[发明专利]一种基于遗传算法的实体商业营销方法

说明书

本发明公开一种基于遗传算法的实体商业营销方法，涉及营销方法领域，包括如下步骤：采集商家数据和用户数据；根据商家数据，针对商家采用对不同消费类型设定标签，获得商家特征基因建立商家基因库模型；根据用户数据，获得用户消费权重，建立用户偏好模型；利用k‑means算法分别对类型相似的商家数据和用户数据进行初始聚类；采用遗传算法计算某一商家对一被推荐用户的推荐率，对用户求解推荐率；再计算出满足条件的商家对此被推荐用户的推荐率，生成推新备选商家数据集，根据各商家在数据集中的排名，对此被推荐用户进行精准推荐；本发明解决了目前实体商业市场无法对用户进行精准营销，使得在商业市场上竞争力低的问题。

技术领域

本发明涉及营销方法领域，尤其涉及一种基于遗传算法的实体商业营销方法。

背景技术

随着“互联网+”的浪潮席卷而来，以电商平台为典型代表的新型商业模式成为人们的宠儿，而传统实体商业，如百货商场，却在此次浪潮中受到非常大的冲击。不少商场沦为“试衣间”、商品展示平台。根据iziRetail抽样调查数据，2016年上半年全国近六成的百货商场业绩处于下滑状态，很多商场甚至濒临倒闭或者已经倒闭。因此，对于目前的大型实体商业而言，积极探寻新的经营理念，利用先进大数据技术，在新时代、新环境下实现商业模式转型，是目前所有实体商业领导者亟待解决的问题。

总之，由于实体商业市场缺乏像电商平台那样的个性化交互平台，因此无法对用户进行精准营销，使得在商业市场上竞争力越来越弱。

发明内容

本发明的目的在于：为解决目前实体商业市场无法对用户进行精准营销，使得在商业市场上竞争力低的问题，本发明提供一种基于遗传算法的实体商业营销方法。

本发明的技术方案如下：

一种基于遗传算法的实体商业营销方法，包括如下步骤：

步骤1：采集商家数据和用户数据；

步骤2：根据商家数据，针对商家采用对不同消费类型设定标签，获得商家特征基因建立商家基因库模型；

步骤3：根据用户数据，获得用户消费权重，建立用户偏好模型；

步骤4：利用k-means算法分别对类型相似的商家数据和用户数据进行初始聚类；

步骤5：在聚合的类中将用户数据和商家基因库的特征基因进行匹配，采用遗传算法计算某一商家对一被推荐用户的推荐率；再计算出匹配成功的商家对此被推荐用户的推荐率，生成推新备选商家数据集，根据各商家在数据集中的排名，对此被推荐用户进行精准推荐。

步骤1-步骤5中，用户包括老用户和新用户，老用户和新用户的判定依据一定的判定规则；

步骤5中，对计算某一商家对老用户或者新用户的推荐率采用不同的遗传算法。

进一步地，所述用户分为老用户或新用户，老用户的具体消费数据根据实际调查获取，每个用户所有具体消费数据；新用户要下载APP或关注微信公众号，让其通过APP或者微信公众号选择偏好并打分，后台记录并填写标签作为用户数据。

具体地，所述步骤2中，将所述商家数据分为代表餐饮行业、服装行业和休闲行业三个类型，分别是CI、RI和LI，每一类型的个数相同；商家的特征基因为：其中h代表第h个商家，商家的特征基因需要转化为二进制序列。

具体地，所述步骤3中，用户消费的权重为：其中C_i表示第i位用户，x_j表示权重序列的第j个特征，用户消费权重也需要转换为二进制序列。

具体地，所述步骤4的具体步骤为：

步骤4.1：输入样本数据集，样本数据集包括步骤2中获得的商家特征基因以及步骤3中获得的用户消费权重