论文部分内容阅读
在互联网时代,房地产营销形势发生了很大变化,消费者不再满足从传统的营销渠道获得信息,正在改变以往被动接受营销的地位,影响消费者购房决策的因素也更加复杂,而目前的房地产顾客挖掘方式仍以营销人员的主观判断为主,无法从纷繁复杂的数据中精准定位潜在顾客。因此,有必要对房地产行业顾客的消费行为进行深入研究,构建适合房地产行业的销售漏斗模型,精准定位潜在顾客。本文在深入研究销售漏斗的基础上,结合房地产营销的实际情况,构建了房地产顾客筛选漏斗模型,通过该模型可以将顾客划分为A、B、C三个等级。顾客的等级并不是唯一的,通过对房地产顾客筛选漏斗模型数据和等级流动进行管理,顾客可以在漏斗模型内部不同等级之间流动。同时,本文按照顾客流动的不同方式将其划分为正向流动和逆向流动两种类型,并针对顾客的等级和等级流动的特点制度了相应的营销策略。本文采用人工智能领域发展较为成熟的BP人工神经网络对模型进行实现,将BP人工神经网络的输出设定在(0,5)的三个区间内,BP人工神经网络通过计算顾客筛选指数并按照房地产顾客筛选漏斗模型规则进行等级划分,可以实现对顾客的分类,顾客的筛选指数越高,顾客的等级就越高,购房的可能性就越大。随后,对BP人工神经网络实现房地产顾客筛选漏斗模型的方法和流程进行了具体阐释,BP人工神经网络实现房地产顾客筛选漏斗模型的流程主要分为两个部分,第一部分为BP人工神经网络的学习训练,第二部分为房地产顾客筛选漏斗模型的筛选过程。在实证分析中,通过对样本数据进行学习训练,确定了 BP人工神经网络的网络结构和相关参数,将训练好的神经网络对顾客数据进行模拟仿真,并按照顾客筛选漏斗模型对顾客进行等级划分和流动管理。实证结果证明,BP人工神经网络的处理方法大大提高了漏斗模型的数据处理效率和筛选结果的精准性,构建的房地产顾客筛选漏斗模型具有较大的可行性。