[发明专利]一种基于深度学习的运营策略触发方法、装置和电子设备

说明书

本发明涉及互联网技术领域，具体涉及一种基于深度学习的运营策略触发方法、装置和电子设备。方法包括以下步骤：获取监测期内用户的历史消费数据，对历史消费数据进行预处理，并人工添加标签；建立消费情绪分析模型；获取周期内用户的实时行为数据；将用户的实时行为数据输入训练完成的消费情绪分析模型，得到消费情绪分析模型的输出结果，作为用户消费情绪监控结果；预设若干个运营策略，运营策略关联有用户消费情绪，根据用户消费情绪监控结果触发对应的运营策略至用户端。本发明的有益技术效果包括：独创性地将深度学习算法和用户消费情绪监控结合，并将用户消费情绪监控与运营策略绑定，大大提高运营策略触发效率以及准确性。

技术领域

本发明涉及互联网技术领域，具体涉及一种基于深度学习的运营策略触发方法、装置和电子设备。

背景技术

从消费心理以及用户习惯的角度，用户的消费行为具有一定周期性，是一个基于过往行为对当下消费意愿强度的一个预测问题，因此可以对用户消费情绪进行建模，用以充分发挥历史消费数据的价值。用户消费情绪建模在互联网领域是一个非常关键的环节，对促进产品营收增长、保持用户留存有着非常大的帮助，尤其在直播视频场景有着非常大的需求。

但是，业界当前对用户消费情绪建模以及对用户消费引导运营策略均是基于人工调查用户消费情绪、运营人工规则以及一些简单的分类算法，难以应付线上业务变化的用户行为习惯，与此同时，针对每个不同用户建模将耗费大量的人力，对触发引导用户消费的运营策略的时机把握也缺乏准确度而且效率低下，造成不必要的成本浪费。为此，有必要研究能够提高触发效率和准确性的运营策略触发方法。

如中国专利CN112232888A，公开日2021年1月15日，一种消费者行为智能分析系统及方法，该方法包括以下步骤：收集消费者在线上平台的消费记录，且追踪消费者在线上平台的每一条消费记录的消费总过程；根据每个消费者的消费记录的数量将消费者划分为不同消费量的需求群体，推断消费者在线上平台的隐藏消费类型；建立消费行为分析系统，根据每个消费者的消费记录的内容分解不同的需求群体的消费心理状态，通过反向激励方式对比不同的需求群体的消费记录，综合对比结果和不同需求群体当前的消费心理状态独立制定不同的营销策略；根据每个消费者的消费有效信息和裙带消费类型向消费者推荐合适的商品，即可以保证对新用户的积极引导，提高对线上平台的信任度，同时还不断的稳固老用户，为老用户提供更加便捷有效的消费方式。但该技术方案仅通过反向激励方式对比消费记录的方式确定消费者的消费心理状态，对不同群体采用类似的策略，准确度低。

发明内容

本发明所要解决的技术问题：目前运营策略触发存在效率低、准确性差的技术问题，提出了一种基于深度学习的运营策略触发方法、装置和电子设备，独创性地将深度学习算法和用户消费情绪监控结合，并将用户消费情绪监控与运营策略绑定，大大提高运营策略触发效率以及准确性，实现运营策略精准推送的技术效果。

解决上述技术问题，本发明采用如下技术方案：一种基于深度学习的运营策略触发方法，包括以下步骤：

获取监测期内用户的历史消费数据，对历史消费数据进行预处理，并人工添加标签；

建立消费情绪分析模型，使用预处理后的历史消费数据训练消费情绪分析模型；

周期性执行以下步骤：

获取周期内用户的实时行为数据，对用户的实时行为数据进行预处理；

将预处理后的用户的实时行为数据输入训练完成的消费情绪分析模型，得到消费情绪分析模型的输出结果，作为用户消费情绪监控结果；

预设若干个运营策略，所述运营策略关联有用户消费情绪，根据用户消费情绪监控结果触发对应的运营策略至用户端。

作为优选，所述实时行为数据包括交互类型数据、用户信息数据和项目类别数据，所述交互类型数据记录用户与项目的交互类型，所述用户信息数据记录用户的信息，所述项目类别数据记录用户交互行为对应的项目类别。