用户特征获取方法及装置和预测分类方法及系统制造方法及图纸

本发明专利技术涉及一种用户特征获取方法及装置和预测分类方法及系统，其中所述用户特征获取方法包括：基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；根据平台用户数据获取每一个用户的特征集合；以及基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，并将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。本发明专利技术解决了现有技术中在预测营销投放人群时缺少参考数据的问题，既节约了数据积累带来的额外成本，又实现了精细化投放，提高了用户转化率。提高了用户转化率。提高了用户转化率。

【技术实现步骤摘要】
用户特征获取方法及装置和预测分类方法及系统


[0001]本专利技术涉及互联网营销
，特别地涉及一种用户特征获取方法及装置和预测分类方法及系统。

技术介绍

[0002]在互联网营销
中，电商平台为了促进商品销售，通常会采用不同的营销策略实施长期或短期的营销行为，例如在平台长期发放“满减/折扣”优惠券，采用文字、视频、链接等方式发布广告，在某个时间段向用户发放无门槛红包、消费红包、拉新红包等等。在大部分的营销策略中，需要以基于训练数据训练得到的深度学习模型预测出投放人群。其中，为了获得模型训练数据，在营销行为实施的初始阶段大批量野蛮投放，从而积累出实施该营销行为的营销数据，以此作为训练数据。然而，初期的野蛮投放既浪费资源，又对不需要营销行为的用户造成了干扰，导致用户体验差。

