CN116360761B - 基于数据标签的私域和公域自动化营销方法及系统 - Google Patents

基于数据标签的私域和公域自动化营销方法及系统 Download PDF

Info

Publication number
CN116360761B
CN116360761B CN202310300020.XA CN202310300020A CN116360761B CN 116360761 B CN116360761 B CN 116360761B CN 202310300020 A CN202310300020 A CN 202310300020A CN 116360761 B CN116360761 B CN 116360761B
Authority
CN
China
Prior art keywords
data
logic
formula
strategy
factors
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
CN202310300020.XA
Other languages
English (en)
Other versions
CN116360761A (zh
Inventor
纪正
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.)
26du Digital Technology Guangzhou Co ltd
Original Assignee
26du Digital Technology Guangzhou 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 26du Digital Technology Guangzhou Co ltd filed Critical 26du Digital Technology Guangzhou Co ltd
Priority to CN202310300020.XA priority Critical patent/CN116360761B/zh
Publication of CN116360761A publication Critical patent/CN116360761A/zh
Application granted granted Critical
Publication of CN116360761B publication Critical patent/CN116360761B/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
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/34—Graphical or visual programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/40—Transformation of program code
    • G06F8/41—Compilation
    • G06F8/42—Syntactic analysis
    • G06F8/427—Parsing
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种基于数据标签的私域和公域自动化营销方法及系统，涉及互联网营销技术领域，该方法包括以下步骤：步骤S1：设计符合操作习惯且方便理解的可交互页面；步骤S2：将页面输入的方案转换成策略公式；步骤S3：根据策略公式所关联的客群数据源加载数据；步骤S4：拆解并执行运算过程，合并运算结果。本申请的基于数据标签的私域和公域自动化营销系统包括策略制定模块、策略转换模块、数据处理模块和运算模块。本申请的基于数据标签的私域和公域自动化营销方法及系统，采用界面操作的方式配置运算策略，通过方便且直观的图形化配置界面，提高了配置的灵活性，降低了系统的学习成本，同时系统还提高了营销过程中的运算效率。

Description

基于数据标签的私域和公域自动化营销方法及系统
技术领域
本申请涉及互联网营销技术领域，具体是基于数据标签的私域和公域自动化营销方法及系统。
背景技术
为挖掘更深层次的市场需求，提高利润增长点，企业会为客户制定更精细化的运营方案。以客户信息为基础，结合历史行为数据作分析，探索更多维度的客群标签，结合适当的策略模型，计算满足场景要求的目标客群，再对目标客群开展更契合的市场活动。这是提高运营成效的有效办法，如何准确配置策略模型、快速运算出目标客群是需要解决的重要问题。一般的做法是针对每一种不同的策略做代码研发和测试工作，运行时遍历策略涉及的所有标签，进行大量的条件判断，消耗很多的资源，很显然，这样的设计效率低，而且研发成本高、可复用性差。
发明内容
本申请的目的在于提供一种基于数据标签的私域和公域自动化营销方法及系统，以解决上述背景技术中提出的技术问题。
为实现上述目的，本申请公开了以下技术方案：
第一方面，本申请公开了一种基于数据标签的私域和公域自动化营销方法，该方法包括以下步骤：
步骤S1：设计符合操作习惯且方便理解的可交互页面，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联；所述运算逻辑包括逻辑与、逻辑或、逻辑非和逻辑异或；
步骤S2：将页面输入的方案转换成策略公式，并通过该策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式；
步骤S3：根据策略公式所关联的客群数据源加载数据，将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，其中，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰；
步骤S4：拆解并执行运算过程，合并运算结果。
在一种实施方式中，在所述步骤S1中，所述数据单元对应设置有客群数据源，并在执行该数据单元计算时导入该客群数据源内的客群数据。
在一种实施方式中，当所述数据单元和设置的运算逻辑为逻辑非的运算符关联使用时，表示在计算时需要从全量用户中剔除掉该部分客群数据。
在一种实施方式中，在所述步骤S2中，基于JSON数据格式编写所述策略公式，所述策略公式的特征包括是否为复杂因式、运算使用的逻辑运算符、数据源标志、是否对数据源使用逻辑非运算、复杂因式中包含的一般因式，其中，所述运算使用的逻辑运算符包括逻辑与、逻辑或。
在一种实施方式中，在所述步骤S3中，所述数据空间采用无序字符串集合的存储结构，且该数据空间内的集合成员是唯一的。
在一种实施方式中，在所述步骤S3中，所述集合通过散列表实现，执行添加、删除、查找的时间复杂度都是O(1)，集合中最大的成员数为232-1个。
在一种实施方式中，所述步骤S4具体包括：
所述策略公式传输到执行器；
校验所述策略公式的完整性和所依赖的数据是否准备齐全；
校验完成后开始执行复杂因式的运算处理；
合并运算结果。
在一种实施方式中，在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算，其中，所述子复杂因式的计算步骤包括：
步骤S41：解析公式、获取原数据，执行逻辑运算；
步骤S42：判断公式是否为一般因式，是则进入步骤S44，否则进入步骤S43；
步骤S43：获取所有的因式，转换成独立公式，执行循环处理，所述循环处理具体包括输出独立公式后返回步骤S41；
步骤S44：收集并返回计算结果。
第二方面，本申请提供了一种基于数据标签的私域和公域自动化营销系统，包括：
配置为用于设计符合操作习惯且方便理解的可交互页面的策略制定模块，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联；
配置为将页面输入的方案转换成策略公式的策略转换模块，所述策略转换模块还配置为通过策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式；
配置为根据策略公式所关联的客群数据源加载数据的数据处理模块，所述数据处理模块将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，其中，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰；
