[發明專利]一種基于大數據分析的營銷方法

有效

• 申請號: 202211002693.9
• 申請日: 2022-08-22
• 公開（公告）號: CN115099878B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 高玲;朱建華;王冬健
• 申請（專利權）人: 南通領跑信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06K9/62
• 代理公司: 深圳政科創新專利代理事務所(普通合伙) 44880
• 代理人: 謝庚生

本發明涉及數據處理技術領域，具體涉及一種基于大數據分析的營銷方法，該方法基于消費者的歷史購物小票和當前購物小票獲取商超中每個消費者的歷史消費金額序列、目標消費金額序列和購物典型程度，進而結合商超的購物活躍差異度，組成每個消費者的消費特征向量；對消費特征向量進行篩選得到有效消費特征向量，獲取每個有效消費特征向量對應消費者的轉移置信度描述子，利用有效消費特征向量和對應的轉移置信度描述子對FCN預測網絡進行訓練，基于轉移置信度描述子的預測值進行推銷方式的推薦。通過FCN預測網絡以便精準為消費者進行自適應推銷方式的推薦，提高商超的營銷效果，增強消費者體驗感。

技術領域

本發明涉及數據處理技術領域，具體涉及一種基于大數據分析的營銷方法。

背景技術

目前網絡營銷的優惠較多，對于線下購物的用戶來說無法參與到互聯網平臺的補貼和互動中，從而難以提高用戶粘性和轉化率，進而出現用戶群體的割裂。現在線下購物的方式主要以超市和商場為主，許多超市和商場都會經常性的推出一定程度的折扣促銷手段，其中，優惠券或者滿減活動是最常用的一種促銷手段。

然而，由于優惠券的發放形式存在盲目發放，導致優惠券的丟棄，使得需要優惠券的消費者因為沒有拿到優惠券，做不到取其所需，其次是滿減活動的金額范圍比較大，導致滿減活動效果也大打折扣，最終導致營銷效果差等問題。

目前通過對優惠券的發放形式進行了改進，例如電子消費券，或將滿減活動所參與的商品范圍變大，但由于每個消費者的購物習慣不同，會存在促銷產品不能很大程度上滿足消費者需求，即對促銷產品不感興趣，進而降低了消費者的購物體驗感，浪費了折扣促銷資源。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種基于大數據分析的營銷方法，所采用的技術方案具體如下：

基于設定的品類數量統計每種品類的消費金額，得到當前消費者的當前購物小票所對應的目前消費金額序列和上一次購物小票所對應的歷史消費金額序列；基于當前購物小票對應采樣時刻下每個其他消費者的所述歷史消費金額序列獲取當前消費者的基準消費金額序列，結合所述基準消費金額序列和當前消費者的所述歷史消費金額序列計算當前消費者的購物典型程度；

在所述采樣時刻下統計商超的有效購物小票的歷史數量和實時數量，以計算商超在所述采樣時刻下的購物活躍差異度；結合當前消費者的目前消費金額序列、歷史消費金額序列、所述購物典型程度和商超的所述購物活躍差異度構成當前消費者的消費特征向量；在所述采樣時刻下獲取商超內所有消費者的所述消費特征向量以得到有效消費特征向量；

利用任意兩個有效消費特征向量之間的不相似程度對所有的消費者進行聚類，得到M個聚類簇，M為正整數，將當前消費者所在聚類簇中的其他消費者作為目標消費者，根據所有消費者的下一次聚類結果，分別統計每個聚類簇所包含的目標消費者的第一數量，將M個聚類簇的第一數量組成數量序列，對所述數量序列進行極差標準化得到當前消費者對應有效消費特征向量的轉移置信度描述子；

獲取每個有效消費特征向量的所述轉移置信度描述子，將有效消費特征向量中的所述歷史消費金額序列、所述購物典型程度和所述購物活躍差異度作為FCN預測網絡的輸入、所述轉移置信度描述子作為輸出，對所述FCN預測網絡進行訓練，利用訓練好的所述FCN預測網絡得到實時消費者的所述轉移置信度描述子的預測值，根據預測值對實時消費者進行推銷方式的推薦。

進一步的，所述基準消費金額序列的獲取方法，包括：

分別計算當前消費者與其他消費者對應所述歷史消費金額序列之間的余弦距離，將所述余弦距離作為相似度，對得到的相似度進行從高到低的排序，選取最高相似度所對應其他消費者的所述歷史消費金額序列和第K個相似度所對應其他消費者的所述歷史消費金額序列作為當前消費者的所述基準消費金額序列，K為正整數。

進一步的，所述購物典型程度的獲取方法，包括：