潜在用户的预测方法、系统、电子设备和存储介质技术方案

本发明专利技术公开了一种潜在用户的预测方法、系统、电子设备和存储介质，该方法包括：获取若干样本数据；样本数据对应种子对象的对象特征关联信息，种子对象包括种子用户和/或种子产品；基于样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户；根据每组第一潜在用户获取目标潜在用户。本发明专利技术有效地提高了挖掘潜在用户的准确率和效率；在利用种子产品挖掘潜在用户的链路中，基于电商平台的数据库内产品的专业词库构建多个向量库，利用了多个向量库进行融合推荐，保证了潜在用户输出的精度和效率，保证了潜在用户确定的数量和质量，满足高质量的广告等信息投放的目的。息投放的目的。息投放的目的。

【技术实现步骤摘要】
潜在用户的预测方法、系统、电子设备和存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种潜在用户的预测方法、系统、电子设备和存储介质。

技术介绍

[0002]随着互联网技术发展和电商平台的日趋成熟，在电商平台上消费购物成为日常生活的一部分。如今，越来越多的品牌通过电商平台开设官方店铺售卖货品。在店铺运营团队进行促销的过程中，如何更高效的找到新的用户是十分关键的能够提升最终销售额的环节；如何根据现在已拥有的用户信息(比如用户的偏好、可能的性别、年龄和消费能力信息)，和店铺内的产品信息，挖掘出潜在的用户，实现用户的精准触达是运营继续解决的问题。
[0003]目前，主要的挖掘潜在用户的方法如下：获得商家的样本用户的各个属性标签；统计样本用户的各个属性标签的分布特征；运用贝叶斯无向图网络，获得样本用户的各个属性标签的联合概率分布函数；运用梯度下降法得到对于样本用户拟合度最好的属性标签的权重，以及属性标签组合的权重；运用属性标签的权重，属性标签组合的权重，计算新用户成为商家的潜在用户的概率；根据新用户成为商家的潜在用户的概率，确定新用户是否是商家的潜在用户。然而，现有挖的掘潜在用户的方法，需要将样本用户的各个属性标签进行组合，需要遍历各种组合情况，存在计算复杂、浪费时间、投入成本较高，且推荐效率以及精度均较低等问题。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中挖掘潜在用户的方法的实现普遍存在计算复杂、效率低且精度不高等的缺陷，提供一种潜在用户的预测方法、系统、电子设备和存储介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]本专利技术一种潜在用户的预测方法，应用在电商平台中，所述预测方法包括：
[0007]获取若干样本数据；
[0008]其中，所述样本数据对应种子对象的对象特征关联信息，所述种子对象包括种子用户和/或种子产品；
[0009]基于所述样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户；
[0010]根据每组所述第一潜在用户获取目标潜在用户。
[0011]较佳地，所述根据每组所述第一潜在用户获取目标潜在用户的步骤包括：
[0012]获取业务需求信息；
[0013]基于所述业务需求信息对每组所述第一潜在用户进行筛选处理得到对应的第二潜在用户；
[0014]对每组所述第二潜在用户进行合并，得到所述目标潜在用户。
[0015]较佳地，所述对每组所述第二潜在用户进行合并，得到所述目标潜在用户的步骤之前还包括：
[0016]获取每组所述第二潜在用户的用户关联信息；
[0017]对所述用户关联信息进行评估处理，得到评估结果；
[0018]在所述评估结果满足预设合并条件时，则执行所述对每组所述第二潜在用户进行合并，得到所述目标潜在用户的步骤。
[0019]较佳地，在所述种子对象为所述种子用户时，所述获取若干样本数据的步骤之前包括：
[0020]选取若干满足预设购买行为的用户形成初始潜客池；
[0021]判断所述若干满足预设购买行为的用户的用户特征信息之间是否满足预设人群共性检测条件，若满足，则将所述初始潜客池作为所述预设潜客池。
[0022]较佳地，在确定所述预设潜客池之后，所述获取若干样本数据的步骤包括：
[0023]基于业务需求信息，从所述预设潜客池中获取与所述业务需求信息对应的历史订单信息，并基于所述历史订单信息获取所述种子用户和所述种子用户的用户特征关联信息，以作为所述样本数据；
[0024]或，
[0025]在所述预设潜客池中不存在与所述业务需求信息对应的历史订单信息时，则获取外部输入数据，并从所述外部输入数据获取所述种子用户的和所述种子用户的用户特征关联信息，以作为所述样本数据。
[0026]较佳地，在所述种子对象为所述种子用户时，所述基于所述样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户的步骤包括：
[0027]基于所述种子用户的用户特征关联信息和决策树算法训练得到潜在用户预测模型；
[0028]根据所述潜在用户预测模型输出的预测概率值，选取所述预设潜客池中所述预测概率值大于第一设定阈值的用户作为所述第一潜在用户；
[0029]或，
[0030]获取所述种子用户的用户特征关联信息的第一用户向量，以及所述预设潜客池中的用户的用户特征信息的第二用户向量；
[0031]计算得到所述第一用户向量与所述第二用户向量的第一向量相似度，选取所述预设潜客池中所述第一向量相似度大于第二设定阈值的用户作为所述第一潜在用户；
[0032]或，
