[發明專利]基于用戶畫像的營銷方法及系統

在審

• 申請號: 201710833409.5
• 申請日: 2017-09-15
• 公開（公告）號: CN107507042A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 高文倩;黎娜;江文;謝文丹;陸昀
• 申請（專利權）人: 攜程計算機技術（上海）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/04
• 代理公司: 上海弼興律師事務所31283
• 代理人: 薛琦,羅朗

技術領域

本發明涉及營銷技術領域，特別涉及一種基于用戶畫像的營銷方法及系統。

背景技術

現有的營銷模式主要是通過向用戶發放優惠券來刺激用戶進行消費，從而提高用戶訂單量等。現有的優惠券發放策略一般是采用普發優惠券的方式，但是，由于該優惠券發放策略也會將優惠券發送給本來就有意愿下單消費的用戶，從而造成不能達到提升訂單轉化的目的，甚至還會造成收益虧損的情況。

發明內容

本發明要解決的技術問題是為了克服現有技術的采用普發優惠券的營銷模式，存在不能達到提升訂單轉化的目的，甚至還會造成收益虧損等缺陷，目的在于提供一種基于用戶畫像的營銷方法及系統。

本發明是通過下述技術方案來解決上述技術問題：

本發明提供一種基于用戶畫像的營銷方法，所述營銷方法包括：

S1、獲取用戶數據，所述用戶數據包括用戶畫像數據；

S2、通過決策樹算法或XGBoost(一種機器學習算法)算法對所述用戶數據進行處理，建立用戶下單概率預測模型；

S3、根據所述用戶下單概率預測模型預測用戶的下單概率；

S4、根據所述用戶的下單概率向用戶發送對應的營銷內容。

較佳地，步驟S2之前還包括：

判斷用戶是否安裝競品以及是流失用戶還是活躍用戶，在判斷用戶未安裝競品且是流失用戶時，或在判斷用戶安裝競品且是流失用戶時，根據所述決策樹算法對所述用戶數據進行處理，建立離線用戶下單概率預測模型；

在判斷用戶安裝競品且是活躍用戶時，根據所述XGBoost算法對所述用戶數據進行處理，建立線上用戶下單概率預測模型。

較佳地，步驟S2之前還包括：

在判斷用戶未安裝競品且是活躍用戶時，判斷用戶是否是黃牛用戶，在判斷用戶不是黃牛用戶時，繼續判斷用戶是否是高頻用戶，在判斷為否時，發送階梯復購券給用戶；

所述階梯復購券表征當用戶復購次數越多，獲得的優惠券折扣越優惠的情況。

較佳地，步驟S4具體包括：

判斷所述用戶的下單概率是否低于設定閾值，在判斷為是時，發送營銷內容給所述用戶；

所述營銷內容包括發送優惠券、發送促銷活動信息和服務保障中的至少一種。

較佳地，建立所述離線用戶下單概率預測模型的所述用戶數據包括用戶歷史瀏覽數據、用戶歷史訂單數據和用戶畫像數據中的至少一種；

所述用戶畫像數據包括用戶對優惠券的敏感度信息、用戶偏好信息、用戶消費能力信息、用戶大方小氣程度信息、用戶價值信息和用戶的活躍度信息中的至少一種；

建立所述線上用戶下單概率預測模型的所述用戶數據包括所述用戶歷史瀏覽數據、所述用戶歷史訂單數據、所述用戶畫像數據、用戶實時瀏覽數據、用戶實時訂單數據、用戶入住酒店歷史數據、用戶入住酒店實時數據、三方和競品實時數據和用戶訂購火車票或機票實時數據中的至少一種；

所述用戶入住酒店歷史數據包括酒店歷史銷售量數據、酒店等級歷史數據和酒店歷史住房價格數據中的至少一種；

所述用戶入住酒店實時數據包括酒店實時銷售量數據、酒店等級實時數據和酒店實時住房價格數據中的至少一種。

本發明還提供一種基于用戶畫像的營銷系統，所述營銷系統包括獲取單元、處理單元、預測單元和發送單元；

所述獲取單元用于獲取用戶數據，所述用戶數據包括用戶畫像數據；

所述處理單元用于通過決策樹算法或XGBoost算法對所述用戶數據進行處理，建立用戶下單概率預測模型；

所述預測單元用于根據所述用戶下單概率預測模型預測用戶的下單概率；

所述發送單元用于根據所述用戶的下單概率向用戶發送對應的營銷內容。

較佳地，所述營銷系統還包括第一判斷單元；

所述第一判斷單元用于判斷用戶是否安裝競品以及是流失用戶還是活躍用戶，在判斷用戶未安裝競品且是流失用戶時，或在判斷用戶安裝競品且是流失用戶時，調用所述處理單元；

所述處理單元用于根據所述決策樹算法對所述用戶數據進行處理，建立離線用戶下單概率預測模型；

所述第一判斷單元在判斷用戶安裝競品且是活躍用戶時，繼續調用所述處理單元；

所述處理單元還用于根據所述XGBoost算法對所述用戶數據進行處理，建立線上用戶下單概率預測模型。

較佳地，所述營銷系統還包括第二判斷單元；