预测用户购买权益商品的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种预测用户购买权益商品的方法、装置、设备及存储介质，其中，该方法包括：获取目标用户的第一用户信息；基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率；若所述目标用户购买所述权益商品的概率大于第一预设阈值，则向所述目标用户推送所述权益商品的营销消息。本发明专利技术实施例通过预测用户购买权益商品的概率，向购买概率大于第一预设阈值的用户推送该权益商品的营销消息，能够提高权益商品的客户转化率，提高客户体验。

Method, device, device and storage medium for predicting user's purchase of rights and interests merchandise

An embodiment of the present invention provides a method, apparatus, apparatus and storage medium for predicting a user's purchase of an equity commodity, wherein the method includes: acquiring the first user information of the target user; determining the target user's purchase of the equity commodity based on the first user information and the preset purchase prediction model of the equity commodity. The probability of the product; if the probability of the target user purchasing the equity commodity is greater than the first preset threshold, the marketing message of the equity commodity is pushed to the target user. The embodiment of the invention can improve the customer conversion rate of the equity commodity and improve the customer experience by predicting the probability of the user purchasing the equity commodity and pushing the marketing message of the equity commodity to the user whose purchasing probability is greater than the first preset threshold.

【技术实现步骤摘要】
预测用户购买权益商品的方法、装置、设备及存储介质
本专利技术实施例涉及计算机
，尤其涉及一种预测用户购买权益商品的方法、装置、设备及存储介质。
技术介绍
权益商品是指运营商给部分用户提供的，以低于市场价格出售的优惠商品，比如说已低于市场价出售的电影票和第三方优惠券等。这个权益商品，一般来说，都是运营商为等级较高的用户提供的，但是，并不是每个高等级用户都会购买这个权益商品。现有权益商品的营销方式是针对符合要求的全体用户进行营销，没有针对性的营销策略，客户转化率较低，并且对于没有购买意愿的用户，这种营销将影响用户对运营商的服务体验。
技术实现思路
本专利技术实施例提供一种预测用户购买权益商品的方法、装置、设备及存储介质，用以提高权益商品的客户转化率，提高权益商品营销消息推送的针对性，提高用户体验。本专利技术实施例第一方面提供一种预测用户购买权益商品的方法，包括：获取目标用户的第一用户信息；基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率；若所述目标用户购买所述权益商品的概率大于第一预设阈值，则向所述目标用户推送所述权益商品的营销消息。可选的，所述基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率，包括：将所述第一用户信息输入预设的Lasso模型中，获得所述目标用户的目标信息，所述目标信息与所述目标用户是否购买所述权益商品之间的关联程度大于第二预设阈值；基于所述目标信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率。可选的，所述购买预测模型包括多个分类模型，所述分类模型可用于基于用户信息预测用户购买所述权益商品的概率；所述基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率，包括：将所述第一用户信息输入所述多个分类模型中，基于各分类模型的输出数据的加权值，计算获得所述目标用户购买所述权益商品的概率。可选的，所述将所述第一用户信息输入所述多个分类模型中，基于各分类模型输出数据的加权值，计算获得所述目标用户购买所述权益商品的概率之前，所述方法包括：获取多个购买所述权益商品的用户的第二用户信息，以及多个未购买所述权益商品的用户的第三用户信息；将所述多个第二用户信息和所述多个第三用户信息输入所述多个分类模型中，基于各分类模型的预测结果，确定各分类模型对应的加权值。本专利技术实施例第二方面提供一种预测装置，包括：第一获取模块，用于获取目标用户的第一用户信息；第一确定模块，用于基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率；推送模块，用于在所述目标用户购买所述权益商品的概率大于第一预设阈值时，向所述目标用户推送所述权益商品的营销消息。可选的，所述第一确定模块，包括：信息筛选子模块，用于将所述第一用户信息输入预设的Lasso模型，获得所述目标用户的目标信息，所述目标信息与所述目标用户是否购买所述权益商品之间的关联程度大于第二预设阈值；确定子模块，用于基于所述目标信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率。可选的，所述购买预测模型包括多个分类模型，所述分类模型可用于基于用户信息预测用户购买所述权益商品的概率；所述第一确定模块，包括：计算子模块，用于将所述第一用户信息输入所述多个分类模型中，基于各分类模型输出数据的加权值，计算获得所述目标用户购买所述权益商品的概率。可选的，所述装置还包括：第二获取模块，用于获取多个购买所述权益商品的用户的第二用户信息，以及多个未购买所述权益商品的用户的第三用户信息；第二确定模块，用于将所述多个第二用户信息和所述多个第三用户信息输入所述多个分类模型中，基于各分类模型的预测结果，确定各分类模型对应的加权值。本专利技术实施例第三方面提供一种服务器，包括：处理器；用于存储所述处理器可执行指令的存储器；当所述处理器执行所述可执行指令时，可以执行上述第一方面的方法。本专利技术实施例第四方面提供一种计算机可读存储介质，包括指令，当所述指令在所述计算机上运行时，所述计算机可以执行上述第一方面的方法。本专利技术实施例，通过获取目标用户的第一用户信息，基于第一用户信息和预设的权益商品的购买预测模型，确定目标用户购买权益商品的概率，若目标用户购买权益商品的概率大于第一预设阈值，则向目标用户推送该权益商品的营销消息，从而提高了权益商品的客户转化率，提高了权益商品营销消息推送的针对性，避免了向没有兴趣购买权益商品的用户推送营销消息，提高了用户体验。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种预测用户购买权益商品的方法的流程图；图2是本专利技术实施例提供的一种预测用户购买权益商品的方法的流程图；图3是本专利技术实施例提供的一种预测用户购买权益商品的方法的流程图；图4是本专利技术实施例提供的一种预测装置40的结构示意图；图5是本专利技术实施例提供的第一确定模块42的结构示意图；图6是本专利技术实施例提供的一种第一确定模块42的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤的过程或结构的装置不必限于清楚地列出的那些结构或步骤而是可包括没有清楚地列出的或对于这些过程或装置固有的其它步骤或结构。本专利技术实施例提供一种预测用户购买权益商品的方法。该方法可以由一种预测装置来执行，该装置可以被具体为位于网络端的服务器。参见图1，图1是本专利技术实施例提供的一种预测用户购买权益商品的方法的流程图，如图1所示，该方法包括如下步骤：步骤101、获取目标用户的第一用户信息。本实施例中所称的目标用户是指符合购买权益商品条件的用户。实际场景中，预测装置可以基于预设的筛选策略从全体用户中筛选出目标用户，从数据库中获取目标用户的第一用户信息，其中第一用户信息的命名仅用于区别于其他用户的用户信息，而不具备其他含义。以通信运营商为例，对于通信运营商来说，通常将平均月消费金额在预设金额之上的用户划分为高级用户，针对高级用户运营商通常会提供以低于市价出售的权益商品，比如电影票，代金券等。那么，对于运营来说，目标用户即平均月消费金额在预设金额之上的用户，则可以将平均月消费金额作为筛选条件，从运营商的群体用户中，筛选出月消费金额在与组合金额之间的用户作为目标用户，并从存储用户信息的数据获取目标用户的第一用户信息。或者，还可以上述筛选条件的基础上，进一步基于待营销的权益商品的信息来筛选目标用户，比如待营销的权益商品是低价机票，则在上述条件的基础上还可以将用户月出入机场的频次作为筛选条件，若本文档来自技高网...

