识别模型基于卷积神经网络训练得到。
66.步骤s300、基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户。
67.其中，步骤s300首先根据所述产品信息在所述用户线上数据库中确定与所述产品信息匹配的用户线上意向数据集并在所述用户线下意向数据库中确定与所述产品信息匹配的用户线下意向数据集，然后将与所述产品信息匹配的用户线上意向数据集中的用户和用户线下意向数据集中的用户确定为所述拓客需求方的潜在客户。
68.步骤s400、获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户。
69.示例性地，所述拓客需求方的基本信息包括所述拓客需求方的经营方式和所述拓客需求方的地理位置信息，所述潜在客户的用户数据包括所述潜在客户的地理位置信息，所述基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户，包括以下步骤：
70.若所述拓客需求方的经营方式为线下销售，确定所述潜在客户为所述线下数据集中的客户为待定目标客户；
71.根据所述拓客需求方的地理位置信息和所述待定目标客户的地理位置信息确定所述拓客需求方的目标客户。
72.可以理解地，步骤s400基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户可以更加精确地选定所述拓客需求方的目标客户，从而降低拓客资源的浪费。
73.步骤s500、将所述拓客需求方的广告信息发送至所述目标客户的终端设备。
74.本实施例提供的基于大数据的拓客方法，首先基于大数据构建用户线上意向数据库和用户线下意向数据库，然后获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息，及基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，最后获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户，及将所述拓客需求方的广告信息发送至所述目标客户的终端设备。该方法可以降低拓客资源
的浪费，从而提高商家的经营收益。
75.在一些实施例中，步骤s100基于大数据构建用户线上意向数据库和用户线下意向数据库，包括步骤s110至步骤s140。
76.步骤s110、获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集。
77.其中，所述用户感兴趣区是指所述用户感兴趣的产品领域，每个用户的所述用户感兴趣区包括至少一个，所述用户感兴趣区提取模型基于神经网络训练得到。
78.步骤s120、基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集。
79.其中，所述用户线上消费行为数据集包括用户的线上消费信息、用户的线上浏览信息，可以理解地，通过分析用户的线上浏览信息可以得到用户的喜好，从中可以挖掘出用户可能会出现的线上消费意向，如果用户线上消费行为数据集只包括用户的线上消费信息，那么在步骤s140中得到的所述用户线上意向数据库中，针对每个所述用户线上意向数据集，可能会丧失一部分潜在客户。
80.其中，所述用户线下消费行为信息包括用户的行程信息、用户的线下消费信息、用户的线上浏览信息，可以理解地，通过分析用户的线上浏览信息和用户的行程信息可以得到用户的喜好，从中可以挖掘出用户可能会出现的线下消费意向，如果用户线下消费行为数据集只包括用户的线下消费信息，那么在步骤s140中得到的所述用户线下意向数据库中，针对每个所述用户线下意向数据集，可能会丧失一部分潜在客户。
81.步骤s130、基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集。
82.其中，所述用户线上消费行为特征集包括多个用户的线上消费行为特征，每个用户对应有至少一种线上消费行为特征，所述用户线下消费行为特征集包括多个用户的线下消费行为特征，每个用户对应有至少一种线下消费行为特征。
83.步骤s140、基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。
84.本实施例提供的方法构建的所述用户线上数据库，针对每个所述用户线上意向数据集而言，可以扩大与所述用户线上意向数据集对应的潜在用户的范围，从而在商家的拓客过程中实现有效的拓客目的。本实施例提供的方法构建的所述用户线下数据库针对每个所述用户线下意向数据集而言，可以扩大与所述用户线下意向数据集对应的潜在用户的范围，从而在商家的拓客过程中实现有效的拓客目的。
85.在一些实施例中，步骤s140基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库包括步骤s141至步骤s144。
86.步骤s141、基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库。
87.步骤s142、基于所述用户感兴趣区数据集对所述初始用户线上意向数据库进行修正，得到所述用户线上意向数据库。
88.其中，所述初始用户线上意向数据库包括多个初始线上意向数据集，步骤s142主要是基于所述用户感兴趣区数据集对每个所述初始线上意向数据集进行用户数据的补充，扩大每个所述初始线上意向数据集对应的潜在用户的范围。
89.步骤s143、基于所述用户线下消费行为特征集和所述预设的用户意向标签数据库构建初始用户线下意向数据库。
90.步骤s144、基于所述用户感兴趣区数据集对所述初始用户线下意向数据库进行修正，得到所述用户线下意向数据库。
91.其中，所述初始用户线下意向数据库包括多个初始线下意向数据集，步骤s144主要是基于所述用户感兴趣区数据集对每个所述初始线下意向数据集进行用户数据的补充，扩大每个所述初始线下意向数据集对应的潜在用户的范围。
92.在一些实施例中，步骤s141基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库，包括步骤s1411至步骤s1414。
93.步骤s1411、基于预设的语义特征提取模型提取所述用户意向标签数据库中的每个用户意向标签的语义特征。
94.步骤s1412、基于所述预设的语义特征提取模型提取所述用户线上消费行为特征集中的每个消费行为特征的语义特征。
95.步骤s1413、针对每个所述消费行为特征的语义特征，分别计算所述消费行为特征的语义特征与每个所述用户意向标签的相似度。
