CN115130007B - 一种基于用户场景定位的品牌推广方法及系统 - Google Patents

Abstract

本发明提供了一种基于用户场景定位的品牌推广方法及系统，涉及人工智能领域，方法包括：获取品牌基本信息具有品牌产品信息具有品牌关键产品信息；对品牌关键产品信息和品牌产品信息进行权重分配，生成品牌权重特征值；遍历品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；对用户进行层次分析，生成用户分类结果匹配用户兴趣画像包括敏感要素特征值；根据品牌权重特征值和敏感要素特征值对品牌产品进行二元特征值标定，生成推广特征标定结果发送至品牌推广策划人员。解决了现有技术由于缺乏推广方案设计前端数据整理的方案，导致存在决策效率较低且稳定性无法保证的技术问题。

Description

一种基于用户场景定位的品牌推广方法及系统

技术领域

本发明涉及人工智能相关技术领域，具体涉及一种基于用户场景定位的品牌推广方法及系统。

背景技术

品牌推广是保障企业知名度和产品营销的必要过程，传统的品牌推广方法是完全经过工作人员设计推广方案，进而执行实现品牌推广，品牌推广的优劣取决于推广方案的优劣，而推广方案的优劣取决于工作人员的专业能力，但是专业能力是不可控的，由此思考如何降低品牌推广过程对于工作人员专业能力的依赖性，成为一大研究趋势。

目前已经存在和机器学习结合的品牌推广方案，但是主要是通过机器学习算法和推广的具体方案结合，实现对具体方案执行过程中的数据处理，但是在于具体方案的设计过程仍然依赖工作人员专业能力，缺乏对于推广方案设计前的数据整理方案。

现有技术由于缺乏推广方案设计前端数据整理的方案，导致存在决策效率较低且稳定性无法保证的技术问题。

发明内容

本申请实施例通过提供了一种基于用户场景定位的品牌推广方法及系统，解决了现有技术由于缺乏推广方案设计前端数据整理的方案，导致存在决策效率较低且稳定性无法保证的技术问题。

鉴于上述问题，本申请实施例提供了一种基于用户场景定位的品牌推广方法及系统。

第一方面，本申请实施例提供了一种基于用户场景定位的品牌推广方法，方法包括：获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；根据所述品牌权重特征值和所述敏感要素特征值对所述品牌产品进行二元特征值标定，生成第一推广特征标定结果；将所述第一推广特征标定结果发送至品牌推广策划人员。

另一方面，本申请实施例提供了一种基于用户场景定位的品牌推广系统，系统包括：信息采集模块，用于获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；权重设定模块，用于对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；用户定位模块，用于遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；用户分类模块，用于根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；信息匹配模块，用于遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；特征标定模块，用于根据所述品牌权重特征值和所述敏感要素特征值对所述品牌产品进行二元特征值标定，生成第一推广特征标定结果；信息发送模块，用于将所述第一推广特征标定结果发送至品牌推广策划人员。

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：

由于采用了采集包括关键产品的品牌产品信息，对关键产品和品牌产品进行权重分配，确定表征产品重要度的品牌权重特征值；根据品牌产品信息进行用户特征定位，确定用户年龄特征、用户性别特征和用户地域特征，进而根据用户特征对用户分类，匹配用户兴趣画像，确定兴趣敏感要素特征值；根据品牌权重特征值和敏感要素特征值对相应的品牌产品进行特征值标定，作为表征推广参考信息的推广特征标定结果发送至品牌推广策划人员的技术方案，通过对品牌内的产品进行权重分配表征不同重要度，对用户画像进行兴趣敏感点提取，实现了基于前端数据的预处理可保证推广方案策划的效率，用户敏感要素特征值可保证后步的推广方案的适用性，进而达到了提高决策效率和稳定性的技术效果。

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为本申请实施例提供了一种基于用户场景定位的品牌推广方法流程示意图；

