[发明专利]用于精准营销的方法、装置及电子设备

说明书

本申请涉及用于精准营销的方法、装置及电子设备,方法包括：对营销的目标客户的标识信息和属性数据进行聚合计算得到属性宽表，其中所述属性宽表包括决策属性和多个条件属性；基于粗糙集方法根据所述属性宽表中所述决策属性的值对所述多个条件属性进行属性约简得到至少一个条件属性子集；根据所述至少一个条件属性子集生成至少一个规则；根据所述规则集合中的规则确定营销方案。本申请的技术方案能够将数据到决策的输出自动化快速呈现，能够提高营销的精度和效率。

技术领域

本申请涉及计算机应用技术领域，具体而言，涉及用于精准营销的方法、装置及电子设备。

背景技术

随着互联网技术的快速发展，营销广告也从传统时代逐步进化到了互联网时代，广告搜索与展示模式从内容与创意层面到技术层面进行了深度更迭。在大数据应用场景下，互联网广告投放已经进入精准化时代，广告的精准投放对广告主、服务平台与潜在用户而言，在提升效率与商业效益方面，有了更迫切的需求。

广告精准投放经常需要考虑用户、时间、渠道等多种场景组合，对于数据层面来说，就是多种属性的组合，属性越多组合的方式越多，怎么在这些组合中找到效果最优的组合成为一项基础和重要的任务。

目前精准投放有两大类方法，一种采取多轮实验的方式，先普投，统计用户行为在各个属性或属性组合上的分布差异，然后再根据数据差异进行精准投放看反馈，再有针对的调整，形成多轮闭环；另一种采取统计方法，比如线性或非线性判别分析。

上述相关技术基于简单数据统计信息，通过多轮投放的方式，一方面多轮投放持续时间较长，会损失较大的营销机会和市场机会，同时整个营销计划需要较高的成本，另一方面简单统计会损失很多细粒度的信息，造成精准度的提升空间较小。

对于传统统计方法，过分依赖某些苛刻的统计假设，在实际的复杂场景中，很难找到形式简单、合适的模型，在应用精度等方面存在很大问题。另外这些分类大多数没有考虑到决策类别的优劣次序，比如分类的“优中差”、营销效果投资回报率ROI分级产生的实际效果和成本差异是很大的，简单统计方法有时候很难区分出次序。

发明内容

本申请公开用于精准营销的方法，以能够将数据到决策的输出自动化快速呈现，能够提高营销的精度和效率。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供一种用于精准营销的方法，包括：

对营销的目标客户的标识信息和属性数据进行聚合计算得到属性宽表，其中所述属性宽表包括决策属性和多个条件属性；

基于粗糙集方法根据所述属性宽表中所述决策属性的值对所述多个条件属性进行属性约简得到至少一个条件属性子集；

根据所述至少一个条件属性子集生成至少一个规则得到规则集合；

根据所述规则集合中的规则确定营销方案。

其中，粗糙集是一种刻画不完整性和不确定性的数学工具，能有效地分析不精确，不一致、不完整等各种不完备的信息。从一系列已有数据中寻找其规律或规则，预测问题的方向是粗糙集理论的基本思想。粗糙集理论是建立在分类机制的基础上的，它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分，每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识用已知的知识库中的知识来刻画或近似地刻画。

根据一些实施例，所述目标客户的标识信息包括所述目标客户的PIN、移动设备编号、UUID、和cookies。

根据一些实施例，若所述属性宽表中所述多个条件属性字段有空值，则在得到属性宽表之后，以及在进行属性约简之前，对所述属性宽表中所述多个条件属性字段的空值进行处理。