CN107844988A - 一种基于大数据挖掘和地理位置匹配的智能营销*** - Google Patents
一种基于大数据挖掘和地理位置匹配的智能营销*** Download PDFInfo
- Publication number
- CN107844988A CN107844988A CN201710834675.XA CN201710834675A CN107844988A CN 107844988 A CN107844988 A CN 107844988A CN 201710834675 A CN201710834675 A CN 201710834675A CN 107844988 A CN107844988 A CN 107844988A
- Authority
- CN
- China
- Prior art keywords
- marketing
- user
- subsystem
- big data
- preference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 230000001960 triggered effect Effects 0.000 claims abstract description 7
- 238000007418 data mining Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据挖掘和地理位置匹配的智能营销***,通过多种机器学习算法对收集到的各类用户数据进行分析,得到用户偏好标签,然后根据偏好标签制定个性化的营销任务并在用户偏好时间点触发;还设置了营销反馈子***,将营销效果和用户反馈作为新的数据源,并输入数据挖掘模型,对模型进行迭代优化。本发明能够提供一种精准营销、为线下门店精准导流、提高线下门店的资源利用率、提升用户体验的基于大数据挖掘和地理位置匹配的智能营销***。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种基于大数据挖掘和地理位置匹配的智能营销***。
背景技术
传统的线上营销,多以短、彩信群发为主,没有对用户进行研究区分,因其粗放的营销方式、较低的营销精准度以及缺乏实时性,以致营销转化率低,效果差,还容易造成对用户的骚扰,导致用户投诉或流失。
当前线下门店的经营活动中,主要靠门店位置的自然人流量和促销活动吸引的人流,门店运营人员缺少有效的引流手段。在进店的用户中,由于没有数据分析做支撑,不能快速识别用户需求,针对有需求的用户做针对性的营销,导致大量的无效访问流量,且进店用户的驻留率低,不能带来实际业务量的提升。
随着大数据应用技术的发展,通过对用户数据进行挖掘,在线上对用户的需求进行精准分析,通过位置匹配,引导目标用户去附近的线下门店体验,不仅能够提高用户体验,提高营销精准度、提升服务水平,也能提高线下门店的业务效率。
线上营销以群发为主、广告盲目推送、线下门店靠自然人流和促销活动,现有技术方案存在如下缺点:线上营销转化率低、容易对用户造成骚扰;线下门店不能快速匹配用户需求,用户体验差。
发明内容
本发明目的是为了克服现有技术的不足而提供一种精准营销、为线下门店精准导流、提高线下门店的资源利用率、提升用户体验的基于大数据挖掘和地理位置匹配的智能营销***。
为达到上述目的,本发明采用了如下技术方案。
一种基于大数据挖掘和地理位置匹配的智能营销***,包括大数据建模子***、用户匹配子***、位置营销子***和营销反馈子***,所述大数据建模子***通过利用机器学习技术对收集的用户数据进行挖掘,输出每个用户的偏好标签;所述用户匹配子***依据所述大数据建模子***中收集的用户数据及偏好标签,结合营销规模、营销预算、人力和场地资源,匹配营销人群、生成营销任务及营销渠道,并设定触发时间;所述位置营销子***通过基于线下门店和用户的实时位置信息,进行场景营销;所述营销反馈子***通过收集营销效果及用户反馈数据,作为用户数据的一部分,输出给所述大数据建模子***,作为数据挖掘的数据源,对所述大数据建模子***进行优化更新迭代。
所述大数据建模子***中收集的用户数据包括以下至少一种:用户ID、消费记录、收发货地址、常驻位置、上网记录和搜索记录。
所述大数据建模子***中使用的机器学习技术为监督型或非监督型机器学习技术,其算法包括以下至少一种:logistics回归、支持向量机、决策树和随机森林。
所述大数据建模子***中输出的用户偏好标签包括以下至少一种:品牌偏好、消费偏好、渠道偏好、时间偏好和流失概率。
所述用户匹配子***中的营销规模是与营销预算、人力和场地资源正相关的;所述用户匹配子***中的营销人群是根据所述大数据建模子***输出的用户的偏好标签,选择出的与营销任务匹配的营销人群;所述用户匹配子***中的营销任务是根据用户的渠道偏好,为营销人群匹配最合适的营销渠道,包括以下至少一种:短信、电话和客户端推送;所述用户匹配子***中的触发时间是根据所述大数据建模子***中用户的时间偏好标签,在时间偏好范围内进行推送营销广告。
所述位置营销子***,具体包括,步骤一:通过运营商基站或者手机客户端读取的GPS卫星定位信息,获取用户的实时位置信息;步骤二:建立线下门店位置信息数据库;步骤三:设置距离阈值,当目标用户出现在门店周围的距离在阈值范围内时,发送营销消息,告知产品信息及门店位置,邀请用户来现场体验。
由于上述技术方案的运用,本发明的技术方案带来的有益技术效果有:本技术方案通过多种不同算法的数据挖掘方式对收集多种用户数据,分析得到不同用户的偏好标签,然后根据上述的数据及偏好标签制定个性化的营销任务并在用户偏好时间点触发,具有实现精准营销,通过地理位置匹配,为线下门店精准导流、提高线下门店的资源利用效率和用户体验的有益技术效果;本技术方案还设置了营销反馈子***,通过对将营销效果和用户反馈作为新的数据源、输入数据挖掘模型,对模型进行迭代优化,具有营销效果实时反馈、反馈数据收集快、数据利用充分、加快模型优化更新速度的有益技术效果。
附图说明
附图1为本发明的整体结构示意图。
附图2为本发明的流程示意图。
图中:1.大数据建模子***;2.用户匹配子***;3.位置营销子***;4.营销反馈子***。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
如图1及图2所示,一种基于大数据挖掘和地理位置匹配的智能营销***,包括大数据建模子***1、用户匹配子***2、位置营销子***3和营销反馈子***4,所述大数据建模子***1通过利用机器学习技术对收集的用户数据进行挖掘,输出每个用户的偏好标签;所述用户匹配子***2依据所述大数据建模子***1中收集的用户数据及偏好标签,结合营销规模、营销预算、人力和场地资源,匹配营销人群、生成营销任务及营销渠道,并设定触发时间;所述位置营销子***3通过基于线下门店和用户的实时位置信息,进行场景营销;所述营销反馈子***4通过收集营销效果及用户反馈数据,作为用户数据的一部分,输出给所述大数据建模子***1,作为数据挖掘的数据源,对所述大数据建模子***1进行优化更新迭代。
所述大数据建模子***1中收集的用户数据包括以下至少一种:用户ID、消费记录、收发货地址、常驻位置、上网记录和搜索记录。
所述大数据建模子***1中使用的机器学习技术为监督型或非监督型机器学习技术,其算法包括以下至少一种:logistics回归、支持向量机、决策树和随机森林。
所述大数据建模子***1中输出的用户偏好标签包括以下至少一种:品牌偏好、消费偏好、渠道偏好、时间偏好和流失概率。
所述用户匹配子***2中的营销规模是与营销预算、人力和场地资源正相关的。
所述用户匹配子***2中的营销人群是根据所述大数据建模子***输出的用户的偏好标签,选择出的与营销任务匹配的营销人群。
所述用户匹配子***2中的营销任务是根据用户的渠道偏好,为营销人群匹配最合适的营销渠道,包括以下至少一种:短信、电话和客户端推送。
所述用户匹配子***2中的触发时间是根据所述大数据建模子***中用户的时间偏好标签,在时间偏好范围内推送营销广告。
所述位置营销子***3,具体包括,步骤一:通过运营商基站或者手机客户端读取的GPS卫星定位信息,获取用户的实时位置信息;步骤二:建立线下门店位置信息数据库;步骤三:设置距离阈值,当目标用户出现在门店周围的距离在阈值范围内时,发送营销消息,告知产品信息及门店位置,邀请用户来现场体验。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (6)
1.一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:包括大数据建模子***、用户匹配子***、位置营销子***和营销反馈子***,所述大数据建模子***通过利用机器学习技术对收集的用户数据进行挖掘,输出每个用户的偏好标签;所述用户匹配子***依据所述大数据建模子***中收集的用户数据及偏好标签,结合营销规模、营销预算、人力和场地资源,匹配营销人群、生成营销任务及营销渠道,并设定触发时间;所述位置营销子***通过基于线下门店和用户的实时位置信息,进行场景营销;所述营销反馈子***通过收集营销效果及用户反馈数据,作为用户数据的一部分,输出给所述大数据建模子***,作为数据挖掘的数据源,对所述大数据建模子***进行优化更新迭代。
2.在根据权利要求1所述的一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:所述大数据建模子***中收集的用户数据包括以下至少一种:用户ID、消费记录、收发货地址、常驻位置、上网记录和搜索记录。
3.根据权利要求1所述的一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:所述大数据建模子***中使用的机器学习技术为监督型或非监督型机器学习技术,其算法包括以下至少一种:logistics回归、支持向量机、决策树和随机森林。
4.根据权利要求1所述的一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:所述大数据建模子***中输出的用户偏好标签包括以下至少一种:品牌偏好、消费偏好、渠道偏好、时间偏好和流失概率。
5.根据权利要求1所述的一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:所述用户匹配子***中的营销规模是与营销预算、人力和场地资源正相关的;所述用户匹配子***中的营销人群是根据所述大数据建模子***输出的用户的偏好标签,选择出的与营销任务匹配的营销人群;所述用户匹配子***中的营销任务是根据用户的渠道偏好,为营销人群匹配最合适的营销渠道,包括以下至少一种:短信、电话和客户端推送;所述用户匹配子***中的触发时间是根据所述大数据建模子***中用户的时间偏好标签,在时间偏好范围内进行推送营销广告。
6.根据权利要求1所述的一种基于大数据挖掘和地理位置匹配的智能营销***,其特征在于:所述位置营销子***,具体包括步骤一:通过运营商基站或者手机客户端读取的GPS卫星定位信息,获取用户的实时位置信息;步骤二:建立线下门店位置信息数据库;步骤三:设置距离阈值,当目标用户出现在门店周围的距离在阈值范围内时,发送营销消息,告知产品信息及门店位置,邀请用户来现场体验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834675.XA CN107844988A (zh) | 2017-09-15 | 2017-09-15 | 一种基于大数据挖掘和地理位置匹配的智能营销*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834675.XA CN107844988A (zh) | 2017-09-15 | 2017-09-15 | 一种基于大数据挖掘和地理位置匹配的智能营销*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107844988A true CN107844988A (zh) | 2018-03-27 |
Family
ID=61682832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710834675.XA Pending CN107844988A (zh) | 2017-09-15 | 2017-09-15 | 一种基于大数据挖掘和地理位置匹配的智能营销*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844988A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003143A (zh) * | 2018-08-03 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 利用深度强化学习进行推荐营销的方法及装置 |
CN109376186A (zh) * | 2018-10-30 | 2019-02-22 | 成都油管家科技有限公司 | 一种加油站经营数据的挖掘分析***及方法 |
CN110009416A (zh) * | 2019-04-02 | 2019-07-12 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据清洗和ai精准营销的*** |
CN110264252A (zh) * | 2019-06-01 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于lbs定位的广告定点投放*** |
CN111105849A (zh) * | 2019-12-31 | 2020-05-05 | 杭州健海科技有限公司 | 一种基于大数据的渠道协同满意度调查方法及*** |
CN111738761A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 营销信息处理方法及装置 |
CN112232876A (zh) * | 2018-07-18 | 2021-01-15 | 口口相传(北京)网络技术有限公司 | 基于用户场景属性信息的精准营销方法及装置 |
CN113283930A (zh) * | 2021-05-12 | 2021-08-20 | 建信金融科技有限责任公司 | 营销活动的运营方法及装置 |
CN113377802A (zh) * | 2021-06-07 | 2021-09-10 | 广发银行股份有限公司 | 一种调度推送方法、***、设备及存储介质 |
CN113610568A (zh) * | 2021-07-26 | 2021-11-05 | 建信金融科技有限责任公司 | 一种潜在标签挖掘方法和装置 |
CN116188066A (zh) * | 2023-03-10 | 2023-05-30 | 广州南方学院 | 基于地理位置的门店客户智能分流方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310362A (zh) * | 2013-06-14 | 2013-09-18 | 江苏省广电有线信息网络股份有限公司南京分公司 | 基于gps定位的广电智能营销辅助方法及*** |
CN105975483A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种基于用户偏好的消息推送方法和平台 |
-
2017
- 2017-09-15 CN CN201710834675.XA patent/CN107844988A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310362A (zh) * | 2013-06-14 | 2013-09-18 | 江苏省广电有线信息网络股份有限公司南京分公司 | 基于gps定位的广电智能营销辅助方法及*** |
CN105975483A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种基于用户偏好的消息推送方法和平台 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232876A (zh) * | 2018-07-18 | 2021-01-15 | 口口相传(北京)网络技术有限公司 | 基于用户场景属性信息的精准营销方法及装置 |
CN112232876B (zh) * | 2018-07-18 | 2024-03-22 | 口口相传(北京)网络技术有限公司 | 基于用户场景属性信息的精准营销方法及装置 |
CN109003143A (zh) * | 2018-08-03 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 利用深度强化学习进行推荐营销的方法及装置 |
