一种基于人工智能的大市场精准营销算法及系统的制作方法

1.本发明涉及营销推送的技术领域，尤其是涉及一种基于人工智能的大市场精准营销算法及系统。


背景技术：

2.广告营销是指企业通过广告对产品展开宣传推广，促成消费者的直接购买，扩大产品的销售，提高企业的知名度、美誉度和影响力的活动，随着经济全球化和市场经济的迅速发展，在企业营销战略中广告营销活动发挥着越来越重要的作用，是企业营销组合中的一个重要组成部分。
3.然而，现在各软件给手机电子终端等的电子广告推送方式比较单一，个性化较差，常常会导致用户的反感，因此有待改进。


技术实现要素：

4.为了增强广告营销推送的个性化，提高营销的精准性，本技术提供一种基于人工智能的大市场精准营销算法及系统。
5.本技术的上述发明目的一是通过以下技术方案得以实现的：一种基于人工智能的大市场精准营销算法，包括：获取用户终端已安装的应用名称；将已安装的应用名称输入第一模型，推理得到第一用户喜好，所述第一用户喜好包括多个第一喜好标签；计算广告数据库中各广告信息与第一用户喜好的匹配度，每个广告信息关联有偏好标签；将匹配度满足预设要求的广告信息作为待推送广告；将匹配度超过预设值的广告推送给用户终端。
6.通过采用上述技术方案，根据用户终端所安装的应用来推理用户的喜好，然后匹配相应的合适广告信息并推送给用户终端，实现增强广告营销推送的个性化，提高营销的精准性。
7.本技术在一较佳示例中可以进一步配置为：还包括：获取用户终端卸载的应用名称；将卸载的应用名称输入第一模型，推理得到第二用户喜好，所述第二用户喜好包括多个第二喜好标签；将卸载的应用名称输入第二模型，推理得到用户厌恶，所述用户厌恶包括多个厌恶标签；根据第二用户喜好和用户厌恶得到待删除标签；在第一用户喜好中删除与所述待删除标签相同的第一喜好标签。
8.通过采用上述技术方案，删除待删除标签后的第一用户喜好，能够在后续推送营
销内容时，减少给用户推送的用户不再需要或不再喜好的内容，提高用户的认可度，减少用户的反感。
9.本技术在一较佳示例中可以进一步配置为：计算广告数据库中各广告信息与第一用户喜好的匹配度，包括：统计广告信息所关联的偏好标签与第一用户喜好中的多个第一喜好标签之间相同的标签数量；获取广告信息所关联的偏好标签的数量和第一用户喜好中的多个第一喜好标签的数量中的较小值作为待比值；将相同的标签数量和待比值之间的比值作为匹配度。
10.通过采用上述技术方案，采用较小值作为分母，能够更为精准地反映出实际匹配情况。
11.本技术在一较佳示例中可以进一步配置为：所述已安装的应用名称不包括基础应用库中的基础应用名称。
12.通过采用上述技术方案，避免终端内的基础应用对分析造成的影响。
13.本技术在一较佳示例中可以进一步配置为：所述根据第二用户喜好和用户厌恶得到待删除标签，包括：将第二用户喜好中的多个第二喜好标签和用户厌恶中的多个厌恶标签之间相同的标签作为待删除标签。
14.通过采用上述技术方案，通过第二用户喜好中的多个第二喜好标签和用户厌恶中的多个厌恶标签对待删除标签进行精确定位，避免了单采用第二用户喜好和单采用用户厌恶的方式导致误删除部分标签的情况发生。
15.本技术的上述发明目的二是通过以下技术方案得以实现的：一种基于人工智能的大市场精准营销系统，包括：安装应用获取模块，用于获取用户终端已安装的应用名称；第一喜好推理模块，用于将已安装的应用名称输入第一模型，推理得到第一用户喜好，所述第一用户喜好包括多个第一喜好标签；计算模块，用于计算广告数据库中各广告信息与第一用户喜好的匹配度，每个广告信息关联有偏好标签；待推送模块，用于将匹配度满足预设要求的广告信息作为待推送广告；推送模块，用于将匹配度超过预设值的广告推送给用户终端。
16.本技术在一较佳示例中可以进一步配置为：还包括：卸载应用获取模块，用于获取用户终端卸载的应用名称；第二喜好推理模块，用于将卸载的应用名称输入第一模型，推理得到第二用户喜好，所述第二用户喜好包括多个第二喜好标签；厌恶推理模块，用于将卸载的应用名称输入第二模型，推理得到用户厌恶，所述用户厌恶包括多个厌恶标签；待删除模块，用于根据第二用户喜好和用户厌恶得到待删除标签；删除模块，用于在第一用户喜好中删除与所述待删除标签相同的第一喜好标签。
17.本技术在一较佳示例中可以进一步配置为：所述计算模块包括：
数量统计单元，用于统计广告信息所关联的偏好标签与第一用户喜好中的多个第一喜好标签之间相同的标签数量；待比值获取单元，用于获取广告信息所关联的偏好标签的数量和第一用户喜好中的多个第一喜好标签的数量中的较小值作为待比值；匹配度计算单元，用于将相同的标签数量和待比值之间的比值作为匹配度。
