本发明涉及监控,尤其涉及一种营销成功率预测方法、装置、设备及介质。
背景技术:
1、随着互联网电商不断发展,各种营销活动层出不穷,与之相应的营销手段花样层出,如短信拉新、促销活动等。针对各种营销活动,有效定位具有高转化意向的用户群体,对保障营销目标有效实现,以及控制运营成本至关重要。
2、目前,根据营销活动进行的周期长短,可以从初期的专家方案和后期大数据分析定位。其中,专家方案指营销领域专家根据过往的营销经验,归纳分析特定营销活动意向高的用户群体对应特征,有针对性的筛选。大数据分析是利用大数据,统计分析已注册用户群体特征,构建用户画像,找出对应用户的主要特征进行筛选,从而提高转化率。但是,常规的数据分析主要基于参数统计理论,很难分析出多个特征内在关系,也很难从大量数据中挖掘深层信息,导致很难实现扩大营销群体的同时保证转化率。
技术实现思路
1、鉴于以上所述现有技术的缺点,本发明提供一种营销成功率预测方法、装置、设备及介质,以解决上述技术问题。
2、本发明提供的营销成功率预测方法,包括:
3、获取各用户的特征因素;所述特征因素中包括多个特征分量;
4、根据所述特征因素,对各所述用户进行聚类,得到多个群体;
5、根据各群体的营销反馈数据,确定转化率高的第一目标群体;
6、对所述第一目标群体中用户的特征因素进行分析,并基于所述第一目标群体中特征分量的共性确定主要特征分量;
7、在各用户中确定包含有主要特征分量的第二目标群体,并根据所述第二目标群体的营销反馈数据和预设的训练模型,得到各用户的预测营销成功率。
8、于本发明的一实施例中,根据所述特征因素,对各所述用户进行聚类,得到多个群体前,所述方法还包括:
9、将所述特征因素的各特征分量投影到预设区间内,得到所述特征因素的标准数据;
10、确定各所述标准数据的维度,并将维度高于预设值的标准数据进行降维处理,得到降维数据。
11、于本发明的一实施例中,根据所述特征因素,对各所述用户进行聚类,得到多个群体,包括:
12、基于所述降维数据进行第一次聚类,得到多个聚类簇;
13、在各聚类簇中,确定用户量大于预设数量的聚类簇作为目标聚类簇,并对所述目标聚类簇进行二次聚类,得到多个群体。
14、于本发明的一实施例中,根据所述第二目标群体的营销反馈数据和预设的训练模型,得到所述各用户的预测营销成功率,包括:
15、根据所述第二目标群体的营销反馈数据,将所述第二目标群体中各用户分为正样本和负样本,所述正样本为营销成功的用户,所述负样本为没有营销成功的用户;
16、根据所述正样本和负样本的数量差值,确定数量少的目标样本类型;
17、对目标样本类型进行数据增强,以增加目标样本类型中的样本量,带入所述训练模型中进行训练;所述目标样本类型的样本量分多次增加,直至增加至正样本和负样本的数量差值为零。
18、于本发明的一实施例中,得到所述各用户的预测营销成功率后,所述方法还包括:
19、根据所述第二目标群体中部分群体进行营销后的回馈信息,确定实际营销成功率;
20、将所述实际营销成功率和预测营销成功率进行对比,确定误预测样本,所述误预测样本为预测成功率高但在实际营销中没有成功的用户;
21、对所述误预测样本进行数据增强,以增加误预测样本类型中的样本量,带入所述训练模型中进行训练。
22、于本发明的一实施例中,数据增加的过程,包括:
23、确定距离所需增强样本最近的一个用户作为目标样本;所述所需增加样本为目标样本类型或误预测样本;
24、在所述所需增强样本和目标样本之间的连线上随机选择一个点作为增加样本。
25、于本发明的一实施例中,对所述误预测样本进行数据增强,以增加误预测样本类型中的样本量,带入所述训练模型中进行训练,包括:
26、确定误预测样本的误预测影响因素;
27、在正常样本中加入误预测影响因素,生成对抗样本;所述正常样本为实际营销成功率和预测营销成功率相近的用户;
28、将所述对抗样本加入所述训练模型进行对抗训练,以减少误预测样本数量。
29、本发明提供的营销成功率预测装置,包括:包括:
30、调用模块,用于获取各用户的特征因素;所述特征因素中包括多个特征分量;
31、聚类模块,用于根据所述特征因素,对各所述用户进行聚类,得到多个群体;
32、第一处理模块,用于根据各群体的营销反馈数据,确定转化率高的第一目标群体;
33、第二处理模块,用于对所述第一目标群体中用户的特征因素进行分析,并基于所述第一目标群体中特征分量的共性确定主要特征分量;
34、训练模块,用于在各用户中确定包含有主要特征分量的第二目标群体,并根据所述第二目标群体的营销反馈数据和预设的训练模型,得到所述各用户的预测营销成功率。
35、本发明提供的计算机设备,包括:
36、一个或多个处理器和存储器;
37、所述存储器上存储有计算机程序,当所述一个或多个处理器执行所述程序时,使得所述设备执行所述营销成功率预测方法。
38、本发明提供的计算机可存读存储介质,其上存储有计算机程序,所述计算机程序可被所述一个或多个处理器所执行,以使所述处理器执行所述营销成功率预测方法。
39、上述营销成功率预测方法、装置、设备及介质所实现的方案中,在前期样本数量较少时,根据用户的特征因素进行聚类,得到多个群体,实现了用户的初步分类。然后根据各个群体的营销反馈数据,在各个群体中确定一个或多个转化率高于预设转化率的第一目标群体,即排除了转化率低的群体,留下了转化率高的群体。确定第一目标群体后,为了提高转化率,分析第一目标群体转化率高的原因,寻找共性,以筛选出具有相同特征分量的用户,确定为第二目标群体进行营销,积累足够的正样本。然后将第二目标群体的营销反馈数据投入到训练模型中进行训练,预测各用户的营销成功率,以便于针对性的进行营销,提高转化率。本方案能在扩大营销群体的同时保证了转化率。
40、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
1.一种营销成功率预测方法,其特征在于,包括:
2.如权利要求1所述的营销成功率预测方法,其特征在于,根据所述特征因素,对各所述用户进行聚类,得到多个群体前,所述方法还包括:
3.如权利要求2所述的营销成功率预测方法,其特征在于,根据所述特征因素,对各所述用户进行聚类,得到多个群体,包括:
4.如权利要求1所述的营销成功率预测方法,其特征在于,根据所述第二目标群体的营销反馈数据和预设的训练模型,得到各用户的预测营销成功率,包括:
5.如权利要求4所述的营销成功率预测方法,其特征在于,得到各用户的预测营销成功率后,所述方法还包括:
6.如权利要求5所述的营销成功率预测方法,其特征在于,包括:数据增加的过程,包括:
7.如权利要求6所述的营销成功率预测方法,其特征在于,对所述误预测样本进行数据增强,以增加误预测样本类型中的样本量,带入所述训练模型中进行训练,包括:
8.一种营销成功率预测装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括:
10.一种计算机可存读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序可被所述一个或多个处理器所执行,以使所述处理器执行如权利要求1-7中所述的方法。