买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京白龙马云行科技有限公司

摘要：本发明提供基于深度学习的优惠券推送方法及装置，涉及互联网技术领域，本发明通过对用户在不同目标界面上的行为数据进行深入的学习和分析，生成了更为细致的评价指标，如第一评价系数和第二评价系数，这些系数能够更全面地反映用户的操作习惯和选择偏好；此外，通过结合用户的期望数据和历史反馈，能够调整优惠券推送策略，实现高度个性化的优惠券推送，从而显著提高用户的响应率和满意度；这种方法不仅提高了营销活动的有效性，还能够按需分配低额度优惠券推送策略和高额度优惠券推送策略。

主权项：1.基于深度学习的优惠券推送方法，其特征在于，具体步骤包括：步骤S1、获取用户端在若干同类型目标界面的历史行为数据，该历史行为数据包括历史操作数据、历史选择影响数据和历史优惠券推送结果数据，并将该历史行为数据输入至深度学习模块内，以构建行为结果预测模型；步骤S2、对若干同类型目标界面进行标记，形成目标界面类型集合{1,2，...，i，...，n}，其中i表示第i种类型的目标界面，n表示同类型目标界面总数，进而获取用户端在当前第i种目标界面的操作数据、选择影响数据和期望数据；步骤S3、获取在当前第i种目标界面的操作数据，该操作数据包括页面停留时间、点击率、滚动深度和访问频率，并进行分析处理，生成第一评价系数，该评价系数用于对用户的操作习惯进行评价；步骤S4、获取在当前第i种目标界面的选择影响数据，该选择影响数据包括选择变更次数、优惠券界面交互时间，并进行分析处理，生成第二评价系数，该评价系数用于对用户的目标界面选择习惯进行评价；步骤S5、获取在当前第i种目标界面的期望数据，该期望数据包括历史兑换率、优惠敏感度、优惠券查询频次和优惠券期望值，并进行分析处理，生成期望调整系数，该调整系数生成优惠券调整策略，以用于对用户的优惠券期望度进行评价；步骤S6、获取第一评价系数和第二评价系数，并进行分析处理，构建第一目标界面选择指数；步骤S7、获取行为结果预测模型，并利用历史操作数据和历史选择影响数据生成比对指数集，该比对指数集包含有不同数值的第一评价系数和第二评价系数，以形成第二目标界面选择指数，且该行为结果预测模型分别生成第一行为预测结果和第二行为预测结果；步骤S8、获取第一目标界面选择指数和第二目标界面选择指数进行匹配度分析，以此匹配结果对第一行为预测结果和第二行为预测结果进行判断选择；步骤S9、获取第一行为预测结果与第二行为预测结果，判断是否选择当前第i种目标界面，若选择，则实施低额度优惠券推送策略，反之，则结合步骤S5中的优惠券调整策略进行分析，选择最优的高额度优惠券推送策略。

全文数据：

权利要求：

百度查询： 北京白龙马云行科技有限公司 基于深度学习的优惠券推送方法及装置