基于连锁品牌的私域经营数据管理方法及相关装置与流程

1.本发明涉及数据处理领域，尤其涉及一种基于连锁品牌的私域经营数据管理方法及相关装置。


背景技术：

2.近年来，无论是线下实体商家、传统电商、短视频电商、直播电商还是基于私域的社交电商，都在面对流量增长放缓与用户流量成本的上涨。在新的趋势下，需要连锁品牌具备在公域和私域的全域流量池中系统营销的能力。
3.目前，越来越多的连锁品牌开始尝试私域营销，通过自建私域流量运营体系，再结合公域流量的中心化电商平台，让商家更好地系统地经营好其用户营销体系，但是目前在连锁品牌的私域经营数据管理方面，对用户的商品推荐准确率较低。


技术实现要素：

4.本发明提供了一种基于连锁品牌的私域经营数据管理方法及相关装置，用于提高连锁品牌的私域经营数据管理的准确率。
5.本发明第一方面提供了一种基于连锁品牌的私域经营数据管理方法，所述基于连锁品牌的私域经营数据管理方法包括：从预置的私域经营数据管理平台中获取目标连锁品牌对应的目标经营数据；根据预置的用户信息标识提取所述目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；对所述用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算所述目标连锁品牌的用户群体分布；基于所述用户群体分布对所述多个品牌用户进行用户群体划分，得到多个用户群体；分别获取所述多个用户群体的群体互动数据，并根据所述群体互动数据生成用户偏好模型，以及通过所述用户偏好模型对所述多个品牌用户进行用户偏好管理。
6.可选的，在本发明第一方面的第一种实现方式中，所述根据每个品牌用户对应的用户特征信息计算所述目标连锁品牌的用户群体分布，包括：基于预置的关联度计算策略和每个品牌用户对应的用户特征信息计算所述多个品牌用户之间的目标关联度；根据所述多个品牌用户之间的目标关联度生成概率分布图；根据所述概率分布图生成所述目标连锁品牌的用户群体分布。
7.可选的，在本发明第一方面的第二种实现方式中，所述基于预置的关联度计算策略和每个品牌用户对应的用户特征信息计算所述多个品牌用户之间的目标关联度，包括：基于预置的关联度计算策略从每个品牌用户对应的用户特征信息中获取预设指标值的目标物料信息；调用预置的关联度模型计算所述目标物料信息的关联度，得到所述多个品牌用户之间的目标关联度。
8.可选的，在本发明第一方面的第三种实现方式中，所述基于连锁品牌的私域经营数据管理方法还包括：根据所述目标关联度创建所述多个品牌用户对应的目标关联模型。
9.可选的，在本发明第一方面的第四种实现方式中，所述基于所述用户群体分布对所述多个品牌用户进行用户群体划分，得到多个用户群体，包括：基于所述关联模型对所述用户群体分布进行特征点解析，得到所述用户群体分布对应的多个特征分布点；分别计算所述多个特征分布点的分布权重，得到每个特征分布点对应的分布权重；根据每个特征分布点对应的分布权重对所述多个品牌用户进行用户群体划分，得到多个用户群体。
10.可选的，在本发明第一方面的第五种实现方式中，所述分别获取所述多个用户群体的群体互动数据，并根据所述群体互动数据生成用户偏好模型，以及通过所述用户偏好模型对所述多个品牌用户进行用户偏好管理，包括：分别获取所述多个用户群体的群体互动数据，其中，所述群体互动数据包括：社群客户占比、社群交易数据、社群数据排行、社群营销数据和社群活跃趋势；根据所述群体互动数据生成用户偏好模型；通过所述用户偏好模型对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
11.可选的，在本发明第一方面的第六种实现方式中，所述通过所述用户偏好模型对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理，包括：查询每个品牌用户对应的连锁品牌物料购买数据；根据所述连锁品牌物料购买数据对所述多个品牌用户进行待推送物料匹配，得到待推送物料；基于所述用户偏好模型计算所述待推送物料的偏好值，并根据所述偏好值对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
