CN113743721A - 营销策略生成方法、装置、计算机设备及存储介质 - Google Patents
营销策略生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113743721A CN113743721A CN202110866004.8A CN202110866004A CN113743721A CN 113743721 A CN113743721 A CN 113743721A CN 202110866004 A CN202110866004 A CN 202110866004A CN 113743721 A CN113743721 A CN 113743721A
- Authority
- CN
- China
- Prior art keywords
- marketing
- data
- preset
- competitive
- target
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
Abstract
本发明涉及互联网营销技术领域,公开了一种营销策略生成方法、装置、计算机设备及存储介质,所述方法包括:获取目标行业的多媒体历史数据,对多媒体历史数据进行竞品词提取,得到竞品词集合,根据竞品词集合和预设的竞品词数据库,确定目标竞品,获取目标竞品在上一预设周期内的历史数据,历史数据包括历史售卖数据,对历史售卖数据进行时间序列预测,确定竞品消费趋势,根据竞品消费趋势,生成营销策略,使得制定的营销策略目的性强,有利于提高营销策略的营销效果。
Description
技术领域
本发明涉及互联网营销技术领域,尤其涉及一种营销策略生成方法、装置、计算机设备及存储介质。
背景技术
数字智能营销已成为当前和未来商业营销的主要手段,营销策略作为营销的基本单元,是实施数字智能的主要方式。
现有的营销策略主要通过对特定区域范围内的海量客户进行统一配置,为其发送统一的营销信息、营销产品等,虽然该方式覆盖面广且操作简单,但是缺乏目的性,营销的转化率较低,营销效果不佳。
发明内容
本发明实施例提供一种营销策略生成方法、装置、计算机设备和存储介质,以提高营销策略的营销效果。
为了解决上述技术问题,本申请实施例提供一种营销策略生成方法,包括:
获取目标行业的多媒体历史数据;
对所述多媒体历史数据进行竞品词提取,得到竞品词集合;
根据所述竞品词集合和预设的竞品词数据库,确定目标竞品;
获取所述目标竞品在上一预设周期内的历史数据,所述历史数据包括历史售卖数据;
对所述历史售卖数据进行时间序列预测,确定竞品消费趋势;
根据所述竞品消费趋势,生成营销策略。
为了解决上述技术问题,本申请实施例还提供一种营销策略生成装置,包括:
第一获取模块,用于获取目标行业的多媒体历史数据;
第一提取模块,用于对所述多媒体历史数据进行竞品词提取,得到竞品词集合;
第一确定模块,用于根据所述竞品词集合和预设的竞品词数据库,确定目标竞品;
第二获取模块,用于获取所述目标竞品在上一预设周期内的历史数据,所述历史数据包括历史售卖数据;
第二确定模块,用于对所述历史售卖数据进行时间序列预测,确定竞品消费趋势;
第一策略生成模块,用于根据所述竞品消费趋势,生成营销策略。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述营销策略生成方法的步骤。
为了解决上述技术问题,本申请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存储有计算机程序,所述计算机程序被处理器执行时实现上述营销策策略制定方法的步骤。
本发明实施例提供的营销策略生成方法、装置、计算机设备及存储介质,通过获取目标行业的多媒体历史数据,对多媒体历史数据进行竞品词提取,得到竞品词集合,根据竞品词集合和预设的竞品词数据库,确定目标竞争对手和目标竞争对手对应的目标竞品,获取目标竞品在上一预设周期内的历史数据,历史数据包括历史售卖数据,对历史售卖数据进行时间序列预测,确定竞品消费趋势,根据竞品消费趋势,生成营销策略,使得制定的营销策略目的性强,有利于提高营销效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是本申请的营销策略生成方法的一个实施例的流程图;
图3是根据本申请的营销策略生成装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的营销策略生成方法由服务器执行,相应地,营销策略生成装置设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器,本申请实施例中的终端设备101、102、103具体可以对应的是实际生产中的应用系统。
请参阅图2,图2示出本发明实施例提供的一种营销策略生成方法,以该方法应用在图1中的服务端为例进行说明,详述如下:
