一种基于用户行为的SOP私域营销信息自动推送方法与流程

本发明涉及信息，尤其涉及一种基于用户行为的sop私域营销信息自动推送方法。

背景技术：

1、随着微信营销推送的广泛应用，企业面临着一些问题。首先，企业需要花费大量时间和人力资源来创建微信sop推送计划，并且需要根据不同的推送周期进行细致的调整。其次，企业需要了解不同推送周期下的转化率、响应时间、投诉率和封号率等评价指标，以便确定最佳的推送策略。此外，企业还需要根据推送素材的类型设定推送限制，以确保推送的效果和稳定性。然而，在实际的营销推送过程中，企业往往面临着推送被迫中断或需要主动中断处理的情况。这可能是因为某种类型的推送形式导致用户对推送不感兴趣或产生反感，或者是因为推送的内容与用户的需求不匹配。为了解决这个问题，企业需要根据营销推送的反馈结果进行判断，并及时调整推送策略。此外，企业还需要根据反馈结果暂停推送计划的执行，并重新调整参数后再进行推送，以提高推送的效果和准确性。因此，需要不断探索和优化，提高自动化营销效果。

技术实现思路

1、本发明提供了一种基于用户行为的sop私域营销信息自动推送方法，主要包括：

2、自动创建企业的微信sop推送计划，并进行营销推送；根据不同营销推送周期，获取反馈评价指标，包括在不同推送周期下的不同转化率、响应时间、投诉率、封号率；针对不同类型的推送素材的推送限制,判断不同类型素材的推送反馈结果，选择最终的推送策略；根据营销推送的反馈结果，判断哪种类型的推送形式会导致推送被迫中断，哪种类型的推送需要进行主动中断处理，依据营销推送的反馈结果暂停推送计划的执行，重新调整参数后再进行推送；采用基于关联规则的分组算法，获取主动中断用户和被动中断用户之间的关联和相似性，细分目标群体，判断推送的中断风险程度，对推送的中断风险程度高的用户中断推送；根据推送中断机制，调整目标群体、推送内容，对中断推送的内容进行补发；排除推送风险后，进一步统计具有最佳营销效果的素材和推送周期，训练通用推送模型，并共享给类似推送需求的客户，共享相同推送模型。

3、进一步可选地，所述自动创建企业的微信sop推送计划，并进行营销推送，包括：

4、根据客户画像数据库，采用tf-idf和词频统计的方法在客户历史数据中提取关键词，并使用词嵌入技术word2vec，将客户进行分类并确定不同类别受众的主题，创建推送对象库；根据不同类别受众的主题，通过训练调优的gpt模型，结合受众需求和相关资讯，自动生成推送内容库，包括文字、图片、视频、链接形式；针对受众特征和习惯，运用逻辑回归算法，结合交叉验证和网格搜索技术进行模型参数调优，确定最佳推送时间和频次；利用自动化工具airflow，根据推送计划自动生成微信sop推送计划，包括推送时间、推送内容、推送对象信息；还包括：根据受众特征和习惯，通过逻辑回归算法，确定推送时间和推送频次。

5、所述根据受众特征和习惯，通过逻辑回归算法，确定推送时间和推送频次，具体包括：

6、获取推送数据集，包括推送时间、推送频次和推送受众的特征好习惯数据；其中，所述受众的特征和习惯，包括地理位置、行为习惯、偏好；根据推送时间、推送频次和推送受众的特征好习惯数据，采用逻辑回归算法进行建模，使用梯度下降算法进行训练，得到最佳的参数；将获取的数据集分为训练集和测试集，利用训练集对模型进行训练，并利用测试数据集对模型进行评估。使用模型进行预测，确定最佳的推送时间和推送频次，得到推送时间和推送频次的最佳方案。

7、进一步可选地，所述根据不同营销推送周期，获取反馈评价指标，包括在不同推送周期下的不同转化率、响应时间、投诉率、封号率，包括：

8、根据每日、每周、和每月推送的营销信息，插入链接点击、账号注册和商品购买的跟踪标签；获取用户营销数据，所述用户营销数据，包括用户每日点击链接次数、每周点击链接次数、每月点击链接次数、每日注册账号次数、每周注册账号次数、每月注册账号次数、每日购买商品次数、每周购买商品次数、每月购买商品次数；通过用户营销数据，得到在不同推送周期下的用户转化率；通过追踪用户在收到营销信息后的反馈时间，计算出平均响应时间数据，确定用户对推送信息的关注度和行动意愿；通过监控用户对营销信息的投诉频次，统计投诉率数据；通过追踪因违规操作导致的平台账户封停，获取封号率数据。