12.本发明第二方面提供了一种基于连锁品牌的私域经营数据管理装置，所述基于连锁品牌的私域经营数据管理装置包括：获取模块，用于从预置的私域经营数据管理平台中获取目标连锁品牌对应的目标经营数据；分析模块，用于根据预置的用户信息标识提取所述目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；提取模块，用于对所述用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；计算模块，用于根据每个品牌用户对应的用户特征信息计算所述目标连锁品牌的用户群体分布；划分模块，用于基于所述用户群体分布对所述多个品牌用户进行用户群体划分，得到多个用户群体；生成模块，用于分别获取所述多个用户群体的群体互动数据，并根据所述群体互动数据生成用户偏好模型，以及通过所述用户偏好模型对所述多个品牌用户进行用户偏好管理。
13.可选的，在本发明第二方面的第一种实现方式中，所述计算模块还包括：计算单元，用于基于预置的关联度计算策略和每个品牌用户对应的用户特征信息计算所述多个品牌用户之间的目标关联度；生成单元，用于根据所述多个品牌用户之间的目标关联度生成概率分布图；处理单元，用于根据所述概率分布图生成所述目标连锁品牌的用户群体分布。
14.可选的，在本发明第二方面的第二种实现方式中，所述计算单元具体用于：基于预置的关联度计算策略从每个品牌用户对应的用户特征信息中获取预设指标值的目标物料信息；调用预置的关联度模型计算所述目标物料信息的关联度，得到所述多个品牌用户之间的目标关联度。
15.可选的，在本发明第二方面的第三种实现方式中，所述基于连锁品牌的私域经营数据管理装置还包括：创建模块，用于根据所述目标关联度创建所述多个品牌用户对应的目标关联模型。
16.可选的，在本发明第二方面的第四种实现方式中，所述划分模块具体用于：基于所
述关联模型对所述用户群体分布进行特征点解析，得到所述用户群体分布对应的多个特征分布点；分别计算所述多个特征分布点的分布权重，得到每个特征分布点对应的分布权重；根据每个特征分布点对应的分布权重对所述多个品牌用户进行用户群体划分，得到多个用户群体。
17.可选的，在本发明第二方面的第五种实现方式中，所述生成模块还包括：获取单元，用于分别获取所述多个用户群体的群体互动数据，其中，所述群体互动数据包括：社群客户占比、社群交易数据、社群数据排行、社群营销数据和社群活跃趋势；根据所述群体互动数据生成用户偏好模型；推送单元，用于通过所述用户偏好模型对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
18.可选的，在本发明第二方面的第六种实现方式中，所述推送单元具体用于：查询每个品牌用户对应的连锁品牌物料购买数据；根据所述连锁品牌物料购买数据对所述多个品牌用户进行待推送物料匹配，得到待推送物料；基于所述用户偏好模型计算所述待推送物料的偏好值，并根据所述偏好值对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
19.本发明第三方面提供了一种基于连锁品牌的私域经营数据管理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于连锁品牌的私域经营数据管理设备执行上述的基于连锁品牌的私域经营数据管理方法。
20.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于连锁品牌的私域经营数据管理方法。
21.本发明提供的技术方案中，对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。本发明通过对用户私域数据进行特征分析，然后得到用户在私域上的特征信息，再根据这个特征信息进行用户群体的划分，使得用户的群体互动数据更加准确的获取，最后通过群体互动数据构建用户偏好模型进行用户偏好推送和管理，提高了用户偏好推送的准确率，进而提高了连锁品牌的私域经营数据管理的准确率。
附图说明
22.图1为本发明实施例中基于连锁品牌的私域经营数据管理方法的一个实施例示意图；图2为本发明实施例中基于连锁品牌的私域经营数据管理方法的另一个实施例示意图；图3为本发明实施例中基于连锁品牌的私域经营数据管理装置的一个实施例示意图；图4为本发明实施例中基于连锁品牌的私域经营数据管理装置的另一个实施例示
意图；图5为本发明实施例中基于连锁品牌的私域经营数据管理设备的一个实施例示意图。
具体实施方式
23.本发明实施例提供了一种基于连锁品牌的私域经营数据管理方法及相关装置，用于提高连锁品牌的私域经营数据管理的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
24.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于连锁品牌的私域经营数据管理方法的一个实施例包括：101、从预置的私域经营数据管理平台中获取目标连锁品牌对应的目标经营数据；可以理解的是，本发明的执行主体可以为基于连锁品牌的私域经营数据管理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
25.具体的，从上述私域数据管理平台中获取预设的单位时间内相应连锁品牌的产品线上访问量。单位时间可以是每小时、每天、每周或者每月等。当前是指最新获取到的线上访问量，在获取经营数据时，服务器首先对目标连锁品牌进行数据标识匹配，确定对应的数据标识，并通过数据标识进行经营数据提取，获取到对应的目标经营数据。
26.102、根据预置的用户信息标识提取目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；具体的，服务器将当前目标经营数据与预先确定的用户信息标识匹配，根据匹配结果确定品牌用户，根据确定的品牌用户从数据库中提取用于确定用户私域数据的信令信息，或根据品牌用户从当前数据库中提取用于确定用户私域数据的信令信息，最终服务器根据该信令信息分别提取每个品牌用户对应的用户私域数据，其中，需要说明的是，根据该技术方案，从数据库中提取用于确定用户私域数据的信令信息，减少了对数据库中信令逐条分析的工作量，提高了定位用户私域数据的效率，并且能够准确地从数据库中提取对于确定用户私域数据有用的信令信息，提高了定位用户私域数据的准确度。
27.103、对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；具体的，对每个设备标识所对应的用户私域数据进行特征提取，将提取出的特征信息输入预先训练的与指定用户属性相关联的识别模型，得到识别结果，该识别结果包括该设备标识所指示的设备所归属的用户的指定用户属性的属性值为预设属性值的概率，基于所得的识别结果中的概率，确定至少一个设备标识分别指示的设备所归属的用户的指定用户属性的属性值是否为预设属性值，并根据该属性值分别确定每个品牌用户对应的用户
特征信息。
28.104、根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；具体的，获取每个品牌用户在当前的特征信息，特征信息中包括品牌用户的身份标识，根据特征数据，对品牌用户进行无监督分类，将品牌用户分为预设数量个品牌用户群体，针对每个品牌用户群体，根据该品牌用户群体内每个品牌用户的特征信息，分析该品牌用户群体的偏好信息，在当前周期内接收到目标身份标识后，查询目标身份标识对应品牌用户的偏好信息，并根据偏好信息，计算目标连锁品牌的用户群体分布，从而可以减少对计算资源的占用，降低成本。
29.105、基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；具体的，服务器确定划分规则的用户群体分布，根据该用户群体分布，训练得到分类模型，根据该用户群体分布和分类模型来确定目标用户特征集和目标用户特征集中的各用户特征对应的最优划分点，最后根据目标特征集中的各用户特征对应的最优划分点得到目标分群规则，以用于对用户进行群体划分，得到多个用户群体。
30.106、分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。
31.具体的，服务器构造用户对群体互动数据的评分矩阵，对用户群体互动数据集进行处理，得到群体互动数据嵌入矩阵，根据评分矩阵，构造基于内容属性的二部图，将构造好的二部图输入到图卷积网络中，不断更新群体互动数据嵌入矩阵，利用图卷积网络计算用户对片段的偏好预测值，从而并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理，可以对用户进行更精准的推荐。
32.本发明实施例中，对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。本发明通过对用户私域数据进行特征分析，然后得到用户在私域上的特征信息，再根据这个特征信息进行用户群体的划分，使得用户的群体互动数据更加准确的获取，最后通过群体互动数据构建用户偏好模型进行用户偏好推送和管理，提高了用户偏好推送的准确率，进而提高了连锁品牌的私域经营数据管理的准确率。
33.请参阅图2，本发明实施例中基于连锁品牌的私域经营数据管理方法的另一个实施例包括：201、从预置的私域经营数据管理平台中获取目标连锁品牌对应的目标经营数据；202、根据预置的用户信息标识提取目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；203、对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；具体的，从上述私域数据管理平台中获取预设的单位时间内相应连锁品牌的产品线上访问量。预设的单位时间可以是每小时、每天、每周或者每月等。当前是指最新获取到的线上访问量，在获取经营数据时，服务器首先对目标连锁品牌进行数据标识匹配，确定对
应的数据标识，并通过数据标识进行经营数据提取，获取到对应的目标经营数据，服务器将当前目标经营数据与预先确定的用户信息标识匹配，根据匹配结果确定品牌用户，根据确定的品牌用户从数据库中提取用于确定用户私域数据的信令信息，或根据品牌用户从当前数据库中提取用于确定用户私域数据的信令信息，最终服务器根据该信令信息分别提取每个品牌用户对应的用户私域数据，其中，需要说明的是，根据该技术方案，从数据库中提取用于确定用户私域数据的信令信息，减少了对数据库中信令逐条分析的工作量，提高了定位用户私域数据的效率，并且能够准确地从数据库中提取对于确定用户私域数据有用的信令信息，提高了定位用户私域数据的准确度，最终服务器对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息。
34.204、基于预置的关联度计算策略和每个品牌用户对应的用户特征信息计算多个品牌用户之间的目标关联度；具体的，基于预置的关联度计算策略从每个品牌用户对应的用户特征信息中获取预设指标值的目标物料信息；调用预置的关联度模型计算目标物料信息的关联度，得到多个品牌用户之间的目标关联度。
35.其中，服务器从预置的数据库中获取品牌客户的特征数据、消费行为数据和营销策略数据，根据特征数据和消费行为数据确定不同特征与消费行为之间预设指标值的目标物料信息，根据目标物料信息从不同特征中确定目标特征，并将品牌客户中具有目标特征的客户确定为目标客户，根据特征数据、消费行为数据和营销策略数据确定目标客户对不同营销策略的敏感度数据，根据敏感度数据从不同营销策略中确定与多个品牌用户之间的目标关联度。
36.可选的，服务器还可以根据目标关联度创建多个品牌用户对应的目标关联模型。
37.需要说明的是，服务器在根据目标关联度创建模型时，服务器通过目标关联度确定对应的卷积网络，进而获取多组训练数据对该卷积网络进行训练，同时调用预置的损失函数对训练后的卷积网络进行优化，最终得到多个品牌用户对应的目标关联模型。
38.205、根据多个品牌用户之间的目标关联度生成概率分布图；206、根据概率分布图生成目标连锁品牌的用户群体分布；具体的，服务器获取品牌用户的目标关联度并进行初始化处理，采用马尔可夫链方法计算具有关联度的数据发生关联的稳态概率，采用线性克里格方法插值估计其它数据发生关联的稳态概率，根据所有数据关联稳态概率绘制品牌用户关联概率空间分布图，同时生成概率分布图，根据概率分布图生成目标连锁品牌的用户群体分布，可以保证较高精度同时高效获取数据关联的概率分布。
39.207、基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；具体的，基于关联模型对用户群体分布进行特征点解析，得到用户群体分布对应的多个特征分布点；分别计算多个特征分布点的分布权重，得到每个特征分布点对应的分布权重；根据每个特征分布点对应的分布权重对多个品牌用户进行用户群体划分，得到多个用户群体。
40.可选的，服务器还可以将用户群体分布划分为多个群组，量化每个群组中活跃的特征点，其中，服务器以特定事件的关键词为基础，获取特征点以及参与特征传播的账户集合，以单个特征的特征点以及参与特征的账户集合输入，构造参与账户表，对样本库中的每
一条特征基于主题概率生成模型，从构建的词汇表和参与账户表中根据模型中的群体-主题，主题-词以及群体-人抽样出词和参与账户，采用吉布斯抽样的方法进行计算，采用归并排序算法对每个主题下所包含的单词以及每个群体中所包含的账户进行排序，并根据每个特征分布点对应的分布权重对多个品牌用户进行用户群体划分，得到多个用户群体。
41.208、分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。
42.具体的，分别获取多个用户群体的群体互动数据，其中，群体互动数据包括：社群客户占比、社群交易数据、社群数据排行、社群营销数据和社群活跃趋势；根据群体互动数据生成用户偏好模型；通过用户偏好模型对多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
