一种活动权益精准批充方法与流程

1.本发明涉及的是软件开发领域，具体涉及一种活动权益精准批充方法。


背景技术：

2.随着互联网商业的发展，各行各业的营销方式层出不穷。以往的模式中，用户需要打开app选择性参加活动，对于企业本身来说，由用户选择什么平台，参与什么样的营销方式，引流成本高，活动效果差。
3.电信用户群体大，直接批量发放权益成本高、难以达到预期收益，活动权益类型繁多，需要分析用户喜好，精准投放。
4.采用主动发放方式，应充分考虑用户主观体验，要做到无侵扰的同时引起用户更多的关注。
5.故结合机器学习中决策树算法，分析用户特征；统计用户app使用习惯，精准给用户直充活动权益，达到降低成本，精准营销的目的。


技术实现要素：

6.针对现有技术上存在的不足，本发明目的是在于提供一种活动权益精准批充方法，降低电信公司活动营销成本。激励新用户注册，提高老用户活跃度。
7.为了实现上述目的，本发明是通过如下的技术方案来实现：一种活动权益精准批充方法，包括以下步骤：
8.1、配置活动权益信息；
9.2、用户在各渠道使用权益；
10.3、权益发放模块将权益发放到用户账户中；
11.4、收集用户数据，进行数据分析，构建决策模型；
12.5、使用用户活动决策模型过滤适合用户的活动权益；
13.6、在用户最常打开app时间段内发放权益；
14.7、获得数据，继续训练决策模型。
15.所述的步骤4采用了数据分析模块和构建决策模块，所述的数据分析模块包括：
16.(a)收集0-24时各个时间段内用户打开app后使用时间,以时间段为横向指标，用户使用时长为纵向指标，对收集到的数据进行时间段分组求和，可清晰明了的展现用户使用时间段的集中趋势；
17.(b)归集用户订单数据，得到用户每笔订单有无门槛，使用渠道，是否绑卡，客户星级，面值等属性，开启定时任务定时计算各属性不同值所占比率。
18.作为优选，所述的构建决策模块采用决策树算法作为新活动权益是否发放给目标用户的依据。构建决策树的首要任务是对各属性进行评估，以分类效果最好的属性作为根节点。本方案采用gini指数作为判断各组属性数据的混乱程度。根据gini指数公式
(其中p(i)为属性下特征值出现的概率)计算出各属性的gini系数，取最小的属性作为根节点，以此类推构建整个决策树。
19.作为优选，所述的步骤5采用了决策模块，所述的决策模块可配置手动或定时任务扫描配置生效的活动权益，根据构建好的决策模型，为每个目标用户匹配合适的权益。
20.作为优选，所述的步骤6采用了权益发放模块，所述的权益发放模块收取决策模块对应用户的获益权益列表，给用户无侵扰式充值权益。
21.本发明具有以下有益效果：
22.1.根据实际数据分析得到用户使用时间点发放，带来了更好的用户体验；
23.2.可以有效提高用户活动度，增加企业收入。
附图说明
24.下面结合附图和具体实施方式来详细说明本发明；
25.图1为本发明的架构图；
26.图2为本发明的用户使用时间段时长分布图；
27.图3为本发明的归集用户订单数据示意图；
28.图4为本发明的决策构建模块示意图；
29.图5为本发明决策模块示意图；
30.图6为本发明的整体流程图。
具体实施方式
31.为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
32.参照图1-6，本具体实施方式采用以下技术方案：一种活动权益精准批充方案，包括分析模块，决策构建模块，决策模块，权益发放模块，如图1所示。
33.1.数据分析模块：
34.a本具体实施方式秉承用户体验放在首位的思想，力求最大程度上考虑用户主观感受。故收集0-24时各个时间段内用户打开app后使用时间,以时间段为横向指标，用户使用时长为纵向指标，对收集到的数据进行时间段分组求和，可清晰明了的展现用户使用时间段的集中趋势，如图2。本方案暂时采取使用用户使用时间段众数的方式作为后续给用户发放权益时间的指标。
35.b归集用户订单数据，得到用户每笔订单有无门槛，使用渠道，是否绑卡，客户星级，面值等属性，如图3。开启定时任务定时计算各属性不同值所占比率。
36.2.决策构建模块
37.本具体实施方式采用决策树算法作为新活动权益是否发放给目标用户的依据。构建决策树的首要任务是对各属性进行评估，以分类效果最好的属性作为根节点。本具体实施方式采用gini指数作为判断各组属性数据的混乱程度。根据gini指数公式(其中p(i)为属性下特征值出现的概率)计算出各属性的gini系数，取最
小的属性作为根节点，以此类推构建整个决策树。如图4所示。
38.3.决策模块
39.可配置手动或定时任务扫描配置生效的活动权益，根据构建好的决策模型，为每个目标用户匹配合适的权益，如图5。
40.4.权益发放模块
41.收取决策模块对应用户的获益权益列表，给用户无侵扰式充值权益。
42.本具体实施方式充分考虑用户体验，结合实际数据分析，给用户无侵扰式体验；精准批充可适用于不同营销场景，灵活、维护成本低；解决了精准投放的难题。
43.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。


