本發(fā)明涉及計算機，尤其涉及一種視頻推薦營銷方法、裝置、電子設備及存儲介質(zhì)。

背景技術：

1、視頻推薦是指根據(jù)用戶興趣、社會熱點和瀏覽習慣等因素向用戶推薦感興趣的視頻，從而提升用戶的點擊轉(zhuǎn)化率，防止用戶流失。針對點擊率低或者即將流失的這部分用戶，運營側(cè)需要圈出特定人群并采取營銷策略進行挽留。隨著互聯(lián)網(wǎng)逐漸進入到存量時代，通過后期拉新實現(xiàn)增量營收存在困難。如何挖掘潛在客戶需求，在相對固定的用戶群體當中獲得更大的盈利是一個值得開展的項目。

2、在視頻推薦的場景下，如何根據(jù)用戶的行為習慣提煉出用戶畫像特征、如何更好的運用長短期時序特征、以及如何針對現(xiàn)有用戶進行視頻推薦、促訂或營銷等不同的需求策略，實現(xiàn)增量營收是必要重要的。然而，相關技術中，用戶畫像不完善，導致視頻推薦的準確度低，進而導致視頻營銷的成功率低。

技術實現(xiàn)思路

1、本發(fā)明提供一種視頻推薦營銷方法、裝置、電子設備及存儲介質(zhì)，用以解決現(xiàn)有技術中視頻營銷的成功率低的問題。

2、本發(fā)明提供一種視頻推薦營銷方法，包括：

3、基于多個用戶的用戶數(shù)據(jù)，構(gòu)建各所述用戶對應的用戶畫像；所述用戶畫像包括多種維度的屬性標簽；

4、針對每個用戶，基于所述多種維度的屬性標簽和至少兩個業(yè)務目標需求，確定各所述業(yè)務目標需求對應的用戶特征向量；

5、將各所述用戶特征向量輸入至需求預測模型，得到所述需求預測模型輸出的各所述業(yè)務目標需求對應的概率值；所述需求預測模型是基于樣本用戶特征向量進行訓練得到的，所述需求預測模型用于對所述用戶的需求進行預測；所述概率值表示所述用戶滿足所述業(yè)務目標需求的概率；

6、基于各所述概率值，對所述用戶進行視頻推薦營銷。

7、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述屬性標簽為行為屬性，所述行為屬性包括行為統(tǒng)計類特征和行為興趣類特征；

8、所述基于多個用戶的用戶數(shù)據(jù)，構(gòu)建各所述用戶對應的用戶畫像，包括：

9、基于各所述用戶的用戶數(shù)據(jù)，分別構(gòu)建各所述用戶的所述行為統(tǒng)計類特征和所述行為興趣類特征。

10、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述用戶數(shù)據(jù)為所述用戶的歷史觀看行為統(tǒng)計數(shù)據(jù)；

11、基于各所述用戶的用戶數(shù)據(jù)，分別構(gòu)建各所述用戶的所述行為統(tǒng)計類特征，包括：

12、針對每個用戶，基于第一預設周期內(nèi)所述用戶的所述歷史觀看行為統(tǒng)計數(shù)據(jù)，確定所述用戶在所述第一預設周期內(nèi)的多個統(tǒng)計特征序列數(shù)據(jù)；

13、針對每個所述統(tǒng)計特征序列數(shù)據(jù)，對所述統(tǒng)計特征序列數(shù)據(jù)進行分解，得到多個目標指標；

14、將所述多個目標指標輸入至統(tǒng)計類特征提取模型，得到所述統(tǒng)計類特征提取模型輸出的所述行為統(tǒng)計類特征；所述統(tǒng)計類特征提取模型是基于樣本指標進行訓練得到的，所述統(tǒng)計類特征提取模型用于對所述用戶的行為統(tǒng)計類特征進行提取。

15、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述統(tǒng)計類特征提取模型包括長短期記憶層、通道注意力層和全連接層；

16、所述將所述多個目標指標輸入至統(tǒng)計類特征提取模型，得到所述統(tǒng)計類特征提取模型輸出的所述行為統(tǒng)計類特征，包括：

17、將所述多個目標指標輸入至所述長短期記憶層，得到所述長短期記憶層輸出的隱狀態(tài)向量；所述隱狀態(tài)向量表示所述長短期記憶層中每個神經(jīng)元的隱狀態(tài)；

18、將所述隱狀態(tài)向量輸入至所述通道注意力層，得到所述通道注意力層輸出的注意力特征向量；

19、將各所述統(tǒng)計特征序列數(shù)據(jù)對應的各所述特征向量輸入至所述全連接層，得到所述全連接層輸出的統(tǒng)計類特征向量；所述統(tǒng)計類特征向量表示所述用戶的行為統(tǒng)計類特征。

