CN107818478A - 基于预估收益的海外优惠券发放方法及系统 - Google Patents

基于预估收益的海外优惠券发放方法及系统 Download PDF

Info

Publication number
CN107818478A
CN107818478A CN201711043632.6A CN201711043632A CN107818478A CN 107818478 A CN107818478 A CN 107818478A CN 201711043632 A CN201711043632 A CN 201711043632A CN 107818478 A CN107818478 A CN 107818478A
Authority
CN
China
Prior art keywords
user
data
overseas
recent period
order
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711043632.6A
Other languages
English (en)
Inventor
陈冬露
姚慧
熊斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ctrip Computer Technology Shanghai Co Ltd
Original Assignee
Ctrip Computer Technology Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ctrip Computer Technology Shanghai Co Ltd filed Critical Ctrip Computer Technology Shanghai Co Ltd
Priority to CN201711043632.6A priority Critical patent/CN107818478A/zh
Publication of CN107818478A publication Critical patent/CN107818478A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0213—Consumer transaction fees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0222—During e-commerce, i.e. online transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于预估收益的海外优惠券发放方法及系统，所述海外优惠券发放方法包括：获取用户历史数据；通过XGBoost算法分别对用户历史数据进行处理，建立用户下单金额预测模型；预测用户下单金额；通过XGBoost算法分别对用户历史数据进行处理，建立用户下单概率预测模型；预测用户下单概率；根据用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，向用户发放最大预估收益对应的优惠券。本发明通过克服了现有技术中发放优惠券的缺陷，实现刺激用户下单的同时，用户收益达到最大化的目的。

