CN112488764B - 营销策略匹配方法、系统及计算机可读存储介质 - Google Patents

营销策略匹配方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN112488764B
CN112488764B CN202011386423.3A CN202011386423A CN112488764B CN 112488764 B CN112488764 B CN 112488764B CN 202011386423 A CN202011386423 A CN 202011386423A CN 112488764 B CN112488764 B CN 112488764B
Authority
CN
China
Prior art keywords
target
clients
data
marketing
consumption
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
Application number
CN202011386423.3A
Other languages
English (en)
Other versions
CN112488764A (zh
Inventor
刘颖麒
王翰旌
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.)
Shenzhen Feiquan Cloud Data Service Co ltd
Original Assignee
Shenzhen Feiquan Cloud Data Service 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 Shenzhen Feiquan Cloud Data Service Co ltd filed Critical Shenzhen Feiquan Cloud Data Service Co ltd
Priority to CN202011386423.3A priority Critical patent/CN112488764B/zh
Publication of CN112488764A publication Critical patent/CN112488764A/zh
Application granted granted Critical
Publication of CN112488764B publication Critical patent/CN112488764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种营销策略匹配方法，所述方法包括以下步骤：获取待分析客户的特征数据、消费行为数据和营销策略数据；根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。本发明还公开了一种营销策略匹配系统及计算机可读存储介质。通过关联度数据确定目标客户，通过敏感度数据确定目标营销策略，使得营销具有目的性，提高了营销效果。

Description

营销策略匹配方法、系统及计算机可读存储介质
技术领域
本发明涉及设备控制技术领域，尤其涉及一种营销策略匹配方法、系统及计算机可读存储介质。
背景技术
随着科学技术的不断革新，各式各样的产品也层出不穷，随之而来的是花样百出的营销策略，来对各式各样的产品进行营销。
然而，现有的营销策略，大多属于散弹打鸟式的营销，虽然覆盖面广且操作简单，但是缺乏目的性，营销的转化率较低，同时也容易对不相关的客户群体造成骚扰。因而，目前的营销策略因缺乏目的性，导致营销效果不佳。
发明内容
本发明主要目的在于提供一种营销策略匹配方法、系统及计算机可读存储介质，旨在解决现有技术中目前的营销策略因缺乏目的性，导致营销效果不佳的问题。
为实现上述目的，本发明提供一种营销策略匹配方法，所述方法包括以下步骤：
获取待分析客户的特征数据、消费行为数据和营销策略数据；
根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。
可选地，所述根据所述特征属性数据和所述消费行为数据确定目标客户的步骤包括：
所述根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据的步骤包括：
将待分析客户划分为具有待分析特征的第一类客户，产生消费行为的第二类客户，以及具有待分析特征且产生消费行为的第三类客户；
根据所述特征数据和所述消费行为数据，分别统计属于第一类客户的第一客户数量，属于第二类客户的第二客户数量，属于第三类客户的第三客户数量，以及待分析客户的总数量；
根据所述第一客户数量、第二客户数量、第三客户数量和所述总数量，确定不同特征与消费行为之间的关联度数据。
可选地，所述根据所述第一客户数量、第二客户数量、第三客户数量和所述总数量，确定不同特征与消费行为之间的关联度数据的步骤包括：
根据所述总数量和所述第二客户数量，计算待分析客户的总消费率；
根据所述第一客户数量和所述第三客户数量，计算第一类客户的消费率；
根据所述第一类客户的消费率与所述总消费率，确定不同特征与消费行为之间的关联度数据。
可选地，所述根据所述第一类客户的消费率与所述总消费率，确定不同特征与消费行为之间的关联度数据的步骤包括：
计算所述第一类客户的消费率与所述总消费率的比值；
将所述比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为不同特征与消费行为之间的关联度数据。
可选地，所述根据所述关联度数据从所述不同特征中确定目标特征的步骤包括：
若所述关联度数据大于预设关联度阈值，则将所述关联度数据对应的特征确定为目标特征。
可选地，所述根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据的步骤包括：
将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户；
根据所述特征数据、消费行为数据和营销策略数据，统计属于第一类目标客户的第一目标客户数量，属于第二类目标客户的第二目标客户数量，属于第三类目标客户的第三目标客户数量，以及目标客户总数；
根据所述第一目标客户数量、第二目标客户数量、第三目标客户数量和目标客户总数，确定目标客户对不同营销策略的敏感度数据。
可选地，所述根据所述第一目标客户数量、第二目标客户数量、第三目标客户数量和目标客户总数，确定目标客户对不同营销策略的敏感度数据的步骤包括：
根据所述目标客户总数和所述第一目标客户数量，计算目标客户的消费率；
根据所述第二目标客户数量和所述第三目标客户数量，计算被不同营销策略覆盖的目标客户的目标消费率；
根据所述目标客户的消费率和所述目标消费率，确定目标客户对不同营销策略的敏感度数据。
可选地，所述根据所述目标客户的消费率和所述目标消费率，确定目标客户对不同营销策略的敏感度数据的步骤包括：
计算所述目标消费率与所述目标客户的消费率的比值；
将所计算的比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为目标客户对不同营销策略的敏感度数据，以在所述敏感度数据超过预设敏感度阈值时，将所述敏感度数据对应的营销策略确定为目标营销策略。
此外，为实现上述目的，本发明还提供一种营销策略匹配系统，所述营销策略匹配系统包括存储器、处理器及存储在所述处理器上并可在处理器上运行的营销策略匹配程序，所述处理器执行所述营销策略匹配程序时实现如上所述的营销策略匹配方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有营销策略匹配程序，所述营销策略匹配程序被处理器执行时实现如上所述的营销策略匹配方法的步骤。
本发明实施例通过待分析客户的特征数据、消费行为数据和营销策略数据，以根据所特征数据和消费行为数据确定不同特征与消费行为之间的关联度数据，根据关联度数据从待分析的不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户，然后特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据敏感度数据从预先制定的不同营销策略中确定与目标客户匹配的目标营销策略，避免因无法准确定位目标客户或无法为目标客户匹配有效的营销策略导致营销缺乏目的性，降低营销效果。即，根据关联度数据准确定位目标客户，并根据敏感度数据为目标客户匹配有效的目标营销策略，提高了营销效果。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的营销策略匹配系统结构示意图；
图2是本发明营销策略匹配方法第一实施例的流程示意图；
图3为本发明营销策略匹配方法第二实施例的流程示意图；
图4为本发明营销策略匹配方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的主要解决方案是：获取待分析客户的特征数据、消费行为数据和营销策略数据；根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。
目前的营销策略方案缺乏目的性，营销的转化率较低，同时也容易对不相关的客户群体造成骚扰，导致营销有效性较低，营销效果不佳。因而，本发明提出一种营销策略匹配方法、系统及计算机可读存储介质，通过待分析客户的特征数据和消费行为数据确定不同特征与消费行为之间的关联度数据，以根据关联度数据从待分析的不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户，然后根据待分析客户的特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，并根据敏感度数据从不同营销策略中确定与目标客户匹配的目标营销策略。即，通过关联度数据确定目标用户，并通过敏感度数据确定目标用户所敏感的营销策略，使得营销策略具有目的性，避免营销转化率低，且能针对目标用户进行营销，避免对其他不相关的客户群体造成骚扰，能够提高营销的有效性，提升营销效果。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的营销策略匹配系统结构示意图。
如图1所示，该营销策略匹配系统可以包括：通信总线1002，处理器1001，例如CPU，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的营销策略匹配系统结构并不构成对营销策略匹配系统的限定，可以包括比图示更多或更少的部件，或组合某些部件，或者不同的部件布置。
