一种面向营销领域的智能化会员规则引擎的处理方法

技术领域

本申请涉及大模型技术领域，具体为一种面向营销领域的智能化会员规则引擎的处理方法。

背景技术

CEM系统：Customer Experience Management，客户体验管理，是一种以客户为中心的企业管理思想和方法，旨在通过优化客户与企业之间的互动过程，提升客户满意度、忠诚度和品牌价值。简单来说，客户体验管理就是通过不断改进客户接触点和服务过程，提升客户对企业产品和服务的感受和评价，从而增强企业竞争力和市场份额；

大模型Agent：即智能体，可以代替用户和大模型进行交互，也是prompt系统工程之后最重要的技术以及最具商业前景的落地场景之一；

企业在做数字化营销时，通常会基于CEM系统去管理企业内部的会员体系，但由于企业的规模和业态不同，实际使用场景会出现很多问题，比如企业有多套会员体系(不同品牌、不同业态、不同等级)，但每个会员可以属于多个体系，又由于每个体系是单独运作的，会员信息没办法统一管理，每个企业或品牌对会员信息关注点不同，对会员的交易、行为定义也不同，各个系统之间是割裂的，打通所需要的人力成本很高；不同企业的会员基础规则不同，还存在临时的会员促销规则，导致每个体系下的活动规则都需要很多规则代码的开发，成本极高。

发明内容

本申请的目的在于提供一种面向营销领域的智能化会员规则引擎的处理方法，以解决上述背景技术中提出的各个系统之间是割裂的，每个体系下的活动规则都需要很多规则代码的开发，打通所需要的人力成本很高的问题。

为实现上述目的，本申请提供如下技术方案：一种面向营销领域的智能化会员规则引擎的处理方法，包括以下步骤：

步骤1，建立统一的会员管理平台及主档管理，利用自然语言处理和数据挖掘技术，整合多套会员体系的数据；通过分析和清洗这些数据，实现数据的标准化和一致性；

步骤2，构建智能化会员规则引擎，包括：

设计会员树状结构，设计一个树状结构帮助Agent记住和设置不同会员的个性化配置；使用深度优先遍历来为Agent设置个性特征，在检测和维护过程中，采用随机测试方法进行测试；

设计带有会员技能库的认知架构，包括模型声明和程序性记忆、技能库和工作记忆；

步骤3，个性化处理会员信息，根据企业或品牌的需求，确定关注点和交易行为的定义，基于智能化会员规则引擎，根据会员的行为和偏好进行个性化的推荐和营销策略的优化，还能够通过分析会员的历史购买记录和浏览行为，预测其可能感兴趣的产品和活动，并向其提供个性化的推荐和优惠；

步骤4，自动化处理会员规则，基于智能化会员规则引擎，自动学习和更新会员基础规则和临时促销规则；

步骤5，持续优化和调整策略，根据智能化会员规则引擎的分析结果和实时数据，持续优化和调整会员管理策略。

优选的，所述步骤1中利用自然语言处理和数据挖掘技术整合多套会员体系的数据具体为：

通过设计一个统一的会员信息数据库，包括基于大模型提取的会员的基本信息、交易记录、偏好和活动参与情况；

通过建立数据库索引和关联，实现对会员信息的快速查询和分析；并确定会员信息的关键属性和数据字段，包括姓名、联系方式、地址、消费金额、购买产品分类，这些属性和字段将作为数据共享和统一管理的基础。

优选的，所述步骤2中个性化配置的树状结构设计方式为：构建了一个表T＝{N

优选的，所述步骤2中随机测试方法的具体步骤如下：

S1，随机选择m个粗粒度的个性配置进行测试；

S2，如果测试正确，则在这m个粗粒度的个性下选择m个细粒度的个性进行进一步测试；如果细粒度测试也正确，则认为Agent的个性记忆完整；

S3，如果任何阶段出现错误，将向Agent通知所有选定个性的实际值以恢复其个性记忆。

优选的，所述步骤2中通过设计认知架构用于使Agent的发展引向自适应控制和具备认知的理性审议，且Agent认知的基础支柱是模型声明和程序性记忆，模型声明体现了Agent的事实知识库，包括对会员个人信息、产品、地点、营销事件及其相互关系的数据，作为合理推理的基石；程序性记忆包括使Agent能够追求目标并克服挑战的指导规则；技能库是一个可配置的领域知识库，集成了会员的积分、等级、权益等自定义业务字段，为Agent的反思规划提供领域知识，是Agent以特定情况利用其知识能力的编译器；工作记忆是一个可以自我刷新的模块，充当记忆与外部环境之间的桥梁，不仅能够根据处理过的记忆来指导Agent行为，还可以吸收历史的外部数据，比如在什么场景下对应什么样的会员策略和营销活动，随后通过思想链和行动链将其精炼成模型声明和程序性知识。

优选的，当开始交互时，一个Agent，表示为A＝{T，B}，并配备了认知架构B＝{工作记忆，模型声明，程序性记忆，技能库}，通过激活这四个组件，确保在多方面的环境中进行持久的交互，在随后的交互中，当Agent准备好下一时刻的回应时，它首先从MD、MP和L中提取反思和策略，这些反思和策略来自于前一时刻业务人员的真实反馈，从而智能化的响应不同业务对于会员的规则要求。

