CN108229998B - 营销辅助方法及装置 - Google Patents
营销辅助方法及装置 Download PDFInfo
- Publication number
- CN108229998B CN108229998B CN201611190626.9A CN201611190626A CN108229998B CN 108229998 B CN108229998 B CN 108229998B CN 201611190626 A CN201611190626 A CN 201611190626A CN 108229998 B CN108229998 B CN 108229998B
- Authority
- CN
- China
- Prior art keywords
- period
- consumption
- peak period
- marketing
- peak
- 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.)
- Active
Links
Images
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种营销辅助方法及装置,该方法包括:获取营销日期、目标行业,以及目标行业的每日搜索量;根据每日搜索量的环比变化趋势确定营销日期的消费意愿峰期阈值;确定营销日期的窗口期,根据消费意愿峰期阈值在窗口期中确定标准计算周期;在窗口期中,以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期。其中,消费意愿峰期阈值包括至少一项阈值,消费意愿峰期包括对应的至少一段峰期。本发明实现了日期和行业相关的局部(搜索量)异常值识别,从而可以规避两个相近的营销日期之间的数据干扰,获得精准的分析结果,以辅助广告主作营销决策。
Description
技术领域
本申请涉及数据分析技术领域,具体涉及一种营销辅助方法及装置。
背景技术
在特定营销节日来临之前把握消费者需求的波动,是广告主在营销过程中的关键。很多行业都会涉及特定的营销节日,以旅游业在长短假期前尤甚。其中广告主经常被困扰的问题是,目标用户一般会提前多久开始针对这一特定营销节日进行规划(比如长假前的出游规划)?最理想的解决方案是利用过往的数据,对特定营销节日前的搜索等趋势数据进行预测,提前预判出何时消费者会开始产生意愿,以及何时他们的消费意愿会达到顶峰。然而这一解决方案在技术上涉及的问题太过复杂,既需要对搜索/浏览数据进行时间序列分析,又需要实时的结合相关行业的用户舆情,导致目前在业界尚无较好的解决方案。
虽然无法精准的预测未来,但仍可以通过对过往历史数据的分析得到经验,例如希望获知在今年十一长假之前多少天消费者就开始产生出游需求,可以通过挖掘过往的长假或短假之前消费者的搜索趋势波动规律,以及哪些因素促使波动的产生,以此来指导本次特定营销节日的营销投放策略。
现有的解决方案中,往往简单地依据搜索量的变化趋势直接进行判断,一方面导致分析结果不够精准,另一方面难以规避两个相近的营销日期之间的数据干扰(例如清明和五一、中秋和国庆等)。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种规避两个相近的营销日期之间的数据干扰、获得精准的分析结果的营销辅助方法及装置。
第一方面,本发明提供一种营销辅助方法,该方法包括:
获取营销日期、目标行业,以及目标行业的每日搜索量;
根据每日搜索量的环比变化趋势确定营销日期的消费意愿峰期阈值;
确定营销日期的窗口期,根据消费意愿峰期阈值在窗口期中确定标准计算周期;
在窗口期中,以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期。
其中,消费意愿峰期阈值包括至少一项阈值,消费意愿峰期包括对应的至少一段峰期。
第二方面,本发明提供一种营销辅助装置,该装置包括:
数据获取单元,配置用于获取营销日期、目标行业,以及目标行业的每日搜索量;
阈值确定单元,配置用于根据每日搜索量的环比变化趋势确定营销日期的消费意愿峰期阈值;
周期确定单元,配置用于确定营销日期的窗口期,根据消费意愿峰期阈值在窗口期中确定标准计算周期;
峰期确定单元,配置用于在窗口期中,以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期。
其中,消费意愿峰期阈值包括至少一项阈值,消费意愿峰期包括对应的至少一段峰期。
第三方面,本发明还提供一种设备,包括一个或多个处理器和存储器,其中存储器包含可由该一个或多个处理器执行的指令以使得该一个或多个处理器执行根据本发明各实施例提供的营销辅助方法。
第四方面,本发明还提供一种存储有计算机程序的计算机可读存储介质,该计算机程序使计算机执行根据本发明各实施例提供的营销辅助方法。
本发明诸多实施例提供的营销辅助方法及装置根据每日搜索量的环比变化趋势确定消费意愿峰期阈值,再根据消费意愿峰期阈值在窗口期中确定用作参照的标准计算周期,最后以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期,实现了日期和行业相关的局部(搜索量)异常值识别,从而可以规避两个相近的营销日期之间的数据干扰,获得精准的分析结果,以辅助广告主作营销决策;
本发明一些实施例提供的营销辅助方法及装置进一步通过对局部异常值的识别作若干处优化,使得分析结果更为精准;
本发明一些实施例提供的营销辅助方法及装置进一步通过分析各维度在营销日期的消费意愿峰期中对每日搜索量的提升率和贡献率,为广告主提供了进一步的参考和辅助信息。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本发明一实施例中营销辅助方法的流程图。
图2为图1所示方法的一优选实施方式中步骤S30的流程图。
图3为图1所示方法的一优选实施方式中步骤S50的流程图。
图4为图1所示方法的一优选实施方式中步骤S70的流程图。
图5为图1所示方法的一优选实施方式的流程图。
图6为图5所示方法的一优选实施方式中步骤S90的流程图。
图7-图9为图2-图4所示方法的一实例中数据分析的示例图。
图10为本发明一实施例中营销辅助装置的结构示意图。
图11为图10所示装置的一优选实施方式的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1为本发明一实施例中营销辅助方法的流程图。
如图1所示,在本实施例中,本发明提供的营销辅助方法包括:
S10:获取营销日期、目标行业,以及目标行业的每日搜索量;
S30:根据每日搜索量的环比变化趋势确定营销日期的消费意愿峰期阈值;
S50:确定营销日期的窗口期,根据消费意愿峰期阈值在窗口期中确定标准计算周期;
S70:在窗口期中,以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期。
其中,消费意愿峰期阈值包括至少一项阈值,消费意愿峰期包括对应的至少一段峰期。
具体地,在本实施例中,消费意愿峰期包括预热期和高峰期,相对应地,消费意愿峰期阈值包括预热期阈值和高峰期阈值。在更多实施例中,消费意愿峰期可以仅包括高峰期,相对应地,消费意愿峰期阈值仅包括高峰期阈值;或,消费意愿峰期可以包括预热期、平稳期、高峰期,相对应地,消费意愿峰期阈值包括预热期阈值、平稳期阈值、高峰期阈值,乃至两者分别包括更多项峰期和阈值,可实现相同的技术效果。
在步骤S10中,具体地,营销日期和目标行业可由广告主根据实际需求自由配置,例如可以将营销日期配置成端午节、中秋节等传统节日,也可以配置成双十一、618等商家自定义的虚拟节日,对于十一小长假这样的时间段,可以将营销日期配置为10月1日,也可以配置为小长假的首日;目标行业可以配置为范围较大的旅游行业、家电行业等,也可以配置为范围更细化的境外游、空调行业等。
目标行业的每日搜索量指从预定的数据库中能获取到的目标行业最早日期至营销日期当天的每日搜索量。例如,营销日期为16年11月11日,目标行业为护肤行业,预定的数据库中所存储的护肤行业每日搜索量的最早日期为15年3月9日,则获取15年3月9日至16年11月11日的护肤行业每日搜索量。
在步骤S30中,具体地,在本实施例中,根据步骤S10所获取的每日搜索量的7天平均滑动环比确定营销日期的预热期阈值和高峰期阈值。在更多实施例中,还可根据实际需求配置为根据每日搜索量的14天平均滑动环比、月度平均滑动环比、季度平均滑动环比等不同的环比变化趋势确定营销日期的消费意愿峰期阈值。
在步骤S50中,具体地,在本实施例中,营销日期的窗口期的确定方式预配置为:窗口期的起始日为营销日期向前追溯30天,终止日为营销日或营销日时段的最后一天(例如十一小长假的最后一天)。
在更多实施例中,可以根据实际需求将窗口期的确定方式预配置为不同的计算方式,也可以获取广告主自行配置的窗口期。
确定窗口期之后,再根据消费意愿峰期阈值在窗口期中确定标准计算周期。具体地,在本实施例中,通过将窗口期中每日搜索量的7天平均滑动环比依次与预热期阈值进行比较来确定标准计算周期,标准计算周期的时长为7天。
在更多实施例中,还可根据实际需求将确定标准计算周期的计算方式配置为不同计算方式:优选采用与步骤S30中相同时长的平均滑动环比与消费意愿峰期阈值中最小的一项阈值比较,例如,步骤S30中配置为采用14天平均滑动环比,则步骤S50中同样配置为采用14天平均滑动环比,对应地标准计算周期的时长为14天;也可配置为不同时长,例如,步骤S30中配置为采用季度平均滑动环比,步骤S50中配置为采用月度平均滑动环比,对应地标准计算周期的时长为1个月。
在步骤S70中,具体地,以标准计算周期为参照分别计算窗口期中每日搜索量的环比增长,再将每日的环比增长分别与消费意愿峰期阈值比较以确定消费意愿峰期。
在本实施例中,以标准计算周期为参照的具体方式为以标准计算周期的搜索量日均值作为参照。在更多实施例中还可根据实际需求配置为不同参照方式,例如窗口期中某日为周一,则以标准计算周期中各周一的搜索量日均值作为参照。
图2为图1所示方法的一优选实施方式中步骤S30的流程图。
如图2所示,在一优选实施例中,步骤S30包括:
S31:分别计算每日搜索量的预定时长平均滑动环比,得到每日平均滑动环比数列;
S33:筛除每日平均滑动环比数列中数值为负的项;
S35:根据每日平均滑动环比数列和预配置公式确定营销日期的消费意愿峰期阈值。
其中,预定时长为预定天数的倍数,优选地,所述预定天数为7天。
具体地,在通常情况下,周一至周五(工作日)的每日搜索量和周六周日(非工作日)的每日搜索量存在一定的差异,因此将预定时长配置为7天的倍数可以有效避免这种差异导致的数据误差,从而使分析结果更为准确。在某些特殊情况下,例如少数目标行业的每日搜索量可能不存在这种差异,或者差异较为微弱,则可以将预定时长配置为随机天数,例如10天等。
在本实施例中,预配置公式具体为:
预热期阈值=N1-0.5%,其中N1为每日平均滑动环比数列中所有非负数值的中位数;
高峰期阈值=N2-0.5%,其中N2为每日平均滑动环比数列中所有非负数值的下四分位数。
其中,减去0.5%是作为判断过程中的一种松弛,以避免过滤非常接近阈值的数据。
在更多实施例中,预配置公式还可根据实际需求配置为不同的计算方式,也可采用不同的松弛尺度,或不采用松弛手段,等。
图3为图1所示方法的一优选实施方式中步骤S50的流程图。
如图3所示,在一优选实施例中,步骤S50包括:
S51:确定营销日期的窗口期;
S53:分别计算窗口期中每日搜索量的预定时长平均滑动环比,将预定时长平均滑动环比不低于消费意愿峰期阈值中最小阈值的首日之前的预定时长确定为标准计算周期。
具体地,在本实施例中,若窗口期中某日的7天平均滑动环比不低于预热期阈值,则将该日之前的7天确定为标准计算周期。
优选地,在确定标准计算周期的计算方式中同样可以采用松弛的调节手段或其它调节手段,例如不低于(预热期阈值-0.2%),或不低于(预热期阈值+0.3%)等。
在一优选实施例中,当窗口期中不存在某日的预定时长平均滑动环比不低于消费意愿峰期阈值中最小阈值时,将窗口期的首日起的预定时长确定为标准计算周期。
具体地,当窗口期中每日搜索量的变化较为平稳时,导致步骤S53的方法无法确定标准计算周期,则将窗口期的首日起的预定时长确定为标准计算周期。在更多实施例中,在该情景下也可以不同方式确定标准计算周期,例如以窗口期首日之前的预定时长作为标准计算周期等。
图4为图1所示方法的一优选实施方式中步骤S70的流程图。
如图4所示,在一优选实施例中,步骤S70包括:
S71:分别计算窗口期中每日搜索量相对于标准计算周期的搜索量日均值的环比增长;
S73:依次将窗口期中每日的环比增长与消费意愿峰期阈值进行比较:
若某日起连续N日的环比增长落入消费意愿峰期阈值所确定的区间,则确定该日为该区间对应的消费意愿峰期的起始日;
若某日起连续N日的环比增长不再落入该区间,则确定该日的前一日为该区间对应的消费意愿峰期的终止日。
其中,N为正整数。
显而易见地,在步骤S71中,只需从标准计算周期后的第一日开始计算即可。
在本实施例中,N=2。对于预热期,消费意愿峰期阈值所确定的区间具体指:连续两天的环比增长不低于预热期阈值,且两天中至少一天的环比增长低于高峰期阈值;
对于高峰期,消费意愿峰期阈值所确定的区间具体指:连续两天的环比增长不低于高峰期阈值。
在更多实施例中,N可根据实际需求配置不同的取值。
此外,显而易见地,若直至窗口期最后一日,消费意愿峰期仍未结束,则将窗口期最后一日确定为消费意愿峰期的终止日。
图5为图1所示方法的一优选实施方式的流程图。
如图5所示,在一优选实施例中,步骤S70之后还包括:
S90:利用标签化的数据确定目标行业中各维度在营销日期的消费意愿峰期中对每日搜索量的提升率和/或贡献率。
其中,标签化的数据包括各维度的标签。
具体地,在本实施例中,消费意愿峰期包括预热期和高峰期,因此步骤S90中可分别单独确定各维度在预热期的提升率和贡献率,以及各维度在高峰期的提升率和贡献率。
图6为图5所示方法的一优选实施方式中步骤S90的流程图。
如图6所示,在一优选实施例中,步骤S90包括:
S91:获取标签化的数据,按各维度在目标行业中划分若干细分市场;
S93:获取各维度对应的各细分市场的每日搜索量;
S95:将细分市场在消费意愿峰期的日搜索量均值,与细分市场在标准计算周期的日搜索量均值进行比较,确定细分市场所对应的维度在消费意愿峰期的提升率;和/或,
S97:将细分市场在消费意愿峰期的日搜索量均值,与目标行业在消费意愿峰期的日搜索量均值进行比较,确定细分市场所对应的维度在目标行业中的贡献率。
具体地,在本实施例中,提升率IR=PV1/PV2-1;
贡献率CR=PV1/PV3;
其中,PV1为细分市场在消费意愿峰期的日搜索量均值,PV2为细分市场在标准计算周期的日搜索量均值;PV3为目标行业在消费意愿峰期的日搜索量均值。
在更多实施例中,可根据实际需求为提升率和贡献率配置不同的计算方式。
图7-图9为图2-图4所示方法的一实例中数据分析的示例图。
以下参照图7-图9,通过一实例对上述营销辅助方法作详细说明。
如图7所示,步骤S10中,获取到,当前行业为护肤行业,营销日期为15年11月11日,以及护肤行业15年1月1日-15年11月11日的(手机端)每日搜索量。
在步骤S31中,分别计算15年1月7日起每日搜索量的7天平均滑动环比,得到每日平均滑动环比数列。在步骤S33中,筛除每日平均滑动环比数列中数值为负的项。在步骤S35中,分别计算出数列中所有非负数值的中位数(3.45%),作为预热期阈值,以及所有非负数值的下四分位数(7.11%),作为高峰期阈值。
如图8所示,在步骤S51中,确定窗口期为15年10月11日-15年11月11日。在步骤S53中,将窗口期中每日搜索量的7天平均滑动环比依次与预热期阈值(3.45%)进行比较,将首个7天平均滑动环比不低于预热期阈值(3.45%)的日期15年10月24日之前的7天确定为标准计算周期。
如图9所示,在步骤S71中,分别计算15年10月24日起每日搜索量相对于标准计算周期(15.10.17-15.10.23)的搜索量日均值的环比增长;在步骤S73中,依次将每日的环比增长与消费意愿峰期阈值进行比较:
自10月24日起,连续两日的环比增长高于预热期阈值(3.45%),且10月24日的环比增长低于高峰期阈值(7.11%),因此10月24日为预热期起始日,进入预热期;
自10月26日起,连续两日的环比增长低于预热期阈值(3.45%),因此10月26日的前一日10月25日为预热期的终止日,第一预热期为10月24日至10月25日。
此后,10月26日至11月6日,环比增长均不满足预热期起始日或高峰期起始日的判定条件。
自11月7日起,连续两日的环比增长高于高峰期阈值(7.11%),因此11月7日为高峰期起始日,进入高峰期;
11月7日至11月11日之间,不存在连续两日的环比增长低于高峰期阈值(7.11%),因此直至窗口期结束高峰期均未终止,将窗口期的终止日11月11日作为高峰期的终止日。第一高峰期为11月7日至11月11日。
统计并输出各预热期和高峰期以供广告主制定营销策略。
在步骤S91中,根据标签化数据中的标签,确定渠道、肤质、品牌、部位、功效、针对问题、广告、价格、信息来源等若干维度,并对应地划分若干细分市场。
在步骤S93中,获取各维度对应的各细分市场的每日搜索量。
在步骤S95中,根据计算公式:提升率IR=PV1/PV2-1;计算上述各维度在消费意愿峰期的提升率;
在步骤S97中,根据计算公式:贡献率CR=PV1/PV3;计算上述各维度在目标行业中的贡献率。
最后统计并输出提升率和贡献率的分析结果以供广告主参考并制定营销策略。
图10为本发明一实施例中营销辅助装置的结构示意图。图10所示装置可对应执行图1-4所示的营销辅助方法。
如图10所示,在本实施例中,本发明提供的营销辅助装置包括:
数据获取单元10,配置用于获取营销日期、目标行业,以及目标行业的每日搜索量;
阈值确定单元30,配置用于根据每日搜索量的环比变化趋势确定营销日期的消费意愿峰期阈值;
周期确定单元50,配置用于确定营销日期的窗口期,根据消费意愿峰期阈值在窗口期中确定标准计算周期;
峰期确定单元70,配置用于在窗口期中,以标准计算周期为参照,根据消费意愿峰期阈值确定对应于营销日期和目标行业的消费意愿峰期。
其中,消费意愿峰期阈值包括至少一项阈值,消费意愿峰期包括对应的至少一段峰期。
具体地,在本实施例中,阈值确定单元30、周期确定单元50和峰期确定单元70配置为相互独立、相互连接的计算装置,在更多实施例中,还可根据实际需求将其中任意两项或三项配置为一体集成的计算装置。
在一优选实施例中,阈值确定单元30进一步配置用于执行图2所示的步骤S31-S35,具体原理不再赘述。
在一优选实施例中,周期确定单元50进一步配置用于执行图3所示步骤S51-S53,具体原理不再赘述。
在一优选实施例中,周期确定单元50还进一步配置用于在窗口期中不存在某日的预定时长平均滑动环比不低于消费意愿峰期阈值中最小阈值时,将窗口期的首日起的预定时长确定为标准计算周期。
在一优选实施例中,峰期确定单元70进一步配置用于执行图4所示的步骤S71-S73,具体原理不再赘述。
图11为图10所示装置的一优选实施方式的结构示意图。图11所示装置可对应执行图5-6所示的营销辅助方法。
如图11所示,在一优选实施例中,本发明提供的营销辅助装置还包括:
维度评估单元90,配置用于利用标签化的数据确定目标行业中各维度在营销日期的消费意愿峰期中对每日搜索量的提升率和/或贡献率。
其中,标签化的数据包括各维度的标签。
在一优选实施例中,维度评估单元90进一步配置用于执行图6所示的步骤S91-S97,具体原理不再赘述。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,峰期确定单元70可以是设置在计算机或移动智能设备中的软件程序,也可以是单独确定消费意愿峰期的硬件装置。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本申请还提供了一种计算机系统,包括处理器和存储器,并可进一步包括本领域技术人员可以理解的其它计算机系统组件,例如显示器、各类输入输出设备等。其中存储器包含可由处理器执行的指令以使得处理器执行根据本发明各实施例提供的营销辅助方法。
作为又一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例的装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,该程序被一个或者一个以上的处理器用来执行描述于本申请的营销辅助方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离本申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (17)
1.一种营销辅助方法,其特征在于,所述方法包括:
获取营销日期、目标行业,以及所述目标行业的每日搜索量;
根据所述每日搜索量的环比变化趋势确定所述营销日期的消费意愿峰期阈值;
确定营销日期的窗口期,根据所述消费意愿峰期阈值在所述窗口期中确定标准计算周期;
在所述窗口期中,以所述标准计算周期为参照,根据所述消费意愿峰期阈值确定对应于所述营销日期和目标行业的消费意愿峰期;包括:
分别计算所述窗口期中每日搜索量相对于所述标准计算周期的搜索量日均值的环比增长;
依次将所述窗口期中每日的所述环比增长与所述消费意愿峰期阈值进行比较:
若某日起连续N日的环比增长落入所述消费意愿峰期阈值所确定的区间,则确定该日为所述区间对应的消费意愿峰期的起始日;
若某日起连续N日的环比增长不再落入所述区间,则确定该日的前一日为所述区间对应的消费意愿峰期的终止日;其中,N为正整数;
其中,所述消费意愿峰期阈值包括至少一项阈值,所述消费意愿峰期包括对应的至少一段峰期。
2.根据权利要求1所述的营销辅助方法,其特征在于,所述根据所述每日搜索量的环比变化趋势确定所述营销日期的消费意愿峰期阈值包括:
分别计算所述每日搜索量的预定时长平均滑动环比,得到每日平均滑动环比数列;
筛除所述每日平均滑动环比数列中数值为负的项;
根据所述每日平均滑动环比数列和预配置公式确定所述营销日期的消费意愿峰期阈值;