在图1所示的营销策略匹配系统中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的营销策略匹配程序，并执行以下操作：
获取待分析客户的特征数据、消费行为数据和营销策略数据；
根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
将待分析客户划分为具有待分析特征的第一类客户，产生消费行为的第二类客户，以及具有待分析特征且产生消费行为的第三类客户；
根据所述特征数据和所述消费行为数据，分别统计属于第一类客户的第一客户数量，属于第二类客户的第二客户数量，属于第三类客户的第三客户数量，以及待分析客户的总数量；
根据所述第一客户数量、第二客户数量、第三客户数量和所述总数量，确定不同特征与消费行为之间的关联度数据。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
根据所述总数量和所述第二客户数量，计算待分析客户的总消费率；
根据所述第一客户数量和所述第三客户数量，计算第一类客户的消费率；
根据所述第一类客户的消费率与所述总消费率，确定不同特征与消费行为之间的关联度数据。
可选地，处理器1001调用存储器1005中存储的营销策略匹配程序，并执行以下操作：
计算所述第一类客户的消费率与所述总消费率的比值；
将所述比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为不同特征与消费行为之间的关联度数据。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
若所述关联度数据大于预设关联度阈值，则将所述关联度数据对应的特征确定为目标特征。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户；
根据所述特征数据、消费行为数据和营销策略数据，统计属于第一类目标客户的第一目标客户数量，属于第二类目标客户的第二目标客户数量，属于第三类目标客户的第三目标客户数量，以及目标客户总数；
根据所述第一目标客户数量、第二目标客户数量、第三目标客户数量和目标客户总数，确定目标客户对不同营销策略的敏感度数据。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
根据所述目标客户总数和所述第一目标客户数量，计算目标客户的消费率；
根据所述第二目标客户数量和所述第三目标客户数量，计算被不同营销策略覆盖的目标客户的目标消费率；
根据所述目标客户的消费率和所述目标消费率，确定目标客户对不同营销策略的敏感度数据。
可选地，处理器1001可以调用存储器1005中存储的营销策略匹配程序，还执行以下操作：
计算所述目标消费率与所述目标客户的消费率的比值；
将所计算的比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为目标客户对不同营销策略的敏感度数据，以在所述敏感度数据超过预设敏感度阈值时，将所述敏感度数据对应的营销策略确定为目标营销策略。
参照图2，图2为本发明营销策略匹配方法的第一实施例流程图，本实施例中，所述营销策略匹配方法包括以下步骤：
步骤S10：获取待分析客户的特征数据、消费行为数据和营销策略数据；
本实施例中，在为不同类型的客户匹配相应的营销策略时，由于同一产品可能预先制定有多种营销策略，且不同营销策略对不同类别的客户产生的营销效果也会有所不同。因而，为了提高营销效果，首先需要找到具有消费意愿的目标客户，然后需要从能够促成目标客户购买目标产品的营销策略中找到促成概率较高的营销策略，将其作为与目标客户匹配的目标营销策略，再按照目标营销策略对有消费意愿的目标客户进行营销，可以提高营销成功率。
然而，要找到具有消费意愿的目标客户，并确定与目标客户匹配的目标营销策略，需要对不同客户的消费行为及不同营销策略的实施情况等进行分析。以便根据不同客户的消费行为确定有消费意愿或消费意愿较高的目标客户，并结合不同营销策略的实施情况确定对目标客户产生消费行为有促进作用的营销策略，将该类营销策略作为与目标用户匹配的目标营销策略。所确定的目标客户可以是具有目标特征的某一类客户，该目标特征可以是已产生消费行为且有可能再次或多次消费的客户所具有的共同特征，可包括一个特征也可包括多个特征。
也即，在确定目标客户及与目标客户匹配的目标营销策略之前，需要先从数据库中获取待分析客户的特征数据、消费行为数据和营销策略数据等营销历史数据。其中，特征数据为表征待分析客户的特征属性的数据，可包括年龄、血型、婚姻情况和工作性质等基本特征属性，以及颜色偏好、星座、个人爱好和个人特长等个性化的特征属性等；消费行为数据为记录待分析客户消费行为的数据，如：是否产生消费行为，因何种原因产生的消费行为，消费产品类别以及数量等；营销策略数据为表征不同营销策略的实施情况的数据，如，是否被营销策略覆盖过、有哪些待分析的营销策略，以及哪些营销策略促成了用户消费等。不同的待分析客户的特征数据中所包含的特征相同，只是不同特征对应的数据可能不同，且同一客户可包括多个特征。如，客户A的特征数据包括年龄数据(如18岁)和性别数据(如男性)，对应地，客户B的特征数据也包括年龄数据(如20岁)和性别数据(如男性)。
步骤S20：根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
