TWI676143B - 基於資料與文字探勘技術產生優惠組合推薦之方法 - Google Patents

Claims (8)

1. 一種基於資料與文字探勘技術產生差異化的優惠組合推薦之方法，包括： 取得目標客群與相對應目標客群的歷史銷售資料及優惠歷史資料； 基於該目標客群與該相對應目標客群的該歷史銷售資料建立一分類模型以及一分群模型，其中該分類模型用以找出欲行銷客群中的行銷客群，而該分群模型用以將該目標客群區分為多個目標群組以及將該行銷客群區分為多個行銷群組； 基於該目標客群與該相對應目標客群的該優惠歷史資料找出優惠關鍵字分類表； 基於各該目標群組對應的客戶屬性及優惠關鍵字對各該目標群組進行差異性分析，以取得客戶群組屬性差異表及優惠關鍵字群組差異表，以及對應於各該目標群組的核心優惠； 依據該客戶群組屬性差異表產生對應於各該行銷群組的行銷群組策略，再依據該優惠關鍵字分類表及該客戶群組屬性差異表與現行優惠進行比對，取得對於各該行銷群組的合適推薦優惠，並加入對應各該目標群組的該核心優惠，以產生對應各該行銷群組的優惠推薦組合；以及 依據對各該行銷群組採用對應的該優惠推薦組合的銷售結果更新對應各該行銷群組的該優惠推薦組合。
2. 如申請專利範圍第1項所述的方法，其中該目標客群包括曾經離網且回流之用戶，該相對應目標客群包括曾經離網且未回流用戶，該欲行銷客群包括曾經離網且未知是否回流的用戶，該行銷客群包括曾經離網且預測會回流的用戶。
3. 如申請專利範圍第1項所述的方法，其中取得該目標客群與該相對應目標客群的該歷史銷售資料及優惠歷史資料的步驟包括： 擷取該目標客群與該相對應目標客群的客戶屬性資料，並據以進行該目標客群與該相對應目標客群的差異性分析，以從該客戶屬性資料中找出該目標客群與該相對應目標客群的顯著差異屬性。
4. 如申請專利範圍第3項所述的方法，其中基於該目標客群與該相對應目標客群的該歷史銷售資料建立該分類模型以及該分群模型的步驟包括： 取得該目標客群與該相對應目標客群的該顯著差異屬性； 將該目標客群的該顯著差異屬性對應的分類屬性標註為第一狀態； 將該相對應目標客群的該顯著差異屬性對應的分類屬性標註為第二狀態； 將該目標客群與該相對應目標客群的該顯著差異屬性進行類別化及標準化； 基於類別化及標準化後的該目標客群與該相對應目標客群的該顯著差異屬性，以及該目標客群與該相對應目標客群的該顯著差異屬性對應的分類屬性建立該分類模型；以及 基於標準化後的該目標客群的該顯著差異屬性建立該分群模型。
5. 如申請專利範圍第1項所述的方法，其中基於該目標客群與該相對應目標客群的該優惠歷史資料找出該優惠關鍵字分類表的步驟包括： 取得一優惠重組推薦參數評鑑表，其包括影響程度參數基準值、正向比例差距參數基準值及負向比例差距參數基準值； 採用資料探勘工具對該目標客群與該相對應目標客群的該優惠歷史資料進行文字探勘，以找出對應於該目標客群與該相對應目標客群的多個優惠關鍵字； 計算各該優惠關鍵字被該目標客群與該相對應目標客群採用的次數，以取得優惠關鍵字選取次數表； 基於該優惠關鍵字選取次數表計算各該優惠關鍵字的影響程度及正負向比例差距； 若該些優惠關鍵字的第一優惠關鍵字的該影響程度大於該影響程度參數基準值，定義該第一優惠關鍵字為主要優惠關鍵字，反之行定義該第一優惠關鍵字為次要優惠關鍵字； 若該第一優惠關鍵字的該正負向比例差距大於該正向比例差距參數基準值，則將該第一優惠關鍵字標示為正向性； 若該第一優惠關鍵字的該正負向比例差距小於該負向比例差距參數基準值，則將該第一優惠關鍵字標示為負向性； 若該第一優惠關鍵字的該正負向比例差距介於該正向比例差距參數基準值及該負向比例差距參數基準值之間，則將該第一優惠關鍵字標示為無關連；以及 基於各該優惠關鍵字的標示結果產生該優惠關鍵字分類表。
6. 如申請專利範圍第5項所述的方法，其中基於該優惠關鍵字選取次數表計算各該優惠關鍵字的該影響程度及該正負向比例差距的步驟包括： 定義該目標客群的人數為TN； 定義該相對應目標客群人數為CN； 定義該些優惠關鍵字中的第i個優惠關鍵字為 ，其中i = 1,2,3…m，m為該些優惠關鍵字的組數； 定義該目標客群及該相對應目標客群中選取 的客戶人數為 ，其中i = 1,2,3…m； 定義該目標客群中選取 的客戶人數為 ，其中 ； 定義該相對應目標客群中選取 客戶人數為 ，其中 ； 計算 的該影響程度為 , i = 1,2,3…m，其中 x 100% ， i = 1,2,3…m； 計算 的正向性比例為 ； 計算 的負向性比例為 ； 計算 的的該正負向比例差距為 。
7. 如申請專利範圍第1項所述的方法，其中基於各該目標群組對應的該客戶屬性及該優惠關鍵字對各該目標群組進行差異性分析，以取得該客戶群組屬性差異表及該優惠關鍵字群組差異表，以及對應於各該目標群組的該核心優惠的步驟包括： 取得各該目標群組的客戶屬性、優惠關鍵字與優惠產品； 執行各該目標群組的該優惠關鍵字的差異性檢定，以得到各該目標群組的顯著差異的優惠關鍵字； 基於各該目標群組的顯著差異的該優惠關鍵字產生優惠關鍵字群組差異表； 執行各目標群組的該客戶屬性的差異性檢定，以得到各該目標群組的顯著差異的客戶屬性； 基於各該目標群組的顯著差異的客戶屬性產生客戶群組屬性差異表； 基於各該目標群組的該優惠產品進行優惠關連分析，以產生各該目標群組的優惠關連圖，其中該優惠關連圖中的各該優惠產品具有對應的優惠維度；以及 找出各該目標群組的優惠維度大於核心優惠關連維度下限基準參數表的該優惠產品，以得到各該目標群組的核心優惠表，其中該核心優惠表包括對應於各該行銷群組的該核心優惠。
8. 如申請專利範圍第1項所述的方法，其中依據對各該行銷群組採用對應的該優惠推薦組合的銷售結果更新對應各該行銷群組的該優惠推薦組合的步驟包括： 取得該銷售結果，其中該銷售結果包括銷售後之客群資料與優惠資料； 基於該銷售結果更新該客戶屬性資料與該優惠歷史資料； 基於更新的該客戶屬性資料與該優惠歷史資料更新該優惠重組推薦參數評鑑表中的該影響程度參數基準值、該正向比例差距參數基準值及該負向比例差距參數基準值； 基於更新後的該優惠重組推薦參數評鑑表更新該優惠關鍵字分類表； 基於各該目標群組對應的該客戶屬性及該優惠關鍵字對各該目標行銷群組進行差異性分析，以更新該客戶群組屬性差異表及該優惠關鍵字群組差異表，以及對應於各該目標群組的該核心優惠；以及 依據該客戶群組屬性差異表更新對應於各該行銷群組的該行銷群組策略，再依據該優惠關鍵字分類表及該客戶群組屬性差異表與現行優惠進行比對，取得對於各該行銷群組的合適推薦優惠，並加入對應各該目標群組的該核心優惠，以產生對應各該行銷群組的優惠推薦組合。