一种基于大数据分析推广的智能营销系统的制作方法

本发明涉及电子信息，尤其涉及一种基于大数据分析推广的智能营销系统。

背景技术：

1、随着科技的发展，互联网应用的普及率提升，各种应用软件不断发展，互联网购物和互联网产品销售营销平台也应运而生，用户可根据互联网产品销售营销选择自己需要的产品或服务，然而，现有的互联网产品销售营销平台存在无法为用户提供有效准确的产品，导致用户产品浏览时间较长，无法进行达成有效及时的销售目的，为此，我们提出了一种基于大数据分析推广的智能营销系统。

技术实现思路

1、本发明提出的一种基于大数据分析推广的智能营销系统，以解决现有技术中的上述不足之处。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于大数据分析推广的智能营销系统，包括数据采集单元、点击率分析单元、浏览咨询统计单元、浏览时长统计单元和收藏统计单元；

4、所述数据采集单元用于对网络广告投放后，客户对投放的广告进行点击查看的相关数据信息进行集中采集处理，同时将采集后的相关数据信息发送给点击率分析单元；

5、所述点击率分析单元用于接收数据采集单元发送的相关数据信息，同时根据接收的相关数据信息进行有效点击率的分析判断处理，同时将有效点击率相关数据信息分别发送给客服咨询统计单元、浏览时长统计单元和收藏统计单元；

6、所述收藏统计单元用于接收点击率分析单元发送的相关数据信息，根据接收的相关数据信息对客户将其中某一条投放的广告进行收藏的总次数进行统计标记处理；

7、所述客服咨询统计单元用于接收点击率分析单元发送的相关数据信息，根据接收的相关数据信息对客户通过投放的广告进行客服详细咨询的次数与咨询内容的统计标注处理；

8、所述浏览时长统计单元用于接收点击率分析单元发送的相关数据信息，根据接收的相关数据信息对广告点击后进行浏览时长的统计处理。

9、进一步地，还包括浏览时长分析单元、客户评价统计单元和有效时长判断单元；

10、所述浏览时长分析单元用于接收浏览时长统计单元发送的相关数据信息，同时根据接收的相关数据信息对投放广告总时长进行浏览时长的时间长短进行分析处理，同时将分析后的相关数据信息发送给有效时长判断单元和收藏统计单元；

11、所述有效时长判断单元用于接收浏览时长分析单元发送的相关数据信息，同时根据接收的相关数据信息对浏览时长进行是否为有效浏览的判断分析处理，并将判定有效的相关数据信息发送给客户评价统计单元；

12、所述客户评价统计单元用于接收有效时长判断单元发送的有效浏览时长相关数据信息，同时根据接收的有效浏览时长相关数据信息后对客户评价结果进行集中统计。

13、进一步地，同时还包括客户喜好分类统计单元、历史销售记录统计单元和销售方案策划拟定单元；

14、所述客户喜好分类统计单元用于接收有效时长判断单元发送的相关数据信息，同时根据接收的相关数据信息对客户平时购物习惯和个人喜好进行自动分类标识处理，并将分类标识后的相关数据信息发送给历史销售记录统计单元和销售方案策划拟定单元；

15、所述历史销售记录统计单元用于接收客户喜好分类统计单元发送的相关数据信息，同时对同一客户的历史购物记录以及同一客户购买同一产品的次数进行调取统计，通过将调取后的相关数据信息与客户喜好分类统计单元统计的喜好相关数据信息进行对比分析，同时将分析对比后的相关数据信息发送给销售分案策划拟定单元；

16、所述销售方案策划拟定单元用于接收收藏统计单元、历史销售记录统计单元和客户喜好分类统计单元发送的相关数据信息，根据接收的相关数据信息进行最佳销售方案的策划拟定处理，根据客户的喜好制定个性化和专业化的营销方法，有效的最大化提升市场营销的效果，为企业奠定良好的销售基础，通过cart树的剪枝算法：

17、输入是cart树建立算法得到的原始决策树t，输出是最优决策子树ta，计算公式如下：

18、1)初始化αmin＝∞，最优子树集合ω＝{t}；

19、2)从叶子节点开始自下而上计算各内部节点的训练误差损失函数cα(tt)，cα(tt)＝c(tt)+α|tt|，其中，α为正则化参数，这和线性回归的正则化一样，c(tt)为训练数据的预测误差，分类树是用基尼系数度量，回归树是均方差度量，|tt|是子树t的叶子节点的数量，当α＝0时，即没有正则化，原始的生成的cart树即为最优子树，当α＝∞时，即正则化强度达到最大，此时由原始的生成的cart树的根节点组成的单节点树为最优子树，当然，这是两种极端情况，一般来说，α越大，则剪枝剪的越厉害，生成的最优子树相比原生决策树就越偏小，对于固定的α，一定存在使损失函数cα(t)最小的唯一子树，以及正则化阈值更新αmin＝α；