96.步骤s1414、针对每个所述消费行为特征的语义特征计算得到的所有所述相似度，将其中的最大相似度与预设相似度进行比较，并在所述最大相似度小于预设相似度时，根据所述消费行为特征生成新用户意向标签，并将所述新用户意向标签存储至所述用户意向标签数据库，及根据所述新用户意向标签构建一个所述用户线上意向数据集。
97.可以理解地，当所述最大相似度小于所述预设相似度时，说明所述用户意向标签数据库中不存在与所述消费行为特征对应的用户意向标签数据库，因此，此时需要根据所述消费行为特征生成新用户意向标签，将所述新用户意向标签存储至所述用户意向标签数据库，可以对所述用户意向标签数据库进行补充。
98.需要说明的是，在步骤s1414中，若所述最大相似度不小于所述预设相似度，将所述消费行为特征对应的用户的用户信息作为所述最大相似度对应的所述用户意向标签对应的所述线上意向数据集中的元素。
99.还需要说明的是，步骤s143的实现过程可参考上述s141的实现过程，这里不再赘述。
100.在一些实施例中，步骤s300基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，包括步骤s310至步骤s350。
101.步骤s310、基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征。
102.其中，所述产品特征包括产品的名称、产品的领域、产品的用途等信息。
103.步骤s320、分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述
产品特征进行关联性分析，得到多个第一关联系数。
104.示例性地，分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析的方法可采用如下步骤：
105.基于预设的关键词提取模型，提取所述产品特征的关键词；
106.针对每个所述用户线上意向数据集，计算所述用户线上意向数据集对应的用户线上意向标签与所述关键词的相似度，将所述相似度作为所述第一关联系数。
107.步骤s330、基于所述第一关联系数确定所述拓客需求方的线上潜在客户。
108.示例性地，基于所述第一关联系数确定所述拓客需求方的线上潜在客户的方法可采用如下步骤：
109.将所述第一关联系数与预设关联系数进行比较；
110.若所述第一关联系数大于所述预设关联系数，将所述第一关联系数对应的所述用户线上意向数据集中的用户确定为所述拓客需求方的线上潜在客户。
111.步骤s340、分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数。
112.示例性地，分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析的方法可采用如下步骤：
113.基于预设的关键词提取模型，提取所述产品特征的关键词；
114.针对每个所述用户线下意向数据集，计算所述用户线下意向数据集对应的用户线下意向标签与所述关键词的相似度，将所述相似度作为所述第二关联系数。
115.步骤s350、基于所述第二关联系数确定所述拓客需求方的线下潜在客户。
116.示例性地，基于所述第二关联系数确定所述拓客需求方的线下潜在客户的方法可采用如下步骤：
117.将所述第二关联系数与预设关联系数进行比较；
118.若所述第二关联系数大于所述预设关联系数，将所述第二关联系数对应的所述用户线下意向数据集中的用户确定为所述拓客需求方的线下潜在客户。
119.本实施例提供的方法通过基于所述第一关联系数确定所述拓客需求方的线上潜在客户，并基于所述第二关联系数确定所述拓客需求方的线下潜在客户，可以扩大所述拓客需求方的潜在客户的范围。
120.请参阅图2，图2为本技术实施例提供的基于大数据的拓客系统100的结构示意性框图，如图2所示，基于大数据的拓客系统100包括：
121.构建模块110，用于基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据。
122.获取模块120，用于获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息。
123.第一确定模块130，用于基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户。
124.第二确定模块140，用于获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户。
125.发送模块150，用于将所述拓客需求方的广告信息发送至所述目标客户的终端设备。
126.在一些实施例中，构建模块110，包括：
127.获取单元，用于获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集。
128.分析单元，用于基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集。
129.提取单元，用于基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集。
130.构建单元，用于基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。
131.在一些实施例中，第一确定模块130，包括：
132.提取单元，用于基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征。
133.第一分析单元，用于分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数。
134.第一确定单元，用于基于所述第一关联系数确定所述拓客需求方的线上潜在客户。
135.第二分析单元，用于分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数。
136.第二确定单元，用于基于所述第二关联系数确定所述拓客需求方的线下潜在客户。
137.需要说明的是，所属技术领域的技术人员可以清楚了解到，为了描述的方便和简洁，上述描述的装置和各个模块及单元的具体工作过程，可以参考前述基于大数据的拓客方法实施例中的对应过程，在此不再赘述。
138.上述实施例提供的基于大数据的拓客系统100可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的终端设备200上运行。
139.请参阅图3，图3为本技术实施例提供的终端设备200的结构示意性框图，终端设备200包括处理器201和存储器202，处理器201和存储器202通过系统总线203连接，其中，存储器202可以包括非易失性存储介质和内存储器。
140.非易失性存储介质可存储计算机程序。该计算机程序包括程序指令，该程序指令被处理器201执行时，可使得处理器201执行上述任一种基于大数据的拓客方法。
141.处理器201用于提供计算和控制能力，支撑整个终端设备200的运行。
142.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被
处理器201执行时，可使得处理器201执行上述任一种基于大数据的拓客方法。
143.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所涉及的终端设备200的限定，具体的终端设备200可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
144.应当理解的是，处理器201可以是中央处理单元 (central processing unit，cpu)，该处理器201还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
145.其中，在一些实施例中，处理器201用于运行存储在存储器中的计算机程序，以实现如下步骤：
146.基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据；
147.获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息；
148.基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户；
149.获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户；
150.将所述拓客需求方的广告信息发送至所述目标客户的终端设备。
151.在一些实施例中，处理器201在实现所述基于大数据构建用户线上意向数据库和用户线下意向数据库时，用于实现：
152.获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集；
153.基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集；
154.基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集；
155.基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。
156.在一些实施例中，处理器201在实现所述基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库时，用于实现：
157.基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库；
158.基于所述用户感兴趣区数据集对所述初始用户线上意向数据库进行修正，得到所述用户线上意向数据库；
159.基于所述用户线下消费行为特征集和所述预设的用户意向标签数据库构建初始用户线下意向数据库；
160.基于所述用户感兴趣区数据集对所述初始用户线下意向数据库进行修正，得到所述用户线下意向数据库。
161.在一些实施例中，处理器201在实现所述基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库时，用于实现：
162.基于预设的语义特征提取模型提取所述用户意向标签数据库中的每个用户意向标签的语义特征；
163.基于所述预设的语义特征提取模型提取所述用户线上消费行为特征集中的每个消费行为特征的语义特征；
164.针对每个所述消费行为特征的语义特征，分别计算所述消费行为特征的语义特征与每个所述用户意向标签的相似度；
165.针对每个所述消费行为特征的语义特征计算得到的所有所述相似度，将其中的最大相似度与预设相似度进行比较，并在所述最大相似度小于预设相似度时，根据所述消费行为特征生成新用户意向标签，并将所述新用户意向标签存储至所述用户意向标签数据库，及根据所述新用户意向标签构建一个所述用户线上意向数据集。
166.在一些实施例中，处理器201在实现所述基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户时，用于实现：
167.基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征；
168.分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数；
169.基于所述第一关联系数确定所述拓客需求方的线上潜在客户；
170.分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数；
171.基于所述第二关联系数确定所述拓客需求方的线下潜在客户。
172.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端设备200的具体工作过程，可以参考前述基于大数据的拓客方法的对应过程，在此不再赘述。
173.本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时使所述一个或多个处理器实现如本技术实施例提供的基于大数据的拓客方法。
174.其中，所述计算机可读存储介质可以是前述实施例终端设备200的内部存储单元，例如终端设备200的硬盘或内存。所述计算机可读存储介质也可以是终端设备200的外部存储设备，例如终端设备200配备的插接式硬盘，智能存储卡(smart media card，smc)，安全
数字(secure digital，sd)卡，闪存卡(flash card)等。
175.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求书的保护范围为准。

技术特征：
