【技术实现步骤摘要】
本专利技术涉及智能化营销，尤其是一种基于消费者行动轨迹预测的智能化营销方法及系统。
技术介绍
1、在商务领域，如何吸引消费者的注意力，从而获取顾客流量，对于增加商品曝光度、提升商家营收，有着重要意义。传统营销策略往往采取在特定场景向消费者推送信息的手段，提升商品触达顾客的概率。比如当消费者在线上购物时，向其推送其他商品；或者在特殊的节假日，以短信、邮件等形式通知消费者相关优惠活动；等等。然而，在上述场景中，消费者的注意力有着明确的指向，其或专注于所需的商品，或专注于购物之外的休闲活动。此时以营销手段攫取消费者的注意力，往往事倍功半，甚或引起其反感。
技术实现思路
1、为了克服上述技术缺陷，本专利技术的第一个方面提供一种基于消费者行动轨迹预测的智能化营销方法，其包括：
2、步骤s1：基于变分自编码器，将轨迹序列进行分群，得到轨迹分群信息；
3、步骤s2：对场景的拓扑信息进行嵌入向量编码，然后使用图卷积网络得到糅合了结点的邻接关系的场景拓扑信息；
4、步骤s3：整合轨迹序列信息、轨迹分群信息和场景拓扑信息，使用transformer模型，对每个消费者的轨迹历程进行建模，得到轨迹预测模型；
5、步骤s4：基于轨迹预测模型得到的消费者行动轨迹，根据营销策略决策模型求解出不同地点所对应的最优营销策略，所述最优营销策略是指在营销预算上限特定的约束下，使有效获客概率最大化的营销方式。
6、进一步地，步骤s1包括：
7、步骤s
8、步骤s1.2：每个enj通过自注意力机制和残差连接层后，分别被转换为l维列向量dnj，其中整合了{eni}(ni≤nj)中的信息：
9、qnj＝wq·enj
10、knj＝wk·enj
11、vnj＝wv·enj
12、
13、
14、dnj＝res(hnj)
15、其中，wq、wk和wv分别表示生成query向量qnj、key向量knj和values向量vnj所需的变换矩阵；αni，nj表示自注意力系数，<·，·>为内积函数；hnj为经过自注意力机制后的向量；res(·)表示残差变换；
16、步骤s1.3：使用混合高斯分布作为先验的变分自编码器对向量进行分群操作，每个dnj对应于一个k维的输出向量：
17、
18、其中表示k个群的集合，ci表示第i个群，p(ci|dnj)表示向量dnj属于ci的概率，[·]t表示转置。
19、进一步地，步骤s2包括：
20、步骤s2.1：将结点集合中的每个结点rm通过嵌入向量编码后，被转换为l维列向量em；
21、步骤s2.2：基于邻接矩阵a，使用图卷积网络，将每个结点的信息扩散至邻接结点，最终每个结点rm将以l维向量gm表征。
22、进一步地，步骤s3包括：
23、步骤s3.1：轨迹序列ln中的每个状态snj通过嵌入向量编码后，被转换为l维列向量enj；
24、步骤s3.2：enj经过自注意力机制和残差变换后，被变换为l维向量xnj,用以表征序列第nj步之前的轨迹所携带的信息；
25、步骤s3.3：将序列信息xnj和轨迹分群信息以及场景拓扑信息拼接，形成向量unj：
26、
27、步骤s3.4：将向量unj通过全连接神经网络，得到下述轨迹预测模型，以进行下一状态的预测：
28、
29、其中，表示线性变换，σ(·)表示softmax操作，为预测的下一状态。
30、进一步地，步骤s4包括：
31、步骤s4.1：获取通过轨迹预测模型得到的消费者当前轨迹为时，其将要到达后续地点的概率
32、步骤s4.2：根据营销策略决策模型求解出不同地点所对应的最优营销策略，所述最优营销策略是指在营销预算上限特定的约束下，使有效获客概率最大化的营销方式，所述营销策略决策模型为：
33、
34、
35、其中，c为营销预算上限；不同营销方式在不同的地点有着不同成本不同有效获客概率记一条营销策略由在不同地点、不同营销方式上的权重表征。
36、本申请的第二个方面提供一种基于消费者行动轨迹预测的智能化营销系统，其包括：
37、轨迹分群模块，所述轨迹分群模块用于基于变分自编码器，将轨迹序列进行分群，得到轨迹分群信息；
38、拓扑信息编码模块，所述拓扑信息编码模块用于对场景的拓扑信息进行嵌入向量编码，然后使用图卷积网络得到糅合了结点的邻接关系的场景拓扑信息；
39、序列预测模块，所述序列预测模块用于整合轨迹序列信息、轨迹分群信息和场景拓扑信息，使用transformer模型，对每个消费者的轨迹历程进行建模，得到轨迹预测模型；
