CN113781129B - 一种智能营销策略生成方法和系统 - Google Patents

Abstract

本发明公开了一种智能营销策略生成方法和系统，获得第一数据采集指令，获得第一数据采集结果；根据第一数据采集结果构建用户画像标签；根据第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一训练结果获得用户营销策略。解决了现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题。

Description

一种智能营销策略生成方法和系统

技术领域

本发明涉及金融、银行、电商等相关领域，尤其涉及一种智能营销策略生成方法和系统。

背景技术

随着大数据、AI等数据的发展，营销获客开始从传统的方式逐渐走向智能化精准营销，目前已广泛应用于金融、银行、电商等领域。但运营方式主要还是大批量的对需要营销的客户，用电话、短信、互联网广告地毯式的触达，效率很低，运营人员会根据历史业务经验，做策略配置来有针对性触达提交效率，但效率还是很低，需要依托大量业务经验等。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题。

发明内容

本申请实施例通过提供一种智能营销策略生成方法和系统，解决了现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题，达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。

鉴于上述问题，提出了本申请实施例提供一种智能营销策略生成方法和系统。

第一方面，本申请提供了一种智能营销策略生成方法，所述方法应用于触达投放系统，所述方法包括：获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；根据所述第一数据采集结果构建用户画像标签；根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；通过所述第一训练结果获得用户营销策略。

另一方面，本申请还提供了一种智能营销策略生成系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；第一构建单元，所述第一构建单元用于根据所述第一数据采集结果构建用户画像标签；第二获得单元，所述第二获得单元用于根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；第一权重分析单元，所述第一权重分析单元用于获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；第二权重分析单元，所述第二权重分析单元用于获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；第一权重评估单元，所述第一权重评估单元用于对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；第三获得单元，所述第三获得单元用于通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；第一修正单元，所述第一修正单元用于通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；第四获得单元，所述第四获得单元用于通过所述第一训练结果获得用户营销策略。

第三方面，本发明提供了一种智能营销策略生成系统，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计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；根据所述第一数据采集结果构建用户画像标签；根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一训练结果获得用户营销策略。达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种智能营销策略生成方法的流程示意图；

图2为本申请实施例一种智能营销策略生成方法的获得第一数据采集结果的流程示意图；

图3为本申请实施例一种智能营销策略生成方法的根据用户属性信息获得所述第一数据采集结果的流程示意图；

图4为本申请实施例一种智能营销策略生成方法的模型优化的流程示意图；

图5为本申请实施例一种智能营销策略生成方法的标签聚类模型优化的流程示意图；

图6为本申请实施例一种智能营销策略生成方法的构建用户画像标签的流程示意图；

图7为本申请实施例一种智能营销策略生成系统的结构示意图；

图8为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第一构建单元12，第二获得单元13，第一权重分析单元14，第二权重分析单元15，第一权重评估单元16，第三获得单元17，第一修正单元18，第四获得单元19，电子设备50，处理器51，存储器52，输入装置53，输出装置54。

具体实施方式

本申请实施例通过提供一种智能营销策略生成方法和系统，解决了现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题，达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等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术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，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单元。

申请概述

随着大数据、AI等数据的发展，营销获客开始从传统的方式逐渐走向智能化精准营销，目前已广泛应用于金融、银行、电商等领域。但运营方式主要还是大批量的对需要营销的客户，用电话、短信、互联网广告地毯式的触达，效率很低，运营人员会根据历史业务经验，做策略配置来有针对性触达提交效率，但效率还是很低，需要依托大量业务经验等。但现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种智能营销策略生成方法，其中，所述方法应用于触达投放系统，所述方法包括：获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；根据所述第一数据采集结果构建用户画像标签；根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；通过所述第一训练结果获得用户营销策略。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种智能营销策略生成方法，其中，所述方法应用于触达投放系统，所述方法包括：

步骤S100：获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；

具体而言，所述触达投放系统为根据营销策略进行触达的系统，即通过营销策略制定的投放时间，根据营销策略的投放内容进行客户的投放。所述第一数据采集指令为对用户进行信息采集的指令，所述用户为金融、银行、电商等领域的需要营销/具有潜在营销价值的客户，在获得相关用户的许可信息后，针对已经被用户许可获取的信息进行信息采集，获得第一数据采集结果。所述采集的用户信息包括用户的属性信息，即年龄、性别、职业、收入、手机活跃时间、借贷意向或借贷偏好等。通过用户的数据采集，为后续进行用户的分析和智能化制定营销策略提供了数据支持。

