一种意向学生分群的招生漏斗分层转化分析方法与流程

摘要: 本发明涉及数据处理,具体为一种意向学生分群的招生漏斗分层转化分析方法。背景技术:1、随着教育培训机构数字化转型进程的加速,机构在日常运营、线上推广等业务触点中沉...
一种意向学生分群的招生漏斗分层转化分析方法与流程

本发明涉及数据处理,具体为一种意向学生分群的招生漏斗分层转化分析方法。

背景技术:

1、随着教育培训机构数字化转型进程的加速,机构在日常运营、线上推广等业务触点中沉淀了海量的意向学生交互日志与行为明细数据。在实际的招生转化环节中,准确追踪意向学生的跟进流转过程并实施针对性的挽回动作,是降低营销成本、提高成单比率的关键环节。为了监测生源转化效果,相关业务系统普遍部署了招生漏斗模型,用于呈现各个阶段流转节点的统计学分布情况。

2、现有的转化分析方法通常采用全局统一的静态漏斗模型处理所有线索数据,将不同需求特征的学生样本混同计算整体转化比率,这种粗放的统计方式掩盖了特定属性群体在局部业务流转环节的真实异常衰减原因。同时,现有方法在定位到转化停滞节点后,仅能输出表层的流失结果分布数据,难以从招生端派发的物料特征与学生端真实偏好的匹配度层面进行穿透式的计算比对,导致针对停滞节点的纠偏干预动作过度依赖人工主观判断,无法自动形成针对不同阻碍动因的定制化纠偏执行闭环,最终造成系统内高潜客群的大量流失和网络通信资源的无效消耗。

技术实现思路

1、针对现有技术的不足,本发明提供了一种意向学生分群的招生漏斗分层转化分析方法,解决了上述背景技术的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:一种意向学生分群的招生漏斗分层转化分析方法,包括以下步骤:s1.采集意向学生在业务触点产生的前端交互行为日志,从中提取页面浏览深度序列和对话响应时间间隔作为行为特征数据;将行为特征数据输入时间加权聚类算法进行聚类计算,输出意向偏好类型及对应的分群学生名单;s2.将分群学生名单映射至预置的招生漏斗节点序列,计算分群学生名单在各单一漏斗节点内的实际转化驻留时长;比对实际转化驻留时长与意向偏好类型关联的基准时间阈值,提取实际转化驻留时长超出基准时间阈值的单一漏斗节点作为异常断裂层级,汇总停留在异常断裂层级内的意向学生生成高危停滞名单;s3.调取高危停滞名单在异常断裂层级对应时间段内的招生端跟进行为记录和学生端反馈记录,提取招生端跟进行为记录中的外发营销物料特征标签,计算外发营销物料特征标签与意向偏好类型的语义相似度距离获得文本语义错位度;提取学生端反馈记录中的消息未读次数,将文本语义错位度与消息未读次数进行矩阵组合生成转化阻碍动因矩阵;s4.提取转化阻碍动因矩阵中的特定业务错位类型,在预建干预动作库中查询与特定业务错位类型匹配的纠偏挽回指令;将纠偏挽回指令封装为包含定向营销话术和折扣推送条件的自动干预任务,调用前端业务系统的消息推送接口,按照自动干预任务向高危停滞名单内的意向学生终端发送定向营销话术和折扣推送条件。

3、进一步地,采集意向学生在业务触点产生的前端交互行为日志,从中提取页面浏览深度序列和对话响应时间间隔作为行为特征数据的具体过程如下:从前端交互行为日志中解析意向学生在招生系统界面和客服会话窗口的事件埋点数据,按照时间戳顺序排列事件埋点数据包含的页面访问节点,提取页面访问节点的层级属性构建页面浏览深度序列;调取客服会话窗口包含的客服提问时间戳和意向学生回复时间戳,执行时间戳差值提取,将差值提取结果作为对话响应时间间隔,同步提取页面浏览深度序列和对话响应时间间隔生成行为特征数据。

4、进一步地,将行为特征数据输入时间加权聚类算法进行聚类计算,输出意向偏好类型及对应的分群学生名单的具体过程如下:提取行为特征数据关联的发生时间戳,衡量发生时间戳与当前系统时间的时间跨度,根据时间跨度为行为特征数据分配时间衰减权重;引入时间衰减权重对行为特征数据进行加权处理获得加权特征矩阵,将加权特征矩阵输入时间加权聚类算法的聚类中心节点执行迭代聚类,输出具有相近特征维度的基础数据簇,将基础数据簇与预置的意向偏好标签库进行语义映射,输出意向偏好类型;按照意向偏好类型对产生行为特征数据的意向学生唯一标识进行归类汇总,输出分群学生名单。

5、进一步地,将分群学生名单映射至预置的招生漏斗节点序列,计算分群学生名单在各单一漏斗节点内的实际转化驻留时长的具体过程如下:解析分群学生名单包含的意向学生唯一标识,匹配意向学生唯一标识在前端业务系统内的业务流转状态记录,将业务流转状态记录与招生漏斗节点序列包含的单一漏斗节点进行状态对齐,判定单一漏斗节点对应的节点转入时间戳和节点转出时间戳;提取节点转出时间戳与节点转入时间戳之间的时间跨度差值,将时间跨度差值确认为实际转化驻留时长,当存在节点转出时间戳缺失状态时,提取当前系统时间戳与节点转入时间戳之间的时间跨度差值确认为实际转化驻留时长。