40、营销策略决策模块，所述营销策略决策模块用于基于轨迹预测模型得到的消费者行动轨迹，根据营销策略决策模型求解出不同地点所对应的最优营销策略，所述最优营销策略是指在营销预算上限特定的约束下，使有效获客概率最大化的营销方式。
41、进一步地，所述轨迹分群模块用于：
42、(1)轨迹序列ln中的每个状态snj通过嵌入向量编码后，被转换为l维列向量enj；
43、(2)每个enj通过自注意力机制和残差连接层后，分别被转换为l维列向量dnj，其中整合了{eni}(ni≤nj)中的信息：
44、qnj＝wq·enj
45、knj＝wk·enj
46、vnj＝wv·enj
47、
48、
49、dnj＝res(hnj)其中，wq、wk和wv分别表示生成query向量qnj、key向量knj和values向量vnj所需的变换矩阵；αni，nj表示自注意力系数，<·，·>为内积函数；hnj为经过自注意力机制后的向量；res(·)表示残差变换；
50、(3)使用混合高斯分布作为先验的变分自编码器对向量进行分群操作，每个dnj对应于一个k维的输出向量：
51、
52、其中表示k个群的集合，ci表示第i个群，p(ci|dnj)表示向量dnj属于ci的概率，[·]t表示转置。
53、进一步地，所述拓扑信息编码模块用于：
54、(1)将结点集合中的每个结点rm通过嵌入向量编码后，被转换为l维列向量em；
55、(2)基于邻接矩阵a，使用图卷积网络，将每个结点的信息扩散至邻接结点，最终每个结点rm将以l维向量gm表征。
56、进一步地，所述序列预测模块用于：
57、(1)轨迹序列ln中的每个状态snj通过嵌入向量编码后，被转换为l维列向量enj；本文档来自技高网...
【技术保护点】
1.一种基于消费者行动轨迹预测的智能化营销方法，其特征在于，包括：
2.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤S1包括：
3.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤S2包括：
4.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤S3包括：
5.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤S4包括：
6.一种基于消费者行动轨迹预测的智能化营销系统，其特征在于，包括：
7.如权利要求6所述的基于消费者行动轨迹预测的智能化营销系统，其特征在于，所述轨迹分群模块用于：
8.如权利要求6所述的基于消费者行动轨迹预测的智能化营销系统，其特征在于，所述拓扑信息编码模块用于：
9.如权利要求6所述的基于消费者行动轨迹预测的智能化营销系统，其特征在于，所述序列预测模块用于：
10.如权利要求6所述的基于消费者行动轨迹预测的智能化营销系统，其特征在于，所述营销策略决策
11.一种电子设备，其特征在于，包括：存储器、处理器以及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1～5中任一项所述的基于消费者行动轨迹预测的智能化营销方法中的步骤。
12.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～5中任一项所述的基于消费者行动轨迹预测的智能化营销方法中的步骤。
...【技术特征摘要】
1.一种基于消费者行动轨迹预测的智能化营销方法，其特征在于，包括：
2.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤s1包括：
3.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤s2包括：
4.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤s3包括：
5.如权利要求1所述的基于消费者行动轨迹预测的智能化营销方法，其特征在于，步骤s4包括：
6.一种基于消费者行动轨迹预测的智能化营销系统，其特征在于，包括：
7.如权利要求6所述的基于消费者行动轨迹预测的智能化营销系统，其特征在于，所述轨迹分群模块用于：
8.如权利要求6所述的基于消费者行动轨迹预测的智...
【专利技术属性】
技术研发人员：赵硕，李昕，常超一，杨波，
申请(专利权)人：上海欣兆阳信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。