一种精准制定营销策略的方法、设备及可读介质与流程

本发明涉及ehr企业经办人服务系统领域，特别涉及一种精准制定营销策略的方法、设备及可读介质。
背景技术：
：目前企业服务领域的商业竞争已经进入深水期，产品同质化也越来越普遍，做到产品革新以及服务升级成为提高竞争力的重要突破口，现有企业服务建立在营销团队上门服务，划区划片的传统市场推进方式，依托会议销售，扫楼，电话外呼等方式执行产品推介及销售策略，需要投入大量的人力成本。当前人力成本已经成为企业的主要成本,历年上升的人力成本直接影响到企业当年度收益和利润,于此同时企业不断扩大的经营规模也导致了资源的紧缺,这形成了一个矛盾的局面,大量的企业通过实施企业信息化,电算化方式,在一定程度上提升了营销管理能力。但仍然存在过程不可控、客户转化率较低，营销过程不够灵活的问题。技术实现要素：为解决上述
背景技术：
中提到的问题，本发明提供一种精准制定营销策略的方法、设备及可读介质，其中，精准制定营销策略的方法，包括如下步骤:基于已有业务数据构建用户的基本标签，收集用户行为数据预测出用户的行为和需求倾向；根据用户的基本标签、行为和需求倾向，将用户行为和产品营销动作进行全流程打散处理，形成零散的营销模块；通过多种营销方式介入每一个营销模块中，为用户制定精准的营销方案。进一步地，所述构建用户的基本标签方法如下：基于现有的业务数据完成企业或个人的标签体系或画像体系，创建基本标签库；并将业务数据样本向量化，通过机器学习分类模型进行持续优化训练。进一步地，所述全流程打散处理的方法如下：基于用户体验地图的将用户行为和营销动作精确划分成零散的营销模块,并借助大数据分析的结果,使用多种富媒体及营销方式灵活介入每一个营销模块中。进一步地，所述用户的行为和需求倾向的预测方法如下；搭建运营平台，收集用户操作流程和行为轨迹数据,根据lstm神经网络算法对用户行为预估以及需求倾向的预测。进一步地，还包括：预测用户的行为和需求倾向后，自动进行产品体验流程推广。进一步地，所述产品体验流程推广的方式包括如下一种或多种：自动化推文,邮件,短信,应用推送,广告变更,弹窗,产品组合,产品不同定价。本发明另外一种精准制定营销策略的设备，所述设备包括处理器、存储器，所述处理器与所述存储器通过总线相连接，所述存储器中存储机器可读代码，所述处理器执行存储器中的机器可读代码以执行如上任意所述的方法。本发明还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序代码，当所述计算机程序代码被计算机执行时以执行如上任意所述的方法。本发明提供的精准制定营销策略的方法，通过用户的基本标签以及预测出用户的行为和需求倾向结合全流程打散处理，能够为用户提供快速的响应以及个性化的营销方案，精准定位用户需求,提高营销精准性，同时大幅降低运营和外呼人员的成本。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明提供的精准制定营销策略的方法框图；图2为用户体验地图a；图3为用户体验地图b。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例提供一种精准制定营销策略的方法、设备及可读介质，其中，精准制定营销策略的方法，包括如下步骤:基于已有业务数据构建用户的基本标签，收集用户行为数据预测出用户的行为和需求倾向；根据用户的基本标签、行为和需求倾向，将用户行为和产品营销动作进行全流程打散处理，形成零散的营销模块；通过多种营销方式介入每一个营销模块中，为用户制定精准的营销方案。具体实施时，如图1所示，精准制定营销策略的方法，包括如下步骤:基于已有业务数据构建用户的基本标签，收集用户行为数据预测出用户的行为和需求倾向；该步骤中，基本标签的建立方法为通过已有业务数据主要由ylz(易联众数据)数据中台提供支撑,基于数据中台的业务数据完成企业到个人的标签体系和画像体系；针对现有的企业数据创建标签库，将企业样本向量化；通过机器学习分类模型进行深度模型进行训练；具体地，如用户a，进入本流程后开始记录该用户的行为轨迹，用已建立好的用户标签体系对用户a打事实标签，再计算出用户a的每个标签的权重，以此作为已经训练好的神经网络的输入层，并用余弦相似度，将此用户归到某个聚类中，形成用户a的用户画像。标签体系和画像体系的应用和实施步骤如下：1、根据用户的属性、需求、产品偏好以及价值等因素对用户进行分类，整理对模型有用的标签，形成画像标签体系：基本特征：性别、年龄段、农民工标识、困难人员、户籍所在地、学历、个人身份等；社会特征：儿女数、老人数、户口性质、户属性、当前就业状态、工作地、工龄等；消费特征：支付类别、费用类别等；社保特征：险种类型、缴费年限、断保时长、个账余额等。2、从数据仓库中抽取用户的事实标签后，利用tf-idf算法对原始数据进行文本挖掘，计算每个用户每个标签的权重值。用户标签权重＝时间衰减×用户行为次数×tf-idf计算标签权重。其中：时间衰减：用户某些行为受时间影响不断减弱，行为时间距现在越远，该行为对用户当前来说的意义越小。公式t为事件发生时间距离当前时间的大小；用户行为次数：用户标签权重按天统计，用户某天与该标签产生的行为次数越多，该标签对用户的影响越大；例，某天某人消费2次，则计数2；tf-idf(词频×逆向文件频率)模型计算标签权重：每个标签对用户的重要性及该标签在全体标签中重要性的乘积得出每个标签的客观权重值。