配置为拆解并执行运算过程以及合并运算结果的运算模块。
在一种实施方式中，所述运算模块的工作步骤具体包括：
通过执行器接收所述策略公式；
校验所述策略公式的完整性和所依赖的数据是否准备齐全；
校验完成后开始执行复杂因式的运算处理，合并运算结果；
其中，在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算；所述子复杂因式的计算步骤包括：
解析公式、获取原数据，执行逻辑运算；
判断公式是否为一般因式，
当公式是一般因式时，收集并返回计算结果；
当公式不是一般因式时，获取所有的因式，转换成独立公式，执行循环处理；所述循环处理具体包括输出独立公式后，再进行解析公式、获取原数据，以及执行逻辑运算。
有益效果：本申请的基于数据标签的私域和公域自动化营销方法及系统，采用界面操作的方式配置运算策略，通过方便且直观的图形化配置界面，提高了配置的灵活性，降低了系统的学习成本，后端服务将策略转换成运算过程，拆解成执行步骤，最后汇总计算出数据结果，且将策略公式简化成因式组合，降低了逻辑复杂度，方便了程序的解析和运算，同时，数据和逻辑的概念相分离，便于适配更多的逻辑运算操作，也可拓展接入更多的数据来源。数据空间内的集合采用散列表作为基础数据的存储结构，提高了运算效率，并且，在对复杂因式的计算过程中，通过重复将问题分解为同类的子问题而解决问题的方式，可支持配置和解析逻辑层级更多样且更复杂的策略公式，能适配更多的业务场景。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中基于数据标签的私域和公域自动化营销方法的流程框图；
图2为本申请实施例中子复杂因式的计算步骤流程图；
图3为本申请实施例中基于数据标签的私域和公域自动化营销系统的结构框图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
第一方面，本实施例公开了如图1所示的基于数据标签的私域和公域自动化营销方法及系统，该方法包括以下步骤：
步骤S1：设计符合操作习惯且方便理解的可交互页面；
步骤S2：将页面输入的方案转换成策略公式；
步骤S3：根据策略公式所关联的客群数据源加载数据，
步骤S4：拆解并执行运算过程，合并运算结果。
具体的
在设计符合操作习惯且方便理解的可交互页面的步骤中，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，可选择的逻辑有：“逻辑与”、“逻辑或”、“逻辑非”、“逻辑异或”。定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联。具体来说，本步骤将运算符、数据单元和线条进行关联组合，绘制出运算关系图来呈现策略逻辑，线条负责连接所有的数据单元、运算符、逻辑层级，策略逻辑呈现出的效果清晰直观，同时会提供修改和保存选项、可调整和存储策略。
在将页面输入的方案转换成策略公式的步骤中，可交互页面绘制的策略逻辑图将会被转换成公式，通过策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式。
逻辑公式因子包含以下特征：
(1)是否为复杂因式：(可选“是”、“否”)；
(2)运算使用的逻辑运算符(可选“逻辑与”、“逻辑或”)；
(3)数据源标志；
(4)是否对数据源使用逻辑非运算(可选“是”、“否”)；
(5)复杂因式中包含的一般因式。
对于以上特征的结构组合，本申请采用JSON数据格式编写，该数据格式易于人阅读和编写，同时也易于机器解析和生成，并有效地提升了网络传输效率。
例如，为计算出满足客群数据源A但不满足客群数据源B，同时要包含所有数据源C的客户集合，根据可交互页面输入可转换成对应的策略公式：
在上述公式中，整个策略公式用最外层的大括号包括，策略公式的元素中，“compound”为true时表示复杂因式，false则为一般因式，“conjunction”表示逻辑运算符，1为“逻辑与”、2为“逻辑或”，“trueOrFalse”表示是否对数据源使用逻辑非运算，true为是，false为否。“prors”只有在复杂公式才会出现，表示复杂因式所包含的一般因式。一般因式的元素“proposition”，表示其关联客群数据源的标识编号。
复杂因式可以嵌套一般因式，也可以被嵌套于条件层级更多的复杂因式中，策略逻辑越复杂，所对应公式的因式也越多。
