[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

说明书

本发明涉及金融智能营销相关领域，具体公开了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，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；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：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、最优营销策略的分配，促成营销推广效率的最大化。

技术领域

本发明涉及金融智能营销相关领域，具体为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。

背景技术

智能营销是通过人的创造性、创新力以及创意智慧将先进的计算机、网络、移动互联网，物联网等科学技术的融合应用于当代品牌营销领域的新思维、新理念、新方法和新工具的创新营销新概念。

目前，智能化的营销手段越来越普及，商家可以通过多种渠道接触消费者，使用的营销干预手段，都会产生成本，如何衡量和预测营销干预带来的“增量提升”，而不把营销预算浪费在“本来就会转化”的那部分人身上，还有一部分“根本不会转化”的那部分人成为智能营销算法最重要的挑战。

发明内容

本发明的目的在于提供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，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

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，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，_kX_ik为是否对用户i实施营销动作k，_kA_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(1代表有干预，0代表无干预)，因此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；