本申请涉及互联网应用,具体涉及一种基于地铁数字票务的数智运营方法。
背景技术:
1、随着地铁数字化进程的发展,地铁场景下的票务实现也得到数字化,地铁数字票务逐渐得到了广泛应用。
2、但是,现行的地铁数据票务仅进行着票务的数字化,还只是停留在售票层面的运营,并没有深入挖掘由此而产生的数据,以围绕地铁分布的地铁业主的运营,如营销服务的实现提供支持。
3、总而言之,地铁数字化的演进亟待基于地铁数字票务为地铁业主实现数智运营。
技术实现思路
1、本申请的一个目的在于基于地铁数字票务优化运营,以面向地铁业主解决数智运营的技术问题。
2、根据本申请实施例的一方面,公开了一种基于地铁数字票务的数智运营方法,所述方法包括:
3、面向地铁数字票务定位潜在用户,并获取所述潜在用户的消费数据;
4、适配所述消费数据描述的消费行为,在所映射若干维度的消费特征上运算所述潜在用户的消费风控特征;
5、对所述消费特征和消费风控特征执行所述潜在用户的分层聚类,在所述消费特征和消费风控特征的分别控制下得到所述潜在用户对应不同类别形成的用户群体;
6、通过在所述消费特征和消费风控特征控制下分别得到的用户群体重定位对应于不同类别的用户群体;
7、根据所述用户群体的类别,将地铁业主商品推荐至所述用户群体包含的潜在用户。
8、根据本申请实施例的一方面,所述面向地铁数字票务定位潜在用户,并获取所述潜在用户的消费数据,包括:
9、根据所述地铁数字票务中地铁业主所在站点的用户流量,为所述地铁业主定位潜在用户;
10、调用所述潜在用户在地铁数字票务的购票数据以及面向地铁业主的购买数据,获得所述潜在用户的消费数据。
11、根据本申请实施例的一方面,所述适配所述消费数据描述的消费行为,在所映射若干维度的消费特征上运算所述潜在用户的消费风控特征,包括:
12、对所述潜在用户都基于所述消费数据描述的消费行为得到映射于若干维度的消费特征;
13、适配所述消费特征映射的维度,定位用户安全信息下的风控指标;
14、针对每一维度下的消费特征和风控指标运算所述潜在用户的消费风控特征,获得所述潜在用户消费行为在全维度的消费风控特征。
15、根据本申请实施例的一方面,所述针对每一维度下的消费特征和风控指标运算所述潜在用户的消费风控特征,获得所述潜在用户消费行为在全维度的消费风控特征,包括:
16、对所述潜在用户对应于每一维度的消费特征以及适配于所述维度的风控指标,都进行二者之间的距离运算获得所述维度下的风险距离;
17、由所述潜在用户消费行为在全维度下的风险距离生成消费风控特征。
18、根据本申请实施例的一方面,所述对所述消费特征和消费风控特征执行所述潜在用户的分层聚类,在所述消费特征和消费风控特征的分别控制下得到所述潜在用户对应不同类别形成的用户群体,包括:
19、对所述消费特征执行定位所得潜在用户的聚类,得到所述消费特征对应类别下的用户群体;
20、对所述潜在用户在消费行为全维度下的消费风控特征进行所述潜在用户的重聚类,得到所述消费风控特征对应类别下的用户群体。
21、根据本申请实施例的一方面,所述通过在所述消费特征和消费风控特征控制下分别得到的用户群体重定位对应于不同类别的用户群体,包括:
22、面向所述消费特征对应类别下的用户群体以及所述消费风控特征对应类别下的用户群体取交集,获得不同类别所分别对应的用户群体。
23、根据本申请实施例的一方面,所述根据所述用户群体的类别,将地铁业主商品推荐至所述用户群体包含的潜在用户,包括:
24、根据所述类别确定相应用户群体所包含潜在用户的商品推送策略;
25、按照所述商品推送策略确定所述潜在用户的地铁业主商品推荐内容以及推荐频率;
26、按照所述地铁业主商品推荐内容以及推荐频率向所述潜在用户推荐相应地铁业主商品。
27、根据本申请实施例的一方面,所述按照所述商品推送策略确定所述潜在用户的地铁业主商品推荐内容以及推荐频率之后,
28、所述根据所述用户群体的类别,将地铁业主商品推荐至所述用户群体包括的潜在用户的步骤还包括:
29、为标记为理想客户类别的用户群体,根据所确定地铁业主商品推荐内容拓展商品类型;
30、以拓展的商品类型对拟向所述潜在用户推荐的地铁业主商品进行拓展,并根据所拓展地铁业主商品更新所述潜在用户的地铁业主商品推荐内容。
31、根据本申请实施例的一方面,所述面向地铁数字票务定位潜在用户,并获取所述潜在用户的消费数据之后,所述方法还包括:
32、为所述潜在用户推荐被商品购买行为所选举出的地铁业主商品。
33、根据本申请实施例的一方面,所述为所述潜在用户推荐被商品购买行为所选举出的地铁业主商品,包括:
34、对每一潜在用户,都面向地铁业主商品预测每一地铁业主商品向所述潜在用户推荐的概率;
35、根据所述概率为所述潜在用户确定被商品购买行为所选举出的高概率推荐地铁业主商品;
36、向所述潜在用户推送所述地铁业主商品。
37、根据本申请实施例的一方面,公开了一种计算机程序介质,包括:存储器,存储有计算机可读指令;处理器,读取存储器存储的计算机可读指令,以执行如上所述的方法。
38、本申请实施例中,地铁运营为沿线上的各站点带来了用户流量,因此能够由此而为地铁沿线上的服务提供潜在用户,即首先面向地铁数字票务来定位潜在用户,且对潜在用户获取相应的消费数据,然后针对于每一潜在用户都适配于消费数据所描述的消费行为,在所映射若干维度的消费特征上运算潜在用户的消费风控特征,再对消费特征和消费风控特征执行潜在用户的分层聚类,以得到消费特征和消费风控特征所分别控制下对应于不同类别的用户群体;通过在消费特征和消费风控特征控制下分别得到的用户群体重定位用户群体,最后根据用户群体的类别将地铁业主商品推荐至用户群体包含的潜在用户,以此来基于地铁数字票务优化运营,面向地铁业主实现数智运营。
39、本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
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的,并不能限制本申请。
1.一种基于地铁数字票务的数智运营方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述面向地铁数字票务定位潜在用户,并获取所述潜在用户的消费数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述适配所述消费数据描述的消费行为,在所映射若干维度的消费特征上运算所述潜在用户的消费风控特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述针对每一维度下的消费特征和风控指标运算所述潜在用户的消费风控特征,获得所述潜在用户消费行为在全维度的消费风控特征,包括:
5.根据权利要求1所述的方法,其特征在于,所述对所述消费特征和消费风控特征执行所述潜在用户的分层聚类,在所述消费特征和消费风控特征的分别控制下得到所述潜在用户对应不同类别形成的用户群体,包括:
6.根据权利要求1所述的方法,其特征在于,所述通过在所述消费特征和消费风控特征控制下分别得到的用户群体重定位对应于不同类别的用户群体,包括:
7.根据权利要求1所述的方法,其特征在于,所述根据所述用户群体的类别,将地铁业主商品推荐至所述用户群体包含的潜在用户,包括:
8.根据权利要求7所述的方法,其特征在于,所述按照所述商品推送策略确定所述潜在用户的地铁业主商品推荐内容以及推荐频率之后,
9.根据权利要求1所述的方法,其特征在于,所述面向地铁数字票务定位潜在用户,并获取所述潜在用户的消费数据之后,所述方法还包括:
10.根据权利要求9所述的方法,其特征在于,所述为所述潜在用户推荐被商品购买行为所选举出的地铁业主商品,包括: