CN116797256A - 用于营销策略的优化方法、存储介质及处理器 - Google Patents

Abstract

本申请实施例提供一种用于营销策略的优化方法、处理器及存储介质。包括：实时获取在多个初始的第一营销策略下的营销活动数据并以多个用户事件的形式传输至分布式处理框架；通过复杂事件处理库将多个用户事件与第一营销策略对应的预设复杂事件处理规则进行匹配；提取匹配失败的用户事件的用户行为，根据其生成新的复杂事件处理规则，并得到更新后的第二营销策略；将新的复杂事件处理规则上传至复杂事件处理库以与匹配失败的用户事件重新进行匹配；筛选出所有匹配成功的用户事件；统计每个类型的第一营销策略和第二营销策略的全部用户事件数量；在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出优化后的营销策略。

Description

用于营销策略的优化方法、存储介质及处理器

技术领域

本申请涉及机械工程技术领域，具体涉及一种用于营销策略的优化方法、实时数据处理系统、存储介质及处理器。

背景技术

机械工程设备由于具有体积大、价格高的特点，用户如若存在短期使用需求通常不会直接购买而会选择通过平台进行租赁。而平台为了促成租赁交易，提升经营利润，会不定期进行营销活动。因此，平台如何找出最优营销策略，降低成本投入，以实现利益最大化尤为重要。

现有的营销策略只能依据历史数据制定，且在营销活动进行过程中无法实现动态更新，具有一定的滞后性，无法实时分析用户意图，以根据用户的意图制定针对用户当下的最优营销策略。

发明内容

本申请实施例的目的是提供一种用于营销策略的优化方法、实时数据处理系统、存储介质及处理器。

为了实现上述目的，本申请第一方面提供一种用于营销策略的优化方法，包括：

实时获取在多个初始的第一营销策略下的营销活动数据；

通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架，分布式处理框架包括复杂事件处理库；

通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与第一营销策略对应的预设复杂事件处理规则进行匹配；

判断是否存在与预设复杂事件处理规则匹配失败的用户事件；

在存在与预设复杂事件处理规则匹配失败的用户事件的情况下，提取匹配失败的用户事件的用户行为；

通过预设规则探查器根据匹配失败的用户事件的用户行为生成新的复杂事件处理规则，以得到更新后的第二营销策略；

将新的复杂事件处理规则上传至复杂事件处理库，以将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配；

筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的第二营销策略；

统计每个类型的第一营销策略和第二营销策略的全部用户事件数量；

针对任意一个类型的营销策略，在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出营销策略，以得到优化后的营销策略。

在一个实施例中，匹配成功的用户事件包括成功交易的用户事件和用户行为达到预设阈值条件的用户事件，筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的营销策略包括：筛选出成功交易的用户事件和用户行为达到预设阈值条件的用户事件，并提取成功交易的用户事件的营销策略和用户行为达到预设阈值条件的用户事件的营销策略。

在一个实施例中，实时获取在多个初始的第一营销策略下的营销活动数据包括：实时获取在预设时间段内的多个初始的第一营销策略下的营销活动数据；优化方法还包括：在得到优化后的营销策略之后，生成与优化后的营销策略对应的复杂事件处理规则；将与优化后的营销策略对应的复杂事件处理规则上传至复杂事件处理库，以替换预设复杂事件处理规则；通过复杂事件处理库将替换后的预设复杂事件处理规则作为下一个预设时间段的初始的第一营销策略，以将在下一个预设时间段的多个用户事件与下一个预设时间段的初始的第一营销策略对应的预设复杂事件处理规则进行匹配。

在一个实施例中，优化方法还包括：通过分布式处理框架的数据流对多个用户事件进行预处理，以将多个用户事件中存在用户异常的用户事件进行过滤；在对多个用户事件进行预处理之后，通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配。

在一个实施例中，分布式发布订阅消息软件包括数据传输集群，通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架包括：通过数据传输集群将营销活动数据以多个用户事件的形式传输至分布式处理框架。

在一个实施例中，优化方法还包括：预设规则探查器根据新的复杂事件处理规则生成对应的规则处理函数；在复杂事件处理库将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配的情况下，通过规则处理函数判断匹配失败的用户事件是否与新的复杂事件处理规则匹配成功。

在一个实施例中，预设复杂事件处理规则包括基于编号、名称、版本号、规则描述、函数、创建用户名、创建时间、更新用户名、更新时间以及当前状态中的至少一者的处理规则。

本申请第二方面提供一种处理器，被配置成执行上述的用于营销策略的优化方法。

本申请第三方面提供一种实时数据处理系统，其特征在于，包括：

分布式发布订阅消息软件，用于将营销活动数据以多个用户事件的形式传输至分布式处理框架；

分布式处理框架，包括复杂事件处理库，用于对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配，接收新的复杂事件处理规则，并将与预设复杂事件处理规则匹配失败的用户事件与新的复杂事件处理规则重新进行匹配；

预设规则探查器，用于根据与预设复杂事件处理规则匹配失败的用户事件的用户行为生成新的复杂事件处理规则；以及

上述被配置成执行上述的用于营销策略的优化方法的处理器。

本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的用于营销策略的优化方法。

通过上述技术方案，实现了在营销活动进行过程中动态实时更新营销策略。

本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：

图1示意性示出了根据本申请实施例的用于营销策略的优化方法的流程示意图；

图2示意性示出了根据本申请实施例的实时数据处理系统的结构框图；

图3示意性示出了根据本申请实施例的计算机设备的内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。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的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。

图1示意性示出了根据本申请实施例的用于营销策略的优化方法的流程示意图。如图1所示，在本申请一实施例中，提供了一种用于营销策略的优化方法，包括以下步骤：

步骤101，实时获取在多个初始的第一营销策略下的营销活动数据。

步骤102，通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架，分布式处理框架包括复杂事件处理库。

步骤103，通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与第一营销策略对应的预设复杂事件处理规则进行匹配。

步骤104，判断是否存在与预设复杂事件处理规则匹配失败的用户事件。

步骤105，在存在与预设复杂事件处理规则匹配失败的用户事件的情况下，提取匹配失败的用户事件的用户行为。

步骤106，通过预设规则探查器根据匹配失败的用户事件的用户行为生成新的复杂事件处理规则，以得到更新后的第二营销策略。

步骤107，将新的复杂事件处理规则上传至复杂事件处理库，以将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配。

步骤108，筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的第二营销策略。

步骤109，统计每个类型的第一营销策略和第二营销策略的全部用户事件数量。

步骤110，针对任意一个类型的营销策略，在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出营销策略，以得到优化后的营销策略。

用户可以通过客户端或者网页等工具浏览目标活动页面，并在目标活动页面进行一系列的围绕活动相关的用户行为。其中，目标活动页面可以是指以促成用户交易为目的的商品页面，因此，目标活动页面可以具有针对任意一个商品的营销活动，用户行为则可以是指用户在目标活动页面进行点击浏览某个商品，加入购物车、下单或者付款等围绕商品的行为。在本技术方案中，目标活动页面可以是指供用户租赁机械工程设备的租赁商城页面，用户则在租赁商城页面进行一系列的用户行为。例如，某一台机械工程设备正在进行某种营销活动，用户在领取营销活动的优惠券之后，对该机械工程设备下单购买。用户浏览营销活动、领取营销活动的优惠券、下单以及购买等行为都属于用户围绕营销活动相关的用户行为。

进一步地，用户在围绕营销活动进行一系列相关的用户行为后，此一系列用户行为会作为营销活动数据存储在数据库中。因此，处理器可通过直接调用数据库中的用户行为数据，以实时获取到初始营销策略下的营销活动数据。具体地，营销活动数据可以是指以操作日志、营销策略、商品数据、订单数据、付款数据以及营销CEP规则数据等数据组合而成。其中，营销策略包括编号、名称、开始时间、结束时间、折扣优惠优惠券、满减优惠、推荐优惠、秒杀优惠、广告优惠、积分优惠、会员优惠、营销CEP规则编号以及营销CEP规则版本号等。商品数据包括编号、价格、型号、类别以及营销策略编号等。订单数据包括编号、商品数据编号、下单时间以及下单用户等。付款数据包括编号、订单编号、付款金额、付款时间、付款用户以及付款渠道等。营销CEP规则数据包括：编号、名称、版本号、规则描述、函数、创建人、创建时间、更新人、更新时间、状态等。用户数据包括用户id、姓别、年龄、喜好以及地区等。操作日志包括编号、接口地址、营销策略编号、营销CEP规则编号、商品数据编号、订单数据编号、付款数据编号、请求数据、用户id、ip地址、地区、开始时间、结束时间、接口耗时、返回结果、请求方式、请求头信息、调用链id以及调用链序号等。

进一步地，处理器调用数据库中的初始营销活动数据之后，通过分布式发布订阅消息软件将初始营销活动数据以多个用户事件的形式传输至分布式处理框架。其中，分布式发布订阅消息软件是指kafka，kafka具备高吞吐量、易扩展、跨平台等特性，能够解决系统组件间的耦合依赖、系统数据流高峰缓冲等问题，其零拷贝计数、顺序写磁盘、数据压缩等技术实现了数据快速读写。分布式处理框架是指Flink，具有高吞吐、低延迟以及高性能的特点。Flink作为大数据主流运用的计算引擎之一，用于对无界和有界数据流进行有状态的计算。Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算，支持Java和Scala语言,支持Apache Kafka、Elasticsearch、MySQL等输入输出数据。具体地，处理器调用数据库中的初始营销活动数据之后，通过kafka将初始营销活动数据以多个用户事件的形式传输至Flink。Flink包括复杂事件处理库，复杂事件处理库是指FlinkCEP。Flink CEP是一种特殊的事件匹配方式，通过分析事件中的关系，结合关联、聚合、过滤等方法，根据特定规则，持续地从事件流中获取符合要求的事件序列的方法，而Flink CEP则是基于实时流处理引擎Flink实现的复杂事件匹配库。复杂事件处理规则可以是指CEP规则，CEP规则也叫模式(Pattern)，由阈值、条件、事实、关系三部分组成。例如，以“连续登录失败超过三次”为例，阈值指的是超过三次中的“三”，事实指的是登录失败，关系指的是连续，第一次失败之后紧跟着两次失败，而条件则是用来描述如何过滤符合要求的动作，比如超过三次中的“超过”。在本技术方案中预设复杂事件处理规则是指根据初始营销策略制定的CEP规则，例如，初始营销策略为8.5折的优惠券，对应的CEP规则可为“在商城促销时，用户收到8.5折优惠券之后对某商品已付款”。

进一步地，通过Flink CEP将多个用户事件与第一营销策略对应的预设CEP规则进行匹配之后，判断是否有和CEP规则匹配失败的用户事件。如果存在匹配失败的用户事件，则把与CEP规则匹配失败的用户事件筛选出来，并提取匹配失败的用户事件的用户行为。例如，某一个匹配失败事件的用户行为为“用户收到8.5折的优惠券之后，超过30分钟，未下单，未付款”。预设规则探查器根据失败用户事件的用户行为制定新的第二营销策略，并实时动态生成新的CEP规则，同时，将CEP上传更新至复杂事件处理库中。其中，预设规则探查器为本技术方案自主研究并创建的实现PatternProcessorDiscoverer接口的一种CEP规则探查器。该CEP规则探查器能够加载营销CEP规则数据库中预置的营销CEP规则，解析其中的“规则描述”、“函数”，动态生成相应的规则(Pattern)、处理函数(PatternProcessFunction)。同时，实时监听营销CEP规则数据库，并获取其中最新营销CEP规则，再动态生成新的规则(Pattern)、处理函数(PatternProcessFunction)。具体地，预设规则探查器更新后的CEP规则例如可以为“在商城促销时，用户收到8折优惠券之后对某商品已付款”。

进一步地，复杂事件处理库在动态更新CEP规则之后，将匹配失败的多个用户事件和更新后的CEP规则再次重新进行匹配。以此循环，不断动态更新CEP规则并与用户事件进行匹配，直至用户事件均匹配成功。具体地，在本技术方案中，用户事件匹配成功可以是指，在当前某一条CEP规则下，用户成功交易，例如用户收到8折优惠券之后，10分钟付款了，或者CEP规则达到终止条件，例如优惠券的最低折扣为7折，用户的当前行为为“用户收到7折优惠券之后，超过30分钟，未下单，付款”，此时即使用户并未成功交易，但CEP规则已达到终止条件即最低折扣7折优惠券，当前用户行为对应的用户事件也可看做与CEP规则匹配成功。

进一步地，将所有与CEP规则匹配成功的用户事件进行筛选，提取出每一个成功匹配的用户事件的营销策略。针对其中任意一个类型的策略，在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出营销策略，以得到优化后的营销策略。其中，预设时间段可根据实际需求进行是设置，例如，在本技术方案中可设置为当天的0点至晚上23：50。事件数量符合预设条件也可根据实际需求进行设置，例如，可设置为当天的0点至晚上23：50这个时间段内成功交易的用户数量排名前五，则成功交易的用户数量排名前五对应的营销策略则可作为优化后的营销策略。

上述技术方案，实现了在营销活动进行过程中动态实时更新营销策略，满足在CEP作业不停机的情况下对营销CEP规则实时进行新增、修改、删除，实现对同一数据流上运用多条规则，避免额外的数据拷贝，提升CEP处理性能。

图1为一个实施例中用于营销策略的优化方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，匹配成功的用户事件包括成功交易的用户事件和用户行为达到预设阈值条件的用户事件，其中，成功交易的用户事件可以是指，在当前某一条CEP规则下，用户成功交易，例如用户收到8折优惠券之后，10分钟付款了。用户行为达到预设阈值条件的用户事件可以是指CEP规则达到终止条件，例如优惠券的最低折扣为7折，用户的当前行为为“用户收到7折优惠券之后，超过30分钟，未下单，付款”，此时即使用户并未成功交易，但CEP规则已达到终止条件即最低折扣7折优惠券，当前用户行为对应的用户事件也可看做与CEP规则匹配成功。筛选出成功交易的用户事件和用户行为达到预设阈值条件的用户事件，并提取成功交易的用户事件的营销策略和用户行为达到预设阈值条件的用户事件的营销策略。在将匹配成功的用户事件筛选出来之后，将所有与CEP规则匹配成功的用户事件进行筛选，提取出每一个成功匹配的用户事件的营销策略。用户事件数量在预设时间段内符合预设条件的事件，输出这些事件的营销策略，就能够得到优化后的营销策略。

在一个实施例中，在得到预设时间段内的优化后的营销策略之后，生成与优化后的营销策略对应的复杂事件处理规则。例如，当天的0点至晚上23：50这个时间段内成功交易的用户数量排名前五对应的营销策略作为优化后的营销策略。针对该段时间段内的优化后的营销策略生成新的CEP规则，并将此新的CEP规则作为下一个阶段即明日的复杂事件处理库的预设CEP规则。

进一步地，将优化后的营销策略生成的CEP规则替换为第二天的起始预设CEP规则之后，则可以在下一个预设时间段内将下一个时间段内的多个用户事件与下一个预设时间段的初始的第一营销策略对应的预设复杂事件处理规则进行匹配。具体地，将替换后的预设CEP规则与第二日的初始营销活动对应的营销活动数据用户事件进行初始匹配。

在一个实施例中，分布式处理框架的数据流是指Flink的DataStream数据流。在通过kafka将初始营销活动数据以多个用户事件的形式传输至Flink之后，Flink将多个用户事件进行流式计算，为下一步的FlinkCEP事件匹配做数据预处理。具体地，通过DataStream数据流先数初始化环境，并设置检测点以保证系统故障后能准确无误地恢复。接入Kafka数据源，使用自定义的反序列化类来反序列化输入数据，过滤异常数据，过滤诸如用户id为空的数据。同时，设置水位线，以访问日志中的开始时间为基准，生成单调增长且有序的水位线。并设置分区，以访问日志中的“接口地址”键值按键分区，使得相同键值的数据分配到同一个并行子任务中。

