[发明专利]目标人群圈选方法、目标人群圈选模型构建方法、装置

权利要求书

1.一种目标人群圈选方法，其特征在于，所述方法至少包括如下步骤：

获取待测试的目标品牌类目、投放信息、投放渠道及投放效果指标；

获取在第一预设时间段内所述待测试的目标品牌类目在目标平台上的在先投放信息并通过标签自定义圈选作为预测样本集；

将所述预测样本集、待测试的目标品牌类目、投放信息、投放渠道及投放效果指标输入预先构建的目标人群圈选模型，获得目标人群包，所述目标人群包包括按照投放效果指标得分排序的若干用户标识。

2.根据权利要求1所述的方法，其特征在于，所述获取在第一预设时间段内所述待测试的目标品牌类目在目标平台上的在先投放信息并通过标签自定义圈选作为预测样本集，包括如下子步骤：

获取在第一预设时间段内所述待测试的目标品牌类目在目标平台上的在先投放信息，提取所述在先投放信息中的用户标识及投放效果；

选取投放效果在预设阈值内的用户集作为初始测试样本集；

以所述初始测试样本集为基础，结合接收到的标签自定义圈选信息，获得预测样本集。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：预先构建目标人群圈选模型，包括如下子步骤：

根据待测试的目标品牌类目，在所述目标平台上提取第一正样本集及第一负样本集，所述第一正样本集包括在第二预设时间段内所有在所述目标平台上购买所述目标品牌类目相关产品的样本用户及相应的样本用户特征，所述第一负样本集包括在第二预设时间段内所述第一正样本集用户未购买所述目标品牌类目相关产品的日期中随机选取的样本用户及相应的样本用户特征；

以所述第一正样本集及第一负样本集中的样本用户特征为输入，投放效果指标得分为输出，通过预先设置的n个算法分别训练n个模型，n≥2；

将所述n个模型中准确率最高的模型确定为目标人群圈选模型。

4.根据权利要求3所述的方法，其特征在于，所述将预测样本集输入预先构建的目标人群圈选模型之前，还包括实时模型验证，包括：

根据待测试的目标品牌类目，在所述目标平台上提取第二正样本集及第二负样本集，所述第二正样本集包括在第三预设时间段内所有在所述目标平台上购买所述目标品牌类目相关产品的样本用户及相应的样本用户特征，所述第二负样本集包括在第三预设时间段内所述第二正样本集用户未购买所述目标品牌类目相关产品的日期中随机选取的样本用户及相应的样本用户特征；

以所述第二正样本集及第二负样本集中的样本用户特征为输入，投放效果指标得分为输出，通过预先设置的m个算法分别训练m个模型；

将所述n+m个模型中准确率最高的模型确定为目标人群圈选模型，m≥2。

5.根据权利要求3或4所述的方法，其特征在于，所述样本用户特征包括在所述目标平台上用户的用户标签特征、用户对应品牌下行为特征、用户在目标平台上的购物行为、用户在目标平台上的竞品下行为特征中的至少一种维度数据。

6.根据权利要求5所述的方法，其特征在于，所述算法包括但不限于逻辑回归、随机森林或xgboost中的至少一种。

7.一种目标人群圈选模型构建方法，其特征在于，包括如下步骤：

根据待测试的目标品牌类目，在所述目标平台上提取第一正样本集及第一负样本集，所述第一正样本集包括在第二预设时间段内所有在所述目标平台上购买所述目标品牌类目相关产品的样本用户及相应的样本用户特征，所述第一负样本集包括在第二预设时间段内所述第一正样本集用户未购买所述目标品牌类目相关产品的日期中随机选取的样本用户及相应的样本用户特征；

以所述第一正样本集及第一负样本集中的样本用户特征为输入，投放效果指标得分为输出，通过预先设置的n个算法分别训练n个模型，n≥2；

将所述n个模型中准确率最高的模型确定为目标人群圈选模型。