用户分类方法与装置、级联的用户分类模型及设备制造方法及图纸

本公开提供一种用户分类方法、级联的用户分类模型及设备，涉及人工智能技术领域。该方法包括：通过未被历史营销的第一用户数据训练第一预测模型，通过被历史营销的第二用户数据训练第二预测模型；根据第一用户数据和第二用户数据确定组合数据；将组合数据分别输入训练后的第一预测模型、第二预测模型分别得到第一订购概率和第二订购概率；根据第一订购概率和第二订购概率确定交互变量，根据交互变量和组合数据确定第三预测模型的样本数据；基于训练后的第一预测模型、第二预测模型和第三预测模型对目标用户的用户数据进行预测得到预测结果，包括未经营销不订购且经过营销便订购的类型。本方案能够有效提升营销转换率。本方案能够有效提升营销转换率。本方案能够有效提升营销转换率。

【技术实现步骤摘要】
用户分类方法与装置、级联的用户分类模型及设备


[0001]本公开涉及人工智能
，具体而言，涉及一种用户分类方法、一种用户分类装置、一种级联的用户分类模型，以及实现上述用户分类方法的电子设备。

技术介绍

[0002]相关的营销活动可能对可以获取的所有用户展开，例如，运营商对其可以获取到联系方式的所有用户进行短信宣传产品或业务。还有一些营销活动中，通过用户数据训练单个/单级机器学习模型，预测出客户在联络后作出订购行为的概率。然后对预测出的订购行为概率值较大的用户展开营销活动。
[0003]然而，相关技术提供方案中营销转换率有待提高。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开的目的在于提供一种用户分类方法、用户分类装置、级联的用户分类模型以及电子设备以及计算机可读存储介质，进而在一定程度上提升营销转换率。
[0006]根据本公开的一个方面，提供一种用户分类方法，该方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户分类方法，其特征在于，所述方法包括：通过未被历史营销的第一用户数据训练第一预测模型，通过被历史营销的第二用户数据训练第二预测模型；根据所述第一用户数据和所述第二用户数据确定组合数据；将所述组合数据输入训练后的第一预测模型得到第一订购概率，将所述组合数据输入训练后的第二预测模型得到第二订购概率；根据所述第一订购概率和所述第二订购概率确定交互变量，并根据所述交互变量和所述组合数据确定第三预测模型的样本数据；基于训练后的第一预测模型、第二预测模型和第三预测模型对目标用户的用户数据进行预测得到预测结果，所述预测结果包括：未经营销不订购且经过营销便订购的类型。2.根据权利要求1所述的用户分类方法，其特征在于，所述预测结果还包括：未经营销不订购且经过营销也不订购的类型、未经营销订购但经营销不订购的类型和未经营销订购且经过营销也订购的类型。3.根据权利要求1所述的用户分类方法，其特征在于，根据所述第一订购概率和所述第二订购概率确定交互变量，包括：采用核函数的方式处理所述第一订购概率和所述第二订购概率得到交互影响因子；将所述第一订购概率、所述第二订购概率和所述交互影响因子的组合确定为所述交互变量。4.根据权利要求1所述的用户分类方法，其特征在于，根据所述交互变量和所述组合数据确定第三预测模型的样本数据，包括：通过所述交互变量对所述组合数据进行级联扩展，得到级联扩展特征；根据用户是否被营销和用户是否订购，确定所述级联扩展特征的目标变量，得到第三预测模型的样本数据。5.根据权利要求1至3中任意一项所述的用户分类方法，其特征在于，通过未被历史营销的第一用户数据训练第一预测模型，包括：从数据库中获取未被历史营销的多个用户的用户画像数据，得到所述第一用户数据；根据用户是否订购，确定所述第一用户数据的目标变量，得到第一预测模型的样本数据，并训练所述第一预测模型。6.根据权利要求5所述的用户分类方法，其特征在于，从数据库中获取未被历史营销的多个用户的用户画像数据，得到所述第一用户数据，包括：以结构化查询语言脚本的形式从数据库中提取未被历史营销的用户画像数据，其中，每个用户画像数据中包含用户标识，得到每个用户标识对应的一组用户画像数据，每组用...

【专利技术属性】
技术研发人员：唐维东，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：