2。2。2 潜在客户挖掘模型

房地产作为大件商品，需要考虑客户的购买力。因此，实现对潜在客户的价值分析功能， 能够了解潜在客户的购房动机，是自住需求型、投资型还是改善型。进而获取到不同购房动 机客户信息，开展精准营销。

利用客户的通话信息、短信交互信息、位置信息、互联网行为偏好和电信用户画像，建 立潜在客户价值分析模型，实现潜在客户的购房动机类型划分，输出潜在客户信息。要求模 型满足潜在客户类型划分，实现客户信息快速输出。

自住需求型客户分析场景：

a) 根据短信信息，挖掘银行公众号在每月 15 号定时下发短信号码；

b) 根据电信用户信息，筛选该批号码中：男性、年龄 25-35 岁之间客户；

c) 根据近期位置信息对第二步中客户进行筛选：周一到周五，上下班时间位置信息发生明 显变化，且成两点一线，近期周末，位置信息出现在郊外；

d) 根据客户互联网行为偏好信息，筛选出第三步客户中，近期有频繁访问浏览房地产网站 行为客户。到此，可判断筛选的客户可能为潜在的自住需求型客户。 投资型客户和改善型客户特点没有那么明确，我们一般根据客户互联网行为偏好信息，

筛选频繁访问房地产网站或者频繁使用某个租房 app 的客户来进行锁定。

2。2。3 客户购房意愿评估模型

客户的直接行为是反应客户意愿的最有效依据。因此，根据客户行为数据，评估客户购 房意愿等级功能的实现，能够为房地产精准营销输出最精准的目标客户。 利用电信的基站位置信息、短信信息、通话信息、互联网行为偏好数据以及电信客户画像， 深入挖掘客户线下轨迹变化，线上浏览楼盘信息等信息。通过建立客户购房意愿评估模型，

本科毕业设计说明书 第 7  页

输出客户购房意愿评估等级结果。要求满足客户的意愿评估等级输出，并且实现快速评估。 客户购房意愿分析场景：

a) 根据通话信息，筛选每天有呼出大量电话且大部分通话时间不超过 3 秒的号码（可判断 这些号码为销售号码）；

b) 匹配客户号码有无主动拨打被判断为销售的号码，且超过 1 分钟以上（说明客户有了解 倾向）。

c) 根据客户的电信客户信息，根据客户的年龄， 性别，判断客户是否有购房能力或需求。 d) 根据客户的位置信息，通过对比客户近期的位置轨迹判断客户是否有看房行为（近期周

末位置信息多次出现在郊区，可能是看房行为）。论文网

e) 根据客户的互联网行为偏好，近期是否有频繁的浏览房地产网站行为（有，说明有购房 意愿）。根据以上行为，对客户的购房意愿进行评估，输出评分。

2。2。4 客户购房偏好分析模型

客户购买房产，是将自身条件与房产特点进行有效结合。实现客户购房偏好分析功能， 能够获取到区域特征、价格、户型、品牌、升值等不同购房偏好类型的客户信息，对实行房 地产的精准营销有重大意义。

利用电信基站位置信息、通话记录、短信信息、客户互联网行为偏好信息以及电信用户 画像，深入分析客户购房偏好。通过客户购房偏好分析模型，判断客户购房偏好类型，输出 客户信息。要求模型满足客户购房偏好类型判断，实现各购房偏好类型客户信息输出。

升值偏好型客户挖掘场景：

a) 通过查询银行服务中心号码的通话记录，筛选出每月有两次及以上下行通话记录号码， 判断这些号码客户为银行主要维护或营销客户。