基于大模型的营销策略生成方法、装置、设备及介质与流程
本发明属于人工智能,适用于金融领域,尤其涉及一种基于大模型的营销策略生成方法、装置、设备及介质。
背景技术:
1、在电商平台、零售商品及金融产品营销等业务中,营销策略生成通常需要先获取用户标签、实时行为、订单信息、商品信息等基础数据,再通过规则引擎或人工配置确定目标客群、营销话术及推荐商品,最后经短信、应用程序推送、小程序、公众号、电话外呼等渠道向用户下发营销信息。现有营销方案多采用人工规则标签对用户进行静态分群,并依赖运营人员经验制定营销策略,营销内容以固定模板为主,策略效果则通过人工抽检方式进行评估。
2、然而,上述人工规则标签属于静态标签,其标签内容在设定之后即保持固定,与用户当前的生命周期状态、实时行为及商品偏好相互独立,即便用户行为、订单状态或商品偏好发生变化,已有的分群结果和营销策略仍持续沿用,导致分群颗粒度粗、响应率低,无法根据用户实时行为动态调整商品推荐、优惠券策略或促销话术,造成营销资源错配和转化率低下;同时,策略决策过程主要依靠运营人员经验判断,缺乏数据驱动的自动化决策机制,话术策略和商品推荐多采用固定模板,未结合用户实时意图进行动态调整,策略效果评估依赖人工抽检,反馈周期长,难以快速迭代优化。此外,现有营销方式多仅关注单一渠道的转化结果,未建立跨渠道的策略协同机制,也缺乏统一的频次控制、合规校验和触达时机协调机制,容易导致过度营销或违反广告法、个人信息保护等合规要求;用户行为数据与订单数据、商品数据、库存数据、客服数据等业务数据相互割裂,缺乏统一标签体系和数据融合机制,营销内容搜索依赖人工筛选,缺乏语义级别的智能匹配能力。
3、鉴于此,如何提高商品营销策略的转化率,是一个亟待解决的技术问题。
技术实现思路
1、本发明提供一种基于大模型的营销策略生成方法、装置、设备及介质,用以解决如何提高商品营销策略的转化率的技术问题。
2、第一方面,本发明提供了一种基于大模型的营销策略生成方法,包括:
3、获取目标用户的多源异构数据,对所述多源异构数据进行特征融合处理,生成所述目标用户的用户表征向量;
4、根据所述目标用户与候选营销通道之间的约束条件,生成所述候选营销通道的通道可用性判定结果,并根据所述通道可用性判定结果确定目标营销通道;其中,所述候选营销通道为向目标用户下发营销信息的通道;
5、获取目标用户的当前触发场景,提取当前触发场景的场景表征向量,并将所述场景表征向量和所述用户表征向量输入预训练的策略决策大模型中进行决策,得到推送、等待和不推送的决策概率以及候选策略集合;
6、根据所述决策概率和所述通道可用性判定结果,确定推送、等待或不推送的决策结果,并在所述决策结果为推送时,从所述候选策略集合中确定目标策略;
7、根据所述目标策略生成营销内容检索条件,基于所述检索条件在营销内容库中进行语义匹配,并将匹配得到的营销内容确定为目标营销内容;
8、对所述目标营销内容进行规则校验,并通过所述目标营销通道下发通过校验的目标营销内容。
9、第二方面,本发明提供了一种基于大模型的营销策略生成装置,包括:
10、获取模块,用于获取目标用户的多源异构数据,对所述多源异构数据进行特征融合处理,生成所述目标用户的用户表征向量;
11、生成模块,用于根据所述目标用户与候选营销通道之间的约束条件,生成所述候选营销通道的通道可用性判定结果,并根据所述通道可用性判定结果确定目标营销通道;其中,所述候选营销通道为向目标用户下发营销信息的通道;
12、决策模块,用于获取目标用户的当前触发场景,提取当前触发场景的场景表征向量,并将所述场景表征向量和所述用户表征向量输入预训练的策略决策大模型中进行决策,得到推送、等待和不推送的决策概率以及候选策略集合;
13、确定模块,用于根据所述决策概率和所述通道可用性判定结果,确定推送、等待或不推送的决策结果,并在所述决策结果为推送时,从所述候选策略集合中确定目标策略;
14、匹配模块,用于根据所述目标策略生成营销内容检索条件,基于所述检索条件在营销内容库中进行语义匹配,并将匹配得到的营销内容确定为目标营销内容;