1.一种基于大数据的拓客方法，其特征在于，包括：基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据；获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息；基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户；获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户；将所述拓客需求方的广告信息发送至所述目标客户的终端设备。2.根据权利要求1所述的基于大数据的拓客方法，其特征在于，所述基于大数据构建用户线上意向数据库和用户线下意向数据库，包括：获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集；基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集；基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集；基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。3.根据权利要求2所述的基于大数据的拓客方法，其特征在于，所述基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库，包括：基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库；基于所述用户感兴趣区数据集对所述初始用户线上意向数据库进行修正，得到所述用户线上意向数据库；基于所述用户线下消费行为特征集和所述预设的用户意向标签数据库构建初始用户线下意向数据库；基于所述用户感兴趣区数据集对所述初始用户线下意向数据库进行修正，得到所述用户线下意向数据库。4.根据权利要求3所述的基于大数据的拓客方法，其特征在于，所述基于所述用户线上消费行为特征集和预设的用户意向标签数据库构建初始用户线上意向数据库，包括：基于预设的语义特征提取模型提取所述用户意向标签数据库中的每个用户意向标签的语义特征；
基于所述预设的语义特征提取模型提取所述用户线上消费行为特征集中的每个消费行为特征的语义特征；针对每个所述消费行为特征的语义特征，分别计算所述消费行为特征的语义特征与每个所述用户意向标签的相似度；针对每个所述消费行为特征的语义特征计算得到的所有所述相似度，将其中的最大相似度与预设相似度进行比较，并在所述最大相似度小于预设相似度时，根据所述消费行为特征生成新用户意向标签，并将所述新用户意向标签存储至所述用户意向标签数据库，及根据所述新用户意向标签构建一个所述用户线上意向数据集。5.根据权利要求1所述的基于大数据的拓客方法，其特征在于，所述基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，包括：基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征；分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数；基于所述第一关联系数确定所述拓客需求方的线上潜在客户；分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数；基于所述第二关联系数确定所述拓客需求方的线下潜在客户。6.一种基于大数据的拓客系统，其特征在于，包括：构建模块，用于基于大数据构建用户线上意向数据库和用户线下意向数据库；其中，所述用户线上意向数据库包括多个用户线上意向数据集，每个所述用户线上意向数据集设有一个用户线上意向标签，每个所述用户线上意向数据集包括多个用户的用户数据，所述用户线下意向数据库包括多个用户线下意向数据集，每个所述用户线下意向数据集设有一个用户线下意向标签，每个所述用户线下意向数据集包括多个用户的用户数据；获取模块，用于获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息；第一确定模块，用于基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户；第二确定模块，用于获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户；发送模块，用于将所述拓客需求方的广告信息发送至所述目标客户的终端设备。7.根据权利要求6所述的基于大数据的拓客系统，其特征在于，所述构建模块，包括：获取单元，用于获取用户数据集，所述用户数据集包括多个用户的历史在线数据，并基于预设的用户感兴趣区提取模型对所述用户数据集中的数据进行特征提取，得到用户感兴趣区数据集；分析单元，用于基于预设的数据分析模型对所述用户数据集中的数据进行分析，得到用户线上消费行为数据集和用户线下消费行为数据集；提取单元，用于基于预设的线上消费行为特征提取模型对所述用户线上消费行为数据
集中的数据进行特征提取，得到用户线上消费行为特征集，并基于预设的线下消费行为特征提取模型对所述用户线下消费行为数据集进行特征提取，得到用户线下消费行为特征集；构建单元，用于基于所述用户感兴趣区数据集、所述用户线上消费行为特征集和所述用户线下消费行为特征集构建所述用户线上意向数据库和所述用户线下意向数据库。8.根据权利要求6所述的基于大数据的拓客系统，其特征在于，所述第一确定模块，包括：提取单元，用于基于预设的产品特征提取模型对所述产品信息进行特征提取，得到与所述广告信息匹配的产品特征；第一分析单元，用于分别对所述用户线上意向数据库中的每个用户线上意向数据集和所述产品特征进行关联性分析，得到多个第一关联系数；第一确定单元，用于基于所述第一关联系数确定所述拓客需求方的线上潜在客户；第二分析单元，用于分别对所述用户线下意向数据库中的每个用户线下意向数据集和所述产品特征进行关联性分析，得到多个第二关联系数；第二确定单元，用于基于所述第二关联系数确定所述拓客需求方的线下潜在客户。9.一种终端设备，其特征在于，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中，所述计算机程序被所述处理器执行时，实现如权利要求1至5中任一项所述的基于大数据的拓客方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的基于大数据的拓客方法。

技术总结
本申请涉及商业数据处理技术领域，具体公开了基于大数据的拓客方法、系统、设备及存储介质。其中，该方法首先基于大数据构建用户线上意向数据库和用户线下意向数据库，然后获取拓客需求方的广告信息，并基于所述广告信息获取与所述广告信息匹配的产品信息，及基于所述产品信息、所述用户线上意向数据库和所述用户线下意向数据库确定所述拓客需求方的潜在客户，最后获取所述拓客需求方的基本信息，并基于所述潜在客户的用户数据和所述基本信息确定所述拓客需求方的目标客户，及将所述拓客需求方的广告信息发送至所述目标客户的终端设备。该方法可以降低拓客资源的浪费，从而提高商家的经营收益。商家的经营收益。商家的经营收益。


技术研发人员：戴韬
受保护的技术使用者：北京吉欣科技有限公司
技术研发日：2023.06.08
技术公布日：2023/7/12