Description

基于预估收益的海外优惠券发放方法及系统
技术领域
本发明涉及OTA(Online Travel Agent，在线旅行社)平台销售技术领域，特别涉及一种基于预估收益的海外优惠券发放方法及系统。
背景技术
在目前的OTA行业中，特别对于海外酒店领域，常用的用户激励方式就是发放海外优惠券。
现有技术中，发放优惠券的最常用的方式就是简单地对用户进行分群，如根据历史有无订单等数据简单地对用户进行分群。这种优惠券的发放方式存在的缺点是：使用单一变量过于简单去划分用户群体，没有针对用户的多维度特征数据进行综合考虑，导致发放优惠券激励用户的效果不明显。还有另一种优惠券发放方式，即通过预测用户未来是否下单来发放优惠券。具体地，对于未来不发券且不会下单的用户发放优惠券，激励用户下单；对于未来不发券且会下单的用户不发优惠券，节约成本，但是，该优惠券发放方式依然存在以下问题：该发放优惠券的方式仅仅考虑用户不发券未来是否下单，没有从用户收益的角度考虑，即考虑用户适用于哪种优惠券额度的优惠券，比如，已知用户A不发券未来下单概率为0.8，目前有两种优惠券：满500减10和满500减20，此时不清楚哪种优惠券对用户A更好，从而导致该发放优惠券激励用户的效果也不是很明显。
发明内容
本发明要解决的技术问题是为了克服现有技术中的优惠券的发放方式存在采用单一变量去划分用户群体或仅仅考虑用户不发券未来是否下单，没有从用户收益的角度考虑，导致激励用户的效果不明显的缺陷，目的在于提供一种基于预估收益的海外优惠券发放方法及系统。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种基于预估收益的海外优惠券发放方法，所述海外优惠券发放方法包括：
S1、获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
S2、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
S3、根据所述用户下单金额预测模型预测用户下单金额；
S4、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
S5、根据所述用户下单概率预测模型预测用户下单概率；
S6、OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并向用户发放最大预估收益对应的优惠券。
较佳地，步骤S6中的所述计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
较佳地，步骤S1之前还包括：
获取用户海外出行意向的分数值；
判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，继续步骤S1；在判断为否时，确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券。
较佳地，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据中的至少一种；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据中的至少一种；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据中的至少一种；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
较佳地，步骤S2中的所述建立用户下单金额预测模型具体包括：
通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量数据、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
步骤S4中的所述建立用户下单金额预测模型具体包括：
通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型。
本发明还提供一种基于预估收益的海外优惠券发放系统，所述海外优惠券发放系统包括用户历史数据获取模块、下单金额预测模型建立模块、用户下单金额预测模块、下单概率预测模型建立模块、用户下单概率预测模块、预估收益计算单元和优惠券发送模块；
所述用户历史数据获取模块用于获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
所述下单金额预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
所述用户下单金额预测模块用于根据所述用户下单金额预测模型预测用户下单金额；
所述下单概率预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
所述用户下单概率预测模块用于根据所述用户下单概率预测模型预测用户下单概率；
所述预估收益计算单元用于OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并调用所述优惠券发送模块；
所述优惠券发送模块用于向用户发放最大预估收益对应的优惠券。
较佳地，所述预估收益计算单元计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
较佳地，所述海外优惠券发放系统还包括海外出行意向分值获取模块和判断模块和处理模块；
所述海外出行意向分值获取模块用于获取用户海外出行意向的分数值；
所述判断模块用于判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，调用所述用户历史数据获取模块；在判断为否时，调用所述处理模块；
所述处理模块用于确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券。
较佳地，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据中的至少一种；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据中的至少一种；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据中的至少一种；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
较佳地，所述下单金额预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
所述下单概率预测模型建立模块用于通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型。
本发明的积极进步效果在于：
本发明通过获取用户历史数据，采用XGBoost算法对用户历史数据进行处理，分别建立用户下单金额预测模型和用户下单概率预测模型，预测用户下单金额和用户下单概率，然后根据预测的用户下单金额和用户下单概率计算获得用户对不同优惠券的预估收益，并向用户发放最大预估收益对应的优惠券，从而克服现有技术中发放优惠券的缺陷，实现刺激用户下单的同时，用户收益达到最大化的目的。
附图说明
图1为本发明的实施例1的基于预估收益的海外优惠券发放方法的流程图；
