[发明专利]基于客户偏好的电子劵推送方法及装置

说明书

本发明属于大数据技术领域，本发明提供了一种基于客户偏好的电子劵推送方法及装置，所述基于客户偏好的电子劵推送方法包括：获取用户特征数据、商品特征数据以及商户特征数据；利用所述用户特征数据、商品特征数据、商户特征数据以及预先建立的朴素贝叶斯分类模型推送电子券至客户终端。本发明结合机器学习技术，可实现模型的自学习和快速迭代优化，并提升客户对于电子券的使用偏好的分析预测效果，智能推荐电子券至用户，优化提升用户体验，最终促进营销。

技术领域

本申请涉及数据处理技术领域，具体涉及一种基于客户偏好的电子劵推送方法及装置。

背景技术

现有技术中的电子券派发方法，一般分为两种：第一，在店铺页面或商品购买页面，提示客户领取链接，其弊端是当客户去浏览商品时才能发现该商品在进行电子券促销活动，不具备主动服务客户以及促进营销的能力；第二，不分客户需求，不分商品，无差别地给客户推送电子券，虽有主动出击服务客户的理念，但没有精准定位客户的需求，收效甚微。

另一方面，在电子券发放的过程中，市场要应对“羊毛党”等外部攻击风险，同时也存在应对“大流量、高并发”的“秒杀”等情况的技术实现的压力，综上所述，如何合理的派发电子劵至客户是亟需解决的问题。

发明内容

本发明属于大数据技术领域，针对现有技术中的问题，本发明结合机器学习技术，可实现模型的自学习和快速迭代优化，并提升客户对于电子券的使用偏好的分析预测效果，智能推荐电子券至用户，优化提升用户体验，促进营销，增加成交量。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于客户偏好的电子劵推送方法，包括：

获取用户特征数据、商品特征数据以及商户特征数据；

利用所述用户特征数据、商品特征数据、商户特征数据以及预先建立的朴素贝叶斯分类模型推送电子券至客户终端。

一实施例中，建立所述朴素贝叶斯分类模型包括以下步骤：

基于朴素贝叶斯算法，建立所述朴素贝叶斯分类模型的分类器；

根据历史用户特征数据、历史商品特征数据以及历史商户特征数据，训练所述分类器；

根据训练结果以及预设训练阈值建立所述朴素贝叶斯分类模型。

一实施例中，所述利用所述用户特征数据、商品特征数据、商户特征数据以及预先建立的朴素贝叶斯分类模型推送电子券至客户终端，包括：

将所述用户特征数据、商品特征数据以及商户特征数据输入至所述朴素贝叶斯分类模型中，以生成所述用户购买商户的商品的概率值；

根据所述概率值推送所述电子券至所述客户终端。

一实施例中，所述用户特征数据包括：用户画像数据以及用户消息特征数据，其中，所述用户画像数据包括：用户的年龄以及用户的性别；所述用户消息特征数据包括：用户资产与负债、用户授信风险、用户浏览商品的类型数、用户浏览各类商品的次数、用户收藏商品的类型数、用户收藏各类商品的次数、用户收藏商铺的类型数、用户收藏各类商铺的个数、用户购买各类商品的次数、用户购买商品的类型数、用户购买各类商品的费用以及用户购买各类商品的单价；

所述商品特征数据包括：商品ID、商品类别ID、商品的商户ID、商品的销量、商品的单价、商品被浏览量、商品的好评率、商品被收藏量、购买该商品的用户数、浏览该商品的用户数、收藏该商品的用户数、使用电子券购买该商品的量以及使用电子券购买该商品的用户数；