43.其中，服务器确定预设数量的任务响应活跃用户，分别获取各个任务响应活跃用户的历史推送数据集，根据历史推送数据集，建立接受概率逻辑回归模型，利用接受概率逻辑回归模型，根据活跃用户数据和历史任务数据估算历史任务接受概率，根据历史任务接受概率和响应结果标签数据，估算任务响应活跃用户的用户似然程度，根据预设数量的任务响应活跃用户各自对应的用户似然程度从预设数量的任务响应活跃用户中确定高偏好目标用户，并通过用户偏好模型对多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
44.具体的，查询每个品牌用户对应的连锁品牌物料购买数据；根据连锁品牌物料购买数据对多个品牌用户进行待推送物料匹配，得到待推送物料；基于用户偏好模型计算待推送物料的偏好值，并根据偏好值对多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
45.其中，获取品牌用户的偏好性特征数据和相关性特征数据，对偏好性特征数据和相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据，将偏好性量化数据和相关性量化数据特征数据输入至预设用户行为模型，得到待推送物料；基于用户偏好模型计算待推送物料的偏好值，并根据偏好值对多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
46.本发明实施例中，对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。本发明通过对用户私域数据进行特征分析，然后得到用户在私域上的特征信息，再根据这个特征信息进行用户群体的划分，使得用户的群体互动数据更加准确的获取，最后通过群体互动数据构建用户偏好模型进行用户偏好推送和管理，提高了用户偏好推送的准确率，进而提高了连锁品牌的私域经营数据管理的准确率。
47.上面对本发明实施例中基于连锁品牌的私域经营数据管理方法进行了描述，下面对本发明实施例中基于连锁品牌的私域经营数据管理装置进行描述，请参阅图3，本发明实施例中基于连锁品牌的私域经营数据管理装置一个实施例包括：获取模块301，用于从预置的私域经营数据管理平台中获取目标连锁品牌对应的
目标经营数据；分析模块302，用于根据预置的用户信息标识提取所述目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；提取模块303，用于对所述用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；计算模块304，用于根据每个品牌用户对应的用户特征信息计算所述目标连锁品牌的用户群体分布；划分模块305，用于基于所述用户群体分布对所述多个品牌用户进行用户群体划分，得到多个用户群体；生成模块306，用于分别获取所述多个用户群体的群体互动数据，并根据所述群体互动数据生成用户偏好模型，以及通过所述用户偏好模型对所述多个品牌用户进行用户偏好管理。
48.本发明实施例中，对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。本发明通过对用户私域数据进行特征分析，然后得到用户在私域上的特征信息，再根据这个特征信息进行用户群体的划分，使得用户的群体互动数据更加准确的获取，最后通过群体互动数据构建用户偏好模型进行用户偏好推送和管理，提高了用户偏好推送的准确率，进而提高了连锁品牌的私域经营数据管理的准确率。
49.请参阅图4，本发明实施例中基于连锁品牌的私域经营数据管理装置另一个实施例包括：获取模块301，用于从预置的私域经营数据管理平台中获取目标连锁品牌对应的目标经营数据；分析模块302，用于根据预置的用户信息标识提取所述目标经营数据中的多个品牌用户，并分别确定每个品牌用户对应的用户私域数据；提取模块303，用于对所述用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；计算模块304，用于根据每个品牌用户对应的用户特征信息计算所述目标连锁品牌的用户群体分布；划分模块305，用于基于所述用户群体分布对所述多个品牌用户进行用户群体划分，得到多个用户群体；生成模块306，用于分别获取所述多个用户群体的群体互动数据，并根据所述群体互动数据生成用户偏好模型，以及通过所述用户偏好模型对所述多个品牌用户进行用户偏好管理。
50.可选的，所述计算模块304还包括：计算单元，用于基于预置的关联度计算策略和每个品牌用户对应的用户特征信息计算所述多个品牌用户之间的目标关联度；
生成单元，用于根据所述多个品牌用户之间的目标关联度生成概率分布图；处理单元，用于根据所述概率分布图生成所述目标连锁品牌的用户群体分布。