步骤S200：根据所述第一数据采集结果构建用户画像标签；

步骤S300：根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；

具体而言，所述用户画像标签为反映了用户的行为习惯的智能化标签，它是由某一特定群体或对象的多项特征构成，是对特征的具体描述进一步的，也可理解为用户画像是由多个标签组合而成，其实例是由多个标签值构成。根据用户的第一数据采集结果，对采集信息的用户通过采集信息进行用户画像标签的构建，包括用户的年龄标签、性别标签、职业标签、收入标签收集活跃时间标签、借贷意向/偏好标签等。根据用户画像标签获得用户标签下的历史触达结果，所述历史触达结果为对用户进行触达的历史信息。通过所述用户画像标签的构建和历史触达结果的获得，为后续训练出更加适配准确的时间段预估模型和触达方式预估模型提供了数据支持。

步骤S310：获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；

步骤S320：获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；

步骤S330：对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；

具体而言，所述第一触达话术集合为进行与用户的沟通过程中的沟通话术的集合，在用户许可的前提下，在与用户进行沟通的过程中，对用户的沟通过程进行信息记录，根据记录结果分析与用户的沟通过程中使用的话术与用户的反馈语气信息，根据所述反馈语气信息进行触达话术对用户的触达结果的影响程度判断，根据所述判断结果获得所述第一权重影响因素，进一步的，获得所述第一触达话术沟通过程的工作人员语速信息进行记录，获得所述第一语速信息，根据工作人员的所述第一语速信息对用户的反馈信息进行特征采集，举例而言，所述采集的特征包括语言中出现的特征文字，如“没听懂，没听清，太快”等。根据所述反馈信息获得所述第二权重影响因素，基于所述第一权重影响因素和所述第二权重影响因素对历史触达结果的权重影响占比进行评估，获得第一权重占比分配结果，通过所述第一权重占比分配结果的获得，使得后续的模型分配获得营销策略的方案更加的智能和适配客户，进而可获得更高的转化率的技术效果。

步骤S400：通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；

步骤S410：通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；

步骤S500：通过所述第一训练结果获得用户营销策略。

具体而言，所述时间段预估模型为进行营销方案投放的时间段预估的模型，所述触达方式预估模型为进行用户容易接受的营销触达方式评估的模型，所述时间段预估模型和所述触达方式预估模型均为机器学习中的神经网络模型，所述模型的训练数据为用户画像标签和历史触达结果，其中，所述用户画像标签作为输入的基础数据，所述历史触达结果为标识数据。基于所述用户画像标签和所述历史触达结果进行时间段预估模型和所述触达方式预估模型的训练，获得第一训练结果，其中，所述第一训练结果包括训练完成后的所述触达方式预估模型和所述时间段预估模型。基于上述获得的所述第一权重占比分配结果进行所述触达方式预估模型和时间段预估模型的参数修正，基于所述第一权重占比中的所述第一权重影响因素和所述第二权重影响因素的占比分配，对话术和沟通语速信息进行进一步的参数细化调整，获得参数调整后的所述触达方式预估模型和所述时间段预估模型。将用户画像信息输入所述触达方式预估模型和所述时间段预估模型，获得用户营销策略。达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。

进一步而言，如图2所示，本申请实施例步骤S100还包括：

步骤S110：根据所述第一数据采集指令，获得用户的行为信息；

步骤S120：基于所述行为信息进行用户的行为分析，获得第一行为分析结果；

步骤S130：通过所述第一行为分析结果获得所述第一数据采集结果。

具体而言，根据所述第一数据采集指令对用户进行信息采集，根据信息采集结果获得用户的行为数据，将所述行为数据作为用户的行为分析的基础信息，所述行为数据包括用户的浏览行为数据，即用户对借贷相关信息进行浏览的数据和用户对借贷信息进行咨询的数据，根据用户对节点相关信息的行为对用户进行行为分析，进一步的，所述行为数据还包括用户在接收不同的营销方案后的行为信息，对所述行为信息进行行为分析，根据上述行为分析获得第一行为分析结果，根据所述第一行为分析结果获得所述第一数据采集结果。通过对用户的行为分析，对数据采集结果进行初步整理，使得后续的模型训练更加准确，进而达到智能营销策略制定的技术效果。