其中,所述预定时长为预定天数的倍数。
3.根据权利要求2所述的营销辅助方法,其特征在于,所述确定营销日期的窗口期,根据所述消费意愿峰期阈值在所述窗口期中确定标准计算周期包括:
确定营销日期的窗口期;
分别计算所述窗口期中每日搜索量的预定时长平均滑动环比,将预定时长平均滑动环比不低于所述消费意愿峰期阈值中最小阈值的首日之前的预定时长确定为标准计算周期。
4.根据权利要求3所述的营销辅助方法,其特征在于,当所述窗口期中不存在某日的预定时长平均滑动环比不低于所述消费意愿峰期阈值中最小阈值时,将所述窗口期的首日起的预定时长确定为标准计算周期。
5.根据权利要求1所述的营销辅助方法,其特征在于,所述在所述窗口期中,以所述标准计算周期为参照,根据所述消费意愿峰期阈值确定对应于所述营销日期和目标行业的消费意愿峰期之后还包括:
利用标签化的数据确定所述目标行业中各维度在所述营销日期的消费意愿峰期中对每日搜索量的提升率和/或贡献率;
其中,所述标签化的数据包括各维度的标签。
6.根据权利要求5所述的营销辅助方法,其特征在于,所述利用标签化的数据确定所述目标行业中各维度在所述营销日期的消费意愿峰期中对每日搜索量的提升率和贡献率包括:
获取标签化的数据,按各维度在所述目标行业中划分若干细分市场;
获取各维度对应的各细分市场的每日搜索量;
将所述细分市场在所述消费意愿峰期的日搜索量均值,与所述细分市场在标准计算周期的日搜索量均值进行比较,确定所述细分市场所对应的维度在所述消费意愿峰期的提升率;和/或,
将所述细分市场在所述消费意愿峰期的日搜索量均值,与所述目标行业在所述消费意愿峰期的日搜索量均值进行比较,确定所述细分市场所对应的维度在所述目标行业中的贡献率。
7.根据权利要求6所述的营销辅助方法,其特征在于,
提升率IR=PV1/PV2-1;
贡献率CR=PV1/PV3;
其中,PV1为所述细分市场在所述消费意愿峰期的日搜索量均值,PV2为所述细分市场在标准计算周期的日搜索量均值;PV3为所述目标行业在所述消费意愿峰期的日搜索量均值。
8.根据权利要求1-7任一项所述的营销辅助方法,其特征在于,所述消费意愿峰期阈值包括预热期阈值和高峰期阈值,所述消费意愿峰期包括预热期和高峰期。
9.一种营销辅助装置,其特征在于,所述装置包括:
数据获取单元,配置用于获取营销日期、目标行业,以及所述目标行业的每日搜索量;
阈值确定单元,配置用于根据所述每日搜索量的环比变化趋势确定所述营销日期的消费意愿峰期阈值;
周期确定单元,配置用于确定营销日期的窗口期,根据所述消费意愿峰期阈值在所述窗口期中确定标准计算周期;
峰期确定单元,配置用于在所述窗口期中,以所述标准计算周期为参照,根据所述消费意愿峰期阈值确定对应于所述营销日期和目标行业的消费意愿峰期;
峰期确定单元进一步配置用于分别计算所述窗口期中每日搜索量相对于所述标准计算周期的搜索量日均值的环比增长;以及,
依次将所述窗口期中每日的所述环比增长与所述消费意愿峰期阈值进行比较:
若某日起连续N日的环比增长落入所述消费意愿峰期阈值所确定的区间,则确定该日为所述区间对应的消费意愿峰期的起始日;
若某日起连续N日的环比增长不再落入所述区间,则确定该日的前一日为所述区间对应的消费意愿峰期的终止日;其中,N为正整数;
其中,所述消费意愿峰期阈值包括至少一项阈值,所述消费意愿峰期包括对应的至少一段峰期。
10.根据权利要求9所述的营销辅助装置,其特征在于,所述阈值确定单元进一步配置用于分别计算所述每日搜索量的预定时长平均滑动环比,得到每日平均滑动环比数列;筛除所述每日平均滑动环比数列中数值为负的项;根据所述每日平均滑动环比数列和预配置公式确定所述营销日期的消费意愿峰期阈值;
其中,所述预定时长为预定天数的倍数。
11.根据权利要求10所述的营销辅助装置,其特征在于,所述周期确定单元进一步配置用于确定营销日期的窗口期,分别计算所述窗口期中每日搜索量的预定时长平均滑动环比,将预定时长平均滑动环比不低于所述消费意愿峰期阈值中最小阈值的首日之前的预定时长确定为标准计算周期。
12.根据权利要求11所述的营销辅助装置,其特征在于,所述周期确定单元进一步配置用于在所述窗口期中不存在某日的预定时长平均滑动环比不低于所述消费意愿峰期阈值中最小阈值时,将所述窗口期的首日起的预定时长确定为标准计算周期。
13.根据权利要求9所述的营销辅助装置,其特征在于,还包括:
维度评估单元,配置用于利用标签化的数据确定所述目标行业中各维度在所述营销日期的消费意愿峰期中对每日搜索量的提升率和/或贡献率;
