一种基于大数据的营销系统技术方案

本发明专利技术公开了一种基于大数据的营销系统，属于大数据营销技术领域，包括客户端、营销平台、客户信息采集模块、产品信息采集模块、数据处理模块、数据存储模块、大数据分析模块和营销推广模块；其中，客户端主要包括注册登录单元，营销平台主要包括商品展示单元、信息检索单元和客户信息记录单元；大数据分析模块包括客户群分类单元和关联度划分单元；本发明专利技术首先通过提取用户大数据信息，并利用机器学习实现了不同客户群的精准划分，之后利用关联算法将不同客户群和销售产品进行关系分析，得到高、中和低三个关联度等级，最后根据高关联度等级进行营销推广，实现了精准营销；进而有利于提高营销效率和营销回报率。

【技术实现步骤摘要】
一种基于大数据的营销系统
本专利技术涉及大数据营销
，尤其涉及一种基于大数据的营销系统。
技术介绍
经检索，中国专利号CN103024705A公开了一种用于移动广告短信营销的方法，该专利技术虽然优化了广告推广方式，但广告发送不精准，无法实现精准营销，容易造成销营销回报率低；大数据(bigdata)，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；目前，随着电子商务的不断发展，以及物流运输系统的不断完善，越来越多的客户选择网上在线消费，但由于客户的类别属性、兴趣爱好和收入水平等都不同，就决定了大范围普适性的发送营销广告，不仅效率极低，回报率差，而且成本高；随着大数据技术的不断完善，如何将大数据技术和营销完美结合，实现精准营销，以提升客户购买体验感和购买忠诚度，成为当下研究重点；因此，专利技术出一种基于大数据的营销系统变得尤为重要。现有的营销系统，大多采用大范围普适性的方式发送营销广告，此种方式不仅效率极低，回报率差，而且成本高，无法实现对客户的个性化精准营销；为此，我们提出一种基于大数据的营销系统。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种基于大数据的营销系统。为了实现上述目的，本专利技术采用了如下技术方案：一种基于大数据的营销系统，包括客户端、营销平台、客户信息采集模块、产品信息采集模块、数据处理模块、数据存储模块、大数据分析模块和营销推广模块；其中，所述客户端主要包括注册登录单元，所述营销平台主要包括商品展示单元、信息检索单元和客户信息记录单元；所述大数据分析模块包括客户群分类单元和关联度划分单元；所述客户端具体为手机、Ipad或电脑。进一步地，所述注册登录单元用于客户通过填写个人信息的方式进行营销平台账号注册，所述个人信息包括姓名、生日、爱好和手机号。进一步地，所述商品展示单元用于展示销售产品信息；所述信息检索单元用于客户根据自身需求进行商品检索；所述客户信息记录单元主要用于记录客户的隐性信息和历史交易记录信息；所述销售产品信息主要包括产品价格、产品类型和产品用途；所述隐性信息包括客户检索关键词和客户商品页面停留时间。进一步地，所述客户信息采集模块用于收集个人信息、隐性信息和历史交易记录信息，并上传至数据处理模块；所述产品信息采集模块用于收集销售产品信息，并上传至数据处理模块；所述数据处理模块用于对收集到的个人信息、隐性信息、历史交易记录信息和销售产品信息进行清洗、转换、加载、归一化、关联、分类、去噪和相关性分析处理；所述数据存储模块用于存储经过数据处理模块处理后的个人信息、隐性信息、历史交易记录信息和销售产品信息。进一步地，所述大数据分析模块用于利用个人信息、隐性信息、历史交易记录信息和销售产品信息进行客户群分类和关联度计算处理；所述客户群分类单元用于利用机器学习算法，并结合个人信息、隐性信息和历史交易记录信息对客户进行客户群分类，其具体分类过程如下：S1：提取个人信息、隐性信息和历史交易记录信息的数据特征，得到训练集1、训练集2和训练集3；S2：构建多个分类器，分别将训练集1、训练集2和训练集3放入多个分类器中，得到分类模型一、分类模型二和分类模型三；S3：针对每个单独客户，由分类模型一、分类模型二和分类模型三分别进行检测；获得客户量化特征一、客户量化特征二和客户量化特征三；S4：构建集成分类器，将客户量化特征一、客户量化特征二和客户量化特征三作为集成分类器的输入数据，通过集成学习训练得到集成模型；S5：再由集成模型将客户划分为若干个同质化的客户群；所述多个分类器均具体为K-means算法，其公式如下：所述集成分类器具体为BP神经网络算法，其具体公式如下：进一步地，所述关联度划分单元用于利用关联算法将若干个同质化的客户群和销售产品信息进行关联度计算，并分析客户和产品之间的关系，其具体分析过程如下：SS1：提取若干个同质化的客户群和销售产品信息的特征数据，利用Apriori算法对其进行关联度计算，得到关联度数据集；SS2：对关联度数据集进行等级划分，得到高、中和低三个关联度等级；所述营销推广模块用于根据高关联度等级为客户提供产品推广和产品推荐，实现精准营销；所述Apriori算法过程如下：SSS1：将若干个同质化的客户群和销售产品信息的特征数据分别做成数据库X和Y，并计算最小支持度阈值minsupport；SSS2：通过不断迭代，检索出数据库中的所有频繁项集，即关联度数据集；所述最小支持度阈值minsupport计算公式如下：相比于现有技术，本专利技术的有益效果在于：1、本专利技术设置有客户群分类单元，其具体分类过程如下：第一步提取个人信息、隐性信息和历史交易记录信息的数据特征，得到训练集1、训练集2和训练集3；第二步构建多个分类器，分别将训练集1、训练集2和训练集3放入多个分类器中，得到分类模型一、分类模型二和分类模型三；第三步针对每个单独客户，由分类模型一、分类模型二和分类模型三分别进行检测；获得客户量化特征一、客户量化特征二和客户量化特征三，第四步构建集成分类器，将客户量化特征一、客户量化特征二和客户量化特征三作为集成分类器的输入数据，通过集成学习训练得到集成模型；第五步再由集成模型将客户划分为若干个同质化的客户群；实现了客户群的精准划分，进而有利于提高后续精准营销的成功率；2、本专利技术设置有关联度划分单元和营销推广模块；其关联度划分单元通过利用关联算法将若干个同质化的客户群和销售产品信息进行关联度计算，并分析客户和产品之间的关系，得到高、中和低三个关联度等级；然后营销推广模块提取高关联度等级，并根据其为客户提供产品推广和产品推荐，有利于实现对客户的个性化精准营销，进而有利于提高营销效率和营销回报率。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。图1为本专利技术提出的一种基于大数据的营销系统的整体结构示意图；图2为本专利技术提出的一种基于大数据的营销系统的整体流程示意图。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。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。参照图1，一种基于大数据的营销系统，包括客户端、营销平台、客户信息采集模块、产品信息采本文档来自技高网...