图2为本申请实施例提供了一种基于用户场景定位的品牌推广方法中层次分析流程示意图；

图3为本申请实施例提供了一种基于用户场景定位的品牌推广方法用户兴趣画像构建流程示意图；

图4为本申请实施例提供了一种基于用户场景定位的品牌推广系统结构示意图。

附图标记说明：信息采集模块11，权重设定模块12，用户定位模块13，用户分类模块14，信息匹配模块15，特征标定模块16，信息发送模块17。

具体实施方式

本申请实施例通过提供了一种基于用户场景定位的品牌推广方法及系统，解决了现有技术由于缺乏推广方案设计前端数据整理的方案，导致存在决策效率较低且稳定性无法保证的技术问题。通过对品牌内的产品进行权重分配表征不同重要度，对用户画像进行兴趣敏感点提取，实现了基于前端数据的预处理可保证推广方案策划的效率，用户敏感要素特征值可保证后步的推广方案的适用性，进而达到了提高决策效率和稳定性的技术效果。目前品牌推广方案和机器学习结合的方案，主要通过使用各类算法对品牌推广过程的产生数据进行采集并处理分析，但是这是主要针对过程端的数据处理工程，缺乏系统性的为品牌推广策划人员提供更具参考性的推广参考信息的前端处理方案，进而导致品牌策划过程仍是具有效率低和稳定性难以保证的技术问题存在。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例通过提供了一种基于用户场景定位的品牌推广方法及系统，由于采用了采集包括关键产品的品牌产品信息，对关键产品和品牌产品进行权重分配，确定表征产品重要度的品牌权重特征值；根据品牌产品信息进行用户特征定位，确定用户年龄特征、用户性别特征和用户地域特征，进而根据用户特征对用户分类，匹配用户兴趣画像，确定兴趣敏感要素特征值；根据品牌权重特征值和敏感要素特征值对相应的品牌产品进行特征值标定，作为表征推广参考信息的推广特征标定结果发送至品牌推广策划人员的技术方案，通过对品牌内的产品进行权重分配表征不同重要度，对用户画像进行兴趣敏感点提取，实现了基于前端数据的预处理可保证推广方案策划的效率，用户敏感要素特征值可保证后步的推广方案的适用性，进而达到了提高决策效率和稳定性的技术效果。

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基于用户场景定位的品牌推广方法，其中，所述方法包括步骤：

S100：获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；

具体而言，品牌可以看作企业或产品质量保证和诚信保证，合理的品牌运营有利于企业的良性发展，有利于产品的销量提升，为了协助策划人员更高效的设计稳定性较好的品牌推广方案，通过使用机器学习对策划人员的参考数据进行前处理，进而提高可参考性，详细过程如下：

通过大数据采集的品牌基本信息指的是表征品牌全维度标签的信息集合，包括：品牌涉及领域、品牌旗下营销产品类型、品牌旗下营销产品的销量信息、品牌所属企业名称。品牌产品信息指的是从品牌旗下全部营销产品提取的部分较稳定的产品类型，其数量为第一预设类型数量，为自定义变量；关键产品信息指的是从品牌产品信息中提取的销售较稳定的部分产品类型，其数量为第二预设类型数量，为自定义变量，且第二预设类型数量小于第一预设类型数量。品牌推广的目的在于提高企业知名度以及提高产品销量，则需要针对品牌旗下较稳定的产品类型进行评估，通过一级筛选确定相比全部产品较重要的品牌产品信息，二级筛选确定相比品牌产品信息较重要的关键产品信息，进而实现品牌不同产品之间的差异化推广，提高后步品牌推广方案的前处理数据的参考价值。

进一步的，基于所述获取品牌基本信息，步骤S100包括步骤：

S110：从所述品牌基本信息中提取全部品牌产品信息，其中，所述全部品牌产品信息中的任意一产品包括推出时间信息和预设时间粒度内的销量信息；

S120：根据所述推出时间信息和所述预设时间粒度内的销量信息对所述全部品牌产品信息进行排序，生成全部产品排序结果；

S130：从所述全部产品排序结果提取前所述第一预设类型数量的产品，设为所述品牌产品；

S140：从所述品牌产品中提取前所述第二预设类型数量的产品，设为所述关键产品信息。

具体而言，而对产品稳定性的评估采用：产品推出时间和销量两个维度的数据评价，产品推出时间越长，销量越高，则说明产品稳定性越强。全部品牌产品指的是品牌旗下对应的全部产品类型，具体依据产品型号划分，示例性地如：若小米为待分析的品牌，则小米旗下的某个型号的手机为一个产品类型、某个型号的平板为一个产品类型、某个型号的耳机为一个产品类型等；全部品牌产品信息表征品牌旗下全部产品类型的任意一个产品的两个属性值，第一个属性为推出时间信息，即产品从开始销售的时间节点到当前时间节点的销售时长；第二个属性为预设时间粒度内的销量信息，预设时间粒度指的是从当前时间节点往前计算预设时长的时区信息，示例性的如：预设时长为三年，则预设时间粒度为从当前时间往前统计三年，得到销量为30万件，则预设时间粒度内的销量信息为30万件。

全部产品排序结果指的是表征根据产品稳定性由大到小对全部产品进行排序后得到的结果；从全部产品排序结果中筛选第一预设类型数量的产品，设为品牌产品；从品牌产品中提取前第二预设类型数量的产品，设为关键产品信息，进而实现了根据产品稳定性对产品进行分流，稳定性强的产品在品牌推广时可给予更多的重视，提高了对推广方案策划的数据参考价值。

进一步的，基于所述根据所述推出时间信息和所述预设时间粒度内的销量信息对所述全部品牌产品信息进行排序，生成全部产品排序结果，步骤S120还包括步骤：

S121：以推出时间构建第一坐标轴，以销量信息为第二坐标轴，构建筛选坐标系；

S122：将所述全部品牌产品信息输入所述筛选坐标系，生成产品坐标列表；

S123：根据所述产品坐标列表，计算坐标模长列表；

S124：根据所述坐标模长列表对所述全部品牌产品信息由大到小进行排序，生成所述全部产品排序结果。

具体而言，全部产品排序结果的确定过程如下：

筛选坐标系指的是以推出时间构建第一坐标轴，以销量信息为第二坐标轴构建的对产品进行稳定性评估的虚拟坐标系，此坐标系只有第一象限，因为推出时间和销量都大于等于0；产品坐标列表指的是将全部品牌产品信息对应的推出时间和销量输入筛选坐标系，进而确定的坐标集合；进一步的，模长指的是坐标原点到坐标值的长度，坐标模长列表指的是和产品坐标列表一一对应的模长，优选计算方式举例为

，其中，x为推出时间，位于第一坐标轴，y为销量，位于第二坐标轴，模长越大，则说明产品稳定性越强。根据坐标模长列表对全部品牌产品信息由大到小进行排序，生成全部产品排序结果，置为待响应状态，等待后步调用。

S200：对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；

具体而言，当品牌关键产品信息和品牌产品信息区分后，为了便于数据的传输，以及表征品牌关键产品信息和品牌产品信息之间的重要度区别，通过权重分配的方式，对品牌关键产品信息和品牌产品进行产品重要度表征，权重分配举不设限制的一例如下：

计算品牌产品信息的坐标模长，计算坐标模长加和结果；将每个产品和模长加和结果的比值，记为其品牌权重特征值。关键产品信息的权重特征值记为第一权重，品牌产品信息中除开关键产品的其它产品的权重特征值记为第二权重，且由于关键产品信息在模长大于品牌产品信息中除开关键产品的其它产品的模长，进而第一权重大于等于第二权重。通过权重分配完成了对品牌产品重要度的表征，一者实现品牌产品重要度的量化，二者可通过权重直观呈现品牌产品重要度，提高了处理后数据的可参考性。

S300：遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；

S400：根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；

具体而言，产品是贴合用户需求制造的，因此不同产品对应于不同的用户特征，此处选用：用户年龄特征、用户性别特征和用户地域特征进行用户的特征定位；用户分类结果指的是根据用户年龄特征、用户性别特征和用户地域特征对用户进行分类后的结果，层次分析指的是将用户年龄特征、用户性别特征和用户地域特征分别作为三个层级的分类基准，对用户进行逐层划分，直到最后划分至可表征用户年龄特征、用户性别特征和用户地域特征分类特征的最终分类结果。通过用户分类结果可实现对用户的准确定位，将其置为待响应状态，等到后步调用，针对性分析用户的兴趣点。

层次分析的详细过程优选例如下：

进一步的，如图2所示，基于所述根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果，步骤S400包括步骤：

S410：根据所述用户地域特征对用户进行一级聚类，生成一级用户分类结果；

S420：根据所述用户年龄特征遍历所述一级用户分类结果进行二级聚类，生成二级用户分类结果；

S430：根据所述用户性别特征遍历所述二级用户分类结果进行三级聚类，生成三级用户分类结果；

S440：将所述一级用户分类结果、所述二级用户分类结果和所述三级用户分类结果添加进所述用户分类结果。

具体而言，一级用户分类结果指的是将用户地域特征作为一级聚类基准信息，对用户进行聚类确定的信息，不同类别中具有用户地域的差异性；二级用户分类结果指的是将用户年龄特征作为二级聚类基准信息，对一级用户分类结果中的每个类别中的数据分别进行聚类确定的信息；三级用户分类结果指的是将用户性别特征作为三级聚类基准信息，对二级用户分类结果中的每个类别中的数据分别进行聚类确定的信息。通过基于用户地域特征、用户年龄特征和用户性别特征依次作为基准数据对用户进行多层级聚类，进而确定最终聚类结果为拟合了用户地域特征、用户年龄特征和用户性别特征的聚类信息，实现了用户的划分，为后步针对不同用户提取兴趣点奠定了数据基础。

S500：遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；

进一步的，如图3所示，基于遍历所述用户分类结果，匹配用户兴趣画像，步骤S500包括步骤：

S510：判断是否满足预设更新周期；

S520：若满足所述预设更新周期，获取第一参与方的第一更新数据，第二参与方的第二更新数据，直到第N参与方的第N更新数据；

S530：通过所述第一更新数据直到所述第N更新数据对云端匹配数据库执行更新操作，其中，所述云端匹配数据库用于匹配兴趣画像；

S540：遍历所述用户分类结果，输入所述云端匹配数据库，生成所述用户兴趣画像。

具体而言，敏感要素特征值指的是表征不同用户类别对应的兴趣敏感点，不同类别的用户由于具有相同的用户地域特征、用户年龄特征和用户性别特征，进而具有相近的兴趣敏感点，而敏感要素特征值是从用户兴趣画像中提取确定，其中，用户兴趣画像的确定方式举不设限制的一例：通过云端匹配数据库对用户兴趣画像进行匹配，云端匹配数据库存储多组：用户类别-兴趣标签，提高满足用户分类结果的兴趣标签，为每个类别内的用户构建一个用户兴趣画像；预设更新周期指的是表征构建用户画像的云端匹配数据库预设的更新周期；若是满足了预设更新周期，则调取第一参与方的第一更新数据，第二参与方的第二更新数据，直到第N参与方的第N更新数据，更新数据为用户类别-兴趣标签数据，而第一参与方直到第N参与方，可选的为多家具有相近用户群体的参与企业，通过多家企业提供用户数据构建的用户兴趣画像，打破了数据孤岛，提高了用户兴趣画像的准确性。

