[發(fā)明專利]基于深度學習的商戶信息數(shù)據(jù)處理方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010070878.8
• 申請日: 2020-01-21
• 公開（公告）號: CN111539782A
• 公開（公告）日: 2020-08-14
• 發(fā)明（設計）人: 錢秦篆;費志軍;邱雪濤
• 申請（專利權）人: 中國銀聯(lián)股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 臧霽晨;姜冰

本發(fā)明涉及基于深度學習的商戶信息數(shù)據(jù)處理方法及其系統(tǒng)。該方法包括：預先收集商戶LOGO圖像數(shù)據(jù)并對LOGO圖像數(shù)據(jù)進行標注，將標注數(shù)據(jù)輸入到深度學習網(wǎng)絡進行訓練并獲得深度學習網(wǎng)絡模型；拍攝商戶LOGO圖像，將LOGO圖像數(shù)據(jù)輸入到深度學習網(wǎng)絡模型中進行LOGO識別，以商戶LOGO圖像為目標進行跟蹤以及動畫渲染，對于可識別LOGO圖像，根據(jù)識別結果向用戶投放折扣券；對預先登記的商戶數(shù)據(jù)以及用戶刷卡數(shù)據(jù)進行數(shù)據(jù)處理，使得對齊用戶識別得到的商戶LOGO圖像和預先登記的商戶數(shù)據(jù)，并基于第二深度學習網(wǎng)絡對商戶數(shù)據(jù)進行排序和推薦。根據(jù)本發(fā)明，能夠提高營銷決策的準確性，減少人力和時間成本。

技術領域

本發(fā)明涉及計算機技術，具體地涉及一種用于基于深度學習的商戶信息數(shù)據(jù)處理方法以及商戶信息數(shù)據(jù)處理系統(tǒng)。

背景技術

大數(shù)據(jù)時代，用戶數(shù)據(jù)的獲取、用戶行為的分析對企業(yè)的營銷和市場策略有重要的輔助決策價值。目前，大部分企業(yè)收集數(shù)據(jù)的渠道有限，多數(shù)建立在常見的用戶交易和用戶交互基礎上，數(shù)據(jù)的規(guī)模和靈活性有待提高。利用人工智能和大數(shù)據(jù)進行精準營銷和市場定位，依賴于多樣的數(shù)據(jù)來源、準確的數(shù)據(jù)信息和數(shù)據(jù)處理算法。因此，如何擴展數(shù)據(jù)來源，提高運用數(shù)據(jù)的能力和豐富數(shù)據(jù)資產是企業(yè)發(fā)展的重要課題。

電子商務支付類產品營銷中，從用戶角度和商戶角度，目前的數(shù)據(jù)獲取和營銷決策有以下方式：

（1）用戶行為和特征信息的獲取主要有以下兩種渠道：

通過銀行卡刷卡行為或電子支付記錄獲取用戶消費信息；

通過電子支付、電子商務類等APP的信息和使用行為獲取 用戶消費記錄和消費特征。

（2）針對用戶的營銷策略主要有以下幾種形式：

網(wǎng)絡營銷：通過多種網(wǎng)絡平臺推廣產品和活動信息。如：網(wǎng)絡視頻營銷、基于APP營銷、博客營銷、網(wǎng)絡整合營銷、社交媒體營銷、基于用戶位置信息進行個性化推薦等。

廣告營銷：在線上和線下針對目標受眾投入廣告進行營銷。

促銷營銷：使用階梯價格、降價、打折、折扣券等形式吸引用戶，刺激消費行為。

（3）商戶信息的獲取主要通過企業(yè)和商戶合作的方式，或通過商戶在工商部門的注冊信息獲取。

（4）商戶合作和商戶定位包含以下幾種方式：

利用大數(shù)據(jù)技術，在海量數(shù)據(jù)基礎上進行智能決策，挑選合作商戶以及對商戶進行精準營銷定位；

針對特定類型、特定品牌、固定規(guī)模和知名度的商戶進行特約合作；

與某一區(qū)域或某一條件范圍內商戶進行廣泛合作。

目前，現(xiàn)有技術存在的問題有：

（1）收集的商戶數(shù)據(jù)與用戶數(shù)據(jù)無法匹配，難以獲得精準的用戶和商戶信息，影響企業(yè)數(shù)據(jù)準確性。以銀聯(lián)獲取的數(shù)據(jù)為例，銀聯(lián)目前獲取到大量商戶的入網(wǎng)注冊信息，如商戶注冊名等。然而，在很多情形下，商戶注冊名與商戶名并不匹配。例如用戶刷卡或使用電子平臺支付時，支付信息與消費場所的商戶名不同。大規(guī)模無法匹配的數(shù)據(jù)導致用戶消費行為和喜好等特征無法描繪，進而影響智能營銷決策對合作商戶的定位和挖掘。除此以外，對銀聯(lián)內部的數(shù)據(jù)資產而言，不匹配數(shù)據(jù)對后續(xù)的業(yè)務開展和數(shù)據(jù)運用有很大的局限性。

（2）在商戶合作和定位中，傳統(tǒng)的決策方案忽視用戶的喜好和消費行為等特征，往往無法精準挖掘合作商戶和定位商戶類型，缺點之一是（1）中提及的無法匹配數(shù)據(jù)的問題，另一個缺點是以企業(yè)和商戶合作方式獲取商戶信息耗費巨大的人力和時間成本。