CN113505309B - 基于分布式数据的营销推荐方法、装置、设备及存储介质 - Google Patents

基于分布式数据的营销推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113505309B
CN113505309B CN202110559596.9A CN202110559596A CN113505309B CN 113505309 B CN113505309 B CN 113505309B CN 202110559596 A CN202110559596 A CN 202110559596A CN 113505309 B CN113505309 B CN 113505309B
Authority
CN
China
Prior art keywords
user
payment
paying
data
distributed data
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
CN202110559596.9A
Other languages
English (en)
Other versions
CN113505309A (zh
Inventor
洪传翔
宋洪强
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 Mushroom Wealth Technology Co ltd
Original Assignee
Shenzhen Mushroom Wealth Technology 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 Mushroom Wealth Technology Co ltd filed Critical Shenzhen Mushroom Wealth Technology Co ltd
Priority to CN202110559596.9A priority Critical patent/CN113505309B/zh
Publication of CN113505309A publication Critical patent/CN113505309A/zh
Application granted granted Critical
Publication of CN113505309B publication Critical patent/CN113505309B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于分布式数据的营销推荐方法、装置、设备及存储介质，其中，所述营销推荐方法包括：采用分布式数据存储收集用户的访问数据；从所述分布式数据存储中筛选出付费用户；对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；利用所述用户画像对用户群中的各个用户进行匹配；向匹配成功的用户推送相应的营销内容。本发明的营销推荐方法基于分布式存储系统，能够支持存储大数据量的结构化和非结构化数据，以用于全面刻画用户画像，匹配准确率高，提高用户付费转化率。