技术实现思路

[0003]针对现有技术中存在的技术问题，本专利技术提出了一种用户特征获取方法及装置和预测分类方法及系统，以历史营销活动数据生成表达用户营销画像的用户特征，基于所述用户营销画像对用户进行预测分类以确定投放人群。
[0004]为了解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了一种用户特征获取方法，其中包括以下步骤：基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；根据平台用户数据获取每一个用户的特征集合；以及基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，并将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。
[0005]根据本专利技术另一个方面，本专利技术还提供一种基于用户营销画像的预测分类方法，其中包括以下步骤：根据目标营销行为从预投人群中每一用户的营销画像中确定与目标营销行为对应的参考转化率增益值；获取训练得到所述参考转化率增益值时使用的转化率增益模型的参考营销行为；确定目标营销行为指标数据与参考营销行为指标数据的相似度；以所述相似度作为参考转化率增益值的权重计算预投人群中每一用户的最终转化率增益值；以及对预投人群中的用户按照最终转化率增益值从大到小的顺序排序，并将排序在前的预置数量用户或最终转化率增益值大于或等于阈值的用户归入投放用户分类中。
[0006]根据本专利技术的另一个方面，本专利技术提供了一种用户特征获取装置，其中包括：数据收集模块、模型模块、第一特征获取模块和画像模块，其中，所述数据收集模块经配置以基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；所述模型模块与所述数据收集模块相连接，经配置分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；所述第一特征获取模块经配置以根据平台用户数据获取每一个用户的特征集合；所述画像模块分别与所述第一特征获取模块和模型模块相
连接，经配置以基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。
[0007]根据本专利技术的另一个方面，本专利技术提供了一种基于用户营销画像的预测分类系统，其中包括参数确定模块、相似度计算模块、增益计算模块和排序模块，其中，所述参数确定模块经配置以根据目标营销行为从预投人群中每一用户的营销画像中确定与目标营销行为对应的参考转化率增益值；所述相似度计算模块，经配置以获取当前营销活动的目标营销行为指标数据与训练所述参考转化率增益模型时的参考营销行为指标数据的相似度；所述增益计算模块与所述相似度计算模块相连接，经配置以所述相似度作为参考转化率增益值的权重以计算预投人群中每一用户的最终转化率增益值；所述排序模块与所述增益计算模块相连接，经配置以对预投人群中的用户按照最终转化率增益值从大到小的顺序排序，并将排序在前的预置数量用户或最终转化率增益值大于或等于阈值的用户归入投放用户分类中。
[0008]本专利技术基于历史营销数据确定预测模型，基于预测模型预测到用户在历史各种营销行为的营销活动中的表现(转化率增益值)，并以此构成用户营销画像，其作为一种用户特征来指导新的营销活动。所述用户营销画像对于无法完成前期数据积累的临时营销行为的活动，甚至是长期营销行为的活动都具有指导意义。通过运用用户营销画像，不需要在初始阶段进行大批量野蛮投放，解决了现有技术中训练预测模型时缺少参考数据的问题，既节约了数据积累带来的额外成本，又实现了营销行为在用户中的精细化投放，提高了用户转化率，减小了营销行为对用户体验的影响。
附图说明
[0009]下面，将结合附图对本专利技术的优选实施方式进行进一步详细的说明，其中：
[0010]图1是根据本专利技术的一个实施例的模型训练流程图；
[0011]图2是根据本专利技术用户营销画像实施例一提供的用户特征获取方法流程图；
[0012]图3是根据本专利技术的用户营销画像实施例二提供的用户特征获取方法部分流程图；
[0013]图4是根据本专利技术投放人群预测实施例一提供的预测分类方法流程图；
[0014]图5是根据本专利技术投放人群预测实施例二中确定用户转化率增益的方法流程图；
[0015]图6是根据本专利技术投放人群预测实施例三中确定用户转化率增益的方法流程图；
[0016]图7是根据本专利技术的一个实施例提供的用户特征获取装置原理框图；
[0017]图8是根据本专利技术一个实施例提供的用户特征获取装置部分原理框图；
[0018]图9是根据本专利技术另一个实施例提供的用户特征获取装置部分原理框图；
[0019]图10是根据本专利技术又一个实施例提供的用户特征获取装置部分原理框图；
[0020]图11是根据本专利技术另一个实施例用户特征获取装置原理框图；
[0021]图12是根据本专利技术又一个实施例用户特征获取装置原理框图；以及
[0022]图13是根据本专利技术的一个实施例的基于用户营销画像的预测分类系统原理框图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，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。
[0024]在以下的详细描述中，可以参看作为本申请一部分用来说明本申请的特定实施例的各个说明书附图。在附图中，相似的附图标记在不同图式中描述大体上类似的组件。本申请的各个特定实施例在以下进行了足够详细的描述，使得具备本领域相关知识和技术的普通技术人员能够实施本申请的技术方案。应当理解，还可以利用其它实施例或者对本申请的实施例进行结构、逻辑或者电性的改变。
[0025]本专利技术为了能够在营销活动中确定实施营销行为的投放人群，采用历史营销数据训练得到的模型预测平台用户在各个营销活动中的转化率增益，本专利技术将一个用户的多个所述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户特征获取方法，其中包括：基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；根据平台用户数据获取每一个用户的特征集合；以及基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，并将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。2.根据权利要求1所述的方法，其中进一步包括对历史用户营销数据进行处理以得到样本集的过程：按用户为单位对历史用户营销数据进行处理以得到多个特征；以每个用户的多个特征构成的特征集合作为一个样本；以及按照用户是否转化标注样本。3.根据权利要求2所述的方法，其中所述样本集包括实施营销行为的第一样本集和未实施营销行为的第二样本集；对应地，所述转化率增益模型包括基于第一样本集训练得到的第一转换率预测模型和基于第二样本集训练得到的第二转第率预测模型；对应地，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值包括：将每一个用户的特征集合分别输入给所述第一转换率预测模型和第二转换率预测模型，对应得到第一用户转化率和第二用户转化率；以及计算所述第一用户转化率与第二用户转化率的差值，并将所述差值作为转化率增益值。4.根据权利要求2所述的方法，其中所述样本集中每个样本包括一种或多种营销行为特征，基于所述样本集训练得到转换率预测模型；每个用户的特征集合中包括对应的一种或多种营销行为特征；对应地，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值包括：将用户特征集合中目标种类的营销行为特征的特征值分别设置为1和0、剩余种类营销行为特征的特征值设置为0，将用户的特征集合输入给所述转化率模型，经所述模型测预得到所述用户实施所述目标营销行为的第一用户转化率和未实施所述目标营销行为的第二用户转化率；以及计算第一用户转化率与第二用户转化率的差值，并将所述差值作为用户对所述目标营销行为的转化率增益值。5.根据权利要求2所述的方法，其中所述样本集包括实施营销行为的第一样本集和未实施营销行为的第二样本集；训练所述营销行为的转化率增益模型的步骤进一步包括：翻转所述第二样本集的标签，并与第一样本集合并为总样本集；以及以所述总样本集训练决策树模型作为转化率增益模型。6.根据权利要求1所述的方法，其中进一步包括：对比两种营销行为指标数据的相似度；以及响应于获得的所述两种营销行为指标数据的相似度，确定对应两种营销行为的转化率增益值的对应转化关系。7.根据权利要求1所述的方法，其中进一步包括：以营销活动为单位获取历史用户营销
数据，以每个营销活动的历史用户营销数据作为训练数据训练转化率增益模型；以及基于所述转化率增益模型获取每个用户在每个营销活动中对应营销行为的转化率增益值。8.根据权利要求7所述的方法，其中根据历史营销活动的用户营销数据是否符合可信度条件，为每个营销活动对应的转化率增益值确定可信度分值。9.一种基于用户营销画像的预测分类方法，其中包括：根据目标营销行为从预投人群中每一用户的营销画像中确定与目标营销行为对应的参考转化率增益值；获取训练得到所述参考转化率增益值时使用的转化率增益模型的参考营销数据；确定目标营销行为指标数据与参考营销行为指标数据的相似度；以所述相似度作为参考转化率增益值的权重计算预投人群中每一用户的最终转化率增益值；以及对预投人群中的用户按照最终转化率增益值从大到小的顺序排序，并将排序在前的预置数量用户或最终转化率增益值大于或等于阈值的用户归入投放用户分类中。10.根据权利要求9所述的方法，其中进一步包括：从历史营销活动中确定与当前营销活动的目标营销行为对应的参考营销活动，从预投人群中每一用户的营销画像中确定根据参考营销活动得到的参考转化率增益值。11.根据权利要求10所述的方法，其中进一步包括：从历史营销活动中选择用户营销数据符合可信度条件的历史营销活动作为可用参考营销活动；其中，将与目标营销行为相同的可用参考营销活动作为参考营销活动。12.根据权利要求11所述的方法，其中当所述参考营销活动为多个时，进一步包括：根据目标营销行为指标数据和每一个参考营销活动的营销行为指标数据的相似度确定对应每一个参考转化率增益值的第一权重；以及计算多个参考转化率增益值及其第一权重乘积的总和作为用户的最终转化率增益值。13.根据权利要求12所述的方法，其中在多个参考营销活动中包括多个同种类营销行为的第二参考营销活动时，分别根据当前营销活动的目标营销行为指标数据和多个第二参考营销活动的营销行为指标数据确定对应第二参考转化率增益值的第二权重。14.一种用户特征获取装置，其中包括：数据收集模块，经配置以基于营销行为的种类，获取对应多个种类营销行为的历...

【专利技术属性】
技术研发人员：张杰，
申请(专利权)人：北京转转精神科技有限责任公司，
类型：发明
国别省市：