[发明专利]流量精细化营销参数的选取方法

权利要求书

1.流量精细化营销参数的选取方法，其特征在于，包括如下步骤：

由细分目的选择数据变量后细分用户群；

从数据集中抽取各用户群的数据样本集；

以各用户群的数据样本集为AdaBoosting模型的训练样本确定影响AdaBoosting模型分类精度的参数。

2.根据权利要求1所述的流量精细化营销参数的选取方法，其特征在于，所述数据变量包括基本属性变量和行为特征变量。

3.根据权利要求2所述的流量精细化营销参数的选取方法，其特征在于，所述基本属性变量包括：开户时间、用户类型、基本套餐、套餐类型、终端类型、固定时间区间内的消耗流量、固定时间区间内的费用消耗。

4.根据权利要求2所述的流量精细化营销参数的选取方法，其特征在于，所述行为特征变量包括：流量包订购情况、用户安装app的数量、大流量app安装数、大流量app使用次数、app使用次数、用户闲时登陆的次数、闲时登陆消耗的流量。

5.根据权利要求2或3或4所述的流量精细化营销参数的选取方法，其特征在于，所述从数据集中抽取各用户群的数据样本集这一步骤的具体方法为：

预处理各用户群的数据样本集；

格式转换预处理后的各用户群的数据样本集；

对格式化后的数据样本集抽样各用户群的观测样本。

6.根据权利要求5所述的流量精细化营销参数的选取方法，其特征在于：所述预处理各用户群的数据样本集，具体为：删除异常值和极端值，为无序多分类数据变量设置哑变量。

7.根据权利要求5所述的流量精细化营销参数的选取方法，其特征在于：所述从数据集中抽取各用户群的数据样本集这一步骤的具体方法为：由用户群数据样本集生成衍变量。

8.根据权利要求7所述的流量精细化营销参数的选取方法，其特征在于：所述衍变量包括：闲时流量消耗比、均使用流量。

9.根据权利要求5所述的流量精细化营销参数的选取方法，其特征在于：所述以各用户群的数据样本集为AdaBoosting模型的训练样本确定影响AdaBoosting模型分类精度的参数这一步骤具体包括以下子步骤：

(1)以各用户群的观测样本为AdaBoosting模型的训练样本，初始化样本权重

(2)开始迭代过程确定影响分类精度的数据变量：

A.归一化权重，

B.计算以各数据变量为特征的弱分类器的加权错误概率，

C.选出最小加权错误概率的弱分类器,

D.调整样本权重后返回A重复迭代过程直至达到最大迭代次数。

(3)将迭代筛选出的多个最小加权错误概率弱分类器组成一个强分类器，所述强分类器对应为流量精细化营销参数的集合。

10.根据权利要求10所述的流量精细化营销参数的选取方法，其特征在于：子步骤D中以赋予误分类样本高权值，不改变正确分类样本权值的原则调整样本权重。