基于端到端大模型的线下零售营销内容生成方法及系统与流程

摘要: 本发明涉及人工智能与零售营销交叉,具体涉及一种基于端到端大模型的线下零售营销内容生成方法及系统。背景技术:1、目前,线下零售场景中的智能营销内容生成方案主要依赖...
基于端到端大模型的线下零售营销内容生成方法及系统与流程

本发明涉及人工智能与零售营销交叉,具体涉及一种基于端到端大模型的线下零售营销内容生成方法及系统。

背景技术:

1、目前,线下零售场景中的智能营销内容生成方案主要依赖于多级流水线架构。现有技术中存在一种多级流水线方案,其流程为:首先通过摄像装置采集顾客个体图像,执行个体人脸识别与特征提取,生成包含顾客性别、年龄等标签的结构化文本;随后将该结构化标签文本附加到预设的问询文本中,输入至生成式 ai 模型以产出营销内容。此类方案存在以下显著缺陷:第一,个体人脸识别与特征提取过程涉及个人身份信息的采集与处理,在隐私合规层面面临较高的法律风险,尤其在 gdpr、个人信息保护法等法规日趋严格的背景下,该缺陷尤为突出。第二,多级流水线架构中,“结构化标签提取” 和 “意图解析” 作为独立的中间步骤存在,不仅引入了额外的处理时延,还导致中间数据需要独立存储与调用,进一步增加了数据泄露风险。第三,现有方案缺乏对跨自然日的营销归因核算机制。线下零售的营销活动存续周期通常跨越多个自然日,消费者在首日看到营销内容、次日才产生购买行为的情况十分常见。现有方案无法将跨自然日的曝光与成交有效关联,导致营销 roi 难以准确评估。针对上述问题,亟需一种兼顾隐私合规、实时性与跨日归因准确性的线下零售营销内容生成方案。

技术实现思路

1、本发明的目的在于克服现有技术中线下零售营销内容生成流程冗长、隐私合规风险高、跨自然日归因不准确的缺陷,提供一种基于端到端大模型的线下零售营销内容生成方法及系统。

2、本发明通过群体统计分析后即时清除人脸图像、将聚合结果直接嵌入结构化提示词输入端到端大模型、跳过独立的结构化标签提取和意图解析步骤,实现全链路端到端处理;同时采用预设衰减函数结合营销活动标识硬匹配,完成跨自然日的精准归因核算。

3、有益效果

4、本发明与现有技术相比具有以下有益效果: (1)隐私合规性强:采用群体匿名统计结合边缘端即时销毁人脸图像的架构,原始人脸图像全程不离开门店本地网络、不落地存储,从技术层面规避了个体人脸识别带来的个人信息处理风险; (2)端到端时延低:通过结构化提示词直接输入端到端大模型,省略了独立的结构化标签提取和意图解析中间步骤,大幅缩短从客流采集到营销内容生成的全链路时延,适配线下零售场景的实时响应需求; (3)跨日归因准确:采用营销活动标识硬匹配优先、时间衰减函数兜底的双层归因机制,结合分段式衰减权重,可精准核算跨自然日长周期的营销转化贡献,提升营销 roi 测算的准确性。

1.一种基于端到端大模型的线下零售营销内容生成方法,其特征在于,包括以下步骤:

2.根据权利要求 1 所述的方法,其特征在于:所述端到端大模型为预训练的生成式模型,包括但不限于transformer架构网络、扩散模型、视觉-语言联合模型、状态空间模型中的任意一种或多种的组合,所述端到端大模型被配置为:至少接收文本输入,并直接输出营销内容,所述营销内容包含文本、图像、音频、视频中的一种或多种模态。

3.根据权利要求 1 所述的方法,其特征在于:步骤 s2 中,所述结构化提示词为五段式上下文提示词,依次包括角色设定段、场景描述段、受众群体特征段、营销目标段、输出格式约束段;其中,所述受众群体特征段填入基于群体统计分析得到的性别分布占比和人数规模分级结果。

4.根据权利要求 1 所述的方法,其特征在于:所述人数规模分级为三级分级,包括稀疏级、常态级、密集级;其中,稀疏级为同时段受众人数不大于 3 人,常态级为同时段受众人数 4 至 15 人,密集级为同时段受众人数不小于 16 人。在营销活动存续期间,所述结构化提示词根据实时群体统计结果进行动态更新,而非仅基于初始统计结果生成一次;其中,所述动态更新包括:当实时采集到的受众图像的群体统计分析结果发生变化时,基于变化后的性别分布占比和 / 或人数规模分级重新构建结构化提示词,并将重新构建的结构化提示词输入至端到端大模型以生成更新后的营销内容。

5.根据权利要求 1 所述的方法,其特征在于:步骤 s4 中,所述预设衰减函数选自以下函数族中的任意一种:指数函数:w (t)=e^{-λt},其中 λ 为衰减系数;半衰期函数:w(t)=0.5^{t/t_{1/2}},其中 t_{1/2} 为半衰期;反正切函数:w (t)=2/π・arctan (k/t),其中 k 为尺度系数;

6.根据权利要求 1 所述的方法,其特征在于:所述方法由部署于线下零售物理空间本地的边缘计算设备执行,所述边缘计算设备包括具备 npu 加速的嵌入式主板、具备 gpu算力的工业计算机、或集成 ai 加速芯片的视觉处理盒子中的任意一种或多种组合;所述摄像装置通过本地有线或无线方式与所述边缘计算设备通信连接;所述端到端大模型的推理过程在所述边缘计算设备的本地算力上完成,或通过与本地边缘计算设备网络连通的大模型服务网关调用完成,所述大模型服务网关包括以下任意一种:私有化部署于企业内网的大模型推理服务、经企业内网代理转发的公有云大模型 api 服务、或通过边缘计算节点就近调用的边缘大模型网关服务。

7.根据权利要求 6 所述的方法,其特征在于:所述端到端大模型为通过大模型服务网关调用的公有云大模型 api,所述公有云大模型 api 为支持文本输入、输出多模态营销内容的公有云生成式大模型应用程序接口;所述结构化提示词作为文本输入通过 https 协议发送至所述公有云大模型 api,原始人脸图像不离开所述边缘计算设备。

8.一种基于端到端大模型的线下零售营销内容生成系统,其特征在于,包括:

9.根据权利要求 8 所述的系统,其特征在于:所述端到端大模型的推理过程在所述边缘计算设备的本地算力上完成,或通过与本地边缘计算设备网络连通的大模型服务网关调用完成,所述大模型服务网关包括以下任意一种:私有化部署于企业内网的大模型推理服务、经企业内网代理转发的公有云大模型 api 服务、或通过边缘计算节点就近调用的边缘大模型网关服务。

10.根据权利要求 8 所述的系统,其特征在于:所述归因核算模块还被配置为:当跨自然日消费成交事件无法通过营销活动标识进行硬匹配时,以营销内容首次曝光时刻为计算起始点,采用所述预设衰减函数计算时间衰减权重,将成交金额与所述时间衰减权重相乘后计入该营销活动的归因转化贡献。

11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求 1 至 7 中任一项所述的基于端到端大模型的线下零售营销内容生成方法。