S600：根据所述品牌权重特征值和所述敏感要素特征值对所述品牌产品进行二元特征值标定，生成第一推广特征标定结果；

S700：将所述第一推广特征标定结果发送至品牌推广策划人员。

具体而言，通过品牌权重特征值表征品牌产品的重要程度差异；通过敏感要素特征值表征不同用户的兴趣敏感信息；二元特征值标定形式优选的如下：[品牌产品类型：用户类别，品牌权重特征值-敏感要素特征值]，通过对品牌产品一一进行标定，将最终的结果记为第一推广特征标定结果，并将其作为品牌推广策划的参考数据，发送至品牌推广策划人员，通过本申请实施例的方案将原本需要品牌推广策划人员搜查数据分析的品牌重要度、用户敏感要素进行自动化提取，进而有利于品牌推广策划人员提高品牌推广策划的效率。

进一步的，所述方法还包括步骤S800，所述步骤S800还包括步骤：

S810：遍历所述品牌产品信息，提取产品类型列表；

S820：遍历所述产品类型列表对所述用户分类结果按照预设规则进行权重标定，生成多组用户权重标定结果，任意一组对应于一个产品类型；

S830：通过所述多组用户权重标定结果对所述第一推广特征标定结果进行扩充，生成第二推广特征标定结果。

具体而言，产品类型列表指的是和品牌产品信息一一对应的类型信息；多组用户权重标定结果指的是根据产品类型列表对用户分类结果按照预设规则进行权重标定，确定的表征不同用户类别重要程度的信息；进一步的，通过多组用户权重标定结果对第一推广特征标定结果进行扩充，优选扩充存储形式如下：[品牌产品类型：用户类别，品牌权重特征值-敏感要素特征值-用户类别权重特征值]，记为第二推广特征标定结果，可表征不同用户的重要程度，进而可根据用户的不同重要程度进行差异化的品牌推广。

进一步的，基于所述遍历所述产品类型列表对所述用户分类结果按照预设规则进行权重标定，生成多组用户权重标定结果，步骤S820包括步骤：

S821：将所述产品类型列表对应的多组销量信息基于所述用户分类结果进行拆分，生成多组销量拆分结果；

S822：构建用户权重标定公式；

S823：将所述多组销量拆分结果分别依次输入所述用户权重标定公式，生成所述多组用户权重标定结果。

具体而言，用户权重标定的预设规则如下：将产品类型列表对应的多组销量信息基于用户分类结果进行拆分，确定相同产品在不同用户类别中的销量数据；确定用户权重标定公式：

，销量和指的是相同产品的销量之和，单个销量指的是在任意用户类别中销量，通过上述公式对用户权重进行标定，得到多组用户权重标定结果，置为待响应状态，等待后步快速调用。

综上所述，本申请实施例所提供的一种基于用户场景定位的品牌推广方法及系统具有如下技术效果：

1.由于采用了采集包括关键产品的品牌产品信息，对关键产品和品牌产品进行权重分配，确定表征产品重要度的品牌权重特征值；根据品牌产品信息进行用户特征定位，确定用户年龄特征、用户性别特征和用户地域特征，进而根据用户特征对用户分类，匹配用户兴趣画像，确定兴趣敏感要素特征值；根据品牌权重特征值和敏感要素特征值对相应的品牌产品进行特征值标定，作为表征推广参考信息的推广特征标定结果发送至品牌推广策划人员的技术方案，通过对品牌内的产品进行权重分配表征不同重要度，对用户画像进行兴趣敏感点提取，实现了基于前端数据的预处理可保证推广方案策划的效率，用户敏感要素特征值可保证后步的推广方案的适用性，进而达到了提高决策效率和稳定性的技术效果。

实施例二

基于与前述实施例中一种基于用户场景定位的品牌推广方法相同的发明构思，如图4所示，本申请实施例提供了一种基于用户场景定位的品牌推广系统，其中，所述系统包括：

信息采集模块11，用于获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；

权重设定模块12，用于对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；

用户定位模块13，用于遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；

用户分类模块14，用于根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；

信息匹配模块15，用于遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；

特征标定模块16，用于根据所述品牌权重特征值和所述敏感要素特征值对所述品牌产品进行二元特征值标定，生成第一推广特征标定结果；

信息发送模块17，用于将所述第一推广特征标定结果发送至品牌推广策划人员。

进一步的，所述信息采集模块用于执行如下步骤：

从所述品牌基本信息中提取全部品牌产品信息，其中，所述全部品牌产品信息中的任意一产品包括推出时间信息和预设时间粒度内的销量信息；

根据所述推出时间信息和所述预设时间粒度内的销量信息对所述全部品牌产品信息进行排序，生成全部产品排序结果；

从所述全部产品排序结果提取前所述第一预设类型数量的产品，设为所述品牌产品；

从所述品牌产品中提取前所述第二预设类型数量的产品，设为所述关键产品信息。

进一步的，所述信息采集模块用于执行如下步骤：

以推出时间构建第一坐标轴，以销量信息为第二坐标轴，构建筛选坐标系；

将所述全部品牌产品信息输入所述筛选坐标系，生成产品坐标列表；

根据所述产品坐标列表，计算坐标模长列表；

根据所述坐标模长列表对所述全部品牌产品信息由大到小进行排序，生成所述全部产品排序结果。

进一步的，所述用户分类模块用于执行如下步骤：

根据所述用户地域特征对用户进行一级聚类，生成一级用户分类结果；

根据所述用户年龄特征遍历所述一级用户分类结果进行二级聚类，生成二级用户分类结果；

根据所述用户性别特征遍历所述二级用户分类结果进行三级聚类，生成三级用户分类结果；

将所述一级用户分类结果、所述二级用户分类结果和所述三级用户分类结果添加进所述用户分类结果。

进一步的，所述信息匹配模块用于执行如下步骤：

判断是否满足预设更新周期；

若满足所述预设更新周期，获取第一参与方的第一更新数据，第二参与方的第二更新数据，直到第N参与方的第N更新数据；

通过所述第一更新数据直到所述第N更新数据对云端匹配数据库执行更新操作，其中，所述云端匹配数据库用于匹配兴趣画像；

遍历所述用户分类结果，输入所述云端匹配数据库，生成所述用户兴趣画像。

进一步的，所述特征标定模块用于执行如下步骤：

遍历所述品牌产品信息，提取产品类型列表；

遍历所述产品类型列表对所述用户分类结果按照预设规则进行权重标定，生成多组用户权重标定结果，任意一组对应于一个产品类型；

通过所述多组用户权重标定结果对所述第一推广特征标定结果进行扩充，生成第二推广特征标定结果。

进一步的，所述特征标定模块用于执行如下步骤：

将所述产品类型列表对应的多组销量信息基于所述用户分类结果进行拆分，生成多组销量拆分结果；

构建用户权重标定公式；

将所述多组销量拆分结果分别依次输入所述用户权重标定公式，生成所述多组用户权重标定结果。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (7)

