申请/专利权人：广东赛博威信息科技有限公司

申请日：2024-05-23

公开（公告）日：2024-06-21

公开（公告）号：CN118228147A

主分类号：G06F18/243

分类号：G06F18/243;G06N20/20;G06N3/045;G06N3/06;G06N3/084;G06N5/01;G06Q30/0203;G06Q30/0207;G06F18/23

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明涉及一种基于大数据分析的营销活动关键信息识别方法，通过收集历史时期的营销活动信息及营销效果数据集；从数据集中随机抽取L个样本作为训练集；随机不重复地抽取N个营销活动信息变量作为分割点，并利用基尼系数确定对营销效果变量的最佳分割点进行划分以生成决策树；重复操作得到M棵决策树，生成随机森林；根据随机森林对袋外数据的预测误差大小，对营销活动信息变量的重要性进行排序；选择重要性排序前n个的营销活动信息变量作为关键活动信息。本发明解决了由于营销活动信息众多，难以识别对营销效果具有显著影响的关键活动信息，导致分析效率低下的问题。

主权项：1.一种基于大数据分析的营销活动关键信息识别方法，其特征在于：包括以下步骤：S1、数据收集：收集历史时期的营销活动信息及其对应的营销效果数据，所述营销活动信息包括产品属性、时间节点、活动地点、目标群众、营销费用和推广策略；所述营销效果包括销售量、销售额和利润；S2、数据处理：采用聚类分析方法对销售量和销售额数据进行分类，获得客户偏好指数；计算利润与营销费用的比值，获得利润指数；S3、关键信息识别：以营销活动信息为解释变量，客户偏好指数和利润指数为响应变量，构建随机森林模型对营销活动信息的重要性进行排序，以识别关键活动信息；其中，步骤S3中，所述构建随机森林模型对营销活动信息的重要性进行排序，包括以下步骤：S31、从数据集中随机抽取L个样本，作为训练集；S32、随机不重复地抽取N个营销活动信息变量作为分割点，并利用基尼系数确定对客户偏好指数和利润指数变量的最佳分割点进行划分，以生成决策树；S33、重复M次步骤S31-S32的操作，得到M棵决策树，生成随机森林；S34、计算随机森林中每棵决策树对袋外数据的预测误差；S35、添加袋外数据中营销活动信息变量的随机扰动，计算随机森林每棵决策树对随机扰动的预测误差；S36、根据随机森林对袋外数据的预测误差大小，对营销活动信息变量的重要性进行排序；S37、选择重要性排序前n个的营销活动信息变量作为关键活动信息。

全文数据：

权利要求：

百度查询： 广东赛博威信息科技有限公司 一种基于大数据分析的营销活动关键信息识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD