[发明专利]用于个性化优惠的方法和系统

说明书

提供了用于个性化优惠的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法之一包括：收集包括为平台的多个用户中的每个用户制定的一个或多个优惠以及一个或多个相应响应的响应数据，其中，所述一个或多个优惠是从一组优惠选项中选择的；创建包括收集的响应数据以及与所述多个用户中的每个用户相关联的一个或多个特征的训练数据集；使用所述训练数据集训练机器学习模型，其中，训练的机器学习模型用来预测所述多个用户对未来优惠的响应；使用所述训练的机器学习模型获得所述平台的多个预计收益，其中，所述多个预计收益中的每个预计收益对应于为所述多个用户中的一个用户制定一组预定优惠中的一个优惠。

技术领域

本公开通常涉及用于个性化优惠的系统和方法。

背景技术

诸如商业实体的组织经过提供促销、奖励、奖金或者其他类型的激励来吸引新客户、激励员工、加强顾客忠实度等。确定优惠的传统机制基于粗粒度规则，例如在特定时间(母亲节、情人节、圣诞节)提供某些促销、基于绩效审核向员工奖励奖金。

通过示例，电子商务平台可以在预算限制下为其用户指定优惠以便在平台上吸引活跃用户。尽管促销或者其他激励分配是司空见惯的，但是使这样的优惠方案的效果最大化是具有挑战的。现有方法使用过简规则(例如，一个城市中的用户得到相同的优惠)来以粗略方式确定优惠。这些方法不能够有效地在个体水平上个性化优惠。一些现有方法采取基于与用户相关联的一些特征的手动规则，但是不能够处理诸如当今电子商务平台承载的上百万用户的大规模用例。因而期望利用算力来精确地确定并且提供个性化优惠，以便改善激励方案的有效性。

发明内容

本申请的各种实施例可以包括个性化优惠的系统、方法和非暂时性计算机可读介质。

根据一个方面，一种用于个性化优惠的方法可以包括：收集包括为平台的多个用户中的每个用户制定的一个或多个优惠以及一个或多个相应响应的响应数据，其中，所述一个或多个优惠是从一组优惠选项中选择的；创建包括收集的响应数据以及与所述多个用户中的每个用户相关联的一个或多个特征的训练数据集；使用所述训练数据集训练机器学习模型，其中，训练的机器学习模型用来预测所述多个用户对未来优惠的响应；使用所述训练的机器学习模型获得所述平台的多个预计收益，其中，所述多个预计收益中的每个预计收益对应于为所述多个用户中的一个用户制定一组预定优惠中的一个优惠；以及在所述平台的总成本限制下，基于所述多个预计收益从所述一组优惠选项中确定一个或多个优惠的组合来分配给所述多个用户，以最大化总收益。

在一些实施例中，多个用户可以包括在线销售方；并且一个或多个特征可以包括下面中的一个或多个：销售方年龄、销售方性别、销售方位置、平台上的登记时间、交易量以及产品信息。

在一些实施例中，创建训练数据集可以包括：生成多个数据条目，每一个数据条目包括相应用户的一个或多个特征以及为相应用户制定的一个或多个优惠中的一个优惠；并且基于一个或多个相应响应来标记所述多个数据条目。

在一些实施例中，一组优惠选项可以包括表示不制定优惠的优惠选项。

在一些实施例中，从一组优惠选项中确定的一个或多个优惠的组合是具有重复的组合；并且确定的组合包括N个元素，N是多个用户的数量。

在一些实施例中，所述方法可以进一步包括：从多个用户中随机选择一个或多个用户；并且为随机选择的一个或多个用户制定从一组优惠选项中随机选择的一个或多个优惠。

在一些实施例中，多个用户的数量可以是N；优惠选项的数量可以是M；并且从所述一组优惠选项中确定一个或多个优惠的组合来分配给所述多个用户包括：求解优化以获得N*M矩阵X，X的每一个元素X_ij包括指示关于为第i个用户制定第j个优惠的推荐的值，其中，并且∑_jX_ij＝1。