图2为本发明的实施例2的基于预估收益的海外优惠券发放系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例1的基于预估收益的海外优惠券发放方法包括：
S101、获取用户海外出行意向的分数值；
S102、判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，继续步骤S103；在判断为否时，确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券；
S103、获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
具体地，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
S104、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
具体地，通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量数据、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
S105、根据所述用户下单金额预测模型预测用户下单金额；
S106、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
具体地，通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型；
S107、根据所述用户下单概率预测模型预测用户下单概率；
S108、OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并向用户发放最大预估收益对应的优惠券。
其中，计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
具体地，例如根据用户下单金额预测模型预测用户A下单金额为2000元，根据用户下单概率预测模型预测用户下单概率为0.1，现有三种类型的优惠券：优惠券金额分别为0元、50元和100元，这三种类型的优惠券的优惠金额的用户下单概率如下表所示：
优惠券策略 优惠金额 用户下单概率
1 0 0.1
2 50 0.15
3 100 0.2
其中，策略1的预估收益＝(2000*0.1-0)*0.1＝20元；策略2的预估收益＝(2000*0.1-50)*0.15＝22.5元；策略3的预估收益＝(2000*0.1-100)*0.2＝20元；从而可得，策略2对应的预估收益最大，因此，选择将策略2的优惠券金额为50元的优惠券发放给用户。
实施例2
如图2所示，本实施例的基于预估收益的海外优惠券发放系统包括海外出行意向分值获取模块1、判断模块2、处理模块3、用户历史数据获取模块4、下单金额预测模型建立模块5、用户下单金额预测模块6、下单概率预测模型建立模块7、用户下单概率预测模块8、预估收益计算单元9和优惠券发送模块10。
所述海外出行意向分值获取模块1用于获取用户海外出行意向的分数值；
所述判断模块2用于判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，调用所述用户历史数据获取模块；在判断为否时，调用所述处理模块3；
所述处理模块3用于确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券。
所述用户历史数据获取模块4用于获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
具体地，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
所述下单金额预测模型建立模块5用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
具体地，所述下单金额预测模型建立模块5用于通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
所述用户下单金额预测模块6用于根据所述用户下单金额预测模型预测用户下单金额；
所述下单概率预测模型建立模块7用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
具体地，所述下单概率预测模型建立模块7用于通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型
所述用户下单概率预测模块8用于根据所述用户下单概率预测模型预测用户下单概率；
所述预估收益计算单元9用于OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并调用所述优惠券发送模块；
所述优惠券发送模块10用于向用户发放最大预估收益对应的优惠券。
其中，计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
具体地，例如根据用户下单金额预测模型预测用户A下单金额为2000元，根据用户下单概率预测模型预测用户下单概率为0.1，现有三种类型的优惠券：优惠券金额分别为0元、50元和100元，这三种类型的优惠券的优惠金额的用户下单概率如下表所示：
优惠券策略 优惠金额 用户下单概率
1 0 0.1
2 50 0.15
3 100 0.2
其中，策略1的预估收益＝(2000*0.1-0)*0.1＝20元；策略2的预估收益＝(2000*0.1-50)*0.15＝22.5元；策略3的预估收益＝(2000*0.1-100)*0.2＝20元；从而可得，策略2对应的预估收益最大，因此，选择将策略2的优惠券金额为50元的优惠券发放给用户。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种基于预估收益的海外优惠券发放方法，其特征在于，所述海外优惠券发放方法包括：
S1、获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
S2、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
S3、根据所述用户下单金额预测模型预测用户下单金额；
S4、通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
S5、根据所述用户下单概率预测模型预测用户下单概率；
S6、OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并向用户发放最大预估收益对应的优惠券。
2.如权利要求1所述的基于预估收益的海外优惠券发放方法，其特征在于，步骤S6中的所述计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
3.如权利要求1所述的基于预估收益的海外优惠券发放方法，其特征在于，步骤S1之前还包括：
获取用户海外出行意向的分数值；
判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，继续步骤S1；在判断为否时，确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券。
