基于用户物品候选内容增长营销的AI系统技术方案

本发明专利技术公开了基于用户物品候选内容增长营销的AI系统，属于内容营销技术领域，具体包括：数据获取模块，用于获取用户clickhouse数据库，将clickhouse中的用户数据转换成user属性表，将clickhouse中的候选池文案数据转换成item静态属性；数据训练模块，用于通过ALS、GBDT+LR和DeeFM模型对user属性表和item静态属性进行离线训练；数据存储模块，用于将训练获得的embedding数据保存在milvus数据库中用于计算，所有的模型数据均保存在文件服务器中；在线预测模块，用于提供接口消费kafka中的实时数据，根据sql获取clickhouse中的user_ids和item_ids，再根据user_ids和item_ids从clickhouse中获取对应的embedding，将embedding输入模型中进行实时的结果预测并输出推荐结果；本发明专利技术实现了适用多渠道的营销触达内容推荐系统。达内容推荐系统。达内容推荐系统。

【技术实现步骤摘要】
基于用户物品候选内容增长营销的AI系统


[0001]本专利技术涉及内容营销
，具体涉及基于用户物品候选内容增长营销的AI系统。

技术介绍

[0002]目前，随着各行业移动媒介、互联网发展及全球市场竞争，实现高效用户内容交互展示体验已成为新的趋势。对于商家来说，在营销场景中，需要发布和管理的应用和平台很多，渠道分散，单一平台的内容推荐功能无法对需要进行多平台管理和发布的商家企业适用。此时企业需要一个可以面向多渠道的整合推荐系统，可以把单个营销活动的触达推广进行整合，统一进行数据分析和持续性的触达内容推荐优化服务。
[0003]当商家接入各个渠道后，如APP推送、微信推送、邮件推送、资源位物料展示等，营销人员针对于同一个营销活动可能会有多种营销方式或内容，不同画像或不同特征标签的人群，偏好性也不尽相同。因此，需要开发一套可以适用多渠道的营销触达内容推荐系统，还需要针对识别不同的渠道，选取适合的算法模型方案；且在数据量有限或充足的情况下，也需要可以自动识别并选取更优的算法模型方案。

技术实现思路

[0004]本专利技术的目的在于提供基于用户物品候选内容增长营销的AI系统，解决以下技术问题：
[0005]开发一套可以适用多渠道的营销触达内容推荐系统，还需要针对识别不同的渠道，选取适合的算法模型方案；且在数据量有限或充足的情况下，也需要可以自动识别并选取更优的算法模型方案。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]基于用户物品候选内容增长营销的AI系统，包括：
[0008]数据获取模块，用于获取用户clickhouse数据库，将clickhouse中的用户数据转换成user属性表，所述user属性包括静态属性和动态属性，将clickhouse中的候选池文案数据转换成item静态属性；
[0009]数据训练模块，用于通过ALS、GBDT+LR和DeeFM模型对user属性表和item静态属性进行离线训练；
[0010]数据存储模块，用于将训练获得的embedding数据保存在milvus数据库中用于计算，所述embedding数据包括users embedding和items embedding，所有的模型数据均保存在文件服务器中；
[0011]在线预测模块，用于提供接口消费kafka中的实时数据，所述实时数据数据包括人群id查询sql与侯选池文案查询sql，根据sql获取clickhouse中的user_ids和item_ids，再根据user_ids和item_ids从clickhouse中获取对应的embedding，将embedding输入模型中进行实时的结果预测并输出推荐结果。
[0012]作为本专利技术进一步的方案：所述静态属性包括用户年龄、用户星座和用户兴趣，所述动态属性包括用户点击行为和用户购买行为。
[0013]作为本专利技术进一步的方案：所述数据训练模块将所有的属性特征一起输入到所述DeeFM模型中去，然后直接接入两层的全连接层，输出特征矩阵，输出二位矩阵的维度为1*mn，然后将特征矩阵转化为二维矩阵n*m。
[0014]作为本专利技术进一步的方案：
[0015]当用户静态属性数量1到20之间，且动态属性有对应userid并且稀疏性在0.2
‑
0.5时，采用ALS模型对属性进行训练；
[0016]当动态属性无对应userid或者稀疏性小于0.3时，采用GBDT+LR模型对属性进行训练；
[0017]当用户静态属性大于20维度，且动态属性有对应userid并且稀疏大于等于0.3是，采用DeeFM对属性进行训练。
[0018]作为本专利技术进一步的方案：所述稀疏性Sparseness的计算方法为：
[0019]Sparseness＝K/(M*N)；
[0020]其中M为user数量(即待营销目标用户数量)，N为item数量(即候选池文案数量)，K表示共K个评分，即矩阵大小为M*N，其中有K个值。
[0021]作为本专利技术进一步的方案：所述数据获取模块还包括：
[0022]公域内容渠道单元：构建公域渠道引擎，并在所述公域渠道引擎上设置素材判定规则，通过所述公域渠道引擎获取的数字化内容渠道，并通过所述素材判定规则进行渠道审核，判定所述数字化内容渠道是否为目标公域渠道；其中，
[0023]私域内容渠道单元：用于构建数字化内容上传平台，通过所述数字化内容平台筛选定制化内容提供商，并将筛选后的定制化内容提供商作为目标私域渠道；
[0024]内容获取单元：用于通过或目标公域渠道获取公共素材，通过所述目标私域渠道获取个性化定制素材；
[0025]格式转换单元：用于将所述公共素材和个性化定制素材按照素材格式进行格式划分，并在格式划分后按照素材内容进行素材归类；
[0026]素材库单元：用于构建内容总库，并将归类后的公共素材和个性化定制素材按照素材类型进行分区存储，并在分区存储后，对每个区域的素材进行数字化转换，确定数字化数据。
[0027]作为本专利技术进一步的方案：还包括数字营销模块，所述数字营销模块包括：
[0028]用户需求单元：用于获取用户的服务需求数据，并确定客户的数据需求标准；
[0029]市场需求单元：用于获取市场数字化热点数据，并确定市场交易媒介；
[0030]策略制定单元：根据所述服务需求数据和数据需求标准，制定用户的个性化数据推荐策略；根据所述市场数字化热点数据和市场交易媒介，制定基于热点数据的数字化营销推广广告；
[0031]交易单元：用于将所述个性化数据推荐策略发送至客户，确定用户的目标需求产品，并将所述数字化营销推广广告进行市场投放，确定广告投放回流数据和媒介分发数据回流，确定市场潜在客户；
[0032]产品调用单元：根据所述目标需求产品，通过所述分发渠道调用对应的数字化内
容，并打包为数字化内容产品发送至客户；并根据所述市场潜在客户，制定单对单营销策略，并根据所述单对单营销策略向所述市场潜在客户推送基于热点数据的数字化产品。
[0033]作为本专利技术进一步的方案：所述数字营销模块还包括：
[0034]线上交易渠道管理单元：用于当所述数字化交易为线上数字化交易时，建立线上交易记录轴，记录线上交易进度；
[0035]线下交易渠道管理单元：用于当所述数字化交易为线下交易时，制定定时查询计划，定时查询线下交易状态；
[0036]分销交易渠道管理单元：用于根据所述用户需求，针对不同需求的用户，建立单独的分销渠道，并记录监控分销状况；
[0037]商品管理单元：用于根据所述数字化交易，通过所述分发渠道，获取对应的数字化产品；
[0038]销售管理单元：用于根据所述数字化交易，记录交易记录，生成销售数据；
[0039]任务管理单元：用于根据所述数字化交易，确定每个数字化交易流程，并将每个数字化交易流程划分为多个交易任务，监控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于用户物品候选内容增长营销的AI系统，其特征在于，包括：数据获取模块，用于获取用户clickhouse数据库，将clickhouse中的用户数据转换成user属性表，所述user属性包括静态属性和动态属性，将clickhouse中的候选池文案数据转换成item静态属性；数据训练模块，用于通过ALS、GBDT+LR和DeeFM模型对user属性表和item静态属性进行离线训练；数据存储模块，用于将训练获得的embedding数据保存在milvus数据库中用于计算，所述embedding数据包括users embedding和items embedding，所有的模型数据均保存在文件服务器中；在线预测模块，用于提供接口消费kafka中的实时数据，所述实时数据数据包括人群id查询sql与侯选池文案查询sql，根据sql获取clickhouse中的user_ids和item_ids，再根据user_ids和item_ids从clickhouse中获取对应的embedding，将embedding输入模型中进行实时的结果预测并输出推荐结果。2.根据权利要求1所述的基于用户物品候选内容增长营销的AI系统,其特征在于，所述静态属性包括用户年龄、用户星座和用户兴趣，所述动态属性包括用户点击行为和用户购买行为。3.根据权利要求1所述的基于用户物品候选内容增长营销的AI系统,其特征在于，所述数据训练模块将所有的属性特征一起输入到所述DeeFM模型中去，然后直接接入两层的全连接层，输出特征矩阵，输出二位矩阵的维度为1*mn，然后将特征矩阵转化为二维矩阵n*m。4.根据权利要求1所述的基于用户物品候选内容增长营销的AI系统,其特征在于，当用户静态属性数量1到20之间，且动态属性有对应userid并且稀疏性在0.2...

【专利技术属性】
技术研发人员：王士义，
申请(专利权)人：湖北省珍岛数字智能科技有限公司，
类型：发明
国别省市：