线上洗衣潜在客户分层营销引流系统及方法与流程

本发明涉及营销管理，具体为线上洗衣潜在客户分层营销引流系统及方法。

背景技术：

1、线上洗衣传统的营销方式，采用大面积撒网的方式:①推荐解决方案与客户需求不符,大幅度降低了营销的成功率,造成触点资源的严重浪费。②只能使用宣传手段大面积撒网,吸引有需求的客户上门购买,造成大面积无效宣传,推广成本浪费巨大。

技术实现思路

1、本发明的目的在于提供的线上洗衣潜在客户分层营销引流系统及方法，解决了背景技术中存在的问题。

2、为解决上述技术问题，本发明采用如下技术方案：本发明提供线上洗衣潜在客户分层营销引流方法，具体包括以下步骤：

3、s1、采集网络内所有用户的基础信息、历史订单数据以及历史行为数据，并通过数据处理方式对采集到的历史订单数据和历史行为数据进行处理，得到处理后的历史订单数据和历史行为数据；

4、s2、通过ai大模型对处理后的历史订单数据和历史行为数据进行训练，并根据训练结果和用户基础信息生成用户画像；

5、s3、基于生成的用户画像初步确定潜在用户；

6、s4、通过数据分析方式对初步确定的潜在用户进行深度挖掘，并构建潜在用户分层体系；

7、s5、基于构建的潜在用户分层体系设置营销引流策略，并实时采集营销引流策略反馈数据；

8、s6、基于实时采集的营销引流策略反馈数据构建营销引流模型，并通过模型评估方式对构建营销引流模型进行实时优化调整和执行。

9、优选地，所述采集网络内所有用户的基础信息、历史订单数据以及历史行为数据，并通过数据处理方式对采集到的历史订单数据和历史行为数据进行处理，得到处理后的历史订单数据和历史行为数据包括以下步骤：

10、s11、设定采集周期，并基于设定的采集周期采集网站内用户的基础信息；

11、设定基础信息为该用户唯一识别信息；

12、所述基础信息包括：年龄信息、设备号信息以及性别信息；

13、s12、基于用户的基础信息采集对应用户的历史行为数据和历史订单数据；

14、所述历史订单数据包括：洗衣订单时间、洗衣订单数量以及洗衣订单金额；

15、所述历史行为数据包括：搜索行为数据、收藏行为数据、分享行为数据以及支付行为数据；

16、汇总采集到的历史行为数据并基于历史行为数据类型构建数据集合；

17、其中，表采集到的历史行为数据集合，表示历史行为数据中的支付行为数据，表示历史行为数据中的搜索行为数据，表示历史行为数据中的收藏行为数据，表示历史行为数据中的分享行为数据；

18、s13、通过数据处理方式对采集到的历史行为数据和历史订单数据进行处理，得到处理后的历史行为数据和历史订单数据。

19、优选地，所述通过数据处理方式对采集到的历史行为数据和历史订单数据进行处理，得到处理后的历史行为数据和历史订单数据包括以下步骤：

20、设定行为数据的权重大小，设置为搜索<收藏<分享<支付，并基于行为数据权重设置四种行为的评分值设置为[1,2,3,4]，当用户对洗衣产品有过上述四种行为操作都为该洗衣产品增加相应的积分；

21、基于洗衣产品的积分设定行为因子，避免洗衣产品因用户多次点击导致积分过高；

22、设定的时间间隔阈值t和各类行为数据在时间间隔阈值内的有效范围对用户历史行为数据进行整理；

23、在设定的时间间隔阈值t内，当统计的用户历史行为数据中各类行为数据在有效范围内，设定行为因子为1；

24、当统计的用户历史行为数据中各类行为数据超过有效范围，设定行为因子为0.5；

25、通过乘对应行为因子方式汇总整理采集到的历史行为数据，得到处理后的历史行为数据；

26、对采集到的历史订单数据进行遍历，定位其中存在缺失的历史订单数据；

27、对缺失的历史订单数据进行删除过滤，并汇总得到处理后历史订单数据。

28、优选地，所述通过ai大模型对处理后的历史订单数据和历史行为数据进行训练，并根据训练结果和用户基础信息生成用户画像包括以下步骤：

29、汇总处理后的历史行为数据和历史订单数据，并结合用户基础信息初步构建用户静态画像集合；

30、；

31、其中，表示用户静态画像集合，表示第k个用户的基础信息，表示第k个用户处理后的历史行为数据，表示第k个用户处理后的历史订单数据。

32、优选地，所述基于生成的用户画像初步确定潜在用户包括以下步骤：

33、s31、基于生成的用户画像构建决策树；

34、s311、汇总生成的用户画像构建样本集，选取样本集q中的一个样本，提取该样本包含的用户基础信息、历史行为数据和历史订单数据；

35、s312、设定该样本包含的用户基础信息、历史行为数据和历史订单数据中共有r个分类，每次有放回的选择r个分类样本，将选择的r个分类样本作为训练集来训练一个决策树，并将选择的r个分类样本作为决策树根节点处的样本；

