一种人群特征比较方法技术

本发明专利技术公开了一种人群特征比较方法，属于营销技术领域，包括以下步骤：S1：构建人群画像标签库；S2：构建初始人群标签权重库；S3：构建人群特征模型；S4：随机从人群画像标签库内选取基础人群，即圈选人群，参与大量营销活动；S5：获取活动的结果数据，根据结果数据优化初始人群标签权重库的标签权重，得到新的人群标签权重库；S6：通过人群特征模型计算圈选人群和基础人群的相关性；S7：根据相关性的计算结果，选择相关性较接近的人群用于营销活动；本发明专利技术的人群特征比较方法不仅考虑到整体标签画像的特征，而且还叠加有权重知识库，得到的人群特征比较结果较为客观。人群特征比较结果较为客观。人群特征比较结果较为客观。

【技术实现步骤摘要】
一种人群特征比较方法


[0001]本专利技术属于营销
，具体涉及一种人群特征比较方法。

技术介绍

[0002]在日常营销活动中，通常需要先对人群进行圈选，再对圈选的人群进行定向活动输出，因此我们需要知道圈选人群的差异，才能更好的进行活动推广。
[0003]现有对于圈选人群差异化的比较方法是先基础特征建模，再进行比较，该种方法因素考虑不够全面，结果不够客观。

技术实现思路

[0004]为解决上述
技术介绍
中提出的问题。本专利技术提供了一种人群特征比较方法，具有得到的人群特征比较结果较为客观的特点。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种人群特征比较方法，包括以下步骤：
[0006]S1：构建人群画像标签库；
[0007]S2：构建初始人群标签权重库；
[0008]S3：构建人群特征模型；
[0009]S4：随机从人群画像标签库内选取基础人群，即圈选人群，参与大量营销活动；
[0010]S5：获取活动的结果数据，根据结果数据优化初始人群标签权重库的标签权重，得到新的人群标签权重库；
[0011]S6：通过人群特征模型计算圈选人群和基础人群的相关性；
[0012]S7：根据相关性的计算结果，选择相关性较接近的人群用于营销活动。
[0013]本专利技术中进一步的，所述步骤S1中，人群画像标签库的具体构建步骤：
[0014]S11：数据采集模块分别采集人群的基础信息、网站的浏览行为信息、网站的交互信息、风控信息；
[0015]S12：数据处理模块对数据采集模块采集到的数据信息进行分类，对个人建立对应的标签，得到人群标签库；
[0016]S13：模型算法模块为人群标签库内的个人进行画像，得到人群画像标签库。
[0017]本专利技术中进一步的，所述步骤S2中，人群标签权重库的具体构建步骤：
[0018]S21：按照同样的步骤构建人群画像标签库；
[0019]S22：根据行业经验为人群画像标签库内的个人标签赋予权重初始值，得到人群权重标签库。
[0020]本专利技术中进一步的，所述步骤S3中，人群特征模型的具体构建步骤为：
[0021]S31：数据采集模块分别采集人群的基础信息、网站的浏览行为信息和网站的交互信息；
[0022]S32：数据预处理模块对数据采集模块采集的数据信息进行预处理，剔除不完整、
重复的数据信息；
[0023]S33：数据提取模块分别提取人群在网站上的点击、浏览、下载、收藏以及其他与行为特征相关的因子；
[0024]S34：构建初始人群特征模型；
[0025]S35：对初始人群特征模型进行验证，直至初始人群特征模型的计算准确率达到95％，得到人群特征模型。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]本专利技术通过先构建人群画像库，再使用人群特征模型建模，后结合人群标签权重库的方法进行人群特征比较，该种比较方法不仅考虑到整体标签画像的特征，而且还叠加有权重知识库，得到的人群特征比较结果较为客观。
附图说明
[0028]图1为本专利技术人群特征比较方法的流程图。
具体实施方式
[0029]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。
[0030]请参阅图1，本专利技术提供以下技术方案：一种人群特征比较方法，包括以下步骤：
[0031]S1：构建人群画像标签库；
[0032]本步骤中，人群画像标签库的标签分别为：
[0033]标签1、标签2、
……
、标签N；
[0034]S2：构建初始人群标签权重库；
[0035]本步骤中，初始人群标签权重分别为：
[0036]标签1的权重为γ1、标签2的权重为γ2、
……
、标签N的权重为γ
N
，其中，γ1、γ2、
……
、γ
N
的权重值相等；
[0037]S3：构建人群特征模型；
[0038]本步骤中，人群特征模型公式为：
[0039]V(f
x
)＝(w
x1
,w
x2
……
w
xn
)，
[0040]V(f
y
)＝(w
y1
,w
y2
……
w
yn
)，
[0041]其中，fx为圈选人群，fy为基础人群，w为行为特征因子，该人群特征模型公式仅为示例，具体实施时以构建出的人群特征模型公式为主；
[0042]S4：随机从人群画像标签库内选取基础人群，即圈选人群，参与大量营销活动；
[0043]S5：获取活动的结果数据，根据结果数据优化初始人群标签权重库的标签权重，得到新的人群标签权重库；
[0044]本步骤中，根据结果数据优化标签权重，标签1的权重为新的γ1、标签2的权重为新的γ2、
……
、标签N的权重为新的γ
N
；
[0045]S6：通过人群特征模型计算圈选人群和基础人群的相关性；
[0046]本步骤中，运营人员以活动所需要的定向进行圈选的人群作为圈选人群，以历史人群作为基础人群，相关性的计算公式为：
[0047]V(f
x
)＝(w
x1
,w
x2
……
w
xn
)*(γ
x1
,γ
x2
……
γ
xn
)，
[0048]V(f
y
)＝(w
y1
,w
y2
……
w
yn
)*(γ
y1
,γ
y2
……
γ
yn
)，
[0049][0050]S7：根据相关性的计算结果，选择相关性较接近的人群用于营销活动。
[0051]具体的，步骤S1中，人群画像标签库的具体构建步骤：
[0052]S11：数据采集模块分别采集人群的基础信息、网站的浏览行为信息、网站的交互信息、风控信息；
[0053]S12：数据处理模块对数据采集模块采集到的数据信息进行分类，对个人建立对应的标签，得到人群标签库；
[0054]S13：模型算法模块为人群标签库内的个人进行画像，得到人群画像标签库。
[0055]具体的，步骤S2中，人群标签权重库的具体构建步骤：
[0056]S21：按照同样的步骤构建人群画像标签库；
[0057]S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人群特征比较方法，其特征在于，包括以下步骤：S1：构建人群画像标签库；S2：构建初始人群标签权重库；S3：构建人群特征模型；S4：随机从人群画像标签库内选取基础人群，即圈选人群，参与大量营销活动；S5：获取活动的结果数据，根据结果数据优化初始人群标签权重库的标签权重，得到新的人群标签权重库；S6：通过人群特征模型计算圈选人群和基础人群的相关性；S7：根据相关性的计算结果，选择相关性较接近的人群用于营销活动。2.根据权利要求1所述的一种人群特征比较方法，其特征在于：所述步骤S1中，人群画像标签库的具体构建步骤：S11：数据采集模块分别采集人群的基础信息、网站的浏览行为信息、网站的交互信息、风控信息；S12：数据处理模块对数据采集模块采集到的数据信息进行分类，对个人建立对应的标签，得到人群标签库；S13：模型算法模块为人群标签库内的个人进行画像，...

【专利技术属性】
技术研发人员：汤泽亮，
申请(专利权)人：杭州索引科技有限公司，
类型：发明
国别省市：