[发明专利]基于大数据筛选的营销零售投放系统及其方法在审

专利信息
申请号: 202211306441.5 申请日: 2022-10-25
公开(公告)号: CN115630989A 公开(公告)日: 2023-01-20
发明(设计)人: 李游 申请(专利权)人: 杭州职业技术学院
主分类号: G06Q30/0203 分类号: G06Q30/0203;G06Q30/0201;G06F18/214;G06F18/241;G06N3/0464;G06N3/048;G06N3/047;G06N3/08
代理公司: 西安百鼎知识产权代理事务所(普通合伙) 61295 代理人: 黄照
地址: 310018 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 数据 筛选 营销 零售 投放 系统 及其 方法
【说明书】:

发明涉及智能零售营销领域,且更为具体的涉及基于大数据筛选的营销零售投放系统及其方法。基于大数据筛选的营销零售投放系统及其方法,其采用基于深度学习的人工智能算法来挖掘出各个零售点的零售数据的全局隐含关联特征信息,并利用各个零售点之间的位置拓扑特征来优化各个零售点之间的零售数据特征表达,以此来表示各个营销零售点的群体的购物需求,并以此来进行分类,就能够实现精准投放各种类型的零售物品。

技术领域

本发明涉及智能零售营销领域,且更为具体的涉及基于大数据筛选的营销零售投放系统及其方法。

背景技术

零售营销是市场营销的一个重要分支。所谓零售营销,零售营销直接面对最终消费者,通过物料设计、策略支持、渠道安排等多种多样的组合方式促使顾客产生购物冲动的一些列营销策划。零售业者计划和执行关于商品、服务或创意的观念、定价、促销和分销,以创造出符合消费者用于个人或家庭消费的交换的过程。

当前,市场竞争的加剧要求企业和商家通过精准营销更有效的把握商品投放推广的效果。商品精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析,根据他们不同的消费心理和行为特征来进行营销零售投放。然而,随着大数据技术的发展,如何对用户需求进行“数据化分析”,如何能自动的获取客观用户需求及生成有效的投放策略,成为一个亟待解决的难题。

因此,期待优化的基于大数据筛选的营销零售投放方案,其能够以大数据作为数据中台,来挖掘营销零售点的群体的购物需求,从而进行精准投放,以提高货架的利用率且能满足用户零售购物需求。

发明内容

为了解决上述技术问题,提出了本申请。本申请的实施例提供了基于大数据筛选的营销零售投放系统及其方法,其采用基于深度学习的人工智能算法来挖掘出各个零售点的零售数据的全局隐含关联特征信息,并利用各个零售点之间的位置拓扑特征来优化各个零售点之间的零售数据特征表达,以此来表示各个营销零售点的群体的购物需求,并以此来进行分类,就能够实现精准投放各种类型的零售物品。

根据本申请的一个方面,提供了基于大数据筛选的营销零售投放系统,其包括:

零售数据采集单元,用于获取多个零售点的零售数据,所述零售数据包括零售物品名称和预定时间段的零售量;

零售数据嵌入化单元,用于将所述各个零售点的零售数据分别映射到零售物品向量以得到零售物品向量的序列;

零售点上下文编码单元,用于将所述各个零售点的零售物品向量的序列通过基于转换器的上下文编码器以得到多个零售点语义特征向量;

矩阵化排列单元,用于将所述多个零售点语义特征向量进行二维排列为以得到零售点语义特征矩阵;

零售点空间拓扑单元,用于获取所述多个零售点的拓扑矩阵,所述拓扑矩阵中非对角线位置上各个位置的值为相应两个零售点之间的距离,所述拓扑矩阵中对角线位置上各个位置的值为零;

拓扑特征提取单元,用于将所述拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵;

图数据编码单元,用于将所述拓扑特征矩阵和所述零售点语义特征矩阵通过图神经网络以得到距离拓扑零售点语义特征矩阵;

待投放零售点特征提取单元,用于提取所述距离拓扑零售点语义特征矩阵中待投放零售点的行向量;以及投放推荐结果生成单元,用于将所述待投放零售点的行向量作为分类特征向量通过分类器以得到分类结果,所述分类结果用于表示投放各种类型的零售物品的概率值。

在上述基于大数据筛选的营销零售投放系统中,所述零售数据嵌入化单元,包括:零售物品名称向量化子单元,用于将所述各个零售点的零售数据中的零售物品名称通过词嵌入层以得到词嵌入向量;以及,整合子单元,用于在所述词嵌入向量的末尾加上所述各个零售点的零售数据中的预定时间段的零售量以得到所述零售物品向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州职业技术学院,未经杭州职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211306441.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top