9、进一步可选地，所述针对不同类型的推送素材的推送限制,判断不同类型素材的推送反馈结果，选择最终的推送策略，包括：

10、根据营销目标，制定推送内容的格式，包括文字、图片、视频；根据不同平台的限制规则文本，确定推送的素材的大小、格式和内容长度，包括文字长度、图片大小、视频大小及时长；获取用户的行为数据、历史反馈评价指标数据以及用户是否会点击这类推送，所述用户行为数据，包括浏览记录、购买记录、点击记录，所述历史反馈评价指标数据，包括点击率、购买率、转化率；将用户的行为数据、历史反馈评价指标数据作为输入特征，用户是否会点击这类推送作为目标变量，通过标准化处理，确保所有特征在同一数量级上；使用随机初始化的方法初始化模型的参数，包括截距项和特征权重；使用训练数据集拟合逻辑回归模型，使用梯度下降优化算法找到使模型性能最优的参数；使用测试数据集对训练得到的模型进行评估，其中评估指标，包括准确率、精确率、召回率、f1值；通过训练得到的模型进行新样本的预测，将预测结果作为决策依据，确定最终的推送策略；确定最终的推送策略，包括确定推送内容的类型、推送的时间；其中，所述确定推送内容的类型，包括文字、图片、链接或视频。

11、进一步可选地，所述根据营销推送的反馈结果，判断哪种类型的推送形式会导致推送被迫中断，哪种类型的推送需要进行主动中断处理，依据营销推送的反馈结果暂停推送计划的执行，重新调整参数后再进行推送，包括：

12、收集反馈评价的数据，运用狄利克雷过程算法判断哪种类型的推送会导致推送被迫中断，基于决策树算法判断哪种类型的推送需要进行主动中断处理；根据判断结果，确定需要采取的措施，进行相应的推送策略调整，如果发现某种推送类型容易导致掉线，立即进行中断处理；如果某种推送类型需要重新调整参数，对其进行中断处理，进行中断处理前，将推送计划的执行暂停；获取投诉信息数据集，包括投诉时间、投诉类型、用户id、投诉内容；从原始数据中提取特征，包括文本情感、关键词；基于决策树算法，将预处理后的特征数据输入模型进行训练；根据模型的预测结果，找出与投诉频次和强度相关的特征，确定需要优化的推送内容和相关性，输出问题分析报告；根据问题分析报告，针对性地优化推送内容，得到新的推送内容；还包括：采用狄利克雷过程算法，预测哪种类型的内容会导致推送被迫中断；采用决策树算法构建模型，判断何种类型的内容需要中断推送。

13、所述采用狄利克雷过程算法，预测哪种类型的内容会导致推送被迫中断，具体包括：

14、收集历史推送行为数据，包括每次推送的内容、推送的时间、推送结果；其中，所述推送结果为推送是否导致掉线。对这些数据进行预处理，包括数据清洗、数据格式转换；从推送内容中提取关键词、主题、情感；选择狄利克雷分布作为先验分布，确定集中度参数。使用吉布斯采样的方法进行训练，根据分配给每个样本的簇，更新簇的参数，对于未分配到任何簇的样本，新建一个簇，并更新其参数。在训练过程中，进行多次迭代和优化模型参数以获得最佳性能。当达到最大迭代次数时，结束算法。通过测试集评估模型的性能，包括对比实际结果和预测结果；使用训练好的模型对新的数据进行预测，同时，解释模型的预测结果，找出哪种类型的推送更容易导致掉线。

