用户特征获取方法及装置和预测分类方法及系统与流程

本发明涉及互联网营销，特别地涉及一种用户特征获取方法及装置和预测分类方法及系统。

背景技术：

1、在互联网营销技术领域中，电商平台为了促进商品销售，通常会采用不同的营销策略实施长期或短期的营销行为，例如在平台长期发放“满减/折扣”优惠券，采用文字、视频、链接等方式发布广告，在某个时间段向用户发放无门槛红包、消费红包、拉新红包等等。在大部分的营销策略中，需要以基于训练数据训练得到的深度学习模型预测出投放人群。其中，为了获得模型训练数据，在营销行为实施的初始阶段大批量野蛮投放，从而积累出实施该营销行为的营销数据，以此作为训练数据。然而，初期的野蛮投放既浪费资源，又对不需要营销行为的用户造成了干扰，导致用户体验差。

技术实现思路

1、针对现有技术中存在的技术问题，本发明提出了一种用户特征获取方法及装置和预测分类方法及系统，以历史营销活动数据生成表达用户营销画像的用户特征，基于所述用户营销画像对用户进行预测分类以确定投放人群。

2、为了解决上述技术问题，根据本发明的一个方面，本发明提供了一种用户特征获取方法，其中包括以下步骤：基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；根据平台用户数据获取每一个用户的特征集合；以及基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，并将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。

3、根据本发明另一个方面，本发明还提供一种基于用户营销画像的预测分类方法，其中包括以下步骤：根据目标营销行为从预投人群中每一用户的营销画像中确定与目标营销行为对应的参考转化率增益值；获取训练得到所述参考转化率增益值时使用的转化率增益模型的参考营销行为；确定目标营销行为指标数据与参考营销行为指标数据的相似度；以所述相似度作为参考转化率增益值的权重计算预投人群中每一用户的最终转化率增益值；以及对预投人群中的用户按照最终转化率增益值从大到小的顺序排序，并将排序在前的预置数量用户或最终转化率增益值大于或等于阈值的用户归入投放用户分类中。

4、根据本发明的另一个方面，本发明提供了一种用户特征获取装置，其中包括：数据收集模块、模型模块、第一特征获取模块和画像模块，其中，所述数据收集模块经配置以基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；所述模型模块与所述数据收集模块相连接，经配置分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；所述第一特征获取模块经配置以根据平台用户数据获取每一个用户的特征集合；所述画像模块分别与所述第一特征获取模块和模型模块相连接，经配置以基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。

5、根据本发明的另一个方面，本发明提供了一种基于用户营销画像的预测分类系统，其中包括参数确定模块、相似度计算模块、增益计算模块和排序模块，其中，所述参数确定模块经配置以根据目标营销行为从预投人群中每一用户的营销画像中确定与目标营销行为对应的参考转化率增益值；所述相似度计算模块，经配置以获取当前营销活动的目标营销行为指标数据与训练所述参考转化率增益模型时的参考营销行为指标数据的相似度；所述增益计算模块与所述相似度计算模块相连接，经配置以所述相似度作为参考转化率增益值的权重以计算预投人群中每一用户的最终转化率增益值；所述排序模块与所述增益计算模块相连接，经配置以对预投人群中的用户按照最终转化率增益值从大到小的顺序排序，并将排序在前的预置数量用户或最终转化率增益值大于或等于阈值的用户归入投放用户分类中。

6、本发明基于历史营销数据确定预测模型，基于预测模型预测到用户在历史各种营销行为的营销活动中的表现(转化率增益值)，并以此构成用户营销画像，其作为一种用户特征来指导新的营销活动。所述用户营销画像对于无法完成前期数据积累的临时营销行为的活动，甚至是长期营销行为的活动都具有指导意义。通过运用用户营销画像，不需要在初始阶段进行大批量野蛮投放，解决了现有技术中训练预测模型时缺少参考数据的问题，既节约了数据积累带来的额外成本，又实现了营销行为在用户中的精细化投放，提高了用户转化率，减小了营销行为对用户体验的影响。

技术特征：

1.一种用户特征获取方法，其中包括：

2.根据权利要求1所述的方法，其中进一步包括对历史用户营销数据进行处理以得到样本集的过程：

3.根据权利要求2所述的方法，其中所述样本集包括实施营销行为的第一样本集和未实施营销行为的第二样本集；对应地，所述转化率增益模型包括基于第一样本集训练得到的第一转换率预测模型和基于第二样本集训练得到的第二转第率预测模型；

4.根据权利要求2所述的方法，其中所述样本集中每个样本包括一种或多种营销行为特征，基于所述样本集训练得到转换率预测模型；每个用户的特征集合中包括对应的一种或多种营销行为特征；

5.根据权利要求2所述的方法，其中所述样本集包括实施营销行为的第一样本集和未实施营销行为的第二样本集；训练所述营销行为的转化率增益模型的步骤进一步包括：

6.根据权利要求1所述的方法，其中进一步包括：

7.根据权利要求1所述的方法，其中进一步包括：以营销活动为单位获取历史用户营销数据，以每个营销活动的历史用户营销数据作为训练数据训练转化率增益模型；以及基于所述转化率增益模型获取每个用户在每个营销活动中对应营销行为的转化率增益值。

8.根据权利要求7所述的方法，其中根据历史营销活动的用户营销数据是否符合可信度条件，为每个营销活动对应的转化率增益值确定可信度分值。

9.一种基于用户营销画像的预测分类方法，其中包括：

10.根据权利要求9所述的方法，其中进一步包括：从历史营销活动中确定与当前营销活动的目标营销行为对应的参考营销活动，从预投人群中每一用户的营销画像中确定根据参考营销活动得到的参考转化率增益值。

11.根据权利要求10所述的方法，其中进一步包括：从历史营销活动中选择用户营销数据符合可信度条件的历史营销活动作为可用参考营销活动；其中，将与目标营销行为相同的可用参考营销活动作为参考营销活动。

12.根据权利要求11所述的方法，其中当所述参考营销活动为多个时，进一步包括：

13.根据权利要求12所述的方法，其中在多个参考营销活动中包括多个同种类营销行为的第二参考营销活动时，分别根据当前营销活动的目标营销行为指标数据和多个第二参考营销活动的营销行为指标数据确定对应第二参考转化率增益值的第二权重。

14.一种用户特征获取装置，其中包括：

15.根据权利要求14所述的装置，其中所述模型模块包括：

16.根据权利要求15所述的装置，其中所述样本获取单元在对历史用户营销数据进行处理时得到实施营销行为的第一样本集和未实施营销行为的第二样本集；对应地，所述模型训练单元基于第一样本集训练得到的第一模型，基于第二样本集训练得到的第二模型，所述第一模型和第二模型的输出为用户转化率；

17.根据权利要求15所述的装置，其中所述样本获取单元获取的每条样本中包括一种或多种营销行为特征，所述模型训练单元基于样本集训练得到的第三模型，所述第三模型输出用户转化率；

18.根据权利要求15所述的装置，其中所述样本获取单元在对历史用户营销数据进行处理时得到实施营销行为的第一样本集和未实施营销行为的第二样本集，并将第二样本集的样本标签翻转后与第一样本集合并为总样本集；对应地，所述模型训练单元基于总样本集训练得到的转化率增益模型，其输出为用户转化率增益。

19.根据权利要求14所述的装置，其中还包括转化模块，其与所述数据收集模块和画像模块相连接，经配置以根据两种营销行为指标数据的相似度，确定对应两种营销行为的转化率增益值的对应转化关系。

20.根据权利要求14所述的装置，其中进一步包括可信度计算模块，其与所述数据收集模块相连接，经配置以判断历史营销活动的用户营销数据是否符合可信度条件，为根据历史营销活动的用户营销数据得到的转化率增益值标注可信度分值。

21.一种基于用户营销画像的预测分类系统，其中包括：

22.根据权利要求21所述的系统，其中所述参数确定模块进一步包括以下单元中的一者或多者：

23.根据权利要求22所述系统，其中所述相似度计算模块包括以下单元中的一者或多者：

技术总结
本发明涉及一种用户特征获取方法及装置和预测分类方法及系统，其中所述用户特征获取方法包括：基于营销行为的种类，获取对应多个种类营销行为的历史用户营销数据；分别以每种营销行为的历史用户营销数据作为训练数据训练对应种类营销行为的转化率增益模型；根据平台用户数据获取每一个用户的特征集合；以及基于用户的特征集合，利用所述转化率增益模型获取用户对每种营销行为的转化率增益值，并将用户对每种营销行为的转化率增益值作为用于表达用户营销画像的用户特征。本发明解决了现有技术中在预测营销投放人群时缺少参考数据的问题，既节约了数据积累带来的额外成本，又实现了精细化投放，提高了用户转化率。

技术研发人员：张杰
受保护的技术使用者：北京转转精神科技有限责任公司
技术研发日：
技术公布日：2024/1/12