与现有技术相比，本发明的有益效果是：

本发明适用于企业数字化营销中会员体系的管理和优化，通过利用大模型的强大计算能力和Agent的协作能力，能够整合多套会员体系的数据，实现会员信息的统一管理和个性化处理，并通过自动化处理会员规则和持续优化策略，减少人工成本，并提高数字化营销效果和会员满意度。

附图说明

图1为本发明流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

实施例：

请参阅图1，本申请提供一种技术方案：

一种面向营销领域的智能化会员规则引擎的处理方法，包括以下步骤：

步骤1：建立统一的会员管理平台及主档管理：利用自然语言处理和数据挖掘技术，整合多套会员体系的数据。通过分析和清洗这些数据，实现数据的标准化和一致性：通过设计一个统一的会员信息数据库，包括基于大模型提取的会员的基本信息、交易记录、偏好和活动参与情况等；通过建立数据库索引和关联，实现对会员信息的快速查询和分析；并确定会员信息的关键属性和数据字段，包括姓名、联系方式、地址、消费金额、购买产品分类等，这些属性和字段将作为后续数据共享和统一管理的基础；

步骤2：构建智能化会员规则引擎，包括

1、设计会员树状结构

首先，设计了一个树状结构来帮助Agent记住和设置不同会员的个性化配置。以个性设置为例，构建了一个表T＝{N

步骤A、随机选择m个粗粒度的个性配置进行测试；

步骤B、如果测试正确，则在这m个粗粒度的个性下选择m个细粒度的个性进行进一步测试。如果细粒度测试也正确，则认为Agent的个性记忆完整；

步骤C、如果任何阶段出现错误，将向Agent通知所有选定个性的实际值以恢复其个性记忆，这种随机测试方法不仅高效全面，而且还节省了上下文窗口资源；

2、设计带有会员技能库的认知架构

随着Agent与其环境之间的交互累积，Agent的记忆流量和复杂性显著增加，这种增长需要一种先进的认知架构来处理日益增长的数据。然而，目前基于大模型的Agent中嵌入的认知架构，只能使Agent以类似于流水线的线性方式进行计划和反思。为了弥补这一不足，本申请设计了一种融入特定领域技能库的认知架构，该架构根植于自适应控制思想，可以促进并行的双向计划和反思，利用Agent的记忆和技能库，将Agent的发展引向更强大的自适应控制和类似于人类认知的理性审议。这种认知框架的核心有四个关键组成部分，包括模型声明(MD)和程序性记忆(MP)、技能库(L)和工作记忆(MW)。其中，Agent认知的基础支柱是模型声明(MD)和程序性记忆(MP)，前者体现了Agent的事实知识库，包括对会员个人信息、产品、地点、营销事件及其相互关系的数据，作为合理推理的基石；程序记忆包括使Agent能够追求目标并克服挑战的指导规则；技能库(L)是一个可配置的领域知识库，集成了会员的积分、等级、权益等自定义业务字段，为Agent的反思规划提供领域知识，它可以被看作是Agent以特定情况利用其知识能力的编译器；工作记忆(MW)是一个可以自我刷新的模块，充当记忆与外部环境之间的桥梁。它不仅根据处理过的记忆来指导Agent行为，还可以吸收历史的外部数据，比如在什么场景下对应什么样的会员策略和营销活动，随后通过思想链和行动链将其精炼成模型声明和程序性知识。当开始交互时，一个Agent，表示为A＝{T，B}，并配备了认知架构B＝{MW，MD，MP，L}，通过激活这四个组件，确保在多方面的环境中进行持久的交互。在随后的交互中，当Agent准备好下一时刻的回应时，它首先从MD、MP和L中提取反思和策略，这些反思和策略来自于前一时刻业务人员的真实反馈，从而智能化的响应不同业务对于会员的规则要求。

S3：个性化处理会员信息：根据企业或品牌的需求，确定关注点和交易行为的定义。例如，对于某些品牌来说，会员的购买频率和购买金额可能是重要的关注点，而对于其他品牌来说，可能更关注会员的产品偏好和活动参与程度，基于智能化会员规则引擎，根据会员的行为和偏好进行个性化的推荐和营销策略的优化。除此之外，还可以通过分析会员的历史购买记录和浏览行为，预测其可能感兴趣的产品和活动，并向其提供个性化的推荐和优惠；

S4：自动化处理会员规则：基于智能化会员规则引擎，自动学习和更新会员基础规则和临时促销规则。根据历史数据和实时数据，智能化会员规则引擎可以自动生成和更新会员基础规则，例如会员等级划分、积分计算、优惠券发放等。同时，智能化会员规则引擎还可以根据需求生成临时促销规则，例如特定时间段的折扣活动、新品推广等；

S5：持续优化和调整策略：根据智能化会员规则引擎的分析结果和实时数据，持续优化和调整会员管理策略。通过监测和分析会员的行为和偏好变化，企业可以及时调整营销策略和活动规则，以提高会员满意度和数字化营销效果。

以上显示和描述了本申请的基本原理和主要特征和本申请的优点，对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。