S201:获取目标行业的多媒体历史数据。
具体的,采用爬虫技术从互联网平台获取目标行业的多媒体历史数据,其中,多媒体数据包括但不限于文本数据、视频数据、图片数据。
S202:对多媒体历史数据进行竞品词提取,得到竞品词集合。
具体的,当多媒体历史数据为视频数据,读取视频,基于角点数目检测视频中的目标帧,针对各个目标帧,将目标帧转换为灰度图像,使用拉普拉斯算子对灰度图像进行边缘检测,使用大律法对边缘检测后的图像进行二值化处理,对二值化后的图像进行闭操作,使用部分像素累加法定位经过闭操作的图像中的文字位置,从定位出的文字区域中抽取文字并进行光学字符识别,得到文本数据,其中,目标帧为视频中带有文字的图片帧;
当多媒体历史数据为图片,采用预设的文字识别方法判断图片上是否有文字,若有,采用OCR文字识别技术对图片进行文字提取,得到文本数据,其中,预设的文字识别方法可以是边缘特征定位法;
其中,对文本数据进行竞品词提取的步骤具体包括:
对文本数据的所有分析语句进行分词操作,得到分析语句的词语单元;获取词语单元的词语特征、词语单元在对应分析语句中的语句特征、以及词语单元在文本数据中的文本特征;基于机器学习算法建立的机器学习模型,根据每个分析语句中的词语单元的词语特征、语句特征以及文本特征,对每个分析语句进行竞品词提取,得到竞品词集合。
S203:根据竞品词集合和预设的竞品词数据库,确定目标竞品。
具体的,预设的竞品词数据库包括预设的竞品词集合、品牌名称和/或公司名称集合和竞品集合,其中,预设的竞品词集合中的每一个预设的竞品词与品牌名称和/或公司名称之间存在第一映射关系,品牌名称和/或公司名称与竞品之间存在第二映射关系,即当确定预设的竞品词后,可以根据第一映射关系确定相应的品牌名称和/或公司,并根据第二映射关系确定竞品,品牌名称和/或公司的数量和竞品数量至少为1;
其中,确定预设的竞品词的步骤具体包括:
从预设的竞品词数据库中获取预设的竞品词集合,基于相似度算法,计算竞品词集合中每一个竞品词与预设的竞品词集合中每一个预设的竞品词之间的语义相似度,作为相似度值,相似度值大于预设相似度阈值,则确定预设的竞品词;
进一步的,将与该预设的竞品词存在第一映射关系的品牌名称和/或公司名称确定为目标竞争对手,并将与品牌名称和/或公司名称存在第二映射关系的竞品确定为目标竞品。
S204:获取目标竞品在上一预设周期内的历史数据,历史数据包括历史售卖数据。
具体的,通过爬虫技术在相关的互联网平台上获取目标竞品的历史售卖数据,历史售卖数据包括但不限于目标竞品售卖数量、售卖价格。
S205:对历史售卖数据进行时间序列预测,确定竞品消费趋势。
具体的,竞品消费趋势包括但不限于下一预设周期的目标竞品售卖数量和售卖价格,可以采用时间序列算法对历史售卖数据进行时间序列预测,确定下一预设周期的竞品消费趋势。
S206:根据竞品消费趋势,生成营销策略。
具体的,营销策略包括但不限于营销目的、营销产品的预售数量和预售价格等等,可以根据下一预设周期的目标竞品售卖数量和售卖价格等,生成营销策略。
本发明实施例提供的营销策略生成方法,通过获取目标行业的多媒体历史数据,对多媒体历史数据进行竞品词提取,得到竞品词集合,根据竞品词集合和预设的竞品词数据库,确定目标竞争对手和目标竞争对手对应的目标竞品,获取目标竞品在上一预设周期内的历史数据,历史数据包括历史售卖数据,对历史售卖数据进行时间序列预测,确定竞品消费趋势,根据竞品消费趋势,生成营销策略,使得制定的营销策略目的性强,有利于提高营销效果。
在本实施例的一些可选的实现方式中,在步骤S201之前,该营销策略生成方法还包括如下步骤a1至a3:
a1、获取用户的营销需求信息。
具体的,营销需求信息包括但不限于营销目的、营销内容,可以通过客户端获取用户的营销需求信息。
a2、对营销需求信息进行关键词提取,得到需求特征词信息,需求特征词信息包括营销内容关键词。
具体的,对营销需求信息中的文本数据进行分词处理,得到多个词语,采用预设停用词表对多个词语进行过滤,得到过滤后的词语;将过滤后的词语确定为候选词或者将过滤后的词语中具有预设词性的词语确定为候选词,其中,预设词性包括但不限于名词、动词和形容词;将候选词和营销需求信息中的文本数据,分别输入基于转换器的双向编码器BERT中,得到文本数据对应的第一特征向量和候选词对应的第二特征向量;将第一特征向量和第二特征向量输入预训练的神经网络中,得到与第一特征向量对应的第三特征向量和与第二特征向量对应的第四特征向量,其中,预训练的神经网络是根据样本营销需求信息对应的第一特征向量、样本候选词对应的第二特征向量以及样本候选词对应的真值标签训练得到;计算第三特征向量与第四特征向量的相似度,作为向量相似度,若向量相似度大于预设向量相似度阈值,则提取营销需求信息中的文本数据中的营销内容关键词。
a3、根据营销内容关键词集合和预设的行业数据库,确定目标行业。