51.可选的，所述计算单元具体用于：基于预置的关联度计算策略从每个品牌用户对应的用户特征信息中获取预设指标值的目标物料信息；调用预置的关联度模型计算所述目标物料信息的关联度，得到所述多个品牌用户之间的目标关联度。
52.可选的，所述基于连锁品牌的私域经营数据管理装置还包括：创建模块307，用于根据所述目标关联度创建所述多个品牌用户对应的目标关联模型。
53.可选的，所述划分模块305具体用于：基于所述关联模型对所述用户群体分布进行特征点解析，得到所述用户群体分布对应的多个特征分布点；分别计算所述多个特征分布点的分布权重，得到每个特征分布点对应的分布权重；根据每个特征分布点对应的分布权重对所述多个品牌用户进行用户群体划分，得到多个用户群体。
54.可选的，所述生成模块306还包括：获取单元，用于分别获取所述多个用户群体的群体互动数据，其中，所述群体互动数据包括：社群客户占比、社群交易数据、社群数据排行、社群营销数据和社群活跃趋势；根据所述群体互动数据生成用户偏好模型；推送单元，用于通过所述用户偏好模型对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
55.可选的，所述推送单元具体用于：查询每个品牌用户对应的连锁品牌物料购买数据；根据所述连锁品牌物料购买数据对所述多个品牌用户进行待推送物料匹配，得到待推送物料；基于所述用户偏好模型计算所述待推送物料的偏好值，并根据所述偏好值对所述多个品牌用户进行用户偏好推送，以对多个品牌用户进行用户偏好管理。
56.本发明实施例中，对用户私域数据进行特征信息提取，得到每个品牌用户对应的用户特征信息；根据每个品牌用户对应的用户特征信息计算目标连锁品牌的用户群体分布；基于用户群体分布对多个品牌用户进行用户群体划分，得到多个用户群体；分别获取多个用户群体的群体互动数据，并根据群体互动数据生成用户偏好模型，以及通过用户偏好模型对多个品牌用户进行用户偏好管理。本发明通过对用户私域数据进行特征分析，然后得到用户在私域上的特征信息，再根据这个特征信息进行用户群体的划分，使得用户的群体互动数据更加准确的获取，最后通过群体互动数据构建用户偏好模型进行用户偏好推送和管理，提高了用户偏好推送的准确率，进而提高了连锁品牌的私域经营数据管理的准确率。
57.上面图3和图4从模块化功能实体的角度对本发明实施例中的基于连锁品牌的私域经营数据管理装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于连锁品牌的私域经营数据管理设备进行详细描述。
58.图5是本发明实施例提供的一种基于连锁品牌的私域经营数据管理设备的结构示意图，该基于连锁品牌的私域经营数据管理设备500可因配置或性能不同而产生比较大的
差异，可以包括一个或一个以上处理器（central processing units，cpu）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于连锁品牌的私域经营数据管理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在基于连锁品牌的私域经营数据管理设备500上执行存储介质530中的一系列指令操作。
59.基于连锁品牌的私域经营数据管理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的基于连锁品牌的私域经营数据管理设备结构并不构成对基于连锁品牌的私域经营数据管理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
60.本发明还提供一种基于连锁品牌的私域经营数据管理设备，所述基于连锁品牌的私域经营数据管理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于连锁品牌的私域经营数据管理方法的步骤。
61.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于连锁品牌的私域经营数据管理方法的步骤。
62.进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
63.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
64.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
65.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
66.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。