在根据策略公式所关联的客群数据源加载数据步骤中，将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰即每个客群的数据之间不相互干扰。数据空间采用的是一种无序字符串集合的存储结构(Redis集合)，集合成员是唯一的，意味着集合中不能出现重复数据。集合通过散列表(Hash table，也叫哈希表)实现，执行添加、删除、查找的时间复杂度都是O(1)，集合中最大的成员数为232-1(4294967295,每个集合可存储40多亿个成员)。
在拆解并执行运算过程、合并运算结果步骤中，策略公式传输到执行器时，先校验策略公式的完整性和所依赖的数据是否准备齐全，然后开始执行复杂因式的运算处理，运算处理完成后合并运算结果。当复杂因式包含其他复杂因式时，需要先进行被包含的复杂因式的计算，这时候需要进行如图2所示的递归运算，具体来说，在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算，其中，所述子复杂因式的计算步骤包括：
步骤S41：解析公式、获取原数据，执行逻辑运算；
步骤S42：判断公式是否为一般因式，是则进入步骤S44，否则进入步骤S43；
步骤S43：获取所有的因式，转换成独立公式，执行循环处理，所述循环处理具体包括输出独立公式后返回步骤S41；
步骤S44：收集并返回计算结果。
第二方面，本申请公开了如图3所示的基于数据标签的私域和公域自动化营销系统，包括策略制定模块、策略转换模块、数据处理模块和运算模块。
具体的
策略制定模块配置为用于设计符合操作习惯且方便理解的可交互页面，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联。
策略转换模块配置为将页面输入的方案转换成策略公式，所述策略转换模块还配置为通过策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式。
数据处理模块配置为根据策略公式所关联的客群数据源加载数据，所述数据处理模块将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，其中，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰。
运算模块配置为拆解并执行运算过程以及合并运算结果，所述运算模块的工作步骤具体包括：
通过执行器接收所述策略公式；
校验所述策略公式的完整性和所依赖的数据是否准备齐全；
校验完成后开始执行复杂因式的运算处理，合并运算结果；
其中，在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算。
所述子复杂因式的计算步骤包括：
解析公式、获取原数据，执行逻辑运算；
判断公式是否为一般因式，
当公式是一般因式时，收集并返回计算结果；
当公式不是一般因式时，获取所有的因式，转换成独立公式，执行循环处理；所述循环处理具体包括输出独立公式后，再进行解析公式、获取原数据，以及执行逻辑运算。
综上所述，本申请的基于数据标签的私域和公域自动化营销方法及系统，采用界面操作的方式配置运算策略，通过方便且直观的图形化配置界面，提高了配置的灵活性，降低了系统的学习成本，后端服务将策略转换成运算过程，拆解成执行步骤，最后汇总计算出数据结果，且将策略公式简化成因式组合，降低了逻辑复杂度，方便了程序的解析和运算，同时，数据和逻辑的概念相分离，便于适配更多的逻辑运算操作，也可拓展接入更多的数据来源。数据空间内的集合采用散列表作为基础数据的存储结构，提高了运算效率，并且，在对复杂因式的计算过程中，通过重复将问题分解为同类的子问题而解决问题的方式，可支持配置和解析逻辑层级更多样且更复杂的策略公式，能适配更多的业务场景。
最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，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说，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，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 (6)