4.如权利要求1所述的基于预估收益的海外优惠券发放方法，其特征在于，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据中的至少一种；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据中的至少一种；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据中的至少一种；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
5.如权利要求4所述的基于预估收益的海外优惠券发放方法，其特征在于，步骤S2中的所述建立用户下单金额预测模型具体包括：
通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量数据、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
步骤S4中的所述建立用户下单金额预测模型具体包括：
通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型。
6.一种基于预估收益的海外优惠券发放系统，其特征在于，所述海外优惠券发放系统包括用户历史数据获取模块、下单金额预测模型建立模块、用户下单金额预测模块、下单概率预测模型建立模块、用户下单概率预测模块、预估收益计算单元和优惠券发送模块；
所述用户历史数据获取模块用于获取用户历史数据；
其中，所述用户历史数据包括用户近期浏览海外的数据、用户历史酒店订单数据、用户历史机票订单数据、用户画像数据和优惠券的优惠数据；
所述下单金额预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据和所述用户画像数据进行处理，建立用户下单金额预测模型；
所述用户下单金额预测模块用于根据所述用户下单金额预测模型预测用户下单金额；
所述下单概率预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外的数据、所述用户历史酒店订单数据、所述用户历史机票订单数据、所述用户画像数据和所述优惠券优惠数据进行处理，建立用户下单概率预测模型；
所述用户下单概率预测模块用于根据所述用户下单概率预测模型预测用户下单概率；
所述预估收益计算单元用于OTA平台根据所述用户下单金额和所述用户下单概率分别计算用户对不同优惠券的预估收益，并调用所述优惠券发送模块；
所述优惠券发送模块用于向用户发放最大预估收益对应的优惠券。
7.如权利要求6所述的基于预估收益的海外优惠券发放系统，其特征在于，所述预估收益计算单元计算用户对不同优惠券的预估收益的公式为：
Ei＝(M*α-cdvi)*pi
其中，Ei表示第i种优惠券的预估收益，M表示用户下单金额，α表示订单的佣金率，cdvi表示第i种优惠券的优惠金额，pi表示第i种优惠券的下单概率。
8.如权利要求6所述的基于预估收益的海外优惠券发放系统，其特征在于，所述海外优惠券发放系统还包括海外出行意向分值获取模块和判断模块和处理模块；
所述海外出行意向分值获取模块用于获取用户海外出行意向的分数值；
所述判断模块用于判断所述用户海外出行意向的分数值是否超过设定阈值，在判断为是时，确定用户为具有海外出行意向的用户，调用所述用户历史数据获取模块；在判断为否时，调用所述处理模块；
所述处理模块用于确定用户为不具有海外出行意向的用户，不对用户发放海外优惠券。
9.如权利要求6所述的基于预估收益的海外优惠券发放系统，其特征在于，所述用户近期浏览海外的数据包括用户近期浏览海外酒店的价格中位数数据、用户近期浏览海外酒店所在城市的价格中位数数据、用户浏览海外酒店的连住天数数据、用户近期浏览海外酒店的提前浏览天数数据、用户近期浏览海外酒店订单填写页的浏览量数据、用户近期浏览海外机票的提前浏览天数数据、用户近期浏览海外机票详情页的浏览量数据、用户近期浏览海外机票订单填写页的浏览量数据、用户近期浏览签证的浏览量数据、用户近期浏览团队游的浏览量数据、用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据中的至少一种；
所述用户历史酒店订单数据包括用户历史订单金额数据、用户历史酒店订单量和用户历史提前预定天数数据中的至少一种；
所述用户历史机票订单数据包括用户近期海外机票景点的价格数据和/或用户近期的海外机票的订单数据；
所述用户画像数据包括用户当前的大方小气标签数据、用户当前的价格敏感性标签数据、用户当前的消费能力标签数据、用户当前积分标签数据和用户的会员等级标签数据中的至少一种；
所述优惠券的优惠数据包括优惠券的优惠金额数据。
10.如权利要求9所述的基于预估收益的海外优惠券发放系统，其特征在于，
所述下单金额预测模型建立模块用于通过XGBoost算法分别对所述用户近期浏览海外酒店的价格中位数数据、所述用户近期浏览海外酒店所在城市的价格中位数数据、所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期海外机票景点的价格数据、所述用户历史订单金额数据、所述用户历史酒店订单量、所述用户当前的大方小气标签数据、所述用户当前的价格敏感性标签数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据和所述用户的会员等级标签数据进行处理，建立用户下单金额预测模型；
所述下单概率预测模型建立模块用于通过XGBoost算法分别对所述用户浏览海外酒店的连住天数数据、所述用户近期浏览海外酒店的提前浏览天数数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期浏览海外酒店订单填写页的浏览量数据、所述用户近期的海外机票的订单数据、所述用户近期浏览海外机票的提前浏览天数数据、所述用户近期浏览海外机票详情页的浏览量数据、所述用户近期浏览海外机票订单填写页的浏览量、所述用户近期浏览签证的浏览量数据、所述用户近期浏览团队游的浏览量数据、所述用户近期浏览自由行的浏览量数据和用户近期浏览攻略的浏览量数据、所述用户历史订单金额数据、用户历史酒店订单量、所述用户历史提前预定天数数据、所述用户当前的消费能力标签数据、所述用户当前积分标签数据、所述用户的会员等级标签数据和所述优惠券的优惠金额数据进行处理，建立用户下单概率预测模型。
CN201711043632.6A 2017-10-31 2017-10-31 基于预估收益的海外优惠券发放方法及系统 Pending CN107818478A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711043632.6A CN107818478A (zh) 2017-10-31 2017-10-31 基于预估收益的海外优惠券发放方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711043632.6A CN107818478A (zh) 2017-10-31 2017-10-31 基于预估收益的海外优惠券发放方法及系统

