电子装置、偏好倾向预测方法和计算机可读存储介质制造方法及图纸

本发明专利技术公开一种电子装置、偏好倾向预测方法和计算机可读存储介质，该方法包括：接收目标用户的用户信息和目标产品的产品信息；根据用户信息爬取目标用户在最近预设时间范围内的微博发言数据，提取关键字进行向量化处理，形成第一用户画像；获取目标用户的个人属性数据，提取关键字进行向量化处理，形成第二用户画像；将第一用户画像与第二用户画像进行拼接得到第三用户画像；对目标产品的营销特点进行向量化处理，形成产品画像；将第三用户画像、产品画像和预设的各个渠道接触向量输入预先训练好的模型中预测，得出目标用户对目标产品的偏好倾向最高得分及对应的渠道接触向量组合。本发明专利技术技术方案提升了业务人员的营销成功率。

【技术实现步骤摘要】
电子装置、偏好倾向预测方法和计算机可读存储介质
本专利技术涉及产品营销预测领域，特别涉及一种电子装置、偏好倾向预测方法和计算机可读存储介质。
技术介绍
传统的营销模型，通常只是输出用户的偏好产品或用户对产品的偏好倾向分数等结果值，而并不能输出一些对业务人员的策略设计的有帮助的指向性建议，业务人员对目标用户的营销策略并没有针对性，很多时候会由于业务人员的营销策略不佳而导致营销失败，因此，设计一种可提升营销成功率的方案非常有意义。
技术实现思路
本专利技术提供一种电子装置、偏好倾向预测方法和计算机可读存储介质，旨在提升业务人员的营销成功率。为实现上述目的，本专利技术提出的电子装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的偏好倾向预测系统，所述偏好倾向预测系统被所述处理器执行时实现如下步骤：接收目标用户的用户信息和目标产品的产品信息；根据所述用户信息爬取目标用户在最近预设时间范围内的微博发言数据，从爬取到的微博发言数据提取关键字，并将提取的关键字进行向量化处理，形成第一用户画像；从系统数据库中获取目标用户的个人属性数据，从获取的个人属性数据提取关键字，并将提取的关键字进行向本文档来自技高网...

【技术保护点】
1.一种电子装置，其特征在于，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的偏好倾向预测系统，所述偏好倾向预测系统被所述处理器执行时实现如下步骤：接收目标用户的用户信息和目标产品的产品信息；根据所述用户信息爬取目标用户在最近预设时间范围内的微博发言数据，从爬取到的微博发言数据提取关键字，并将提取的关键字进行向量化处理，形成第一用户画像；从系统数据库中获取目标用户的个人属性数据，从获取的个人属性数据提取关键字，并将提取的关键字进行向量化处理，形成第二用户画像；将得到的第一用户画像与第二用户画像进行拼接，得到目标用户的第三用户画像；根据所述目标产品的产品信息确定目标产品的...

【技术特征摘要】
1.一种电子装置，其特征在于，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的偏好倾向预测系统，所述偏好倾向预测系统被所述处理器执行时实现如下步骤：接收目标用户的用户信息和目标产品的产品信息；根据所述用户信息爬取目标用户在最近预设时间范围内的微博发言数据，从爬取到的微博发言数据提取关键字，并将提取的关键字进行向量化处理，形成第一用户画像；从系统数据库中获取目标用户的个人属性数据，从获取的个人属性数据提取关键字，并将提取的关键字进行向量化处理，形成第二用户画像；将得到的第一用户画像与第二用户画像进行拼接，得到目标用户的第三用户画像；根据所述目标产品的产品信息确定目标产品的营销特点，对确定的营销特点进行向量化处理，形成所述目标产品的产品画像；将所述第三用户画像、目标产品的产品画像和预设的各个渠道接触向量输入预先训练好的预设结构预测模型中进行预测，得出所述目标用户对所述目标产品的偏好倾向最高得分及对应的渠道接触向量组合。2.如权利要求1所述的电子装置，其特征在于，所述预设结构预测模型的训练过程包括：获取预设数量的历史营销数据，每个历史营销数据包括营销产品、渠道、触达方式、该营销产品的营销特点及营销对象；针对每个历史营销数据，爬取营销对象在该营销产品的营销时间之前的最近预设时间范围内的微博发言数据，从爬取到的微博发言数据中提取关键字，并将提取的关键字进行向量化处理，形成第一用户画像；针对每个历史营销数据，从系统数据库中获取其营销对象的个人属性数据，从获取的个人属性数据中提取关键字，并将提取的关键字进行向量化处理，形成第二用户画像；将同一个历史营销数据的第一用户画像和第二用户画像进行拼接，得到该历史营销数据的第三用户画像；针对每个历史营销数据，将该历史营销数据的渠道和触达方式进行向量化处理以形成渠道接触画像，以及将该历史营销数据的营销产品的营销特点进行向量化处理以形成产品画像；以营销成功的历史营销数据对应的第三用户画像、渠道接触画像及产品画像作为正样本，以营销失败的历史营销数据对应的第三用户画像、渠道接触画像及产品画像作为负样本，建立训练集，采用所述训练集对所述预设结构预测模型进行迭代训练，得到最新模型参数。3.如权利要求1或2所述的电子装置，其特征在于，所述将提取的关键字进行向量化处理的步骤包括：采用word2vec算法将提取的关键字转化拼接成相对应的word2vec向量。4.如权利要求1所述的电子装置，其特征在于，所述预设结构预测模型为改造的googlewidedeep模型；所述改造的googlewidedeep模型使用gbdt+lr作为wide模型的因子选择，采用cnn模型作为deep因子的选择，及在此基础上包装一个softmax模型。5.一种偏好倾向预测方法，其特征在于，所述偏好倾向预测方法包括步骤：接收目标用户的用户信息和目标产品的产品信息；根据所述用户信息爬取目标用户在最近预设时间范围内的微博发言数据，从爬取到的微博发言数据提取关键字，并将提取的关键字进行向量化处理，形成第一用户画像；从系统数据库中获取目标用户的个人属性数据，从获取的个人属性数据提取关键字，并将提取的关键字进行向量化处理，形成第二用户画像；将得到的第一用户画像与第二用户画像进行拼接，得到目标用户的第三用户画像；根据所述目标产品的产品信息确定目标产品的营销特点，对确定的营销特点进行向量化处理，形成所述目标产品的产品画像；将所述第三用户画像、目标产品的产品画像和预设的各个渠道接触向量输入预先训练好的预设结构预测模型中进行预测，得出所述目标用户对所述目标产品的偏好倾向最高得分及对应的渠道接触向量组合。6.如权利要求5所述的偏好倾向预测方法，其特征在于，所述预设结构预测模型的训练过程包括：获取预设数量的历史营销数据，每个历史营销数据包括营销产品...

【专利技术属性】
技术研发人员：王建明，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44