技术领域
[0001] 本申请涉及数据分析技术领域，特别涉及一种营销数据分析方法及装置、电子设备、存储介质。
相关背景技术
[0002] 当前大部分银行都会通过银行的客户端应用中进行金融产品等产品销售，或者资产相关业务的推销等，而为了能激发客户购买或者提升银行资产金额，所以经常投入一定资金在客户端应用上开展营销活动，例如，发放各种优惠券或者积分等权益。
[0003] 当前在进行线上活动时，会依赖于历史的营销经验以及对权益以及产品的直观判断，制定相应的营销策略，并按照营销策略进行各类权益的发放等。在整体营销效果不满足需求时，又会依赖历史经营和直观判断，对策略进行调整，直至整体营销效果满足需求，即产品的销售情况满足预期的要求。
[0004] 所以当前的方式缺乏精确数据的支持和深入的数据分析，无法获取各项因素对消费的影响情况，因此可能频繁进行多次随机的策略调整，才能满足期望，也会出现一直无法满足期望的情况。并且，及时营销效果满足需求，但往往都不是最佳的效果，只是无法有效等到更佳方案的一种折中选择。因此，当前急需一种对营销相关数据进行精确的科学分析方法，以营销的制定提供精确的科学数据的支持。
具体实施方式
[0061] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0062] 在本申请中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0063] 本申请实施例提供了一种营销数据分析方法，如图1所示，包括以下步骤：
[0064] S101、获取目标营销活动过程中每种营销权益的实时流转数据以及多个客户的权益行为数据。
[0065] 可选地，营销权益的类别可以根据需求划分，例如优惠券、积分等，并且不同金额的优惠券等，也可以属于不同的营销权益。
[0066] 其中，营销权益的实时流转数据指的实时从营销权益的资金分配至权益使用的整个过程中流转到各个节点的信息。具体可以包括但不限于营销权益的资金分配、营销权益的生成，即根据资金生成相应数量的营销权益、营销权益的派发、领取以及使用等。
[0067] 客户的权益行为数据包括与每种营销权益相关的客户的消费行为的数据，即用户对领取的营销权益的消费使用情况，如所使用的领取的营销权益的类型、数量，所购买的产品的类型和数量等。
[0068] S102、利用各种营销权益的实时流转数据，构建目标营销活动的图模型。
[0069] 需要说明的是，步骤S102和步骤S103为数据血缘关系分析的过程，而步骤S104和步骤S105为因果关系分析过程，两个过程是相关不影响的，所以本申请实施例中的，两个分析过程的执行顺序仅是一种可选地的方式，也可以采用其他的顺序。
[0070] 由于图模型可以将营销权益的各个流转节点直接的关系表示处理，可以便于对营销数据进行血缘分析，所以需要先利用营销权益的实时流转数据，构建营销权益的实时流转数据中涉及到的各个流转节点，并根据营销权益的实时流转数据中的各个流转节点的流转顺序，将流转节点进行连接，从而得到目标营销活动的图模型。
[0071] 还需要说明的是，构建目标营销活动的图模型可以是构建一个全新的图模型，也可以是针对先前构建的模型进一步进行更新，从而构建出一个更新后的图模型。
[0072] 可选地，在本申请另一实施例中，步骤S102的一种具体实施方式，如图2所示，包括以下步骤：
[0073] S201、分别将每种营销权益、各种营销权益的每笔营销经费、每种营销权益的流转数据中流转到的各个客户和各个产品作为节点。
[0074] 需要说明的是，由于在营销过程中，主要是先进行营销经费分配，即将营销经费分为多笔经费然后分别流转到各个营销权益，从而生成各种营销权益。营销权益通过分发、领取流转到用户，最后由用户使用权益进行产品购买，从而流转到最终的产品。所以在本申请实施例中，主要针对每种营销权益、每笔营销经费、各个客户和各个产品构建出相应的节点。
[0075] S202、基于各种营销权益的流转数据，将各个节点进行连接，并对各个节点以及各条边配置属性。
