CN109711906A - 一种优惠信息的分配方法及*** - Google Patents
一种优惠信息的分配方法及*** Download PDFInfo
- Publication number
- CN109711906A CN109711906A CN201910024397.0A CN201910024397A CN109711906A CN 109711906 A CN109711906 A CN 109711906A CN 201910024397 A CN201910024397 A CN 201910024397A CN 109711906 A CN109711906 A CN 109711906A
- Authority
- CN
- China
- Prior art keywords
- action message
- preferential
- preferential action
- degree
- correlation
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种优惠信息的分配方法及***,涉及个性化营销领域,包括:获取优惠活动信息;根据预设基础数据,筛选出与优惠活动信息对应的会员;将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表;根据所述相关度列表,将所述优惠活动信息对应的优惠信息分配给一定数量的会员;其中,一定数量是指与所述优惠活动信息中优惠数量相同的会员数量。本发明通过大数据技术在会员(即顾客)未消费前即可通过其历史消费行为为其量身匹配合适的优惠信息,促进其消费;且分配优惠信息是根据预设基础数据多维度分析得到,营销策划人员的主观因素影响较低,匹配精准度高,大大提高了会员的使用体验。
Description
技术领域
本发明涉及个性化营销领域,尤其涉及一种优惠信息的分配方法及***。
背景技术
零售商会不定时开展营销活动,促进销售的提升,传统的手段为采用千篇一律、高普适性的大众营销活动,广发传单。例如:12月11日,苹果由4.8/斤降为3.8/斤。这种营销活动的精准度较低,达到的促销效果并不理想。
针对这一问题,已知的一些营销***服务商通过与零售商收银***打通后,通过消费者结算后实际产生的购买记录触发相应的营销活动,从而部分实现精准营销。例如:购买客单价达到300的会员赠送全场8折券,购买客单价达到200的赠送全场9折券,购买客单价达到100的赠送全场9.5折券等。
但上述这种方式主要有以下问题:该活动中优惠券的派发是发生在顾客消费之后,很难让顾客立刻进行第二次消费,导致活动的效果不佳。
发明内容
本发明的目的是提供一种优惠信息的分配方法及***,根据历史消费行为,为每个顾客量身分配优惠信息,提高精度和活动效果。
本发明提供的技术方案如下:
一种优惠信息的分配方法,包括:获取优惠活动信息;根据预设基础数据,筛选出与所述优惠活动信息对应的会员;将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表;根据所述相关度列表,将所述优惠活动信息对应的优惠信息分配给一定数量的会员;其中,一定数量是指与所述优惠活动信息中优惠数量相同的会员数量。
在上述技术方案中,通过大数据技术在会员(即顾客)未消费前即可通过其历史消费行为为其量身匹配合适的优惠信息,促进其消费;且分配优惠信息是根据预设基础数据多维度分析得到,营销策划人员的主观因素影响较低,匹配精准度高,大大提高了会员的使用体验。
进一步,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:根据预设基础数据,计算得到预设基础数据中预设时间段内每个会员客单价的特定分位数;所述特定分位数与所述优惠活动信息中的活动策略相对应;根据所述特定分位数和优惠后金额,按照所述活动策略筛选出对应的会员;其中,所述优惠后金额是根据所述优惠活动信息中的优惠类型计算得到的。
在上述方案中,采用不同分位数匹配不同的会员,以满足不同的活动策略需要的会员,提高会员与优惠信息的匹配精度。
进一步,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:根据所述优惠活动信息中的优惠类型,计算所述优惠类型对应的参考价格带;计算所述预设基础数据中每个会员的所述优惠类型对应的品类价格带;根据所述参考价格带和每个会员的品类价格带,按照优惠活动信息中的活动策略筛选出对应的会员。
进一步,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:根据预设基础数据和所述优惠活动信息中的优惠类型,计算所有会员的人券相关度;根据所述人券相关度和所述优惠活动信息中的活动策略,筛选出对应的会员。
进一步,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:根据预设基础数据和所述优惠活动信息中的活动策略,筛选出未购买过所述优惠活动信息中的优惠类型对应的商品的会员。
在上述技术方案中,给出了不同方式匹配不同的会员,可满足不同的营销需求。
进一步,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:计算筛选出的各会员的人券相关度和价格带差异;其中,所述人券相关度是根据会员历史购买所述优惠类型对应的商品的情况打分得到;所述价格带差异为所述参考价格带与所述品类价格带之间的差异;根据所述人券相关度和所述价格带差异进行排序,得到所述优惠活动信息对应的相关度列表。
进一步,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:根据预设基础数据,获取筛选出的各会员的会员忠诚度;根据会员忠诚度进行排序,得到优惠活动信息对应的相关度列表。
进一步,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:将筛选出的会员根据所述人券相关度进行排序,得到优惠活动信息对应的相关度列表。
进一步,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:计算筛选出的会员购买与所述优惠类型关联商品的加权评分;将筛选出的会员按所述加权评分进行排序,得到优惠活动信息对应的相关度列表。
在上述技术方案中,公开了不同的排序方式,为后续将优惠信息能够较精准地分配给合适的会员打下了基础。
本发明还提供一种优惠信息的分配***,包括:获取模块,用于获取优惠活动信息;筛选模块,用于根据预设基础数据,筛选出与所述优惠活动信息对应的会员;排序模块,用于将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表;分配模块,用于根据所述相关度列表,将所述优惠活动信息对应的优惠信息分配给一定数量的会员;其中,一定数量是指与所述优惠活动信息中优惠数量相同的会员数量。
与现有技术相比,本发明的优惠信息的分配方法及***有益效果在于:
本发明通过大数据技术在会员(即顾客)未消费前即可通过其历史消费行为为其量身匹配合适的优惠信息,促进其消费;且分配优惠信息是根据预设基础数据多维度分析得到,营销策划人员的主观因素影响较低,匹配精准度高,大大提高了会员的使用体验。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种优惠信息的分配方法及***的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明优惠信息的分配方法一个实施例的流程图;
图2是本发明优惠信息的分配***一个实施例的结构示意图。
附图标号说明:
10.获取模块,20.筛选模块,30.排序模块,40.分配模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
本发明的优惠信息的分配方法和***是基于大数据技术实现的。
图1示出了本发明的一个实施例,一种优惠信息的分配方法,包括:
S101获取优惠活动信息。
具体的,优惠活动信息包括:优惠类型、优惠数量、活动策略。优惠类型、优惠数量和活动策略根据实际需求灵活设置。
优惠类型包括:
1)全场优惠信息,例如:全场满100-99,全场满500-230,全场满100送20元红包,全场满200送10元奖励金等。
2)品类优惠信息,品类是指各个商品的归属类别,例如:可口可乐的品类为碳酸饮料。品类优惠信息是指在这个品类里做的活动,例如:膨化食品类,满160-10,满56送5元红包,满78送10元奖励金等。
3)品牌优惠信息,品牌是指某一个品牌,例如:上好佳,美加净等。品牌优惠信息是指在这个品牌里做的活动,例如:乐事满50-10,康师傅满39额外送一包方便面等。
4)单品优惠信息,单品是指某一个商品,仅这个商品做活动,例如:亿滋奥利奥夹心饼干原味349g满50-5;怡宝饮用水纯净水4.5L*4支/箱,买2箱送1瓶500ml的怡宝饮用水等。
优惠数量是指优惠信息的数量,例如:全场满500-230只有3000个。
活动策略有多种,例如:品牌回馈策略、单品消费升级策略、全场提客单策略、品牌拉新策略、品类拉客流策略、全场拉客流策略等,其与优惠类型相关联。
根据不同的优惠类型,设置不同的活动策略,以达到提高销售量、提高会员量等营销目的。
S102根据预设基础数据,筛选出与优惠活动信息对应的会员。
具体的,预设基础数据是对数据源(例如:零售商购物小票交易数据、商品信息数据、会员信息数据和门店信息数据)导入(例如:裸数据加载、数据清洗、数据准确性检查、数据映射、标准化编号)后,根据这些数据为每个会员打上相应的标签,以及,整理出的销售汇总数据,供后续筛选相应的会员。
每个会员有多个会员标签,根据实际需求定义。例如:忠诚度:a)忠诚顾客、b)机会顾客、c)易流失客户、d)新客户,根据会员购物的历史信息给每个会员打上相应的忠诚度标签。再比如:性别;年龄;价格关注度,a)品质关注顾客、b)主流顾客、c)价格关注客户;生活方式,a)下厨、b)家庭采购、c)有孩、d)促销敏感、e)健康、f)新品;偏好门店等。
销售汇总数据根据实际需求(例如:定义的各优惠活动信息需要的数据)确定具体维度的数据表格,例如:a.产品x人群标签x门店,4周顾客人数汇总表;b.门店x人群标签,4周顾客人数汇总表;c.人x品牌,52周购买次数汇总表;d.人x品类,52周购买次数汇总表;e.每个会员52周购物次数汇总表。
每个优惠活动信息针对的会员不一样,筛选过程自然也会有不同,根据优惠活动信息中的活动策略筛选。
S103将筛选出的会员按优惠活动信息中的活动策略(对应的排序策略)进行排序,得到优惠活动信息对应的相关度列表。
具体的,活动策略不同,相关度列表中各会员的排序策略可不同、也可不同,根据实际情况决定。
S104根据相关度列表,将优惠活动信息对应的优惠信息(优惠信息以不同形式呈现,例如:优惠券、红包信息、奖励金信息等)分配给一定数量的会员;其中,一定数量是指与优惠活动信息中优惠数量相同的会员数量。
具体的,将优惠信息根据相关度列表中按相关度从高到低分配。例如:一定数量为200,将优惠信息分配给相关度最高的200个会员。
S102根据预设基础数据,筛选出与优惠活动信息对应的会员具有多种方式,根据实际设定的活动策略决定,下面举一些例子供参考:
第一种,根据预设基础数据,计算得到预设基础数据中预设时间段内(例如:52周)每个会员客单价的特定分位数;特定分位数与优惠活动信息中的活动策略相对应;根据特定分位数和优惠后金额,按照活动策略筛选出对应的会员;其中,优惠后金额是根据优惠活动信息中的优惠类型计算得到的。
例如:优惠类型为全场满399-100,活动策略为全场拉客流策略,其筛选对应会员的过程为:1)根据各会员过去52周内的客单价(即每一笔购物单)计算各会员25分位数;2)筛选出过去52周客单价25分位数大于优惠后金额的会员,这里的优惠后金额为399-100=299。
优惠类型为全场满199-50,活动策略为全场提客单策略,其筛选对应会员的过程为:1)根据各会员过去52周内的客单价(即每一笔购物单)计算各会员50分位数;2)筛选出过去52周客单价50分位数大于优惠后金额、且优惠后金额小于过去52周最高客单价的会员,这里的优惠后金额为199-50=149。
优惠类型为某一品类满59-10,活动策略为品类拉客流策略,其筛选对应会员的过程为:1)根据各会员过去52周内的客单价(即每一笔购物单)计算各会员25分位数;2)筛选出过去52周客单价25分位数大于优惠后金额的会员,这里的优惠后金额为59-10=49。
优惠类型为某一品类满59-10,活动策略为品类提客单策略,其筛选对应会员的过程为:1)根据各会员过去52周内的客单价(即每一笔购物单)计算各会员50分位数;2)筛选出过去52周客单价50分位数大于优惠后金额、且优惠后金额小于过去52周最高客单价的会员,这里的优惠后金额为59-10=49。
不同的活动策略选择不同的分位数和筛选条件,保证对应的优惠类型与筛选出来的会员更匹配。例如:提客单是为了提高购买的客单量,而50分位数大于优惠后金额,说明会员一半购买的客单价都大于优惠后金额,优惠后金额小于过去52周最高客单价的会员,说明该种会员也能够买到优惠后金额,符合这两个条件的会员属于潜在的可以提客单的会员。根据会员的历史消费行为筛选出优惠活动信息对应的会员,匹配度更高,为会员收到自己量身定做的优惠信息打下了基础。
第二种,根据优惠活动信息中的优惠类型,计算优惠类型对应的参考价格带;计算预设基础数据中每个会员的优惠类型对应的品类价格带;根据参考价格带和每个会员的品类价格带,按照优惠活动信息中的活动策略筛选出对应的会员。
例如:优惠类型为品牌A满49-5,活动策略为品牌消费升级策略,其筛选对应会员的过程为:1、计算品牌A对应的参考价格带(为品牌A涉及到的品类A划分价格带1-5级,1级最低),参考价格带为3级;2、根据预设基础数据中的销售汇总数据,计算每个会员购买品类A下各单品的平均价所处的价格带,即每个会员的优惠类型对应的品类价格带;筛选出品类价格带低于参考价格带的所有会员,即品类价格带位于1或2级的会员。
优惠类型为单品B满39送一瓶矿泉水(***为3元),活动策略为单品消费升级策略,其筛选对应会员的过程为:1、计算单品B对应的参考价格带(为单品B涉及到的品类B划分价格带1-5级,1级最低),参考价格带为4级;2、根据预设基础数据中的销售汇总数据,计算每个会员购买品类B下各单品的平均价所处的价格带,即每个会员的优惠类型对应的品类价格带;筛选出品类价格带低于参考价格带的所有会员,即品类价格带位于1或2或3级的会员。
第三种,根据预设基础数据和优惠类型,计算所有会员的人券相关度;根据活动策略和人券相关度,筛选出对应的会员。
例如:
优惠类型为送5元品牌C红包,活动策略为品牌回馈策略,其筛选对应会员的过程为:1、根据预设基础数据中各会员对品牌C下各单品的历史消费行为进行打分,打分制度灵活设置,例如:过去52周内品牌C下各单品的累计额度作为分值,累计256元,就为256分;2、品牌回馈策略为筛选出大于500的会员。
优惠类型为送1件单品D,活动策略为品牌回馈策略,其筛选对应会员的过程为:1、根据预设基础数据中各会员对单品D的历史消费行为进行打分,根据累计消费,计算平均价格作为分数;2、品牌回馈策略为筛选出大于100的会员。
第四种,根据预设基础数据和活动策略,筛选出未购买过优惠类型对应的商品的会员。
例如:
优惠类型为单品E满29-10,活动策略为单品拉新策略,其筛选对应会员的过程为:筛选出未购买过单品E的所有会员。
优惠类型为品牌F满59-20,活动策略为品牌拉新策略,其筛选对应会员的过程为:筛选出未购买过品牌F的所有会员。
优惠活动信息根据实际需求灵活定义,根据预设基础数据筛选出匹配度高的会员,为后续优惠信息的精准分配打下了基础。
S103将筛选出的会员按优惠活动信息中的活动策略(对应的排序策略)进行排序,得到优惠活动信息对应的相关度列表中不同的活动策略对应不同的排序方式,以提高优惠信息的精准分配为目的设置。下面举几个例子供参考:
第一种,根据预设基础数据,获取筛选出的各会员的会员忠诚度;根据会员忠诚度进行排序,得到优惠活动信息对应的相关度列表。
例如:
活动策略为全场拉客流策略或全场提客单策略或品类拉客流策略或品类提客单策略,其获得相关度列表的过程为:1、获取筛选出来的各会员的会员忠诚度,可提取会员标签,也可以打分制实现;2、按会员忠诚度从高到低或从低到高排序,得到优惠活动信息对应的相关度列表。
第二种,将筛选出的会员根据人券相关度进行排序,得到优惠活动信息对应的相关度列表。
例如:
活动策略为品牌回馈策略或单品回馈策略,其获得相关度列表的过程为:将筛选出的会员按照人券相关度从高到低或从低到高进行排序,得到优惠活动信息对应的相关度列表。
第三种,计算筛选出的各会员的人券相关度和价格带差异;其中,人券相关度是根据会员历史购买优惠类型对应的商品的情况打分得到;价格带差异为参考价格带与品类价格带之间的差异;根据人券相关度和价格带差异进行排序,得到优惠活动信息对应的相关度列表。
例如:
优惠类型为品牌A,活动策略为品牌消费升级策略,其获得相关度列表的过程为:1、计算筛选出的会员在品牌A下的历史购买情况,累计消费的价格即为人券关系的分值,以及,价格带差异,例如:一会员的品类价格带为4级,参考价格带为3级,价格带差异为1级;另一会员的品类价格带为5级,价格带差异为2级;2、按照人券相关度从高到低或从低到高排序,当人券相关底相同时,价格带差异作为排序的第二参考因素;例如:将人券相关度高从高到底排列,若相同,价格带差异小的排前面。
第四种,计算筛选出的会员购买与优惠类型关联商品的加权评分;将筛选出的会员按加权评分进行排序,得到优惠活动信息对应的相关度列表。
例如:
优惠类型为品牌B,活动策略为品牌拉新策略,其获得相关度列表的过程为:1、计算会员购买与品牌B相关联商品(相关联品牌的商品根据需求预先设置)的加权评分,加权评分的规则灵活设置,可将累计消费额度划分不同的档位,不同档位有不同的权值计算;2、计算出来后,按加权评分从高到低或从低到高排序,得到优惠活动信息对应的相关度列表。
优惠类型为单品C,活动策略为单品拉新策略,其获取相关度列表的过程为:1、计算会员购买与单品C相关联商品(相关联的商品根据需求预先设置,可采用品牌关联,提高多种商品的参考信息)的加权评分,加权评分的规则灵活设置,可将不同关联的品牌的商品设置不同的权值计算来计算累计消费额,作为加权评分;2、计算出来后,按加权评分从高到低或从低到高排序,得到优惠活动信息对应的相关度列表。
需要注意的是,筛选对应的会员、排序得到相关度列表等通过设置不同的优惠类型及关联的活动策略,得到不同的结果,实现不同的营销目的。筛选和排序的例子在逻辑合理的情况下可灵活搭配。
本实施例中,通过大数据技术在会员(即顾客)未消费前即可通过其历史消费行为为其量身匹配合适的优惠信息,促进其消费;且分配优惠信息给会员是根据预设基础数据多维度分析得到,营销策划人员的主观因素影响较低,匹配精准度高,大大提高了会员的使用体验。
图2示出了本发明的一个***实施例,一种优惠信息的分配***,包括:
获取模块10,用于获取优惠活动信息。
具体的,优惠活动信息包括:优惠类型、优惠数量、活动策略。优惠类型、优惠数量和活动策略根据实际需求灵活设置。
优惠类型包括:1)全场优惠信息,2)品类优惠信息,3)品牌优惠信息,4)单品优惠信息。
优惠数量是指优惠信息的数量,例如:全场满500-230只有3000个。
活动策略有多种,例如:品牌回馈策略、单品消费升级策略、全场提客单策略、品牌拉新策略、品类拉客流策略、全场拉客流策略等,其与优惠类型相关联。
根据不同的优惠类型,设置不同的活动策略,以达到提高销售量、提高会员量等营销目的。
筛选模块20,用于根据预设基础数据,筛选出与优惠活动信息对应的会员。
具体的,预设基础数据是对数据源(例如:零售商购物小票交易数据、商品信息数据、会员信息数据和门店信息数据)导入(例如:裸数据加载、数据清洗、数据准确性检查、数据映射、标准化编号)后,根据这些数据为每个会员打上相应的标签,以及,整理出的销售汇总数据,供后续筛选相应的会员。
