一种应用于积分营销过程潜在用户挖掘的方法和系统

技术领域

本发明涉及积分应用技术领域，特别是涉及一种应用于积分营销过程潜在用户挖掘的方法和系统。

背景技术

积分业务在运营过程中，与大多数互联网业务一样，都需要通过持续开展线上营销活动，来发展新用户。通常的营销活动是按照平台运营需求的内容制作，以及广撒网式的普遍营销，根据用户最终到达某个具体业务内容点的结果来获得新用户。但这种最终直观结果定论的方式，忽略了大部分营销中途潜在用户的判断和发现，造成了大量营销资源的浪费，更错失了大量与用户接触并发展为积分用户的机会。部分积分业务系统，可以根据营销过程中的行为记录来针对性的推荐，但仍然忽略了多个营销活动中多种营销内容中用户行为的规律性分析和潜在用户的判断，仍然达不到有效的潜在用户挖掘及针对性发展的目的。所以需要发明一种方法和系统，在积分营销内容一致性处理基础上，对多个营销活动中多种营销内容中用户行为进行实时收集的基础上进行规律性分析和量化计算，动态判断积分潜在用户级别及所感兴趣的营销内容集合和排序，既有效挖掘潜在积分用户，有可以分析出用户感兴趣的业务内容，便于积分系统下一步针对性的内容组织和精准推荐，最终实现成功用户发展的目的。

发明内容

本发明提供了一种应用于积分营销过程潜在用户挖掘的方法和系统。基于用户发展阶段和积分营销内容构建一致性的营销梯度节点集合，系统实时采集用户在营销过程中的各业务节点行为，通过量化计算模型得出潜在用户的阶段行为分值，并通过匹配潜在用户分级模型得到最终的潜在用户级别，最后根据潜在用户ID，基于用户行为节点采集数据进行统计分析，得到营销内容兴趣度排序，作为潜在用户的业务兴趣度排序。本发明方法和系统包括：营销内容梯度节点集合模块、用户行为节点采集模块、潜在积分用户分级模型模块、积分用户挖掘算法及动态结果集模块。

1、营销内容梯度节点集合模块：基于积分用户发展阶段（进阶式）和积分营销内容，构建一致性的营销梯度节点模型，并将积分营销内容，按照应用属性分类后，归入到一致性的数据集合中。一致性数据集合包括按照节点ID、内容ID、应用分类ID等纬度进行的营销内容集合。

2、用户行为节点采集模块：系统实时采集用户在营销过程中的各业务节点行为，并对信息进行结构化数据保存。结构话数据包括用户ID、节点ID、到达节点的时间戳、内容ID等。

3、潜在积分用户分级模型模块：根据积分用户特性，设定不同的分级用户及分值区间模型。该模型接受积分用户挖掘算法及动态结果集模块的设定及参数修改。

4、积分用户挖掘算法及动态结果集模块：设计基于用户节点行为量化和先行计算的模型，将梯度节点作为因子J（x），对应的权重配分为V（y），设定一个时间区间，线性计算这个区间内用户多次行为分值（∑[J（x）*V（y）]）的分值作为判定潜在用户级别的依据。

附图说明

图1为一种应用于积分营销过程潜在用户挖掘的方法和系统系统结构图。

图2为一种应用于积分营销过程潜在用户挖掘的方法和系统中一致性数据集合列表。

图3为一种应用于积分营销过程潜在用户挖掘的方法和系统中的用户行为采集信息列表。

图4为一种应用于积分营销过程潜在用户挖掘的方法和系统中的分级模型示例。

图5为一种应用于积分营销过程潜在用户挖掘的方法和系统中基于节点的量化配分模型示例。

图6为一种应用于积分营销过程潜在用户挖掘的方法和系统中的积分潜在用户挖掘结果集示例。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施实例中，一种应用于积分营销过程潜在用户挖掘的方法和系统，本发明方法和系统包括：营销内容梯度节点集合模块（1）、用户行为节点采集模块（2）、潜在积分用户分级模型模块（3）、积分用户挖掘算法及动态结果集模块（4）。

1、营销内容梯度节点集合模块（1）：基于积分用户发展阶段（进阶式）和积分营销内容，构建一致性的营销梯度节点模型，并将积分营销内容，按照应用属性分类后，归入到一致性的数据集合中。一致性数据集合包括按照节点ID、内容ID、应用分类ID等纬度进行的营销内容集合。一致性数据集合列表如图2所示。

2、用户行为节点采集模块（2）：系统实时采集用户在营销过程中的各业务节点行为，并对信息进行结构化数据保存。结构话数据包括用户ID、节点ID、到达节点的时间戳、内容ID等。用户行为采集信息列表如图3所示。

3、潜在积分用户分级模型模块（3）：根据积分用户特性，设定不同的分级用户及分值区间模型。该模型接受积分用户挖掘算法及动态结果集模块（4）的设定及参数修改。分级模型示例如图4。

4、积分用户挖掘算法及动态结果集模块（4）：设计基于用户节点行为量化和线性计算模型，将梯度节点作为因子J（x），对应的权重配分为V（y），设定一个时间区间，线性计算这个区间内用户多次行为分值（∑[J（x）*V（y）]）的分值作为判定潜在用户级别的依据。基于节点的量化配分模型示例如图5所示。

积分潜在用户挖掘结果集示例如图所示。