[0076] 具体的，基于各种营销权益的流转数据则可以确定权益的流转过程，从而按照流转的顺序将各个节点进行连接。而为了明确和区分各个节点以及连接节点的各条边，所以需要为各个节点以及各条边配置相应的属性。
[0077] 其中，节点属性可以包括权益类型、客户购买历史等相应的属性信息。边属性，则可以包括有权益流转的具体时间、数量以及金额等。
[0078] S103、利用图计算算法对目标营销活动的图模型进行路径追踪和节点识别，得到目标营销活动的数据血缘分析结果。
[0079] 其中，数据血缘分析结果包括追踪的路径以及识别出的关键节点。
[0080] 需要说明的是，基于实时流转数据追踪的路径，可以反映出权益的实时流转情况，从而可以确定权益流转过程中各个节点间血缘关系，以及确定权益的流转效率以及是否流转到产品等信息，所以可以作为调整营销策略的参考数据。而关键节点反映出了在权益流转过程中关键的节点，从而可以确定着重对哪些节点进行调整，可以得到更加的营销策略。
[0081] 可选地，可以网络中心性分析算法以及聚类分析算法等进行数据血缘分析。其中，网络中心分析算法可以确定图模型中最重要的节点，即关键节点，比如哪些权益最受欢迎，哪些客户最活跃。而聚类分析算法可以识别出具有相似属性或者行为的节点集群，分析哪些客户群体对某类权益更感兴趣。常使用社区检测算法，如模块化最大化算法进行分析。
[0082] S104、基于多个客户的权益行为数据，构建结构化因果模型。
[0083] 需要说明的是，因果关系区别于统计相关性，即区别于关联性。统计相关性指的是两个或多个变量间的关联程度，而因果关系涉及一个变量(原因)如何影响另一个变量(结果)。通常，相关性分析是无法反映出因果方向，或者无法区分因果。所以为了能准确分析各类型的营销权益对各种产品消费的影响，所以在本申请实施例中，分析各类型的营销权益与各种产品的消费的因果关系，以通过因果关系更准确地反映出各类型的营销权益对各种产品的消费的具体影响情况。
[0084] 在本申请实施例中，通过构建结构化因果模型去进行因果分析。结构化因果模型是一种数学模型，其使用图结构来表示变量间的因果关系。所以在本申请实施例中，通过该模型表示模权益和消费行为之间的因果关系。具体的，多个客户的权益行为数据中包括了客户使用各类营销权益进行产品购买的情况，所以基于多个客户的权益行为数据，构建出反映初始的权益行为数据中反映的模权益和消费行为之间的因果关系。
[0085] 可选地，在本申请另一实施例中，步骤S104的一种具体实施方式，如图3所示，包括以下步骤：
[0086] S301、对各个客户的权益行为数据进行清洗以及标准化。
[0087] 具体的，为了便于对权益行为数据进行处理，所以需要先对其进行清洗和标准化，从而统一为可处理的格式，例如，购买行为中为“未购买”编码为“0”和对“购买”的行为编码为“1”等。
[0088] S302、基于各个客户的权益行为数据，定义权益类型、客户行为类型、潜在影响因素。
[0089] 基于各个客户的权益行为数据，定义数据中涉及到营销权益的类型，以及涉及到的客户行为的类型，并还需要考虑其他影响因素，例如，客户资产水平、过往购买历史，以能通过结构化因果模型对输入的变量，可以准确计算出相应的结果。
[0090] S303、将定义的权益类型、客户行为类型、潜在影响因素作为模型的变量，并结合确定的协变量，构建出结构化因果模型。
[0091] S105、基于结构化因果模型，通过因果推断算法对各种营销权益与客户的消费行为的因果关系进行反事实分析，得到各种营销权益与客户的消费行为的因果关系信息。
[0092] 反事实分析指的是设定与事实相反的条件，分析所得到的结果与实际结果的差异，从而可以确定相应的条件与结果之间的因果关系。所以为了能确定某一类型的营销权益和某一项客户的消费行为是否真的存在因果关系，在本申请实施例中，基于结构化因果模型各种营销权益与客户的消费行为的因果关系进行反事实分析。例如，对一个用户使用了某一营销权益购买一定金额的产品，反过来分析在其他条件一致下，当用户未领取有该权益时，其购买该产品的情况，如是否购买该产品以及购买产品的金额等。