进一步而言，如图3所示，本申请实施例步骤S100还包括：

步骤S140：根据所述第一数据采集指令，对用户进行基础信息采集，获得第一基础信息采集结果；

步骤S150：基于所述第一基础信息采集结果构建用户属性信息；

步骤S160：通过所述第一行为分析结果和所述用户属性信息获得所述第一数据采集结果。

具体而言，所述第一用户的信息采集还包括，根据所述第一数据采集指令，进行用户的基础信息的采集，所述基础信息包括用户的年龄信息、性别信息、所属职业信息、收入信息、收集活跃时间窗信息、借贷意向/借贷偏好信息，用户的接收不同的营销沟通习惯信息等，如语音机器人、人工客服、短信、语音播报和沟通的时间段等，根据采集的上述用户的基础信息，构建用户的属性信息，根据所述属性信息和所述第一行为分析结果获得所述第一数据采集结果。通过属性信息的获取，使得所述第一数据采集结果更加全面和丰满，进而为后续进行准确的模型构建提供了数据支持。

进一步的，如图4所示，本申请实施例步骤S600还包括：

步骤S610：通过所述触达投放系统基于所述用户营销策略进行触达，获得第一触达结果集合；

步骤S620：基于AutoML方式，通过所述第一触达结果集合对所述时间段预估模型和触达方式预估模型进行优化，获得第一优化结果；

步骤S630：通过所述第一优化结果获得用户优化营销策略。

具体而言，通过模型获得所述用户营销策略，基于所述触达投放系统对用户执行用户营销策略的投放，即根据营销策略中的营销时间节点，对指定用户进行营销方案的触达，并通过所述触达投放系统采集用户的反馈信息，根据所述用户的反馈信息获得所述第一触达结果集合，将所述第一触达结果中的用户反馈信息作为新的修正参数，分别对时间段预估模型和触达方式预估模型进行修正处理，所述修正的过程为通过AutoML（自动机学习）方式，对模型进行自动化重新优化的过程，根据修正后的模型进行后续的用户营销策略的制定。进一步来说，随着不断的对用户进行营销策略触达，通过获得的触达结果集合不断地进行时间段预估模型和触达方式预估模型的优化处理，可以进行模型参数的自动化优化和迭代更新。通过不断的进行模型的迭代更新，模型的优化处理，使得通过所述时间段预估模型和所述触达方式预估模型制定的营销策略更加适配客户，进而达到提高转化率的技术效果。

进一步的，如图5所示，本申请实施例步骤S600还包括：

步骤S640：根据所述第一触达结果集合和所述历史触达结果进行差异化比对，获得第一差异化比对结果；

步骤S650：通过所述第一差异化比对结果对用户画像标签进行共性特征聚类，获得第一聚类结果；

步骤S660：将所述第一聚类结果作为标识特征对所述时间段预估模型和触达方式预估模型进行优化，获得第二优化结果；

步骤S670：通过所述第二优化结果获得所述用户优化营销策略。

具体而言，根据所述第一触达结果集合和所述历史触达结果集合进行差异化比对，进一步来说，所述比对的结果包括但不限于相同用户的不同营销手段下的不同相应结果，当所述第一触达结果集合中对应用户的第一触达结果优于历史触达结果，则对所述用户画像和变动的营销策略进行标识，对营销策略相同且触达结果均发生改变的用户画像进行用户画像的共性特征聚类，获得第一聚类结果，将所述第一聚类结果作为标识特征，对所述时间段预估模型和触达方式预估模型进行优化，获得第二优化结果，通过对特征的聚类后，作为模型训练的标识信息，使得模型更加贴合用户的属性，进而达到提高模型的输出营销策略匹配度，进而实现提高转化率的技术效果。

进一步的，如图6所示，本申请实施例步骤S100还包括：

步骤S170：根据所述行为信息对用户进行时间分析，获得第一分析结果；

步骤S180：根据所述第一分析结果获得用户的时间分析标签，基于所述时间分析标签构建所述用户画像标签。

具体而言，所述时间分析为根据用户进行相似营销方案在不同的时间节点进行用户推送时的用户反应进行时间偏好解析的过程，进一步来说，所述时间解析还包括根据用户的年龄层、知识层、职业、性别等共性特征进行时间特征的聚合分析，获得所述第一分析结果，根据所述第一分析结果获得用户的时间分析标签，基于所述时间分析标签构建所述用户的画像标签。