具体的,预设的行业数据库包括预设的营销内容关键词集合和行业集合,其中,预设的营销内容关键词集合与行业集合之间存在第三映射关系,即确定预设的营销内容关键词集合中的一个预设的营销内容关键词后,根据第三映射关系确定与该预设的营销内容关键词对应的行业。
其中,确定预设的营销内容关键词集合中的一个预设的营销内容关键词的步骤具体包括:
获取预设的行业数据库中的预设的营销内容关键词集合,计算预设的营销内容关键词集合中每一个预设的营销内容关键词与营销内容关键词集合中每一个营销内容关键词的相似度,作为关键词相似度值,若关键词相似度值大于预设关键词相似阈值,则确定预设的营销内容关键词集合中的一个预设的营销内容关键词,并将根据第三映射关系确定与该预设的营销内容关键词对应的行业作为目标行业。
在本实施例中,通过获取用户的营销需求信息,对营销需求信息进行关键词提取,得到需求特征词信息,需求特征词信息包括营销内容关键词,根据营销内容关键词集合和预设的行业数据库,确定目标行业,有利于在目标行业内提高营销策略的营销效果,增强了营销策略的目的性。
在一可选实施例的实现方式中,对于上述步骤a3,根据营销内容关键词集合和预设的行业数据库,确定目标行业的步骤具体包括:
获取预设的行业数据库中每个行业的待比较目标词。
具体的,预设的行业数据库中包括待比较目标词集合和行业集合,待比较目标集合和行业集合之间存在映射关系,即确定待比较目标词后,可根据映射关系确定待比较目标词对应的行业。
基于BERT模型,将营销需求关键词和待比较目标词分别转换为第一特征词语义信息和第二特征词语义信息。
计算第一特征语义信息和第二特征语义信息的语义相似度,得到第一语义相似度值。
若第一语义相似度值大于预设第一阈值,则将待比较目标词对应的行业作为目标行业。
在本实施例中,通过获取预设的行业数据库中每个行业的待比较目标词,计算待比较目标词与营销需求关键词的相似度,得到相似度值,并根据相似度值和预设第一阈值,将待比较目标词对应的行业作为目标行业,有利于在目标行业内提高营销策略的营销效果,增强了营销策略的目的性。
在本实施例的一些可选的实现方式中,步骤S205中,对历史售卖数据进行时间序列预测,确定竞品消费趋势的步骤包括:
对历史售卖数据依据预设时间段进行划分,得到分段历史售卖数据。
具体的,预设时间段可以是以小时、天、月等为基本单位的时间段。
对每个分段历史数据进行数据统计,得到预设时间段的竞品售卖数据。
基于时间序列算法和竞品售卖数据,对下一预设周期的竞品售卖数据进行预测,得到预估的竞品售卖数据。
具体的,时间序列算法可以为高斯过程回归算法。
根据预估的竞品售卖数据,确定竞品消费趋势。
在本实施例中,通过对每个分段历史数据进行数据统计,得到预设时间段的竞品售卖数据,基于时间序列算法和竞品售卖数据,对下一预设周期的竞品售卖数据进行预测,得到预估的竞品售卖数据,根据预估的竞品售卖数据,确定竞品消费趋势,有利于明确营销产品和营销价格,增强营销策略的目的性,有效提高营销策略的营销效果。
在本实施例的一些可选的实现方式中,历史数据为消费行为数据,消费行为数据包括但不限于消费者浏览记录、消费者搜索记录、消费者领券记录、消费者评价数据,该营销策略生成方法还包括如下步骤b1至b3:
b1、对消费行为数据中的每个语句进行关键词提取,得到每个语句的关键词序列集合。
具体的,对消费行为数据中的文本数据中的每个语句进行分词处理,得到多个词语,采用预设停用词表对多个词语进行过滤,得到过滤后的词语;将过滤后的词语确定为候选词或者将过滤后的词语中具有预设词性的词语确定为候选词,其中,预设词性包括但不限于名词、动词和形容词;将候选词和每一个语句,分别输入基于转换器的双向编码器BERT中,得到每一个语句对应的第一特征向量和候选词对应的第二特征向量;将第一特征向量和第二特征向量输入预训练的神经网络中,得到与第一特征向量对应的第三特征向量和与第二特征向量对应的第四特征向量,其中,预训练的神经网络是根据样本消费行为数据对应的第一特征向量、样本候选词对应的第二特征向量以及样本候选词对应的真值标签训练得到;计算第三特征向量与第四特征向量的相似度,作为向量相似度,若向量相似度大于预设向量相似度阈值,则提取每个语句中的关键词,得到每个语句的关键词序列集合。
b2、对关键词序列集合进行情感分析,得到消费者画像。
具体的,消费者画像可用于判断消费者对目标竞品的喜好。
b3、根据消费者画像,生成营销策略。
在本实施例中,通过提取消费行为数据中的关键词,得到关键词序列集合,通过对关键词序列集合进行情感分析,得到消费者画像,根据消费者画像,生成营销策略,有利于确定营销对象,增强营销策略的目的性,进而提高营销策略的营销效果。
在本实施的一些可选的实现方式中,对于上述步骤b2,对关键词序列集合进行情感分析,得到消费者画像的步骤包括b20至b21:
b20、基于预设的情感词数据库,对关键词序列中的每个关键词进行情感分析,得到每个关键词的情感倾向,其中,情感倾向包括正面情感和负面情感。
