[发明专利]用于获取营销用户的方法及系统

说明书

本发明公开了一种用于获取营销用户的方法和系统，获取与新产品类似的产品营销时的用户数据并存储到源域，从用户数据池中筛选出所述新产品的潜在用户的用户数据存储到第一目标域，将所述源域和所述第一目标域的用户数据输入多个数据分布自适应迁移学习模型，为所述第一目标域中的用户数据添加预测标签，并对优质用户并进行营销。从以往的单纯依靠人工经验转换为结合机器学习，更加智能的圈选营销客群，在拉新营销前期完善了机器学习模型，解决了新产品上线前中期的无数据、无法分析用户、无常规机器学习模型可用的问题，节省了人力成本和营销渠道成本。

技术领域

本发明涉及迁移学习技术领域，尤其涉及用于获取营销用户的方法及系统。

背景技术

拉新是指拉来新用户，而新用户对于每个企业来说都是发展与稳定的基础，因此拉新环节在整个营销场景中也有着举足轻重的作用。新产品刚刚上线时，运营人员往往面临无数据可用、无法借助数据分析作为参考的时候，通常会利用个人的经验挑选营销人群，而人的经验毕竟有限而且不够全面，因此弊端也越来越明显，具体表现为:新产品上线太快，运营人员无法及时做出有效方案；运营成本高，圈选客群不够精细导致运营成本巨大，盈利不足；运营方案单一，各个产品上线时运营都会优先考虑活跃客群，一方面忽略了潜力巨大且用户基数更大的其他客群，另一方面多个运营场景运营客群重复造成资源浪费或资源争抢。

常见的营销拉新采用评分卡打分体系以及利用树模型监督学习算法辅助选择营销场景，而这些应用的前提往往是在积累了足够多的样本之后，基于足够多的样本建立模型体系，而往往忽略了产品刚刚上线的冷启动问题以及上线前期样本不多的情景。

在实际的拉新环节中，基于海量的用户规模，结合营销成本和客户体验的考量，仅能对非常有限的用户通过短信渠道进行相关的营销触动。因此，通过创新的技术手段，精准地刻画与把握产品对应的需求用户群，提升营销效率以及降低运营成本已经成为了亟待解决的问题。

发明内容

本发明的目的在于提供用于获取营销用户的方法及系统，基于迁移学习的技术框架，利用少量人工的参与，结合机器学习中迁移学习方案精准以及效率高、可迭代的特点，解决现有的新产品上线前期以及积累少量样本的前中期运营工作，选择优质用户进行营销。

为了实现上述目的，本发明提供如下技术方案：

一种用于获取营销用户的方法，包括：

获取与新产品类似的产品营销时的用户数据并存储到源域，所述源域中的用户数据携带标签，所述标签用于标识用户购买/未购买；

从用户数据池中筛选出所述新产品的潜在用户的用户数据存储到第一目标域，所述第一目标域的用户数据不携带所述标签；

将所述源域和所述第一目标域的用户数据输入多个数据分布自适应迁移学习模型，为所述第一目标域中的全部/部分用户数据添加预测标签后输出并存储到第一样本集中；

从所述第一样本集中获取优质用户并进行营销，所述优质用户为：携带标识用户购买的标签的用户数据对应的用户。

具体地，从用户数据池中筛选出所述新产品的潜在用户数据的方法包括：

从用户数据池中采集用户数据并分发给筛选人员进行分类，所述分类的类别包括：潜在用户和非潜在用户；

获取筛选人员分类后的用户数据，将筛选人员分类为潜在用户的用户数据作为所述新产品的潜在用户数据存储到第一目标域。

优选地，所述数据分布自适应迁移学习模型包括边缘分布自适应迁移学习模型和联合分布自适应迁移学习模型中的至少一种。

具体地，所述源域的用户数据对应第一特征群，所述第一目标域的用户数据对应第二特征群，所述第一特征群和所述第二特征群分别由多种特征组成；