基于AI的营销活动制定方法、装置、设备及存储介质与流程

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能(artificialintelligence，ai)的营销活动制定方法、装置、设备及存储介质。

背景技术：

目前，营销活动一般需要由专业人员根据市场情况和自身需求做出详细周密的安排，在营销活动的制定过程中需要付出大量的人力物力，且难以准确预测营销效果。

技术实现要素：

本发明提供一种基于ai的营销活动制定方法、装置、设备及存储介质，旨在降低营销活动的制定成本，提高营销效果预测的准确性。

为实现上述目的，本发明提供一种基于人工智能ai的营销活动制定方法，所述方法应用于基于ai的营销活动制定设备，所述方法包括：

接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；

根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；

将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；

接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动。

优选地，所述接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动的步骤之后还包括：

将所述目标营销活动推送至目标消费人群。

优选地，所述将所述目标营销活动推送至目标消费人群的步骤包括：

预先收集消费者的个人特征，所述个人特征包括固定特征、兴趣特征、社会特征、消费特征以及动态特征；

提取所述目标营销活动的活动特征，将所述活动特征与所述个人特征进行比对；

将所述个人特征中包括所述活动特征的多个消费者作为目标消费人群；

将所述目标营销活动按预设途径推送至所述目标消费人群。

优选地，所述根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动的步骤包括：

预先设置营销活动配置模板，所述营销活动配置模板包括多个预设营销活动以及对应的适用产品类别、营销效果以及营销费用；

根据所述营销活动制定请求从所述营销活动配置模板中智能匹配满足预设条件的一个或多个预设营销活动。

优选地，所述通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果的步骤包括：

用随机森林算法建立所述营销效果预测模型；

将所述一个或多个预设营销活动输入所述营销效果预测模型中，由所述营销效果预测模型输出所述一个或多个预设营销活动的营销效果。

优选地，所述用随机森林算法建立所述营销效果预测模型的步骤包括：

将预先收集的历史营销活动数据作为训练样本；

从所述训练样本中有放回地选出m个训练样本，反复进行n次采样生成n个训练集，其中，m、n均为大于1的整数；

分别将所述n个训练集训练成n棵决策树，其中每棵决策树都根据预设特征进行分裂直至收敛；

将所述n棵决策树组成所述营销效果预测模型。

优选地，所述将预先收集的历史营销活动数据作为训练样本的步骤包括：

依次对所述历史营销活动数据执行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证的清洗流程，获得标准化的训练样本。

此外，本发明实施例还提供一种基于ai的营销活动制定装置，所述基于ai的营销活动制定装置包括：

第一接收模块，用于接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；

生成模块，用于根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；

返回模块，用于将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；

第二接收模块，用于接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动。

此外，本发明实施例还提供一种基于ai的营销活动制定设备，所述基于ai的营销活动制定设备包括处理器，存储器以及存储在所述存储器中的基于ai的营销活动制定程序，所述基于ai的营销活动制定程序被所述处理器运行时，实现如上所述的基于ai的营销活动制定方法的步骤。

此外，本发明实施例还提供一种计算机存储介质，所述计算机存储介质上存储有基于ai的营销活动制定程序，所述基于ai的营销活动制定程序被处理器运行时实现如上所述基于ai的营销活动制定方法的步骤。

相比现有技术，本发明提供一种基于ai的营销活动制定方法、装置、设备及存储介质，接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；接收所述用户端返回的所述目标营销活动，并在所述目标营销活动对应的平台上执行所述目标营销活动。由此，通过根据所述营销活动制定请求，智能生成营销活动并预测营销效果，降低了营销活动的制定成本，提高了营销效果预测的准确性。

附图说明

图1是本发明各实施例涉及的基于ai的营销活动制定设备的硬件结构示意图；

图2是本发明基于ai的营销活动制定方法第一实施例的流程示意图；

图3是本发明基于ai的营销活动制定方法第二实施例的流程示意图；

图4是本发明基于ai的营销活动制定装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例主要涉及的基于ai的营销活动制定设备是指能够实现网络连接的网络连接设备，所述基于ai的营销活动制定设备可以是服务器、云平台等。另外本发明实施例涉及的用户端包括一种终端和电脑端，例如手机、平板电脑、电脑等网络设备。

