一种智能提醒方法、系统以及存储介质与流程

1.本发明涉及市场结算技术领域，具体是一种智能提醒方法、系统以及存储介质。


背景技术：

2.近年来，随着移动支付行业的迅猛发展，越来越多的提醒系统出现在b端商户的眼帘中，为b端商户提供收单辅助，但当前的收单辅助系统，不能结合商户本身的经营情况，面对的客群情况以及商户自身定位，为商户商铺的运营与发展提供帮助，仅仅提供了最基本的收款播报服务。随着市场竞争的日益激烈，绝大多数b端商户无法有效的对自身进行结算推广，仅能依赖于美团、饿了吗等大型平台，但又需要支付高额的佣金。在获取相应客源时，同时成本也在不断增加。
3.为此，我们提出了一种智能提醒方法、系统以及存储介质；我们通过智能提醒系统，对进入b端商户的c端消费者进行及时的角色定位、结算使用情况以及结算获取情况进行精确提醒，把产品的焦点放到用户的行为和动机上，找到需求痛点。使得b端商户以及c端消费者能够更加直观准确的感知到结算资源的使用，以及结算策略获得的效果。在b端商户更好的经营发展后，准确及时的告知相关的金融优惠政策，为商户更好的提供金融衍生服务。


技术实现要素：

4.本发明的目的在于提供一种智能提醒方法、系统以及存储介质，解决的技术问题是目前商户用提醒系统，仅仅在消费完成后，完成收款语音的播报，并未提供相关b端商户的客户经营用户的衍生能力与功能；无法有效的对b端商户形成经营支撑。
5.为实现上述目的，本发明提供如下技术方案：
6.一种智能提醒方法，包括如下步骤：
7.s1、采集历史c端消费者在b端商户的消费信息和营销结算信息，构建消费以及营销结算特征模型，提取c端消费者的消费特征和营销结算特征，构成客户消费特征数据库；
8.s2、构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值，构成用户营销结算贡献集；
9.s3、构建基于bp神经网络的营销结算贡献模型，利于s1和s2中的消费特征、上一次营销结算特征以及用户营销结算贡献集进行训练和测试，输出当次营销结算特征；获得基于bp神经网络的营销结算贡献模型；
10.s4、构建预设营销结算贡献模型，采集当前c端消费者的消费信息，提取当前c端消费者的消费特征，依据预设营销结算贡献模型计算当前c端消费者的预设营销结算贡献值；
11.s5、依据s4中当前c端消费者的消费特征、当前c端消费者的预设营销结算贡献值以及上一次营销结算特征，利用s3中基于bp神经网络的营销结算贡献模型，计算获得当前c端消费者的营销结算特征；
12.s6、利用当前c端消费者的营销结算特征，进行实时结算，且汇编消费信息以及营
销结算信息，并随后语音播报提醒。
13.优选的，所述消费特征涵盖消费时间、地点、身份、消费金额以及人数；所示消费特征模型，如公式(1)所示：
14.c
ij
＝[c
id
,c
tj
,c
pj
,c
aj
，c
nj
，c
rj
]
ꢀꢀꢀꢀ
(1)；
[0015]
其中c
ij
为i用户的第j次消费特征；c
id
为用户身份，按会员和非会员进行编码赋值；c
tj
为该用户第j次开始消费时间，取整值，取值范围(0-24)；c
pj
为消费地点，按该用户在b端商户的消费门店大小进行编码赋值；c
aj
为该用户第j次消费金额，c
nj
为该用户第j次消费人数，c
rj
为该用户第j次充值信息。
[0016]
优选的，所述营销结算特征涵盖用券金额、折扣金额、积分增加值以及积分抵扣金额，所示营销结算特征模型公式(2)所示：
[0017]mij
＝[m
qj
,m
dj
,m
sj
,m
sdj
](2)，其中m
ij
为i用户第j次消费的营销结算特征；m
qj
为该用户第j次消费的用券金额、m
dj
为该用户第j次消费的折扣金额、m
sj
为该用户第j次消费的积分增加值、m
sdj
为该用户第j次消费的积分抵扣金额。
[0018]
优选的，所述用户营销结算贡献值计算模型如公式(3)所示：
[0019][0020]
其中g
ij
为i用户的第j次用户营销结算贡献值，c
aj 1
为该用户第j 1次消费金额，c
aj
为该用户第j次消费金额。
[0021]
优选的，所述基于bp神经网络的营销结算贡献模型如公式(4)所示：
[0022]mij
＝f(c
ij
,m
ij-1
,g
ij
)
ꢀꢀꢀꢀ
(4)；
[0023]
其中m
ij
,m
ij-1