20、3)得到所有节点的α值的集合m；

21、4)从m中选择最大的值αk，自上而下的访问子树t的内部节点，如果时，进行剪枝，并决定叶节点t的值，如果是分类树，则是概率最高的类别，如果是回归树，则是所有样本输出的均值，这样得到αk对应的最优子树tk；

22、5)最优子树集合ω＝ω∪tk，m＝m-{αk}；

23、6)如果m不为空，则回到步骤4，否则就已经得到了所有的可选最优子树集合ωω；

24、7)采用交叉验证在ωω选择最优子树ta。

25、进一步地，所述客户喜好分类统计单元包括经济实惠占比统计模块、实用性占比统计模块和美观度占比统计模块，所述经济实惠占比统计模块用于接收有效时长判断单元发送的相关数据信息，同时根据接收的相关数据信息进行同一客户对经济实惠的产品购买频率以及经济实惠产品被购买频率进行统计处理，并将统计后的相关数据信息分别发送给历史销售记录统计单元和销售方案策划拟定单元；

26、所述实用性占比统计模块用于接收有效时长判断单元发送的相关数据信息，同时根据接收的相关数据信息对同一客户以实用性为主，价格合理产品购买的频率以及实用性高且价格同样偏高的产品购买频率进行统计处理，并将统计后的相关数据信息分别发送给历史销售记录统计单元和销售方案策划拟定单元；

27、所述美观度占比统计模块用于接收有效时长判断单元发送的相关数据信息，同时根据接收的相关数据信息对同一客户以外观好看为主，价格合理产品购买的频率以及外观优美且价格偏高的产品购买频率进行统计处理，并将统计后的相关数据信息分别发送给历史销售记录统计单元和销售方案策划拟定单元。

28、进一步地，所述有效时长判断单元包括界面停留时长统计模块和界面滚动速度统计模块，所述界面停留时长统计模块用于接收浏览时长分析单元发送的相关数据信息，根据接收的相关数据信息后进行当前界面停留的时间与常规停留时间进行对比分析处理，并将分析后的相关数据信息发送给客户评价统计单元和客户喜好分类统计单元；

29、所述界面滚动速度统计模块用于接收浏览时长分析单元发送的相关数据信息，根据接收的相关数据信息对当前界面滚动浏览的速度与常规浏览滚动的速度进行对比分析处理，并将分析后的相关数据信息发送给客户评价统计单元和客户喜好分类统计单元。

30、进一步地，所述数据采集单元的输出端与点击率分析单元的输入端相连接，所述点击率分析单元的输出端分别与收藏统计单元、浏览时长统计单元和客服咨询统计单元的输入端相连接，所述收藏统计单元的输出端与销售方案策划拟定单元的输入端相连接，所述浏览时长统计单元的输出端分别与客服咨询统计单元和浏览时长分析单元的输入端相连接，客服咨询统计单元的输出端与客户评价统计单元的输入端相连接，所述浏览时长分析单元的输出端分别与收藏统计单元和有效时长判断单元的输入端相连接，所述有效时长判断单元的输出端分别与客户评价统计单元和客户喜好分类统计单元的输入端相连接，所述客户评价统计单元的输出端与销售方案策划拟定单元的输入端相连接，所述客户喜好分类统计单元的输出端分别与历史销售记录统计单元和销售方案策划拟定单元的输入端相连接，所述历史销售记录统计单元的输出端与销售方案策划拟定单元的输入端相连接。

31、进一步地，所述有效时长判断单元的输出端分别与经济实惠占比统计模块、实用性占比统计模块和美观度占比统计模块的输入端相连接，所述经济实惠占比统计模块、实用性占比统计模块和美观度占比统计模块的输出端分别与历史销售记录统计单元和销售方案策划拟定单元的输入端相连接。

32、进一步地，所述浏览时长分析单元的输出端分别与界面停留时长统计模块和界面滚动速度统计模块的输入端相连接，所述界面停留时长统计模块和界面滚动速度统计模块的输出端分别与客户评价统计单元和客户喜好分类统计单元的输入端相连接

33、与现有的技术相比，本发明的有益效果是：

34、本发明通过数据采集单元对投放后的电子广告进行浏览频率以及浏览人群相关数据信息的自动采集，通过点击率分析单元对投放后的电子广告点击浏览咨询的频率进行智能分析判断处理，通过浏览时长分析单元对浏览的总时长进行时间长短的原因进行智能分析，通过浏览的时间长短进行是否为有效浏览的判断处理，通过客户评价统计单元有效的对投放后的电子广告是否受欢迎以及客户对投放的广告好坏进行评价，本发明通过对客户的喜好进行自动分析判断处理，同时可以对客户购买群体以及购买倾向进行分析判断，从而有效的快速进行营销推广方案的策划效率和效果。