基于AI智能的个性化营销内容生成方法、装置、设备及介质与流程

本技术涉及营销数据处理的，尤其是涉及一种基于ai智能的个性化营销内容生成方法、装置、设备及介质。

背景技术：

1、营销，指企业发现或发掘准消费者需求，让消费者了解该产品进而购买该产品的过程。商家通过分析用户情况以及自身产品情况来制定营销方案，从而实现吸引用户并实现交易转换。

2、相关技术中，一般为人工对市场进行调研，结合产品特性进行营销内容的设计制定。但是，利用人工的方式效率低下，并且营销内容会受到设计制定人的主观影响，导致用户的兴趣缺失。

技术实现思路

1、为了提高效率，产出个性化且精准匹配用户的营销内容，本技术提供一种基于ai智能的个性化营销内容生成方法、装置、设备及介质。

2、第一方面，本技术提供的一种基于ai智能的个性化营销内容生成方法采用如下的技术方案：

3、一种基于ai智能的个性化营销内容生成方法，包括：

4、获取多维度数据；

5、基于所述多维度数据构建高维用户画像向量；

6、基于所述高维用户画像向量映射得到多模态提示词集合；

7、获取内容模型；

8、基于所述多模态提示词集合和所述内容模型并输出营销内容。

9、通过采用上述技术方案，利用多维度数据获取，打破单维度、静态标签的局限性，覆盖用户全场景行为特征，进一步通过高维用户画像向量构建，捕捉用户特征间的复杂关联，形成更细粒度、动态化的用户特征。基于高维用户画像向量映射生成多模态提示词集合，实现从用户特征到内容生成需求的自动化转换，多模态提示词覆盖不同内容形式的生成需求，且提示词与用户画像强相关，避免提示词的低效与主管偏差，确保内容的生成方向明确且贴合目标用户。自动化生成营销内容，相较于人工创作，大幅降低了内容制作成本，提高了效率，并且营销内容深度参考用户画像，更加符合用户关注点，实现精准投放。

10、可选的，所述基于所述多维度数据构建高维用户画像向量，包括：

11、获取并整合用户的所述多维度数据；

12、所述多维度数据至少包括兴趣标签、历史行为特征、人口统计特征、实时上下文特征、行为序列特征；

13、基于所述多维度数据进行拼接以构建高维用户画像向量。

14、通过采用上述技术方案，高维用户画像向量整合多类数据，形成互补关系，能够全息用户表征，避免画像片面性。并且区分静态、动态、时序特征，增强了画像的时效性与逻辑性，为后续生成内容提供精准输入。

15、可选的，所述基于所述高维用户画像向量映射得到多模态提示词集合，包括：

16、获取映射函数；

17、基于所述映射函数对所述高维用户画像向量进行转化处理以生成多模态提示词；

18、所述多模态提示词包括文本提示词、图像提示词、视频脚本提示词；

19、基于所述多模态提示词构建多模态提示词集合。

20、通过采用上述技术方案，以映射函数为核心转换枢纽，将高位用户画像向量转化为机器可理解的多模态提示词，针对不同模态特性设计差异化转换逻辑，避免片面的映射导致信息损耗，同时实现非线性关系挖掘，捕捉人工难以察觉的隐性需求。

21、可选的，所述方法还包括：

22、获取通用基础文案提示和权重矩阵；

23、基于所述高维用户画像向量和所述权重矩阵计算以得到动态权重；

24、基于所述动态权重对所述用户的兴趣标签进行加权合并以得到兴趣特征；

25、将所述通用基础文案提示与所述兴趣特征进行拼接以得到文本提示词；

26、获取基础视觉风格提示；

27、提取所述用户的实时上下文特征；

28、基于视觉特征映射矩阵将所述实时上下文特征和所述兴趣标签转换为具体的视觉描述符；

29、将所述基础视觉风格提示和所述视觉描述符进行拼接以得到图像提示词；

30、调用时序生成函数，结合所述文本提示词和所述行为序列特征自动生成视频脚本提示词。

31、通过采用上述技术方案，通用基础、动态个性双驱动，即通过基础文案提示与动态权重的个性定制融合，形成加精准文本提示词生成，生成的文本提示词既符合基础文案规范，又能够精准贴合用户兴趣点。图像提示词实现视觉风格和动态场景的适配设计，实时场景与长期兴趣的视觉化融合，能够提升图像吸引力，更能够触发用户的视觉共鸣。视觉脚本提示词以时序生成价行为链驱动，实现逻辑叙事和情绪递进的架构，其中结合文本提示词，避免与文本脱节，同时结合用户兴趣以吸引用户，提升完播率以及转化意愿。以公式透明性替代黑箱随机性，以分模态特异性提升内容适配度，以动态参数迭代保障长期效果优化，为后续内容模型生成营销内容提供符合用户兴趣的精准输入。