36、s313、在选择的r个分类样本间进行对比，并基于选择r个分类样本的对比结果，判断是否都属于同一分类；

37、当选取的r个分类样本都属于同一分类，将决策树标记为该分类；

38、当选取的r个分类样本不属于同一分类，基于cart算法选择对决策树的根节点进行划分，生成子节点；

39、s314、再对划分后的子节点进行递归地调用步骤s312和步骤s313，直到所有节点划分完成，不生成新的节点，递归结束，生成一棵决策树；

40、基于cart算法选择对决策树的根节点进行划分包括以下步骤：

41、计算当前决策树根节点的各个分类的各项数据的基尼系数，并设定基尼系数阈值，当计算出的基尼系数小于阈值，返回决策树根节点，停止递归；

42、当计算出的基尼系数大于阈值，选择计算出的基尼系数中值最小的分类和对应数据的取值作为切分点对决策树根节点中的各个分类样本进行切分；

43、当计算出的基尼系数为0时，表示当前节点只存在1个样本，设定当前节点为叶子节点；

44、递归调用cart算法进行切分，直至切分结果不在改变，递归停止；

45、s32、遍历样本集q中的每个样本，为样本集q中的每个样本构建一个决策树，构建完成后，进行汇总并得到随机森林；

46、s33、通过得到的随机森林对生成的用户画像进行特征提取，得到用户画像特征。

47、优选地，所述通过得到的随机森林对生成的用户画像进行特征提取，得到用户画像特征包括以下步骤：

48、将生成的用户画像输入得到的随机森林，通过随机森林对生成的用户画像进行分类和特征提取，得到用户画像特征；

49、将得到用户画像特征重构为可学习的键值字典结构；

50、；

51、其中，表示第1个用户的属性维度，由用户画像特征表征得到，表示第1个用户在该维度上的量化特征，由生成的用户画像表征得到。

52、优选地，所述通过数据分析方式对初步确定的潜在用户进行深度挖掘，并构建潜在用户分层体系包括以下步骤：

53、汇总步骤s3得到的键值字典结构；

54、设定评分阈值对初步确定的潜在用户进行筛选，得到筛选后的潜在用户；

55、筛选规则如下所示：

56、；

57、其中，表示保留样本，表示筛选后的潜在用户，表示评分阈值；

58、将筛选后的潜在用户输入svm，通过svm进行特征映射，输出决策分值；

59、将svm输出决策函数分值作为新增特征，与键值字典结构拼接构建增强特征向量；

60、将构建的增强特征向量输入回归输出深度挖掘后的潜在用户；

61、设置分割阈值并对深度挖掘后的潜在用户进行划分，同时汇总得到的潜在用户分层体系。

62、优选地，所述基于构建的潜在用户分层体系设置营销引流策略，并实时采集营销引流策略反馈数据包括以下步骤：

63、营销分层引流决策；

64、营销分层引流决策模型如下所示：

65、；

66、其中，表示营销分层引流决策模型，表示用户分层体系数量，表示第层用户的营销分层引流时间，表示第层用户的营销分层引流成本；

67、实时采集营销引流策略反馈数据计算营销分层引流决策转化率；

68、记录营销引流策略执行后用户行为数据及订单数据的变化量，计算营销分层引流决策转化率；

69、营销分层引流决策转化率计算公式如下所示：

70、；

71、其中，表示第层用户的营销分层引流策略执行后的决策转化率，表示第层用户的营销分层引流策略执行后用户行为数据及订单数据的变化量，表示户行为数据及订单数据平均变化量。

72、优选地，所述基于实时采集的营销引流策略反馈数据构建营销引流模型，并通过模型评估方式对构建营销引流模型进行实时优化调整和执行包括以下步骤：

73、s61、基于实时采集的营销引流策略反馈数据构建营销引流模型；

74、联立营销分层引流决策转化率和营销分层引流决策模型构建营销引流模型；

75、s62、通过模型评估方式对构建营销引流模型进行实时优化调整和执行；

76、基于实时采集的行为数据和订单数据计算当前营销引流策略下的营销引流模型预测的准确率；

77、；

78、；

79、其中，tp表示识别与实际结果一致的数量；fp表示识别与实际结果存在差异的数量；fn表示漏检数量；为准确率，为召回率；

80、设定准确率与召回率的变化关系曲线为-曲线；曲线与横轴所围成的面积为平均准确率，计算公式为：

81、；

82、其中，为水资源图像数据平均准确率；

83、设定预测平均准确率阈值，当计算得到的预测准确率均值低于设定的阈值，调整营销引流策略。

84、本发明还提供线上洗衣潜在客户分层营销引流系统，用于实现一种线上洗衣潜在客户分层营销引流方法，系统包括：数据采集模块、数据处理模块、用户画像生成模块、潜在用户确定模块、用户分层体系构建模块、营销引流模块以及营销引流调整模块；

85、所述数据采集模块用于采集网络内所有用户的基础信息、订单数据以及行为数据；

86、所述数据处理模块用于对采集到的订单数据以及行为数据进行处理，得到处理后的订单数据和行为数据；

87、所述用户画像生成模块用于根据用户的基础信息、处理后的订单数据和行为数据生成用户画像；

88、所述潜在用户确定模块用于根据生成的用户画像初步确定潜在用户；

89、所述用户分层体系构建模块用于通过数据分析方式对初步确定的潜在用户进行深度挖掘，并构建潜在用户分层体系；

90、所述营销引流模块用于设置营销引流策略，并实时采集营销引流策略反馈数据构建营销引流模型；

91、所述营销引流调整模块用于通过模型评估方式对构建营销引流模型进行实时优化调整和执行。

92、本发明的有益效果在于：

93、本发明通过采集网络内所有用户的基础信息、订单数据以及行为数据，并通过数据处理方式对采集到的数据进行处理，处理完成后，通过ai大模型对处理后的数据进行训练，并根据训练结果和用户基础信息生成用户画像，同时基于生成的用户画像初步确定潜在用户，进而通过数据分析方式对初步确定的潜在用户进行深度挖掘，并构建潜在用户分层体系，同时基于构建的潜在用户分层体系设置营销引流策略，并实时采集营销引流策略反馈数据，最后基于实时采集的营销引流策略反馈数据构建营销引流模型，并通过模型评估方式对构建营销引流模型进行实时优化调整和执行，提高了潜在客户分层营销引流的准确性和实时性。