其中,所述标签化的数据包括各维度的标签。
14.根据权利要求13所述的营销辅助装置,其特征在于,所述维度评估单元进一步配置用于获取标签化的数据,按各维度在所述目标行业中划分若干细分市场;获取各维度对应的各细分市场的每日搜索量;以及,
将所述细分市场在所述消费意愿峰期的日搜索量均值,与所述细分市场在标准计算周期的日搜索量均值进行比较,确定所述细分市场所对应的维度在所述消费意愿峰期的提升率;和/或,
将所述细分市场在所述消费意愿峰期的日搜索量均值,与所述目标行业在所述消费意愿峰期的日搜索量均值进行比较,确定所述细分市场所对应的维度在所述目标行业中的贡献率。
15.根据权利要求14所述的营销辅助装置,其特征在于,
提升率IR=PV1/PV2-1;
贡献率CR=PV1/PV3;
其中,PV1为所述细分市场在所述消费意愿峰期的日搜索量均值,PV2为所述细分市场在标准计算周期的日搜索量均值;PV3为所述目标行业在所述消费意愿峰期的日搜索量均值。
16.根据权利要求9-15任一项所述的营销辅助装置,其特征在于,所述消费意愿峰期阈值包括预热期阈值和高峰期阈值,所述消费意愿峰期包括预热期和高峰期。
17.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611190626.9A CN108229998B (zh) | 2016-12-21 | 2016-12-21 | 营销辅助方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611190626.9A CN108229998B (zh) | 2016-12-21 | 2016-12-21 | 营销辅助方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108229998A CN108229998A (zh) | 2018-06-29 |
CN108229998B true CN108229998B (zh) | 2022-06-03 |
Family
ID=62651011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611190626.9A Active CN108229998B (zh) | 2016-12-21 | 2016-12-21 | 营销辅助方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108229998B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614548B (zh) * | 2018-12-07 | 2020-10-27 | 中国银行股份有限公司 | 基于业务用户数变化率的信息展示方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183840A (zh) * | 2015-09-02 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息处理方法及装置 |
CN105976204A (zh) * | 2016-05-03 | 2016-09-28 | 无锡雅座在线科技发展有限公司 | 从时间维度处理消费数据的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971170B (zh) * | 2014-04-17 | 2017-09-29 | 北京百度网讯科技有限公司 | 一种用于对特征信息的变化进行预测的方法和装置 |
-
2016
- 2016-12-21 CN CN201611190626.9A patent/CN108229998B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183840A (zh) * | 2015-09-02 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息处理方法及装置 |