进一步地，在通过DataStream数据流将用户事件中的无效ID用户数据去除之后，则传输给FlinkCEP进行匹配。具体地，进行FlinkCEP事件匹配，找出与规则匹配的数据：

第一步，加载预置的营销CEP规则数据。预置的营销CEP规则包括但不限于已付款事件CEP规则、未付款事件CEP规则等。其数据结构为：编号、名称、版本号、规则描述、函数、创建人、创建时间、更新人、更新时间、状态等。其中，规则描述为JSON格式，包括：名称(name)、类型(type)、量词(quantifier)、条件(condition)等属性。规则描述中的条件分为Class类型条件、包含自定义参数的条件、基于Aviator表达式的条件。

第二步，创建继承自PatternProcessFunction的自定义规则处理函数，主要用来处理CEP事件匹配，包括不限于已付款处理函数、未付款处理函数、优惠券规则函数、积分处理函数、折扣处理函数等。创建继承自SimpleCondition的自定义条件，主要用作CEP事件匹配的条件判断，包括不限于浏览商品条件、下单条件、付款条件、优惠券条件、积分处理条件、折扣处理条件、开始条件、结束条件等。这些条件中必须有一条“接口地址”判断的表达式，用以确定是下单操作还是付款操作或其他操作。

第三步，创建实现PatternProcessorDiscoverer接口的CEP规则探查器，加载营销CEP规则数据库中预置的营销CEP规则，解析其中的“规则描述”、“函数”，动态生成相应的规则(Pattern)、处理函数(PatternProcessFunction)。同时，实时监听营销CEP规则数据库，并获取其中最新营销CEP规则，再动态生成新的规则(Pattern)、处理函数(PatternProcessFunction)。

第四步，使用CEP.dynamicPatterns方法将CEP规则应用到DataStream数据流，实时检测DataStream数据流中是否有满足条件的复杂事件，并将与CEP规则匹配的复杂事件提取出来。本发明主要将长时间浏览商品事件、多次浏览商品事件，及在营销策略影响下的下单后已付款事件、下单后未付款事件识别出来。

第五步，将匹配的复杂事件与相关数据输出给下一步进行实时分析。其中，输出数据的数据结构与“1.数据生产”中的“输入数据”类似，也包括营销CEP规则id、营销策略编号、用户id、商品数据编号、订单数据编号、付款数据编号等。

在一个实施例中，kafka包括数据传输集群，通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架包括：通过数据传输集群将营销活动数据以多个用户事件的形式传输至Flink。

在一个实施例中，规则函数可以是指自定义的KeyedProcessFunction即按键分区处理函数。预设规则探查器根据新的复杂事件处理规则生成对应的规则处理函数，在复杂事件处理库将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配的情况下，通过规则处理函数判断匹配失败的用户事件是否与新的复杂事件处理规则匹配成功。具体地，采用Flink流式计算进行实时分析。这里采用中的DataStream数据流，包括：

第一步，进行DataStream数据流处理：过滤诸如营销CEP规则id为空的数据；设置分区，以“营销CEP规则id”键值按键分区。

第二步，使用自定义的KeyedProcessFunction(按键分区处理函数)结合KeyedState(按键分区状态)实时统计营销策略对促成交易的效果：已付款的用户数量、已下单未付款用户数量、有意向下单用户数量。对于在旧的营销策略影响下仍然未付款的用户，按如表1的方法推送一个新的营销策略及两条相应的营销CEP规则(一条用来匹配未付款事件，另一条用来匹配已付款事件)。需要说明的是，营销CEP规则生成方法包括不限于表1所列，也可以相互组合，在付款时取优惠金额最多的一个。

第三步，使用DataStream的addSink方法将新的营销策略及两条相应的营销CEP规则、长时间浏览商品事件、多次浏览商品事件、在营销策略影响下的下单后已付款事件和下单后未付款事件、已付款的用户数量、已下单未付款用户数量、有意向下单用户数量、“1.数据生产”中的“输入数据”等作为输出数据，通过Kafka输出给下游。

表1营销CEP规则生成方法

在一个实施例中，预设复杂事件处理规则即CEP规则包括基于编号、名称、版本号、规则描述、函数、创建用户名、创建时间、更新用户名、更新时间以及当前状态中的至少一者的处理规则。

在一个实施例中，如图2所示，提供了一种实时数据处理系统200，其特征在于，包括：

分布式发布订阅消息软件210，用于将营销活动数据以多个用户事件的形式传输至分布式处理框架；

分布式处理框架220，包括复杂事件处理库221，用于对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配，接收新的复杂事件处理规则，并将与预设复杂事件处理规则匹配失败的用户事件与新的复杂事件处理规则重新进行匹配；

预设规则探查器230，用于根据与预设复杂事件处理规则匹配失败的用户事件的用户行为生成新的复杂事件处理规则；以及

处理器240。

本技术方案实现了在营销活动中动态实时更新营销策略，提供了一种找出最优营销策略、降低成本投入的方法，满足了在CEP集群不停机的情况下对营销CEP规则实时更新，实现了对同一数据流上运用多条CEP规则，避免额外的数据拷贝，提升了CEP处理性能。

本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述用于营销策略的优化方法。

本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述用于营销策略的优化方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储用于营销策略的优化数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于营销策略的优化方法。

本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：实时获取在多个初始的第一营销策略下的营销活动数据；通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架，分布式处理框架包括复杂事件处理库；通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与第一营销策略对应的预设复杂事件处理规则进行匹配；判断是否存在与预设复杂事件处理规则匹配失败的用户事件；在存在与预设复杂事件处理规则匹配失败的用户事件的情况下，提取匹配失败的用户事件的用户行为；通过预设规则探查器根据匹配失败的用户事件的用户行为生成新的复杂事件处理规则，以得到更新后的第二营销策略；将新的复杂事件处理规则上传至复杂事件处理库，以将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配；筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的第二营销策略；统计每个类型的第一营销策略和第二营销策略的全部用户事件数量；针对任意一个类型的营销策略，在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出营销策略，以得到优化后的营销策略。

在一个实施例中，匹配成功的用户事件包括成功交易的用户事件和用户行为达到预设阈值条件的用户事件，筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的营销策略包括：筛选出成功交易的用户事件和用户行为达到预设阈值条件的用户事件，并提取成功交易的用户事件的营销策略和用户行为达到预设阈值条件的用户事件的营销策略。

在一个实施例中，实时获取在多个初始的第一营销策略下的营销活动数据包括：实时获取在预设时间段内的多个初始的第一营销策略下的营销活动数据；优化方法还包括：在得到优化后的营销策略之后，生成与优化后的营销策略对应的复杂事件处理规则；将与优化后的营销策略对应的复杂事件处理规则上传至复杂事件处理库，以替换预设复杂事件处理规则；通过复杂事件处理库将替换后的预设复杂事件处理规则作为下一个预设时间段的初始的第一营销策略，以将在下一个预设时间段的多个用户事件与下一个预设时间段的初始的第一营销策略对应的预设复杂事件处理规则进行匹配。

在一个实施例中，优化方法还包括：通过分布式处理框架的数据流对多个用户事件进行预处理，以将多个用户事件中存在用户异常的用户事件进行过滤；在对多个用户事件进行预处理之后，通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配。

在一个实施例中，分布式发布订阅消息软件包括数据传输集群，通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架包括：通过数据传输集群将营销活动数据以多个用户事件的形式传输至分布式处理框架。

在一个实施例中，优化方法还包括：预设规则探查器根据新的复杂事件处理规则生成对应的规则处理函数；在复杂事件处理库将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配的情况下，通过规则处理函数判断匹配失败的用户事件是否与新的复杂事件处理规则匹配成功。

在一个实施例中，预设复杂事件处理规则包括基于编号、名称、版本号、规则描述、函数、创建用户名、创建时间、更新用户名、更新时间以及当前状态中的至少一者的处理规则。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：实时获取在多个初始的第一营销策略下的营销活动数据；通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架，分布式处理框架包括复杂事件处理库；通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与第一营销策略对应的预设复杂事件处理规则进行匹配；判断是否存在与预设复杂事件处理规则匹配失败的用户事件；在存在与预设复杂事件处理规则匹配失败的用户事件的情况下，提取匹配失败的用户事件的用户行为；通过预设规则探查器根据匹配失败的用户事件的用户行为生成新的复杂事件处理规则，以得到更新后的第二营销策略；将新的复杂事件处理规则上传至复杂事件处理库，以将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配；筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的第二营销策略；统计每个类型的第一营销策略和第二营销策略的全部用户事件数量；针对任意一个类型的营销策略，在预设时间段内在营销策略下成功交易的用户事件数量符合预设条件的情况下，输出营销策略，以得到优化后的营销策略。

在一个实施例中，匹配成功的用户事件包括成功交易的用户事件和用户行为达到预设阈值条件的用户事件，筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的营销策略包括：筛选出成功交易的用户事件和用户行为达到预设阈值条件的用户事件，并提取成功交易的用户事件的营销策略和用户行为达到预设阈值条件的用户事件的营销策略。

在一个实施例中，实时获取在多个初始的第一营销策略下的营销活动数据包括：实时获取在预设时间段内的多个初始的第一营销策略下的营销活动数据；优化方法还包括：在得到优化后的营销策略之后，生成与优化后的营销策略对应的复杂事件处理规则；将与优化后的营销策略对应的复杂事件处理规则上传至复杂事件处理库，以替换预设复杂事件处理规则；通过复杂事件处理库将替换后的预设复杂事件处理规则作为下一个预设时间段的初始的第一营销策略，以将在下一个预设时间段的多个用户事件与下一个预设时间段的初始的第一营销策略对应的预设复杂事件处理规则进行匹配。

在一个实施例中，优化方法还包括：通过分布式处理框架的数据流对多个用户事件进行预处理，以将多个用户事件中存在用户异常的用户事件进行过滤；在对多个用户事件进行预处理之后，通过复杂事件处理库对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配。

在一个实施例中，分布式发布订阅消息软件包括数据传输集群，通过分布式发布订阅消息软件将营销活动数据以多个用户事件的形式传输至分布式处理框架包括：通过数据传输集群将营销活动数据以多个用户事件的形式传输至分布式处理框架。

在一个实施例中，优化方法还包括：预设规则探查器根据新的复杂事件处理规则生成对应的规则处理函数；在复杂事件处理库将匹配失败的用户事件与新的复杂事件处理规则重新进行匹配的情况下，通过规则处理函数判断匹配失败的用户事件是否与新的复杂事件处理规则匹配成功。

在一个实施例中，预设复杂事件处理规则包括基于编号、名称、版本号、规则描述、函数、创建用户名、创建时间、更新用户名、更新时间以及当前状态中的至少一者的处理规则。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体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、商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、商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“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种用于营销策略的优化方法，其特征在于，所述优化方法包括：

实时获取在多个初始的第一营销策略下的营销活动数据；

通过分布式发布订阅消息软件将所述营销活动数据以多个用户事件的形式传输至分布式处理框架，所述分布式处理框架包括复杂事件处理库；

通过所述复杂事件处理库对多个用户事件进行处理，以将多个用户事件与所述第一营销策略对应的预设复杂事件处理规则进行匹配；

判断是否存在与所述预设复杂事件处理规则匹配失败的用户事件；

在存在与所述预设复杂事件处理规则匹配失败的用户事件的情况下，提取匹配失败的用户事件的用户行为；

通过预设规则探查器根据所述匹配失败的用户事件的用户行为生成新的复杂事件处理规则，以得到更新后的第二营销策略；

将新的复杂事件处理规则上传至所述复杂事件处理库，以将所述匹配失败的用户事件与所述新的复杂事件处理规则重新进行匹配；

筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的第二营销策略；

统计每个类型的第一营销策略和第二营销策略的全部用户事件数量；

针对任意一个类型的营销策略，在预设时间段内在所述营销策略下成功交易的用户事件数量符合预设条件的情况下，输出所述营销策略，以得到优化后的营销策略。

2.根据权利要求1所述的用于营销策略的优化方法，其特征在于，所述匹配成功的用户事件包括成功交易的用户事件和用户行为达到预设阈值条件的用户事件，所述筛选出所有匹配成功的用户事件，并提取每个匹配成功用户事件的营销策略包括：

筛选出成功交易的用户事件和用户行为达到预设阈值条件的用户事件，并提取所述成功交易的用户事件的营销策略和所述用户行为达到预设阈值条件的用户事件的营销策略。

3.根据权利要求1所述的用于营销策略的优化方法，其特征在于，实时获取在多个初始的第一营销策略下的营销活动数据包括：

实时获取在预设时间段内的多个初始的第一营销策略下的营销活动数据；

所述优化方法还包括：

在得到优化后的营销策略之后，生成与所述优化后的营销策略对应的复杂事件处理规则；

将所述与所述优化后的营销策略对应的复杂事件处理规则上传至所述复杂事件处理库，以替换所述预设复杂事件处理规则；

通过所述复杂事件处理库将替换后的预设复杂事件处理规则作为下一个预设时间段的初始的第一营销策略，以将在所述下一个预设时间段的多个用户事件与所述下一个预设时间段的初始的第一营销策略对应的预设复杂事件处理规则进行匹配。

4.根据权利要求1所述的用于营销策略的优化方法，其特征在于，所述优化方法还包括：

通过所述分布式处理框架的数据流对多个用户事件进行预处理，以将多个用户事件中存在用户异常的用户事件进行过滤_；

在对多个用户事件进行预处理之后，通过所述复杂事件处理库对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配。

5.根据权利要求1所述的用于营销策略的优化方法，其特征在于，所述分布式发布订阅消息软件包括数据传输集群，通过分布式发布订阅消息软件将所述营销活动数据以多个用户事件的形式传输至分布式处理框架包括：

通过所述数据传输集群将所述营销活动数据以多个用户事件的形式传输至分布式处理框架。

6.根据权利要求1所述的用于营销策略的优化方法，其特征在于，所述优化方法还包括：

所述预设规则探查器根据所述新的复杂事件处理规则生成对应的规则处理函数；

在所述复杂事件处理库将匹配失败的用户事件与所述新的复杂事件处理规则重新进行匹配的情况下，通过所述规则处理函数判断所述匹配失败的用户事件是否与所述新的复杂事件处理规则匹配成功。

7.根据权利要求1所述的用于营销策略的优化方法，其特征在于，所述预设复杂事件处理规则包括基于编号、名称、版本号、规则描述、函数、创建用户名、创建时间、更新用户名、更新时间以及当前状态中的至少一者的处理规则。

8.一种处理器，其特征在于，被配置成执行根据权利要求1至7中任意一项所述的用于营销策略的优化方法。

9.一种实时数据处理系统，其特征在于，包括：

分布式发布订阅消息软件，用于将营销活动数据以多个用户事件的形式传输至分布式处理框架；

所述分布式处理框架，包括复杂事件处理库，用于对多个用户事件进行处理，以将多个用户事件与预设复杂事件处理规则进行匹配，接收新的复杂事件处理规则，并将与预设复杂事件处理规则匹配失败的用户事件与所述新的复杂事件处理规则重新进行匹配；

预设规则探查器，用于根据所述与预设复杂事件处理规则匹配失败的用户事件的用户行为生成新的复杂事件处理规则；以及

根据权利要求8所述的处理器。

10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的用于营销策略的优化方法。