广告文案推送方法、设备、介质及产品与流程

本申请涉及网络营销，特别是涉及一种广告文案推送方法、设备、介质及产品方法、设备、介质及产品。

背景技术：

1、随着电商平台的迅速发展，网上购物已经成了人们常用的购物方式之一。随之，网络营销方法也越来越多。

2、目前，常用的网络网络营销方法一般都是基于协同过滤或者用户画像的推荐方法，为用户推荐商品。这两个方法的大概过程如下：当检测到一个新用户在浏览商品时，基于该新用户自身浏览的商品信息，以及该新用户的基本信息，寻找与该新用户存在相似特征的其他老用户，将老用户购买的商品，或与老用户购买的相同或相似的商品推荐给新用户，以提高新用户的购买商品的可能性。

3、但是，这类根据用户基本信息和商品信息来预测用户的购买需求的营销方式，更多的是针对新用户，而对于店铺老用户则不能很好的提高购买率，导致老用户的回购率低。

技术实现思路

1、本申请的目的是提供一种广告文案推送方法、设备、介质及产品，以解决背景技术所描述的问题。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种广告文案推送方法，包括：

4、确定店铺内每个用户的至少一个用户特征，所述用户特征能够体现用户的购物特征；

5、将所述每个用户的至少一个用户特征发送给分群算法，以使得所述分群算法基于所述至少一个用户特征将店铺内的用户分为多个用户群；

6、对于每个用户群，提取共同特征，得到每个用户群的人群特征；

7、对于每个用户群，基于其人群特征生成所述用户群的广告文案；

8、将生成的所述广告文案推送给对应的用户群。

9、可选地，所述确定店铺内每个用户的至少一个用户特征，包括：

10、采集用户信息，所述用户信息包括用户基本信息和用户购物信息；

11、将所述用户基本信息和用户购物信息进行信息融合，得到所述用户特征。

12、可选地，在所述将所述用户基本信息和用户购物信息进行信息融合之前，所述方法还包括：预处理所述用户基本信息和用户购物信息。

13、可选地，所述分群算法包括如下过程：

14、对于每个所述用户特征，使用预定算法确定每个用户的概率分布值；

15、基于所述概率分布值对所述用户进行聚类，得到多个用户群。

16、可选地，所述对于每个用户群，基于其人群特征生成所述用户群的广告文案，包括：

17、将每个用户群的人群特征发送到大语言模型中，以使得所述大语言模型从事先存储的广告文案中获取对应的广告文案，作为所述用户群的广告文案。

18、可选地，在所述大语言模型从事先存储的广告文案中获取对应的广告文案之后，所述方法还包括：

19、基于所述用户群的人群特征，对所述用户群的广告文案进行调整，得到新的广告文案。

20、可选地，所述大语言模型包括生成式预训练模型、文心一言或千问大模型。

21、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述第一方面中任一项所述的方法的步骤。

22、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。

23、第四方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。

24、根据本申请提供的具体实施例，本申请公开了以下技术效果：

25、本申请提供了一种广告文案推送方法、设备、介质及产品，通过总结店铺内用户的用户特征；根据用户特征，对店铺内的用户进行分群；然后提取每个用户群的特征；再根据每个用户群的人群特征生成与该人群特征对应的广告文案；再将广告文案推送给对应的用户群，从而提高店铺的用户进行再次购买的概率。而对于现有技术，是针对一个新用户，寻找与该新用户存在相似特征的其他老用户，将老用户购买的商品，或与老用户购买的相同或相似的商品推荐给新用户，提高新用户的购买率，但是不能针对一个店铺，当然也不能以店铺为单位提高复购率。相较于现有技术，本申请是针对店铺内的老用户，针对老用户进行营销，提高店铺内老用户的复购率，从而提高店铺收益。另外，本申请还对店铺内老用户进行分群，以群为单位进行营销，还可以提高营销效率。

技术特征：

1.一种广告文案推送方法，其特征在于，包括：

2.根据权利要求1所述的广告文案推送方法，其特征在于，所述确定店铺内每个用户的至少一个用户特征，包括：

3.根据权利要求2所述的广告文案推送方法，其特征在于，在所述将所述用户基本信息和用户购物信息进行信息融合之前，所述方法还包括：预处理所述用户基本信息和用户购物信息。

4.根据权利要求1所述的广告文案推送方法，其特征在于，所述对于每个用户群，基于其人群特征生成所述用户群的广告文案，包括：

5.根据权利要求4所述的广告文案推送方法，其特征在于，在所述大语言模型从事先存储的广告文案中获取对应的广告文案之后，所述方法还包括：

6.根据权利要求4或5所述的广告文案推送方法，其特征在于，所述大语言模型包括生成式预训练模型、文心一言或千问大模型。

7.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的广告文案推送方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1-6中任一项所述的广告文案推送方法。

9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1-6中任一项所述的广告文案推送方法。

技术总结本申请公开了一种广告文案推送方法、设备、介质及产品，涉及网络营销技术领域，该方法包括：确定店铺内每个用户的至少一个用户特征，所述用户特征能够体现用户的购物特征；将所述每个用户的至少一个用户特征发送给分群算法，以使得所述分群算法基于所述至少一个用户特征将店铺内的用户分为多个用户群；对于每个用户群，提取共同特征，得到每个用户群的人群特征；对于每个用户群，基于其人群特征生成所述用户群的广告文案；将生成的所述广告文案推送给对应的用户群。本申请提高了店铺老用户的复购率。技术研发人员：杨玉麟,方金朋,范世昌受保护的技术使用者：陆泽科技有限公司技术研发日：技术公布日：2024/9/12