每个会员有多个会员标签,根据实际需求定义。例如:忠诚度:性别;年龄;价格关注度,a)品质关注顾客、b)主流顾客、c)价格关注客户;生活方式,a)下厨、b)家庭采购、c)有孩、d)促销敏感、e)健康、f)新品;偏好门店等。
销售汇总数据根据实际需求(例如:定义的各优惠活动信息需要的数据)确定具体维度的数据表格,例如:a.产品x人群标签x门店,4周顾客人数汇总表;b.门店x人群标签,4周顾客人数汇总表;c.人x品牌,52周购买次数汇总表;d.人x品类,52周购买次数汇总表;e.每个会员52周购物次数汇总表。
每个优惠活动信息针对的会员不一样,筛选过程自然也会有不同,根据优惠活动信息中的活动策略筛选。
排序模块30,用于将筛选出的会员按优惠活动信息中的活动策略(对应的排序策略)进行排序,得到优惠活动信息对应的相关度列表。
具体的,活动策略不同,相关度列表中各会员的排序策略可不同、也可不同,根据实际情况决定。
分配模块40,用于根据相关度列表,将优惠活动信息对应的优惠信息(优惠信息以不同形式呈现,例如:优惠券、红包信息、奖励金信息等)分配给一定数量的会员;其中,一定数量是指与优惠活动信息中优惠数量相同的会员数量。
具体的,将优惠信息根据相关度列表中按相关度从高到低分配。例如:一定数量为200,将优惠信息分配给相关度最高的200个会员。
筛选模块20,用于根据预设基础数据,筛选出与优惠活动信息对应的会员具有多种方式,根据实际设定的活动策略决定,下面举一些例子供参考:
第一种,筛选模块20,根据预设基础数据,计算得到预设基础数据中预设时间段内(例如:52周)每个会员客单价的特定分位数;特定分位数与优惠活动信息中的活动策略相对应;以及,根据特定分位数和优惠后金额,按照活动策略筛选出对应的会员;其中,优惠后金额是根据优惠活动信息中的优惠类型计算得到的。
第二种,筛选模块20,根据优惠活动信息中的优惠类型,计算优惠类型对应的参考价格带;以及,计算预设基础数据中每个会员的优惠类型对应的品类价格带;以及,根据参考价格带和每个会员的品类价格带,按照优惠活动信息中的活动策略筛选出对应的会员。
第三种,筛选模块20,根据预设基础数据和优惠活动信息中的优惠类型,计算所有会员的人券相关度;以及,根据人券相关度和优惠活动信息中的活动策略,筛选出对应的会员。
第四种,筛选模块20,根据预设基础数据和优惠活动信息中的活动策略,筛选出未购买过优惠活动信息中的优惠类型对应的商品的会员。
上述各例子请参见上述对应的方法实施例,在此不再赘述。
优惠活动信息根据实际需求灵活定义,根据预设基础数据筛选出匹配度高的会员,为后续优惠信息的精准分配打下了基础。
排序模块30,用于将筛选出的会员按优惠活动信息中的活动策略(对应的排序策略)进行排序,得到优惠活动信息对应的相关度列表中不同的活动策略对应不同的排序方式,以提高优惠信息的精准分配为目的设置。下面举几个例子供参考:
第一种,排序模块30,根据预设基础数据,获取筛选出的各会员的会员忠诚度;以及,根据会员忠诚度进行排序,得到优惠活动信息对应的相关度列表。
第二种,排序模块30,将筛选出的会员根据人券相关度进行排序,得到优惠活动信息对应的相关度列表。
第三种,排序模块30,计算筛选出的各会员的人券相关度和价格带差异;其中,人券相关度是根据会员历史购买优惠类型对应的商品的情况打分得到;价格带差异为参考价格带与品类价格带之间的差异;以及,根据人券相关度和价格带差异进行排序,得到优惠活动信息对应的相关度列表。
第四种,排序模块30,计算筛选出的会员购买与优惠类型关联商品的加权评分;以及,将筛选出的会员按加权评分进行排序,得到优惠活动信息对应的相关度列表。
排序的例子请参见对应的方法实施例,在此不再赘述。
需要注意的是,筛选对应的会员、排序得到相关度列表等通过设置不同的优惠类型及关联的活动策略,得到不同的结果,实现不同的营销目的。筛选和排序的例子在逻辑合理的情况下可灵活搭配。
本实施例中,通过大数据技术在会员(即顾客)未消费前即可通过其历史消费行为为其量身匹配合适的优惠信息,促销其消费;且分配优惠信息是根据预设基础数据多维度分析得到,营销策划人员的主观因素影响较低,匹配精准度高,大大提高了会员的使用体验。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种优惠信息的分配方法,其特征在于,包括:
获取优惠活动信息;
根据预设基础数据,筛选出与所述优惠活动信息对应的会员;
将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表;
根据所述相关度列表,将所述优惠活动信息对应的优惠信息分配给一定数量的会员;其中,一定数量是指与所述优惠活动信息中优惠数量相同的会员数量。
2.如权利要求1所述的优惠信息的分配方法,其特征在于,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:
根据预设基础数据,计算得到预设基础数据中预设时间段内每个会员客单价的特定分位数;所述特定分位数与所述优惠活动信息中的活动策略相对应;
根据所述特定分位数和优惠后金额,按照所述活动策略筛选出对应的会员;
其中,所述优惠后金额是根据所述优惠活动信息中的优惠类型计算得到的。
3.如权利要求1所述的优惠信息的分配方法,其特征在于,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:
根据所述优惠活动信息中的优惠类型,计算所述优惠类型对应的参考价格带;
计算所述预设基础数据中每个会员的所述优惠类型对应的品类价格带;
根据所述参考价格带和每个会员的品类价格带,按照优惠活动信息中的活动策略筛选出对应的会员。
4.如权利要求1所述的优惠信息的分配方法,其特征在于,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:
根据预设基础数据和所述优惠活动信息中的优惠类型,计算所有会员的人券相关度;
根据所述人券相关度和所述优惠活动信息中的活动策略,筛选出对应的会员。
5.如权利要求1所述的优惠信息的分配方法,其特征在于,所述根据预设基础数据,筛选出与所述优惠活动信息对应的会员包括:
根据预设基础数据和所述优惠活动信息中的活动策略,筛选出未购买过所述优惠活动信息中的优惠类型对应的商品的会员。
6.如权利要求3所述的优惠信息的分配方法,其特征在于,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:
计算筛选出的各会员的人券相关度和价格带差异;
其中,所述人券相关度是根据会员历史购买所述优惠类型对应的商品的情况打分得到;所述价格带差异为所述参考价格带与所述品类价格带之间的差异;
根据所述人券相关度和所述价格带差异进行排序,得到所述优惠活动信息对应的相关度列表。
7.如权利要求1所述的优惠信息的分配方法,其特征在于,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:
根据预设基础数据,获取筛选出的各会员的会员忠诚度;
根据会员忠诚度进行排序,得到优惠活动信息对应的相关度列表。
8.如权利要求4所述的优惠信息的分配方法,其特征在于,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:
将筛选出的会员根据所述人券相关度进行排序,得到优惠活动信息对应的相关度列表。
9.如权利要求5所述的优惠信息的分配方法,其特征在于,所述的将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表包括:
计算筛选出的会员购买与所述优惠类型关联商品的加权评分;
将筛选出的会员按所述加权评分进行排序,得到优惠活动信息对应的相关度列表。
10.一种优惠信息的分配***,其特征在于,应用于权利要求1-9任一所述的优惠信息的分配方法,包括:
获取模块,用于获取优惠活动信息;
筛选模块,用于根据预设基础数据,筛选出与所述优惠活动信息对应的会员;
排序模块,用于将筛选出的会员按所述优惠活动信息中的活动策略进行排序,得到所述优惠活动信息对应的相关度列表;
分配模块,用于根据所述相关度列表,将所述优惠活动信息对应的优惠信息分配给一定数量的会员;其中,一定数量是指与所述优惠活动信息中优惠数量相同的会员数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024397.0A CN109711906A (zh) | 2019-01-10 | 2019-01-10 | 一种优惠信息的分配方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024397.0A CN109711906A (zh) | 2019-01-10 | 2019-01-10 | 一种优惠信息的分配方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711906A true CN109711906A (zh) | 2019-05-03 |
Family
ID=66261068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910024397.0A Pending CN109711906A (zh) | 2019-01-10 | 2019-01-10 | 一种优惠信息的分配方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711906A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582942A (zh) * | 2020-05-12 | 2020-08-25 | 北京思特奇信息技术股份有限公司 | 自定义营销模板的批量化营销活动生成方法及*** |
CN111815377A (zh) * | 2020-09-09 | 2020-10-23 | 杭州鲜入为主网络科技有限公司 | 基于大数据的电商平台活动发布方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039633A1 (en) * | 2002-08-22 | 2004-02-26 | Ronald Nicholson | Generic coupon |
CN106204144A (zh) * | 2016-07-14 | 2016-12-07 | 乐视控股(北京)有限公司 | 一种信息推送方法及信息推送装置 |
CN107301562A (zh) * | 2017-05-16 | 2017-10-27 | 重庆邮电大学 | 一种o2o优惠券使用大数据预测方法 |
CN107451836A (zh) * | 2016-05-31 | 2017-12-08 | 知而行(上海)营销咨询有限公司 | 一种基于线下用户消费行为的可配置优惠券分发方法 |
CN107862549A (zh) * | 2017-11-03 | 2018-03-30 | 北京翰宁智能科技有限责任公司 | 一种优惠券投放方法及*** |
CN107909393A (zh) * | 2017-11-03 | 2018-04-13 | 北京翰宁智能科技有限责任公司 | 一种超市优惠券智能生成方法、***及分发*** |
CN108550048A (zh) * | 2018-03-21 | 2018-09-18 | 口碑(上海)信息技术有限公司 | 为用户确定商品实际价格的方法、装置及电子和存储设备 |
CN108765007A (zh) * | 2018-05-29 | 2018-11-06 | 携程计算机技术(上海)有限公司 | 定向发放优惠券的***及方法 |
CN108876436A (zh) * | 2018-05-25 | 2018-11-23 | 广东工业大学 | 一种基于集成模型的电商优惠券使用概率预测方法 |
CN108898414A (zh) * | 2018-05-23 | 2018-11-27 | 苏宁易购集团股份有限公司 | 电商平台的优惠券发放方法及装置 |
-
2019
- 2019-01-10 CN CN201910024397.0A patent/CN109711906A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039633A1 (en) * | 2002-08-22 | 2004-02-26 | Ronald Nicholson | Generic coupon |
CN107451836A (zh) * | 2016-05-31 | 2017-12-08 | 知而行(上海)营销咨询有限公司 | 一种基于线下用户消费行为的可配置优惠券分发方法 |
CN106204144A (zh) * | 2016-07-14 | 2016-12-07 | 乐视控股(北京)有限公司 | 一种信息推送方法及信息推送装置 |
CN107301562A (zh) * | 2017-05-16 | 2017-10-27 | 重庆邮电大学 | 一种o2o优惠券使用大数据预测方法 |
CN107862549A (zh) * | 2017-11-03 | 2018-03-30 | 北京翰宁智能科技有限责任公司 | 一种优惠券投放方法及*** |
CN107909393A (zh) * | 2017-11-03 | 2018-04-13 | 北京翰宁智能科技有限责任公司 | 一种超市优惠券智能生成方法、***及分发*** |
CN108550048A (zh) * | 2018-03-21 | 2018-09-18 | 口碑(上海)信息技术有限公司 | 为用户确定商品实际价格的方法、装置及电子和存储设备 |
CN108898414A (zh) * | 2018-05-23 | 2018-11-27 | 苏宁易购集团股份有限公司 | 电商平台的优惠券发放方法及装置 |
CN108876436A (zh) * | 2018-05-25 | 2018-11-23 | 广东工业大学 | 一种基于集成模型的电商优惠券使用概率预测方法 |
CN108765007A (zh) * | 2018-05-29 | 2018-11-06 | 携程计算机技术(上海)有限公司 | 定向发放优惠券的***及方法 |
Non-Patent Citations (1)
Title |
---|
智慧店铺夏夏: "《智慧店铺微信发券增加会员属性筛选,发券更精准!》", 14 August 2017 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582942A (zh) * | 2020-05-12 | 2020-08-25 | 北京思特奇信息技术股份有限公司 | 自定义营销模板的批量化营销活动生成方法及*** |
CN111582942B (zh) * | 2020-05-12 | 2023-08-08 | 北京思特奇信息技术股份有限公司 | 自定义营销模板的批量化营销活动生成方法及*** |
CN111815377A (zh) * | 2020-09-09 | 2020-10-23 | 杭州鲜入为主网络科技有限公司 | 基于大数据的电商平台活动发布方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584018A (zh) | 一种互联网营销云服务平台 | |
US20180130072A1 (en) | Commerce System and Method of Controlling the Commerce System Using Personalized Shopping List and Trip Planner | |
US20040133474A1 (en) | Method of processing customer information for a retail environment | |
US20040059634A1 (en) | Computerized system for a retail environment | |
US20040088221A1 (en) | System and method for computing measures of retailer loyalty | |
Damon et al. | First of the month effect: Does it apply across food retail channels? | |
Richards et al. | Variety pass-through: An examination of the ready-to-eat breakfast cereal market | |
US20140188584A1 (en) | Product pricing system on electronic commerce using the internet | |
EP3227847A1 (en) | System and methods for evaluating and increasing customer engagement | |
US20080103910A1 (en) | Method for motivating behavioral changes through rewards | |
Bagwell | Marketing strategies to improve the sales of bakery products of small-medium enterprise (SMEs) in Malaysia | |
TWI652639B (zh) | 產品優惠組合推薦系統與方法 | |
CN106875227A (zh) | 一种基于ios和安卓的线下门店返利*** | |
US20140058833A1 (en) | Commerce System and Method of Controlling the Commerce System Using Bidding and Value Based Messaging | |
CN109711906A (zh) | 一种优惠信息的分配方法及*** | |
Alderman et al. | The evolution of food as social assistance | |
McManus et al. | The demand for products linked to public goods: Evidence from an online field experiment | |
CN109784996A (zh) | 一种优惠信息的个性化分配方法及*** | |
WO2010104619A1 (en) | System and method for assessing the accuracy of a hypothetical market structure | |
Simon et al. | Price Management for Retailers | |
Beck et al. | Microeconometric evidence on demand-side real rigidity and implications for monetary non-neutrality | |
Li | Sticker shock: The causes of the Canada-US price differential | |
CN112712387A (zh) | 一种多元化商业模式方法 | |
Qureshi et al. | Branding agricultural commodity based industry: the case of spice industry in pakistan | |
Garg et al. | Impact of Goods and Services Tax (GST) on Indian Economy |
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: 20190503 |