【技术实现步骤摘要】
本专利技术属于智能投放，尤其涉及一种卷烟货源精准投放方法及系统。
技术介绍
1、随着社会经济的发展和人们生活水平的提高，卷烟消费市场呈现出潜力巨大的发展前景。然而，如何合理、高效地投放卷烟货源成为了一个重要的问题。
2、随着大数据分析和人工智能等技术的发展与日益成熟，很多行业都迎来了巨大的变革和机遇。卷烟消费市场作为一个庞大而复杂的市场，也可以通过引入这些前沿技术来实现更加合理、高效的卷烟货源投放。
3、利用大数据分析技术，对卷烟消费市场进行深入的数据挖掘和分析。通过收集和分析用户画像、区域最大收益等信息，可以对市场需求进行精准预测和分析。结合人工智能技术，建立智能化的卷烟货源投放系统。利用机器学习技术，对市场消费潜力进行预测分析，从而提供精确的卷烟货源投放建议。
4、然而，在现有技术中，利用机器学习采用的特征影响因素过于复杂，在利用机器学习的过程中，多采用广撒网，未对影响卷烟投放的主因进行应用场景地精细化模型修正处理，使得模型泛化能力较差，且未利用历史收益数据结合品牌信息和地区人物画像结合特征向量进行处理得到卷烟投放精准方案。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种卷烟货源精准投放方法及系统。
2、在本专利技术的第一个方面，提供了一种卷烟货源精准投放方法，其特征在于，所述方法包括：
3、a1、获取卷烟投放地区的历史最大投放效益参数、第一卷烟品牌信息参数以及第一区域人物画像数据，并获取此时对应投放的历史
4、a2、将所述历史最大投放效益参数、所述第一卷烟品牌信息参数以及所述第一区域人物画像数据结合得到第一卷烟投放特征；
5、a3、根据所述第一卷烟投放特征和所述历史卷烟投放数据共同构建卷烟货源精准投放模型；
6、a4、接收待投放目标区域的实时最大投放效益参数、第二卷烟品牌信息参数以及第二区域人物画像数据，将所述实时最大投放效益参数、所述第二卷烟品牌信息参数以及所述第二区域人物画像数据结合得到第二卷烟投放特征，利用所述卷烟货源精准投放模型对所述第二卷烟投放特征进行处理生成实时卷烟投放数据，根据所述实时卷烟投放数据，协助进行卷烟货源精准投放。
7、进一步地，所述历史最大投放效益参数或实时最大投放效益参数bh为地区卷烟投放历史工时成本或地区卷烟投放实时工时成本cwh，历史物流成本或实时物流成本cfh，历史购烟成本或实时购烟成本cbh以及历史卷烟出售收益或实时卷烟出售收益bsh计算得到；
8、所述第一卷烟品牌信息参数或所述第二卷烟品牌信息参数为卷烟的品牌知名度，设定为卷烟门店出售单价大于100或小于30为高知名度，特征向量值表示为1，卷烟门店出售单价小于等于100大于等于30为一般知名度，特征向量值表示为0。
9、进一步地，所述第一区域人物画像数据或所述第二区域人物画像数据根据区域人物吸烟平均烟龄y以及区域人物吸烟频次p，单位为次/每天来确定。
10、进一步地，所述卷烟货源精准投放模型采用神经网络模型，所述神经网络模型为dnn卷积神经网络模型或改进的cnn卷积神经网络模型。
11、还提供了一种卷烟货源精准投放系统，包括卷烟精准投放数据获取终端和卷烟投放平台终端，其特征在于：
12、所述卷烟精准投放数据获取终端包括卷烟效益数据收集模块、卷烟生产终端模块以及人物画像采集模块；
13、所述卷烟投放平台终端包括卷烟货源精准投放模型构建模块，卷烟货源投放模块；
14、所述卷烟效益数据收集模块：连接卷烟投放平台终端获取卷烟投放地区的历史最大投放效益参数并接收待投放目标区域的实时最大投放效益参数；
15、所述卷烟生产终端模块：获取第一卷烟品牌信息参数，还获取第二卷烟品牌信息参数；
16、所述人物画像采集模块：获取第一区域人物画像数据，还获取第二区域人物画像数据；
17、所述卷烟货源精准投放模型构建模块：将所述历史最大投放效益参数、所述第一卷烟品牌信息参数和所述第一区域人物画像数据结合得到第一卷烟投放特征，还将所述实时最大投放效益参数、所述第二卷烟品牌信息参数和所述第二区域人物画像数据结合得到第二卷烟投放特征，并利用所述第一卷烟投放特征以及从所述卷烟货源投放模块获取的历史卷烟投放数据构建卷烟货源精准投放模型；
18、所述卷烟货源投放模块：获取所述此时历史最大投放效益参数对应的历史卷烟投放数据，还根据所述第二卷烟投放特征输入至所述卷烟货源精准投放模型得到的实时卷烟投放数据，协助进行卷烟货源精准投放。
19、进一步地，所述历史最大投放效益参数或实时最大投放效益参数bh为地区卷烟投放历史工时成本或地区卷烟投放实时工时成本cwh，历史物流成本或实时物流成本cfh，历史购烟成本或实时购烟成本cbh以及历史卷烟出售收益或实时卷烟出售收益bsh计算得到；
20、所述第一卷烟品牌信息参数或所述第二卷烟品牌信息参数为卷烟的品牌知名度，设定为卷烟门店出售单价大于100或小于30为高知名度，特征向量值表示为1，卷烟门店出售单价小于等于100大于等于30为一般知名度，特征向量值表示为0。
21、进一步地，所述第一区域人物画像数据或所述第二区域人物画像数据根据区域人物吸烟平均烟龄y以及区域人物吸烟频次p，单位为次/每天来确定。
22、进一步地，所述卷烟货源精准投放模型采用神经网络模型，所述神经网络模型为dnn卷积神经网络模型或改进的cnn卷积神经网络模型。
23、本专利技术通过利用改进的深度学习模型，将特征影响因素限制在少数几个主要特征向量，在利用深度学习模型的过程中，采用精细化特征处理，对影响卷烟投放的主因进行特定应用场景地精细化模型修正处理，对影响模型精准预测投放能力的激活函数进行针对性地输入特征自动化处理，使得模型泛化能力增强，且利用了历史收益数据结合品牌信息和地区人物画像结合特征向量进行处理得到卷烟投放精准方案，本专利技术利用改进深度学习模型得出的投放方案使得卷烟投放的工作效率提升，降低卷烟库存压力，提高周转率，促进卷烟市场状态向好，还提高了零售门店客户的满意度。
24、本专利技术的更多实施例和改进效果将结合附图和具体实施例进一步介绍。
本文档来自技高网...【技术保护点】
1.一种卷烟货源精准投放方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
3.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
4.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
5.一种卷烟货源精准投放系统，包括卷烟精准投放数据获取终端和卷烟投放平台终端，其特征在于：
6.如权利要求5所述的一种卷烟货源精准投放系统，其特征在于：
7.如权利要求6所述的一种卷烟货源精准投放系统，其特征在于：
8.如权利要求7所述的一种卷烟货源精准投放系统，其特征在于：
【技术特征摘要】
1.一种卷烟货源精准投放方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
3.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
4.如权利要求1所述的一种卷烟货源精准投放方法，其特征在于：
5.一种卷...
【专利技术属性】
技术研发人员：李伟涛，郭宏敏，谢东文，陈洁妹，刘曙丹，黄哲妮，谢创秋，林思思，郑婷婷，王丹妮，宋劲贤，宋正华，卢桂萍，
申请(专利权)人：广东烟草汕头市有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。