技术特征：
1.一种活动权益精准批充方法，其特征在于，包括以下步骤：(1)、配置活动权益信息；(2)、用户在各渠道使用权益；(3)、权益发放模块将权益发放到用户账户中；(4)、收集用户数据，进行数据分析，构建决策模型；(5)、使用用户活动决策模型过滤适合用户的活动权益；(6)、在用户最常打开app时间段内发放权益；(7)、获得数据，继续训练决策模型。2.根据权利要求1所述的一种活动权益精准批充方法，其特征在于，所述的步骤(4)采用了数据分析模块和构建决策模块，所述的数据分析模块包括：(a)收集0-24时各个时间段内用户打开app后使用时间,以时间段为横向指标，用户使用时长为纵向指标，对收集到的数据进行时间段分组求和，可清晰明了的展现用户使用时间段的集中趋势；(b)归集用户订单数据，得到用户每笔订单有无门槛，使用渠道，是否绑卡，客户星级，面值等属性，开启定时任务定时计算各属性不同值所占比率。3.根据权利要求2所述的一种活动权益精准批充方法，其特征在于，所述的构建决策模块采用决策树算法作为新活动权益是否发放给目标用户的依据。构建决策树的首要任务是对各属性进行评估，以分类效果最好的属性作为根节点。本方案采用gini指数作为判断各组属性数据的混乱程度。根据gini指数公式(其中p(i)为属性下特征值出现的概率)计算出各属性的gini系数，取最小的属性作为根节点，以此类推构建整个决策树。4.根据权利要求1所述的一种活动权益精准批充方法，其特征在于，所述的步骤(5)采用了决策模块，所述的决策模块可配置手动或定时任务扫描配置生效的活动权益，根据构建好的决策模型，为每个目标用户匹配合适的权益。5.根据权利要求1所述的一种活动权益精准批充方法，其特征在于，所述的步骤(6)采用了权益发放模块，所述的权益发放模块收取决策模块对应用户的获益权益列表，给用户无侵扰式充值权益。

技术总结
本发明公开了一种活动权益精准批充方法，它涉及软件开发领域。包括以下步骤：1、配置活动权益信息；2、用户在各渠道使用权益；3、权益发放模块将权益发放到用户账户中；4、收集用户数据，进行数据分析，构建决策模型；5、使用用户活动决策模型过滤适合用户的活动权益；6、在用户最常打开app时间段内发放权益；7、获得数据，继续训练决策模型。本发明根据实际数据分析得到用户使用时间点发放，带来了更好的用户体验；可以有效提高用户活动度，增加企业收入。增加企业收入。增加企业收入。


技术研发人员：储森 程晨 胡文杰
受保护的技术使用者：天翼电子商务有限公司
技术研发日：2021.12.30
技术公布日：2022/5/25