[发明专利]一种基于因果推断和分配策略最优化的金融智能营销算法

权利要求书

1.一种基于因果推断和分配策略最优化的金融智能营销算法，其特征在于，包括以下步骤：

S1、在预算有限、ROI约束条件下，将最大化营销动作转化率表示为通过分组背包问题，

ROI约束条件：利润/投资

实际计算的ROI≥设定的ROI，

预算约束条件：

投资≤B，

X_ik取值为0或1；

其中，β_ik为用户i对于营销动作k的核销率，是针对营销动作k设计的值，X_ik为是否对用户i实施营销动作k，A_ik为用户i在营销动作k作用下的转化金额，w_ik为营销动作k对应的金额；B为营销动作k的预算上限的定值，ROI为资源回报率，是一个定值；

分组背包模型公式为：

其中：用户个数为i,营销动作为k，Δp_ik为用户敏感度模型，X_ik为是否对用户i实施营销动作k，X_ik取值为0或1，X_ik＝1时表示用户i实施营销动作k，X_ik＝0时表示用户i不实施营销动作k；表示对不同用户实施不同营销动作实现的营销转化率；表示在X矩阵中取得最大化营销转换率；表示用于最优化策略寻找，得到的数据即是针对用户的最优营销策略；

S2、构建基于因果推断的用户敏感度增量模型Δp_ik，用于锁定营销敏感人群，预测不同营销动作对每个用户的敏感度，从而帮助制定营销策略：

Δp_ik＝G(Y_i|X_i,T＝1)-G(Y_i|X_i,T＝0)，

其中：Y代表的用户转换结果，X是用户维度的特征，该特征包括但不限于年龄、性别的特征，T代表的是营销的变量，其中T为1代表有干预，T为0代表无干预，因此敏感度增量模型Δp_ik取得的这个概率差值表示的是用户在有干预和没有干预情况下的变化；

S3、使用用户敏感度增量模型预测对每个用户施加不同营销动作时的用户敏感程度，绘制用户的敏感度与营销动作关系曲线，曲线用于对一个用户施加不同的营销动作，判断用户对当前营销动作的敏感度；

S4、搭建智能营销的在线服务平台，通过敏感程度数据、消耗和产出的数据，驱动模型进行收益模拟测算，完成最优营销策略的分配，促成营销推广效率的最大化；

S5、通过业务方的营销后端实施推广决策的营销动作，为每种人群分配一种营销动作。

2.根据权利要求1所述的一种基于因果推断和分配策略最优化的金融智能营销算法，其特征在于，步骤S1中包括根据处理对象的规模、可用的计算资源，选取合适的参数，在不同程度上逼近模型全局效用最大化。

3.根据权利要求1所述的一种基于因果推断和分配策略最优化的金融智能营销算法，其特征在于，步骤S3中的曲线分析包括权益不敏感型、低成本胜高成本型和临界突增型。

4.根据权利要求1所述的一种基于因果推断和分配策略最优化的金融智能营销算法，其特征在于，步骤S4中智能营销的在线服务平台包括建立数据库，数据库包括公共数据、金融业务数据、营销活动数据和外部数据，根据用户的敏感程度与数据库中储存的数据进行比对，同时结合当前的环境特征预测用户在当前状态下真实的敏感度，进行最优营销策略的决策，其中当前的环境特征包括人文环境、经济环境、自然环境、技术环境、政治-法律环境和社会-文化环境等。

5.根据权利要求1所述的一种基于因果推断和分配策略最优化的金融智能营销算法，其特征在于，步骤S5中营销动作的分配为根据经验对不同属性的人群分配不同的营销动作。