一种优惠券派发方法、电子设备及存储介质与流程

本申请涉及互联网数据处理与智能营销，尤其涉及一种优惠券派发方法、电子设备及存储介质。

背景技术：

1、随着电子商务与数字营销的快速发展，优惠券作为一种重要的促销工具，被广泛应用于拉新、促活、提升复购及清理库存等场景。为了在激烈的市场竞争中提升营销投入产出比，行业内逐渐从粗放式的普发优惠券模式转向基于大数据分析的定向派发优惠券模式。

2、目前，优惠券派发的方式主要依赖于以下实现方式：一种方式是基于人工经验设定固定的派发规则，例如针对所有浏览某品类的用户发放同一张满减券。另一种方式是利用机器学习算法构建预测模型，根据用户的历史行为特征（如最近一次购买时间、购买频率、消费金额等）预测用户的购买概率，进而筛选出符合条件的用户进行优惠券推送。

3、但是，通过上述方法推送的优惠券的核销率与转化率低下。

技术实现思路

1、本申请提供一种优惠券派发方法、电子设备及存储介质，用于提升推送的优惠券的核销率与转化率。

2、第一方面，本申请提供一种优惠券派发方法，包括：获取用户的多源行为数据；基于多源行为数据，构建用户画像信息；其中，用户画像信息用于描述用户的消费偏好；基于用户画像信息、活动配置信息和大语言模型，得到优惠券派发策略；其中，活动配置信息用于对优惠券派发的活动进行约束；执行优惠券派发策略。

3、本申请提供的技术方案至少带来以下有益效果：通过获取用户的多源行为数据，并根据多源行为数据，构建用于描述用户的消费偏好的用户画像信息，之后，根据用户画像信息、用于对优惠券派发的活动进行约束的活动配置信息和大语言模型，得到优惠券派发策略并执行优惠券派发策略。该方法利用大语言模型强大的语义理解与推理能力，实现了用户消费偏好与复杂业务约束的耦合，生成的优惠券派发策略具备较高的匹配度，降低了无效派发优惠券的概率。同时，通过精准匹配用户需求与优惠券资源，可以提高用户体验，还可以提升推送的优惠券的核销率与转化率。

4、在一些实施例中，基于多源行为数据，构建用户画像信息，包括：对多源行为数据进行标准化处理，得到基础特征集合；基于基础特征集合，得到用户画像信息。

5、在一些实施例中，基于用户画像信息、活动配置信息和大语言模型，得到优惠券派发策略，包括：基于用户画像信息和活动配置信息，生成上下文信息；将上下文信息和提示词模版输入至大语言模型，得到优惠券派发策略；其中，提示词模版包括以下至少一项：用户特征描述、营销目标描述、优惠券资源约束条件、禁止策略条件、输出格式约束条件。

6、在一些实施例中，基于用户画像信息、活动配置信息和大语言模型，得到优惠券派发策略，包括：基于用户画像信息、活动配置信息和大语言模型，得到至少一个候选优惠券派发策略；其中，候选优惠券派发策略包括以下至少一项：优惠券类型、面额、发放时机、触达渠道、触达文案、优先级参数；对至少一个候选优惠券派发策略进行校验，得到校验通过的候选优惠券派发策略；根据强化学习策略对校验通过的候选优惠券派发策略进行评分，选取评分最高的校验通过的候选优惠券派发策略作为优惠券派发策略。

7、在一些实施例中，在执行优惠券派发策略之后，还包括：接收用户的反馈行为数据；其中，反馈行为数据至少包括以下一项：领取行为、点击行为、打开行为、核销行为、下单行为、退单行为、复购行为、流失行为；基于反馈行为数据对强化学习策略的参数、大语言模型的参数和大语言模型的提示词模版中的至少一项进行迭代更新。

8、在一些实施例中，多源行为数据包括以下至少一项：用户基本信息、浏览行为数据、搜索行为数据、加购行为数据、下单行为数据、支付行为数据、退单行为数据、历史领券记录、核销记录、活动参与记录、渠道来源信息。

9、在一些实施例中，活动配置信息包括以下一项：优惠券资源信息、业务目标信息、活动约束信息；其中，优惠券资源信息包括以下至少一项：优惠券类型、面额、满减门槛、适用范围、有效期限、发放总量、活动预算、叠加规则、领取频次限制；业务目标信息包括以下至少一项：拉新目标、促活目标、转化目标、复购目标、留存目标、库存消耗目标、客单提升目标；活动约束信息包括以下至少一种：预算约束、时间约束、频次约束、渠道约束、风控约束、库存约束、适用范围约束、叠加规则约束、活动规则约束。

10、在一些实施例中，用户画像信息包括以下至少一项：用户身份标签、行为标签、意图标签、价值标签、风险标签。

11、第二方面，本申请提供一种优惠券派发装置，包括：采集单元、处理单元和执行单元；采集单元，用于获取用户的多源行为数据；处理单元，用于基于多源行为数据，构建用户画像信息；其中，用户画像信息用于描述用户的消费偏好；处理单元，还用于基于用户画像信息、活动配置信息和大语言模型，得到优惠券派发策略；其中，活动配置信息用于对优惠券派发的活动进行约束；执行单元，用于执行优惠券派发策略。

12、在一些实施例中，处理单元，具体用于对多源行为数据进行标准化处理，得到基础特征集合；基于基础特征集合，得到用户画像信息。

13、在一些实施例中，处理单元，具体用于基于用户画像信息和活动配置信息，生成上下文信息；将上下文信息和提示词模版输入至大语言模型，得到优惠券派发策略。

14、在一些实施例中，处理单元，具体用于基于用户画像信息、活动配置信息和大语言模型，得到至少一个候选优惠券派发策略；其中，候选优惠券派发策略包括以下至少一项：优惠券类型、面额、发放时机、触达渠道、触达文案、优先级参数；对至少一个候选优惠券派发策略进行校验，得到通过校验的候选优惠券派发策略；根据强化学习策略对通过校验的候选优惠券派发策略进行评分，选取评分最高的校验通过的候选优惠券派发策略作为优惠券派发策略。

15、在一些实施例中，处理单元，具体用于接收用户的反馈行为数据；其中，反馈行为数据至少包括以下一项：领取行为、点击行为、打开行为、核销行为、下单行为、退单行为、复购行为、流失行为；基于反馈行为数据对强化学习策略的参数、大语言模型的参数和大语言模型的提示词模版中的至少一项进行迭代更新。

16、第三方面，本申请提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面的方法。

17、第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质包括：计算机软件指令；当计算机软件指令在电子设备中运行时，使得电子设备实现上述第一方面的方法。

18、第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机程序；当计算机程序在电子设备中运行时，使得所述电子设备实现上述第一方面的方法。

19、上述第二方面至第五方面的有益效果参考第一方面的对应描述，不再赘述。

1.一种优惠券派发方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述多源行为数据，构建用户画像信息，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户画像信息、活动配置信息和大语言模型，得到优惠券派发策略，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述上下文信息和提示词模版输入至大语言模型，得到优惠券派发策略，包括：

5.根据权利要求1所述的方法，其特征在于，在所述执行所述优惠券派发策略之后，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述多源行为数据包括以下至少一项：

7.根据权利要求1所述的方法，其特征在于，所述活动配置信息包括以下一项：

8.根据权利要求1所述的方法，其特征在于，所述用户画像信息包括以下至少一项：

9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器耦合；所述存储器用于存储计算机指令，所述计算机指令由所述处理器加载并执行以使计算机设备实现如权利要求1至8中任一项所述的优惠券派发方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行权利要求1至8任一项所述的优惠券派发方法。