本发明涉及数字营销，具体为一种基于大数据的多渠道数字营销数据管理系统及方法。
背景技术：
1、数字营销是使用数字传播渠道来推广产品和服务的实践活动，从而以一种及时、相关、定制化和节省成本的方式与消费者进行沟通。通过不同用户进行特征分析，针对不同的用户定制化推荐商品，可大大提高用户从大量商品中选择商品的效率。
2、但是，由于当前数字购物平台的局限性，存在商品的属性不能完全被展示，从而影响顾客对是否需要商品的评价结果。并且，顾客存在对商品属性认知不足的客观情况，存在顾客在得到某一商品的实物后，对商品的属性影响顾客使用的情况。
技术实现思路
1、本发明的目的在于提供一种基于大数据的多渠道数字营销数据管理系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案一种基于大数据的多渠道数字营销数据管理方法。
3、步骤s100：将一个商品的商品种类设置为目标商品种类，商品种类的商品包括若干个商品属性，获取目标商品种类中不同商品的复购周期，计算商品属性对更换周期的时间影响系数；
4、步骤s200：将一个从目标商品种类中，购买某一商品的顾客设为目标顾客，将某一商品设置为第一目标商品，计算第一目标商品的期望更换时长；
5、步骤s300：当目标顾客在第一目标商品的期望更换时间内购买了目标商品种类的另一商品时，将另一商品设置为第二目标商品，比较第一目标商品与第二目标商品的差异，得到差异对更换时间的影响；
6、步骤s400：获取目标用户的用户特征，将目标用户的用户特征设为目标用户特征，比较目标商品种类中的商品属性，当顾客的用户特征与目标用户特征一致时，调整目标商品种类中商品的推荐顺序。
7、进一步的，步骤s100包括：
8、步骤s101：获取同一顾客购买目标商品种类中同种商品的购买记录，得到目标商品种类中的a商品，同一顾客购买的平均间隔时间aveta，目标商品种类中的b商品，同一顾客购买的平均间隔时间avetb；
9、步骤s102：将目标商品种类中，各个商品共有的商品属性设置为第一属性，获取a商品的商品属性，汇集至a商品的属性集合atta，获取b商品的商品属性，汇集至b商品的属性集合attb，获取第一属性包括的商品属性构成的集合p1，a商品的第二属性集合p2，p2=atta-p1，b商品的第二属性集合p3，p3=attb-p1；
10、被划分为同一商品种类的商品一定存在着共同的商品属性，把个商品种类中所有商品共同拥有的商品属性设置为该商品种类的第一属性，对于目标商品种类中的任意一个商品，除了第一属性中的商品属性，还包括其他的商品属性，这些商品属性为该商品的第二商品属性；
11、第二属性是某一个商品在目标商品种类中的特征，通过对某一商品第二属性中的商品属性进行分析，得到该商品的特征，顾客在目标商品种类中挑选商品时，商品的第二属性能表示出该商品与同种类其他商品的区别点，第二属性可能对顾客的使用产生特殊的影响；
12、步骤s103：当avetb＞aveta时，计算k1=（avetb-aveta）/2，a商品的属性集合atta中，每个属性的时间影响值为ka，ka=-（k1/m1），其中，m1表示集合atta中属性的数量；b商品的属性集合attb中，每个属性的时间影响值为kb，kb=k1/m2，其中，m2表示集合attb中属性的数量；
13、当avetb＜aveta时，，k1的计算公式为，k1=（aveta -avetb）/2，将k1带入公式ka=-（k1/m1），计算a商品每个属性的影响值，带入公式kb=k1/m2，计算b商品每个属性的影响值；
14、当同一个用户对用一种商品进行重复购买时，说明该用户对该商品的认可程度较高，其中会产生出，同一用户对该商品的购买间隔的记录，获取该商品被不同用户重复购买的记录，计算该商品被重复购买的平均间隔时间，对同一用户购买间隔时间取平均数，得到该商品的平均间隔时间；
15、对于k1计算中，将两个商品组成一个比较对，将较长的平均间隔时间减去较短的平均间隔时间，得到时间的差值，这样的差值由一部分属性使得平均时间增加，由一部分商品属性使得平均时间减少造成，在两两比较初步计算过程中认为每种商品属性造成的时间变化效果一致，当有足够量的数据累计后，通过统计不同商品属性的出现次数和时间影响值，能够体现出不同商品属性对时间变化造成的影响强度，得到不同商品属性对时间的差异化影响；
16、步骤s104：从目标商品种类的购买记录中，采集若干组记录，计算商品属性的时间影响值，根据商品属性对时间影响值进行汇集，计算商品影响值的数学期望，得到商品属性的时间影响系数。
17、进一步的，步骤s104中，时间影响系数的计算方法包括：
18、步骤s1-1：汇集某一商品属性的所有时间影响值至某一商品属性的时间影响值集合u，根据数值对u中的时间影响值进行分类，统计集合u中每种时间影响值对应的出现频率，其中，时间影响值集合u中第i种时间影响值的频率αi，αi=c1/c2，c1表示时间影响值集合u中，第i种时间影响值的出现次数，c2表示集合u中，时间影响值的总数量；
19、步骤s1-2：计算某一商品属性的时间影响系数η，，其中type表示u中的时间影响值种类的总数量，vi表示时间影响值集合u中第i种时间影响值。
20、进一步的，步骤s200包括：
21、步骤s201：获取目标商品种类中，同一顾客购买同一商品平均间隔时间的平均值tave；
22、步骤s202：汇集第一目标商品的第一属性至集合r11，第二属性至集合r12，获取r12中各个商品属性对应的时间影响系数，计算影响时长tinf，，其中，ηj表示r12中第j个商品属性对应的时间影响系数；
23、步骤s203：计算第一目标商品的期望更换时长tpre，tpre=tave+tinf；
24、在一般的商品推荐模型中需要对商品进行建模，但客观情况中，商品的更新速度会远超商品建模的速度，所有将一个商品的属性分为固定属性和特征属性，在方案中，固定属性为第一属性，特征属性为第二属性，特征属性对同一商品种类中个不同商品的购买平均间隔时间造成影响，所以将商品的平均间隔时间分为改商品种类的购买平均间隔时间和不同商品的特征属性对平均间隔时间的影响，这样的计算方式简化了对商品整体建模的方案，将商品抽象为不同商品属性的叠加，提高了比对的效率。
25、进一步的，步骤s300包括：
26、步骤s301：获取第一目标商品的购买时间t1，第二目标商品的购买时间t2，第一目标商品的期望更换时间tp，tp=t1+tpre；
27、步骤s302：当t2＜tp时，汇集第二目标商品的第二属性至集合r22，将集合r22与集合r12组成差异对：r22→r12，计算差异对的差异系数β，β=1-（t2-t1）/tpre，差异系数为差异对更换时间的影响，其中，差异对r22→r12为有向差异对，当r22与r12比较时，差异系数为β，当r12与r22比较时，差异系数为-β；
28、（t2-t1）/tpre表示第二目标商品与第一目标商品的时间间隔占第一目标商品的期望购买时间的比例，当这个比例越小时说明第二目标商品与第一目标商品的商品属性的差异对目标用户的影响越大；
29、为了充分利用样本数据，将r22→r12作为一个差异对，在比较时，差异的系数与比较的方向有关，为后续步骤中任意两个商品的比较提供方便，差异系数为一个相对值，在任意两个商品的第二属性进行比较时，一方面通过差异系数的正负表示商品属性的作用效果，差异系数取正号时说明，对于目标用户来说，第二目标商品的第二属性优于第一目标商品的第二属性，差异系数取负号时说明，第一目标商品的第二属性劣于第二目标商品的第二属性，是不同角度比较得到的同一结果。
30、进一步的，步骤s400包括：
31、步骤s401：获取目标商品种类的推荐序列，其中，推荐序列为目标商量种类中各个商品根据推荐先后顺序排成的序列；
32、步骤s402：获取推荐序列中任意两个商品的第二属性，遍历任意两个商品所有第二属性包括的所有差异对，将所有差异对的差异系数进行累加，得到任意两个商品间的差异值；
33、步骤s403：比较推荐序列中任意两个商品间的差异值，根据商品间差异值由大到小的顺序，对推荐序列中商品的顺序进行重新排列，得到目标推荐序列，按照目标推荐序列中商品的顺序，向与目标用户特征一致的用户进行商品推荐。
34、为了更好地实现上述方法，还提出一种基于大数据的多渠道数字营销数据管理系统，系统包括：
35、更换周期比较模块、期望更换时长计算模块、差异影响计算模块和推荐顺序调整模块，其中，更换周期比较模块用于比较两个商品的更换周期计算时间影响系数，期望更换时长计算模块用于计算第一目标商品的期望更换时长，差异影响计算模块用于计算商品差异对更换时间的影响，推荐顺序调整模块用于对商品的推荐顺序进行调整；
