[发明专利]一种智能营销精准推荐方法

权利要求书

1.一种智能营销精准推荐方法，其特征在于，该方法包括：

根据产品类型选择推荐平台和不同受众群体，其中，每个受众群体中包含多个不同的受众个体；

对不同受众群体在推荐平台上进行初次广告投放，收集初次广告投放后不同受众群体中每个受众个体对本产品的多个反馈信息和同类型产品的多个反馈信息，其中，多个反馈信息包括广告浏览时长，广告点击率，广告浏览次数；

利用收集的初次广告投放后每个受众个体对本产品的每个反馈信息和同类型产品的每个反馈信息，获取每个受众个体对本产品的每个反馈信息降维值；

利用不同受众群体中每个受众个体对本产品的每个反馈信息降维值，计算出不同受众群体中每个受众个体的信息权值；利用不同受众群体中每个受众个体的信息权值生成不同受众群体的权值矩阵；

利用不同受众群体的权值矩阵中的非零元素计算出不同受众群体的权值矩阵的活跃度；

从不同受众群体中选择多个受众群体进行组合得到多种组合，利用每种组合中包含的每个受众群体对应的权值矩阵的活跃度，计算出每种组合的精准投放度；

选取多个排名靠前的精准投放度对应的组合作为筛选后组合，对筛选后组合进行分解得到若干个筛选后受众群体，按照若干个筛选后受众群体出现次数确定精准营销投放群体；

所述利用每种组合中包含的每个受众群体对应的权值矩阵的活跃度，计算出每种组合的精准投放度的步骤包括：

计算出所有受众群体对应的权值矩阵的活跃度均值；

计算出每种组合中包含的每个受众群体对应的权值矩阵的活跃度与活跃度均值的差值；

利用每种组合对应的差值平方的和值和该种组合包含的受众群体的个数，计算出每种组合的精准投放度；

所述每种组合的精准投放度的计算公式为：

其中，D_ya表示第a个受众群体GR_a的权值矩阵的活跃度；表示所有受众群体对应的权值矩阵的活跃度均值；Dy_j表示第h种组合中包含的第j个受众群体对应的权值矩阵的活跃度；α表示第h种组合中包含的受众群体的个数；Pr_h表示第h种组合的精准投放度；

所述选取多个排名靠前的精准投放度对应的组合作为筛选后组合的步骤包括：

对每种组合的精准投放度进行降序排序，得到降序排序后的精准投放度序列；

选取精准投放度序列中多个排名靠前的精准投放度对应的组合作为筛选后组合；

所述按照若干个筛选后受众群体出现次数确定精准营销投放群体的步骤包括：

将若干个筛选后受众群体分配到不同预设标签组内；

在每个预设标签组内按照筛选后受众群体出现次数从多到少进行降序排序，得到每个预设标签组的筛选后受众群体序列；

将每个预设标签组的筛选后受众群体序列中排名最靠前的筛选后受众群体组合，并将该组合作为精准营销投放群体。

2.根据权利要求1所述的一种智能营销精准推荐方法，其特征在于，所述利用不同受众群体中每个受众个体的信息权值生成不同受众群体的权值矩阵的步骤包括：

利用对不同受众群体初次投放广告量的总数确定不同受众群体的单位矩阵；

在计算出不同受众群体中每个受众个体的信息权值后，获取不同受众群体的权值序列；

对不同受众群体的权值序列进行补零处理得到不同受众群体的处理后权值序列，并将不同受众群体的处理后权值序列生成与单位矩阵同样大小的信息矩阵；

利用每个受众群体的信息矩阵对该受众群体的单位矩阵进行赋权，得到不同受众群体的权值矩阵。

3.根据权利要求1所述的一种智能营销精准推荐方法，其特征在于，所述利用不同受众群体的权值矩阵中的非零元素计算出不同受众群体的权值矩阵的活跃度，包括：

计算出不同受众群体的权值矩阵中的非零元素的平均值；

利用不同受众群体的权值矩阵中的每个非零元素与平均值的差异，计算出不同受众群体的权值矩阵的活跃度。