Publications (1)

Publication Number Publication Date
CN107818478A true CN107818478A (zh) 2018-03-20

Family

ID=61604641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711043632.6A Pending CN107818478A (zh) 2017-10-31 2017-10-31 基于预估收益的海外优惠券发放方法及系统

Country Status (1)

Country Link
CN (1) CN107818478A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694625A (zh) * 2018-07-02 2018-10-23 阿里巴巴集团控股有限公司 权益偏好预估方法、装置及服务器
CN109166012A (zh) * 2018-09-21 2019-01-08 苏州创旅天下信息技术有限公司 针对行程预定类用户的分类及信息推送的方法和装置
CN109685545A (zh) * 2018-11-16 2019-04-26 北京奇虎科技有限公司 待发放虚拟网络资源预估方法、装置及电子设备
CN109685631A (zh) * 2019-01-10 2019-04-26 博拉网络股份有限公司 一种基于大数据用户行为分析的个性化推荐方法
CN109711887A (zh) * 2018-12-28 2019-05-03 拉扎斯网络科技（上海）有限公司 商城推荐列表的生成方法、装置、电子设备及计算机介质
CN109961191A (zh) * 2019-04-03 2019-07-02 北京奇艺世纪科技有限公司 一种优惠券发放方法及装置
CN110020887A (zh) * 2019-03-07 2019-07-16 阿里巴巴集团控股有限公司 一种数据处理方法、设备、介质以及装置
CN110046932A (zh) * 2019-03-29 2019-07-23 阿里巴巴集团控股有限公司 一种数据处理方法、装置及设备
CN110070399A (zh) * 2019-04-24 2019-07-30 北京三快在线科技有限公司 一种优惠券推送方法及装置
CN110135899A (zh) * 2019-05-09 2019-08-16 达疆网络科技(上海)有限公司 一种基于用户访问时段的差异化优惠券发放方法
CN110428281A (zh) * 2019-07-22 2019-11-08 阿里巴巴集团控股有限公司 针对多种关联产品联合确定对等资源量的方法和装置
CN110472991A (zh) * 2019-06-27 2019-11-19 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、服务器及存储介质
WO2019218758A1 (zh) * 2018-05-14 2019-11-21 口口相传(北京)网络技术有限公司 一种配置及展示优惠信息的方法及装置及电子和存储设备
CN110766507A (zh) * 2019-02-25 2020-02-07 北京嘀嘀无限科技发展有限公司 一种资源配置方法及装置
CN111683156A (zh) * 2020-08-10 2020-09-18 北京每日优鲜电子商务有限公司 信息推送方法、装置、电子设备和计算机可读介质
WO2020098829A3 (en) * 2020-01-13 2020-11-12 Alipay (Hangzhou) Information Technology Co., Ltd. Method and system for personalizing offers
CN112785321A (zh) * 2019-11-07 2021-05-11 北京沃东天骏信息技术有限公司 激励管理的方法和装置

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019218758A1 (zh) * 2018-05-14 2019-11-21 口口相传(北京)网络技术有限公司 一种配置及展示优惠信息的方法及装置及电子和存储设备
CN108694625A (zh) * 2018-07-02 2018-10-23 阿里巴巴集团控股有限公司 权益偏好预估方法、装置及服务器
CN109166012B (zh) * 2018-09-21 2021-05-28 苏州创旅天下信息技术有限公司 针对行程预定类用户的分类及信息推送的方法和装置
CN109166012A (zh) * 2018-09-21 2019-01-08 苏州创旅天下信息技术有限公司 针对行程预定类用户的分类及信息推送的方法和装置
CN109685545A (zh) * 2018-11-16 2019-04-26 北京奇虎科技有限公司 待发放虚拟网络资源预估方法、装置及电子设备
CN109711887A (zh) * 2018-12-28 2019-05-03 拉扎斯网络科技（上海）有限公司 商城推荐列表的生成方法、装置、电子设备及计算机介质
CN109711887B (zh) * 2018-12-28 2021-02-09 拉扎斯网络科技（上海）有限公司 商城推荐列表的生成方法、装置、电子设备及计算机介质
CN109685631A (zh) * 2019-01-10 2019-04-26 博拉网络股份有限公司 一种基于大数据用户行为分析的个性化推荐方法
CN109685631B (zh) * 2019-01-10 2021-06-01 博拉网络股份有限公司 一种基于大数据用户行为分析的个性化推荐方法
CN110766507A (zh) * 2019-02-25 2020-02-07 北京嘀嘀无限科技发展有限公司 一种资源配置方法及装置
CN110020887A (zh) * 2019-03-07 2019-07-16 阿里巴巴集团控股有限公司 一种数据处理方法、设备、介质以及装置
CN110046932A (zh) * 2019-03-29 2019-07-23 阿里巴巴集团控股有限公司 一种数据处理方法、装置及设备
CN109961191A (zh) * 2019-04-03 2019-07-02 北京奇艺世纪科技有限公司 一种优惠券发放方法及装置
CN109961191B (zh) * 2019-04-03 2022-06-03 北京奇艺世纪科技有限公司 一种优惠券发放方法及装置
CN110070399A (zh) * 2019-04-24 2019-07-30 北京三快在线科技有限公司 一种优惠券推送方法及装置
CN110135899A (zh) * 2019-05-09 2019-08-16 达疆网络科技(上海)有限公司 一种基于用户访问时段的差异化优惠券发放方法
CN110472991A (zh) * 2019-06-27 2019-11-19 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、服务器及存储介质
CN110472991B (zh) * 2019-06-27 2022-10-28 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、服务器及存储介质
CN110428281A (zh) * 2019-07-22 2019-11-08 阿里巴巴集团控股有限公司 针对多种关联产品联合确定对等资源量的方法和装置
CN110428281B (zh) * 2019-07-22 2023-08-08 创新先进技术有限公司 针对多种关联产品联合确定对等资源量的方法和装置
CN112785321A (zh) * 2019-11-07 2021-05-11 北京沃东天骏信息技术有限公司 激励管理的方法和装置
US11107109B2 (en) 2020-01-13 2021-08-31 Alipay (Hangzhou) Information Technology Co., Ltd. Method and system for personalizing offers
WO2020098829A3 (en) * 2020-01-13 2020-11-12 Alipay (Hangzhou) Information Technology Co., Ltd. Method and system for personalizing offers
CN111683156A (zh) * 2020-08-10 2020-09-18 北京每日优鲜电子商务有限公司 信息推送方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN107818478A (zh) 基于预估收益的海外优惠券发放方法及系统
TWI770145B (zh) 信息處理裝置、記錄媒體以及信息處理方法
TW201841133A (zh) 信息處理裝置、記錄媒體以及信息處理方法
Wong et al. A cell-based logit-opportunity taxi customer-search model
CN109816132A (zh) 信息生成方法和装置
WO2018228110A1 (en) Systems and methods for transport capacity scheduling
US10021243B2 (en) Telephone call placement
CN107103383A (zh) 一种基于打车热点的动态拼车调度方法
US20170301054A1 (en) Dynamic forecasting for forward reservation of cab
CN107895213A (zh) 消费额度的预测方法、装置及电子设备
CN105488163B (zh) 信息推送方法和装置
JP7078357B2 (ja) 配信装置、配信方法および配信プログラム
US20150294347A1 (en) Billboard marketing system and method
CN111340318B (zh) 一种车辆动态调度方法、装置及终端设备
CN111261017B (zh) 一种地图围栏显示方法及装置
US20130091018A1 (en) Method, server and computer readable recording medium for providing social-commerce deal with route information
CN107730019A (zh) 基于用户画像的用户挽回方法及系统
WO2018146622A1 (en) Dynamic selection of geo-based service options in a network system
EP2101294A1 (en) A method and system for graphically displaying data
CN115759629A (zh) 一种换电站的选址方法、装置、设备及介质
US20220067605A1 (en) Ride access point defect scoring using spatial index
CN104331747B (zh) 恶意逃单检测方法
CN117541314A (zh) 一种网约车优惠券的智能发放系统、设备及存储介质
CN111242349B (zh) 配送员调度方法、装置、可读存储介质和计算机设备
JP2006092311A (ja) 犯罪リスク評価装置、犯罪リスク評価方法及び犯罪リスク評価プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180320

RJ01 Rejection of invention patent application after publication