20、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述用戶數(shù)據(jù)為所述用戶的歷史觀看的每個視頻的多個視頻標簽；

21、基于各所述用戶的用戶數(shù)據(jù)，分別構(gòu)建各所述用戶的所述行為興趣類特征，包括：

22、針對每個用戶，基于所述用戶在第二預設周期內(nèi)觀看的每個視頻的所述多個視頻標簽分別對應的多個時間戳，確定各所述時間戳分別對應的時間戳向量；所述時間戳以周、天、小時或者分鐘為粒度進行統(tǒng)計；

23、將各所述時間戳向量進行相加，得到各所述視頻標簽分別對應的興趣向量；

24、將各所述興趣向量進行排序，得到排序靠前的預設數(shù)量的目標興趣向量；所述目標興趣向量表示所述用戶的行為興趣類特征。

25、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述屬性標簽為偏好屬性，所述用戶數(shù)據(jù)為所述用戶的歷史觀看視頻的多個視頻標簽和每個所述視頻標簽出現(xiàn)的次數(shù)；

26、所述基于多個用戶的用戶數(shù)據(jù)，構(gòu)建各所述用戶對應的用戶畫像，包括：

27、針對每個用戶，基于所述用戶的歷史觀看視頻的多個視頻標簽和每個所述視頻標簽出現(xiàn)的次數(shù)，確定所述用戶的多個偏好值；所述偏好值表示所述用戶喜歡觀看每個視頻標簽對應視頻的程度；

28、基于各所述偏好值，確定所述用戶的偏好屬性。

29、根據(jù)本發(fā)明提供的一種視頻推薦營銷方法，所述基于各所述偏好值，確定所述用戶的偏好屬性，包括：

30、采用聚類算法對各所述偏好值進行聚類，得到多個聚類簇；

31、基于各所述聚類簇的聚類質(zhì)心，確定最大的聚類質(zhì)心；

32、將所述最大的聚類質(zhì)心對應的視頻標簽，確定為所述用戶的偏好屬性。

33、本發(fā)明還提供一種視頻推薦營銷裝置，包括：

34、構(gòu)建模塊，用于基于多個用戶的用戶數(shù)據(jù)，構(gòu)建各所述用戶對應的用戶畫像；所述用戶畫像包括多種維度的屬性標簽；

35、確定模塊，用于針對每個用戶，基于所述多種維度的屬性標簽和至少兩個業(yè)務目標需求，確定各所述業(yè)務目標需求對應的用戶特征向量；

36、預測模塊，用于將各所述用戶特征向量輸入至需求預測模型，得到所述需求預測模型輸出的各所述業(yè)務目標需求對應的概率值；所述需求預測模型是基于樣本用戶特征向量進行訓練得到的，所述需求預測模型用于對所述用戶的需求進行預測；所述概率值表示所述用戶滿足所述業(yè)務目標需求的概率；

37、推薦營銷模塊，用于基于各所述概率值，對所述用戶進行視頻推薦營銷。

38、本發(fā)明還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上述任一種所述視頻推薦營銷方法。

39、本發(fā)明還提供一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述視頻推薦營銷方法。

40、本發(fā)明還提供一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述視頻推薦營銷方法。

41、本發(fā)明提供的視頻推薦營銷方法、裝置、電子設備及存儲介質(zhì)，通過基于多個用戶的用戶數(shù)據(jù)，構(gòu)建各用戶對應的用戶畫像；用戶畫像包括多種維度的屬性標簽；針對每個用戶，基于多種維度的屬性標簽和至少兩個業(yè)務目標需求，確定各業(yè)務目標需求對應的用戶特征向量；將各用戶特征向量輸入至需求預測模型，得到需求預測模型輸出的各業(yè)務目標需求對應的概率值；需求預測模型是基于樣本用戶特征向量進行訓練得到的，需求預測模型用于對用戶的需求進行預測；概率值表示用戶滿足所述業(yè)務目標需求的概率；基于各概率值，對用戶進行視頻推薦營銷。通過構(gòu)建包括多種維度的屬性標簽的用戶畫像，使得用戶畫像更加豐富完整，進而根據(jù)多種維度的屬性標簽和不同業(yè)務目標需求確定的用戶特征向量，通過需求預測模型能夠準確的預測用戶滿足業(yè)務需求的概率，能夠?qū)τ脩魷蚀_推薦視頻，提升視頻營銷的成功率。