CN117333275B - 基于大数据的营销平台构建方法 - Google Patents
基于大数据的营销平台构建方法 Download PDFInfo
- Publication number
- CN117333275B CN117333275B CN202311318294.8A CN202311318294A CN117333275B CN 117333275 B CN117333275 B CN 117333275B CN 202311318294 A CN202311318294 A CN 202311318294A CN 117333275 B CN117333275 B CN 117333275B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- big data
- marketing platform
- construction method
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000006855 networking Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 11
- 238000007405 data analysis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
-
- 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
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的营销平台构建方法，通过大数据联网获取不同类型的用户数据，基于获取的数据得出用户状态参数，完成统计过程中所有用户状态参数的获取，对应点连接获取各点对应的曲线变化趋势，依据曲线趋势判断当前用户领域下是否具有市场前景，本发明将各状态数据进行数据分析，创造性引入了用户状态参数，定量描述了当前状态下该用户领域的消费能力，相较于现有技术的常规统计，本发明一方面智能化分析，提高了结果的准确性，另一方面本发明对于变动的状态能够做到实时统计，依据变动的状态完成数据状态的更新，进一步提高了最终趋势判断的准确性和时效性。
Description
技术领域
本发明涉及计算机科学与数据分析的技术领域，尤其涉及基于大数据的营销平台构建方法。
背景技术
伴随全球互联网金融进入高速发展轨道，商业银行对于投资领域的需求分析日益增加，无论是新领域的资产拓展还是旧领域的本身维护，都面临巨大挑战。而随着互联网和移动设备的普及，大数据分析的作用不断体现在各个领域中。
营销技术方面，商业银行需要深入了解相应领域类消费者的行为和需求，以制定更有针对性的营销投资策略。然而，传统的营销分析方法基本通过人工市场普查后得出大致数据从而进行营销分析，一方面效率低，另一方面准确性及时效性不足，缺乏数字化驱动、难以持续化建设领域画像、营销成本居高不下、无法闭环的营销链路等。商业银行亟需打破固有营销模式僵局，开拓数智化营销新模式，在大数据、互联网时代背景中带来金融机构营销模式的转变。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有营销方式存在的问题，提出了本发明。
因此，本发明解决的技术问题是：解决现有商业银行通过人工市场普查后得出大致数据进行营销分析的方式一方面效率低，另一方面准确性及时效性不足的问题。
为解决上述技术问题，本发明提供如下技术方案：基于大数据的营销平台构建方法，包括如下步骤：大数据联网，获取当前状态不同类型的用户数据后依次存储至数据中心中，依据用户领域不同同步完成所述用户数据的归类；基于归类后的所述用户数据获取当前状态不同用户领域下的用户状态参数；实时统计过程中，当所述用户数据中任一项数据发生变动时，实时获取变动后的所述用户状态参数；二维坐标系中完成统计过程中所述用户状态参数对应点的标定，平滑曲线连通各对应点，依据曲线趋势判断当前用户领域下是否具有市场前景；统计所有用户领域下的市场前景，完成营销平台的构建；其中，获取的所述用户数据具体包括：用户领域、用户行为次数、用户行为金额、用户回购百分比及用户查阅次数；其中，通过以下公式获取所述用户状态参数：
其中，λ为用户状态参数，α为用户行为次数，β为用户行为金额，δ为用户查阅次数，ε为用户回购百分比，P为状态调整常数，xdx为高等函数积分换算。
作为本发明所述的基于大数据的营销平台构建方法的一种优选方案，其中：状态调整常数P定义为1.37或1.42或1.51。
作为本发明所述的基于大数据的营销平台构建方法的一种优选方案，其中：二维坐标系中完成统计过程中所述用户状态参数对应点的标定具体为：同一二维坐标系下，以统计的时间为横坐标，以所述用户状态参数为纵坐标完成对应点的标定。
作为本发明所述的基于大数据的营销平台构建方法的一种优选方案，其中：当曲线各对应点处的导数变动值大于零时，定义此状态下该用户领域具备市场前景。
作为本发明所述的基于大数据的营销平台构建方法的一种优选方案，其中：获取所有用户领域下的市场前景，采用贝叶斯统计模型完成统计，完成营销平台的构建。
本发明的有益效果：本发明提供基于大数据的营销平台构建方法，通过大数据联网获取不同类型的用户数据，基于获取的数据得出用户状态参数，完成统计过程中所有用户状态参数的获取，对应点连接获取各点对应的曲线变化趋势，依据曲线趋势判断当前用户领域下是否具有市场前景，本发明将各状态数据进行数据分析，创造性引入了用户状态参数，定量描述了当前状态下该用户领域的消费能力，相较于现有技术的常规统计，本发明一方面智能化分析，提高了结果的准确性，另一方面本发明对于变动的状态能够做到实时统计，依据变动的状态完成数据状态的更新，进一步提高了最终趋势判断的准确性和时效性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明提供的基于大数据的营销平台构建方法的整体方法流程图。
图2为本发明提供的商业银行数据中心的整体框架图。
图3为本发明提供的营销中台数据基础构成图。
图4为本发明提供的营销中台模型示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在当今信息时代，大数据分析已成为机构决策和业务发展核心。随着互联网的快速发展和智能设备的普及，海量的数据正在被不断生成和收集。这些数据包括来自社交媒体平台、电子商务网站、用户浏览行为、移动应用程序等各种来源。
然而，传统的数据处理和分析方法无法有效地处理这些大规模和高维度的数据。因此，基于大数据的分析技术应运而生。这种新兴的技术通过结合分布式计算、数据挖掘、机器学习和统计方法，能够有效地处理和分析大规模数据集。
基于大数据的分析方法可以从纷繁复杂的数据中提取有价值的信息，揭示潜在的关联和模式，并为机构决策提供可靠的支持。
营销领域是大数据分析的一个重要应用领域。传统的营销方法通常基于一些基本的市场研究和行业经验，缺乏对领域消费能力真实需求和行为的全面理解。因此，各大商业银行面临着在激烈的市场竞争中获得竞争优势的挑战。
故此，请参阅图1，本发明提供基于大数据的营销平台构建方法，包括如下步骤：
S1：大数据联网，获取当前状态不同类型的用户数据后依次存储至数据中心中，依据用户领域不同同步完成用户数据的归类；
需要说明的是，大数据联网，大范围获取用户数据，包括来自社交媒体平台、电子商务网站、用户浏览行为、移动应用程序等各种来源，并将其依次进行储存。
数据中心基于底层海量基础数据，为上层各机构、各系统提供统一的数据应用服务，通过对数据需求的整合分析，抽象出共性数据服务需求，在数据服务过程中沉淀数据中台数据资产，制定统一的数据服务标准与规范，满足纵向不同层级间、横向跨条线间的数据应用需求。数据中心与传统数据仓库相比，一是数据源更丰富，包含交易系统、客户管理系统、财务系统、分析系统等各类系统的数据，并引入各领域外部数据，为全面完整的数据服务能力提供数据支撑；二是数据服务更统一，可实现跨领域和机构的数据资产共享，减少了重复开发，提高了数据资产复用效率。
额外的，请参阅图2，本发明还提供有商业银行数据中心的整体框架图。数据中心介于源数据和应用之间，对各业务系统构建统一的画像视图，建立统一的领域标准，提供统一的数据服务能力，为商业银行内各部门、各应用系统提供数据共享和分析应用服务。从用户标签体系构建的过程来看，主要是对源系统数据的加工与整合、数据中心以数据服务能力支撑应用系统、应用系统反馈数据评价三个环节。
数据中心的建设过程，首先是对源系统数据的加工与整合，整合行内获取的所有交易及监测系统的数据，并引入各领域外部数据，导入规上企业、上市公司、专精特新小巨人等企业数据，使得用户画像更加全面完整。在构建了用户360度画像的基础上，以数据支撑数据应用，一是提供用户领域全面信息，在了解用户行为农光里的基础上提升决策质量。二是向管理人员提供跨板块的全局数据，有助于领导层站在更高维度进行战略决策。此外收集数据应用过程中产生的评价信息，通过数据评价动态调整数据中台服务，形成数据服务闭环。
源数据数据整合后，需要结合业务需求，在数据中台中建立起用户标签体系。业务需求需要深度结合历史数据分析项目经验，持续的收集整理。用户标签体系，是基于行内已建设的大数据平台、分行集市等已有数据资产，将总分行、各领域业务条线所需用户数据以标签形式进行集中管理、统筹建设，构建全行级的用户标签中心。可打通条线壁垒、加速标签查询与定位，全行标签资产集中在数据中台进行统一存储与管理，形成统一的数据与元数据资产视图。
S2：基于归类后的用户数据获取当前状态不同用户领域下的用户状态参数；
营销中台主要由数字化用户关系管理系统、智能化用户管理系统和多功能移动营销平台构成；基于可弹性伸缩扩展的PaaS云平台构建了数据服务，涵盖了统一的资产视图、丰富的用户画像、多渠道的智能化产品推荐、多功能的营销方式等数字化营销功能，如图3所示。
S3：实时统计过程中，当用户数据中任一项数据发生变动时，实时获取变动后的用户状态参数；
S4：二维坐标系中完成统计过程中用户状态参数对应点的标定，平滑曲线连通各对应点，依据曲线趋势判断当前用户领域下是否具有市场前景；
S5：统计所有用户领域下的市场前景，完成营销平台的构建。
营销中台作为营销领域的决策、管理、执行中枢，与数据中台紧密衔接，依托数据中台提供大数据分析支持，并将营销过程中产生的数据回流至数据中台供后评价指标加工。
为了能实现数字化精准识别营销模式，营销中台通过数据分析的营销模型驱动营销业务场景。营销中台的营销模型可分为固态模型、自定义模型和机器学习模型三类。
固态模型由分行数据集市基于专家经验制定的规则将每日批量加工标记预设的用户群作为营销中台的用户群标签基础，另有按事件触发的实时商机标签提示比如实时大额资金变动等；自定义模型可以由营销人员通过搜客引擎在线简易建模，按用户的资产情况等筛选规则定制客群；机器学习模型依托数据分析挖掘平台，通过数据中台提供的数据标签、数据宽表二次加工衍生，通过聚类、随机森林等机器学习算法筛选出重要性较高的特征宽表，代入逻辑回归、随机森林、Xgboost等预测算法，挖掘潜力用户领域，产品推荐预测，模型预测的结果可定期对接至营销中台，为基层营销人员提供营销切入点，如图4所示。
具体的，获取的用户数据具体包括：用户领域、用户行为次数(次)、用户行为金额(元)、用户回购百分比(％)及用户查阅次数(次)。
需要说明的是：用户领域为统计过程中自主输入的数据领域类别；用户回购百分比指的是相应领域下的回购行为占比。
进一步的，通过以下公式获取用户状态参数：
其中，λ为用户状态参数，α为用户行为次数，β为用户行为金额，δ为用户查阅次数，ε为用户回购百分比，P为状态调整常数，xdx为高等函数积分换算。
具体的，状态调整常数P定义为1.37或1.42或1.51。
请参阅下表，同一状态模型下，本发明采用不同状态调整常数P的数据偏差为：
| 常数定义 | 1.37 | 1.42 | 1.51 |
| 用户状态参数 | 3.446 | 4.210 | 3.587 |
| 初始二点导数值 | 1.002 | 0.693 | 0.984 |
| 前景判断 | 具备前景 | 具备前景 | 具备前景 |
具体的，二维坐标系中完成统计过程中用户状态参数对应点的标定具体为：同一二维坐标系下，以统计的时间为横坐标，以用户状态参数为纵坐标完成对应点的标定。
定义当曲线各对应点处的导数变动值大于零时，定义此状态下该用户领域具备市场前景。
获取所有用户领域下的市场前景，采用贝叶斯统计模型完成统计，完成营销平台的构建。
本发明提供的基于大数据的营销平台构建方法，能够为商业银行提供了一种更准确和实时了解不同用户领域的方式。通过分析大数据集中可以发现用户的购买偏好、兴趣爱好、社交影响和行为模式等关键信息。这样的信息可以帮助商业银行制定更有针对性的营销策略，提供个性化的用户体验和产品推荐，并更好地满足用户需求。在基于大数据的营销平台构建方法中，数据的收集、清理和整合是关键步骤。通过建立数据仓库或数据湖来存储和管理来自不同来源的数据，可以为数据的后续分析提供一个统一的平台。
本发明提供基于大数据的营销平台构建方法，通过大数据联网获取不同类型的用户数据，基于获取的数据得出用户状态参数，完成统计过程中所有用户状态参数的获取，对应点连接获取各点对应的曲线变化趋势，依据曲线趋势判断当前用户领域下是否具有市场前景，本发明将各状态数据进行数据分析，创造性引入了用户状态参数，定量描述了当前状态下该用户领域的消费能力，相较于现有技术的常规统计，本发明一方面智能化分析，提高了结果的准确性，另一方面本发明对于变动的状态能够做到实时统计，依据变动的状态完成数据状态的更新，进一步提高了最终趋势判断的准确性和时效性。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.基于大数据的营销平台构建方法，其特征在于，包括如下步骤：
大数据联网，获取当前状态不同类型的用户数据后依次存储至数据中心中，依据用户领域不同同步完成所述用户数据的归类；
基于归类后的所述用户数据获取当前状态不同用户领域下的用户状态参数；
实时统计过程中，当所述用户数据中任一项数据发生变动时，实时获取变动后的所述用户状态参数；
二维坐标系中完成统计过程中所述用户状态参数对应点的标定，平滑曲线连通各对应点，依据曲线趋势判断当前用户领域下是否具有市场前景；
统计所有用户领域下的市场前景，完成营销平台的构建；
其中，获取的所述用户数据具体包括：用户领域、用户行为次数、用户行为金额、用户回购百分比及用户查阅次数；
其中，通过以下公式获取所述用户状态参数：
其中，λ为用户状态参数，α为用户行为次数，β为用户行为金额，δ为用户查阅次数，ε为用户回购百分比，P为状态调整常数，xdx为高等函数积分换算。
2.根据权利要求1所述的基于大数据的营销平台构建方法，其特征在于：状态调整常数P定义为1.37或1.42或1.51。
3.根据权利要求2所述的基于大数据的营销平台构建方法，其特征在于，二维坐标系中完成统计过程中所述用户状态参数对应点的标定具体为：同一二维坐标系下，以统计的时间为横坐标，以所述用户状态参数为纵坐标完成对应点的标定。
4.根据权利要求3所述的基于大数据的营销平台构建方法，其特征在于：当曲线各对应点处的导数变动值大于零时，定义此状态下该用户领域具备市场前景。
5.根据权利要求4所述的基于大数据的营销平台构建方法，其特征在于：获取所有用户领域下的市场前景，采用贝叶斯统计模型完成统计，完成营销平台的构建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311318294.8A CN117333275B (zh) | 2023-10-12 | 2023-10-12 | 基于大数据的营销平台构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311318294.8A CN117333275B (zh) | 2023-10-12 | 2023-10-12 | 基于大数据的营销平台构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117333275A CN117333275A (zh) | 2024-01-02 |
| CN117333275B true CN117333275B (zh) | 2024-03-19 |
Family
ID=89294945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311318294.8A Active CN117333275B (zh) | 2023-10-12 | 2023-10-12 | 基于大数据的营销平台构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117333275B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
| CN108846700A (zh) * | 2018-06-15 | 2018-11-20 | 山东外贸职业学院 | 一种大数据智能营销系统及营销方法 |
| CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
| CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
| US10755291B1 (en) * | 2019-10-25 | 2020-08-25 | Isolation Network, Inc. | Artificial intelligence automation of marketing campaigns |
| KR102252464B1 (ko) * | 2020-12-21 | 2021-05-14 | 주식회사 모비젠 | 두 가지 이상의 데이터의 조합으로 모바일 단말을 사용하는 사용자의 상태정보를 판단하는 방법 및 그 시스템 |
| CN114331512A (zh) * | 2021-12-22 | 2022-04-12 | 重庆汇博利农科技有限公司 | 一种可视化数据建模及大数据画像的方法 |
| CN114445134A (zh) * | 2022-01-21 | 2022-05-06 | 天元大数据信用管理有限公司 | 一种大数据营销方法、装置及介质 |
| CN114663132A (zh) * | 2022-03-02 | 2022-06-24 | 厦门文杉信息科技有限公司 | 一种基于实时用户画像的智能营销方法及装置 |
| CN114782094A (zh) * | 2022-04-25 | 2022-07-22 | 南京溪沥科技服务有限公司 | 一种基于大数据的营销策略智能分析平台 |
| KR20220133540A (ko) * | 2021-03-25 | 2022-10-05 | 주식회사 와이즈케어 | 빅데이터 기반 상품 및 서비스 플랫폼 시스템 및 그 제공방법 |
| CN116468460A (zh) * | 2023-04-27 | 2023-07-21 | 苏银凯基消费金融有限公司 | 基于人工智能的消费金融客户画像识别系统及其方法 |
| CN116645119A (zh) * | 2023-04-14 | 2023-08-25 | 江苏相实网络科技有限公司 | 一种基于大数据的营销获客方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101635090B1 (ko) * | 2015-10-19 | 2016-06-30 | 김연태 | 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 |
-
2023
- 2023-10-12 CN CN202311318294.8A patent/CN117333275B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
| CN108846700A (zh) * | 2018-06-15 | 2018-11-20 | 山东外贸职业学院 | 一种大数据智能营销系统及营销方法 |
| CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
| CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
| US10755291B1 (en) * | 2019-10-25 | 2020-08-25 | Isolation Network, Inc. | Artificial intelligence automation of marketing campaigns |
| KR102252464B1 (ko) * | 2020-12-21 | 2021-05-14 | 주식회사 모비젠 | 두 가지 이상의 데이터의 조합으로 모바일 단말을 사용하는 사용자의 상태정보를 판단하는 방법 및 그 시스템 |
| KR20220133540A (ko) * | 2021-03-25 | 2022-10-05 | 주식회사 와이즈케어 | 빅데이터 기반 상품 및 서비스 플랫폼 시스템 및 그 제공방법 |
| CN114331512A (zh) * | 2021-12-22 | 2022-04-12 | 重庆汇博利农科技有限公司 | 一种可视化数据建模及大数据画像的方法 |
| CN114445134A (zh) * | 2022-01-21 | 2022-05-06 | 天元大数据信用管理有限公司 | 一种大数据营销方法、装置及介质 |
| CN114663132A (zh) * | 2022-03-02 | 2022-06-24 | 厦门文杉信息科技有限公司 | 一种基于实时用户画像的智能营销方法及装置 |
| CN114782094A (zh) * | 2022-04-25 | 2022-07-22 | 南京溪沥科技服务有限公司 | 一种基于大数据的营销策略智能分析平台 |
| CN116645119A (zh) * | 2023-04-14 | 2023-08-25 | 江苏相实网络科技有限公司 | 一种基于大数据的营销获客方法 |
| CN116468460A (zh) * | 2023-04-27 | 2023-07-21 | 苏银凯基消费金融有限公司 | 基于人工智能的消费金融客户画像识别系统及其方法 |
Non-Patent Citations (4)
| Title |
|---|
| "The Role of Big Data, Data Science and Data Analytics in Financial Engineering";Venkamaraju Chakravaram等;《International Conference on Big Data Engineering (BDE)》;20190613;第44-50页 * |
| "全链资金闭环运作模式初见成效";秦伟新;《中国金融》;20230731(第14期);第103页 * |
| "基于"互联网+大数据"服装定制的精准营销研究";梁道雷 等;《丝绸》;20180920;第55卷(第10期);第54-59页 * |
| "大数据在银行精准营销中的应用";洪玮;《中国金融电脑》;20170107(第01期);第82页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117333275A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ren et al. | Demand forecasting in retail operations for fashionable products: methods, practices, and real case study | |
| Cheng et al. | An ontology-based business intelligence application in a financial knowledge management system | |
| Seng et al. | An analytic approach to select data mining for business decision | |
| CN111178624B (zh) | 一种新产品需求预测的方法 | |
| Leventhal | An introduction to data mining and other techniques for advanced analytics | |
| CN106504029A (zh) | 一种基于客户群体行为分析的加油站销量预测方法 | |
| CN117557299B (zh) | 基于计算机辅助的营销策划方法及系统 | |
| CN116468460B (zh) | 基于人工智能的消费金融客户画像识别系统及其方法 | |
| Lai | Smart Financial Management System Based on Data Ming and Man‐Machine Management | |
| Zhang et al. | Precise marketing of precision marketing value chain process on the H group line based on big data | |
| Duarte et al. | Machine Learning and Marketing: A Literature Review. | |
| Chen | Research on E‐Commerce Database Marketing Based on Machine Learning Algorithm | |
| Belarbi et al. | Predictive analysis of Big Data in Retail industry | |
| CN117333275B (zh) | 基于大数据的营销平台构建方法 | |
| Zhang et al. | Multi-view dynamic heterogeneous information network embedding | |
| CN116823321A (zh) | 一种电商用经济管理数据分析方法及系统 | |
| Long | [Retracted] Analysis of Insurance Marketing Planning Based on BD‐Guided Decision Tree Classification Algorithm | |
| Wu et al. | [Retracted] Using the Mathematical Model on Precision Marketing with Online Transaction Data Computing | |
| Yan et al. | An Overview of the Application of Data Mining Technology in E-Commerce | |
| Paul et al. | Big data analytics for marketing intelligence | |
| Raj | Applications of Data Science and Artificial Intelligence Methodologies in Customer Relationship Management | |
| Gupta et al. | Segmentation of retail customers based on cluster analysis in building successful CRM | |
| Samli et al. | A review of data mining techniques as they apply to marketing: Generating strategic information to develop market segments | |
| Fernandes et al. | A data‐driven approach to improve online consumer subscriptions by combining data visualization and machine learning methods | |
| Awasthi | Customer Churn Prediction on E-Commerce Data using Stacking Classifier |
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 |