基于大数据算法的时机营销模型及建立方法技术

本发明专利技术涉及营销技术领域，尤其是基于大数据算法的时机营销模型及建立方法。该模型包括获取模块、模型训练模块、运行模块、样本跑批模块、最终训练模块。本发明专利技术所建立的营销模型，可以在获得客户相关信息后，对待营销客户进行分析，减少模型评判营销时机的偏差，改善了营销KS值的判别能力。KS值的判别能力。

【技术实现步骤摘要】
基于大数据算法的时机营销模型及建立方法


[0001]本专利技术涉及营销
，尤其是基于大数据算法的时机营销模型及建立方法。

技术介绍

[0002]通过分析客户的行为和消费偏好来分析出客户的需求与消费场景。但是现有的对于客户需求的分析都是人工进行，因此效率较低。

技术实现思路

[0003]为了解决
技术介绍
中描述的现有技术的不足，本专利技术提供了一种基于大数据算法的时机营销模型及建立方法，本申请所建立的营销模型，可以在获得客户相关信息后，对待营销客户进行分析，减少模型评判营销时机的偏差，改善了营销KS值的判别能力。
[0004]本专利技术解决其技术问题所采用的技术方案是：
[0005]一种基于大数据算法的时机营销模型，该模型包括获取模块、模型训练模块、运行模块、样本跑批模块、最终训练模块。
[0006]一种基于大数据算法的建立方法，包括以下步骤：
[0007]A)获取客户相关信息及营销KS值作为A类样本；
[0008]B)利用A类样本对模型进行训练，得到初步时机营销模型；
[0009]C)获取营销后无响应的客户相关信息后，将该信息输入初步时机营销模型，得到无响应的客户营销KS值；
[0010]D)将客户相关信息及营销KS值作为B类样本；
[0011]E)初始化模型，利用B类样本信息对初始化模型进行训练，得到最终时机营销模型。
[0012]具体地，步骤A)中，所述客户信息包括营销后客户响应信息和营销响应客户的相关信息。
[0013]具体地，步骤D)中，所述客户相关信息包括营销后响应客户相关信息和无响应客户相关信息。
[0014]本专利技术的有益效果是：本专利技术提供了一种基于大数据算法的时机营销模型及建立方法，本申请所建立的营销模型，可以在获得客户相关信息后，对待营销客户进行分析，减少模型评判营销时机的偏差，改善了营销KS值的判别能力。
具体实施方式
[0015]一种基于大数据算法的时机营销模型(best timing model)，该模型的获取模块用于获取营销后客户响应信息(包括营销响应客户的相关信息)及营销KS值作为A样本。
[0016]模型训练模块用于初始化模型，并利用所述A样本对初始化后的模型进行训练，训练结束后得到初步时机营销模型。
[0017]运行模块用于获取营销无响应客户的相关信息并输入到所述初步时机营销模型，
得到所述营销无响应客户的营销KS值。
[0018]样本跑批模块将营销后响应客户、无响应客户的相关信息及营销KS值作为B样本。
[0019]最终训练模块利用B样本对初始化后的模型进行训练，训练结束后得到最终时机营销模型。
[0020]上述营销响应客户及无响应客户的相关信息包括但不限于浏览场景、浏览行为、消费偏好、消费能力等其他数据，模型营销KS值越高表示营销响应越高。
[0021]上述营销时机模型的建立方法，是利用营销响应客户、无响应客户相关信息及营销KS值作为训练样本，这样可减少模型评判营销时机的偏差，改善了营销KS值的判别能力，并且给出了一个量化可操作的过程。
[0022]上述信用评分可以为0
‑
100范围之间的数值，数值越大表示营销响应越高，也可以为其他的范围如0
‑
10之间的数值。
[0023]利用训练结束后得到最终时机营销模型，在获得待营销客户相关信息后，可以利用上述模型，得到待营销客户的评分，进一步地，还可以设定相应的阈值，大于该阈值认为响应度高，小于该阈值为响应度低。
[0024]一种基于大数据算法的建立方法，包括以下步骤：
[0025]A)获取营销后客户响应信息和营销响应客户的相关信息及营销KS值作为A类样本；
[0026]B)利用A类样本对模型进行训练，得到初步时机营销模型；
[0027]C)获取营销后无响应的客户相关信息后，将该信息输入初步时机营销模型，得到无响应的客户营销KS值；
[0028]D)将营销后响应客户相关信息和无响应客户相关信息及营销KS值作为B类样本；
[0029]E)初始化模型，利用B类样本信息对初始化模型进行训练，得到最终时机营销模型。
[0030]以上述依据本专利技术的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项专利技术技术思想的范围内，进行多样的变更以及修改。本项专利技术的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据算法的时机营销模型，其特征在于，该模型包括获取模块、模型训练模块、运行模块、样本跑批模块、最终训练模块。2.根据权利要求1所述的基于大数据算法的建立方法，其特征在于，包括以下步骤：A)获取客户相关信息及营销KS值作为A类样本；B)利用A类样本对模型进行训练，得到初步时机营销模型；C)获取营销后无响应的客户相关信息后，将该信息输入初步时机营销模型，得到无响应的客户营销KS值；D)将...

【专利技术属性】
技术研发人员：赖金辉，李日，孟佩，
申请(专利权)人：苏州狼蛛智能科技有限公司，
类型：发明
国别省市：