[发明专利]基于营销效果的智能客群筛选方法、系统、介质及设备在审

专利信息
申请号: 202211731695.1 申请日: 2022-12-30
公开(公告)号: CN115809889A 公开(公告)日: 2023-03-17
发明(设计)人: 王永强;冯鹏 申请(专利权)人: 企知道网络技术有限公司
主分类号: G06Q30/0201 分类号: G06Q30/0201;G06F16/9535;G06F16/906
代理公司: 武汉维兴专利代理有限公司 42298 代理人: 肖照旭
地址: 518000 广东省深圳市南山区西丽*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 营销 效果 智能 筛选 方法 系统 介质 设备
【权利要求书】:

1.一种基于营销效果的智能客群筛选方法,其特征在于,应用于计算机设备,所述方法包括:

将包含特征标签的候选客群输入至客群筛选模型中,得到初选客群,所述客群筛选模型基于营销测试中的样本训练客群以及样本训练客群中各用户的特征标签训练得到;

基于所述初选客群以及预设的客群数量,确定目标客群。

2.根据权利要求1所述的基于营销效果的智能客群筛选方法,其特征在于,所述基于所述初选客群以及预设的客群数量,确定目标客群,包括:

判断所述初选客群数量是否小于预设的客群数量;

若所述初选客群数量不小于预设的客群数量,则将所述初选客群中各用户的投入产出比值按照升序排列,筛选出预设的客群数量的客群作为目标客群;

若所述初选客群数量小于预设的客群数量,则将所述候选客群之外的客群输入至所述客群筛选模型,得到扩展目标客群,获取所述预设的客群数量与所述初选客群数量之差的补偿客群数量,将所述扩展目标客群中的各用户的投入产出比值按照升序排列,筛选出所述补偿客群数量的客群,并将所述补偿客群数量的客群以及所述初选客群之和作为目标客群。

3.根据权利要求1所述的基于营销效果的智能客群筛选方法,其特征在于,所述将包含特征标签的候选客群输入至客群筛选模型中,得到初选客群之前,还包括:

获取营销测试中的样本客群的营销效果数据;

基于所述营销效果数据将所述样本客群划分为正样本客群和负样本客群;

对所述正样本客群中的各用户进行特征标签配置并筛选,得到样本训练客群以及样本训练客群中各用户的特征标签;

基于所述样本训练客群以及所述各用户的特征标签对初始的客群筛选模型进行训练,得到客群筛选模型。

4.根据权利要求3所述的基于营销效果的智能客群筛选方法,其特征在于,所述获取营销测试中的样本客群的营销效果数据,包括:

基于相同的营销活动,随机抽样选取至少一个用户作为样本客群;

对所述样本客群进行广告投放的营销测试;

获取预置时间段后所述营销测试中的样本客群的营销效果数据。

5.根据权利要求3所述的基于营销效果的智能客群筛选方法,其特征在于,所述基于所述营销效果数据将所述样本客群划分为正样本客群和负样本客群,包括:

基于所述营销效果数据,判断所述样本客群中的各用户是否对所述营销测试有响应;

将对所述营销测试有响应的用户划分为正样本客群;

将对所述营销测试没有响应的用户划分为负样本客群。

6.根据权利要求3所述的基于营销效果的智能客群筛选方法,其特征在于,所述对所述正样本客群中的各用户进行特征标签配置并筛选,得到样本训练客群以及样本训练客群中各用户的特征标签,包括:

获取所述正样本客群中的各用户的营销效果数据;

基于所述各用户的营销效果数据以及预置的特征标签库对所述各用户进行特征标签配置,得到所述各用户的特征标签;

根据所述各用户的特征标签,将不符合预置标准特征标签的用户进行筛除,得到样本训练客群以及样本训练客群中各用户的特征标签。

7.根据权利要求6所述的基于营销效果的智能客群筛选方法,其特征在于,所述根据所述各用户的特征标签,将不符合预置标准特征标签的用户进行筛除,得到样本训练客群以及样本训练客群中各用户的特征标签,包括:

计算所述各用户的特征标签与对应预置标准特征标签的相关度以及所述各用户的特征标签的数量;

将所述用户的特征标签的数量低于预设标签数量的用户筛除,得到第一样本训练客群;

在所述第一样本训练客群中将所述相关度低于预设相关度的特征标签对应的用户筛除,得到所述样本训练客群以及样本训练客群中各用户的特征标签。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于企知道网络技术有限公司,未经企知道网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211731695.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top