CN117422484A - 一种数字化营销协同数据处理系统、方法、设备及介质 - Google Patents
一种数字化营销协同数据处理系统、方法、设备及介质 Download PDFInfo
- Publication number
- CN117422484A CN117422484A CN202311741780.0A CN202311741780A CN117422484A CN 117422484 A CN117422484 A CN 117422484A CN 202311741780 A CN202311741780 A CN 202311741780A CN 117422484 A CN117422484 A CN 117422484A
- Authority
- CN
- China
- Prior art keywords
- marketing
- data
- information
- task
- index
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000010354 integration Effects 0.000 claims abstract description 15
- 238000005065 mining Methods 0.000 claims abstract description 13
- 238000012512 characterization method Methods 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 25
- 230000009467 reduction Effects 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,揭露一种数字化营销协同数据处理系统、方法、设备及介质,数字化营销协同数据处理系统包括:营销数据采集单元,用于采集营销用户在不同营销渠道中的渠道营销数据,对渠道营销数据进行数据整合处理,得到营销协同数据;营销特征分析单元,用于对营销协同数据进行信息挖掘处理,得到数据信息,计算数据信息之间对应的信息连接权重;关联特征分析单元,用于确定营销任务对应的任务指标,分析营销特征和任务指标对应的关联关系,从营销特征中提取出任务指标对应的指标关联特征;营销方案制定单元,用于制定营销任务对应的营销处理方案。本发明在于提高数字化营销协同数据处理的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种数字化营销协同数据处理系统、方法、设备及介质。
背景技术
营销协同数据是指在数字化营销中,通过不同渠道和平台收集到的数据,对这些数据进行整合、分析和利用,以得到更好的营销决策和优化营销活动的数据,这些数据可以包括用户行为数据、市场数据、竞争数据、销售数据等。通过对这些数据的处理和分析,营销团队能够更好地了解目标受众、识别市场趋势、评估营销活动的效果,并基于数据驱动的决策来制定优化策略,因此需要对营销协同数据进行数据处理,进而更好的得到营销策略。
但是现有的数字化营销协同数据处理系统是采用数据驱动系统,通过数据驱动系统利用数字技术和数据分析,通过计算不同渠道和平台的协同合作的效率,并对数据监测与优化等处理,以此制定更加精确、高效营销策略,但是该系统没有考虑数据间的协同关系以及相应营销特征关系,进而导致制定的营销策略的合理性降低,因此需要一种能够提高营销协同数据处理的准确性的系统。
发明内容
本发明提供一种数字化营销协同数据处理系统、方法、设备及介质,其主要目的在于提高数字化营销协同数据处理的准确性。
为实现上述目的,本发明提供的数字化营销协同数据处理系统,其特征在于,所述数字化营销协同数据处理系统包括:营销数据采集单元、营销特征分析单元、关联特征分析单元、营销方案制定单元。
所述营销数据采集单元,用于确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
所述营销特征分析单元,用于对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:其中,F表示数据信息之间对应的信息连接权重,/>表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
所述关联特征分析单元,用于查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
所述营销方案制定单元,用于根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
可选地,所述对所述渠道营销数据进行数据整合处理,得到营销协同数据,包括:
对所述渠道营销数据进行数据降噪处理,得到降噪营销数据,计算所述降噪营销数据对应的数据缺失值;
根据所述数据缺失值,对所述降噪营销数据进行数据清洗处理,得到目标营销数据;
对所述目标营销数据进行表征提取,得到数据表征,计算所述数据表征中每个表征对应的表征基尼值;
根据所述表征基尼值,对所述数据表征进行表征筛选处理,得到目标数据表征;
计算所述目标数据表征之间的表征相似度,根据所述表征相似度,提取所述目标营销数据中的营销协同数据。
可选地,所述计算所述数据表征中每个表征对应的表征基尼值,包括:
通过下述公式计算所述数据表征中每个表征对应的表征基尼值:其中,A表示数据表征中每个表征对应的表征基尼值,a表示数据表征的表征序列号,/>表示数据表征的表征数量,/>表示数据表征中第a个表征对应的被选中概率。
可选地,所述计算所述目标数据表征之间的表征相似度,包括:
通过下述公式计算所述目标数据表征之间的表征相似度:
其中,D表示目标数据表征之间的表征相似度,表示目标数据表征对应的期望值,表示目标数据表征中第b个表征对应的特征向量,/>表示目标数据表征中第b+1个表征对应的特征向量,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征协方差,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征标准差。
可选地,所述对所述营销协同数据进行信息挖掘处理,得到数据信息,包括:
计算所述营销协同数据中每个数据之间的距离,得到数据距离值;
根据所述数据距离值,对所述营销协同数据进行离散剔除处理,得到连续协同数据;
对所述连续协同数据进行数据编码处理,得到编码协同数据,构建所述编码协同数据对应的可视化图表;
提取所述可视化图表中的图表信息,计算所述图表信息中每个信息对应的信息熵;
根据所述信息熵,对所述图表信息进行信息筛选,得到目标图表信息,将所述目标图表信息作为所述营销协同数据的数据信息。
可选地,所述计算所述图表信息中每个信息对应的信息熵,包括:
通过下述公式计算所述图表信息中每个信息对应的信息熵:
其中,Q表示图表信息中每个信息对应的信息熵,d表示图表信息的信息序列号,表示图表信息中第a个信息的随机变量值,/>表示图表信息中第a个信息的随机变量值的发生概率。
可选地,所述分析所述营销特征和所述任务指标对应的关联关系,包括:
计算所述营销特征中每个特征的特征线性值;
根据所述特征线性值,构建所述营销特征对应的特征矩阵;
对所述特征矩阵进行归一化处理,得到归一化矩阵,计算所述归一化矩阵对应的矩阵向量;
识别所述任务指标中的指标字符,提取所述指标字符中的关键字符;
对所述关键字符进行向量化处理,得到字符向量,计算所述矩阵向量和所述字符向量的关联系数;
根据所述关联系数,确定所述营销特征和所述任务指标对应的关联关系。
为了解决上述问题,本发明还提供一种数字化营销协同数据处理方法,所述方法包括:
确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:
其中,F表示数据信息之间对应的信息连接权重,表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
为了解决上述问题,本发明还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述电子设备至少一个处理器能够执行上述所述的数字化营销协同数据处理方法。
为了解决上述问题,本发明还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行上述所述的数字化营销协同数据处理方法。
本发明实施例中,通过采集所述营销用户在不同营销渠道中的渠道营销数据,可以了解所述营销用户在不同营销渠道中的兴趣爱好或者消费习惯等,对所述渠道营销数据进行数据整合处理,可以将所述渠道营销数据中具有相似性的数据整合到一起,无关的数据去除掉,从而提高了所述渠道营销数据的数据质量,本发明实施例中,通过对所述营销协同数据进行信息挖掘处理,可以挖掘出所述营销协同数据中的有效信息,为后续营销特征的分析提供了保障;此外,本发明实施例中,通过分析所述营销特征和所述任务指标对应的关联关系,从而可以得到与所述任务指标具有相关关系的营销特征,为后续任务营销渠道的确定提供了保障,从而提高所述营销协同数据处理的准确性,本发明实施例通过根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,进而确定完成所述任务指标对应的任务方式,以便于提高所述任务指标的完成效率,并且提高了后续营销处理方案制定的合理性。因此,本发明实施例提供的一种数字化营销协同数据处理系统、方法、设备及介质,能够提高数字化营销协同数据处理的准确性。
附图说明
图1为本发明一实施例提供的数字化营销协同数据处理系统的功能模块图;
图2为本发明一实施例提供的数字化营销协同数据处理方法的流程示意图;
图3为本发明一实施例提供的实现所述数字化营销协同数据处理系统的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
实际上,数字化营销协同数据处理系统所部署的服务端设备可能是由一台或多台设备构成的。上述数字化营销协同数据处理系统可以实现为:业务实例、虚拟机、硬件设备。比如,该数字化营销协同数据处理系统可以实现为部署在云节点中的一个或多个设备上的一种业务实例。简单来说,该直播服务系统可以理解为是部署在云节点上的一种软件,用于为各用户端提供数字化营销协同数据处理的服务。或者,该数字化营销协同数据处理系统也可以实现为部署在云节点中的一个或多个设备上的一种虚拟机。该虚拟机中安装有用于管理各用户端的应用软件。或者,该数字化营销协同数据处理系统还可以实现为由众多相同或不同类型的硬件设备构成的服务端,设置一个或多个硬件设备用于为各用户端提供数字化营销协同数据处理服务。
在实现形式上,数字化营销协同数据处理系统和用户端相互适应。即,数字化营销协同数据处理系统作为安装于云服务平台的应用,则用户端作为与该应用建立通信连接的客户端;或实现数字化营销协同数据处理系统作为网站实现,则用户端作为网页实现;再或实现数字化营销协同数据处理系统作为云服务平台实现,则用户端作为即时通信应用中的小程序实现。
参照图1所示,是本发明一实施例提供的数字化营销协同数据处理系统的功能模块图。
本发明所述数字化营销协同数据处理系统100可以设置于云端服务器中,在实现形式上,可以作为一个或多个服务设备,也可以作为一应用安装于云端(例如直播服务运营方的服务器、服务器集群等)上,或者也可以开发为网站。根据实现的功能,所述数字化营销协同数据处理系统100包括营销数据采集单元101、营销特征分析单元102、关联特征分析单元103及营销方案制定单元104。本发明所述单元也可以称之为模块,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
本发明实施例中,基于数字化营销协同数据处理的追踪中,上述各个模块均可独立实现,且与其他模块调用。这里的调用可以理解为,某一模块可以连接另一类型的多个模块,并为其连接的多个模块提供相应服务,本发明实施例提供的数字化营销协同数据处理系统中,无需修改程序代码,即可通过增加模块、并直接调用的形式来调整数字化营销协同数据处理架构的适用范围,实现集群式水平拓展,以便达到快捷灵活拓展数字化营销协同数据处理系统的目的。实际应用中,上述模块可以设置在同一设备或不同设备中,也可以是设置在虚拟设备中,例如云端服务器中的服务实例。
下面结合具体实施例,分别针对数字化营销协同数据处理系统的各个组成部分以及具体工作流程进行说明:
所述营销数据采集单元101,用于确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据。
本发明实施例中,通过采集所述营销用户在不同营销渠道中的渠道营销数据,可以了解所述营销用户在不同营销渠道中的兴趣爱好或者消费习惯等,对所述渠道营销数据进行数据整合处理,可以将所述渠道营销数据中具有相似性的数据整合到一起,无关的数据去除掉,从而提高了所述渠道营销数据的数据质量,其中,所述营销用户是数字化营销中对应的目标客户,所述渠道营销数据是所述营销用户在不同营销渠道中记录的消费数据和行为数据,所述营销协同数据是所述渠道营销数据经过集中处理后得到的数据,可选的,采集所述营销用户在不同营销渠道中的渠道营销数据可以通过数据采集器实现,所述数据采集器是由JAVA语言编译。
作为本发明的一个实施例,所述对所述渠道营销数据进行数据整合处理,得到营销协同数据,包括:对所述渠道营销数据进行数据降噪处理,得到降噪营销数据,计算所述降噪营销数据对应的数据缺失值,根据所述数据缺失值,对所述降噪营销数据进行数据清洗处理,得到目标营销数据,对所述目标营销数据进行表征提取,得到数据表征,计算所述数据表征中每个表征对应的表征基尼值,根据所述表征基尼值,对所述数据表征进行表征筛选处理,得到目标数据表征,计算所述目标数据表征之间的表征相似度,根据所述表征相似度,提取所述目标营销数据中的营销协同数据。
其中,所述降噪营销数据是所述渠道营销数据中的噪声和干扰经过抑制后得到的数据,所述数据缺失值表示所述降噪营销数据中每个数据缺失的程度,所述目标营销数据是所述降噪营销数据中缺失程度较大的数据经过清洗去除后得到的数据,所述数据表征是所述目标营销数据中的代表性象征,所述表征基尼值是评判所述数据表征中每个表征重要度的指标,所述表征相似度表示所述目标数据表征之间的相似程度。
可选地,对所述渠道营销数据进行数据降噪处理可以通过低通滤波器实现,计算所述降噪营销数据对应的数据缺失值可以通过插值法实现,对所述降噪营销数据进行数据清洗处理可以通过缺失值填补算法实现,对所述目标营销数据进行表征提取可以通过orb特征提取算法实现,提取所述目标营销数据中的营销协同数据可以通过left函数实现。
可选地,作为本发明的一个可选实施例,所述计算所述数据表征中每个表征对应的表征基尼值,包括:
通过下述公式计算所述数据表征中每个表征对应的表征基尼值:其中,A表示数据表征中每个表征对应的表征基尼值,a表示数据表征的表征序列号,/>表示数据表征的表征数量,/>表示数据表征中第a个表征对应的被选中概率。
可选地,作为本发明的一个可选实施例,所述计算所述目标数据表征之间的表征相似度,包括:
通过下述公式计算所述目标数据表征之间的表征相似度:
其中,D表示目标数据表征之间的表征相似度,表示目标数据表征对应的期望值,表示目标数据表征中第b个表征对应的特征向量,/>表示目标数据表征中第b+1个表征对应的特征向量,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征协方差,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征标准差。
所述营销特征分析单元102,用于对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征。
本发明实施例中,通过对所述营销协同数据进行信息挖掘处理,可以挖掘出所述营销协同数据中的有效信息,为后续营销特征的分析提供了保障,其中,所述数据信息是所述营销协同数据中包含的有效信息。
作为本发明的一个实施例,所述对所述营销协同数据进行信息挖掘处理,得到数据信息,包括:计算所述营销协同数据中每个数据之间的距离,得到数据距离值,根据所述数据距离值,对所述营销协同数据进行离散剔除处理,得到连续协同数据,对所述连续协同数据进行数据编码处理,得到编码协同数据,构建所述编码协同数据对应的可视化图表,提取所述可视化图表中的图表信息,计算所述图表信息中每个信息对应的信息熵,根据所述信息熵,对所述图表信息进行信息筛选,得到目标图表信息,将所述目标图表信息作为所述营销协同数据的数据信息。
其中,所述数据距离值表示所述营销协同数据中每个数据之间的距离远近程度,所述连续协同数据是所述营销协同数据中的离散数据剔除后剩余的连续性数据,所述编码协同数据是所述连续协同数据经过编码去除冗余信息后的数据,所述可视化图表是所述编码协同数据通过图像、图表以及图形等可视化元素呈现数据的方式,所述图表信息是所述可视化图表中传达出的相关数据信息,所述信息熵表示所述图表信息中每个信息对应的不确定性程度。
进一步的,本发明实施例中,计算所述营销协同数据中每个数据之间的距离可以通过欧氏距离算法实现,可以通过根据所述数据距离值和预设距离值的数值大小对所述营销协同数据进行离散剔除处理,对所述连续协同数据进行数据编码处理可以通过编码算法实现,如独热编码算法,构建所述编码协同数据对应的可视化图表可以通过制图工具实现,如visio工具,提取所述可视化图表中的图表信息可以通过遗传算法实现,对所述图表信息进行信息筛选可以通过filter函数实现。
进一步的,作为本发明的一个可选实施例,所述计算所述图表信息中每个信息对应的信息熵,包括:
通过下述公式计算所述图表信息中每个信息对应的信息熵:
其中,表示图表信息中每个信息对应的信息熵,d表示图表信息的信息序列号,表示图表信息中第a个信息的随机变量值,/>表示图表信息中第a个信息的随机变量值的发生概率。
本发明实施例中,通过计算所述数据信息之间对应的信息连接权重,可以得到所述数据信息中每个信息对其他信息的影响重要程度,提高了后续提取营销信息的准确性,其中,所述信息连接权重表示所述数据信息中每个信息对其他信息的影响重要程度。
本发明实施例中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:
其中,F表示数据信息之间对应的信息连接权重,表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度。
本发明实施例中,通过根据所述信息连接权重,提取所述数据信息中的营销信息,可以得到所述数据信息中的代表性信息,通过根据所述营销信息,可以提高所述营销用户对应的营销特征的分析准确性,其中,所述营销信息是所述数据信息中关于营销相关的信息,所述营销特征是所述营销用户在市场营销中相应的行为特征或者消费特征等,可选的,所述数据信息中的营销信息可以通过根据所述信息连接权重的数值大小提取得到,可以通过分析所述营销信息中的关键信息,并提取关键信息中的信息特征,根据信息特征得到所述营销用户对应的营销特征。
所述关联特征分析单元103,用于查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征。
本发明实施例中,通过分析所述营销特征和所述任务指标对应的关联关系,从而可以得到与所述任务指标具有相关关系的营销特征,为后续任务营销渠道的确定提供了保障,从而提高所述营销协同数据处理的准确性,其中,所述营销任务是数字化营销对应的营销目标,所述关联关系表示所述营销特征和所述任务指标之间的相关关系,所述指标关联特征是所述营销特征中与所述任务指标具有相关关系的特征。
本发明实施例中,所述分析所述营销特征和所述任务指标对应的关联关系,包括:计算所述营销特征中每个特征的特征线性值,根据所述特征线性值,构建所述营销特征对应的特征矩阵,对所述特征矩阵进行归一化处理,得到归一化矩阵,计算所述归一化矩阵对应的矩阵向量,识别所述任务指标中的指标字符,提取所述指标字符中的关键字符,对所述关键字符进行向量化处理,得到字符向量,计算所述矩阵向量和所述字符向量的关联系数,根据所述关联系数,确定所述营销特征和所述任务指标对应的关联关系。
其中,所述特征线性值是所述营销特征中每个特征的表达数值,所述特征矩阵是所述特征线性值构成的方阵,所述归一化矩阵是所述特征矩阵中的每一列数值求和后得到的新矩阵,所述矩阵向量是所述归一化矩阵对应的向量,所述指标字符是所述任务指标中的指标文本信息,所述关键字符是所述指标字符中的重要文本,所述关联系数表示所述矩阵向量与所述字符向量的关联程度。
可选的,计算所述营销特征中每个特征的特征线性值可以通过线性函数实现,构建所述营销特征对应的特征矩阵可以通过矩阵函数实现,如zero矩阵函数,对所述特征矩阵进行归一化处理可以通过最小-最大归一化方法实现,可以通过计算所述归一化矩阵对应的特征值,根据特征值确定矩阵向量,识别所述任务指标中的指标字符可以通过OCR文本识别技术实现,提取所述指标字符中的关键字符可以通过tfidf算法实现,对所述关键字符进行向量化处理可以通过word2vec算法实现,计算所述矩阵向量和所述字符向量的关联系数可以通过皮尔逊相关系数法实现,所述营销特征和所述任务指标对应的关联关系可以通过根据所述关联系数的数值大小确定。
所述营销方案制定单元104,用于根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
本发明实施例通过根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,进而确定完成所述任务指标对应的任务方式,以便于提高所述任务指标的完成效率,并且提高了后续营销处理方案制定的合理性,其中,所述任务营销渠道是所述任务指标对应的实施方式,可选的,查询所述指标关联特征对应的市场营销渠道,调度市场营销渠道对应的历史营销数据,根据历史营销数据,计算出市场营销渠道中每个渠道的营销效率,结合所述指标关联特征和营销效率,从市场营销渠道中确定所述任务指标对应的任务营销渠道。
本发明通过对所述指标关联特征进行数字化处理,可以通过所述关联特征值增加对所述指标关联特征的了解,根据所述关联值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案,进而可以提高所述营销任务的完成效率,其中,所述关联特征值是所述指标关联特征对应的数字化表达形式,可选的,对所述指标关联特征进行数字化处理步骤为:对所述指标关联特征进行信号采样,得到特征信号,对模拟信号进行映射处理,得到映射信号值,再对映射信号值进行数字编码,从而得到得到关联特征值,
根据所述关联值,对所述任务指标进行指标分解,根据分解结果,制定所述任务营销渠道对应的渠道营销策略,将渠道营销策略作为所述营销任务对应的营销处理方案。
本发明实施例中,通过采集所述营销用户在不同营销渠道中的渠道营销数据,可以了解所述营销用户在不同营销渠道中的兴趣爱好或者消费习惯等,对所述渠道营销数据进行数据整合处理,可以将所述渠道营销数据中具有相似性的数据整合到一起,无关的数据去除掉,从而提高了所述渠道营销数据的数据质量,本发明实施例中,通过对所述营销协同数据进行信息挖掘处理,可以挖掘出所述营销协同数据中的有效信息,为后续营销特征的分析提供了保障;此外,本发明实施例中,通过分析所述营销特征和所述任务指标对应的关联关系,从而可以得到与所述任务指标具有相关关系的营销特征,为后续任务营销渠道的确定提供了保障,从而提高所述营销协同数据处理的准确性,本发明实施例通过根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,进而确定完成所述任务指标对应的任务方式,以便于提高所述任务指标的完成效率,并且提高了后续营销处理方案制定的合理性。因此,本发明实施例提供的一种数字化营销协同数据处理方法,能够提高数字化营销协同数据处理的准确性。
参照图2所示,为本发明一实施例提供的数字化营销协同数据处理方法的流程示意图。在本实施例中,所述数字化营销协同数据处理方法包括:
确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:
其中,F表示数据信息之间对应的信息连接权重,表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
如图3所示,是本发明一实施例提供的实现数字化营销协同数据处理系统的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如数字化营销协同数据处理程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数字化营销协同数据处理程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如数字化营销协同数据处理程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数字化营销协同数据处理程序是多个指令的组合,在所述处理器10中运行时,可以实现:
确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:
其中,F表示数据信息之间对应的信息连接权重,表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:
其中,F表示数据信息之间对应的信息连接权重,表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,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等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数字化营销协同数据处理系统,其特征在于,所述数字化营销协同数据处理系统包括:营销数据采集单元、营销特征分析单元、关联特征分析单元、营销方案制定单元;
所述营销数据采集单元,用于确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
所述营销特征分析单元,用于对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:
通过下述公式计算所述数据信息之间对应的信息连接权重:其中,F表示数据信息之间对应的信息连接权重,/>表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
所述关联特征分析单元,用于查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
所述营销方案制定单元,用于根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
2.如权利要求1所述的数字化营销协同数据处理系统,其特征在于,所述对所述渠道营销数据进行数据整合处理,得到营销协同数据,包括:
对所述渠道营销数据进行数据降噪处理,得到降噪营销数据,计算所述降噪营销数据对应的数据缺失值;
根据所述数据缺失值,对所述降噪营销数据进行数据清洗处理,得到目标营销数据;
对所述目标营销数据进行表征提取,得到数据表征,计算所述数据表征中每个表征对应的表征基尼值;
根据所述表征基尼值,对所述数据表征进行表征筛选处理,得到目标数据表征;
计算所述目标数据表征之间的表征相似度,根据所述表征相似度,提取所述目标营销数据中的营销协同数据。
3.如权利要求2所述的数字化营销协同数据处理系统,其特征在于,所述计算所述数据表征中每个表征对应的表征基尼值,包括:通过下述公式计算所述数据表征中每个表征对应的表征基尼值:其中,A表示数据表征中每个表征对应的表征基尼值,a表示数据表征的表征序列号,β表示数据表征的表征数量,/>表示数据表征中第a个表征对应的被选中概率。
4.如权利要求2所述的数字化营销协同数据处理系统,其特征在于,所述计算所述目标数据表征之间的表征相似度,包括:通过下述公式计算所述目标数据表征之间的表征相似度:其中,D表示目标数据表征之间的表征相似度,/>表示目标数据表征对应的期望值,/>表示目标数据表征中第b个表征对应的特征向量,表示目标数据表征中第b+1个表征对应的特征向量,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征协方差,/>和/>分别表示目标数据表征中第b个和第b+1个表征对应的特征标准差。
5.如权利要求1所述的数字化营销协同数据处理系统,其特征在于,所述对所述营销协同数据进行信息挖掘处理,得到数据信息,包括:
计算所述营销协同数据中每个数据之间的距离,得到数据距离值;
根据所述数据距离值,对所述营销协同数据进行离散剔除处理,得到连续协同数据;
对所述连续协同数据进行数据编码处理,得到编码协同数据,构建所述编码协同数据对应的可视化图表;
提取所述可视化图表中的图表信息,计算所述图表信息中每个信息对应的信息熵;
根据所述信息熵,对所述图表信息进行信息筛选,得到目标图表信息,将所述目标图表信息作为所述营销协同数据的数据信息。
6.如权利要求5所述的数字化营销协同数据处理系统,其特征在于,所述计算所述图表信息中每个信息对应的信息熵,包括:通过下述公式计算所述图表信息中每个信息对应的信息熵:其中,/>表示图表信息中每个信息对应的信息熵,d表示图表信息的信息序列号,/>表示图表信息中第a个信息的随机变量值,/>表示图表信息中第a个信息的随机变量值的发生概率。
7.如权利要求1所述的数字化营销协同数据处理系统,其特征在于,所述分析所述营销特征和所述任务指标对应的关联关系,包括:
计算所述营销特征中每个特征的特征线性值;
根据所述特征线性值,构建所述营销特征对应的特征矩阵;
对所述特征矩阵进行归一化处理,得到归一化矩阵,计算所述归一化矩阵对应的矩阵向量;
识别所述任务指标中的指标字符,提取所述指标字符中的关键字符;
对所述关键字符进行向量化处理,得到字符向量,计算所述矩阵向量和所述字符向量的关联系数;
根据所述关联系数,确定所述营销特征和所述任务指标对应的关联关系。
8.一种数字化营销协同数据处理方法,其特征在于,所述方法包括:
确定数字化营销对应的营销用户,采集所述营销用户在不同营销渠道中的渠道营销数据,对所述渠道营销数据进行数据整合处理,得到营销协同数据;
对所述营销协同数据进行信息挖掘处理,得到数据信息,计算所述数据信息之间对应的信息连接权重,根据所述信息连接权重,提取所述数据信息中的营销信息,根据所述营销信息,分析所述营销用户对应的营销特征,其中,所述计算所述数据信息之间对应的信息连接权重,包括:通过下述公式计算所述数据信息之间对应的信息连接权重:其中,F表示数据信息之间对应的信息连接权重,/>表示数据信息中第e个信息对应的信息熵值,e表示数据信息的信息序列号,/>表示数据信息对应的信息数量,/>表示数据信息中第e个信息对第e+1个信息的嵌入度;
查询数字化营销对应的营销任务,确定所述营销任务对应的任务指标,分析所述营销特征和所述任务指标对应的关联关系,根据所述关联关系,从所述营销特征中提取出所述任务指标对应的指标关联特征;
根据所述指标关联特征,确定所述任务指标对应的任务营销渠道,对所述指标关联特征进行数字化处理,得到关联特征值,根据所述关联特征值、所述任务指标及所述任务营销渠道,制定所述营销任务对应的营销处理方案。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求8中所述的数字化营销协同数据处理方法。
10.一种计算机可读存储介质,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如权利要求8中所述的数字化营销协同数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311741780.0A CN117422484A (zh) | 2023-12-18 | 2023-12-18 | 一种数字化营销协同数据处理系统、方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311741780.0A CN117422484A (zh) | 2023-12-18 | 2023-12-18 | 一种数字化营销协同数据处理系统、方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117422484A true CN117422484A (zh) | 2024-01-19 |
Family
ID=89528772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311741780.0A Pending CN117422484A (zh) | 2023-12-18 | 2023-12-18 | 一种数字化营销协同数据处理系统、方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422484A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183867A (zh) * | 2015-09-16 | 2015-12-23 | 那彦琳 | 数据处理方法及装置 |
US20160034973A1 (en) * | 2014-08-04 | 2016-02-04 | Adobe Systems Incorporated | Systems and Methods for Providing Real-Time Marketing Campaigns |
US20160063427A1 (en) * | 2014-08-29 | 2016-03-03 | Linkedln Corporation | Credit attribution based on measured contributions of marketing activities to deals |
US20170076299A1 (en) * | 2015-09-14 | 2017-03-16 | Adobe Systems Incorporated | Extracting relevant features from electronic marketing data for training analytical models |
KR102233892B1 (ko) * | 2020-09-28 | 2021-03-30 | 허브넷굿컴퍼니닷컴 주식회사 | 사용자 정보를 분석하여 마케팅 관련 정보를 생성하는 시스템 |
CN113987186A (zh) * | 2021-11-08 | 2022-01-28 | 北京博瑞彤芸科技股份有限公司 | 一种基于知识图谱生成营销方案的方法和装置 |
CN115578138A (zh) * | 2022-09-26 | 2023-01-06 | 杭州网易再顾科技有限公司 | 营销方法、装置、介质和计算设备 |
CN116739658A (zh) * | 2023-06-12 | 2023-09-12 | 中国建设银行股份有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
-
2023
- 2023-12-18 CN CN202311741780.0A patent/CN117422484A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160034973A1 (en) * | 2014-08-04 | 2016-02-04 | Adobe Systems Incorporated | Systems and Methods for Providing Real-Time Marketing Campaigns |
US20160063427A1 (en) * | 2014-08-29 | 2016-03-03 | Linkedln Corporation | Credit attribution based on measured contributions of marketing activities to deals |
US20170076299A1 (en) * | 2015-09-14 | 2017-03-16 | Adobe Systems Incorporated | Extracting relevant features from electronic marketing data for training analytical models |
CN105183867A (zh) * | 2015-09-16 | 2015-12-23 | 那彦琳 | 数据处理方法及装置 |
KR102233892B1 (ko) * | 2020-09-28 | 2021-03-30 | 허브넷굿컴퍼니닷컴 주식회사 | 사용자 정보를 분석하여 마케팅 관련 정보를 생성하는 시스템 |
CN113987186A (zh) * | 2021-11-08 | 2022-01-28 | 北京博瑞彤芸科技股份有限公司 | 一种基于知识图谱生成营销方案的方法和装置 |
CN115578138A (zh) * | 2022-09-26 | 2023-01-06 | 杭州网易再顾科技有限公司 | 营销方法、装置、介质和计算设备 |
CN116739658A (zh) * | 2023-06-12 | 2023-09-12 | 中国建设银行股份有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598037B (zh) | 一种图像搜索方法、装置和存储介质 | |
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN109961165B (zh) | 件量预测方法、装置、设备及其存储介质 | |
CN112447189A (zh) | 语音事件检测方法、装置、电子设备及计算机存储介质 | |
CN112581227A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN113270197A (zh) | 一种基于人工智能的健康预测方法、系统及存储介质 | |
CN112559923A (zh) | 网址资源推荐方法、装置、电子设备及计算机存储介质 | |
CN117373580B (zh) | 基于时序网络实现钛合金产品的性能分析方法及系统 | |
CN115018588A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
CN112995288A (zh) | 基于知识管理的维保方法、装置和电子设备 | |
CN112052310A (zh) | 基于大数据的信息获取方法、装置、设备及存储介质 | |
CN112992187A (zh) | 基于上下文的语音情感检测方法、装置、设备及存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN116485019A (zh) | 一种数据处理方法及装置 | |
CN117422484A (zh) | 一种数字化营销协同数据处理系统、方法、设备及介质 | |
CN110807466A (zh) | 一种处理订单数据的方法和装置 | |
CN113888265A (zh) | 产品推荐方法、装置、设备及计算机可读存储介质 | |
CN114387522A (zh) | 一种工作现场的智能预警方法、装置、设备及介质 | |
CN114638851B (zh) | 一种基于生成对抗网络的图像分割方法、系统及存储介质 | |
CN116702059B (zh) | 一种基于物联网的智能生产车间管理系统 | |
CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 |
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 |