36、进一步的，更换周期比较模块包括：平均间隔时间管理单元、商品属性管理单元、时间影响值计算单元和时间影响系数计算单元，其中，平均间隔时间管理单元用于管理购买商品的平均间隔时间，商品属性管理单元用于获取商品的商品属性，时间影响值计算单元用于计算各次比较中，商品属性对应的时间影响值，时间影响系数计算单元用于汇集时间影响值，商品属性的时间影响系数；
37、进一步的，期望更换时长计算模块包括：平均购买时间获取单元、影响时长计算单元和期望更换时长计算单元，其中，平均购买时间获取单元用于获取目标商品种类中各个商品的平均间隔时间的平均值，影响时长计算单元用于计算第一目标商品的商品属性对应的影响时长， 期望更换时长计算单元用于计算第一目标商品的期望更换时长；
38、进一步的，差异影响计算模块包括：购买时间获取单元、属性差异对管理单元和差异系数计算单元，其中，购买时间获取单元用于目标顾客购买第一目标商品和第二目标商品的时间，属性差异对管理单元用于管理商品属性的差异对，差异系数计算单元用于计算差异对的差异系数；
39、进一步的，推荐顺序调整模块包括：推荐序列获取单元、差异值比较单元和商品排列单元，其中，推荐序列获取单元用于获取目标商品种类中商品的推荐序列，差异值比较单元用于比较推荐序列中各个商品的差异系数，计算任意两个商品间的差异值，商品排列单元用于根据任意两个商品间的差异值，对推荐序列中的商品顺序进行重新排列，得到目标推荐序列。
40、与现有技术相比，本发明所达到的有益效果是：本发明获取同一商品被不同顾客购买数据的平均值，计算不同商品属性对商品更换的影响值，计算任意商品的期望更换时长，商品的使用时间未到达期望更换时长时，分析商品的替代商品与原商品的差异，生成差异模板，根据差异模板对商品的推荐进行优化。
1.一种基于大数据的多渠道数字营销数据管理方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的多渠道数字营销数据管理方法，其特征在于：步骤s100包括：
3.根据权利要求2所述的一种基于大数据的多渠道数字营销数据管理方法，其特征在于：步骤s104中，时间影响系数的计算方法包括：
4.根据权利要求2所述的一种基于大数据的多渠道数字营销数据管理方法，其特征在于：步骤s200包括：
5.根据权利要求4所述的一种基于大数据的多渠道数字营销数据管理方法，其特征在于：步骤s300包括：
6.根据权利要求5所述的一种基于大数据的多渠道数字营销数据管理方法，其特征在于：步骤s400包括：
7.一种应用于权利要求1-6中任意一项所述的基于大数据的多渠道数字营销数据管理方法的多渠道数字营销数据管理系统，其特征在于，所述系统包括以下模块：更换周期比较模块、期望更换时长计算模块、差异影响计算模块和推荐顺序调整模块，其中，更换周期比较模块用于比较两个商品的更换周期计算时间影响系数，期望更换时长计算模块用于计算第一目标商品的期望更换时长，差异影响计算模块用于计算商品差异对更换时间的影响，推荐顺序调整模块用于对商品的推荐顺序进行调整。
8.根据权利要求7所述的多渠道数字营销数据管理系统，其特征在于：更换周期比较模块包括：平均间隔时间管理单元、商品属性管理单元、时间影响值计算单元和时间影响系数计算单元，其中，平均间隔时间管理单元用于管理购买商品的平均间隔时间，商品属性管理单元用于获取商品的商品属性，时间影响值计算单元用于计算各次比较中，商品属性对应的时间影响值，时间影响系数计算单元用于汇集时间影响值，商品属性的时间影响系数；
9.根据权利要求7所述的多渠道数字营销数据管理系统，其特征在于：差异影响计算模块包括：购买时间获取单元、属性差异对管理单元和差异系数计算单元，其中，购买时间获取单元用于目标顾客购买第一目标商品和第二目标商品的时间，属性差异对管理单元用于管理商品属性的差异对，差异系数计算单元用于计算差异对的差异系数。
10.根据权利要求7所述的多渠道数字营销数据管理系统，其特征在于：推荐顺序调整模块包括：推荐序列获取单元、差异值比较单元和商品排列单元，其中，推荐序列获取单元用于获取目标商品种类中商品的推荐序列，差异值比较单元用于比较推荐序列中各个商品的差异系数，计算任意两个商品间的差异值，商品排列单元用于根据任意两个商品间的差异值，对推荐序列中的商品顺序进行重新排列，得到目标推荐序列。
