[发明专利]一种基于多特征融合的用户在线精准营销方法及装置

说明书

本发明提供了一种基于多特征融合的用户在线精准营销方法及装置，该方法包括：采集与用户相关的多个类型的数据，将多个类型的数据分别输出到对应类型的特征提取器中提取特征向量，将多个特征向量整合为整合向量，将整合向量输出到判别器中，根据判别器的判断结果对用户进行推送或试探性推送，接收推送或试探性推送后用户的在线反馈数据，以实时更新判别器。基于本发明提出的技术方案，采集与用户相关的多个数据有助于更全面的了解用户以对用户进行推送或试探性推送，之后结合推送和试探性推送后用户的在线反馈数据实时更新判别器，其数据更加全面使得更新后的判别器可以对营销用户的定位更加精准。另外，更新过程也更为简便。

技术领域

本发明涉及计算机技术领域，特别是涉及一种基于多特征融合的用户在线精准营销方法及装置。

背景技术

用户精准营销可简单理解为，对于可触达的用户人群，精准地筛选出对某产品有需求的用户。筛选的前提是有可利用的用户信息化数据(又称用户画像)，例如用户的基本属性和各种行为数据等不同类型的特征数据。然后通过规则或模型的方式，对数据进行分析，从而判断该用户是否有产品需求。

当前，可以通过人工的方式从已有的数据中发现与所要营销的产品具有强相关性的信息，然后利用该特征信息对用户进行营销，或者根据此信息，对一批用户进行试探性推荐，然后根据用户的真实反馈，得到样本标签，进而训练模型，最后利用该模型对剩余可触达用户的画像数据进行判断，从而得出这些用户是否有产品的需求。这个方案的缺点在于，所能利用的用户画像数据有限，以人工的方式很难从用户的数据中找到对产品有需求的特征信息，即很难用规则或策略的方式进行精准营销，这个时候往往需要借助模型对有限的数据进行判断。利用传统的有监督学习的模型，需要事先随机地对一批用户进行推荐，得到有标签的样本数据以训练模型，然后利用训练的模型筛选用户进而推荐，再通过反馈数据更新模型，如此反复。显然，该方案获得的与用户相关数据类型仍然不多，导致无法精准的反应用户与所营销产品的相关性。另外，其会倾向于利用有正向反馈的样本，而极度抑制负向反馈的样本，并且模型的更新操作不够简化。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于多特征融合的用户在线精准营销方法及装置，可以实现更加精准的营销。

根据本发明的一个方面，提供了一种基于多特征融合的用户在线精准营销方法，包括：采集与用户相关的多个类型的数据，将多个类型的数据分别输出到对应类型的特征提取器中提取特征向量；

将多个所述特征向量整合为整合向量；

将所述整合向量输出到判别器中，根据所述判别器的判断结果对所述用户进行推送或试探性推送；

接收推送或试探性推送后用户的在线反馈数据，以实时更新判别器。

可选地，所述采集与用户相关的多个类型的数据，将多个类型的数据分别输出到对应类型的特征提取器中提取特征向量，包括：

采集与用户相关的多个类型的数据并对多个类型的数据分别进行清洗；

将清洗后的不同类型的数据分别输出到对应类型的特征提取器中提取特征向量。

可选地，所述多个类型的数据至少包括：与用户相关的属性类数据、通知类数据、网络类数据。

可选地，所述将多个所述特征向量整合为整合向量，包括：

拼接多个所述特征向量得到整合向量；或

计算多个所述特征向量的平均值以将所述平均值作为整合向量。

可选地，所述将所述整合向量输出到判别器中，根据所述判别器的判断结果对所述用户进行推送或试探性推送，包括：