CN105976204A (zh) * | 2016-05-03 | 2016-09-28 | 无锡雅座在线科技发展有限公司 | 从时间维度处理消费数据的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108229998A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160125456A1 (en) | Advertising campaign targeting using contextual data | |
TW202001736A (zh) | 分類模型的訓練方法、店鋪分類的方法及裝置 | |
KR20140056731A (ko) | 구매추천 시스템 및 방법 | |
CN113723985A (zh) | 销量预测模型的训练方法、装置及电子设备、存储介质 | |
US20130211878A1 (en) | Estimating elasticity and inventory effect for retail pricing and forecasting | |
CN112232876A (zh) | 基于用户场景属性信息的精准营销方法及装置 | |
US10459980B2 (en) | Display system, method and computer readable recording media for an issue | |
CN106845683A (zh) | 基于网络平台的大数据烟草销量预测方法 | |
WO2021072128A1 (en) | Systems and methods for big data analytics | |
US20150317688A1 (en) | Optimizing a content campaign to achieve a desired objective | |
US20130246184A1 (en) | Method and system for displaying a contextual advertisement on a webpage | |
WO2017100155A1 (en) | System and method for segmenting customers with mixed attribute types using a targeted clustering approach | |
US20240202800A1 (en) | Method, apparatus, device, storage medium and program product for object determination | |
US11526923B1 (en) | Financial alert system based on user photographs associated with user spending behavior | |
WO2019041764A1 (zh) | 团体保费评估的方法、装置、计算机设备及存储介质 | |
CN105589911A (zh) | 客户价值评估方法及系统 | |
CN114493782A (zh) | 基于用户画像的个性化商品推荐方法及系统 | |
CN108428138B (zh) | 一种基于客户分群的客户生存率分析装置及分析方法 | |
CN109658153B (zh) | 备件需求量的预测方法及装置,以及电子设备 | |
CN108229998B (zh) | 营销辅助方法及装置 | |
CN112825175A (zh) | 一种客户异常预警方法、装置和设备 | |
US20230419384A1 (en) | Transaction and receipt based alert and notification system and techniques | |
CN117273800A (zh) | 营销策略生成方法、装置、设备及存储介质 | |
Peng et al. | A general class of multifractional processes and stock price informativeness | |
Karsak* et al. | Valuation of expansion flexibility in flexible manufacturing system investments using sequential exchange options |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |