一种基于口碑趋势的AI智能营销推广策略生成方法与流程
本发明涉及电商营销数据处理,具体为一种基于口碑趋势的ai智能营销推广策略生成方法。
背景技术:
1、电商商品与消费品牌的营销推广依赖用户在评论区留下的口碑内容。电商平台的评论区集中了购买者对商品属性、使用体验与不足之处的自发表述,评论正文中的属性词与观点词组合构成用户对商品某个具体方面的评价,用户评分与评论发布时间记录了评价的强度与发生时刻。投放平台开放了类目人群标签库、关键词竞价接口与分时出价接口,运营人员据此设定投放关键词、人群包、出价与投放时段。
2、现有的营销推广策略生成方式以评论情感统计为主线:先对目标商品的评论做分词与情感分类,统计各个属性维度的正向提及量与负向提及量,按提及量降序排列得到卖点热度榜,再由运营人员从热度榜中挑选若干卖点,人工撰写投放关键词并按经验划定人群包与投放时段,投放周期与出价高低由运营人员依据当前热度数值判断。部分方式在此基础上引入移动平均或指数平滑,对提及量序列做平滑处理后取平滑值的环比变化作为趋势判据。
3、这种以目标商品自身评论的绝对提及量作为热度依据的方式,在叶子类目整体发生波动时会给出失真的判定结果。叶子类目的季节性变化、平台流量分配策略变化与行业性公共事件影响三类因素会同时作用于目标商品与该叶子类目内的全部同类商品,三类因素带来的提及量变化与目标商品自身卖点变化带来的提及量变化在单一序列上无法区分。防晒衣类目在入夏时段的透气相关表述提及量整体抬升,该抬升属于类目季节性变化,热度榜会把它读成目标商品的卖点上升,投放资源随之向该卖点集中,而目标商品在该卖点上相对同类商品并没有取得任何优势。
4、针对这种口碑数据驱动营销推广策略生成的情形,现有方法存在以下不足:第一,热度统计以目标商品自身评论的绝对提及量为依据,未剥离叶子类目的整体波动,季节性变化、平台流量分配策略变化与行业性公共事件影响带来的共同变化被误读为该商品卖点变化,投放方向随之偏移;第二,判定依据是当前时刻的热度数值或单一尺度斜率的绝对值,不同属性维度之间评论样本量可以跨越两个数量级,统一阈值无法适配,采用全类目统一阈值时低频属性维度的正常锯齿抖动会被判定为上升趋势,采用全体样本标准差归一时高频属性维度的真实趋势会被低频属性维度的波动拉平;第三,缺少对口碑要素生命周期的量化手段,移动平均与指数平滑的输出内容是历史数据的平滑值,只能描述截至当前时刻的走势,无法给出该走势在未来还能持续多少个时间窗口,投放周期的设定依赖运营人员的经验判断,经验判断会出现卖点已经饱和后继续维持高位出价与卖点仍有较长上升期时提前收缩预算两类偏差;第四,投放关键词由运营人员从评论文本中人工挑选,人工挑选偏向已经形成规模的成熟卖点,对处于上升初期的口碑要素不敏感,且正向表述与负向表述一并转化为投放关键词,负向表述进入竞价后买来的流量与商品实际能力不符,转化数据回落又干扰下一轮的热度统计。
5、因此,需要一种能够剥离叶子类目整体波动、把不同样本量级的评价对象置于同一判定尺度、量化口碑要素剩余上升空间,并据此生成投放执行参数的方法,以使营销推广策略的生成依据从当前热度的高低转换为该热度还能维持多久。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于口碑趋势的ai智能营销推广策略生成方法。
2、为实现以上目的,本发明通过以下技术方案予以实现:一种基于口碑趋势的ai智能营销推广策略生成方法,所述方法包括:
3、s1:通过多源评论采集获取目标商品评论集合与类目对照商品评论集合,再通过属性观点二元组抽取把每条评论正文解析为属性词与观点词成对的属性观点二元组,并通过情感极性标注为每个属性观点二元组挂接极性标签,得到带极性标签与时间戳的属性观点二元组集合;
4、s2:以步骤s1得到的属性观点二元组集合为输入,先通过时间窗口划分把属性观点二元组集合切分为观测窗口序列,再通过窗口提及强度计算得到目标商品提及强度序列与类目对照提及强度序列,并通过对照序列对齐处理稀疏窗口与独有要素,最后通过净趋势序列构建,由目标商品提及强度序列的对数变化量减去类目对照提及强度序列的对数变化量得到净趋势序列;
5、s3:以步骤s2得到的净趋势序列为输入,先通过多尺度斜率估计在短窗、中窗与长窗三个尺度上做最小二乘直线拟合,得到短窗斜率、中窗斜率与长窗斜率,再通过自身波动幅度归一,以该属性观点二元组自身历史斜率样本的标准差作为归一分母,得到短窗上升度、中窗上升度与长窗上升度,最后通过拐点候选标记,对三个上升度依次执行同号性检验、量级递增检验与稀疏窗口检验,三项检验全部通过的属性观点二元组写入候选清单,任一项检验未通过的属性观点二元组转入常规口碑要素池;
6、s4:以步骤s3得到的候选清单为输入,先通过上升曲线拟合,对累积净趋势序列做逻辑斯蒂增长函数拟合得到饱和规模、内在增长率与曲线中点时刻,再通过传播阶段判定得到传播阶段,并通过剩余上升窗口计算得到剩余上升窗口时长,随后通过要素置信度分级得到置信度分级,最后通过衰减要素排除剔除不合格的拐点候选要素,输出上升期要素清单;
7、s5:以步骤s4得到的上升期要素清单为输入,先通过要素人群映射得到试探人群包、主力人群包、跟随人群包与维护人群包四层人群包,再通过关键词与否定词生成得到投放关键词与否定关键词,并通过出价与预算联合分配,由剩余上升窗口时长与短窗上升度共同计算得到出价系数与渠道预算分配比例,最后通过投放时段排布得到分时出价乘数,联合输出投放执行参数集。
8、本发明提供了一种基于口碑趋势的ai智能营销推广策略生成方法。具备以下有益效果:
9、(1)本发明把目标商品与叶子类目内销量排序位于前列的同类商品两组评论数据置于同一观测窗口体系下,以两条提及强度序列的对数变化量相减构建净趋势序列,把叶子类目的季节性变化、平台流量分配策略变化与行业性公共事件影响三类共同因素从目标商品的口碑变化中消去,克服了现有技术以目标商品自身评论的绝对提及量作为热度依据、把类目整体波动误读为该商品卖点变化的缺陷,使后续判定只针对目标商品相对于叶子类目整体的超额变化;同时提及强度取相对提及率,促销活动带来的评论总量整体激增在比值运算中被约掉,净趋势序列只保留口碑结构的变化。
10、(2)本发明以属性观点二元组自身历史斜率样本的标准差作为归一分母,把三个尺度的斜率转换为短窗上升度、中窗上升度与长窗上升度,使评论样本量跨越两个数量级的属性观点二元组处在同一判定尺度上,并以三个上升度的同号性关系与量级递增关系联合判定拐点候选要素,弥补了现有技术采用全类目统一阈值或全体样本标准差归一、低频属性维度的正常锯齿抖动被判定为上升趋势的不足;在此基础上对累积净趋势序列做逻辑斯蒂增长函数拟合,输出饱和规模、内在增长率与曲线中点时刻三个过程参数,由三个过程参数推算剩余上升窗口时长,把投放周期的设定依据从当前热度的高低转换为该热度还能维持多久,避免了卖点饱和后继续维持高位出价与卖点仍有较长上升期时提前收缩预算两类偏差。
11、(3)本发明以剩余上升窗口时长与短窗上升度的乘积形式构建出价系数,两个因子中任一个趋近于零时出价系数整体趋近于零,使剩余窗口短或上升幅度小的上升期要素不占用高出价空间,出价系数的取值方向与常规投放中热度数值越高出价越高的方向相反;同时按极性标签把上升期要素清单分为正向要素组与负向要素组,正向要素组走投放分层路径并进入四层人群包,负向要素组走防御分层路径并转化为否定关键词与防御人群包,取代了现有技术中正向表述与负向表述一并转化为投放关键词、负向表述进入竞价的做法;此外,评论发布时间经平移量为六个小时的循环平移校正后还原为商品使用时间的分布,投放时段对齐商品使用时间而非评论撰写时间,使分时出价乘数的分配依据与用户的实际使用场景一致。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com