流量精細(xì)化營銷參數(shù)的選取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及流量精細(xì)化的技術(shù)領(lǐng)域，尤其涉及流量精細(xì)化營銷參數(shù)的選取方法。
【背景技術(shù)】
[0002] 目前，GX聯(lián)通在流量包推廣過程中使用傳統(tǒng)方法對客戶進(jìn)行細(xì)分，簡單的細(xì)分變 量如月消費額、月流量消耗、套餐類型已經(jīng)無法適應(yīng)互聯(lián)網(wǎng)時代的流量經(jīng)營，發(fā)現(xiàn)用戶潛在 的流量需求。這種模糊的細(xì)分結(jié)果無法及時地捕捉到客戶的消費需求，也無法及時地提供 相應(yīng)的服務(wù)滿足需求，為公司提高收益。同時由于前期模糊的客戶定位，企業(yè)無法挖掘出真 正的潛在客戶，所以企業(yè)只能憑借經(jīng)驗采用"暴力營銷"方式，這方法投入成本高，客戶響應(yīng) 率低，甚至還會引起客戶的反感，進(jìn)而引發(fā)客戶投訴，最終還大大地降低了推廣流量包的成 功率。
[0003] AdaBoosting是一種迭代算法，其核心思想是針對同一個訓(xùn)練集訓(xùn)練不同的分類 器（弱分類器），然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器（強分類器）。 目前，對AdaBoosting算法的研宄以及應(yīng)用大多集中于分類問題，同時近年也出現(xiàn)了一些 在回歸問題上的應(yīng)用。AdaBoosting算法主要解決了：兩類問題、多類單標(biāo)簽問題、多類多 標(biāo)簽問題、大類單標(biāo)簽問題，回歸問題等。該算法其實是一個簡單的弱分類算法提升過程， 這個過程通過不斷的訓(xùn)練，可以提高對數(shù)據(jù)的分類能力。
[0004] Adaboosting算法是將很多個分類器的的意見有效的結(jié)合起來以達(dá)到更好的分類 效果。該算法的大致流程為：首先依據(jù)分類效果的差異從眾多的單特征弱分類器中篩選出 分類性能最好的分類器，并賦予相應(yīng)的權(quán)值；然后依據(jù)分類的結(jié)果對各訓(xùn)練樣本的權(quán)值進(jìn) 行更新，更新的原則是：誤分類樣本被賦予更高的權(quán)值。最后依照權(quán)值大小，將各分類器有 效結(jié)合起來，并據(jù)此對測試樣本進(jìn)行分類。
[0005] 目前，還沒有將Adaboosting算法運用于流量包推廣的技術(shù)方案。

【發(fā)明內(nèi)容】

[0006] 為了解決上述問題，本發(fā)明提供流量精細(xì)化營銷參數(shù)的選取方法，能夠有效捕捉 用戶消費需求，實現(xiàn)根據(jù)客戶潛在需求精準(zhǔn)推廣流量包。
[0007] 本發(fā)明所要解決的技術(shù)問題是針對上述【背景技術(shù)】的不足，提供了流量精細(xì)化營銷 參數(shù)的選取方法，解決現(xiàn)有技術(shù)中模糊細(xì)分客戶無法及時捕捉到客戶消費需求的技術(shù)問 題。
[0008] 本發(fā)明為實現(xiàn)上述發(fā)明目的采用如下技術(shù)方案：
[0009] 本發(fā)明提供了流量精細(xì)化營銷參數(shù)的選取方法，包括如下步驟：
[0010] 由細(xì)分目的選擇數(shù)據(jù)變量后細(xì)分用戶群；
[0011] 從數(shù)據(jù)集中抽取各用戶群的數(shù)據(jù)樣本集；
[0012] 以各用戶群的數(shù)據(jù)樣本集為AdaBoosting模型的訓(xùn)練樣本確定影響AdaBoosting 模型分類精度的參數(shù)。
[0013] 作為所述流量精細(xì)化營銷參數(shù)的選取方法的進(jìn)一步優(yōu)化方案，數(shù)據(jù)變量包括基本 屬性變量和行為特征變量。
[0014] 作為所述流量精細(xì)化營銷參數(shù)的選取方法的進(jìn)一步優(yōu)化方案，基本屬性變量包 括：開戶時間、用戶類型、基本套餐、套餐類型、終端類型、固定時間區(qū)間內(nèi)的消耗流量、固定 時間區(qū)間內(nèi)的費用消耗。
[0015] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，行為特征變量包括：流量包訂 購情況、用戶安裝app的數(shù)量、大流量app安裝數(shù)、大流量app使用次數(shù)、app使用次數(shù)、用 戶閑時登陸的次數(shù)、閑時登陸消耗的流量。
[0016] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，從數(shù)據(jù)集中抽取各用戶群的 數(shù)據(jù)樣本集這一步驟的具體方法為：
[0017] 預(yù)處理各用戶群的數(shù)據(jù)樣本集；
[0018] 格式轉(zhuǎn)換預(yù)處理后的各用戶群的數(shù)據(jù)樣本集；
[0019] 對格式化后的數(shù)據(jù)樣本集抽樣各用戶群的觀測樣本。
[0020] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，預(yù)處理各用戶群的數(shù)據(jù)樣本 集，具體為：刪除異常值和極端值，為無序多分類數(shù)據(jù)變量設(shè)置啞變量。
[0021] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，從數(shù)據(jù)集中抽取各用戶群的 數(shù)據(jù)樣本集這一步驟的具體方法為：由用戶群數(shù)據(jù)樣本集生成衍變量。
[0022] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，衍變量包括：閑時流量消耗 比、均使用流量。
[0023] 更進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法中，以各用戶群的數(shù)據(jù)樣本集 為AdaBoosting模型的訓(xùn)練樣本確定影響AdaBoosting模型分類精度的參數(shù)這一步驟具體 包括以下子步驟：
[0024] (1)以各用戶群的觀測樣本為AdaBoosting模型的訓(xùn)練樣本，初始化樣本權(quán)重
[0025] (2)開始迭代過程確定影響分類精度的數(shù)據(jù)變量：
[0026] A.歸一化權(quán)重，
[0027] B.計算以各數(shù)據(jù)變量為特征的弱分類器的加權(quán)錯誤概率，
[0028] C.選出最小加權(quán)錯誤概率的弱分類器，
[0029] D.調(diào)整樣本權(quán)重后返回A重復(fù)迭代過程直至達(dá)到最大迭代次數(shù)。
[0030] (3)將迭代篩選出的多個最小加權(quán)錯誤概率弱分類器組成一個強分類器，所述強 分類器對應(yīng)為流量精細(xì)化營銷參數(shù)的集合。
[0031] 進(jìn)一步的，所述流量精細(xì)化營銷參數(shù)的選取方法的子步驟D中，以賦予誤分類樣 本高權(quán)值，不改變正確分類樣本權(quán)值的原則調(diào)整樣本權(quán)重。
[0032] 由上述本發(fā)明的實施例提供的技術(shù)方案可以看出，本方案設(shè)計的實現(xiàn)云計算資源 混合調(diào)度的方法和系統(tǒng)具有以下有益效果：考慮用戶的行為特征細(xì)分目標(biāo)用戶群，以預(yù)處 理后的用戶群樣本數(shù)據(jù)為AdaBoosting模型的訓(xùn)練樣本確定影響AdaBoosting模型分類精 度的參數(shù)，提高了 AdaBoosting模型的分類精度，精確捕捉到用戶的消費需求，提高了流量 包推廣的成功率。
[0033] 本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，這些將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。
【附圖說明】
[0034] 為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本 領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0035] 圖1為本發(fā)明的流程圖。
[0036] 圖2為AdaBoosting算法的流程圖。
【具體實施方式】
[0037] 下面詳細(xì)描述本發(fā)明的實施方式，所述實施方式的示例在附圖中示出，其中自始 至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參 考附圖描述的實施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。
[0038] 本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式"一"、"一 個"、"所述"和"該"也可包括復(fù)數(shù)形式。應(yīng)該進(jìn)一步理解的是，本發(fā)明的說明書中使用的措 辭"包括"是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加 一個或多個其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當(dāng)我們稱元 件被"連接"或"耦接"到另一元件時，它可以直接連接或耦接到其他元件，或者也可以存在 中間元件。此外，這里使用的"連接"或"耦接"可以包括無線連接或耦接。這里使用的措 辭"和/或"