[0093] 可选地，在本申请另一实施例中，步骤S105的一种具体实施方式，如图4所示，包括以下步骤：
[0094] S401、基于结构化因果模型，计算出每个客户的倾向性得分。
[0095] 需要说明的是，为了进行结果的对比分析，所以需要划分处理组和对比组，即领取权益的客户组和未领取的客户组。由于倾向性等分标识的是给定协变量下接收处理的概率，即在本申请实施例中为领取权益的概率，所以可以通过计算各个客户端的倾向性得分，对各个客户进行分组。
[0096] 其中，倾向性得分的计算方式可以表示为：(e(X)＝P(T＝1|X))，其中(X)是协变量。
[0097] S402、基于各个客户的倾向性得分对各个客户进行匹配，得到匹配的处理组和对照组。
[0098] 具体的，可以基于各个客户的倾向性得分对各个客户进行分组，然后通过最近邻匹配或倾向得分加权方法对处理组和对照组进行匹配，即匹配相互对比的处理组和对照组，也就是匹配除权益领取外，其他方面尽可能相似的用户。
[0099] S403、分别计算处理组中的各个客户的潜在结果。
[0100] 具体可以基于结构化因果模型中的潜在结果模型，计算处理组中的各个客户的潜在结果，即计算假设处理组中的各个客户未领取营销权益时，其对产品的具体购买情况。
[0101] S404、基于处理组中各个客户的潜在结果与对照组中匹配的各个客户的结果的偏差，计算得到因果效应结果。
[0102] 匹配的客户指的是在权益领取上，其他他方面相似的用户，所以可以通过实际未领取权益时的客户的消费情况与假设未领取权益时的客户的消费情况，从而即可以得到相应的权益对消费行为的影响效果，即因果效应结果。
[0103] 可选地，可以基于处理组中各个客户的潜在结果与对照组中匹配的各个客户的结果的偏差，计算出多个偏差，然后计算针对同一类型的营销权益和产品的进行平均值计算，从而得到每一类型的营销权益对每一类产品的因果效应结果。
[0104] S405、对因果效应结果进行分析，得到各种营销权益与客户的消费行为的因果关系信息。
[0105] 需要说明的是，因果效应结果越大说明有没有领取营销权益，说明假设未领取权益，对用户的消费行为影响不大，并不能使其消费行为趋近于真实的未领取权益的消费行为，所以说明该营销权益与该产品的影响并不大，因此说明该营销权益与该产品的消费行为的因果关系较弱。因此通过对因果效应结果进行分析，则可以得到各种营销权益与客户的消费行为是否存在因果关系，并具有的应该关系的大小，并解释各种营销权益与客户的消费行为的因果关系。
[0106] S106、基于目标营销活动的数据血缘分析结果以及因果关系信息，对目标营销活动的营销策略进行调整。
[0107] 具体的，通过数据血缘分析结果可以全面获知每笔经费如何转化为不同的营销权益以及这些权益如何影响客户的消费行为，从而可以评估出各种营销权益对消费相应的具有影响效果，并且可以或者关键用户和权益，所以可以针对性的对权益的资金分配以及各类用户的权益的分配进行调整。同样，因果关系信息中包括了各种营销权益与客户的消费行为的因果关系，所以调整时着重提高具有较强因果关系的营销权益的资金分配等。
[0108] 本申请实施例提供了一种营销数据分析方法，获取目标营销活动过程中每种营销权益的实时流转数据以及多个客户的权益行为数据。其中，客户的权益行为数据包括与每种营销权益相关的客户的消费行为的数据。然后利用各种营销权益的实时流转数据，构建目标营销活动的图模型，并利用图计算算法对目标营销活动的图模型进行路径追踪和节点识别，得到目标营销活动的数据血缘分析结果。其中，数据血缘分析结果包括追踪的路径以及识别出的关键节点，从而通过对营销数据进行血缘分析，获知经费如何转换为权益，以及各类权益对消费相应的具体影响过程，从而为营销策略中的各个节点的调整提供了精确的数据。并且，基于多个客户的权益行为数据，构建结构化因果模型，并基于结构化因果模型，通过因果推断算法对各种营销权益与客户的消费行为的因果关系进行反事实分析，得到各种营销权益与客户的消费行为的因果关系信息，即得到各种营销权益与客户的消费行为的因果关系，从而为调整营销权益的调整提供精确的数据，最后基于目标营销活动的数据血缘分析结果以及因果关系信息，对目标营销活动的营销策略进行调整，从而通过结合血缘分析和因果关系分析，为营销策略制订提供了准确的科学数据，进而可以精确对营销策略进行调整，不需要频繁调整，即可以达到最佳效果。
[0109] 本申请另一实施例提供了一种营销数据分析装置，如图5所示，包括：
[0110] 获取单元501，用于获取目标营销活动过程中每种营销权益的实时流转数据以及多个客户的权益行为数据。其中，客户的权益行为数据包括与每种营销权益相关的客户的消费行为的数据。
[0111] 图模型构建单元502，用于利用各种营销权益的实时流转数据，构建目标营销活动的图模型。
[0112] 血缘分析单元503，用于利用图计算算法对目标营销活动的图模型进行路径追踪和节点识别，得到目标营销活动的数据血缘分析结果。其中，数据血缘分析结果包括追踪的路径以及识别出的关键节点。
[0113] 因果模型构建单元504，用于基于多个客户的权益行为数据，构建结构化因果模型。
[0114] 因果分析单元505，用于基于结构化因果模型，通过因果推断算法对各种营销权益与客户的消费行为的因果关系进行反事实分析，得到各种营销权益与客户的消费行为的因果关系信息。
[0115] 调整单元506，用于基于目标营销活动的数据血缘分析结果以及因果关系信息，对目标营销活动的营销策略进行调整。
[0116] 可选地在，在本申请另一实施例提供的营销数据分析装置中，图模型构建单元，包括：
[0117] 节点构建单元，用于分别将每种营销权益、各种营销权益的每笔营销经费、每种营销权益的流转数据中流转到的各个客户和各个产品作为节点。
[0118] 连接单元，用于基于各种营销权益的流转数据，将各个节点进行连接。
[0119] 配置单元，用于对各个节点以及各条边配置属性。
[0120] 可选地在，在本申请另一实施例提供的营销数据分析装置中，因果模型构建单元，包括：
[0121] 数据预处理单元，用于对各个客户的权益行为数据进行清洗以及标准化。
[0122] 因素定义单元，用于基于各个客户的权益行为数据，定义权益类型、客户行为类型、潜在影响因素。
[0123] 模型构建单元，用于将定义的权益类型、客户行为类型、潜在影响因素作为模型的变量，并结合确定的协变量，构建出结构化因果模型。
[0124] 可选地在，在本申请另一实施例提供的营销数据分析装置中，因果分析单元，包括：
[0125] 得分计算单元，用于基于结构化因果模型，计算出每个客户的倾向性得分。
[0126] 匹配单元，用于基于各个客户的倾向性得分对各个客户进行匹配，得到匹配的处理组和对照组。
[0127] 潜在结果计算单元，用于分别计算处理组中的各个客户的潜在结果。
[0128] 因果效应计算单元，用于基于处理组中各个客户的潜在结果与对照组中匹配的各个客户的结果的偏差，计算得到因果效应结果。
[0129] 解释单元，用于对因果效应结果进行分析，得到各种营销权益与客户的消费行为的因果关系信息。
[0130] 需要说明的是，本申请上述实施例提供的各个单元的具体工作过程，可相应地参考上述方法实施例中的相应的步骤的实施过程，此处不再赘述。
[0131] 本申请另一实施例提供了一种电子设备，如图6所示，包括：
[0132] 存储器601和处理器602。
[0133] 其中，存储器601用于存储程序。
[0134] 处理器602用于执行存储器601存储的程序，该程序被执行时，具体用于实现如上述任意一个实施例提供的营销数据分析方法。
[0135] 本申请另一实施例提供了一种计算机存储介质，用于存储计算机程序，该计算机程序被处理器执行时，用于实现如上述任意一个实施例提供的营销数据分析方法。
[0136] 计算机存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0137] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0138] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
