[发明专利]优惠券派发策略的选择方法及装置

权利要求书

1.一种优惠券派发策略的选择方法，其特征在于，包括：

获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；

根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；

获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；

以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。

2.根据权利要求1所述的方法，其特征在于，所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值前，还包括：

根据样本人群的消费历史数据获取所述样本人群在过去第一阶段的消费历史数据和所述第一阶段后相邻的第二阶段中的分组指标值；

根据所述样本人群在过去相邻的第一阶段消费历史数据和第二阶段中的分组指标值，采用机器学习算法获取分组指标预测模型；

所述获取待发券人群中每一用户在未来预定时间内的预测的分组指标值，包括：

获取所述待发券人群中每一用户的消费历史数据，并输入到所述分组指标预测模型中以获取所述待发券人群中每一用户在未来预定时间内的预测的分组指标值。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取多个的训练策略，所述多个训练策略根据分组指标值以不同的分组方式分组，并对各分组方式中的各分组分别设定优惠券额度；

根据样本人群的消费历史数据，获取与各所述训练策略匹配的用户形成对应的实验组，以及获取未发券用户作为空白组，并根据各实验组和所述空白组的消费历史数据，获取每一所述训练策略的ROI及其各分组的用户特征信息；

将每一所述训练策略的ROI及其各分组的用户特征信息作为训练集，采用机器学习算法获取所述ROI预测模型。

4.根据权利要求2或3任一项所述的方法，其特征在于，所述分组指标为成交金额GMV、券转化率或流失率。

5.根据权利要求4所述的方法，其特征在于，所述机器学习算法为梯度提升决策树算法。

6.一种优惠券派发策略的选择装置，其特征在于，包括：

分组指标值预测模块，用于获取待发券人群中每一用户在未来预定时间内的预测的分组指标值；

策略生成模块，用于根据所述预测的分组指标值以不同的分组方式对所述待发券人群进行分组，并对各分组方式中的各分组分别设定优惠券额度，从而形成多个备选的优惠券派发策略；

获取模块，用于获取每一所述备选的优惠券派发策略中各分组的用户特征信息，并输入到投资回报率ROI预测模型中，其中所述ROI预测模型为预先获取的ROI与优惠券派发策略中各分组的用户特征信息的关系模型；

最优策略获取模块，用于以ROI预测模型作为适应度函数，采用遗传算法获取最优的优惠券派发策略。

7.根据权利要求6所述的装置，其特征在于，还包括分组指标预测模型训练模块，用于：

根据样本人群的消费历史数据获取所述样本人群在过去第一阶段的消费历史数据和所述第一阶段后相邻的第二阶段中的分组指标值；

根据所述样本人群在过去相邻的第一阶段消费历史数据和第二阶段中的分组指标值，采用机器学习算法获取分组指标预测模型；

所述分组指标值预测模块具体用于：

获取所述待发券人群中每一用户的消费历史数据，并输入到所述分组指标预测模型中以获取所述待发券人群中每一用户在未来预定时间内的预测的分组指标值。