分别为i用户第j次以及第j-1次的营销结算特征，c
ij
为i用户的第j次消费特征；g
ij
为i用户第j次消费的用户营销结算贡献值。
[0024]
优选的，所述构建预设营销结算贡献模型如公式(5)所示：
[0025][0026]
其中a为i用户首次消费的预设营销结算贡献值；b为i非会员用户第j次消费的预设营销结算贡献值；b为i会员用户第j次消费的预设营销结算贡献值。
[0027]
优选的，基于bp神经网络的营销结算贡献模型的bp神经网络有输入层、隐含层和输出层；输入层有三个输入分别为：c
ij
为i用户的第j次消费特征；m
ij-1
为i用户第j-1次消费的营销结算特征；g
ij
为i用户第j次消费的用户营销结算贡献值；输出层有1个，m
ij
为i用户第j次消费的营销结算特征；所述基于bp神经网络的营销结算贡献模型的bp神经网络的隐含层采用tansig函数。
[0028]
优选的，还包括根据客户消费特征数据库，进行用户画像构建，在实时结算前，推荐相似的用户画像的购买产品。
[0029]
一种采用上述智能提醒方法的智能提醒系统，包括采集单元，用于采集当前和历史c端消费者在b端商户的消费信息以及营销结算信息；
[0030]
至少一处理器，用于分析处理c端消费者的消费信息以及营销结算信息，获得当前
c端消费者当次的营销结算信息，并实时结算；
[0031]
以及语音播报单元，用于实时结算后的语音播报。
[0032]
一种存储介质，存储有计算机程序，所述计算机程序被计算机执行时实现上述方法的步骤；
[0033]
与现有技术相比，本发明具有以下几个方面的有益效果：
[0034]
本发明改变传统的用户画像仅能通过后台界面查询的现状，使得用户画像能够更加有效的在b端与c端发生交互时得以展示，同时改变传统的结算策略，通过智能提醒系统准确直观的告知c端消费者结算分发以及结算使用的情况，提升c端用户的粘性，为b端商户经营店铺提供行之有效的宣传手段；
[0035]
本发明综合考虑了c端消费者在b端商户的消费信息，构建基于bp神经网络的营销结算贡献模型，通过bp神经网络训练测试得到当前消费的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒，提高营销结算效果，提高用户粘性，助力商户运营。
附图说明
[0036]
图1为一种智能提醒方法中实施例一的流程示意图；
[0037]
图2为实施例一中语音播报提醒系统的工作原理框图；
[0038]
图3为一种智能提醒方法中实施例二的流程示意图。
具体实施方式
[0039]
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0040]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0041]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0042]
实施例一：请参阅图1-2，首先对c端用户的身份进行确认，结合c端的用户画像情况。对c端的消费习惯，消费指数等等结合，最终确认c端的结算方案。再由交易入口触发，完成结算资源的分发与抵扣，最终通过智能提醒系统进行播报。
[0043]
实施例二：
[0044]
请参阅图3，一种智能提醒方法，包括如下步骤：
[0045]
s1、采集历史c端消费者在b端商户的消费信息和营销结算信息，构建消费以及营
销结算特征模型，提取c端消费者的消费特征和营销结算特征，构成客户消费特征数据库；
[0046]
在一些实施例中，所述消费特征涵盖消费时间、地点、身份、消费金额以及人数；所示消费特征模型，如公式(1)所示：
[0047][0048]
其中c
ij
为i用户的第j次消费特征；c
id
为用户身份，按会员和非会员进行编码赋值；c
tj
为该用户第j次开始消费时间，取整值，取值范围(0-24)；c
pj
为消费地点，按该用户在b端商户的消费门店大小进行编码赋值；c
aj
为该用户第j次消费金额，c
nj
为该用户第j次消费人数，c
rj
为该用户第j次充值信息。
[0049]
在一些实施例中，所述营销结算特征涵盖用券金额、折扣金额、积分增加值以及积分抵扣金额，所示营销结算特征模型公式(2)所示：
[0050]
其中m
ij
为i用户第j次消费的营销结算特征；m
qj