32、可选的，所述方法还包括：

33、获取加权模型；

34、基于所述实时上下文特征评获取包含的子特征；

35、获取每个所述子特征的重要性评分；

36、基于所述加权模型和对应的所述重要性评分对每个所述子特征进行加权求和以得到每个所述子特征的初始权重；

37、获取商业目标；

38、基于所述商业目标对所述子特征对应的所述初始权重进行调整以得到调整权重；

39、将所述调整权重赋值给所述动态权重。

40、通过采用上述技术方案，基于实时上下文特征获取子特征，并通过子特征重要性评分量化每个子特征对用户行为火内容效果的影响，突破实时上下文特征笼统处理的局限，利用子特征拆解捕捉场景的围观差异，结合重要性评分，使动态权重能够精准反应具体子特征更影响用户决策，避免权重平均分配导致的偏差。利用加权模型和重要性评分得到初始权重，相较于人工设定权重，利用客观计算，减少人为经验误差，使得初始权重更贴合用户真实场景的数据驱动。初始权重动态变化，然后在基于商业目标对其进行调整，使得初始权重避免局限于用户数据，还需要综合商业目的进行调整，综合满足用户需求以及商业需求。

41、可选的，在所述基于所述多维度数据构建高维用户画像向量之前，还包括：

42、判断是否触发所述多维度数据更新动作；

43、若触发所述多维度数据更新动作，则对所述多维度数据进行更新；

44、所述更新动作包括：用户行为反馈、上下文动态更新、预设时间窗口、算法驱动。

45、通过采用上述技术方案，在构建高维用户画像向量前增加了触发更新动作机制，将用户画像的数据源从静态升级为动态，保证数据时效性、画像精准性。并且，对于更新动作的触发，包括了多种情况，能够保证覆盖多种场景，以使数据在多种情景下均能够进行更新。

46、可选的，所述方法还包括：

47、基于所述高位用户画像向量和策略函数计算得到生成当前多模态提示词集合的概率，并计算该所述概率对所述权重矩阵的策略梯度；

48、获取奖励信号；

49、基于所述权重矩阵、学习率、所述奖励信号以及策略梯度得到更新后的权重矩阵。

50、通过采用上述技术方案，利用策略梯度驱动的权重矩阵自适应更新机制，将动态权重的优化升级为效果反馈、梯度学习的智能迭代，实现利用数据自主学习最优权重配置。通过奖励信号介入，使得动态群众时钟向提升内容匹配度的方向进化，驱动内容生成与用户需求精准匹配。

51、第二方面，本技术提供的一种基于ai智能的个性化营销内容生成装置采用如下的技术方案：

52、第一获取模块，用于获取多维度数据；

53、构建模块，用于基于所述多维度数据构建高维用户画像向量；

54、映射模块，用于基于所述高维用户画像向量映射得到多模态提示词集合；

55、第二获取模块，用于获取内容模型；

56、输出模块，用于基于所述多模态提示词集合和所述内容模型并输出营销内容。

57、第三方面，本技术提供的一种电子设备采用如下的技术方案：

58、一种电子设备，包括处理器，所述处理器与存储器耦合；所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如第一方面所述的方法。

59、第四方面，本技术提供的一种计算机可读存储介质采用如下的技术方案：

60、一种计算机可读存储介质，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如第一方面所述的方法。

61、综上所述，本技术包括以下至少一种有益技术效果：

62、利用多维度数据获取，打破单维度、静态标签的局限性，覆盖用户全场景行为特征，进一步通过高维用户画像向量构建，捕捉用户特征间的复杂关联，形成更细粒度、动态化的用户特征。基于高维用户画像向量映射生成多模态提示词集合，实现从用户特征到内容生成需求的自动化转换，多模态提示词覆盖不同内容形式的生成需求，且提示词与用户画像强相关，避免提示词的低效与主管偏差，确保内容的生成方向明确且贴合目标用户。自动化生成营销内容，相较于人工创作，大幅降低了内容制作成本，提高了效率，并且营销内容深度参考用户画像，更加符合用户关注点，实现精准投放；

63、通用基础、动态个性双驱动，即通过基础框架与动态权重的个性定制融合，形成加精准文本提示词生成，生成的文本提示词既符合基础文案规范，又能够精准贴合用户兴趣点。图像提示词实现视觉风格和动态场景的适配设计，实时场景与长期兴趣的视觉化融合，能够提升图像吸引力，更能够触发用户的视觉共鸣。视觉脚本提示词以时序生成价行为链驱动，实现逻辑叙事和情绪递进的架构，其中结合文本提示词，避免与文本脱节，同时结合用户兴趣以吸引用户，提升完播率以及转化意愿。以公式透明性替代黑箱随机性，以分模态特异性提升内容适配度，以动态参数迭代保障长期效果优化，为后续内容模型生成营销内容提供符合用户兴趣的精准输入；

64、基于实时上下文特征获取子特征，并通过子特征重要性评分量化每个子特征对用户行为火内容效果的影响，突破实时上下文特征笼统处理的局限，利用子特征拆解捕捉场景的围观差异，结合重要性评分，使动态权重能够精准反应具体子特征更影响用户决策，避免权重平均分配导致的偏差。利用加权模型和重要性评分得到初始权重，相较于人工设定权重，利用客观计算，减少人为经验误差，使得初始权重更贴合用户真实场景的数据驱动。初始权重动态变化，然后在基于商业目标对其进行调整，使得初始权重避免局限于用户数据，还需要综合商业目的进行调整，综合满足用户需求以及商业需求。