一种基于分类模型评估投放权益的方法和装置制造方法及图纸

本说明书实施例提供了一种基于分类模型评估投放权益的方法和装置，所述方法包括：获取与第一投放权益对应的特征数据，所述特征数据包括：第一投放权益的属性特征、所述第一投放权益的应用对象的特征、以及所述第一投放权益的投放人群的特征；将所述特征数据输入预先训练的分类模型，其中，所述分类模型为基于监督学习训练的模型；基于所述分类模型的输出获取所述第一投放权益的评估值。

A method and device for evaluating the rights and interests of investment based on classification model

【技术实现步骤摘要】
一种基于分类模型评估投放权益的方法和装置
本说明书实施例涉及机器学习
，更具体地，涉及一种基于分类模型评估投放权益的方法和装置。
技术介绍
在平台商户优惠券运营或推荐场景中，如何提供更优质的优惠券给用户，会直接影响用户在平台的用户体验，提供劣质的优惠券会让用户对这个平台失去信任，而对提供优惠券的商户来说，领取和使用优惠券的用户越多，则表示平台对商户的带客能力越强，并且会增加商户交易的客单价，甚至会带来更多的交易笔数和金额。如果商户提供的优惠券低劣，用户不感兴趣，平台流量对商户价值就大打折扣。从而，提供一种衡量优惠券质量的方法就非常重要。传统的优惠券质量衡量方法，通常通过统计的方法来得出，例如优惠金额多少，优惠门槛多少，优惠天数多少等，用这些指标来排序，排在前面的优惠券质量高。然而，这种指标排序的方法并不能正确的反映优惠券质量，运营人员在优惠券招商，或者商家在配置优惠券的时候，很难比较和衡量多个影响优惠券质量的因素究竟哪个更重要，便无法在排序时优先选择这些因素，当影响因素成百上千时，人工来挑选和比较这些因素变得非常困难。因此本文档来自技高网...

【技术保护点】
1.一种基于分类模型评估投放权益的方法，包括/n获取与第一投放权益对应的特征数据，所述特征数据包括：第一投放权益的属性特征、所述第一投放权益的应用对象的特征、以及所述第一投放权益的投放人群的特征；/n将所述特征数据输入预先训练的分类模型，其中，所述分类模型为基于监督学习训练的模型；/n基于所述分类模型的输出获取所述第一投放权益的评估值。/n

【技术特征摘要】
1.一种基于分类模型评估投放权益的方法，包括
获取与第一投放权益对应的特征数据，所述特征数据包括：第一投放权益的属性特征、所述第一投放权益的应用对象的特征、以及所述第一投放权益的投放人群的特征；
将所述特征数据输入预先训练的分类模型，其中，所述分类模型为基于监督学习训练的模型；
基于所述分类模型的输出获取所述第一投放权益的评估值。


2.根据权利要求1所述的方法，其中，所述第一投放权益的属性特征包括权益静态属性特征和权益价值特征。


3.根据权利要求2所述的方法，其中，所述第一投放权益为优惠券，所述权益静态属性特征包括以下至少一项特征：行业标签数量、券行业标签、券展示天数。


4.根据权利要求3所述的方法，其中，所述权益价值特征包括以下至少一项特征：优惠类型、优惠金额、优惠门槛金额、优惠力度、优惠权益天数。


5.根据权利要求1所述的方法，其中，所述应用对象为营销平台中的商户，所述应用对象的特征包括以下至少一项特征：商户收藏数、商户近30天流量、商户近30天交易笔数、商户近30天均客单价、商户近30天笔单价。


6.根据权利要求5所述的方法，其中，所述投放人群特征包括以下至少一项特征：近30天按性别分类的消费人群数量、近30天按年龄段分类的消费人群数量、近30天按职业分类的消费人群数量、近30天按收入分类的人群数量、近30天按客单价分类的人群数量。


7.根据权利要求1所述的方法，其中，所述特征数据还包括以下至少一项：所述投放的时间、所述投放的地理区域。


8.根据权利要求1所述的方法，其中，所述评估值与以下至少一项相对应：核销率、点击率、领取率、用券交易金额。


9.根据权利要求8所述的方法，其中，所述分类模型中预设了预定数目的等级，每个等级与预设的数值区间相对应，其中，基于所述分类模型的输出获取所述第一投放权益的评估值包括，通过所述分类模型输出所述第一投放权益在各个等级的概率，确定概率最大的等级作为所述第一投放权益的评估等级，基于所述评估等级的预设数值区间与该评估等级相应的概率，计算所述第一投放权益的评估值。


10.根据权利要求9所述的方法，其中，所述评估值与核销率相对应，所述预定数目的等级基于通过统计预定数目的样本获取的平均核销率和二八核销率而设定。


11.根据权利要求1所述的方法，其中，所述分类模型为树模型，所述方法还包括，基于所述树模型的模型结构，对所述第一投放权益的评估值进行预测解释。


12.根据权利要求11所述的方法，其中，所述特征数据中包括的特征基于所述分类模型的模型结构确定。


13.根据权利要求8所述的方法，其中，所述分类模型基于多个训练样本得到训练，每个训练样本与一个投放权益相对应，并且，每个训练样本包括：相应投放权益的特征数据、该投放权益的标签值。


14.根据权利要求11所述的方法，其中，所述每个训练样本对应的投放权益的领取量大于预定数值。


15.一种基于分类模型评估投放权益的装置，包括
第一获取单元，配置为，获取与第一投放权益对应的特征数据，所述特征数据包括：第一投放权益的属性特征、所述第一投放权益的应用对象的特征、以及所述第一投放权益的投放人群的特征；

【专利技术属性】
技术研发人员：戴红斌，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33