具体的,预设的情感数据库包括情感词集合,情感词集合中的每个情感词具有对应的情感属性,情感属性包括正面情感和负面情感,基于相似度算法,计算每个关键词与情感词的相似度,作为语义相似度值,若该语义相似度值大于预设相似度阈值,则将情感词对应的情感属性作为关键词的情感倾向。
b21、根据正面情感和负面情感,得到消费者画像。
在本实施例中,通过对关键词序列集合中每个关键词进行情感分析,得到每个关键词的情感倾向,并根据情感倾向制定了消费者画像,有利于确定营销对象,增强营销策略的目的性,提高营销策略的营销效果。
可选的,根据消费者画像和竞品消费趋势,生成营销策略。
在本实施例中,根据消费者画像和竞品消费趋势,生成营销策略,有利于确定营销产品、营销价格和营销对象,增强营销策略的目的性,提高营销策略的营销效果。
在本实施例的一些可选的实现方式中,对于上述步骤b20和步骤b21,对消费行为数据中的每个语句进行关键词提取,得到每个语句的关键词序列集合和对关键词序列集合进行情感分析,得到消费者画像的步骤之间还包括:
采用预设的媒体标签库,对关键词序列进行媒体标签标记,标记关键词序列集合。
具体的,媒体标签可以是互联网平台名称。
在本实施例中,通过对关键词序列进行媒体标签标记,可以通过媒体标签确定关键词来源,并根据此来源确定相应的互联网平台,有利于确定营销平台,增强营销策略的目的性,提高营销策略的营销效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图3示出与上述实施例营销策略生成方法一一对应的营销策略生成装置的原理框图。如图3所示,该营销策略生成装置包括数据第一获取模块30、第一提取模块31、第一确定模块32、第二获取模块33、第二确定模块34和第一策略生成模块35。各功能模块详细说明如下:
第一获取模块30,用于获取目标行业的多媒体历史数据。
第一提取模块31,用于对多媒体历史数据进行竞品词提取,得到竞品词集合。
第一确定模块32,用于根据竞品词集合和预设的竞品词数据库,确定目标竞品。
第二获取模块33,用于获取目标竞品在上一预设周期内的历史数据,历史数据包括历史售卖数据。
第二确定模块34,用于对历史售卖数据进行时间序列预测,确定竞品消费趋势。
第一策略生成模块35,用于根据竞品消费趋势,生成营销策略。
进一步的,该营销策略生成装置还包括第三获取模块、第二提取模块和第三确定模块,各个功能模块的详细说明具体如下:
第三获取模块,用于获取用户的营销需求信息。
第二提取模块,用于对营销需求信息进行关键词提取,得到需求特征词信息,需求特征词信息包括营销内容关键词。
第三确定模块,用于根据营销内容关键词集合和预设的行业数据库,确定目标行业。
进一步的,第三确定模块包括第四获取模块、转换模块、相似度计算模块和目标行业确定模块,各个功能模块的详细说明具体如下:
第四获取模块,用于获取预设的行业数据库中每个行业的待比较目标词。
转换模块,用于基于BERT模型,将营销需求关键词和待比较目标词分别转换为第一特征词语义信息和第二特征词语义信息。
相似度计算模块,用于计算第一特征语义信息和第二特征语义信息的语义相似度,得到第一语义相似度值。
目标行业确定模块,用于若第一语义相似度值大于预设第一阈值,则将待比较目标词对应的行业作为目标行业。
进一步的,第二确定模块34包括划分模块、统计模块、预测模块和消费趋势确定模块,各个功能模块的详细说明具体如下:
划分模块,用于对历史售卖数据依据预设时间段进行划分,得到分段历史售卖数据。
统计模块,用于对每个分段历史数据进行数据统计,得到预设时间段的竞品售卖数据;
预测模块,用于基于时间序列算法和竞品售卖数据,对下一预设周期的竞品售卖数据进行预测,得到预估的竞品售卖数据;
消费趋势确定模块,用于根据预估的竞品售卖数据,确定竞品消费趋势。
可选的,该营销策略生成装置还包括第三提取模块、情感分析模块和第二策略生成模块,各个功能模块的详细说明具体如下:
第三提取模块,用于对消费行为数据中的每个语句进行关键词提取,得到每个语句的关键词序列集合。
情感分析模块,用于对关键词序列集合进行情感分析,得到消费者画像。
第二策略生成模块,用于根据消费者画像,生成营销策略。
进一步的,情感分析模块包括情感倾向获取模块、消费者画像获取模块,各个功能模块的详细说明具体如下:
情感倾向获取模块,用于基于预设的情感词数据库,对关键词序列中的每个关键词进行情感分析,得到每个关键词的情感倾向,其中,情感倾向包括正面情感和负面情感。
消费者画像获取模块、用于根据正面情感和负面情感,得到消费者画像。
可选的,情感分析模块还包括标签标记模块,该功能模块的详细说明具体如下:
标签标记模块,用于采用预设的媒体标签库,对关键词序列进行媒体标签标记,标记关键词序列集合。
关于营销策略生成装置的具体限定可以参见上文中对于营销策略生成方法的限定,在此不再赘述。上述营销策略生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或D界面显示存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如电子文件的控制的程序代码等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据,例如运行电子文件的控制的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有界面显示程序,所述界面显示程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的营销策略生成方法的步骤。
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,本申请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,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.营销策略生成方法,其特征在于,所述方法包括:
获取目标行业的多媒体历史数据;
对所述多媒体历史数据进行竞品词提取,得到竞品词集合;
根据所述竞品词集合和预设的竞品词数据库,确定目标竞品;
获取所述目标竞品在上一预设周期内的历史数据,所述历史数据包括历史售卖数据;
对所述历史售卖数据进行时间序列预测,确定竞品消费趋势;
根据所述竞品消费趋势,生成营销策略。
2.如权利要求1所述的营销策略生成方法,其特征在于,所述采集目标行业的多媒体历史数据的步骤之前,所述方法还包括:
获取用户的营销需求信息;
对所述营销需求信息进行关键词提取,得到需求特征词信息,所述需求特征词信息包括营销内容关键词;
根据所述营销内容关键词集合和预设的行业数据库,确定所述目标行业。
3.如权利要求2所述的营销策略生成方法,其特征在于,所述根据所述营销内容关键词集合和预设的行业数据库,确定所述目标行业的步骤包括:
获取所述预设的行业数据库中每个行业的待比较目标词;
基于BERT模型,将所述营销需求关键词和所述待比较目标词分别转换为第一特征词语义信息和第二特征词语义信息;
计算所述第一特征语义信息和所述第二特征语义信息的语义相似度,得到第一语义相似度值;
若所述第一语义相似度值大于预设第一阈值,则将所述待比较目标词对应的行业作为目标行业。
4.如权利要求1所述的营销策略生成方法,其特征在于,所述对所述历史售卖数据进行时间序列预测,确定竞品消费趋势的步骤包括:
对所述历史售卖数据依据预设时间段进行划分,得到分段历史售卖数据;
对每个分段历史数据进行数据统计,得到所述预设时间段的竞品售卖数据;
基于时间序列算法和所述竞品售卖数据,对下一预设周期的竞品售卖数据进行预测,得到预估的竞品售卖数据;
根据所述预估的竞品售卖数据,确定所述竞品消费趋势。
5.如权利要求1所述的营销策略生成方法,其特征在于,所述历史数据为消费行为数据,所述方法还包括:
对所述消费行为数据中的每个语句进行关键词提取,得到每个语句的关键词序列集合;
对所述关键词序列集合进行情感分析,得到消费者画像;
根据所述消费者画像,制定所述营销策略。
6.如权利要求5所述的营销策略生成方法,其特征在于,所述对所述关键词序列集合进行情感分析,得到消费者画像的步骤包括:
基于预设的情感词数据库,对所述关键词序列中的每个关键词进行情感分析,得到每个关键词的情感倾向,其中,所述情感倾向包括正面情感和负面情感;
根据所述正面情感和所述负面情感,得到消费者画像。
7.如权利要求5所述的营销策略生成方法,其特征在于,所述对所述消费行为数据中的每个语句进行关键词提取,得到每个语句的关键词序列集合和对所述关键词序列集合进行情感分析,得到消费者画像的步骤之间还包括:
采用预设的媒体标签库,对所述关键词序列进行媒体标签标记,标记关键词序列集合。
8.营销策略生成装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标行业的多媒体历史数据;
第一提取模块,用于对所述多媒体历史数据进行竞品词提取,得到竞品词集合;
第一确定模块,用于根据所述竞品词集合和预设的竞品词数据库,确定目标竞品;
第二获取模块,用于获取所述目标竞品在上一预设周期内的历史数据,所述历史数据包括历史售卖数据;
第二确定模块,用于对所述历史售卖数据进行时间序列预测,确定竞品消费趋势;
第一策略生成模块,用于根据所述竞品消费趋势,生成营销策略。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的营销策略生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至7任一项所述的营销策略生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866004.8A CN113743721A (zh) | 2021-07-29 | 2021-07-29 | 营销策略生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866004.8A CN113743721A (zh) | 2021-07-29 | 2021-07-29 | 营销策略生成方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743721A true CN113743721A (zh) | 2021-12-03 |
Family
ID=78729352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110866004.8A Pending CN113743721A (zh) | 2021-07-29 | 2021-07-29 | 营销策略生成方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743721A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911717A (zh) * | 2023-09-13 | 2023-10-20 | 中国标准化研究院 | 一种用于城市贸易中的运力分配方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221644A (zh) * | 2008-01-23 | 2008-07-16 | 中国电信股份有限公司 | 消费数据序列趋势信息获取方法及系统 |
US20140297399A1 (en) * | 2012-11-14 | 2014-10-02 | MarketBridge Inc. | System and method for providing social media marketing performance and feedback |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
CN107481066A (zh) * | 2017-08-29 | 2017-12-15 | 艾普英捷(北京)智能科技股份有限公司 | 一种基于大数据的竞品分析方法及系统 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN110347823A (zh) * | 2019-06-06 | 2019-10-18 | 平安科技(深圳)有限公司 | 基于语音的用户分类方法、装置、计算机设备及存储介质 |
CN110675179A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 营销信息处理方法、装置、电子设备及可读存储介质 |
CN111292167A (zh) * | 2020-02-03 | 2020-06-16 | 山东爱城市网信息技术有限公司 | 基于大数据的竞品分析方法、系统、存储介质及电子设备 |
CN111753526A (zh) * | 2020-06-18 | 2020-10-09 | 北京无忧创想信息技术有限公司 | 一种相似竞品数据分析方法及系统 |
CN111767716A (zh) * | 2020-06-24 | 2020-10-13 | 中国平安财产保险股份有限公司 | 企业多级行业信息的确定方法、装置及计算机设备 |
CN111882363A (zh) * | 2020-08-06 | 2020-11-03 | 四川长虹电器股份有限公司 | 销量预测方法、系统及终端 |
CN113095868A (zh) * | 2021-03-09 | 2021-07-09 | 上海明略人工智能(集团)有限公司 | 辅助销售商品的方法、装置及系统 |
-
2021
- 2021-07-29 CN CN202110866004.8A patent/CN113743721A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221644A (zh) * | 2008-01-23 | 2008-07-16 | 中国电信股份有限公司 | 消费数据序列趋势信息获取方法及系统 |
US20140297399A1 (en) * | 2012-11-14 | 2014-10-02 | MarketBridge Inc. | System and method for providing social media marketing performance and feedback |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
CN107481066A (zh) * | 2017-08-29 | 2017-12-15 | 艾普英捷(北京)智能科技股份有限公司 | 一种基于大数据的竞品分析方法及系统 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN110675179A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 营销信息处理方法、装置、电子设备及可读存储介质 |