在获取待分析客户的特征数据、消费行为数据和营销策略数据之后，可根据不同客户对应的特征数据和消费行为数据确定具有消费意愿的目标客户，也即存在消费可能性的客户，而什么样的客户可以认定为存在消费可能性的客户，可通过不同特征与消费行为之间的关联度数据进行量化分析。所述关联度数据，是一种用来度量不同客户的特征与产品的消费行为的匹配程度的数据，取值范围是(﹣∞，+∞)，且数值越大，表示具备某特征的客户与产品的消费行为的正向关联程度越高，属于目标客户群体；数值越小，表示具备某特征的客户与产品的消费行为的负向关联程度越高，为非目标客户群体。
具体地，可以先根据消费行为数据从待分析客户中筛选出产生过消费行为的客户，并根据特征数据筛选出不同特征对应的客户，还可以根据消费行为数据和特征数据筛选出产生过消费行为的客户中不同特征对应的客户，针对不同类别的客户进行具体分析。具体的分析过程可以是根据不同类别客户的客户数量进行分析，以根据不同类别客户的客户数量确定不同特征与消费行为之间的关联度数据。如，可以以不同特征对应的客户的消费率作为不同特征与消费行为之间的关联度数据，不同特征对应的客户的消费率可根据不同特征对应的客户中产生过消费行为的客户数量与不同特征对应的客户数量的比值确定；也可以是将不同特征对应的客户的消费率与待分析客户的总消费率结合起来确定不同特征与消费行为之间的关联度数据，如，可以将不同特征对应的客户的消费率在待分析客户的总消费率中所占的比例作为不同特征与消费行为之间的关联度数据，待分析客户的总消费率可根据产生过消费行为的客户数据与待分析客户的总数的比值进行确定。也即，该关联度数据可以基于所统计的客户数量采用预先确定的目标算法进行计算，该目标算法可以是蒙特卡罗算法，也可以是Apriori等给予关联度规则的算法等，此处不做具体限定。
并且，在其他的一些实施例中，还可以结合客户消费频率等挖掘具有消费意愿的客户，在营销策略为线上的电子营销策略时，还可以结合客户的浏览时长，浏览次数等数据挖掘并未产生过消费可以发展的潜在客户或消费意愿较低的客户，进行有针对性的营销，可以扩大营销面。
在根据待分析客户的特征数据和消费行为数据确定关联度数据之后，便可以基于关联度数据从待分析客户对应的不同特征中确定目标特征，在确定目标特征之后，将待分析客户中具有目标特征的客户确定为目标客户。
步骤S30：根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略；
确定目标客户之后，需要确定与目标客户匹配的营销策略，以对目标客户进行有针对性的营销，提高营销成功率。而要确定与目标客户匹配的营销策略，可通过特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，以通过该敏感度数据从预先制定的不同营销策略中匹配与目标客户匹配的目标营销策略。该敏感度数据是一种用来度量客户特征与营销策略之间关联性的数据，取值范围是(﹣∞，+∞)，且数值越大，表示具备某特征的用户越可能被营销策略打动，数值越小，表示具备某特征的用户越难以被营销策略打动。利用该数据，可针对具有不同特征的客户，实施个性化营销。具体地，可以通过聚类分析确定与目标客户匹配的目标营销策略，如，可根据特征数据、消费行为数据和营销策略数据进行聚类分析，获得不同客户对应的资产等级以及与该资产等级匹配的营销策略，将与目标客户的资产等级匹配的营销策略作为与目标客户匹配的目标营销策略，避免目标营销策略与客户的资产等级不匹配时，因客户无法支付而降低营销策略实施的有效性；也可以通过分析目标客户中有哪些客户已经产生了消费行为，有哪些客户是被营销策略覆盖过的，以及有哪些客户是因为哪些营销策略而产生消费行为的，将目标客户划分为不同的类别，以通过不同类别的客户数量计算目标客户对不同营销策略的敏感度数据。如，可以以被营销策略覆盖过的目标客户的购买率作为目标客户对不同营销策略的敏感度数据，或是以被营销策略覆盖过的目标客户的购买率和目标客户的购买率的比值作为敏感度数据等。也即，敏感度数据可以基于所统计的客户数量采用预先选取的目标算法进行计算。该目标算法同样可以是蒙特卡罗算法，也可以是Apriori等基于关联度规则的算法等。对于不同的应用环境和应用需求，可采用不同的计算方式来确定敏感度数据，此处不作具体限定。其中，被营销策略覆盖过的客户尤指通过电视广告、消息推送或超市促销等至少一种营销手段而接触过营销策略的客户，该类客户可包括已产生消费行为的客户，也包括未产生消费行为的客户。
另外，在确定目标客户对不同营销策略的敏感度数据之后，可根据敏感度数据确定目标客户高度敏感的营销策略作为目标营销策略。然后，对目标客户实施目标营销策略，若是目标客户为还未被营销策略覆盖过的客户，以目标用户敏感的目标营销策略进行营销，不仅能够提高营销策略实施的有效性，还能防止目标客户流失，加强目标客户的稳定性；对被营销策略覆盖过的目标客户实施目标用户敏感的目标营销策略，能够提高营销策略实施的有效性，提高营销效果。
本实施例通过获取不同客户的特征数据、消费行为数据和营销策略数据，并根据特征数据和消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户，然后根据特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据敏感度数据从不同营销策略中确定与目标客户匹配的目标营销策略，不仅能够准确定位具有消费意愿的目标客户，而且能够有效确定与目标客户匹配的营销策略，提高营销策略匹配与执行的有效性，避免执行营销策略时，营销的转换率低或对非目标客户造成骚扰，导致营销效果不佳，提高了营销效果。
