一种营销方案智能推送方法技术

本发明专利技术涉及方案推送领域，公开了一种营销方案智能推送方法

【技术实现步骤摘要】
一种营销方案智能推送方法、系统及存储介质


[0001]本专利技术涉及方案推送领域，特别是一种营销方案智能推送方法
、
系统及存储介质
。

技术介绍

[0002]在当今社会中，存在多种促销活动，通常会将多种物品进行捆绑售卖，商家因此获取更高利益，而用户能以更优惠的价格购买更多以及更实惠的物品，因此出现许许多多的营销方案
。
一种营销方案中包含多种营销物品，例如购买手机的营销方案中通常附带充电线
、
充电头
、
耳机等
。
用户在购买物品的时候通常会选择优惠力度较大的营销方案，所以需要向用户推送更符合用户个人需求的营销方案供用户选择购买
。
在推送过程中分析用户个人信息
、
偏好值，以及推送网站的评价等，可以对推送的规则进行优化，同时也能对营销方案进行更新优化
。
所以，需要获取一种营销方案智能推送方法
、
系统及存储介质
。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种营销方案智能推送方法
、
系统及存储介质
。
[0004]为达到上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种营销方案智能推送方法，包括以下步骤：获取用户信息，对所述用户信息进行深入分析，并根据深入分析结果，对用户进行分类处理；对营销方案的内容信息进行分类，得到不同类别的营销方案，并结合新用户和老用户的用户信息，对营销方案进行可行性分析；在推送网站中，结合用户当前状态及营销方案条件，构建营销方案推送顺序，并基于所述营销方案推送顺序向不同用户推送合适营销方案；对被推送用户的消费情况及用户反馈情况进行分析，并根据分析结果对营销方案的推送顺序进行优化
。
[0005]进一步的，本专利技术的一个较佳实施例中，所述获取用户信息，对所述用户信息进行深入分析，并根据深入分析结果，对用户进行分类处理，具体为：获取营销方案推送的目标网站，定义为推送网站，并获取推送网站中的历史用户信息；实时获取当前推送网站中在线用户的用户信息，定义为在线用户信息，将历史用户信息和在线用户信息转化为特征数据，分别计算历史用户信息和在线用户信息的内积及各自的模数，并根据内积及模数，计算历史用户信息和在线用户信息的余弦相似度；预设余弦相似度区间，若历史用户信息和在线用户信息的余弦相似度在余弦相似度区间内，则将对应的在线用户信息所代表的用户标定为老用户；若历史用户信息和在线用户信息的余弦相似度不在余弦相似度区间内，则将对应的在线用户信息所代表的用户标定为新用户
。
[0006]进一步的，本专利技术的一个较佳实施例中，所述对营销方案的内容信息进行分类，得到不同类别的营销方案，并结合新用户和老用户的用户信息，对营销方案进行可行性分析，具体为：在所述推送网站内，获取所有营销方案，并分别获取每一个营销方案的内容信息；通过傅里叶变换对营销方案内容信息进行特征提取，得到营销方案内容特征数据；构建模糊簇，并对所述模糊簇进行初始化处理，且所述模糊簇中包含模糊中心，一个模糊簇代表一个类别的营销方案内容；使用模糊聚类法和迭代计算法，计算营销方案内容特征数据与模糊中心之间的欧氏距离，并基于所述营销方案内容特征数据与模糊中心之间的欧氏距离，获取营销方案内容信息与模糊簇的隶属度；根据历史数据检索，对营销方案内容信息进行重要程度排序，得到营销方案内容信息排序表，基于所述营销方案内容信息排序表，对营销方案内容信息与模糊簇的隶属度进行更新，并对营销方案进行类别划分，得到不同类别的营销方案；获取新老用户的用户信息，所述新老用户的用户信息包括用户消费上限
、
用户消费兴趣度及用户的性别年龄；将所述新老用户的用户信息与不同类别的营销方案导入
CNN
神经网络中进行用户可行性分析，得到用户可行性分析结果，基于所述用户可行性分析结果，筛选获得不同用户的合适营销方案与不合适营销方案
。
[0007]进一步的，本专利技术的一个较佳实施例中，所述在推送网站中，结合用户当前状态及营销方案条件，构建营销方案推送顺序，并基于所述营销方案推送顺序向不同用户推送合适营销方案，具体为：在推送网站登陆界面设置调查问卷，并引导用户填写调查问卷，得到用户当前状态；实时获取商家现存营销物品的数量，并将所述商家现存营销物品的数量作为营销方案条件；基于所述营销方案条件，对不同用户的合适营销方案进行分析，若合适营销方案中需要的营销物品数量大于商家现存营销物品的数量，则将对应的合适营销方案定义为不可推送营销方案；结合所述用户当前状态，在卷积神经网络中对剩余的合适营销方案进行预测处理，得到可推送营销方案；获取可推送营销方案的热度，所述可推送营销方案的热度包括可推送营销方案的浏览次数及消费次数，基于所述可推送营销方案的热度，为不同用户构建可推送营销方案热度排序表；若用户为新用户，则在新用户对应的可推送营销方案热度排序表中基于热度降序原则，向新用户推送可推送营销方案；若用户为老用户，则根据老用户的消费记录，构建老用户可推送营销方案推送顺序表，并基于所述老用户可推送营销方案推送顺序表，向老用户推送可推送营销方案
。
[0008]进一步的，本专利技术的一个较佳实施例中，所述若用户为老用户，则根据老用户的消
费记录，构建老用户可推送营销方案推送顺序表，并基于所述老用户可推送营销方案推送顺序表，向老用户推送可推送营销方案，具体为：若用户为老用户，则获取老用户在推送网站中的消费记录，基于所述老用户在推送网站中的消费记录，获取老用户对可推送营销方案的消费频次，并基于降序原则对老用户对可推送营销方案的消费频次进行排序，构建老用户可推送营销方案第一推送顺序表；获取老用户未曾消费的可推送方案，基于可推送营销方案热度排序表，以及基于热度降序原则，对老用户未曾消费的可推送方案进行排序，得到老用户可推送营销方案第二推送顺序表；结合所述老用户可推送营销方案第一推送顺序表和老用户可推送营销方案第二推送顺序表，构建老用户可推送营销方案推送顺序表，并基于所述老用户可推送营销方案推送顺序表，向老用户推送可推送营销方案
。
[0009]进一步的，本专利技术的一个较佳实施例中，所述对被推送用户的消费情况及用户反馈情况进行分析，并根据分析结果对营销方案的推送顺序进行优化，具体为：在向用户推送可推送营销方案后，收集被推送的用户消费情况和用户反馈情况；基于被推送的用户消费情况，获取在预设时间内各营销方案的消费状态，所述各营销方案的消费状态包括营销方案的消费数量和消费次数；分别对各营销方案的消费数量和消费次数进行降序排列，得到营销方案消费数量排序表和营销方案消费次数排序表，并将营销方案消费数量排序表和营销方案消费次数排序表分别与营销方案的推送顺序表进行对比分析，若营销方案的消费数量和消费次数的降序排序结果与营销方案的推送顺序相同，则不需要对各营销方案的推送顺序进行优化；若营销方案的消费数量和消费次数的降序排序结果与营销方案的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种营销方案智能推送方法，其特征在于，包括以下步骤：获取用户信息，对所述用户信息进行深入分析，并根据深入分析结果，对用户进行分类处理；对营销方案的内容信息进行分类，得到不同类别的营销方案，并结合新用户和老用户的用户信息，对营销方案进行可行性分析；在推送网站中，结合用户当前状态及营销方案条件，构建营销方案推送顺序，并基于所述营销方案推送顺序向不同用户推送合适营销方案；对被推送用户的消费情况及用户反馈情况进行分析，并根据分析结果对营销方案的推送顺序进行优化
。2.
根据权利要求1中所述的一种营销方案智能推送方法，其特征在于，所述获取用户信息，对所述用户信息进行深入分析，并根据深入分析结果，对用户进行分类处理，具体为：获取营销方案推送的目标网站，定义为推送网站，并获取推送网站中的历史用户信息；实时获取当前推送网站中在线用户的用户信息，定义为在线用户信息，将历史用户信息和在线用户信息转化为特征数据，分别计算历史用户信息和在线用户信息的内积及各自的模数，并根据内积及模数，计算历史用户信息和在线用户信息的余弦相似度；预设余弦相似度区间，若历史用户信息和在线用户信息的余弦相似度在余弦相似度区间内，则将对应的在线用户信息所代表的用户标定为老用户；若历史用户信息和在线用户信息的余弦相似度不在余弦相似度区间内，则将对应的在线用户信息所代表的用户标定为新用户
。3.
根据权利要求1中所述的一种营销方案智能推送方法，其特征在于，所述对营销方案的内容信息进行分类，得到不同类别的营销方案，并结合新用户和老用户的用户信息，对营销方案进行可行性分析，具体为：在所述推送网站内，获取所有营销方案，并分别获取每一个营销方案的内容信息；通过傅里叶变换对营销方案内容信息进行特征提取，得到营销方案内容特征数据；构建模糊簇，并对所述模糊簇进行初始化处理，且所述模糊簇中包含模糊中心，一个模糊簇代表一个类别的营销方案内容；使用模糊聚类法和迭代计算法，计算营销方案内容特征数据与模糊中心之间的欧氏距离，并基于所述营销方案内容特征数据与模糊中心之间的欧氏距离，获取营销方案内容信息与模糊簇的隶属度；根据历史数据检索，对营销方案内容信息进行重要程度排序，得到营销方案内容信息排序表，基于所述营销方案内容信息排序表，对营销方案内容信息与模糊簇的隶属度进行更新，并对营销方案进行类别划分，得到不同类别的营销方案；获取新老用户的用户信息，所述新老用户的用户信息包括用户消费上限
、
用户消费兴趣度及用户的性别年龄；将所述新老用户的用户信息与不同类别的营销方案导入
CNN
神经网络中进行用户可行性分析，得到用户可行性分析结果，基于所述用户可行性分析结果，筛选获得不同用户的合适营销方案与不合适营销方案
。4.
根据权利要求1中所述的一种营销方案智能推送方法，其特征在于，所述在推送网站中，结合用户当前状态及营销方案条件，构建营销方案推送顺序，并基于所述营销方案推送
顺序向不同用户推送合适营销方案，具体为：在推送网站登陆界面设置调查问卷，并引导用户填写调查问卷，得到用户当前状态；实时获取商家现存营销物品的数量，并将所述商家现存营销物品的数量作为营销方案条件；基于所述营销方案条件，对不同用户的合适营销方案进行分析，若合适营销方案中需要的营销物品数量大于商家现存营销物品的数量，则将对应的合适营销方案定义为不可推送营销方案；结合所述用户当前状态，在卷积神经网络中对剩余的合适营销方案进行预测处理，得到可推送营销方案；获取可推送营销方案的热度，所述可推送营销方案的热度包括可推送营销方案的浏览次数及消费次数，基于所述可推送营销方案的热度，为不同用户构建可推送营销方案热度排序表；若用户为新用户，则在新用户对应的可推送营销方案热度排序表中基于热度降...

【专利技术属性】
技术研发人员：郑山桥，李凯，
申请(专利权)人：深圳数拓科技有限公司，
类型：发明
国别省市：