一种基于电商平台对货品的精准辅助式投放系统技术方案

本发明专利技术公开一种基于电商平台对货品的精准辅助式投放系统，依次为场景建模、训练阶段、使用阶段以及优化阶段四个步骤，在进行所述场景建模时，设定4个对象以及各个对象的具体特征维度：然后所述训练阶段首先搭建稳定的历史数据储存库，将场景模型借助所述场景建模情况以逐条数据的形式储存，不同的特征维度具有不同的量化规范；其次所述使用阶段中使用模式分为四类，分别为预测人群，预测商品、预测投放操作以及预测效益，最后进行优化，本发明专利技术采用搭建完备的电商货品净赚投放场景的量化体系，借助由此衍生的一系列量化规范及算法模块(分别针对人群、货品、投放操作、预期效益)，能够实现面向使用者的灵活的功能创建及模块调用的平台型产品。

A precise auxiliary delivery system for goods based on e-commerce platform

【技术实现步骤摘要】
一种基于电商平台对货品的精准辅助式投放系统
本专利技术涉及广告投放
，具体是指的一种基于电商平台对货品的精准辅助式投放系统。
技术介绍
目前，随着电商平台的逐渐发展，在进行广告投放时根据设定的人群、出价等由专门的人员手动操作将广告投放到电商平台，整个的操作需要人力来完成，预期的效果也得不到保证，操作人员需要花费大量的时间来观察投放广告的流量情况，根据具体情况及时做出调整。工作繁琐，耗时，投手压力大，现有的有关客户匹配的网络营销系统，不论是人群定向工具还是基于客户匹配的网络营销系统，他们都只局限于客户匹配的功能，所有的营销都是围绕客户来做的。在网络营销的整个过程中，客户固然是重中之重，如果对商品，网络营销操作以及预期效益的把控不足，也会使现有技术在整个庞大的网络营销的过程中起到的作用过于单薄，其次，现有的网络营销系统，大都采现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。相比于人工智能，这种技术下的营销系统所给出的结果固然有参考价值，但是在准确性和灵活性方面仍然有很大的提升空间。r>专利技术本文档来自技高网...

【技术保护点】
1.一种基于电商平台对货品的精准辅助式投放系统，其特征在于，依次为场景建模、训练阶段、使用阶段以及优化阶段四个步骤，在进行所述场景建模时，设定对象以及各个对象的具体特征维度：/n(a).人群：性别分布、年龄分布、购买力分布、促销敏感度分布、会员等级分布、地域分布；/n(b).商品：价格、重量、体积、产地、商品类别、是否自营、是否官方、是否优惠、购买人群的特征；/n(c).投放操作：投放渠道、媒体匹配、投放日期；/n(d).效益：投放消耗、展现量、点击量、订单量；/n所述训练阶段首先搭建稳定的历史数据储存库，将场景模型借助所述场景建模情况以逐条数据的形式储存，不同的特征维度具有不同的量化规范；/...

【技术特征摘要】
1.一种基于电商平台对货品的精准辅助式投放系统，其特征在于，依次为场景建模、训练阶段、使用阶段以及优化阶段四个步骤，在进行所述场景建模时，设定对象以及各个对象的具体特征维度：
(a).人群：性别分布、年龄分布、购买力分布、促销敏感度分布、会员等级分布、地域分布；
(b).商品：价格、重量、体积、产地、商品类别、是否自营、是否官方、是否优惠、购买人群的特征；
(c).投放操作：投放渠道、媒体匹配、投放日期；
(d).效益：投放消耗、展现量、点击量、订单量；
所述训练阶段首先搭建稳定的历史数据储存库，将场景模型借助所述场景建模情况以逐条数据的形式储存，不同的特征维度具有不同的量化规范；
其次搭建模型结构库，即用于储存及调取各式可用的机器学习模型结构的数据库，具体模型包括：决策树、深度神经网络、支持向量机，同时还需要用于储存已完成训练的模型的参数及超参数的模型参数库，该数据库的内容以各个模型结构为索引，可借助Xgboost或PyTorch框架来实现相关的参数储存，与此同时，各模型参数所对应的性能(精确度、召回率)也要一一储存，最后通过模型训练脚本将三种库执行数据交互；
所述使用阶段中使用模式分为四类，分别为预测人群，预测商品、预测投放操作以及预测效益，
(a).预测人群：以其它三组对象的特征数值作为输入，预测向具备什么特征的人群进行投放，会达到与...

【专利技术属性】
技术研发人员：裴正奇，王子扬，聂泽宁，
申请(专利权)人：武汉黑松露科技有限公司，
类型：发明
国别省市：湖北;42