1.一种基于用户场景定位的品牌推广方法，其特征在于，所述方法包括：

获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；

对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；

遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；

根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；

遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；

根据所述品牌权重特征值和所述敏感要素特征值对品牌产品进行二元特征值标定，生成第一推广特征标定结果；

将所述第一推广特征标定结果发送至品牌推广策划人员；

其中，所述根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果，包括：

根据所述用户地域特征对用户进行一级聚类，生成一级用户分类结果；

根据所述用户年龄特征遍历所述一级用户分类结果进行二级聚类，生成二级用户分类结果；

根据所述用户性别特征遍历所述二级用户分类结果进行三级聚类，生成三级用户分类结果；

将所述一级用户分类结果、所述二级用户分类结果和所述三级用户分类结果添加进所述用户分类结果。

2.如权利要求1所述的方法，其特征在于，所述获取品牌基本信息，包括：

从所述品牌基本信息中提取全部品牌产品信息，其中，所述全部品牌产品信息中的任意一产品包括推出时间信息和预设时间粒度内的销量信息；

根据所述推出时间信息和所述预设时间粒度内的销量信息对所述全部品牌产品信息进行排序，生成全部产品排序结果；

从所述全部产品排序结果提取前所述第一预设类型数量的产品，设为所述品牌产品；

从所述品牌产品中提取前所述第二预设类型数量的产品，设为所述关键产品信息。

3.如权利要求2所述的方法，其特征在于，所述根据所述推出时间信息和所述预设时间粒度内的销量信息对所述全部品牌产品信息进行排序，生成全部产品排序结果，包括：

以推出时间构建第一坐标轴，以销量信息为第二坐标轴，构建筛选坐标系；

将所述全部品牌产品信息输入所述筛选坐标系，生成产品坐标列表；

根据所述产品坐标列表，计算坐标模长列表；

根据所述坐标模长列表对所述全部品牌产品信息由大到小进行排序，生成所述全部产品排序结果。

4.如权利要求1所述的方法，其特征在于，遍历所述用户分类结果，匹配用户兴趣画像，包括：

判断是否满足预设更新周期；

若满足所述预设更新周期，获取第一参与方的第一更新数据，第二参与方的第二更新数据，直到第N参与方的第N更新数据；

通过所述第一更新数据直到所述第N更新数据对云端匹配数据库执行更新操作，其中，所述云端匹配数据库用于匹配兴趣画像；

遍历所述用户分类结果，输入所述云端匹配数据库，生成所述用户兴趣画像。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

遍历所述品牌产品信息，提取产品类型列表；

遍历所述产品类型列表对所述用户分类结果按照预设规则进行权重标定，生成多组用户权重标定结果，任意一组对应于一个产品类型；

通过所述多组用户权重标定结果对所述第一推广特征标定结果进行扩充，生成第二推广特征标定结果。

6.如权利要求5所述的方法，其特征在于，所述遍历所述产品类型列表对所述用户分类结果按照预设规则进行权重标定，生成多组用户权重标定结果，包括：

将所述产品类型列表对应的多组销量信息基于所述用户分类结果进行拆分，生成多组销量拆分结果；

构建用户权重标定公式；

将所述多组销量拆分结果分别依次输入所述用户权重标定公式，生成所述多组用户权重标定结果。

7.一种基于用户场景定位的品牌推广系统，其特征在于，所述系统包括：

信息采集模块，用于获取品牌基本信息，其中，所述品牌基本信息具有第一预设类型数量的品牌产品信息，所述品牌产品信息具有第二预设类型数量的品牌关键产品信息；

权重设定模块，用于对所述品牌关键产品信息和所述品牌产品信息进行权重分配，生成品牌权重特征值；

用户定位模块，用于遍历所述品牌产品信息进行用户特征定位，生成用户年龄特征、用户性别特征和用户地域特征；

用户分类模块，用于根据所述用户年龄特征、所述用户性别特征和所述用户地域特征对用户进行层次分析，生成用户分类结果；

信息匹配模块，用于遍历所述用户分类结果，匹配用户兴趣画像，其中，所述用户兴趣画像包括敏感要素特征值；

特征标定模块，用于根据所述品牌权重特征值和所述敏感要素特征值对品牌产品进行二元特征值标定，生成第一推广特征标定结果；

信息发送模块，用于将所述第一推广特征标定结果发送至品牌推广策划人员；

其中，所述用户分类模块用于执行如下步骤：

根据所述用户地域特征对用户进行一级聚类，生成一级用户分类结果；

根据所述用户年龄特征遍历所述一级用户分类结果进行二级聚类，生成二级用户分类结果；

根据所述用户性别特征遍历所述二级用户分类结果进行三级聚类，生成三级用户分类结果；

将所述一级用户分类结果、所述二级用户分类结果和所述三级用户分类结果添加进所述用户分类结果。

Images