18.综上所述，本技术包括以下至少一种有益技术效果：1、根据用户终端所安装的应用来推理用户的喜好，然后匹配相应的合适广告信息并推送给用户终端，实现增强广告营销推送的个性化，提高营销的精准性；2、删除待删除标签后的第一用户喜好，能够在后续推送营销内容时，减少给用户推送的用户不再需要或不再喜好的内容，提高用户的认可度，减少用户的反感；3、通过第二用户喜好中的多个第二喜好标签和用户厌恶中的多个厌恶标签对待删除标签进行精确定位，避免了单采用第二用户喜好和单采用用户厌恶的方式导致误删除部分标签的情况发生。
附图说明
19.图1是本技术一实施例中基于人工智能的大市场精准营销算法的实现流程图；图2是本技术另一实施例中基于人工智能的大市场精准营销算法的实现流程图；图3是本技术又一实施例中基于人工智能的大市场精准营销算法的实现流程图。
具体实施方式
20.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
21.需要说明的是，本发明中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
22.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
23.图1是本技术一实施例中基于人工智能的大市场精准营销算法的实现流程图，如图1所示，该基于人工智能的大市场精准营销算法包括：s1、获取用户终端已安装的应用名称；其中，应用名称例如“微博”、“喜马拉雅”、“acfun”、“盒马”、“小红书”、“米乐”等等应用的名称，其中，已安装的应用名称不包括基础应用库中的基础应用名称，基础应用库内的基础应用可以为终端内置自带的应用，还可以包括因生活必需所采用的应用例如“qq”、“微信”等等。
24.该终端可以是诸如手机、平板电脑、多媒体播放设备、可穿戴设备、车载终端等电
子设备。
25.s2、将已安装的应用名称输入第一模型，推理得到第一用户喜好，第一用户喜好包括多个第一喜好标签；第一模型用于根据终端的应用推理终端用户的喜好，第一模型通过以下方式训练得到：对应用名称样本训练集中的每个应用名称样本进行标注处理，以标注出每个应用名称样本的用户喜好，用户喜好与应用名称样本中的全部或部分信息相关联；以及通过经过标注处理的应用名称样本训练集，对神经网络进行训练，以得到模型。
26.其中，应用名称样本中包含至少一个应用名称，即可以包含一个或多个的应用名称，例如某一应用名称样本中包含“喜马拉雅”、“acfun”、“盒马”三个终端已安装的应用名称，用户喜好包含的喜好标签可以为“美食”、“美女”、“娱乐”、“学习”、“教培”、“风景”、“萌宠”等等，用户喜好数据是通过在日常数据收集中获取的，例如用户喜好通过用户在购物软件中采集得到，比如用户在购物软件所检索的内容等等，检索所输入的内容包括但不限于文字、语音、图像等，对改写检索所输入的内容通过成熟的文字分析模型、语音分析模型和图像分析模型进行分析，记得得到对应的用户喜好。
27.s3、计算广告数据库中各广告信息与第一用户喜好的匹配度；其中，广告信息即供应商提供的广告片段，可以以文字、视频的形式呈现，每个广告信息关联有偏好标签；偏好标签可以是“美食”、“旅游”、“风景”、“书籍”、“学前教育”、“近视”、“游戏”、“萌宠”等等，大部分偏好标签和喜好标签之间是相同的。
28.结合图2，s3具体包括：s31、统计广告信息所关联的偏好标签与第一用户喜好中的多个第一喜好标签之间相同的标签数量；假设，当前系统的数据库中具有50项广告信息，每项广告信息均关联有工资的偏好标签，则将每项广告信息所关联的偏好标签与第一用户喜好中的多个第一喜好标签之间相同的标签数量进行统计，例如，某一项广告信息所关联的偏好标签数量为20项，第一用户喜好中的第一喜好标签数量为16项，该项广告信息与第一用户喜好之间的相同标签数量为10项；s32、获取广告信息所关联的偏好标签的数量和第一用户喜好中的多个第一喜好标签的数量中的较小值作为待比值；接上例，则将20项和16项中的较小值16项作为待比值。
29.s33、将相同的标签数量和待比值之间的比值作为匹配度。
30.然后，将相同标签数量为10项与待比值16项的比值62.5%作为匹配度。
31.s4、将匹配度满足预设要求的广告信息作为待推送广告；具体地，预设要求为超过预设匹配度，例如预设匹配度设定为60%，则62.5%的匹配度超过60%的预设匹配度，则将对应的广告信息作为待推送广告。
32.s5、将匹配度超过预设值的广告推送给用户终端。
33.具体的推送方式，可以是按周期进行广告信息的推送，也可以将多个待推送广告进行排序，将多个待推送广告逐一推送。
34.结合图3，在一实施例中，基于人工智能的大市场精准营销算法还包括：
s6、获取用户终端卸载的应用名称；即，在每次终端执行卸载应用的指令时获取对应被卸载的应用名称，例如，用户卸载“米乐”应用时，则获取该应用名称；s7、将卸载的应用名称输入第一模型，推理得到第二用户喜好；其中，第二用户喜好包括多个第二喜好标签，将该“米乐”应用名称，输入上述的第一模型，推理得到第二用户喜好，因第二用户喜好是通过单一应用名称推理出的，因此，相较于上述可能通过多个应用名称推理出的第一用户喜好，第二用户喜好内的第二喜好标签数量会少于第一用户喜好，因为用户具有多个应用，则表明用户的颗粒度越细，对用户的描述越精确，对应的喜好标签则较少较为精；而单个应用可能对应许多喜好，对用户的描述不够精确，因此相应的标签则较多。
35.s8、将卸载的应用名称输入第二模型，推理得到用户厌恶；其中，用户厌恶包括多个厌恶标签；具体地，第二模型用于根据终端的应用推理终端用户的厌恶，例如用户卸载了某一“学前教育”相关的应用，则获取该应用，厌恶标签数据是通过在日常数据收集中获取的，例如用户卸载该应用后在购物软件中所检索的内容的变化等等，检索所输入的内容包括但不限于文字、语音、图像等，将对卸载前检索的内容分析出的喜好和卸载后检索的内容分析出的喜好进行对比，减少的标签即为厌恶标签。第二模型通过以下方式训练得到：对应用名称样本训练集中的每个应用名称样本进行标注处理，以标注出每个应用名称样本的用户厌恶，用户厌恶与应用名称样本中的全部或部分信息相关联；以及通过经过标注处理的应用名称样本训练集，对神经网络进行训练，以得到第二模型。
36.s9、根据第二用户喜好和用户厌恶得到待删除标签；具体地，将第二用户喜好中的多个第二喜好标签和用户厌恶中的多个厌恶标签之间相同的标签作为待删除标签。
37.s10、在第一用户喜好中删除与待删除标签相同的第一喜好标签。
38.通过删除了待删除标签后的第一用户喜好，能够在后续推送营销内容时，减少给用户推送的用户不再需要或不再喜好的内容，提高用户的认可度，减少用户的反感。
39.本技术还提供一种基于人工智能的大市场精准营销系统，包括：安装应用获取模块，用于获取用户终端已安装的应用名称；第一喜好推理模块，用于将已安装的应用名称输入第一模型，推理得到第一用户喜好，第一用户喜好包括多个第一喜好标签；计算模块，用于计算广告数据库中各广告信息与第一用户喜好的匹配度，每个广告信息关联有偏好标签；待推送模块，用于将匹配度满足预设要求的广告信息作为待推送广告；推送模块，用于将匹配度超过预设值的广告推送给用户终端。
40.其中，计算模块包括：数量统计单元，用于统计广告信息所关联的偏好标签与第一用户喜好中的多个第一喜好标签之间相同的标签数量；待比值获取单元，用于获取广告信息所关联的偏好标签的数量和第一用户喜好中的多个第一喜好标签的数量中的较小值作为待比值；
匹配度计算单元，用于将相同的标签数量和待比值之间的比值作为匹配度。
41.在一实施例中，基于人工智能的大市场精准营销系统还包括：卸载应用获取模块，用于获取用户终端卸载的应用名称；第二喜好推理模块，用于将卸载的应用名称输入第一模型，推理得到第二用户喜好，第二用户喜好包括多个第二喜好标签；厌恶推理模块，用于将卸载的应用名称输入第二模型，推理得到用户厌恶，用户厌恶包括多个厌恶标签；待删除模块，用于根据第二用户喜好和用户厌恶得到待删除标签；删除模块，用于在第一用户喜好中删除与待删除标签相同的第一喜好标签。
42.关于基于人工智能的大市场精准营销系统的具体限定可以参见上文中对于基于人工智能的大市场精准营销方法的限定，在此不再赘述。上述基于人工智能的大市场精准营销方法的各个步骤可全部或部分通过软件、硬件及其组合来实现。
43.此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic（专用集成电路）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
44.这些计算程序（也称作程序、软件、软件应用、或者代码）包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置（例如，磁盘、光盘、存储器、可编程逻辑装置（pld）），包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
45.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，crt（阴极射线管）或者lcd（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
46.可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（lan）、广域网（wan）和互联网。
47.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
48.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。