Description

基于分布式数据的营销推荐方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于分布式数据的营销推荐方法、装置、设备及存储介质。
背景技术
目前的数据分析系统采用传统的数据库存储数据，存储了用户的基本信息和少量的动作记录，然后利用后台代码逻辑对用户信息进行共性判断，对有付费用户共性的用户推荐对应付费内容。
但是由于传统数据库的性能瓶颈，收集的用户数据量较小，用户共性特点不明显，而数据量不足又会导致输出的用户画像模糊，后期匹配准确度不高。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于解决现有的营销推荐方法数据库存储的数据少，输出的用户画像模糊，后期匹配准确度不高的技术问题。
本发明第一方面提供了一种基于分布式数据的营销推荐方法，所述营销推荐方法包括：
采用分布式数据存储收集用户的访问数据；
从所述分布式数据存储中筛选出付费用户；
对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；
利用所述用户画像对用户群中的各个用户进行匹配；
向匹配成功的用户推送相应的营销内容。
在本发明第一方面一种可选的实施方式中，所述采用分布式数据存储收集用户的访问数据包括：
用户访问课程频道时，采集用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率，并且当用户产生付费动作时，对付费动作进行标记；
将采集到的用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录、发言频率以及付费动作的标记保存到分布式数据存储中。
在本发明第一方面一种可选的实施方式中，所述对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像包括：
根据付费用户的基础信息和所述访问数据对付费用户进行画像；
再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数；
对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像。
在本发明第一方面一种可选的实施方式中，所述根据付费用户的基础信息和所述访问数据对付费用户进行画像包括：
从付费用户的所述基础信息和所述访问数据中挑选出与付费相关的各项信息，并将挑选出的各项信息作为付费用户的初始画像参数。
在本发明第一方面一种可选的实施方式中，所述再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数包括：
预先定义一付费用户模型，所述付费用户模型中设置有与付费相关的各项信息所占的贡献百分比；
通过各项信息所占的贡献百分比乘以付费用户数得到各项信息的加权系数。
在本发明第一方面一种可选的实施方式中，所述对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像包括：
将各项信息的所述加权系数与预设的阈值进行比较，获取所述加权系数大于所述阈值的各项信息作为具有付费意愿的用户画像的最终画像参数。
在本发明第一方面一种可选的实施方式中，在所述分布式数据存储中采用消息队列传输数据，并利用所述消息队列对数据访问请求进行异步处理。
本发明第二方面提供了一种营销推荐装置，所述营销推荐装置包括：
收集模块，用于采用分布式数据存储收集用户的访问数据；
筛选模块，用于从所述分布式数据存储中筛选出付费用户；
统计模块，用于对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；
匹配模块，用于利用所述用户画像对用户群中的各个用户进行匹配；
推送模块，用于向匹配成功的用户推送相应的营销内容。
本发明第三方面提供了一种营销推荐设备，所述营销推荐设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述答题卡切分设备执行如上述任一项所述的基于分布式数据的营销推荐方法。
本发明第四方面提供了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计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的基于分布式数据的营销推荐方法。
有益效果：本发明提供了一种基于分布式数据的营销推荐方法、装置、设备及存储介质，其中，所述营销推荐方法包括：采用分布式数据存储收集用户的访问数据；从所述分布式数据存储中筛选出付费用户；对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；利用所述用户画像对用户群中的各个用户进行匹配；向匹配成功的用户推送相应的营销内容。本发明的营销推荐方法基于分布式存储系统，能够支持存储大数据量的结构化和非结构化数据，以用于全面刻画用户画像，匹配准确率高，提高用户付费转化率。
附图说明
图1为本发明一种基于分布式数据的营销推荐方法的一个实施例示意图；
图2为本发明一种营销推荐装置的一个实施例示意图；
图3为本发明一种营销推荐设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于分布式数据的营销推荐方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明第一方面提供了一种基于分布式数据的营销推荐方法，所述营销推荐方法包括：
S100、采用分布式数据存储收集用户的访问数据；
S200、从所述分布式数据存储中筛选出付费用户；
S300、对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；本发明的该步骤主要是根据付费用户基础信息和行为对付费用户进行画像，再根据全量付费用户的各个画像参数对成交的贡献比例计算加权系数，以便于匹配全量用户，对于符合付费用户画像的用户按匹配度分层；
S400、利用所述用户画像对用户群中的各个用户进行匹配；
S500、向匹配成功的用户推送相应的营销内容。
具体来说，本发明由于采用分布式数据存储保存数据，这样能够支持存储大数据量的结构化和非结构化数据，以用于全面刻画用户画像，之后对影响用户付费的因素进行分析，提高用户付费转化率，需要说明的是本发明中的用户画像(包括付费用户的各种属性数据)是作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用，在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。
在本发明第一方面一种可选的实施方式中，所述采用分布式数据存储收集用户的访问数据包括：
用户访问课程频道时，采集用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率，并且当用户产生付费动作时，对付费动作进行标记；
将采集到的用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录、发言频率以及付费动作的标记保存到分布式数据存储中。
在本实施例中，用户的访问数据包括但不限于课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录、发言频率和付费动作的标记等各项信息，还可以包括与用户付费有关的其它信息，判断是否与用户付费有关可以根据经验自定义。
在本发明第一方面一种可选的实施方式中，所述对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像包括：
根据付费用户的基础信息和所述访问数据对付费用户进行画像；
再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数；
对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像。
在本实施例中，对各个所述画像参数进行加权计算的目的是判断出访问数据中的哪些数据与用户付费的可能性更大，以可能性大的数据作为判断用户群中的用户付费的基础。
在本发明第一方面一种可选的实施方式中，所述根据付费用户的基础信息和所述访问数据对付费用户进行画像包括：
从付费用户的所述基础信息和所述访问数据中挑选出与付费相关的各项信息，并将挑选出的各项信息作为付费用户的初始画像参数。
在本实施例中，例如根据经验值从课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率中获得所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率均与用户付费相关，则将所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率作为付费用户的初始画像参数。
在本发明第一方面一种可选的实施方式中，所述再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数包括：
预先定义一付费用户模型，所述付费用户模型中设置有与付费相关的各项信息所占的贡献百分比；
通过各项信息所占的贡献百分比乘以付费用户数得到各项信息的加权系数。
在本实施例中，例如付费用户模型中定义了数据A对用户付费的贡献百分比为0.1，数据B对用户付费的贡献百分比为0.2，数据C对用户付费的贡献百分比为0.3，数据D对用户付费的贡献百分比为0.4，在计算加权系数时，所有付费用户中，带有数据A的用户有20个，带有数据B的用户有10个，带有数据C的用户有5个，带有数据D的用户有1个，则数据A的加权系数就为2，数据B的加权系数为2，数据C的加权系数为1.5，数据D的加权系数为0.4。在本实施例中，判断数据与用户付费是否相关时，既考虑到了理论情况也考虑的真实情况，这样获得的加权系数更具有真实性。
在本发明第一方面一种可选的实施方式中，所述对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像包括：
将各项信息的所述加权系数与预设的阈值进行比较，获取所述加权系数大于所述阈值的各项信息作为具有付费意愿的用户画像的最终画像参数。
在本实施例中，例如设定的阈值为1，则可以获得数据A，数据B和数据C与用户付费的相关性最强，后续就以数据A，数据B和数据C来判断用户对一个频道付费的意愿。