【技术保护点】
1.一种基于大数据的营销系统，其特征在于，包括客户端、营销平台、客户信息采集模块、产品信息采集模块、数据处理模块、数据存储模块、大数据分析模块和营销推广模块；/n其中，所述客户端主要包括注册登录单元，所述营销平台主要包括商品展示单元、信息检索单元和客户信息记录单元；所述大数据分析模块包括客户群分类单元和关联度划分单元；所述客户端具体为手机、Ipad或电脑。/n

【技术特征摘要】
1.一种基于大数据的营销系统，其特征在于，包括客户端、营销平台、客户信息采集模块、产品信息采集模块、数据处理模块、数据存储模块、大数据分析模块和营销推广模块；
其中，所述客户端主要包括注册登录单元，所述营销平台主要包括商品展示单元、信息检索单元和客户信息记录单元；所述大数据分析模块包括客户群分类单元和关联度划分单元；所述客户端具体为手机、Ipad或电脑。


2.根据权利要求1所述的一种基于大数据的营销系统，其特征在于，所述注册登录单元用于客户通过填写个人信息的方式进行营销平台账号注册，所述个人信息包括姓名、生日、爱好和手机号。


3.根据权利要求1所述的一种基于大数据的营销系统，其特征在于，所述商品展示单元用于展示销售产品信息；所述信息检索单元用于客户根据自身需求进行商品检索；所述客户信息记录单元主要用于记录客户的隐性信息和历史交易记录信息；所述销售产品信息主要包括产品价格、产品类型和产品用途；所述隐性信息包括客户检索关键词和客户商品页面停留时间。


4.根据权利要求1所述的一种基于大数据的营销系统，其特征在于，所述客户信息采集模块用于收集个人信息、隐性信息和历史交易记录信息，并上传至数据处理模块；所述产品信息采集模块用于收集销售产品信息，并上传至数据处理模块；所述数据处理模块用于对收集到的个人信息、隐性信息、历史交易记录信息和销售产品信息进行清洗、转换、加载、归一化、关联、分类、去噪和相关性分析处理；所述数据存储模块用于存储经过数据处理模块处理后的个人信息、隐性信息、历史交易记录信息和销售产品信息。


5.根据权利要求1所述的一种基于大数据的营销系统，其特征在于，所述大数据分析模块用于利用个人信息、隐性信息、历史交易记录信息和销售产品信息进行客户群分类和关联度计算处理；所述客户群分类单元用于利用机器学习算法...

【专利技术属性】
技术研发人员：江之龙，
申请(专利权)人：江之龙，
类型：发明
国别省市：浙江;33