6、进一步地,比对实际转化驻留时长与意向偏好类型关联的基准时间阈值,提取实际转化驻留时长超出基准时间阈值的单一漏斗节点作为异常断裂层级,汇总停留在异常断裂层级内的意向学生生成高危停滞名单的具体过程如下:读取意向偏好类型,在预设的漏斗时效配置表中查询匹配意向偏好类型的基准时间阈值,对比实际转化驻留时长和基准时间阈值的数值大小,记录实际转化驻留时长超出基准时间阈值的单一漏斗节点;将实际转化驻留时长超出基准时间阈值的单一漏斗节点标记为异常断裂层级,提取停留在异常断裂层级内的意向学生唯一标识,合并意向学生唯一标识组合生成高危停滞名单。

7、进一步地,调取高危停滞名单在异常断裂层级对应时间段内的招生端跟进行为记录和学生端反馈记录,提取招生端跟进行为记录中的外发营销物料特征标签,计算外发营销物料特征标签与意向偏好类型的语义相似度距离获得文本语义错位度的具体过程如下:接收高危停滞名单包含的意向学生唯一标识,在招生系统数据库中圈定异常断裂层级关联的时间窗口,依据意向学生唯一标识和时间窗口,检索并调取招生端跟进行为记录和学生端反馈记录;解析招生端跟进行为记录包含的触达动作明细,提取触达动作明细绑定的物料元数据,将物料元数据转换为外发营销物料特征标签,将外发营销物料特征标签与意向偏好类型分别映射至预置的业务语义向量空间,输出对应的物料特征向量和偏好类型向量;执行物料特征向量与偏好类型向量的空间距离测度计算,将空间距离测度计算结果确认为文本语义错位度。

8、进一步地,提取学生端反馈记录中的消息未读次数,将文本语义错位度与消息未读次数进行矩阵组合生成转化阻碍动因矩阵的具体过程如下:扫描学生端反馈记录包含的即时通讯交互状态位,汇总即时通讯交互状态位呈现未触达标识的频次获得消息未读次数,引入预置的错位等级划分规则对待处理的文本语义错位度进行离散化分级,生成错位等级坐标参数,引入预置的抗拒响应等级划分规则对待处理的消息未读次数进行离散化分级,生成抗拒等级坐标参数;建立包含横纵坐标轴的二维关联分析架构,将错位等级坐标参数分配至横轴,将抗拒等级坐标参数分配至纵轴,将错位等级坐标参数和抗拒等级坐标参数映射至二维关联分析架构内对应的交叉节点,输出包含交叉节点的转化阻碍动因矩阵。

9、进一步地,提取转化阻碍动因矩阵中的特定业务错位类型,在预建干预动作库中查询与特定业务错位类型匹配的纠偏挽回指令的具体过程如下:遍历转化阻碍动因矩阵包含的交叉节点,定位交叉节点指向的二维坐标极值,依据二维坐标极值确定特定业务错位类型,解析特定业务错位类型包含的业务痛点字段和跟进失误字段;将业务痛点字段和跟进失误字段输入预建干预动作库的检索引擎进行特征比对,提取预建干预动作库中特征比对一致度满足预设要求阈值的动作策略集合,将动作策略集合确认为纠偏挽回指令。

10、进一步地,将纠偏挽回指令封装为包含定向营销话术和折扣推送条件的自动干预任务,调用前端业务系统的消息推送接口,按照自动干预任务向高危停滞名单内的意向学生终端发送定向营销话术和折扣推送条件的具体过程如下:解析纠偏挽回指令包含的触发时机参数、定向营销话术和折扣推送条件,按照预设的业务系统数据交换协议,将触发时机参数、定向营销话术和折扣推送条件组装为标准结构格式的自动干预任务数据包;向前端业务系统的消息推送接口发起携带自动干预任务数据包的调用请求,监测前端业务系统内的系统时钟,当系统时钟与触发时机参数对齐时触发接口放行条件,将定向营销话术和折扣推送条件传输至高危停滞名单内的意向学生终端。

11、本发明具有以下有益效果:

12、(1)一种意向学生分群的招生漏斗分层转化分析方法,通过采集意向学生的前端交互行为日志提取行为特征数据,运用时间加权聚类算法输出意向偏好类型及分群学生名单,克服了传统方法对全量样本混同计算的弊端,实现了基于动态特征时序敏感度的数据集划定;进一步将分群学生名单映射至漏斗节点序列,通过比对实际转化驻留时长与基准时间阈值,精准捕捉超出时效的异常断裂层级并生成高危停滞名单,从多维数据流转的层面准确定位到了特定群体的局部异常停滞节点,有效解决了整体转化率计算掩盖微观群体真实流失位置的技术难题。

13、(2)一种意向学生分群的招生漏斗分层转化分析方法,通过调取异常断裂层级的业务双向交互记录,计算外发营销物料特征标签与意向偏好类型的语义相似度距离获得文本语义错位度,并结合消息未读次数生成转化阻碍动因矩阵,深度剖析了招生端系统执行动作与学生端业务诉求之间的匹配痛点;进一步在干预动作库中匹配纠偏挽回指令,封装为自动干预任务并调用消息推送接口执行定向营销话术和折扣推送条件的下发,实现了由底层分析矩阵直接驱动前端业务系统执行纠偏任务的技术闭环,消除了人工干预滞后导致的挽回失败,显著提升了目标群体在特定层级的转化数据指标。

14、当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。