优惠券的发放方法及系统与流程

本发明涉及一种优惠券的发放方法及系统，特别是涉及一种OTA(在线旅游网站)行业中对酒店用户发放优惠券的方法及系统。

背景技术：

在OTA行业中，用户优惠券策略适用于很多场景之下，使用优惠券主要是为了刺激订单量和用户成高额价格订单的业务出发点，现有技术中一种比较常见的优惠券的发放策略是根据新老用户，分别制定不同的发放策略。具体是：将用户分成新用户、老用户，来分别制定两种策略，这种方法简单，将老用户群体中的不同用户同等对待(新用户群体类似)，其缺点在于不能利用用户背后更多的信息，有些老用户可能无论是否发放优惠券，都可能会下单，这部分老用户对于刺激订单量没有显著效果，导致会造成一定优惠券的成本的浪费。

技术实现要素：

本发明要解决的技术问题是为了克服现有技术中优惠券的发放策略的不能利用用户背后更多的信息，导致会造成一定优惠券的成本的浪费的缺陷，提供一种优惠券的发放方法及系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种优惠券的发放方法，其特点在于，包括以下步骤：

S₁、获取用户历史数据，所述用户历史数据包括用户浏览信息数据、用户画像数据以及用户下单标记，所述用户下单标记用于表征用户在一历史入住日是否下单；

S₂、通过机器学习算法对用户历史数据进行处理，建立分类模型；

S₃、利用所述分类模型预测用户的下单概率；

S₄、根据用户的下单概率发放优惠券。

较佳地，步骤S₄还包括：

S₄₁、判断用户的下单概率是否超过一阈值，若是，则执行步骤S₄₂，若否，则执行步骤S₄₃；

S₄₂、对所述用户不发放优惠券；

S₄₃、对所述用户发放优惠券。

较佳地，步骤S₄₃中发放的优惠券的金额与用户的下单概率呈负相关。

较佳地，所述阈值为0.5。

本发明的目的在于还提供了一种优惠券的发放系统，其特点在于，包括：

数据获取模块，用于获取用户历史数据，所述用户历史数据包括用户浏览信息数据、用户画像数据以及用户下单标记，所述用户下单标记用于表征用户在一历史入住日是否下单；

模型建立模块，用于通过机器学习算法对用户历史数据进行处理，建立分类模型；

概率预测模块，用于利用所述分类模型预测用户的下单概率；

优惠券发放模块，用于根据用户的下单概率发放优惠券。

较佳地，所述优惠券发放模块用于判断用户的下单概率是否超过一阈值，若是，则对所述用户不发放优惠券；若否，则对所述用户发放优惠券。

较佳地，所述优惠券发放模块发放的优惠券的金额与用户的下单概率呈负相关。

较佳地，所述阈值为0.5。

本发明的积极进步效果在于：本发明利用机器学习算法，通过预测用户的下单概率，来判断是否需要发放优惠券，将优惠券针对性地发放给下单概率较低的用户，从而提高优惠券的运营效率，能够更好地刺激订单量的增长。

附图说明

图1为本发明的较佳实施例的优惠券的发放方法的流程图。

图2为本发明的较佳实施例的优惠券的发放系统的模块示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

如图1所示，本发明的优惠券的发放方法包括以下步骤：

步骤101、获取用户历史数据，所述用户历史数据包括用户浏览信息数据、用户画像数据以及用户下单标记，所述用户下单标记用于表征用户在一历史入住日是否下单；

其中，用户浏览信息数据对于预测是否下单至关重要，对于OTA行业中的酒店订单，用户有预定日、入住日的区分，比如用户在2016年10月8日预定了2016年10月12日入住某酒店的订单，本发明中在建立用户下单标记时，采用入住日来区分；

步骤102、通过机器学习算法对用户历史数据进行处理，建立分类模型；

步骤102中通过机器学习算法挖掘用户的下单规律，步骤102中还可以验证分类模型的离线效果，为降低上线的开发成本及分类模型的性能，对于不重要的特征，可以根据实际情况舍弃掉。

步骤103、利用所述分类模型预测用户的下单概率，即预测用户在某个入住日下酒店订单的概率，然后根据下单概率的高低，来制定不同的优惠券的发放策略。

步骤104、判断用户的下单概率是否超过一阈值，其中，所述阈值可以根据实际需要进行设置，在本发明中，所述阈值优选地为0.5，若是，则执行步骤105，若否，则执行步骤106；

步骤105、对所述用户不发放优惠券；

步骤106、对所述用户发放优惠券。

其中，在步骤106中，发放的优惠券的金额与用户的下单概率呈负相关，即用户的下单概率越高，发放的优惠券的金额就越低。

从而，本发明利用用户历史数据来建立分类模型，预测用户的下单概率，针对有浏览行为且本次会话未下单的用户，调用分类模型预测下单概率，然后制定优惠券的发放策略，实现将优惠券针对性地发放给下单概率低的用户，从而提高优惠券的运营效率，能够更好地刺激订单量的增长。

如图2所示，本发明的优惠券的发放系统包括数据获取模块1、模型建立模块2、概率预测模块3以及优惠券发放模块4；

其中，所述数据获取模块1用于获取用户历史数据，所述用户历史数据包括用户浏览信息数据、用户画像数据以及用户下单标记，所述用户下单标记用于表征用户在一历史入住日是否下单；

所述模型建立模块2用于通过机器学习算法对用户历史数据进行处理，建立分类模型；

所述概率预测模块3用于利用所述分类模型预测用户的下单概率；

所述优惠券发放模块4用于根据用户的下单概率发放优惠券。

具体地，所述优惠券发放模块4用于判断用户的下单概率是否超过一阈值，若是，则对所述用户不发放优惠券；若否，则对所述用户发放优惠券。

其中，优选地，所述阈值为0.5，所述优惠券发放模块4发放的优惠券的金额与用户的下单概率呈负相关。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。