CN115841341A - 用户召回方法、装置、电子设备、存储介质及产品 - Google Patents
用户召回方法、装置、电子设备、存储介质及产品 Download PDFInfo
- Publication number
- CN115841341A CN115841341A CN202310045653.0A CN202310045653A CN115841341A CN 115841341 A CN115841341 A CN 115841341A CN 202310045653 A CN202310045653 A CN 202310045653A CN 115841341 A CN115841341 A CN 115841341A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- recall
- order
- scene
- 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
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种用户召回方法、装置、电子设备、存储介质及产品,涉及互联网技术领域。该方法包括:获取用户数据及专业市场数据;基于用户数据及专业市场数据,确定用于表征用户潜在订单需求的用户标签;基于用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;基于用户标签及多场景组合进行用户分层,建立用户潜在价值分层网格,使利用用户潜在价值分层网格进行触达召回。本申请实施例实现了针对在平台估价以及下单环节的流失用户的召回,提高了召回效率,以及提高平台的订单量。
Description
技术领域
本申请涉及互联网技术领域,具体而言,本申请涉及用户召回方法、装置、电子设备、存储介质及产品。
背景技术
目前,货拉拉平台的用户在估价以及下单的环节存在不同程度的流失,这种流失给平台带来很多损失。平台对估价环节转化失败的用户,主要是通过估转率进行触达召回,对估转率越低的用户召回力度越大。但这种方法无法预估用户的召回难度以及潜在价值,无法针对不同的用户进行分层,造成运营资源浪费以及无法提升召回效率。
发明内容
本申请实施例提供了一种用户召回方法、装置、电子设备、存储介质及产品,用于解决现有技术中通过估转率进行触达召回而导致运营资源浪费以及无法提升召回效率的技术问题。
根据本申请实施例的一个方面,提供了一种用户召回方法,该方法包括:
获取用户数据及专业市场数据;
基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签;
基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;
基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
在一个可能的实现方式中,所述方法还包括:
选取此前预设时间段内发生估价行为的用户作为训练样本;
基于包含指定场景下市场供需数据的专业市场数据,对所述训练样本进行预分类。
在一个可能的实现方式中,所述方法还包括:
对包含用户行为数据、用户订单数据的用户数据及所述专业市场数据进行特征分析,以构建特征库;
对所述特征库中的类别特征进行特征提取,并将特征提取得到的用户行为特征与订单属性特征进行交叉组合,生成组合特征。
在一个可能的实现方式中,所述基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,包括:
基于预分类结果及所述组合特征对所述训练样本进行聚类分群,得到至少一类用户群;
依据包含用户在预设时间段内日均订单量的用户订单数据,确定各所述用户群的分群平均订单量;
将各用户的日均订单量及其所在用户群的分群平均订单量进行比对,预测用户流失单量,所述用户流失单量用以指示用户潜在订单需求;
基于所述用户流失单量,确定各用户的用户标签。
在一个可能的实现方式中,所述基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,包括:
利用所述用户标签,对包含用户下单场景下的估价行为特征、订单特征进行特征挖掘;
将挖掘得到的特征的重要程度进行排序,并以排序在前n位的特征作为用户场景,使基于所述用户场景构建多场景组合;其中,n≥1。
在一个可能的实现方式中,所述利用所述用户潜在价值分层网格进行触达召回,包括:
获取待召回用户的用户属性数据,所述用户属性数据包括用户标签;
基于所述用户属性数据,将所述待召回用户映射到所述用户潜在价值分层网格中;
依据所映射的用户潜在价值分层网格的优先级,确定相应的触达召回策略,以基于所述触达召回策略对所述待召回用户进行触达召回。
根据本申请实施例的另一个方面,提供了一种用户召回装置,该装置包括:
数据获取模块,用于获取用户数据及专业市场数据;
用户标签确定模块,用于基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签;
特征挖掘模块,用于基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;
用户召回模块,用于基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
根据本申请实施例的另一个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现上述实施例所述的用户召回方法的步骤。
根据本申请实施例的另一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例所述的用户召回方法的步骤。
根据本申请实施例的再一个方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述实施例所述的用户召回方法的步骤。
本申请实施例提供的技术方案带来的有益效果是:
本申请提供的用户召回方法,通过获取用户数据及专业市场数据,基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,实现对用户潜在价值的预估,提供了在用户生命周期画像中针对用户订单流失的画像,继而基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,从而基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回,实现针对不同的用户进行分层,实现了智能营销从用户维度上升到网格维度,避免了基于用户维度进行智能营销所导致的用户歧视的问题,从而实现了针对在平台估价以及下单环节的流失用户的召回,降低用户流失率,有效提高了平台的订单量。同时,上述方案通过将用户映射到潜在价值的分层网格,进行网格维度的触达召回,有针对性地向待召回用户发送召回信息,能够有效提高召回效率,从而解决了现有技术中通过估转率进行触达召回而导致运营资源浪费以及无法提升召回效率的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的计算机系统架构示意图;
图2为本申请实施例提供的一种用户召回方法的流程示意图;
图3为本申请一个示例性实施例提供的用户召回线上实施方案的示意图;
图4为本申请实施例提供的一种用户召回装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解,下面结合附图所阐述的实施方式,是用于解释本申请实施例的技术方案的示例性描述,对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件,但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解,当我们称一个元件被“连接”或“耦接”到另一元件时,该一个元件可以直接连接或耦接到另一元件,也可以指该一个元件和另一元件通过中间元件建立连接关系。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个,例如“A和/或B”可以实现为“A”,或者实现为“B”,或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1为本申请实施例提供的计算机系统架构示意图。该计算机系统100包括多个终端设备101和服务器102,其中,各终端设备101与服务器102之间通过通信网络连接,且终端设备101以及服务器102可以通过有线或无线通信方式进行直接或间接地连接,本申请对此不做限制。
终端设备101可以为安装有应用程序或可以运行程序的任意终端设备,诸如智能摄像设备、智能手机、平板电脑、笔记本电脑、台式计算机、智能可穿戴式设备、车载设备等,本申请实施例并不对此进行限定。关于硬件结构,上述终端设备101包括摄像头、显示屏、存储器、处理器及输入设备,但不限于此。示例性的,上述应用程序是多媒体平台的终端侧应用程序。
服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络、以及大数据和人工智能平台等基础云计算服务的云服务器。
服务器102上承载有多媒体平台,上述服务器为多个终端设备101中开发且运行的应用程序提供后台服务。在本申请中,服务器102运行用户召回方法,执行如下步骤:获取用户数据及专业市场数据,基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回,这样,终端设备101向用户推送服务器下发的触达召回信息,实现流失用户的召回,降低用户流失率,有效提高了平台的订单量。
图2为本申请实施例提供的一种用户召回方法的流程示意图。本申请实施例提供了一种用户召回方法用于图1所述的服务器20为例进行说明,该方法包括步骤S201至S204。
S201、获取用户数据及专业市场数据。
其中,用户数据包括用户行为信息、用户订单信息及用户下单场景特征,但不限于此。专业市场数据表征用户所在区域的市场情况,如货运场景下市场供需数据。
S202、基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签。
在本申请中,通过建立用户潜在价值标签(即用户标签),实现对用户潜在价值的预估,提供了针对用户订单流失的画像,从而完善了用户的生命周期画像,为平台运营提供了更丰富的用户画像。
S203、基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合。
在本申请中,利用逻辑回归算法进行特征挖掘,能够节省人工分析特征的成本,且高效地挖掘高价值特征,实现区分度更高的用户价值分层。同时,具备自动化更新特征的功能,特征挖掘方法在线上建立自动化例行功能,能够实现对特征的动态分析、更替。
S204、基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
在本申请中,通过将平台用户进行多场景组合网格划分,建立用户潜在价值分层网格,实现对用户的网格化分组,进而使用不同网格的潜在价值,分析网格订单增长空间,同时平台能够基于用户潜在价值进行运营优化,在提升用户订单的基础上,进一步实现降本增效。
在一些实施例中,所述利用所述用户潜在价值分层网格进行触达召回,包括:
获取待召回用户的用户属性数据,所述用户属性数据包括用户标签;
基于所述用户属性数据,将所述待召回用户映射到所述用户潜在价值分层网格中;
依据所映射的用户潜在价值分层网格的优先级,确定相应的触达召回策略,以基于所述触达召回策略对所述待召回用户进行触达召回。
在本实施例中,通过将所述待召回用户映射到所述用户潜在价值分层网格中,实现针对待召回用户进行网格化划分,使得基于所对应网格的优先级,制定相应的触达召回策略,实现从网格维度进行智能营销,有针对性地向待召回用户发送召回信息,能够有效提高召回效率。具体的,针对用户潜在价值较高的网格,相应具有较高的优先级,那么对潜在价值高的网格进行高优先级的营销触达,保证了召回效果。
需要说明的是,基于该待召回用户的用户属性数据,如用户行为数据、用户订单数据等,针对不同的用户潜在价值的流失用户制定相应的触达召回策略。其中,触达召回策略可包含触达策略以及召回策略,召回策略可以是偏好产品折扣、新产品上新、会员权益领取、优惠折扣领取等,触达策略可以是APP推送、小程序弹窗、公众号推送、企微推送、短信推送等,但不限于此。
本实施例提供的用户召回方法,通过获取用户数据及专业市场数据,基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,实现对用户潜在价值的预估,提供了在用户生命周期画像中针对用户订单流失的画像,继而基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,从而基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回,实现针对不同的用户进行分层,实现了智能营销从用户维度上升到网格维度,避免了基于用户维度进行智能营销所导致的用户歧视的问题,从而实现了针对在平台估价以及下单环节的流失用户的召回,降低用户流失率,有效提高了平台的订单量。同时,上述方案通过将用户映射到潜在价值的分层网格,进行网格维度的触达召回,有针对性地向待召回用户发送召回信息,能够有效提高召回效率,从而解决了现有技术中通过估转率进行触达召回而导致运营资源浪费以及无法提升召回效率的技术问题。
在一些实施例中,所述方法还包括:
选取此前预设时间段内发生估价行为的用户作为训练样本;
基于包含指定场景下市场供需数据的专业市场数据,对所述训练样本进行预分类。
在本实施例中,依据货运场景下市场供需数据,将平台用户基于供需情况、城市订单体量、车型、估转率等维度进行预分类,能够更好拟合用户数据分布,从而提高了后续用户流失画像的准确度,实现成本更低、精度更高的用户分类。示例性的,选取过去90天内在平台发生估价行为的用户作为训练样本,基于货运场景市场供需分析,将用户按照供需情况预先分为k类,本实施例基于密度聚类的方法对用户进行预先分类,不需要人工分析k值,提升了用户数据分布的拟合度。
在一些实施例中,所述方法还包括:
对包含用户行为数据、用户订单数据的用户数据及所述专业市场数据进行特征分析,以构建特征库;
对所述特征库中的类别特征进行特征提取,并将特征提取得到的用户行为特征与订单属性特征进行交叉组合,生成组合特征。
在本实施例中,在数据准备过程中执行特征工程的步骤。具体的,使用平台用户数据进行特征设计,对用户下单行为、订单地址是否归属专业市场、活跃频率等数据(即用户行为数据、用户订单数据及专业市场数据)进行特征分析,以构建特征库,继而使用embedding特征提取方式对特征库中的类别特征进行处理,进而将用户行为特征与订单属性特征进行交叉组合,增加了特征的维度和相关性。
在一些实施例中,所述基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,包括:
基于预分类结果及所述组合特征对所述训练样本进行聚类分群,得到至少一类用户群;
依据包含用户在预设时间段内日均订单量的用户订单数据,确定各所述用户群的分群平均订单量;
将各用户的日均订单量及其所在用户群的分群平均订单量进行比对,预测用户流失单量,所述用户流失单量用以指示用户潜在订单需求;
基于所述用户流失单量,确定各用户的用户标签。
在本实施例中,在预分类结果与组合特征的基础上,使用DBSCAN密度聚类算法对训练样本中的用户进行聚类分群,输出至少一类用户群。进一步,示例性的,基于每个用户的90天内日均订单量user_order_num_90d,计算每个用户群的分群平均订单量avg_group_order_num_90d,由此预测用户流失单量作为用户潜在价值标签,即表示为user_value=avg_group_order_num_90d-user_order_num_90d。这样,本实施例中利用用户流失单量指示用户潜在订单需求,以此建立用户潜在价值标签,即用户标签。因此,本实施例通过建立用户潜在价值标签,实现对用户潜在价值的预估,提供了针对用户订单流失的画像,为平台运营提供了更丰富的用户画像,从而实现了针对在平台估价以及下单环节的流失用户的召回,降低用户流失率。
在一些实施例中,所述基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,包括:
利用所述用户标签,对包含用户下单场景下的估价行为特征、订单特征进行特征挖掘;
将挖掘得到的特征的重要程度进行排序,并以排序在前n位的特征作为用户场景,使基于所述用户场景构建多场景组合;其中,n≥1。
在本实施例中,基于DBSCAN密度聚类算法输出的用户潜在价值标签,以针对用户下单场景中的用户估价行为、订单信息为特征,使用逻辑回归算法进行特征挖掘,继而对所挖掘的特征的重要程度进行排序,取前n位的特征作为用户场景,构建多场景组合。因此,本实施例通过特征挖掘,能够高效地挖掘高价值特征,实现区分度更高的用户潜在价值分层。
在一示例性实施例中,图3为本申请一个示例性实施例提供的用户召回线上实施方案的示意图,针对数据部分,利用用户信息(如用户行为数据)、订单信息(如用户订单数据)及第三方信息(如专业市场数据)进行特征工程的处理,以构建特征库,以及生成由用户行为特征与订单属性特征交叉组合而成的组合特征。针对模型部分,利用特征工程得到的组合特征与用户预分类结果进行DBSCAN密度聚类,得到各用户的用户潜在价值标签User_value(即用户标签)。继而,利用逻辑回归算法对用户下单场景特征与用户潜在价值标签进行特征挖掘,生成多场景组合。进一步,根据多场景组合与用户潜在价值标签,建立潜在价值分层网格。针对线上效果评估,基于用户属性,将用户映射到潜在价值分层网格,并基于潜在价值分层网格的优先级,制定线上的触达召回策略,上线进行abtest,验证潜在价值分层网格的准确性。
图4为本申请实施例提供的一种用户召回装置的结构示意图。该用户召回装置300,包括:
数据获取模块301,用于获取用户数据及专业市场数据;
用户标签确定模块302,用于基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签;
特征挖掘模块303,用于基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;
用户召回模块304,用于基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
在一些实施例中,该用户召回装置300还包括:
训练样本选取模块,用于选取此前预设时间段内发生估价行为的用户作为训练样本;
预分类模块,用于基于包含指定场景下市场供需数据的专业市场数据,对所述训练样本进行预分类。
在一些实施例中,该用户召回装置300还包括:
特征库构建模块,用于对包含用户行为数据、用户订单数据的用户数据及所述专业市场数据进行特征分析,以构建特征库;
特征组合模块,用于对所述特征库中的类别特征进行特征提取,并将特征提取得到的用户行为特征与订单属性特征进行交叉组合,生成组合特征。
在一些实施例中,用户标签确定模块302包括:
聚类分群单元,用于基于预分类结果及所述组合特征对所述训练样本进行聚类分群,得到至少一类用户群;
订单量计算单元,用于依据包含用户在预设时间段内日均订单量的用户订单数据,确定各所述用户群的分群平均订单量;
用户流失单量预测单元,用于将各用户的日均订单量及其所在用户群的分群平均订单量进行比对,预测用户流失单量,所述用户流失单量用以指示用户潜在订单需求;
用户标签生成单元,用于基于所述用户流失单量,确定各用户的用户标签。
在一些实施例中,特征挖掘模块303包括:
特征挖掘单元,用于利用所述用户标签,对包含用户下单场景下的估价行为特征、订单特征进行特征挖掘;
多场景组合构建单元,用于将挖掘得到的特征的重要程度进行排序,并以排序在前n位的特征作为用户场景,使基于所述用户场景构建多场景组合;其中,n≥1。
在一些实施例中,用户召回模块304包括:
用户属性数据获取单元,用于获取待召回用户的用户属性数据,所述用户属性数据包括用户标签;
映射单元,用于基于所述用户属性数据,将所述待召回用户映射到所述用户潜在价值分层网格中;
触达召回单元,用于依据所映射的用户潜在价值分层网格的优先级,确定相应的触达召回策略,以基于所述触达召回策略对所述待召回用户进行触达召回。
本申请实施例的装置可执行本申请实施例所提供的方法,其实现原理相类似,本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的,对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述,此处不再赘述。
本申请实施例中提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,该处理器执行上述计算机程序以实现用户召回方法的步骤,与相关技术相比可实现:实现对用户潜在价值的预估,完善了在用户生命周期画像中针对用户订单流失的画像。以及,实现针对不同的用户进行分层,实现了智能营销从用户维度上升到网格维度,避免了基于用户维度进行智能营销所导致的用户歧视的问题,从而实现了针对在平台估价以及下单环节的流失用户的召回,降低用户流失率,有效提高了平台的订单量。同时,上述方案通过将用户映射到潜在价值的分层网格,进行网格维度的触达召回,有针对性地向待召回用户发送召回信息,能够有效提高召回效率,从而解决了现有技术中通过估转率进行触达召回而导致运营资源浪费以及无法提升召回效率的技术问题。
在一个可选实施例中提供了一种电子设备,如图5所示,图5所示的电子设备400包括:处理器401和存储器403。其中,处理器401和存储器403相连,如通过总线402相连。可选地,电子设备400还可以包括收发器404,收发器404可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器404不限于一个,该电子设备400的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器401也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线402可包括一通路,在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器403可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器403用于存储执行本申请实施例的计算机程序,并由处理器401来控制执行。处理器401用于执行存储器403中存储的计算机程序,以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (10)
1.一种用户召回方法,其特征在于,包括:
获取用户数据及专业市场数据;
基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签;
基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;
基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
2.根据权利要求1所述的用户召回方法,其特征在于,所述方法还包括:
选取此前预设时间段内发生估价行为的用户作为训练样本;
基于包含指定场景下市场供需数据的专业市场数据,对所述训练样本进行预分类。
3.根据权利要求2所述的用户召回方法,其特征在于,所述方法还包括:
对包含用户行为数据、用户订单数据的用户数据及所述专业市场数据进行特征分析,以构建特征库;
对所述特征库中的类别特征进行特征提取,并将特征提取得到的用户行为特征与订单属性特征进行交叉组合,生成组合特征。
4.根据权利要求3所述的用户召回方法,其特征在于,所述基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签,包括:
基于预分类结果及所述组合特征对所述训练样本进行聚类分群,得到至少一类用户群;
依据包含用户在预设时间段内日均订单量的用户订单数据,确定各所述用户群的分群平均订单量;
将各用户的日均订单量及其所在用户群的分群平均订单量进行比对,预测用户流失单量,所述用户流失单量用以指示用户潜在订单需求;
基于所述用户流失单量,确定各用户的用户标签。
5.根据权利要求1或4所述的用户召回方法,其特征在于,所述基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合,包括:
利用所述用户标签,对包含用户下单场景下的估价行为特征、订单特征进行特征挖掘;
将挖掘得到的特征的重要程度进行排序,并以排序在前n位的特征作为用户场景,使基于所述用户场景构建多场景组合;其中,n≥1。
6.根据权利要求1所述的用户召回方法,其特征在于,所述利用所述用户潜在价值分层网格进行触达召回,包括:
获取待召回用户的用户属性数据,所述用户属性数据包括用户标签;
基于所述用户属性数据,将所述待召回用户映射到所述用户潜在价值分层网格中;
依据所映射的用户潜在价值分层网格的优先级,确定相应的触达召回策略,以基于所述触达召回策略对所述待召回用户进行触达召回。
7.一种用户召回装置,其特征在于,包括:
数据获取模块,用于获取用户数据及专业市场数据;
用户标签确定模块,用于基于所述用户数据及所述专业市场数据,确定用于表征用户潜在订单需求的用户标签;
特征挖掘模块,用于基于所述用户标签对包含用户下单场景特征的用户数据进行特征挖掘,生成多场景组合;
用户召回模块,用于基于所述用户标签及所述多场景组合进行用户分层,建立用户潜在价值分层网格,使利用所述用户潜在价值分层网格进行触达召回。
8.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-6任一项所述用户召回方法的步骤。
9.一种计算机可读存储介质,其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权利要求1-6任一项所述用户召回方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6任一项所述用户召回方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045653.0A CN115841341A (zh) | 2023-01-30 | 2023-01-30 | 用户召回方法、装置、电子设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045653.0A CN115841341A (zh) | 2023-01-30 | 2023-01-30 | 用户召回方法、装置、电子设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115841341A true CN115841341A (zh) | 2023-03-24 |
Family
ID=85579535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310045653.0A Pending CN115841341A (zh) | 2023-01-30 | 2023-01-30 | 用户召回方法、装置、电子设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841341A (zh) |
-
2023
- 2023-01-30 CN CN202310045653.0A patent/CN115841341A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598157B (zh) | 目标信息识别方法、装置、设备及存储介质 | |
CN111984383B (zh) | 基于云网融合和人工智能的业务数据处理方法及云端平台 | |
CN111163072A (zh) | 机器学习模型中特征值的确定方法、装置及电子设备 | |
CN107392259B (zh) | 构建不均衡样本分类模型的方法和装置 | |
CN110363427A (zh) | 模型质量评估方法和装置 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
CN112114907A (zh) | 基于电子商务云计算的应用加载方法及人工智能计算中心 | |
CN114491093B (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN115841341A (zh) | 用户召回方法、装置、电子设备、存储介质及产品 | |
CN115914363A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN111784069B (zh) | 用户偏好预测方法、装置、设备及存储介质 | |
CN113609018A (zh) | 测试方法、训练方法、装置、设备、介质和程序产品 | |
CN112199571A (zh) | 一种人工智能信息处理系统、方法及可读存储介质 | |
CN111860655A (zh) | 用户的处理方法、装置和设备 | |
CN114021739B (zh) | 业务处理、业务处理模型训练方法、装置及电子设备 | |
CN117973566B (zh) | 训练数据处理方法、装置及相关设备 | |
CN115604000B (zh) | 一种越权检测方法、装置、设备及存储介质 | |
CN114048392B (zh) | 多媒体资源推送方法、装置、电子设备及存储介质 | |
CN117370628A (zh) | 数据分类方法、装置、存储介质及计算机设备 | |
CN117251621A (zh) | 业务匹配方法、装置、计算机设备、存储介质和产品 | |
CN114693920A (zh) | 图像处理方法及装置、电子设备、计算机可读介质 | |
CN117573387A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN115409576A (zh) | 产品推荐方法、装置、计算机设备及其存储介质 | |
CN116957674A (zh) | 转化率预估模型的训练方法、预测方法、装置和设备 | |
CN116703025A (zh) | 一种潜在合作对象识别方法及相关装置 |
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 |