参照图1，图1是本发明各实施例涉及的基于ai的营销活动制定设备的硬件结构示意图。本发明实施例中，基于ai的营销活动制定设备可以包括处理器1001(例如中央处理器centralprocessingunit、cpu)，通信总线1002，输入端口1003，输出端口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；输入端口1003用于数据输入；输出端口1004用于数据输出，存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种可读存储介质的存储器1005可以包括操作系统、网络通信模块、应用程序模块以及基于ai的营销活动制定程序。在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的基于ai的营销活动制定程序，并执行本发明实施例提供的基于ai的营销活动制定方法。

本发明实施例提供了一种基于ai的营销活动制定方法。

参照图2，图2是本发明基于ai的营销活动制定方法第一实施例的流程示意图。

本实施例中，所述基于ai的营销活动制定方法应用于基于ai的营销活动制定设备，所述方法包括：

步骤s101，接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；

本实施例中，所述用户端访问基于人工智能ai的营销活动制定页面，所述页面由所述基于人工智能ai的营销活动制定设备预先设置。所述用户端根据页面提示输入产品类别、预期目标以及预算等相关信息，确认所述相关信息生成营销活动制定请求并将所述营销活动制定请求发送至所述基于人工智能ai的营销活动制定设备。其中，所述产品类别包括：理财、保险、食品、服饰、家电等，所述预期目标可以设置为预期活跃度，预期推广效果以及预期销售额等，所述预算是指对此次营销活动的预估成本，例如五千、十万、二十万等。此外，所述营销活动制定请求还可以包括用户账号、用户需求等相关信息。

所述基于人工智能ai的营销活动制定设备接收所述用户端发送的所述营销活动制定请求，根据所述营销活动制定请求提取所述用户端的唯一标识，并验证所述唯一标识的合法性，若所述唯一标识是合法的则继续提取所述营销活动制定请求中的所述产品类别、所述预期目标以及所述预算等信息；若所述唯一标识不是合法的，则丢弃所述营销活动制定请求。

步骤s102，根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；

本实施例中，需要预先设置营销活动配置模板，所述营销活动配置模板包括多个预设营销活动以及对应的适用产品类别、营销效果以及营销费用。例如所述预设营销活动可以是大转盘、抽奖、翻牌、老虎机、签到、转发和分享、帮忙砍价、满减、送优惠券各种营销事件。在接收到所述营销活动制定请求后，将所述营销活动制定请求中的所述产品类别、所述预期目标以及所述预算，分别与所述预设营销活动中的所述适用产品类别、所述营销效果以及所述营销费用进行比对，智能匹配满足预设条件的一个或多个预设营销活动。若匹配到多个预设营销活动，则计算所述多个预设营销活动与所述营销活动制定请求的相似度，并将所述相似度进行排序，将相似度高的预设个数的多个预设营销活动作为最终的多个预设营销活动。

进一步地，通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果。首先，用随机森林算法建立所述营销效果预测模型。具体地，将预先收集的历史营销活动数据作为训练样本，所述历史营销活动数据可以从多个营销平台获得。

可以理解地，在将所述训练样本进行训练之前，需要基于数据清洗方法将所述训练样本清洗成标准化的训练样本。例如通过预设清洗流程对所述历史营销活动数据进行清洗，以获得标准化的训练样本。依次对所述历史营销活动数据执行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证的清洗流程，获得标准化的训练样本。具体地，首先对所述历史营销活动数据进行缺失值清洗，确定缺失值的范围并计算所述历史营销活动数据中每个字段的缺失率，根据所述缺失率和字段重要性制定相应的策略，例如对重要性高缺失率高的历史营销活动数据进补全、去除重要性低缺失率高的历史营销活动数据、填充重要性高缺失率低的历史营销活动数据。例如历史营销类型为重要性高的信息，而营销时间则为重要性低的信息。去除不需要的字段，填充相关缺失内容。当对所述历史营销活动数据进行缺失值清洗后，则对清洗后的历史营销活动数据进行格式内容清洗。将时间、日期、数值、全角半角、字符等都清洗成统一的格式。对于逻辑错误清洗，则需要去除所述历史营销活动数据中的重复数据、不合理值。所述非需求数据清洗是指删除所述历史营销活动数据中不需要的内容，例如可删除与历史营销不是太相关的信息例如营销地点。还需要对所述处理后的历史营销活动数据进行关联性验证。由于所述历史营销活动可能在多个平台执行了所述历史营销活动，故需要将所述多个平台的所述历史营销活动数据相关联，以获得完整准确的历史营销活动数据。由此，依次对所述历史营销活动数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证的清洗流程后，最终获得标准化的训练样本。

从所述训练样本中有放回地选出m个训练样本，反复进行n次采样生成n个训练集，其中，m、n的均为大于1的整数，每次随机选择一个样本，然后返回继续选择，如此反复直到选出n个训练集。将所述n个训练集中的m个训练样本分别作为决策树根节点处的样本，将所述n个训练集训练成n棵决策树，其中每棵决策树都根据预设特征进行分裂直至收敛。预先选择所述训练样本的属性作为分裂节点属性，例如所述训练样本的属性可以是所述历史营销活动的产品类型、营销方式、营销结果等，在所述决策树需要分裂时，则将所述分裂节点属性作为所述决策树节点的分裂条件。将所述n棵决策树组成所述营销效果预测模型。所述营销效果预测模型由n棵决策树组成，所述营销效果预测模型的训练样本是随机的，且所述决策树节点的分类属性也是随机的，从而保证了所述营销效果预测模型不会出现过拟合的现象。由此所述营销效果预测模型最终输出的预测结果是由所述n棵决策树的投票结果生成的，故所述营销效果预测模型具有准确性高，鲁棒性强等优点。

进一步地，将所述一个或多个预设营销活动输入所述营销效果预测模型中，由所述营销效果预测模型输出所述一个或多个预设营销活动的营销效果。

步骤s103，将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；

本实施例中将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动。用户在选择所述目标营销活动时，往往需要结合实际情况，选择最适合的营销活动。

若所述用户未选择所述一个或多个预设营销活动中的一个，则重新接受所述客户端发送的更新后的营销活动制定请求，并根据所述更新后的营销活动制定请求重新生成相应的一个或多个预设营销活动，以供用户重新选择。

步骤s104，接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动。

本实施例中接收所述用户端返回的所述目标营销活动，根据所述目标营销活动与所述用户端对应的用户签订服务协议，然后将所述目标营销活动在对应的平台上执行。例如若所述目标营销活动是在一个购物平台推广服饰，且推广形式为发放优惠券，那么所述基于人工智能ai的营销活动制定设备，则生成所述目标营销活动的具体方案，所述目标营销活动的具体方案包括服饰品牌、具体商品、活动起止日期、优惠券数量、优惠券发放形式等，并将所述具体活动方法发送至所述够物平台，以供所述购物平台执行所述目标营销获得的具体方案。

本实施例通过上述方案，接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；接收所述用户端返回的所述目标营销活动，并在所述目标营销活动对应的平台上执行所述目标营销活动。由此，通过根据所述营销活动制定请求，智能生成营销活动并预测营销效果，降低了营销活动的制定成本，提高了营销效果预测的准确性。

如图3所示，本发明第二实施例提出一种基于ai的营销活动制定方法，基于上述图2所示的第一实施例，所述接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动的步骤之后还包括：

步骤s105，将所述目标营销活动推送至目标消费人群。

本实施例中，为了提高所述目标营销活动的针对性，需要将所述目标营销活动推送至目标消费人群。具体地，预先收集消费者的个人特征，所述个人特征包括固定特征、兴趣特征、社会特征、消费特征以及动态特征，其中，所述固定特征包括性别、年龄、地域、教育水平、职业、星座等，所述兴趣特征包括兴趣爱好、使用app、网站、浏览/收藏/评论的内容、品牌偏好、产品偏好等，所述社会特征包括生活习惯、婚恋、社交/信息渠道偏好、宗教信仰、家庭成分等，所述消费特征包括收入状况、购买力水平、商品种类、购买渠道喜好、购买频次等，所述动态特征包括当下时间、需求、周边的商户、周围人群、关注的新闻事件等。提取所述目标营销活动的活动特征，将所述活动特征与所述个人特征进行比对；将所述个人特征中包括所述活动特征的多个消费者作为目标消费人群；将所述目标营销活动按预设途径推送至所述目标消费人群。

本实施例通过将所述将所述目标营销活动推送至目标消费人群，提高了所述目标营销活动的针对性，同时也提高了营销效果预测的准确性

此外，本实施例还提供一种基于ai的营销活动制定装置。参照图4，图4为本发明基于ai的营销活动制定装置第一实施例的功能模块示意图。

本发明提供的基于ai的营销活动制定装置是虚拟装置，存储于图1所示的基于ai的营销活动制定装置的存储器1005中，用于接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；用于根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；用于将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；用于接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动。

具体地，本实施例中，所述基于ai的营销活动制定装置包括：

第一接收模块10，用于接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；

生成模块20，用于根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；

返回模块30，用于将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；

第二接收模块40，用于接收所述用户端返回的所述目标营销活动，并通过所述目标营销活动对应的平台执行所述目标营销活动。

进一步地，所述第二接收模块还用于：

将所述目标营销活动推送至目标消费人群。

进一步地，所述第二接收模块还用于：

预先收集消费者的个人特征，所述个人特征包括固定特征、兴趣特征、社会特征、消费特征以及动态特征；

提取所述目标营销活动的活动特征，将所述活动特征与所述个人特征进行比对；

将所述个人特征中包括所述活动特征的多个消费者作为目标消费人群；

将所述目标营销活动按预设途径推送至所述目标消费人群。

进一步地，所述生成模块还用于：

预先设置营销活动配置模板，所述营销活动配置模板包括多个预设营销活动以及对应的适用产品类别、营销效果以及营销费用；

根据所述营销活动制定请求从所述营销活动配置模板中智能匹配满足预设条件的一个或多个预设营销活动。

进一步地，所述生成模块还用于：

用随机森林算法建立所述营销效果预测模型；

将所述一个或多个预设营销活动输入所述营销效果预测模型中，由所述营销效果预测模型输出所述一个或多个预设营销活动的营销效果。

进一步地，所述生成模块还用于：

将预先收集的历史营销活动数据作为训练样本；

从所述训练样本中有放回地选出m个训练样本，反复进行n次采样生成n个训练集，其中，m、n均为大于1的整数；

分别将所述n个训练集训练成n棵决策树，其中每棵决策树都根据预设特征进行分裂直至收敛；

将所述n棵决策树组成所述营销效果预测模型。

进一步地，所述生成模块还用于：

依次对所述历史营销活动数据执行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证的清洗流程，获得标准化的训练样本。

此外，本发明实施例还提供一种计算机存储介质，所述计算机存储介质上存储有基于ai的营销活动制定程序，所述基于ai的营销活动制定程序被处理器运行时实现如上所述基于ai的营销活动制定方法的步骤，在此不再赘述。

相比现有技术，本发明提供一种基于ai的营销活动制定方法、装置、设备及存储介质，接收用户端发送的营销活动制定请求，所述营销活动制定请求包括产品类别、预期目标以及预算；根据所述营销活动制定请求智能生成相应的一个或多个预设营销活动，并通过预先训练的营销效果预测模型预测所述一个或多个预设营销活动的营销效果；将所述一个或多个预设营销活动及对应的营销效果返回至所述用户端，以供用户通过所述用户端从所述一个或多个预设营销活动中选择目标营销活动；接收所述用户端返回的所述目标营销活动，并在所述目标营销活动对应的平台上执行所述目标营销活动。由此，通过根据所述营销活动制定请求，智能生成营销活动并预测营销效果，降低了营销活动的制定成本，提高了营销效果预测的准确性。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。