(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211059272.X (22)申请日 2022.08.31 (71)申请人 睿驰达新能源 汽车科技 （沈阳） 有限 公司 地址 110000 辽宁省沈阳市 浑南区新 秀街 2-A2号221室 (72)发明人 魏宪峰　冯天娇　 (74)专利代理 机构 深圳国联专利代理事务所 (特殊普通 合伙) 44465 专利代理师 张锋 (51)Int.Cl. G06Q 30/02(2012.01) G06N 7/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06K 9/62(2022.01) G06F 16/215(2019.01) (54)发明名称 一种基于MLP的车企用户综合线索的评级 方 法 (57)摘要 本发明公开的一种基于MLP的车企用户综合 线索的评级方法， 包括如下步骤， 接收网络数据 和DMS数据； 数据预处理及数据整 合； 根据处理后 的潜客用户总表特征数据， 统计数据的状态转移 情况和状态 转移矩阵； 预处理状态 转移情况和状 态转移矩阵， 结合未经马尔科夫链处理的部分特 征， 共同组成数据特征， 再次进行数据处理， 并修 改数据格式以用于分类多层感知机网络输入； 将 历史数据和提取出的特征存入数据存储系统中； 针对潜客总表， 预选出有消费概率的用户， 通过 线索评级模 型评价购车意向等级。 本发明属于汽 车销售数据分析技术领域， 本发 明提供了一种基 于MLP的车企用户综合线索的评级方法， 通过线 索评级模型结果的优异可以看出， 本发明具有合 理性。 权利要求书2页 说明书6页 CN 115423514 A 2022.12.02 CN 115423514 A 1.一种基于 MLP的车企用户综合线索的评级方法， 其特 征在于， 包括如下步骤： 步骤1： 接收网络数据和DMS数据； 步骤2： 将步骤1所述数据存储在历史数据管理系统中， 清洗黑名单用户 和无效用户数 据， 选取对线索评级 有效的特 征， 合并数据， 生成潜客用户特 征总表； 步骤3： 根据潜客用户总表， 统计数据的状态转移情况和状态转移 矩阵； 步骤3.1： 根据潜客用户总表进行数据到状态的转换x(i) →s(i),i＝1,2, …,N， 并生成 马尔科夫链； 步骤3.1.1： 状态的上 下边界为B和A， 则状态间的间隔为： 步骤3.1.2： 当时， s(i)＝ k， 全部状态信息组成的数据集 合为一个马尔科 夫链； 步骤3.2： 统计窗体中各状态的转移情况， 提取马尔科 夫特征； 步骤3.2.1： 定义马尔科夫特征即状态转移情况， 网络用户基本线索标记为1， 网络用户 行为线索标记为2， 用户到点线索标注为3， 用户试驾线索标注为4， 状态转移次数记为K11， K12， K13， K14， K21， K22， K23， K24， K31， K32， K33， K34， K41， K42， K43， K44， 公式为： 其中s(j)表示j时刻的状态， s(j+1)表示j+1时刻的状态， L表示一个周期的状态长度,m ∈[1,4],n∈[1,4]； 步骤3.3： 根据提取的Kmn， 计算状态转移概 率和状态转移 矩阵； 步骤3.3.1： 状态为初始时， 对应的状态转移概 率及状态保留概 率为： x为除了1之外其 他状态； 步骤3.3.2： 当状态为中间过程状态时， 对应的状态转移概 率及状态保留概 率为： 步骤3.3.3： 当状态为 最后状态N时， 对应的状态转移概 率及状态保留概 率为：权　利　要　求　书 1/2 页 2 CN 115423514 A 2步骤3.3.4： 状态转移 矩阵可以表示 为： 步骤4： 预处理状态转移情况和状态转移矩阵， 结合未经马尔科夫链处理的部分特征， 共同组成数据特 征， 再次进行 数据处理， 并修改数据格式以用于分类多层感知机网络 输入； 步骤5： 将历史数据经过数据清洗之后存入数据库中， 将Markov提取后的特征存入数据 存入数据库中； 步骤6： 针对潜客用户总表， 预选出有消费概率的用户， 通过线索评级模型评价购车意 向等级； 步骤6.1： 从潜客用户总表 中对用户信息进行整合， 找到首次线索时间t1和最后一次线 索出现的时间tn， 如果tcurrentday‑tn>3month， 判定该用户为流失用户， 如果该用户已购车且 没有购车之后的线索数据则判定该用户为已购车用户， 去除流失用户和购车用户之后的所 有用户即为潜在 购车用户； 步骤6.2： 将所述潜在购 车用户数据进行数据清洗， 数据特征选择， Markov特征提取， 数 据在清洗之后， 通过训练好的用户线索模型预测用户的购车意向级别， 输出高中低三个意 向级别； 步骤6.3： 将评级结果存 入数据存 储系统； 步骤6.4： 在线索评级模块中展示线索列表， 并支持线索筛 选功能。 2.根据权利要求1所述的一种基于MLP的车企用户综合线索的评级方法， 其特征在于： 所述步骤1中网络数据为网络用户基本信息数据和网络用户行为数据， 所述DMS数据为DMS 用户到点数据及用户试驾数据。 3.根据权利要求2所述的一种基于MLP的车企用户综合线索的评级方法， 其特征在于： 所述步骤4中数据处理为对数据特征进 行去重等数据 清洗方法， 采用S折交叉验证模型随机 选取80％数据制作成训练集， 20％数据制作测试集， 构建高中低线索购车意向级别评价多 层感知机网络的特 征向量。权　利　要　求　书 2/2 页 3 CN 115423514 A 3