15、所述采用决策树算法构建模型，判断何种类型的内容需要中断推送，具体包括：

16、根据业务属性收集和准备用于训练的数据集，包括推送内容的类型、目标受众以及推送的场景；根据业务属性选择特征，包括投诉率、推送内容的类型以及目标受众。采用决策树算法构建模型，选择投诉率作为目标变量。根据投诉率将数据集分为不同的子集，并递归构建子树，直到满足终止条件。采用剪枝技术对生成的决策树进行优化。根据模型预测，根据推送内容的类型、目标受众以及推送的场景，得到中断推送的内容类型。根据业务属性判断中断推送的内容类型是否进行进一步处理，包括修改推送内容、调整推送时间。

17、进一步可选地，所述采用基于关联规则的分组算法，获取主动中断用户和被动中断用户之间的关联和相似性，细分目标群体，判断推送的中断风险程度，对推送的中断风险程度高的用户中断推送，包括：

18、收集用户行为数据，包括用户的使用时间、频率、使用功能；基于关联规则的分组算法处理用户数据，识别出出现次数大于阈值的行为模式，确定主动中断和被动中断用户的行为模式；使用统计方法对主动中断用户和被动中断用户的行为模式进行比较，验证两组行为模式是否存在显著差异；根据统计结果，将具有相似行为模式的用户分为一组，形成多个用户群体；获取每个用户群体的行为，包括行为模式的频率、时长、使用功能；根据用户群体的行为模式，使用线性回归模型预测用户的行为；计算用户实际行为和预测行为在使用时间、频率、使用功能方面的差值；根据用户实际行为和预测行为的差值，判断推送的中断风险程度，若差值大于预设阈值，则推送的中断风险程度高；对推送的中断风险程度高的用户中断推送。

19、进一步可选地，所述根据推送中断机制，调整目标群体、推送内容，对中断推送的内容进行补发，包括：

20、根据推送中断的原因，重新确定推送目标群体；通过获取未收到推送的用户列表，确定哪些用户在中断推送时未收到推送内容；根据用户属性，包括地理位置、年龄、性别、兴趣，判断重新推送的目标用户群体；根据用户主动中断的属性信息，判断推送内容是否适合所述目标用户群体；根据推送内容的性确定是否补发推送以及补发的优先级；通过评估推送内容对用户的价值和影响，判断是否补发推送；根据推送内容的有效期，确定在有效期内进行补发；通过获取推送内容的有效期信息；通过根据用户的兴趣和行为数据，判断用户对原始推送内容的相关性；若用户对原推送内容不感兴趣，则不进行补发；根据推送中断的原因，重新确定推送目标群体；通过分析中断推送的原因，包括网络状况、设备类型，得到未收到推送的用户列表；根据用户反馈和推送成功率调整推送策略；通过获取用户反馈和推送成功率数据，判断是否增加推送失败时的重试次数或调整推送时段；通过判断推送内容的重要性，若重要程度大于预设的阈值，立即进行补发；根据推送内容的时效性，选择时间窗口进行适时补发；通过获取推送内容的有效期信息，选择时间窗口进行补发；若推送内容不适合进行补发，通过通知用户推送的中断情况，并提供其他途径或方式获取相关内容；还包括：根据推送内容的重要性和有效期，通过评估推送内容对用户的价值和影响，确定补发推送的优先级和时间窗口。

21、所述根据推送内容的重要性和有效期，通过评估推送内容对用户的价值和影响，确定补发推送的优先级和时间窗口，具体包括：

22、获取推送内容的性、有效期、用户价值和影响程度属性。对获取的属性进行预处理操作，包括对推送内容的有效期进行转化为时间窗口的形式。根据推送内容的性、有效期、用户价值和影响程度等属性，计算推送的优先级。采用加权求和的方式，根据不同属性的性确定权重，将各个属性的值乘以对应的权重，并求和得到推送的优先级。根据推送内容的有效期和优先级，确定推送的时间窗口。根据不同优先级的推送分配不同的时间窗口，包括高优先级的推送设置较短的时间窗口，低优先级的推送设置较长的时间窗口。根据确定的时间窗口，在对应的时间段内进行补发推送。在时间窗口结束前的合适时间点对未接收到推送的用户进行补发推送。