综上所述，本申请实施例所提供的一种智能营销策略生成方法和系统具有如下技术效果：

1、由于采用了获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；根据所述第一数据采集结果构建用户画像标签；根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一训练结果获得用户营销策略。达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。

2、由于采用了通过对用户的行为分析的方式，对数据采集结果进行初步整理，使得后续的模型训练更加准确，进而达到智能营销策略制定的技术效果。

3、由于采用了通过属性信息的获取的方式，使得所述第一数据采集结果更加全面和丰满，进而为后续进行准确的模型构建提供了数据支持。

实施例二

基于与前述实施例中一种智能营销策略生成方法同样发明构思，本发明还提供了一种智能营销策略生成系统，如图7所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；

第一构建单元12，所述第一构建单元12用于根据所述第一数据采集结果构建用户画像标签；

第二获得单元13，所述第二获得单元13用于根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；

第一权重分析单元14，所述第一权重分析单元14用于获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；

第二权重分析单元15，所述第二权重分析单元15用于获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；

第一权重评估单元16，所述第一权重评估单元16用于对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；

第三获得单元17，所述第三获得单元17用于通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；

第一修正单元18，所述第一修正单元18用于通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；

第四获得单元19，所述第四获得单元19用于通过所述第一训练结果获得用户营销策略。

进一步的，所述系统还包括：

第五获得单元，所述第五获得单元用于根据所述第一数据采集指令，获得用户的行为信息；

第六获得单元，所述第六获得单元用于基于所述行为信息进行用户的行为分析，获得第一行为分析结果；

第七获得单元，所述第七获得单元用于通过所述第一行为分析结果获得所述第一数据采集结果。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于根据所述第一数据采集指令，对用户进行基础信息采集，获得第一基础信息采集结果；

第二构建单元，所述第二构建单元用于基于所述第一基础信息采集结果构建用户属性信息；

第九获得单元，所述第九获得单元用于通过所述第一行为分析结果和所述用户属性信息获得所述第一数据采集结果。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于通过所述触达投放系统基于所述用户营销策略进行触达，获得第一触达结果集合；

第十一获得单元，所述第十一获得单元用于通过所述第一触达结果集合对所述时间段预估模型和触达方式预估模型进行优化，获得第一优化结果；

第十二获得单元，所述第十二获得单元用于通过所述第一优化结果获得用户优化营销策略。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于根据所述第一触达结果集合和所述历史触达结果进行差异化比对，获得第一差异化比对结果；

第十四获得单元，所述第十四获得单元用于通过所述第一差异化比对结果对用户画像标签进行共性特征聚类，获得第一聚类结果；

第十五获得单元，所述第十五获得单元用于将所述第一聚类结果作为标识特征对所述时间段预估模型和触达方式预估模型进行优化，获得第二优化结果；

第十六获得单元，所述第十六获得单元用于通过所述第二优化结果获得所述用户优化营销策略。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于根据所述行为信息对用户进行时间分析，获得第一分析结果；

第三构建单元，所述第三构建单元用于根据所述第一分析结果获得用户的时间分析标签，基于所述时间分析标签构建所述用户画像标签。

前述图1实施例一中的一种智能营销策略生成方法的各种变化方式和具体实例同样适用于本实施例的一种智能营销策略生成系统，通过前述对一种智能营销策略生成方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种智能营销策略生成系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图8来描述本申请实施例的电子设备。

图8图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种智能营销策略生成方法的发明构思，本发明还提供一种智能营销策略生成系统，下面，参考图8来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，其上存储有计算机程序，该程序被处理器执行时实现前文所述方法的任一方法的步骤。

如图8所示，电子设备50包括一个或多个处理器51和存储器52。

处理器51可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。

存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。

在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。

本发明实施例提供的一种智能营销策略生成方法，其中，所述方法应用于触达投放系统，所述方法包括：获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；根据所述第一数据采集结果构建用户画像标签；根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型；通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；通过所述第一训练结果获得用户营销策略。解决了现有技术中存在不能智能化分析用户的接收营销沟通的习惯，采用适配的营销沟通方案，进而导致营销策略不够准确和智能化，导致转化率低的技术问题，达到通过智能化采集用户信息，进行用户的接受营销沟通习惯的智能化分析，根据用户采用适配的营销方案使得营销策略的制定更加智能准确，进而达到提高转化率的技术效果。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从计算机可读存储介质向另计算机可读存储介质传输，所述可用介质可以是磁性介质，（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质（例如固态硬盘（Solid State Disk，SSD））等。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程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，而不应对本申请实施例的实施过程构成任何限定。