1.一种基于数据标签的私域和公域自动化营销方法，其特征在于，该方法包括以下步骤：
步骤S1：设计符合操作习惯且方便理解的可交互页面，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联；所述运算逻辑包括逻辑与、逻辑或、逻辑非和逻辑异或；
步骤S2：将页面输入的方案转换成策略公式，并通过该策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式；
步骤S3：根据策略公式所关联的客群数据源加载数据，将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，其中，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰；
步骤S4：拆解并执行运算过程，合并运算结果；
在所述步骤S2中，基于JSON数据格式编写所述策略公式，所述策略公式的特征包括是否为复杂因式、运算使用的逻辑运算符、数据源标志、是否对数据源使用逻辑非运算、复杂因式中包含的一般因式，其中，所述运算使用的逻辑运算符包括逻辑与、逻辑或；
所述步骤S4具体包括：
所述策略公式传输到执行器；
校验所述策略公式的完整性和所依赖的数据是否准备齐全；
校验完成后开始执行复杂因式的运算处理；
合并运算结果；
在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算，其中，所述子复杂因式的计算步骤包括：
步骤S41：解析公式、获取原数据，执行逻辑运算；
步骤S42：判断公式是否为一般因式，是则进入步骤S44，否则进入步骤S43；
步骤S43：获取所有的因式，转换成独立公式，执行循环处理，所述循环处理具体包括输出独立公式后返回步骤S41；
步骤S44：收集并返回计算结果。
2.根据权利要求1所述的基于数据标签的私域和公域自动化营销方法，其特征在于，在所述步骤S1中，所述数据单元对应设置有客群数据源，并在执行该数据单元计算时导入该客群数据源内的客群数据。
3.根据权利要求2所述的基于数据标签的私域和公域自动化营销方法，其特征在于，当所述数据单元和设置的运算逻辑为逻辑非的运算符关联使用时，表示在计算时需要从全量用户中剔除掉该部分客群数据。
4.根据权利要求1所述的基于数据标签的私域和公域自动化营销方法，其特征在于，在所述步骤S3中，所述数据空间采用无序字符串集合的存储结构，且该数据空间内的集合成员是唯一的。
5.根据权利要求4所述的基于数据标签的私域和公域自动化营销方法，其特征在于，在所述步骤S3中，所述集合通过散列表实现，执行添加、删除、查找的时间复杂度都是O(1)，集合中最大的成员数为232-1个。
6.一种基于数据标签的私域和公域自动化营销系统，其特征在于，包括：
配置为用于设计符合操作习惯且方便理解的可交互页面的策略制定模块，所述可交互页面基于策略逻辑建立，且所述可交互页面内设置有多个数据单元，一个或多个所述数据单元关联有运算符，所述运算符用于设置所述数据单元的运算逻辑，定义多个所述数据单元和所述运算符的关联及所述数据单元和所述运算符的组合为一个逻辑层级，所述策略逻辑包括多个通过线条连接的逻辑层级，不同的逻辑层级之间通过运算符分割，且同一个线条两端的逻辑层级之间具有关联；
配置为将页面输入的方案转换成策略公式的策略转换模块，所述策略转换模块还配置为通过策略公式进行存储、传输、解析和运算过程，其中，所述策略逻辑中的每个运算符、数据单元和线条被转换为公式里的因式，所述策略逻辑中的单个数据单元和逻辑运算符的组合转换为一般因式，所述策略逻辑中的逻辑层级转换成复杂因式；
配置为根据策略公式所关联的客群数据源加载数据的数据处理模块，所述数据处理模块将所有的一般因式关联的数据源的标识编号存入集合，对集合内的数据去重处理后作为参数传递给数据读取总程序，所述数据读取总程序获取到集合后，拆包成单独的数据源标识编号，并创造一定数量的子程序并行处理数据读取和装载，所有数据会被加载到缓存数据库，其中，每个客群的数据独占一块数据空间，且每个所述数据空间之间相不干扰；
配置为拆解并执行运算过程以及合并运算结果的运算模块；
其中，基于JSON数据格式编写所述策略公式，所述策略公式的特征包括是否为复杂因式、运算使用的逻辑运算符、数据源标志、是否对数据源使用逻辑非运算、复杂因式中包含的一般因式，其中，所述运算使用的逻辑运算符包括逻辑与、逻辑或；
其中，所述运算模块的工作步骤具体包括：
通过执行器接收所述策略公式；
校验所述策略公式的完整性和所依赖的数据是否准备齐全；
校验完成后开始执行复杂因式的运算处理，合并运算结果；
其中，在所述复杂因式的运算处理过程中，将由其他复杂因式组成的复杂因式定义为主复杂因式，将该主复杂因式包括的其他复杂因式定义为子复杂因式，且在对该主复杂因式进行计算时，先进行子复杂因式的计算；所述子复杂因式的计算步骤包括：
解析公式、获取原数据，执行逻辑运算；
判断公式是否为一般因式，
当公式是一般因式时，收集并返回计算结果；
当公式不是一般因式时，获取所有的因式，转换成独立公式，执行循环处理；所述循环处理具体包括输出独立公式后，再进行解析公式、获取原数据，以及执行逻辑运算。
CN202310300020.XA 2023-03-26 2023-03-26 基于数据标签的私域和公域自动化营销方法及系统 Active CN116360761B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310300020.XA CN116360761B (zh) 2023-03-26 2023-03-26 基于数据标签的私域和公域自动化营销方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310300020.XA CN116360761B (zh) 2023-03-26 2023-03-26 基于数据标签的私域和公域自动化营销方法及系统

