一种基于用户画像的精准营销方法及系统

专利主权项内容

1.一种基于用户画像的精准营销方法，其特征在于，包括：采集用户数据和营销商品数据；初步整理所述用户数据和所述营销商品数据，并使用TF-IDF算法对W与w的值进行计算，获取用户特征向量和营销商品特征向量，其中：nn用户特征向量为：U={(u，W)，(u，W)......(u，Wn)}；1122n营销商品特征向量为：G={(g，w)，(g，w)......(g，w)}；1122nn其中，u表示用户对其产生过行为的第n个商品，Wn表示用户对第n个商品的兴趣偏好，其中g表示商品的第n个属性特征，w表示第n个属性所占权重的数值大小；nnn响应于商品u不在所述用户特征向量中，计算用户对商品u的兴趣偏好，从而对所述用户特征向量修正以得到用户画像特征向量U′={(u，W)，(u，W)......(u，Wn)，(u，W)}，其中，商品u为营销商品；n+1n+11122nn+1n+1n+1W=ΣSW/K；n+1j∈N(U)(n+1)jjW表示用户对第n+1个商品的兴趣偏好，N(U)表示用户喜欢的所有商品，j等于1、2、3......K，K表示用户喜欢的所有商品数量，S表示商品u与N(U)中商品的相似度，W表示用户对第j个商品的兴趣偏好；n+1(n+1)jn+1j对所述用户特征向量修正以得到用户画像特征向量U′包括：计算任意物品之间的相似度，计算物品之间的相似度公式如下：S′=；ij式中，S′表示物品i和物品j的相似度，|N(i)|、|N(j)|分别表示对物品i和物品j产生过操作行为的用户数量，|N(i)|∩|N(j)|表示同时对物品i和物品j产生过操作行为的用户数量；ij计算每个用户画像特征向量U′与营销商品特征向量G两者之间的相似度，并使用相似度进行降序排列；所述计算每个用户画像特征向量U′与营销商品特征向量G两者之间的相似度，包括：使用皮尔逊相关系数(PearsonCorrelationCoefficient)计算每个用户画像特征向量U′与营销商品特征向量G两者之间的相似度；对其排序靠前的用户进行投放所述营销商品的广告。 微信公众号马克 数据网