另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本申请实施例中，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种智能营销策略生成方法，其中，所述方法应用于触达投放系统，所述方法包括：

获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；

根据所述第一数据采集结果构建用户画像标签；

根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；

获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；

获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；

对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；

通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型，所述时间段预估模型为进行营销方案投放的时间段预估的模型，所述触达方式预估模型为进行用户容易接受的营销触达方式评估的模型，所述第一训练结果包括训练完成后的所述触达方式预估模型和所述时间段预估模型；

通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；

通过所述第一训练结果获得用户营销策略。

2.如权利要求1所述的方法，其中，所述方法还包括：

根据所述第一数据采集指令，获得用户的行为信息；

基于所述行为信息进行用户的行为分析，获得第一行为分析结果；

通过所述第一行为分析结果获得所述第一数据采集结果。

3.如权利要求2所述的方法，其中，所述方法还包括：

根据所述第一数据采集指令，对用户进行基础信息采集，获得第一基础信息采集结果；

基于所述第一基础信息采集结果构建用户属性信息；

通过所述第一行为分析结果和所述用户属性信息获得所述第一数据采集结果。

4.如权利要求1所述的方法，其中，所述方法还包括：

通过所述触达投放系统基于所述用户营销策略进行触达，获得第一触达结果集合；

基于自动机学习AutoML方式，通过所述第一触达结果集合对所述时间段预估模型和触达方式预估模型进行优化，获得第一优化结果；

通过所述第一优化结果获得用户优化营销策略。

5.如权利要求4所述的方法，其中，所述方法还包括：

根据所述第一触达结果集合和所述历史触达结果进行差异化比对，获得第一差异化比对结果；

通过所述第一差异化比对结果对用户画像标签进行共性特征聚类，获得第一聚类结果；

将所述第一聚类结果作为标识特征对所述时间段预估模型和触达方式预估模型进行优化，获得第二优化结果；

通过所述第二优化结果获得所述用户优化营销策略。

6.如权利要求2所述的方法，其中，所述方法还包括：

根据所述行为信息对用户进行时间分析，获得第一分析结果；

根据所述第一分析结果获得用户的时间分析标签，基于所述时间分析标签构建所述用户画像标签。

7.一种智能营销策略生成系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于获得第一数据采集指令，根据所述第一数据采集指令进行用户数据采集，获得第一数据采集结果；

第一构建单元，所述第一构建单元用于根据所述第一数据采集结果构建用户画像标签；

第二获得单元，所述第二获得单元用于根据所述第一数据采集结果获得用户的历史触达结果，其中，所述历史触达结果和所述用户画像标签具有对应关系；

第一权重分析单元，所述第一权重分析单元用于获得第一触达话术集合，根据所述第一触达话术集合的用户反馈语气获得所述历史触达结果的第一权重影响因素；

第二权重分析单元，所述第二权重分析单元用于获得第一语速信息，根据所述第一语速信息的第一用户反馈特征获得所述历史触达结果的第二权重影响因素；

第一权重评估单元，所述第一权重评估单元用于对所述第一权重影响因素和所述第二权重影响因素进行权重影响占比评估，获得第一权重占比分配结果；

第三获得单元，所述第三获得单元用于通过所述用户画像标签和所述历史触达结果进行时间段预估模型和触达方式预估模型的训练，获得第一训练结果，其中，所述时间段预估模型和所述触达方式预估模型为机器学习中的智能化进行数据处理的模型，所述时间段预估模型为进行营销方案投放的时间段预估的模型，所述触达方式预估模型为进行用户容易接受的营销触达方式评估的模型，所述第一训练结果包括训练完成后的所述触达方式预估模型和所述时间段预估模型；

第一修正单元，所述第一修正单元用于通过所述第一权重占比分配结果进行所述第一训练结果的参数修正，获得进行参数修正后的所述第一训练结果；

第四获得单元，所述第四获得单元用于通过所述第一训练结果获得用户营销策略。

8.一种智能营销策略生成系统，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计算机程序，其中，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。

Images