[0033]分别获取所述种子用户已购买产品的第一历史产品信息，以及所述预设潜客池中的用户已购买产品的第二历史产品信息；
[0034]基于所述第一历史产品信息和所述第二历史产品信息，确定对所述种子用户的影响程度大于第三设定阈值的关键词；
[0035]将所述预设潜客池中所述关键词对应的用户作为所述第一潜在用户；
[0036]或，
[0037]基于所述用户特征关联信息和有向图网络，确定所述种子用户与所述预设潜客池
中的用户之间的用户相似度，选取所述预设潜客池中所述用户相似度大于第四设定阈值的用户作为所述第一潜在用户；
[0038]或，
[0039]获取所述种子用户的第一历史交易信息，并基于所述第一历史产品信息确定对应的第一社交属性信息；
[0040]获取所述预设潜客池中的用户的第二历史交易信息，并基于所述第二历史产品信息确定对应的第二社交属性信息；
[0041]计算得到所述第一社交属性信息与所述第二社交属性信息的社交属性相似度，选取所述社交属性相似度大于第五设定阈值的用户作为所述第一潜在用户。
[0042]较佳地，在所述种子对象为所述种子产品时，所述基于所述样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户的步骤包括：
[0043]获取所述种子产品的产品特征关联信息；
[0044]对所述产品特征关联信息进行文本分析处理，获取分析结果；
[0045]基于所述分析结果构建对应的目标向量库；
[0046]其中，所述目标向量库对应与每个所述种子产品对应的第一词向量库和产品向量库；
[0047]获取所述预设潜客池中的用户已购买产品的第二历史产品信息；
[0048]基于所述目标向量库，确定所述种子产品对应的所述第一词向量与所述第二历史产品信息的第二词向量之间的词向量相似度；
[0049]将所述词向量相似度大于第六设定阈值的产品对应的所述预设潜客池中的用户作为所述第一潜在用户。
[0050]较佳地，所述对所述产品特征关联信息进行文本分析处理，获取分析结果的步骤之后、所述基于所述分析结果构建对应的目标向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种潜在用户的预测方法，其特征在于，应用在电商平台中，所述预测方法包括：获取若干样本数据；其中，所述样本数据对应种子对象的对象特征关联信息，所述种子对象包括种子用户和/或种子产品；基于所述样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户；根据每组所述第一潜在用户获取目标潜在用户。2.如权利要求1所述的潜在用户的预测方法，其特征在于，所述根据每组所述第一潜在用户获取目标潜在用户的步骤包括：获取业务需求信息；基于所述业务需求信息对每组所述第一潜在用户进行筛选处理得到对应的第二潜在用户；对每组所述第二潜在用户进行合并，得到所述目标潜在用户。3.如权利要求2所述的潜在用户的预测方法，其特征在于，所述对每组所述第二潜在用户进行合并，得到所述目标潜在用户的步骤之前还包括：获取每组所述第二潜在用户的用户关联信息；对所述用户关联信息进行评估处理，得到评估结果；在所述评估结果满足预设合并条件时，则执行所述对每组所述第二潜在用户进行合并，得到所述目标潜在用户的步骤。4.如权利要求1所述的潜在用户的预测方法，其特征在于，在所述种子对象为所述种子用户时，所述获取若干样本数据的步骤之前包括：选取若干满足预设购买行为的用户形成初始潜客池；判断若干满足预设购买行为的用户的用户特征信息之间是否满足预设人群共性检测条件，若满足，则将所述初始潜客池作为所述预设潜客池。5.如权利要求4所述的潜在用户的预测方法，其特征在于，在确定所述预设潜客池之后，所述获取若干样本数据的步骤包括：基于业务需求信息，从所述预设潜客池中获取与所述业务需求信息对应的历史订单信息，并基于所述历史订单信息获取所述种子用户和所述种子用户的用户特征关联信息，以作为所述样本数据；或，在所述预设潜客池中不存在与所述业务需求信息对应的历史订单信息时，则获取外部输入数据，并从所述外部输入数据获取所述种子用户的和所述种子用户的用户特征关联信息，以作为所述样本数据。6.如权利要求1
‑
5中任一项所述的潜在用户的预测方法，其特征在于，在所述种子对象为所述种子用户时，所述基于所述样本数据，构建设定数量的潜在用户预测模型，以分别输出预设潜客池中对应的第一潜在用户的步骤包括：基于所述种子用户的用户特征关联信息和决策树算法训练得到潜在用户预测模型；根据所述潜在用户预测模型输出的预测概率值，选取所述预设潜客池中所述预测概率值大于第一设定阈值的用户作为所述第一潜在用户；
或，获取所述种子用户的用户特征关联信息的第一用户向量，以及所述预设潜客池中的用户的用户特征信息的第二用户向量；计算得到所述第一用户向量与所述第二用户向量的第一向量相似度，选取所述预设潜客池中所述第一向量相似度大于第二设定阈值的用户作为所述第一潜在用户；或，分别获取所述种子用户已购买产品的第一历史产品信息，以及所述预设潜客池中的用户已购买产品的第二历史产品信息；基于所述第一历史产品信息和所述第二历史产品信息，确定对所述种子用户的影响程度大于第三设定阈值的关键词；将所述预设潜客池中所述关键词对应的用户作为所述第一潜在用户；或，基于所述用户特征关联信息和有向图网络，确定所述种子用户与所述预设潜客池中的用户之间的用户相似度，选取所述预设潜客池中所述用户相似...

【专利技术属性】
技术研发人员：骆四毛，禹光凯，林博，王程，仇文彬，
申请(专利权)人：上海宝尊电子商务有限公司，
类型：发明
国别省市：