23、进一步可选地，所述排除推送风险后，进一步统计具有最佳营销效果的素材和推送周期，训练通用推送模型，并共享给类似推送需求的客户，共享相同推送模型，包括：

24、获取营销数据和用户反馈评价指标数据，其中，所述营销数据，包括推送时间、推送内容、推送周期、营销素材，所述用户反馈评价指标数据，包括点击率、购买率、转化率；根据营销数据和用户反馈评价指标数据，使用逻辑回归算法建立用户反馈评价指标预测模型；通过交叉验证和模型评估指标对模型进行验证和优化，所述评估指标，包括准确率、精确率、召回率和f1分数；通过用户反馈评价指标预测模型，预测用户反馈评价指标；根据用户反馈评价指标预测结果确定最佳的营销策略，包括最佳营销素材和最佳推送周期；创建一个通用推送模型，预测最佳的推送时间和内容，并依据模型输出确定最佳的营销素材和推送周期；将有相同推送需求的客户分在一组，得到不同推送需求的客户群，将通用推送模型应用于新的营销数据，为每一组客户定制营销策略；将通用推送模型共享给其他具有相同推送需求的客户；还包括：基于逻辑回归算法，预测用户的反馈评价指标，确定最佳营销素材和最佳推送周期。

25、所述基于逻辑回归算法，预测用户的反馈评价指标，确定最佳营销素材和最佳推送周期，具体包括：

26、收集相关的营销数据，包括推送时间、推送内容、推送周期和营销素材。获取用户反馈评价指标数据，包括点击率、购买率、转化率。对获取的数据进行清洗和预处理，包括处理缺失值、异常值和重复值，对数据进行标准化处理。将推送时间、推送内容、推送周期和营销素材作为自变量，将点击率、购买率、转化率作为目标变量，采用逻辑回归算法进行建模，拟合自变量与目标变量之间的关系。使用训练数据对模型进行训练，并使用测试数据对模型进行评估。通过模型预测，输入未来的营销数据，得到预测的用户反馈评价指标；根据用户反馈评价指标的预测结果确定最佳的营销策略，包括最佳营销素材和最佳推送周期。

27、进一步可选地，所述进一步优化分组算法，训练主动中断和被动中断模型，进一步提升个性化营销效果，包括：

28、根据用户历史行为数据和属性数据，对用户行为进行特征提取；遍历每一对用户特征向量，计算它们的欧氏距离，得到用户之间的相似度矩阵；根据用户相似度矩阵，从高到低排序，将相似度最高的两个用户合并为一个新的聚类，更新相似度矩阵，重复以上过程，直到达到预设的聚类数目；分别计算每一类用户的平均特征向量，得到每一类用户的代表特征向量；根据用户代表特征向量和用户行为数据，将用户分为主动中断和被动中断两类，对每一类用户随机划分为训练集和测试集；对每一类用户的训练集，采用交叉验证方法选择最优的推荐算法和参数，训练主动中断和被动中断模型；对每一类用户的测试集，使用训练好的模型进行预测，计算准确率、召回率、f1值，得到模型的评估结果；根据评估结果，调整模型参数、使用不同的机器学习算法、改变特征工程的策略，重新训练模型；根据新的用户行为数据，更新用户特征，重新训练主动中断和被动中断模型。

29、本发明实施例提供的技术方案可以包括以下有益效果：

30、本发明公开了一种自动创建企业的微信sop推送计划，并进行营销推送的技术。该技术根据不同营销推送周期，获取反馈评价指标，包括不同推送周期下的转化率、响应时间、投诉率和封号率，并针对不同类型的推送素材设定推送限制。根据不同类型素材的推送反馈结果，选择最终的推送策略。根据营销推送的反馈结果，该技术能判断哪种类型的推送形式会导致推送被迫中断，哪种类型的推送需要进行主动中断处理，并根据反馈结果暂停推送计划的执行，重新调整参数后再进行推送。该技术采用基于关联规则的分组算法，用于获取主动中断用户和被动中断用户之间的关联和相似性，从而细分目标群体，判断推送风险。根据推送中断机制，该技术能调整目标群体和推送内容，对中断推送的内容进行补发。经过排除推送风险后，进一步统计具有最佳营销效果的素材和推送周期，训练通用推送模型，并将该模型共享给类似推送需求的客户。同时，该技术还能进一步优化分组算法，训练主动中断和被动中断模型，以进一步提升个性化营销效果。综上所述，本发明提供的技术能够自动创建企业的微信sop推送计划，并进行营销推送，具有高效、准确和个性化的优势。