【技術實現步驟摘要】
本申請涉及電商，尤其是涉及一種基于機器學習的積分動態調整方法及系統。
技術介紹
1、隨著科技的進步和商品制造成本的下降，更多商家進入市場，導致同行競爭日益激烈。電商平臺面臨用戶留存和轉化的問題，可以通過積分體系來聚攏用戶，吸引用戶持續參與平臺活動，促進用戶留存和轉化，提高用戶粘性和活躍度。
2、而目前對積分的調整模式，例如通過一些額外的操作如簽到進行積分調整，這些獲取形式復雜且無法反映用戶的行為和價值，對促進用戶的活躍度和用戶粘性的成果微乎其微。
技術實現思路
1、本申請提供一種基于機器學習的積分動態調整方法及系統，以解決上述技術問題。
2、第一方面，本申請提供一種基于機器學習的積分動態調整方法，包括：
3、獲取預設時段內用戶的積分獲取記錄，并根據所述積分獲取記錄，確定所述用戶的重要程度；
4、獲取所述用戶的實時購買記錄，根據所述實時購買記錄，確定是否對所述用戶進行積分調整；
5、若確定對所述用戶進行積分調整，則將所述購買記錄及所述重要程度輸入到預設深度學習模型中，得到輸出結果；
6、根據所述輸出結果，調整所述用戶的積分數據。
7、通過本方案，分析用戶的積分獲取記錄和實時購買記錄，更全面地了解用戶的消費行為和偏好。利用深度學習模型，根據用戶的重要程度和購買行為，為用戶提供個性化的積分調整方案，從而提高用戶滿意度和忠誠度。使得積分管理更加靈活和動態，有助于及時響應用戶行為的變化，提升用戶體驗，提升電商
8、可選的，所述根據所述實時購買記錄，確定是否對所述用戶進行積分調整，包括：
9、分析所述實時購買記錄，確定當前購買物品是否存在產品咨詢；
10、若存在產品咨詢，則提取所述產品咨詢的內容，根據內容提取結果，確定所述用戶是否存在情緒波動；
11、若確定所述用戶存在情緒波動，則根據情緒變化情況，確定進行積分調整。
12、通過本方案，分析實時購買記錄，關注用戶的產品咨詢行為，檢測到用戶存在情緒波動時，進行積分調整作為一種補償或安撫措施，及時發現并處理用戶在購物過程中的不滿和情緒波動，有助于預防用戶流失，增強用戶的購物體驗，提高滿意度。另外，關注并處理用戶在購物過程中的情緒波動，也能夠不斷提升電商平臺自身的服務質量。
13、可選的，所述根據所述積分獲取記錄，確定所述用戶的重要程度，包括：
14、分析所述積分獲取記錄，根據記錄分析結果，確定總積分、積分類型、獲取次數及積分數量；
15、獲取平臺積分使用規則，并根據所述平臺積分使用規則，確定積分殘值系數；
16、根據所述總積分、所述積分類型、所述獲取次數、所述積分數量、所述積分殘值系數，確定所述用戶的重要程度。
17、通過本方案，分析用戶的積分獲取記錄，電商平臺能夠深入了解用戶的積分行為，包括總積分、積分類型、獲取次數以及每次獲取的積分數量，有助于更準確地評估用戶價值，為后續的積分調整提供有力支持。
18、可選的，所述根據所述總積分、所述積分類型、所述獲取次數、所述積分數量、所述積分殘值系數，確定所述用戶的重要程度，參考以下公式：
19、；
20、其中，表示所述總積分；表示所述獲取次數；表示第次獲取的所述積分數量；表示第次獲取的所述積分類型的權重；表示第年的所述積分殘值系數；表示重要程度系數；表示所述用戶的使用年限；
21、根據所述重要程度系數，確定所述用戶的重要程度。
22、通過本方案，引入程度系數的計算公式，科學評估用戶的重要程度，為積分調整提供了有力的數據支持。在本方案中考慮不同平臺的積分使用規則，從而考慮積分貶值問題，使得調整更加個性化和精細化，也使得本方案可以更加全面的適用于不同平臺。
23、可選的，所述根據所述平臺積分使用規則，確定積分殘值系數，參考以下公式：
24、；
25、其中，表示積分殘值系數的函數；表示第年的積分衰減率。
26、通過本方案，設計公式計算積分殘值系數，使得積分殘值系數的確定具有明確性和可預測性，為用戶重要程度的計算提供了精準的數據支持。
27、可選的，所述將所述購買記錄及所述重要程度輸入到預設深度學習模型中，得到輸出結果，包括：
28、分析所述情緒變化情況，確定是否存在負面情緒；
29、若存在負面情緒，則根據所述內容提取結果，確定所述負面情緒的具體內容；
30、解析所述具體內容，確定負面情緒詞；
31、解析所述負面情緒詞，確定情緒負面程度；
32、將所述情緒負面程度、所述負面情緒詞、所述情緒變化情況及所述重要程度輸入到預設深度學習模型中，得到輸出結果。
33、通過本方案，分析情緒變化情況，確定是否存在負面情緒，并在存在負面情緒時，根據內容提取結果，對具體內容進行解析，并量化負面情緒，得到情緒負面程度，將情緒負面程度、負面情緒詞、情緒變化情況及重要程度輸入到預設深度學習模型中，得到輸出結果，以更大科學合理的計算方式，得到需要調整的積分數量，有效補償或安撫出現不滿的用戶，提高用戶的留存率。
34、可選的，所述將所述情緒負面程度、所述負面情緒詞、所述情緒變化情況及所述重要程度輸入到預設深度學習模型中，得到輸出結果，包括：
35、根據所述負面情緒詞，確定積分計算類型；
36、根據所述積分計算類型，確定所述預設深度學習模型的計算公式，并調整所述預設深度學習模型的計算公式，得到輸出結果。
37、通過本方案，根據負面情緒詞，確定具體的調整需求，然后確定積分計算類型，調整預設深度學習模型的計算公式，以實現智能化積分調整，輸出更合理的積分調整方案。在預設深度學習模型中預設若干計算公式也可以更加靈活的應對不同的積分調整情況，使積分調整可以更加有效的實現用戶留存。
38、可選的，所述將所述情緒負面程度、所述負面情緒詞、所述情緒變化情況及所述重要程度輸入到預設深度學習模型中，得到輸出結果，參考以下公式：
39、；
40、其中，表示所述積分調整數量；表示所述情緒負面程度；表示第個負面情緒詞在所有負面情緒詞中的權重；表示第i個負面情緒詞在所述具體內容中的出現頻率；表示情緒變化對積分調整的影響常數；表示所述負面情緒詞的數量；表示所述情緒變化情況的量化值；表示重要程度系數。
41、通過本方案，量化情緒負面程度、負面情緒詞、情緒變化情況及重要程度，設計公式以快速準確地計算當存在負面情緒時需要的積分調整數量，從而有效補償用戶，提升用戶滿意度，提高用戶留存率。
42、可選的，所述根據情緒變化情況，確定進行積分調整，包括：
43、若確定不存在負面情緒，則獲取第二預設時段內的操作本文檔來自技高網...
【技術保護點】
1.一種基于機器學習的積分動態調整方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述實時購買記錄，確定是否對所述用戶進行積分調整，包括：
3.根據權利要求1所述的方法，其特征在于，所述根據所述積分獲取記錄，確定所述用戶的重要程度，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述總積分、所述積分類型、所述獲取次數、所述積分數量、所述積分殘值系數，確定所述用戶的重要程度，參考以下公式：
5.根據權利要求3所述的方法，其特征在于，所述根據所述平臺積分使用規則，確定積分殘值系數，參考以下公式：
6.根據權利要求2所述的方法，其特征在于，所述將所述購買記錄及所述重要程度輸入到預設深度學習模型中，得到輸出結果，包括：
7.根據權利要求6所述的方法，其特征在于，所述將所述情緒負面程度、所述負面情緒詞、所述情緒變化情況及所述重要程度輸入到預設深度學習模型中，得到輸出結果，包括：
8.根據權利要求7所述的方法，其特征在于，所述將所述情緒負面程度、所述負面情緒詞、所述情緒變
9.根據權利要求6所述的方法，其特征在于，所述根據情緒變化情況，確定進行積分調整，還包括：
10.一種基于機器學習的積分動態調整系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于機器學習的積分動態調整方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述實時購買記錄，確定是否對所述用戶進行積分調整，包括：
3.根據權利要求1所述的方法，其特征在于，所述根據所述積分獲取記錄，確定所述用戶的重要程度，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述總積分、所述積分類型、所述獲取次數、所述積分數量、所述積分殘值系數，確定所述用戶的重要程度，參考以下公式：
5.根據權利要求3所述的方法，其特征在于，所述根據所述平臺積分使用規則，確定積分殘值系數，參考以下公式：
6.根據權利要求2所述的方法...
【專利技術屬性】
技術研發人員：王建國，邱德雙，廖程，周國榮，林海鵬，何育新，
申請(專利權)人：廣州七畝地科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。