【技术保护点】
1.一种预测用户购买权益商品的方法，其特征在于，包括：获取目标用户的第一用户信息；基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率；若所述目标用户购买所述权益商品的概率大于第一预设阈值，则向所述目标用户推送所述权益商品的营销消息。

【技术特征摘要】
1.一种预测用户购买权益商品的方法，其特征在于，包括：获取目标用户的第一用户信息；基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率；若所述目标用户购买所述权益商品的概率大于第一预设阈值，则向所述目标用户推送所述权益商品的营销消息。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率，包括：将所述第一用户信息输入预设的Lasso模型中，获得所述目标用户的目标信息，所述目标信息与所述目标用户是否购买所述权益商品之间的关联程度大于第二预设阈值；基于所述目标信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率。3.根据权利要求1所述的方法，其特征在于，所述购买预测模型包括多个分类模型，所述分类模型可用于基于用户信息预测用户购买所述权益商品的概率；所述基于所述第一用户信息和预设的权益商品的购买预测模型，确定所述目标用户购买所述权益商品的概率，包括：将所述第一用户信息输入所述多个分类模型中，基于各分类模型的输出数据的加权值，计算获得所述目标用户购买所述权益商品的概率。4.根据权利要求3所述的方法，其特征在于，所述将所述第一用户信息输入所述多个分类模型中，基于各分类模型输出数据的加权值，计算获得所述目标用户购买所述权益商品的概率之前，所述方法包括：获取多个购买所述权益商品的用户的第二用户信息，以及多个未购买所述权益商品的用户的第三用户信息；将所述多个第二用户信息和所述多个第三用户信息输入所述多个分类模型中，基于各分类模型的预测结果，确定各分类模型对应的加权值。5.一种预测装置，其特征在于，包括：第一获取模块，用于获取目标...

【专利技术属性】
技术研发人员：刘颖慧，魏进武，张第，刘静沙，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11