在本发明第一方面一种可选的实施方式中，可以根据付费用户动态的行为动态占所有用户的比例更新加权系数算法(可手动配置)，比如一种具体的付费用户模型如下：所属城市区域：一线(60％)，二线(30％)，三线及其以下(10％)；发言频次：5以上(50％)，1-5次(30％)，无发言(20％)；若每10％为1分，则1类用户标准：>＝15分则包含一线城市发言五次以上、一线城市发言1-5次、二线城市发言五次以上。
在本发明第一方面一种可选的实施方式中，在获得了与付费有关的最终画像参数之后，就会对用户群中每个用户进行比对，如果用户群中用户包括有这几项画像参数，并且具体数值超过了最终画像参数的平均值，则认为该用户会在某个频道中进行购买，则向该频道进行商品或信息推荐。
在本发明第一方面一种可选的实施方式中，在所述分布式数据存储中采用消息队列传输数据，并利用所述消息队列对数据访问请求进行异步处理。在本实施例中，用户从访问课程直播，回看产生的任意行为数据记录写入队列，利用队列进行请求异步处理，防止高并发时请求压力向后端传导，并且由于采集的用户行为数据庞杂，本发明还会对数据按需求进行相应的数据处理，包括且不限于数据的拆分、聚合以及格式化等。
综上，本发明提供的一种基于分布式数据的营销推荐方法，主要用到的技术体系有：分布式数据库、消息队列、分布式计算工具和数据可视化工具。主要处理过程：数据采集：用户访问课程频道时，记录用户访问的具体课程频道、区域、在频道停留的时间、在频道内的发言记录和发言频率。当用户产生付费动作时，对付费动作进行标记。(可根据不同需求动态扩展对应参数)；数据分析：筛选出所有产生付费动作的用户在数据库中的信息，对于付费用户的数据进行计算，并根据各项数据指标的付费比例计算加权数，得出用户可能产生付费意愿的用户画像；精准营销：在用户群中筛选出符合付费用户画像的用户，自动推送相相应的营销内容，后续也可人工销售团队介入，促进成交。
参见图2，本发明第二方面提供了一种营销推荐装置，所述营销推荐装置包括：
收集模块10，用于采用分布式数据存储收集用户的访问数据；
筛选模块20，用于从所述分布式数据存储中筛选出付费用户；
统计模块30，用于对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；
匹配模块40，用于利用所述用户画像对用户群中的各个用户进行匹配；
推送模块50，用于向匹配成功的用户推送相应的营销内容。
在本发明第二方面一种可选的实施方式中，所述收集模块10包括：
采集单元，用于用户访问课程频道时，采集用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率，并且当用户产生付费动作时，对付费动作进行标记；
存储单元，用于将采集到的用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录、发言频率以及付费动作的标记保存到分布式数据存储中。
在本发明第二方面一种可选的实施方式中，所述统计模块30包括：
画像单元，用于根据付费用户的基础信息和所述访问数据对付费用户进行画像；
计算单元，用于再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数；以及对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像。
在本发明第二方面一种可选的实施方式中，所述画像单元包括：
挑选子单元，用于从付费用户的所述基础信息和所述访问数据中挑选出与付费相关的各项信息，并将挑选出的各项信息作为付费用户的初始画像参数。
在本发明第二方面一种可选的实施方式中，所述计算单元包括：
定义子单元，用于预先定义一付费用户模型，所述付费用户模型中设置有与付费相关的各项信息所占的贡献百分比；
运算子单元，用于通过各项信息所占的贡献百分比乘以付费用户数得到各项信息的加权系数。
在本发明第二方面一种可选的实施方式中，所述计算单元还包括：
比较子单元，用于将各项信息的所述加权系数与预设的阈值进行比较，获取所述加权系数大于所述阈值的各项信息作为具有付费意愿的用户画像的最终画像参数。
在本发明第二方面一种可选的实施方式中，在所述分布式数据存储中采用消息队列传输数据，并利用所述消息队列对数据访问请求进行异步处理。
图3是本发明实施例提供的一种营销推荐设备的结构示意图，该营销推荐设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器60(centralprocessing units，CPU)(例如，一个或一个以上处理器)和存储器70，一个或一个以上存储应用程序或数据的存储介质80(例如一个或一个以上海量存储设备)。其中，存储器和存储介质可以是短暂存储或持久存储。存储在存储介质的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对营销推荐设备中的一系列指令操作。更进一步地，处理器可以设置为与存储介质通信，在营销推荐设备上执行存储介质中的一系列指令操作。
营销推荐设备还可以包括一个或一个以上电源90，一个或一个以上有线或无线网络接口100，一个或一个以上输入输出接口110，和/或，一个或一个以上操作系统，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图3示出的营销推荐设备结构并不构成对营销推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于分布式数据的营销推荐方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于分布式数据的营销推荐方法，其特征在于，所述营销推荐方法包括：
采用分布式数据存储收集用户的访问数据；
从所述分布式数据存储中筛选出付费用户；
对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；
利用所述用户画像对用户群中的各个用户进行匹配；
向匹配成功的用户推送相应的营销内容；
所述对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像包括：
根据付费用户的基础信息和所述访问数据对付费用户进行画像；
再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数；
对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像；
所述根据付费用户的基础信息和所述访问数据对付费用户进行画像包括：
从付费用户的所述基础信息和所述访问数据中挑选出与付费相关的各项信息，并将挑选出的各项信息作为付费用户的初始画像参数；
所述再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数包括：
预先定义一付费用户模型，所述付费用户模型中设置有与付费相关的各项信息所占的贡献百分比；
通过各项信息所占的贡献百分比乘以付费用户数得到各项信息的加权系数。
2.根据权利要求1所述的基于分布式数据的营销推荐方法，其特征在于，所述采用分布式数据存储收集用户的访问数据包括：
用户访问课程频道时，采集用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录和发言频率，并且当用户产生付费动作时，对付费动作进行标记；
将采集到的用户访问的具体课程频道、所属的城市区域、在频道停留的时间、在频道内的发言记录、发言频率以及付费动作的标记保存到分布式数据存储中。
3.根据权利要求1所述的基于分布式数据的营销推荐方法，其特征在于，所述对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像包括：
将各项信息的所述加权系数与预设的阈值进行比较，获取所述加权系数大于所述阈值的各项信息作为具有付费意愿的用户画像的最终画像参数。
4.根据权利要求2所述的基于分布式数据的营销推荐方法，其特征在于，在所述分布式数据存储中采用消息队列传输数据，并利用所述消息队列对数据访问请求进行异步处理。
5.一种营销推荐装置，其特征在于，所述营销推荐装置包括：
收集模块，用于采用分布式数据存储收集用户的访问数据；
筛选模块，用于从所述分布式数据存储中筛选出付费用户；
统计模块，用于对所述付费用户的所述访问数据进行统计，获得具有付费意愿的用户画像；
匹配模块，用于利用所述用户画像对用户群中的各个用户进行匹配；
推送模块，用于向匹配成功的用户推送相应的营销内容；
所述统计模块包括：
画像单元，用于根据付费用户的基础信息和所述访问数据对付费用户进行画像；
计算单元，用于再根据付费用户的各个画像参数对付费成交的贡献比例计算加权系数；以及对各个所述画像参数进行加权计算，获得具有付费意愿的用户画像；
所述画像单元包括：
挑选子单元，用于从付费用户的所述基础信息和所述访问数据中挑选出与付费相关的各项信息，并将挑选出的各项信息作为付费用户的初始画像参数；
所述计算单元包括：
定义子单元，用于预先定义一付费用户模型，所述付费用户模型中设置有与付费相关的各项信息所占的贡献百分比；
运算子单元，用于通过各项信息所占的贡献百分比乘以付费用户数得到各项信息的加权系数。
6.一种营销推荐设备，其特征在于，所述营销推荐设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述营销推荐设备执行如权利要求1-4中任一项所述的基于分布式数据的营销推荐方法。
7.一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计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的基于分布式数据的营销推荐方法。
CN202110559596.9A 2021-05-21 2021-05-21 基于分布式数据的营销推荐方法、装置、设备及存储介质 Active CN113505309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110559596.9A CN113505309B (zh) 2021-05-21 2021-05-21 基于分布式数据的营销推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110559596.9A CN113505309B (zh) 2021-05-21 2021-05-21 基于分布式数据的营销推荐方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113505309A CN113505309A (zh) 2021-10-15
CN113505309B true CN113505309B (zh) 2024-02-09