CN110347823A (zh) * | 2019-06-06 | 2019-10-18 | 平安科技(深圳)有限公司 | 基于语音的用户分类方法、装置、计算机设备及存储介质 |
CN111292167A (zh) * | 2020-02-03 | 2020-06-16 | 山东爱城市网信息技术有限公司 | 基于大数据的竞品分析方法、系统、存储介质及电子设备 |
CN111753526A (zh) * | 2020-06-18 | 2020-10-09 | 北京无忧创想信息技术有限公司 | 一种相似竞品数据分析方法及系统 |
CN111767716A (zh) * | 2020-06-24 | 2020-10-13 | 中国平安财产保险股份有限公司 | 企业多级行业信息的确定方法、装置及计算机设备 |
CN111882363A (zh) * | 2020-08-06 | 2020-11-03 | 四川长虹电器股份有限公司 | 销量预测方法、系统及终端 |
CN113095868A (zh) * | 2021-03-09 | 2021-07-09 | 上海明略人工智能(集团)有限公司 | 辅助销售商品的方法、装置及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911717A (zh) * | 2023-09-13 | 2023-10-20 | 中国标准化研究院 | 一种用于城市贸易中的运力分配方法及系统 |
CN116911717B (zh) * | 2023-09-13 | 2023-12-08 | 中国标准化研究院 | 一种用于城市贸易中的运力分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114780727A (zh) | 基于强化学习的文本分类方法、装置、计算机设备及介质 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN112883730B (zh) | 相似文本匹配方法、装置、电子设备及存储介质 | |
CN112863683A (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN112446209A (zh) | 一种意图标签的设置方法、设备、装置及存储介质 | |
CN113434755A (zh) | 页面的生成方法、装置、电子设备及存储介质 | |
CN113627797A (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN115544560A (zh) | 一种敏感信息的脱敏方法、装置、计算机设备及存储介质 | |
CN115757731A (zh) | 对话问句改写方法、装置、计算机设备及存储介质 | |
CN114817478A (zh) | 基于文本的问答方法、装置、计算机设备及存储介质 | |
CN115018588A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN114022891A (zh) | 扫描文本的关键信息提取方法、装置、设备及存储介质 | |
CN113743721A (zh) | 营销策略生成方法、装置、计算机设备及存储介质 | |
CN115730603A (zh) | 基于人工智能的信息提取方法、装置、设备及存储介质 | |
CN112364649B (zh) | 命名实体的识别方法、装置、计算机设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN114398466A (zh) | 基于语义识别的投诉分析方法、装置、计算机设备及介质 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
CN114398477A (zh) | 基于知识图谱的政策推荐方法及其相关设备 | |
CN112949320A (zh) | 基于条件随机场的序列标注方法、装置、设备及介质 | |
CN113569741A (zh) | 图像试题的答案生成方法、装置、电子设备及可读介质 | |
CN112084408A (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
CN116956897B (zh) | 隐性广告处理方法、装置、计算机设备及存储介质 | |
CN113590935B (zh) | 信息推荐方法、装置、计算机设备及存储介质 |
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 |