为该用户第j次消费的用券金额、m
dj
为该用户第j次消费的折扣金额、m
sj
为该用户第j次消费的积分增加值、m
sdj
为该用户第j次消费的积分抵扣金额。
[0051]
s2、构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值，构成用户营销结算贡献集；
[0052]
在一些实施例中，所述用户营销结算贡献值计算模型如公式(3)所示：
[0053][0054]
其中g
ij
为i用户的第j次用户营销结算贡献值，c
aj 1
为该用户第j 1次消费金额，c
aj
为该用户第j次消费金额。
[0055]
s3、构建基于bp神经网络的营销结算贡献模型，利于s1和s2中的消费特征、上一次营销结算特征以及用户营销结算贡献集进行训练和测试，输出当次营销结算特征；获得基于bp神经网络的营销结算贡献模型；
[0056]
在一些实施例中，所述基于bp神经网络的营销结算贡献模型如公式(4)所示：
[0057]mij
＝f(c
ij
,m
ij-1
,g
ij
)
ꢀꢀꢀꢀ
(4)；
[0058]
其中m
ij
,m
ij-1
分别为i用户第j次以及第j-1次的营销结算特征，c
ij
为i用户的第j次消费特征；g
ij
为i用户第j次消费的用户营销结算贡献值。
[0059]
在一些实施例中，基于bp神经网络的营销结算贡献模型的bp神经网络有输入层、隐含层和输出层；输入层有三个输入分别为：c
ij
为i用户的第j次消费特征；m
ij-1
为i用户第j-1次消费的营销结算特征；g
ij
为i用户第j次消费的用户营销结算贡献值；输出层有1个，m
ij
为i用户第j次消费的营销结算特征；所述基于bp神经网络的营销结算贡献模型的bp神经网络的隐含层采用tansig函数。
[0060]
s4、构建预设营销结算贡献模型，采集当前c端消费者的消费信息，提取当前c端消费者的消费特征，依据预设营销结算贡献模型计算当前c端消费者的预设营销结算贡献值；
[0061]
在一些实施例中，所述构建预设营销结算贡献模型如公式(5)所示：
[0062][0063]
其中a为i用户首次消费的预设营销结算贡献值；b为i非会员用户第j次消费的预设营销结算贡献值；b为i会员用户第j次消费的预设营销结算贡献值。
[0064]
在一些实施例中a取值范围为(0.1-0.8)，b取值范围为(0.1-0.5)，c取值范围为(0.1-0.3)；
[0065]
s5、依据s4中当前c端消费者的消费特征、当前c端消费者的预设营销结算贡献值以及上一次营销结算特征，利用s3中基于bp神经网络的营销结算贡献模型，计算获得当前c端消费者的营销结算特征；
[0066]
s6、当前c端消费者进入交易端口时，触发s5中计算的当前c端消费者的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒。
[0067]
优选的，还包括根据客户消费特征数据库，进行用户画像构建，在实时结算前，推荐相似的用户画像的购买产品。
[0068]
一种采用上述智能提醒方法的智能提醒系统，包括采集单元，用于采集当前和历史c端消费者在b端商户的消费信息以及营销结算信息；
[0069]
至少一处理器，用于分析处理c端消费者的消费信息以及营销结算信息，获得当前c端消费者当次的营销结算信息，并实时结算；
[0070]
以及语音播报单元，用于实时结算后的语音播报。
[0071]
一种存储介质，存储有计算机程序，所述计算机程序被计算机执行时实现上述方法的步骤。
[0072]
本发明的工作原理是：本发明改变传统的用户画像仅能通过后台界面查询的现状，使得用户画像能够更加有效的在b端与c端发生交互时得以展示，同时改变传统的结算策略，通过智能提醒系统准确直观的告知c端消费者结算分发以及结算使用的情况，提升c端用户的粘性，为b端商户经营店铺提供行之有效的宣传手段；
[0073]
本发明综合考虑了c端消费者在b端商户的消费信息，构建基于bp神经网络的营销结算贡献模型，通过bp神经网络训练测试得到当前消费的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒，提高营销结算效果，提高用户粘性，助力商户运营。
[0074]
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。