[发明专利]一种基于用户群微细分的信息推送方法及系统

说明书

本发明涉及一种基于用户群微细分的信息推送方法及系统。所述方法包括以下步骤：从服务器获取用户信息及其对应的产品信息；对所述用户信息及其对应的产品信息进行标准化处理，得到第一数据集；对所述第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；从所述二维彩色等高线轮廓图中提取低维特征向量；根据所述低维特征向量采用密度聚类的方法对用户群进行微细分以形成用户微细分簇群；将所述低维特征向量及用户微细分簇群的提升度用于优先推荐模型的优化提升；基于所述优先推荐模型的预测结果向用户群进行相应产品的信息推送。本发明可以通过识别用户深层特征并进行用户群微细分以进行精准信息推送。

技术领域

本发明属于大数据分析与数据挖掘领域，尤其涉及一种基于用户群微细分的信息推送方法及系统。

背景技术

大数据时代，数据正在迅速膨胀变大，它决定着企业的未来发展，随着时间的推移，人们将越来越多的意识到数据对企业的重要性。互联网+时代的到来，新零售的到来，打破原来很多企业原有的业务模式，企业以互联网为依托，通过运用大数据、人工智能等先进技术手段，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。

企业为了跟上时代的快速发展，业务不断的更新迭代，普遍采用产品响应预测等模型来提高营销成功率，达到精准营销和信息推送的目的。目前业界常用的产品响应预测建模大多采用XGBoost、LightGBM等树类模型算法或者是逻辑回归等统计算法，输入数据采用常见的结构化数据，常常需要进行复杂的特征工程才能发现有效特征，缺乏发现深层特征的能力，模型的准确性也难以有效提升，最终导致通过产品响应预测建模进行的信息推送准确性较低。

发明内容

针对上述现有技术中存在的缺陷，本发明的目的在于提供一种基于用户群微细分的信息推送方法及系统，其可以通过识别用户深层特征并进行用户群微细分以进行精准信息推送。

为了达到上述目的，本发明提出如下两个方面的技术方案：

第一方面，本发明实施例提供一种基于用户群微细分的信息推送方法，包括以下步骤：

从服务器获取用户信息及其对应的产品信息；

对所述用户信息及其对应的产品信息进行标准化处理，得到第一数据集；

对所述第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；

从所述二维彩色等高线轮廓图中提取低维特征向量；

根据所述低维特征向量采用密度聚类的方法对用户群进行微细分以形成用户微细分簇群；

将所述低维特征向量及用户微细分簇群的提升度用于优先推荐模型的优化提升；

基于所述优先推荐模型的预测结果向用户群进行相应产品的信息推送。

在一个实施例中，所述产品信息包括针对所述产品的用户的历史行为数据。

在一个实施例中，对所述用户信息及其对应的产品信息进行标准化处理，得到第一数据集，包括：

将所述用户信息及其对应的产品信息标准化处理为用户与产品的月日均数据宽表；

根据全体用户与各产品的数据分布，进行零值归并二次分箱离散化，通过百分位数分箱、非正数点合并、十分位数分箱，将各项数据离散化为十个分箱标签，并以箱体中位数作为分箱量化值；

所述零值归并二次分箱离散化标签的计算公式为：

，其中n为全体用户数量

根据用户在各产品资产占比的分箱标签，串联形成用户的分箱离散化编码，形成第一数据集。