一种数据处理的方法、装置和电子设备制造方法及图纸

公开了一种数据处理的方法、装置和电子设备，用于解决现有技术中无法对潜在用户进行精确筛选，以及无法区分潜在用户下单可能性的不同程度，无法做到差异化的精准营销的问题。该方法包括：确定第一设定时间内任一商户的历史用户数据，其中，历史用户数据包括下单用户数据和未下单用户数据以及用户下单标记，用户下单标记用于表征用户在第一设定时间内是否下单；提取历史用户数据中各用户的用户特征,确定用户特征向量数据；根据用户特征向量数据确定模型训练集合；根据模型训练集合以及预设算法确定预测模型；根据测模型确定未下单用户的下单概率；根据所述未下单用户的下单概率对所述未下单用户进行分类。

【技术实现步骤摘要】
一种数据处理的方法、装置和电子设备
本公开涉及数据处理领域，具体涉及一种数据处理的方法、装置和电子设备。
技术介绍
随着社会的发展，人们的生活节奏也随之加快，外卖逐渐成为人们生活中的不可缺少的重要部分，外卖平台上的商户为了获得更好的收益，需要给一些潜在用户针对性的发送一些营销手段(例如，优惠券、金额满减等)，已激励用户下单。在现有技术中，在对某一商户进行潜在用户挖掘时，首先统计已在该商户下过单的用户的平台属性(例如，客单价，访问频次，口味偏好，菜式偏好等)，然后根据已在该商户下过单的用户的平台属性定义筛选潜在用户的规则，最后按照上述定义的筛选潜在用户的规则，在未下单的用户中挖掘出在该商户可能下单的潜在用户。举例说明，为星巴克进行潜在用户挖掘时，首先统计已在星巴克下单的用户的平台属性，然后根据已在星巴克下单的用户的平台属性定义筛选潜在用户的规则为客单价大于等于60、口味偏好为奶茶饮料，最后按照定义的客单价大于等于60、口味偏好为奶茶饮料的规则，从未下单用户中筛选出用户平台属性为客单价大于等于60、口味偏好为奶茶饮料的用户，作为星巴克的潜在用户。由于筛选潜在用户的规则是人工定义的，规则数本文档来自技高网...

【技术保护点】
1.一种数据处理的方法，其特征在于，包括：确定第一设定时间内任一商户的历史用户数据，其中，所述历史用户数据包括下单用户数据和未下单用户数据以及用户下单标记，所述用户下单标记用于表征用户在所述第一设定时间内是否下单；提取所述历史用户数据中各用户的用户特征,确定用户特征向量数据；根据所述用户特征向量数据确定模型训练集合；根据所述模型训练集合以及预设算法确定预测模型；根据所述预测模型确定未下单用户的下单概率；根据所述未下单用户的下单概率对所述未下单用户进行分类。

【技术特征摘要】
1.一种数据处理的方法，其特征在于，包括：确定第一设定时间内任一商户的历史用户数据，其中，所述历史用户数据包括下单用户数据和未下单用户数据以及用户下单标记，所述用户下单标记用于表征用户在所述第一设定时间内是否下单；提取所述历史用户数据中各用户的用户特征,确定用户特征向量数据；根据所述用户特征向量数据确定模型训练集合；根据所述模型训练集合以及预设算法确定预测模型；根据所述预测模型确定未下单用户的下单概率；根据所述未下单用户的下单概率对所述未下单用户进行分类。2.如权利要求1所述的方法，其特征在于，所述提取所述历史用户数据中各用户的用户特征,确定用户特征向量数据，具体包括：提取所述历史用户数据中各用户的用户特征，确定用户特征数据；根据所述用户特征数据与所述历史用户数据中包括的所述用户下单标记，确定出标记后的用户特征数据，其中，所述标记后的用户数据特征中包括字符串；将所述标记后的用户特征数据中包括的所述字符串按照设定方式进行向量化，确定出所述用户特征向量数据。3.如权利要求1所述的方法，其特征在于，所述根据所述用户特征向量数据确定模型训练集合，具体包括：将所述用户特征向量数据按照所述用户下单标记划分为模型训练集合与模型预测集合；根据所述预测模型确定未下单用户的下单概率，具体包括：根据所述预测模型确定出所述模型预测集合中所述未下单用户的下单概率。4.如权利要求1所述的方法，其特征在于，所述根据所述未下单用户的下单概率对所述未下单用户进行分类，具体包括：将所述未下单用户按照所述下单概率进行排序，将所述排序序列中的前N名划分为目标用户，其中，N为大于等于1的正整数。5.如权利要求1所述的方法，其特征在于，所述根据所述未下单用户的下单概率对所述未下单用户进行分类，具体包括：确定所述下单概率的阈值，将所述下单概率大于或等于所述阈值的未下单用户划...

【专利技术属性】
技术研发人员：周小又，
申请(专利权)人：北京小度信息科技有限公司，
类型：发明
国别省市：北京,11