基于上述实施例，提出本发明营销策略匹配方法的第二实施例。本实施例中，所述营销策略匹配方法包括以下步骤：
步骤S11：获取待分析客户的特征数据、消费行为数据和营销策略数据；
步骤S12：将待分析客户划分为具有待分析特征的第一类客户，产生消费行为的第二类客户，以及具有待分析特征且产生消费行为的第三类客户；
步骤S13：根据所述特征数据和所述消费行为数据，分别统计属于第一类客户的第一客户数量，属于第二类客户的第二客户数量，属于第三类客户的第三客户数量，以及待分析客户的总数量；
步骤S14：根据所述第一客户数量、第二客户数量、第三客户数量和所述总数量，确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
步骤S15：根据所述特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。
本实施例中，为了确定具有消费意愿的目标客户，可先根据特征数据和消费行为数据，统计不同客户类别对应的客户数量。其中，不同的客户类别可根据特征数据和消费行为数据进行确定。如，在特征数据包括特征A，消费行为数据包括产生消费行为的数据B和未产生消费行为的数据C时，对应的客户类别可包括以下5种客户类别：具有特征A的客户、产生消费行为B的客户、未产生消费行为C的客户，具有特征A且产生消费行为B的客户和具有特征A且未产生消费行为C的客户。分别对以上客户类别进行统计可得到相应的客户数量A1、A2、A3、A4和A5。本实施例中，优选将待分析客户划分为以下四类：待分析特征的第一类客户，产生消费行为的第二类客户，具有待分析特征且产生消费行为的第三类客户，以及除第一类客户、第二类客户和第三类客户之外的第四类客户。然后，根据特征数据，可统计属于第一类客户的第一客户数量；根据消费行为数据，可统计属于第二类客户的第二客户数量，根据特征数据和消费行为数据，可统计属于第三类客户的第三客户数量，以及第四类客户的数量，也即可以统计待分析客户的总数量。在统计完这些数据之后，可以根据所统计的第一客户数量、第二客户数量、第三客户数量和待分析客户的总数量确定不同特征属性与消费行为之间的关联度数据。
在一实施例中，根据第一客户数量、第二客户数量、第三客户数量和待分析客户的总数量，确定不同特征与消费行为之间的关联度数据的方式可以是：先根据待分析客户的总数量和第二客户数量，计算待分析客户的总消费率，并根据第一客户数量和第三客户数量，计算第一类客户的消费率，然后根据第一类客户的消费率与总消费率，确定不同特征与消费行为之间的关联度数据。具体地，可根据待分析客户的总数量M总和第二客户数量G总运用消费率计算公式计算总消费率K总，该总消费率为待分析客户对应的总消费率，消费率计算公式如下：然后根据第一客户数量M1和第三客户数量G1运用消费率计算公式计算第一类客户的消费率Ki，计算公式如下：/>其中，i为正整数。由于所述待分析的特征可能包含多个特征，因而不同的i值对应不同的特征；再根据总消费率K总和第一类客户的消费率Ki，计算不同特征与消费行为之间的关联度数据Li，如，可以先计算所述第一类客户的消费率与所述总消费率的比值，再将所述比值代入预设的对数函数，得到函数输出结果，该函数输出结果即为不同特征与消费行为之间的关联度数据。也即，Li的计算公式如下：/>这里之所以选用ln函数，对/>进行处理，是为了确保当/>小于1时，购买关联度的取值范围与其大于1时相等，同时，若不对/>进行处理，负关联之间的差异难以直观的体现出来，往往会因为数值太接近而被忽略，从而无法精准的定位出目标客户。
在确定不同特征与消费行为之间的关联度数据之后，便可以根据该关联度数据从待分析的不同特征中确定出目标特征，从而根据目标特征定位目标客户。而要从待分析的不同特征中确定出目标特征，可以预先设定关联度阈值，然后将所确定的关联度数据与预设关联度阈值进行比较，若所确定的关联度数据大于预设关联度阈值，则说明具备某特征的用户与产品呈现正向关联，此时，可将样本集中该关联度数据对应的特征确定为目标特征，将具有该目标特征的客户确定为目标客户；若所确定的关联度数据小于或等于预设关联度阈值，则说明具备某特征的用户与产品呈现负向关联，此时，该关联度数据对应的特征并非目标特征，具有该特征的客户也并非目标客户。其中，预设关联度阈值可依据关联度数据的计算函数进行确定，如，在计算函数为对数函数时，可将预设关联度数据设置为1，当关联度数据大于1时，具有关联度数据对应的特征与消费行为之间呈现正相关，在关联度数据小于或等于1时，关联度数据对应的特征与消费行为之间呈现负相关；在计算函数为指数函数时，可将预设关联度数据设置为0等，此处不做限定。
本实施例通过将待分析客户划分为具有待分析特征的第一类客户，产生消费行为的第二类客户，以及具有待分析特征且产生消费行为的第三类客户，并根据特征数据和消费行为数据，分别统计属于不同类别的客户数量以及待分析客户的总数量，并根据所统计的客户数量确定不同特征与消费行为之间的关联度数据，以根据所关联度数据从待分析的不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户。也即，通过统计不同类别的客户数量计算关联度数据，使得能够准确定位具有消费意愿或消费意愿较高的目标客户，以便有针对性的为目标客户制定营销策略，避免无法准确定位目标客户，导致营销缺乏目的性，使得营销策略实施的有效性降低，能够提高营销策略执行的有效性，提高营销策略的实施效果。
基于上述实施例，提出本发明营销策略匹配方法的第三实施例。参照图4，本实施例中，所述营销策略匹配方法包括以下步骤：
步骤S21：获取待分析客户的特征数据、消费行为数据和营销策略数据；
步骤S22：根据所述特征数据和所述消费行为数据确定不同特征与消费行为之间的关联度数据，根据所述关联度数据从所述不同特征中确定目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
步骤S23：将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户；
步骤S24：根据所述特征数据、消费行为数据和营销策略数据，统计属于第一类目标客户的第一目标客户数量，属于第二类目标客户的第二目标客户数量，属于第三类目标客户的第三目标客户数量，以及目标客户总数；
步骤S25：根据所述第一目标客户数量、第二目标客户数量、第三目标客户数量和目标客户总数，确定目标客户对不同营销策略的敏感度数据，根据所述敏感度数据从所述不同营销策略中确定与所述目标客户匹配的目标营销策略。
本实施例中，为了有效确定与目标客户匹配的营销策略，在确定目标客户之后，可先根据特征数据、消费行为数据和营销策略数据，统计不同客户类别对应的目标客户数量，具体的客户类别可以是根据特征数据、消费行为数据和营销策略数据进行划分。如，在特征数据包括特征A1，消费行为数据包括产生消费行为的数据B，因目标营销策略而产生消费行为的数据C，营销策略数据包括被目标营销策略覆盖的数据D，则对应的客户类别，可包括具有特征A1的客户A、产生消费行为的客户B、因目标营销策略而产生消费行为的客户C，被目标营销策略覆盖的客户D等多种客户类别。本实施例中优选将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户，然后根据特征数据、消费行为数据和营销策略数据，统计属于第一类目标客户的第一目标客户数量，属于第二类目标客户的第二目标客户数量，属于第三类目标客户的第三目标客户数量，以及目标客户总数。所统计的目标客户数量可由预先训练好的分类模型进行统计；也可以是将样本集中的数据汇聚成数据表，通过相应的计算公式进行统计；当然，在一些特殊情况下，也可以是选择人为统计。
在统计得到不同类别的目标客户的数量之后，可根据所统计的第一目标客户数量、第二目标客户数量、第三目标客户数量和目标客户总数，确定目标客户对不同营销策略的敏感度数据。具体地，可先根据目标客户总数和第一目标客户数量，计算目标客户的消费率；然后根据第二目标客户数量和第三目标客户数量计算目标客户中被不同营销策略覆盖的目标客户的目标消费率；再根据目标客户的消费率和目标消费率确定目标客户对不同营销策略的敏感度数据。具体地，若将目标客户总数记为Mi，将第一目标客户数量记为Gi，将第二目标客户数量记为Ta-i，将第三目标客户数量记为Fa-i，则目标客户的消费率Ki，可通过如下公式计算：被不同营销策略覆盖的目标客户的消费率Ka-i，可通过如下公式计算：/>目标客户对不同营销策略的敏感度数据Sa-i可以是先计算目标消费率与目标客户的消费率的比值，并将所计算的比值代入预设的对数函数，得到函数输出结果，将函数输出结果确定为目标客户对不同营销策略的敏感度数据。也即目标客户对不同营销策略的敏感度数据Sa-i可计算为：/>其中，i为正整数，且不同的i值对应目标特征中不同的特征。
另外，在确定目标客户对不同营销策略的敏感度数据之后，可预先设置敏感度阈值，以在敏感度数据超过预设敏感度阈值时，将敏感度数据对应的营销策略确定为目标营销策略。具体地，当Sa-i大于0时,认为具备目标特征i的目标客户对当前敏感度数据对应的营销策略a敏感，此时，当前敏感度数据对应的营销策略a为具备目标特征i的目标客户的有效营销策略，同时Sa-i越大，表示其敏感度越高，运用营销策略a能促成交消费的概率也越大。在实际的营销策划中，可以以此作为决策的理论依据，同时计算出多个营销策略对应的敏感度数据，如Sb-i和Sc-i等。当存在多个有效的营销策略时，可以从多个营销策略中挑选出灵敏度数据最高的营销策略作为具备目标特征i的目标客户的最优营销策略，也即与目标客户匹配的目标营销策略。
本实施例通过将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户，并统计不同目标客户类别对应的目标客户数量，再根据所统计的目标客户数量确定目标客户对不同营销策略的敏感度数据，进而根据敏感度数据从所预先制定的不同营销策略中确定与目标客户匹配的目标营销策略。也即，通过不同的目标客户类别对应的目标客户数量确定目标客户对不同营销策略的敏感度数据，使得根据该敏感度数据能够有效确定与目标客户匹配的目标营销策略，提高营销策略执行时的转换率，避免所提供的营销策略并非目标用户所敏感的营销策略时，无法起到营销作用，导致营销效果不佳，提高了营销的可靠性，且提高了营销效果。
此外，本发明实施例还提供一种营销策略匹配系统，所述营销策略匹配系统包括存储器、处理器及存储在所述处理器上并可在处理器上运行的营销策略匹配程序，所述处理器执行所述营销策略匹配程序时实现如上所述营销策略匹配方法的步骤。
此外，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有营销策略匹配程序，所述营销策略匹配程序被处理器执行时实现如上所述的营销策略匹配方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，电视，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种营销策略匹配方法，其特征在于，所述营销策略匹配方法包括以下步骤：
获取待分析客户的特征数据、消费行为数据和营销策略数据；
将所述待分析客户划分为具有待分析特征的第一类客户，产生消费行为的第二类客户，以及具有待分析特征且产生消费行为的第三类客户；
根据所述特征数据和所述消费行为数据，分别统计属于所述第一类客户的第一客户数量，属于所述第二类客户的第二客户数量，属于所述第三类客户的第三客户数量，以及待分析客户的总数量；
根据所述总数量和所述第二客户数量，计算待分析客户的总消费率；
根据所述第一客户数量和所述第三客户数量，计算第一类客户的消费率；
计算所述第一类客户的消费率与所述总消费率的比值；
将所述比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为不同特征与消费行为之间的关联度数据；
若所述关联度数据大于预设关联度阈值，则将所述关联度数据对应的特征确定为目标特征，并将待分析客户中具有目标特征的客户确定为目标客户；
将目标客户划分为产生消费行为的第一类目标客户，因不同营销策略而产生消费行为的第二类目标客户，被不同营销策略覆盖的第三类目标客户；
根据所述特征数据、消费行为数据和营销策略数据，统计属于第一类目标客户的第一目标客户数量，属于第二类目标客户的第二目标客户数量，属于第三类目标客户的第三目标客户数量，以及目标客户总数；
根据所述目标客户总数和所述第一目标客户数量，计算目标客户的消费率；
根据所述第二目标客户数量和所述第三目标客户数量，计算被不同营销策略覆盖的目标客户的目标消费率；
计算所述目标消费率与所述目标客户的消费率的比值；
将所计算的比值代入预设的对数函数，得到函数输出结果；
将所述函数输出结果确定为目标客户对不同营销策略的敏感度数据，以在所述敏感度数据超过预设敏感度阈值时，将所述敏感度数据对应的营销策略确定为目标营销策略。
2.一种营销策略匹配系统，其特征在于，所述营销策略匹配系统包括存储器、处理器及存储在存储器上并可在处理器上运行的营销策略匹配程序，所述处理器执行所述营销策略匹配程序时实现权利要求1的营销策略匹配方法的步骤。
3.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有营销策略匹配程序，所述营销策略匹配程序被处理器执行时实现如权利要求1的营销策略匹配方法的步骤。
CN202011386423.3A 2020-11-30 2020-11-30 营销策略匹配方法、系统及计算机可读存储介质 Active CN112488764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011386423.3A CN112488764B (zh) 2020-11-30 2020-11-30 营销策略匹配方法、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011386423.3A CN112488764B (zh) 2020-11-30 2020-11-30 营销策略匹配方法、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112488764A CN112488764A (zh) 2021-03-12
CN112488764B true CN112488764B (zh) 2023-09-05

Family

ID=74938738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011386423.3A Active CN112488764B (zh) 2020-11-30 2020-11-30 营销策略匹配方法、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112488764B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549071A (zh) * 2022-02-18 2022-05-27 上海钧正网络科技有限公司 一种营销策略的确定方法、装置、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858948A (zh) * 2018-12-25 2019-06-07 国网北京市电力公司 电力客户营销策略的确定方法和装置
CN110659318A (zh) * 2019-08-15 2020-01-07 中国平安财产保险股份有限公司 基于大数据的策略推送方法、系统及计算机设备
CN111652471A (zh) * 2020-04-30 2020-09-11 中国平安财产保险股份有限公司 名单分配控制方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050071223A1 (en) * 2003-09-30 2005-03-31 Vivek Jain Method, system and computer program product for dynamic marketing strategy development
US10032177B2 (en) * 2011-01-24 2018-07-24 VisionEdge Marketing Computer readable medium, file server, and method for providing outcome-based mapping

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858948A (zh) * 2018-12-25 2019-06-07 国网北京市电力公司 电力客户营销策略的确定方法和装置
CN110659318A (zh) * 2019-08-15 2020-01-07 中国平安财产保险股份有限公司 基于大数据的策略推送方法、系统及计算机设备
CN111652471A (zh) * 2020-04-30 2020-09-11 中国平安财产保险股份有限公司 名单分配控制方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112488764A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
US9990641B2 (en) Finding predictive cross-category search queries for behavioral targeting
US20110054999A1 (en) System and method for predicting user navigation within sponsored search advertisements
CN107391692A (zh) 一种推荐效果的评估方法及装置
CN111538901B (zh) 一种物品推荐方法、装置、服务器及储存介质
CN109922379B (zh) 广告视频优化方法、装置、设备及计算机可读存储介质
US8725735B2 (en) Information processing system, information processing method, program, and non-transitory information storage medium
Liu et al. Diverse personalized recommendations with uncertainty from implicit preference data with the Bayesian Mallows model
CN111160624B (zh) 一种用户意向预测方法、用户意向预测装置及终端设备
CN112488764B (zh) 营销策略匹配方法、系统及计算机可读存储介质
US11381635B2 (en) Method of operating a server apparatus for delivering website content, server apparatus and device in communication with server apparatus
CN115408586A (zh) 一种智能渠道运营数据分析方法、系统、设备及存储介质
Yuan et al. Developing a cooperative bidding framework for sponsored search markets–An evolutionary perspective
AU7351300A (en) Method for modeling market response rates
CN117745349A (zh) 一种基于用户特征的个性化推券方法及系统
CN115392944A (zh) 一种推广内容的处理方法、装置、计算机设备和存储介质
CN110209923B (zh) 话题影响力用户的推送方法和装置
CN111859141B (zh) 内容推送方法、装置、服务器及存储介质
CN105408928A (zh) 用于确定装置的广告类别的相关性的方法和系统
Tounkara et al. Mixture regression models for closed population capture–recapture data
US20130297406A1 (en) Matching criteria selection to scale online experiments
CN110795620A (zh) 基于同类用户的产品推荐方法、装置、设备及存储介质
JP7013569B2 (ja) コンテンツ要求に応答する際のコンピューティングリソースの効率的な使用
CN110275986B (zh) 基于协同过滤的视频推荐方法、服务器及计算机存储介质
CN112348356A (zh) 一种作品质量确定方法、装置、计算机设备及可读存储介质
JP2011227720A (ja) 推薦システム、推薦方法、及び推薦プログラム

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
GR01 Patent grant
GR01 Patent grant