词频指的是某一个给定的词语在该文件中出现的频率。即词w在文档d中出现的次数count(w,d)和文档d中总词数size(d)的比值。逆向文件频率指的是，某一特定词语的idf，可以由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。即文档总数n与词w所出现文件数docs(w,d)比值的对数。3、使用神经网络建立模型，以用户标签作为输入层，以不同参保方案作为输出层，隐藏层为2层，构建全连接神经网络，对用户进行聚类。4、使用余弦相似度计算两个用户间的相似度，进而对用户进行聚类。生成用户画像体系。所述预测出用户的行为和需求倾向的方法为：收集用户操作流程和行为轨迹数据,为了支撑整个运营行为的感知,我们搭建了运营平台,运营平台记录了用户的行为轨迹、活动参与情况、文案阅读及产品购买的详细情况,从用户使用习惯下手进行了进一步的数据分析和推演,采用lstm神经网络算法，,以精确把握用户在某一时间某一条件下的不同需求。其中，lstm神经网络算法的具体使用方法如下：将用户的画像作为输入资料g(z)，输入闸门使用f(zi)，此处使用sigmoid函数作为激活函数，开启门的机率为g(z)*f(zi)，得出在输入门开启的机率下，输入的值。接着，memorycell会记录当下输入值加上前一次输入值并乘上忘门的机率，看是否要遗忘前一次记录[c’＝g(z)*f(zi)+cf(zf)]，将用户行为预估,及需求预测作为输出向量，进行多对多类型的lstm预测根据用户的基本标签、行为和需求倾向，将用户行为和产品营销动作进行全流程打散处理，形成零散的营销模块；该步骤中，结合用户基本标签、行为和需求倾向反馈,在产品体验流程上应用自动化推文、邮件、短信、应用推送、广告变更、弹窗、产品组合、产品不同定价等方式对用户进行更加立体更加精准的营销推广。产品的营销流程基于用户体验地图的方式进行了全流程打散的处理,将用户行为和营销动作精确划分成零散的营销模块,并借助大数据分析的结果,使用多种营销富媒体及营销方式灵活介入每一个营销模块中,精准快速的提供针对用户量身定做的营销方案,并实时反馈结果.应用ylz流式计算引擎将反馈数据再次纳入计算流程中进行修正优化,进一步提高预测行为的精准性。通过用户体验地图精确化拆分原先复杂的服务流程,打散服务流程,实现服务流程节点化,将整个用户用户接入场景变得更直观更可控,可在不同的用户接触节点介入营销,提高了营销的灵活度,并可在每个用户接触场景获得用户当前可能的意向和需求,对营销把控更加游刃有余，实现对营销及用户把控更加高效的目的。用户体验案例地图详见图2和图3；其中，图2为用户体验地图a用于易参保产品补缴流程拆散,及用户接入场景分析；图3为用户体验地图b用于hr资料包产品任务模块流程拆散,用户接入场景分析较佳地，整个分析系统建立在用户数据操作上,用户的基本坐标系,用户的行为及用户在不同营销节点的反馈都会直接作为参数进入到流式计算引擎中进行演算,用户的分析是基于用户的操作实时发生变化的,在需求变动越来越快的互联网时代,给与决策者和营销执行者更快的一手信息,并在与用户沟通的过程中更加深入的构建立体的用户需求及用户画像。通过上述申报平台企业用户的庞大数据积累,基于用户信息完成企业用户标签体系建设,企业经办人画像,通过埋点监测,记录和分析用户的行为轨迹,并依托上述数据优化营销流程,利用用户体验地图完成用户接入场景设计,基于行为分析和需求预测在用户接入场景中完成自动化营销接入,形成自动,智能,千人千面的营销体系,在降低整个人力成本的情况下,提高营销效率和客户整体转化率。为检验本方法在实际中的应用，进行如下测试：在应用部署前后分别进行了两轮电话外呼营销试验,两轮电话外呼营销试验结果如表1所示：表1总外呼数/例成功接通/例接通率意向用户/例外呼意向率接通意向率新版本47529562.1％4910.3％16.6％旧版本110060154.6％161.5％2.7％根据表1的测试检测结果显示，采用了本发明提供的方法，相较于未采用本本发明提供的方法的旧版本,用户外呼接通意向转化率提升了6倍。由此可见，采用本发明提供的方法能够显著提高营销的精准度。采用了本发明提供的营销方法后,在运营团队人力不增加的基本情况下,运营部门新承担了五条产品线的推广工作,一个季度的工作过程,服务人数增长了十倍,社群用户量从不到两千到了三万，运营效率得到了显著提高。本发明实施例提供的精准制定营销策略的方法，通过用户的基本标签以及预测出用户的行为和需求倾向结合全流程打散处理，能够为用户提供快速的响应以及个性化的营销方案，精准定位用户需求,提高营销精准性，同时大幅降低运营和外呼人员的成本。本发明实施例另外一种精准制定营销策略的设备，所述设备包括处理器、存储器，所述处理器与所述存储器通过总线相连接，所述存储器中存储机器可读代码，所述处理器执行存储器中的机器可读代码以执行如上任意所述的方法。本发明实施例还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序代码，当所述计算机程序代码被计算机执行时以执行如上任意所述的方法。最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。当前第1页12