Publications (2)

Publication Number Publication Date
CN116360761A CN116360761A (zh) 2023-06-30
CN116360761B true CN116360761B (zh) 2023-11-14

Family

ID=86906424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310300020.XA Active CN116360761B (zh) 2023-03-26 2023-03-26 基于数据标签的私域和公域自动化营销方法及系统

Country Status (1)

Country Link
CN (1) CN116360761B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008095384A1 (en) * 2007-01-19 2008-08-14 Huawei Technologies Co., Ltd. Matching method and system for marketing campaign recommendation
CN110618983A (zh) * 2019-08-15 2019-12-27 复旦大学 基于json文档结构的工业大数据多维分析与可视化方法
CN112667684A (zh) * 2020-12-25 2021-04-16 沈阳林科信息技术有限公司 一种基于策略引擎的计算方法
CN113419728A (zh) * 2021-06-22 2021-09-21 康键信息技术（深圳）有限公司 营销页面的搭建方法、装置、设备及存储介质
CN114117227A (zh) * 2021-11-29 2022-03-01 中国工商银行股份有限公司 一种运营维护方法、系统、电子设备及存储介质
CN115619452A (zh) * 2022-10-27 2023-01-17 江苏银承网络科技股份有限公司 基于算术表达式配置的用户运营方法和装置
CN115809889A (zh) * 2022-12-30 2023-03-17 企知道网络技术有限公司 基于营销效果的智能客群筛选方法、系统、介质及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008095384A1 (en) * 2007-01-19 2008-08-14 Huawei Technologies Co., Ltd. Matching method and system for marketing campaign recommendation
CN110618983A (zh) * 2019-08-15 2019-12-27 复旦大学 基于json文档结构的工业大数据多维分析与可视化方法
CN112667684A (zh) * 2020-12-25 2021-04-16 沈阳林科信息技术有限公司 一种基于策略引擎的计算方法
CN113419728A (zh) * 2021-06-22 2021-09-21 康键信息技术（深圳）有限公司 营销页面的搭建方法、装置、设备及存储介质
CN114117227A (zh) * 2021-11-29 2022-03-01 中国工商银行股份有限公司 一种运营维护方法、系统、电子设备及存储介质
CN115619452A (zh) * 2022-10-27 2023-01-17 江苏银承网络科技股份有限公司 基于算术表达式配置的用户运营方法和装置
CN115809889A (zh) * 2022-12-30 2023-03-17 企知道网络技术有限公司 基于营销效果的智能客群筛选方法、系统、介质及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于云计算的营销决策支持系统;张晶;宋福根;;计算机系统应用(第07期) *

Also Published As

Publication number Publication date
CN116360761A (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
US20220391763A1 (en) Machine learning service
US20200050968A1 (en) Interactive interfaces for machine learning model evaluations
US11100420B2 (en) Input processing for machine learning
US11182691B1 (en) Category-based sampling of machine learning data
US10339465B2 (en) Optimized decision tree based models
JP2021518024A (ja) 機械学習アルゴリズムのためのデータを生成する方法、システム
US10078843B2 (en) Systems and methods for analyzing consumer sentiment with social perspective insight
US20150379425A1 (en) Consistent filtering of machine learning data
KR101617696B1 (ko) 데이터 정규표현식의 마이닝 방법 및 장치
EP3485445A1 (en) System and method for automatically understanding lines of compliance forms through natural language patterns
WO2018013698A1 (en) Method and system for automatically extracting relevant tax terms from forms and instructions
CN106844380A (zh) 一种数据库操作方法、信息处理方法和相应装置
US11500865B1 (en) Multiple stage filtering for natural language query processing pipelines
CN113312108B (zh) Swift报文的校验方法、装置、电子设备及存储介质
CN108984155A (zh) 数据处理流程设定方法和装置
CN110795697A (zh) 逻辑表达式的获取方法、装置、存储介质以及电子装置
US20220172712A1 (en) Machine learning to propose actions in response to natural language questions
Kim et al. Comprehensive Knowledge Archive Network harvester improvement for efficient open‐data collection and management
US20230394236A1 (en) Extracting content from freeform text samples into custom fields in a software application
CN116360761B (zh) 基于数据标签的私域和公域自动化营销方法及系统
CN116226850A (zh) 应用程序的病毒检测方法、装置、设备、介质及程序产品
US11847117B2 (en) Filter class for querying operations
JP6748474B2 (ja) 意思決定支援システムおよび意思決定支援方法
CN110032445B (zh) 大数据聚集计算方法及装置
CN114519071A (zh) 规则匹配模型的生成方法、匹配方法、系统、设备和介质

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
GR01 Patent grant
GR01 Patent grant