Family

ID=78008472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110559596.9A Active CN113505309B (zh) 2021-05-21 2021-05-21 基于分布式数据的营销推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113505309B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9298780B1 (en) * 2013-11-01 2016-03-29 Intuit Inc. Method and system for managing user contributed data extraction templates using weighted ranking score analysis
CN108667877A (zh) * 2017-03-31 2018-10-16 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、计算机设备及存储介质
CN108960975A (zh) * 2018-06-15 2018-12-07 广州麦优网络科技有限公司 基于用户画像的个性化精准营销方法、服务器及存储介质
CN109741113A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于大数据的用户购买意向预测方法
CN111507781A (zh) * 2020-05-20 2020-08-07 苏州名诺信息科技有限公司 一种基于大数据的客户营销系统及方法
CN111858702A (zh) * 2020-06-28 2020-10-30 西安工程大学 一种用于动态画像的用户行为数据采集和加权方法
CN112465572A (zh) * 2021-02-03 2021-03-09 广州宜推网络科技有限公司 一种基于大数据的广告推送监测系统
CN112465594A (zh) * 2020-11-27 2021-03-09 康键信息技术（深圳）有限公司 直播交互方法、装置、设备及存储介质
CN112613917A (zh) * 2020-12-30 2021-04-06 平安壹钱包电子商务有限公司 基于用户画像的信息推送方法、装置、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
US8805751B2 (en) * 2011-10-13 2014-08-12 Verizon Patent And Licensing Inc. User class based media content recommendation methods and systems
US20160055541A1 (en) * 2014-08-21 2016-02-25 Everyday Health Inc. Personalized recommendation system and methods using automatic identification of user preferences

