[发明专利]生命周期或成长特征的营销设计方法、装置和存储介质

说明书

本发明提供的一种用户属性和营销规则归类方法，应用于电子装置，包括以下步骤：目标用户划分：获取第一预设时期的各用户的消费次数，将复购次数不小于最低复购次数的用户划分为新成熟用户；用户属性归类：获取各所述新成熟用户的每次消费金额，根据第一预设计算规则，选取最接近的类簇作为当前所述新成熟用户所属的类簇；营销规则匹配：根据每个所述类簇对应的营销规则，与所述新成熟用户相匹配。本发明中的用户属性和营销规则归类方法，对成熟用户通过时序聚类算法划分出多个具有相似行为特征的细分类簇，同时归纳出每个类簇的特征；最后针对所划分出的细化类簇通过矩阵分析逐步聚焦形成营销策略建议，并对其消费模式进行预测和干预。

技术领域

本发明涉及大数据挖掘领域，特别涉及一种对消费者的消费模式进行预测和干预的方法、电子装置及计算机可读存储介质。

背景技术

随着经济与技术迅猛发展，催生了一种新的经济形势——网络经济。消费者通过越来越多的渠道接触，进行浏览、购物，使得零售行业之间的竞争也越来越激烈，越来越多的传统零售品牌在这种压力与机遇之下发展线上零售，将线上、线下融合、业务、数字化思维进行融合，并逐步完成数字化转型。将来不存在传统零售行业和纯电商的说法，零售业的发展已经进入全渠道时代。然而，目前的零售领域中，针对用户的营销策略匹配还存在以下问题：

第一、用户生命周期切割过于简化，忽略了用户之间也存在有行为模式的差异较大的情况，无法做到对不同用户有针对性的营销；

第二、对用户的生命周期的判断偏业务型角度居多，而基于用户数据的梳理和自动化分群并不属于业务人员人工处理之特长，因而对用户生命周期的判断不够准确。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种对消费者的用户属性进行归类的方法、电子装置及计算机可读存储介质。本发明对某线上、线下零售电商依据用户生命周期模型划分出成熟用户；并对成熟用户通过时序聚类算法划分出多个具有相似行为特征的细分类簇，同时归纳出每个类簇的特征；最后针对所划分出的细化类簇通过矩阵分析逐步聚焦形成营销策略建议，并对其消费模式进行预测和干预。

为实现上述目的，本发明提出一种用户属性和营销规则归类方法，应用于电子装置，具有这样的特征，包括以下步骤：

目标用户划分：获取第一预设时期的各用户的消费次数，将复购次数不小于最低复购次数的用户划分为新成熟用户；

用户属性归类：获取各所述新成熟用户的每次消费金额，根据第一预设计算规则，选取最接近的类簇作为当前所述新成熟用户所属的类簇；

营销规则匹配：根据每个所述类簇对应的营销规则，与所述新成熟用户相匹配。

本发明所提出的用户属性和营销规则归类方法，还具有这样的特征，所述第一预设计算规则包括：

其中，a_k为新成熟用户a的第k次消费金额，c_ik为类簇i的类簇中心，s_i为类簇i中的总消费次数，为新成熟用户a与类簇i的欧氏距离，d_ac为新成熟用户a与类簇i的欧式距离最小值。

本发明所提出的用户属性和营销规则归类方法，还具有这样的特征，所述属性归类步骤之前，还包括以下训练步骤：

训练用户划分：根据预设训练时期各用户的消费次数、每次消费对应的消费人数，以及第二预设计算规则，选取留存转化率趋于稳定时所对应的最小复购次数为所述最低复购次数，将复购次数不小于所述最低复购次数的用户划分为成熟训练用户群；

训练数据获取：获取所述成熟训练用户群中各用户的消费次数及每次消费金额作为训练集数据；

类簇分群处理：对所述训练数集进行时序聚类，得到每个用户所属的所述类簇，以及各所述类簇的所述类簇中心。