[发明专利]基于电商平台的深度学习预测方法及装置

说明书

本发明实施例提供一种基于电商平台的深度学习预测方法及装置，所述方法包括：获取电商平台内各个商家上传的营销数据；获取营销数据的数据特征，并对比商家之间的数据特征，根据对比结果建立目标商家之间的求交关系；将求交关系发送至目标商家，供目标商家根据求交关系交换营销数据，并将营销数据的数据特征输入到卷积神经网络模型进行训练；获取待检测客户在目标商家的消费数据，将待检测客户的客户数据及消费数据输入到训练后的卷积神经网络模型，得到待检测客户在目标商家的购买可能性预测结果；输出待检测客户的购买可能性预测结果。采用本方法能够通过对客户在目标商家的购买可能性的预测，精确且具有前瞻性的对客户进行商家商品的营销。

技术领域

本发明涉及电商平台数据学习技术领域，尤其涉及一种基于电商平台的深度学习预测方法及装置。

背景技术

近年来，随着电商平台的发展越来越迅速，不同的电商平台都相继发展起来，也有越来越多的用户选择线上选择电商平台进行购物，对于电商平台来说，吸引更多的用户购买以及商家入住是平台发展的关键因素，比如向用户精准的推荐商家商品，吸引用户购买，是吸引商家入住的关键。

目前对于电商平台来说，并没有太好的针对用户的精确营销的办法，通常都是根据用户的搜索历史和购买历史进行类似推荐，并没有前瞻性，也做不到对商家商品的精确营销。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于电商平台的深度学习预测方法及装置。

本发明实施例提供一种基于电商平台的深度学习预测方法，包括：

获取电商平台内各个商家上传的营销数据，所述营销数据包括消费数据、客户数据；

获取所述营销数据的数据特征，并对比商家之间的数据特征，根据对比结果确定所述数据特征的重合度，根据所述重合度的大小建立目标商家之间的求交关系，所述数据特征包括：客户数据、消费金额、消费时间、消费产品类型；

将所述求交关系发送至所述目标商家，供所述目标商家根据所述求交关系交换营销数据，并将所述营销数据的数据特征输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

获取待检测客户在所述目标商家的消费数据，将待检测客户的客户数据及消费数据输入到训练后的卷积神经网络模型，通过训练后的卷积神经网络模型得到所述待检测客户在所述目标商家的购买可能性预测结果；

输出所述待检测客户的购买可能性预测结果。

在其中一个实施例中，所述方法还包括：

对比商家之间的数据特征，确定所述数据特征中，在所述客户数据相同的情况下，客户在预设的时间范围内，在不同商家的消费数据；

对比客户在不同商家的消费数据，确定商家的数据特征的重合度。

在其中一个实施例中，所述方法还包括：

以客户数据相同的情况下，客户在所述目标商家的消费数据中的消费时间、消费金额、消费产品类型之间的关联关系为输入，输入到卷积神经网络模型进行训练。

在其中一个实施例中，所述方法还包括：

获取电商平台内各个商家的目标客户群，根据所述目标客户群将所述电商平台内各个商家分为多个集合；

所述对比商家之间的数据特征包括：

对比各个集合内的商家之间的数据特征。

在其中一个实施例中，所述方法还包括：

检测所述待检测客户在所述目标商家的购买可能性预测结果是否大于预设阈值；

当所述待检测客户在所述目标商家的购买可能性预测结果大于预设阈值时，向所述目标商家发送提示信息，供所述目标商家根据提示信息向待检测客户发送商品推送信息。

本发明实施例提供一种基于电商平台的深度学习预测装置，包括：