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9298780B1 (en) * 2013-11-01 2016-03-29 Intuit Inc. Method and system for managing user contributed data extraction templates using weighted ranking score analysis
CN108667877A (zh) * 2017-03-31 2018-10-16 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、计算机设备及存储介质
CN108960975A (zh) * 2018-06-15 2018-12-07 广州麦优网络科技有限公司 基于用户画像的个性化精准营销方法、服务器及存储介质
CN109741113A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于大数据的用户购买意向预测方法
CN111507781A (zh) * 2020-05-20 2020-08-07 苏州名诺信息科技有限公司 一种基于大数据的客户营销系统及方法
CN111858702A (zh) * 2020-06-28 2020-10-30 西安工程大学 一种用于动态画像的用户行为数据采集和加权方法
CN112465594A (zh) * 2020-11-27 2021-03-09 康键信息技术（深圳）有限公司 直播交互方法、装置、设备及存储介质
CN112613917A (zh) * 2020-12-30 2021-04-06 平安壹钱包电子商务有限公司 基于用户画像的信息推送方法、装置、设备及存储介质
CN112465572A (zh) * 2021-02-03 2021-03-09 广州宜推网络科技有限公司 一种基于大数据的广告推送监测系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A cloud based health insurance plan recommendation system: A user centered approach;Assad Abbas等;《Future Generation Computer Systems》;第43–44卷;99-109 *
基于客户价值的航空旅客细分研究;王丽菊;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第10期);J152-369 *
用户交互特征对知识付费行为预测的贡献度研究;邓胜利;蒋雨婷;;图书情报工作;64(08);93-102 *
移动互联网业务Portal门户精准营销系统解决方案;王琳;李石生;赵占纯;;邮电设计技术(第03期);60-64 *

Also Published As

Publication number Publication date
CN113505309A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN109389431B (zh) 优惠券的分配方法、装置、电子设备及可读存储介质
JP6246776B2 (ja) 離職リスク判定器
US20060100957A1 (en) Electronic data processing system and method of using an electronic data processing system for automatically determining a risk indicator value
CN111861605B (zh) 业务对象推荐方法
JPWO2014103560A1 (ja) 分析装置、分析プログラム、分析方法、推定装置、推定プログラム、及び、推定方法。
CN116258356A (zh) 基于WaveNet的工单派发方法、装置及相关介质
CN112070564A (zh) 广告拉取方法、装置、系统与电子设备
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
CN113205412B (zh) 一种智能柜台办理的业务种类的确定方法及相关装置
CN113505309B (zh) 基于分布式数据的营销推荐方法、装置、设备及存储介质
CN113138977A (zh) 交易转化分析方法、装置、设备及存储介质
US20210004722A1 (en) Prediction task assistance apparatus and prediction task assistance method
CN110796379B (zh) 业务渠道的风险评估方法、装置、设备及存储介质
JP2010282561A (ja) 情報処理装置、情報処理システム、情報処理方法および情報処理プログラム
CN107305662A (zh) 识别违规账户的方法及装置
CN112395329B (zh) 业务数据的处理方法、装置、设备及存储介质
CN113849618B (zh) 基于知识图谱的策略确定方法、装置、电子设备及介质
CN115018529A (zh) 理财广告的生成方法、装置、设备及存储介质
CN113407827A (zh) 基于用户价值分类的信息推荐方法、装置、设备及介质
CN112613920A (zh) 一种流失几率预测方法及装置
CN113762675A (zh) 信息生成方法、装置、服务器、系统和存储介质
JP2019139381A (ja) 文字列処理装置及びプログラム
JP2004094662A (ja) 信用リスク管理の最適化モデル適用方法及び装置
CN112184073B (zh) 积分数据处理方法、装置、设备及计算机存储介质
CN111737588B (zh) 用户画像知识相似度计算方法

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