US11210690B2 (en) | 2018-08-03 | 2021-12-28 | Advanced New Technologies Co., Ltd. | Deep reinforcement learning methods and apparatuses for referral marketing |
CN109376186A (zh) * | 2018-10-30 | 2019-02-22 | 成都油管家科技有限公司 | 一种加油站经营数据的挖掘分析***及方法 |
CN110009416A (zh) * | 2019-04-02 | 2019-07-12 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据清洗和ai精准营销的*** |
CN110264252A (zh) * | 2019-06-01 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于lbs定位的广告定点投放*** |
CN111105849B (zh) * | 2019-12-31 | 2022-03-11 | 杭州健海科技有限公司 | 一种基于大数据的渠道协同满意度调查方法及*** |
CN111105849A (zh) * | 2019-12-31 | 2020-05-05 | 杭州健海科技有限公司 | 一种基于大数据的渠道协同满意度调查方法及*** |
CN111738761A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 营销信息处理方法及装置 |
CN113283930A (zh) * | 2021-05-12 | 2021-08-20 | 建信金融科技有限责任公司 | 营销活动的运营方法及装置 |
CN113377802A (zh) * | 2021-06-07 | 2021-09-10 | 广发银行股份有限公司 | 一种调度推送方法、***、设备及存储介质 |
CN113610568A (zh) * | 2021-07-26 | 2021-11-05 | 建信金融科技有限责任公司 | 一种潜在标签挖掘方法和装置 |
CN116188066A (zh) * | 2023-03-10 | 2023-05-30 | 广州南方学院 | 基于地理位置的门店客户智能分流方法及*** |
CN116188066B (zh) * | 2023-03-10 | 2023-08-15 | 广州南方学院 | 基于地理位置的门店客户智能分流方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844988A (zh) | 一种基于大数据挖掘和地理位置匹配的智能营销*** | |
CN109325085B (zh) | 一种城市用地功能识别与变化检测方法 | |
CN102629904B (zh) | 一种网络水军的探测与判定方法 | |
CN104217593B (zh) | 一种面向手机移动速度的路况信息实时获取方法 | |
CN106849353B (zh) | 输变电工程环保监测与敏感区域预测***及方法 | |
CN103995837A (zh) | 一种基于群体足迹的个性化旅游路线规划方法 | |
CN106960006A (zh) | 一种不同轨迹间相似度度量***及其度量方法 | |
CN110222959B (zh) | 一种基于大数据的城市就业可达性测算方法及*** | |
CN203849605U (zh) | 一种智慧管网 | |
CN108269024A (zh) | 一种基于大数据的旅游目的地评价方法 | |
CN107909098A (zh) | 一种基于大数据的城市居民锚点计算方法 | |
CN109189949A (zh) | 一种人口分布计算方法 | |
CN105893352A (zh) | 一种基于社交网络大数据的空气质量预警和监测分析*** | |
CN110955690A (zh) | 一种基于大数据技术的自助数据标签平台及自助数据标签方法 | |
CN109857782A (zh) | 一种测井数据采集处理*** | |
CN110648266A (zh) | 一种国土空间规划检测评估与预警信息的管理***及方法 | |
CN107220856B (zh) | 一种移动消费群组识别的***及方法 | |
CN106326480A (zh) | 一种关联企业的地理信息挖掘和分析方法 | |
CN105976087A (zh) | 基于图形建模分析企业信息***故障影响范围的新方法 | |
CN103761332B (zh) | 雷电信息综合快速分析定位*** | |
CN110568855A (zh) | 一种基于大数据计算引擎的无人机可视化飞行管理***及方法 | |
CN104658051A (zh) | 一种电网线路巡检人员到位率监测方法 | |
Yu et al. | Integrating geographic information system and building information model for real estate valuation | |
CN109615239B (zh) | 基于社会化网络媒体数据的城市空气质量的评估方法 | |
CN104537048B (zh) | 一体式供水管网数字化数据生产和转换技术方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |