一种基于人群信息的特征分析方法及相关设备技术

本发明专利技术公开了一种基于人群信息的特征分析方法及相关设备，所述方法包括：获取待预测人群信息，基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集；根据预先制定的第一目标策略对所述不同类型的用户集进行目标内容投放，得到投放后的效果数据；将所述效果数据输入到所述预设模型中进行计算，得到每个目标内容对应的人群特征

【技术实现步骤摘要】
一种基于人群信息的特征分析方法及相关设备


[0001]本专利技术涉及计算机应用
，尤其涉及一种基于人群信息的特征分析方法及相关设备
。

技术介绍

[0002]OTT(OverThe Top)
，是指互联网公司越过运营商，发展基于开放互联网的各种视频及数据服务业务，在通信行业是非常流行的一个词汇，即互联网公司越过运营商，发展基于开放互联网的各种视频及数据服务业务，强调服务与物理网络的无关性
。
[0003]人群运营策略是指在市场运营中，针对特定的人群采取的有效运营手段和方法
。
人群运营策略的目的是通过深入了解目标人群的需求
、
喜好
、
行为等信息，制定相应的内容投放计划，从而能更精准地吸引
、
留住并推动目标人群的购买意愿
。
[0004]但是，随着
OTT
行业的不断发展，人群运营逐渐深入，大部分
OTT
行业的公司的人群运营仍然居于行为
+
特征的运营方式，这种方式有个弊端，没有考虑到用户的整个生命周期，无法有效降低用户的流失率，提升用户的满意度
。
[0005]因此，现有技术还有待于改进和发展
。

技术实现思路

[0006]本专利技术的主要目的在于提供一种基于人群信息的特征分析方法
、
系统
、
终端及计算机可读存储介质，旨在解决现有技术中的人群运营没有考虑到用户的整个生命周期，无法在用户的整个生命周期的每个阶段为用户投放不同内容，导致用户流失率较高的问题
。
[0007]为实现上述目的，本专利技术提供一种基于人群信息的特征分析方法，所述一种基于人群信息的特征分析方法包括如下步骤：
[0008]获取待预测人群信息，基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集；
[0009]根据预先制定的第一目标策略对所述不同类型的用户集进行目标内容投放，得到投放后的效果数据；
[0010]将所述效果数据输入到所述预设模型中进行计算，得到每个目标内容对应的人群特征
。
[0011]可选地，所述的基于人群信息的特征分析方法，其中，所述获取待预测的人群之前，还包括：
[0012]构建
AICPL
模型，所述
AICPL
模型采集用户搜索
、
点击
、
浏览
、
领取
、
订阅
、
参与互动和最终购买的行为数据，并将所述行为数据分为认知
、
兴趣
、
考虑
、
转化和忠诚五个维度，五个维度的忠诚度依次增加，每个维度的人群对应不同的目标策略；
[0013]其中，所述待预测人群信息由所述
AICPL
模型每日自动生成
。
[0014]可选地，所述的基于人群信息的特征分析方法，其中，所述基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集，具体包括：
[0015]从数据仓库中获取用户行为数据
、
用户画像数据和物品相关数据，并将所述用户行为数据
、
所述用户画像数据和所述物品相关数据转化为用户特征输入到预设的算法模型中进行训练，得到不同类型的用户集；
[0016]所述用户集包括：活跃用户集合
、
新用户集合
、
付费意愿用户集合
、
会员用户集合以及高忠诚度用户集合
。
[0017]可选地，所述的基于人群信息的特征分析方法，其中，所述第一目标策略的制定过程为：
[0018]通过对所述人群的链路数据进行分析得到标签，在所述标签中选出目标标签，根据所述目标标签制定出所述第一目标策略
。
[0019]可选地，所述的基于人群信息的特征分析方法，其中，所述对所述人群的链路数据进行处理得到标签，具体包括：
[0020]从数据仓库中获取所述人群的链路数据，从所述链路数据中获取用户的行为数据；
[0021]将所述行为数据通过机器学习进行强化，将强化后的行为数据转化为特征，根据所述特征生成标签；
[0022]其中，所述标签与用户通过
ID mapping
建立联系，所述标签用于制定出所述第一目标策略
。
[0023]可选地，所述的基于人群信息的特征分析方法，其中，所述效果数据包括曝光次数
、
点击次数
、
浏览时长
、
浏览路径
、
购买时间
、
付费金额和付费单价；
[0024]所述人群特征包括流失用户集
、
新增购买用户集
、
新增会员用户集
、
新增活跃用户集和用户成交路径集
。
[0025]可选地，所述的基于人群信息的特征分析方法，其中，所述将所述效果数据输入到所述预设模型中进行计算，得到每个目标内容对应的人群特征之后，还包括：
[0026]将所述用户成交路径集保存到所述数据仓库中；
[0027]通过人群链路分析对所述人群特征中的用户进行特征提取，根据提取的用户特征制定第二目标策略，根据所述第二目标策略对所述人群特征进行对应的内容投放
。
[0028]此外，为实现上述目的，本专利技术还提供一种基于人群信息的特征分析系统，其中，所述基于人群信息的特征分析系统包括：
[0029]人群预测模块，用于获取待预测人群信息，基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集；
[0030]内容投放模块，用于根据预先制定的第一目标策略对所述不同类型的用户集进行目标内容投放，得到投放后的效果数据；
[0031]质量分析模块，用于将所述效果数据输入到所述预设模型中进行计算，得到每个目标内容对应的人群特征
。
[0032]此外，为实现上述目的，本专利技术还提供一种终端，其中，所述终端包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的基于人群信息的特征分析程序，所述基于人群信息的特征分析程序被所述处理器执行时实现如上所述的基于人群信息的特征分析方法的步骤
。
[0033]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，其中，所述计算
机可读存储介质存储有基于人群信息的特征分析程序，所述基于人群信息的特征分析程序被处理器执行时实现如上所述的基于人群信息的特征分析方法的步骤
。
[0034]本专利技术中，获取待预测人群信息，基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集；根据预先制定的第一目标策略对所述不同类型的用户集进行目标内容投放，得到投放后的效果数据；将所述效果数据输入到所述预设模型中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人群信息的特征分析方法，其特征在于，所述的基于人群信息的特征分析方法包括：获取待预测人群信息，基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集；根据预先制定的第一目标策略对所述不同类型的用户集进行目标内容投放，得到投放后的效果数据；将所述效果数据输入到所述预设模型中进行计算，得到每个目标内容对应的人群特征
。2.
根据权利要求1所述的基于人群信息的特征分析方法，其特征在于，所述获取待预测的人群之前，还包括：构建
AICPL
模型，所述
AICPL
模型采集用户搜索
、
点击
、
浏览
、
领取
、
订阅
、
参与互动和最终购买的行为数据，并将所述行为数据分为认知
、
兴趣
、
考虑
、
转化和忠诚五个维度，五个维度的忠诚度依次增加，每个维度的人群对应不同的目标策略；其中，所述待预测人群信息由所述
AICPL
模型每日自动生成
。3.
根据权利要求1所述的基于人群信息的特征分析方法，其特征在于，所述基于预设模型对所述待预测人群信息进行预测，得到不同类型的用户集，具体包括：从数据仓库中获取用户行为数据
、
用户画像数据和物品相关数据，并将所述用户行为数据
、
所述用户画像数据和所述物品相关数据转化为用户特征输入到预设的算法模型中进行训练，得到不同类型的用户集；所述用户集包括：活跃用户集合
、
新用户集合
、
付费意愿用户集合
、
会员用户集合以及高忠诚度用户集合
。4.
根据权利要求2所述的基于人群信息的特征分析方法，其特征在于，所述第一目标策略的制定过程为：通过对所述人群的链路数据进行分析得到标签，在所述标签中选出目标标签，根据所述目标标签制定出所述第一目标策略
。5.
根据权利要求4所述的基于人群信息的特征分析方法，其特征在于，所述对所述人群的链路数据进行处理得到标签，具体包括：从数据仓库中获取所述人群的链路数据，从所述链路数据中...

【专利技术属性】
技术研发人员：许成卿，
申请(专利权)人：深圳市酷开网络科技股份有限公司，
类型：发明
国别省市：