15、下发模块,用于对所述目标营销内容进行规则校验,并通过所述目标营销通道下发通过校验的目标营销内容。
16、第三方面,本发明提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述基于大模型的营销策略生成方法的步骤。
17、第四方面,本发明提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述基于大模型的营销策略生成方法的步骤。
18、上述基于大模型的营销策略生成方法、装置、设备及介质,所实现的方案中,可以通过客户端获取目标用户的多源异构数据,对所述多源异构数据进行特征融合处理,生成所述目标用户的用户表征向量;根据所述目标用户与候选营销通道之间的约束条件,生成所述候选营销通道的通道可用性判定结果,并根据所述通道可用性判定结果确定目标营销通道;其中,所述候选营销通道为向目标用户下发营销信息的通道;获取目标用户的当前触发场景,提取当前触发场景的场景表征向量,并将所述场景表征向量和所述用户表征向量输入预训练的策略决策大模型中进行决策,得到推送、等待和不推送的决策概率以及候选策略集合;根据所述决策概率和所述通道可用性判定结果,确定推送、等待或不推送的决策结果,并在所述决策结果为推送时,从所述候选策略集合中确定目标策略;根据所述目标策略生成营销内容检索条件,基于所述检索条件在营销内容库中进行语义匹配,并将匹配得到的营销内容确定为目标营销内容;对所述目标营销内容进行规则校验,并通过所述目标营销通道下发通过校验的目标营销内容。本发明中,通过将用户表征与当前场景表征输入预训练策略决策大模型,输出推送、等待和不推送的决策概率及候选策略,替代人工经验决策,实现数据驱动、场景自适应的自动化策略生成;并结合通道可用性判定确定决策结果,推送时选出目标策略,避免无效推送,提升了营销策略的转化率。
1.一种基于大模型的营销策略生成方法,其特征在于,包括:
2.根据权利要求1所述的基于大模型的营销策略生成方法,其特征在于,所述获取目标用户的多源异构数据,对所述多源异构数据进行特征融合处理,生成所述目标用户的用户表征向量,包括:
3.根据权利要求1所述的基于大模型的营销策略生成方法,其特征在于,所述根据所述目标用户与候选营销通道之间的约束条件,生成所述候选营销通道的通道可用性判定结果,并根据所述通道可用性判定结果确定目标营销通道;其中,所述候选营销通道为向目标用户下发营销信息的通道,包括:
4.根据权利要求1所述的基于大模型的营销策略生成方法,其特征在于,所述获取目标用户的当前触发场景,提取当前触发场景的场景表征向量,并将所述场景表征向量和所述用户表征向量输入预训练的策略决策大模型中进行决策,得到推送、等待和不推送的决策概率以及候选策略集合,包括:
5.根据权利要求1所述的基于大模型的营销策略生成方法,其特征在于,所述根据所述决策概率和所述通道可用性判定结果,确定推送、等待或不推送的决策结果,并在所述决策结果为推送时,从所述候选策略集合中确定目标策略,包括:
6.根据权利要求1所述的基于大模型的营销策略生成方法,其特征在于,所述根据所述目标策略生成营销内容检索条件,基于所述检索条件在营销内容库中进行语义匹配,并将匹配得到的营销内容确定为目标营销内容,包括:
7.根据权利要求6所述的基于大模型的营销策略生成方法,其特征在于,所述基于调整后的营销内容检索条件在所述营销内容库中进行语义匹配,得到候选营销内容,包括:
8.一种基于大模型的营销策略生成装置,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器进行所述计算机程序时实现如权利要求1至7任一项所述的基于大模型的营销策略生成方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器进行时实现如权利要求1至7任一项所述的基于大模型的营销策略生成方法的步骤。
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