优惠券派发策略的选择方法及装置制造方法及图纸

本发明专利技术提供一种优惠券派发策略的选择方法及装置，通过获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；根据预测的分组指标值以不同的分组方式对待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；然后获取每一备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中；最后以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。本发明专利技术的方法可以实现对于任意一待发券人群均可快速获得最优的优惠券派发策略，从而达到差异化运营，提高待发券人群中用户的消费意愿，给企业带来最大的收益。

【技术实现步骤摘要】
优惠券派发策略的选择方法及装置
本专利技术涉及通信
，尤其涉及一种优惠券派发策略的选择方法及装置。
技术介绍
面对激烈的市场竞争，企业往往会通过给用户发送优惠券的运营策略，以低价刺激需求，给企业带来更大的经济效益。然而，如果大规模无差别的派发优惠券，不仅没有起到经济激励效果，反而给企业带来亏损。因此，需要根据用户的转化率、用户的券敏感度等因素，对不同层次转化率的用户人群发送不同额度的优惠券，通过差异化运营策略，从而提高用户的消费意愿，给企业带来最大的收益，以使投资回报率(ReturnOnInvestment，ROI)达到最大。而现有技术中对于优惠券派发策略的选择，通常先根据历史数据设定几种备选策略，再计算投资回报率，选择其中投资回报率最高的一种作为最终策略。现有技术的优惠券派发策略的选择方法最后得到的策略可能并不是最优的优惠券派发策略，无法很好的达到差异化运营。
技术实现思路
本专利技术提供一种优惠券派发策略的选择方法及装置，以实现确定最优的优惠券派发策略，从而更好的达到差异化运营，提高用户的消费意愿，给企业带来最大的收益。本专利技术的一个方面是提供一种优惠券派发策略的选择方法，所述方法包括：获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。进一步的，所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值前，还包括：根据样本人群的消费历史数据获取所述样本人群在过去第一阶段的消费历史数据和所述第一阶段后相邻的第二阶段中的分组指标值；根据所述样本人群在过去相邻的第一阶段消费历史数据和第二阶段中的分组指标值，采用机器学习算法获取分组指标预测模型；所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值，包括：获取所述待发券人群中每一用户的消费历史数据，并输入到所述分组指标预测模型中以获取所述待发券人群中每一用户在未来预定时间内的预测的分组指标值。进一步的，所述方法还包括：获取多个的训练策略，所述多个训练策略根据分组指标值以不同的分组方式分组，并对各分组方式中的各分组分别设定优惠券额度；根据样本人群的消费历史数据，获取与各所述训练策略匹配的用户形成对应的实验组，以及获取未发券用户作为空白组，并根据各实验组和所述空白组的消费历史数据，获取每一所述训练策略的ROI及其各分组的用户特征信息；将每一所述训练策略的ROI及其各分组的用户特征信息作为训练集，采用机器学习算法获取所述ROI预测模型。进一步的，所述分组指标为成交金额GMV、券转化率或流失率。进一步的，所述机器学习算法为梯度提升决策树算法。本专利技术的另一个方面是提供一种优惠券派发策略的选择装置，所述装置包括：分组指标值预测模块，用于获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；策略生成模块，用于根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；获取模块，用于获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；最优策略获取模块，用于以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。进一步的，所述装置还包括分组指标预测模型训练模块，用于：根据样本人群的消费历史数据获取所述样本人群在过去第一阶段的消费历史数据和所述第一阶段后相邻的第二阶段中的分组指标值；根据所述样本人群在过去相邻的第一阶段消费历史数据和第二阶段中的分组指标值，采用机器学习算法获取分组指标预测模型；所述分组指标值预测模块具体用于：获取所述待发券人群中每一用户的消费历史数据，并输入到所述分组指标预测模型中以获取所述待发券人群中每一用户在未来预定时间内的预测的分组指标值。进一步的，所述装置还包括ROI预测模型训练模块，用于：获取多个的训练策略，所述多个训练策略根据分组指标值以不同的分组方式分组，并对各分组方式中的各分组分别设定优惠券额度；根据样本人群的消费历史数据，获取与各所述训练策略匹配的用户形成对应的实验组，以及获取未发券用户作为空白组，并根据各实验组和所述空白组的消费历史数据，获取每一所述训练策略的ROI及其各分组的用户特征信息；将每一所述训练策略的ROI及其各分组的用户特征信息作为训练集，采用机器学习算法获取所述ROI预测模型。进一步的，所述分组指标为成交金额GMV、券转化率或流失率。进一步的，所述机器学习算法为梯度提升决策树算法。本专利技术的另一个方面是提供一种优惠券派发策略的选择装置，所述装置包括：存储器、处理器、以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的方法。本专利技术提供的优惠券派发策略的选择方法及装置，通过获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；根据预测的分组指标值以不同的分组方式对待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；然后获取每一备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中；最后以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。本专利技术的方法可以实现对于任意一待发券人群均可快速获得最优的优惠券派发策略，从而达到差异化运营，提高待发券人群中用户的消费意愿，给企业带来最大的收益。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为本专利技术实施例提供的优惠券派发策略的选择方法流程图；图2为本专利技术另一实施例提供的优惠券派发策略的选择方法流程图；图3为本专利技术另一实施例提供的优惠券派发策略的选择方法流程图；图4为本专利技术实施例提供的优惠券派发策略的选择装置的结构图；图5为本专利技术另一实施例提供的优惠券派发策略的选择装置的结构图。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。图1为本专利技术实施例提供的优惠券派发策略的选择方法流程图。如图1所示，本实施例提供了一种优惠券派发策略的选择方法，该方法具体步骤如下：S101、获取待发券人群中每一用户在未来预定时间内的预测的分组指标值。在本实施例中，首先预测待发券人群中每一用户在预定时间本文档来自技高网...

【技术保护点】
1.一种优惠券派发策略的选择方法，其特征在于，包括：获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。

【技术特征摘要】
1.一种优惠券派发策略的选择方法，其特征在于，包括：获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。2.根据权利要求1所述的方法，其特征在于，所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值前，还包括：根据样本人群的消费历史数据获取所述样本人群在过去第一阶段的消费历史数据和所述第一阶段后相邻的第二阶段中的分组指标值；根据所述样本人群在过去相邻的第一阶段消费历史数据和第二阶段中的分组指标值，采用机器学习算法获取分组指标预测模型；所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值，包括：获取所述待发券人群中每一用户的消费历史数据，并输入到所述分组指标预测模型中以获取所述待发券人群中每一用户在未来预定时间内的预测的分组指标值。3.根据权利要求1所述的方法，其特征在于，还包括：获取多个的训练策略，所述多个训练策略根据分组指标值以不同的分组方式分组，并对各分组方式中的各分组分别设定优惠券额度；根据样本人群的消费历史数据，获取与各所述训练策略匹配的用户形成对应的实验组，以及获取未发券用户作为空白组，并根据各实验组和所述空白组的消费历史数据，获取每一所述训练策略的ROI及其各分组的用户特征信息；将每一所述训练策略的ROI及其各分组的用户特征信息作为训练集，采用机器学习算法获取所述ROI预测模型。4.根据权利要求2或3任一项所述的方法，其特征在于，所述分组指标为成交金额GMV、券转化率或流失率。5.根据权利要求4所述的方法，其特征在于，所述机器学习算法为梯度提升决策树算法。6.一种优惠券派发策略的选择装置，其特征在于，包括：分组指标值预测模块，用于获取待发券人群中每一用户在未来预定时间...

【专利技术属性】
技术研发人员：杨文君，李奘，李思旭，成石，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京,11