用户画像是对用户形象的勾勒与描述,现已广泛应用于睡眠会员唤醒,用户到店预测,个性化推荐等典型零售场景,药品不同于普通商品,包含较强的语义知识,现有用户画像主要从消费属性和静态属性出发,不能完全适用于药店销售和预测领域.本文提...用户画像是对用户形象的勾勒与描述,现已广泛应用于睡眠会员唤醒,用户到店预测,个性化推荐等典型零售场景,药品不同于普通商品,包含较强的语义知识,现有用户画像主要从消费属性和静态属性出发,不能完全适用于药店销售和预测领域.本文提出了一种针对药品领域的用户画像模型UPP (persona of pharmacy user),在现有画像的基础上嵌入医药知识,利用规则,聚类,统计,实体识别等方法提取慢病、疾病、特殊病类、活动敏感度、用户价值、价格偏好等新标签.将所有标签融入一种基于聚类的群体划分方法,形成用户画像.实验表明,该模型相较于现有的用户画像模型,在消费行为预测场景下精准率提高了13%,更加适用于药店营销场景.展开更多
文摘用户画像是对用户形象的勾勒与描述,现已广泛应用于睡眠会员唤醒,用户到店预测,个性化推荐等典型零售场景,药品不同于普通商品,包含较强的语义知识,现有用户画像主要从消费属性和静态属性出发,不能完全适用于药店销售和预测领域.本文提出了一种针对药品领域的用户画像模型UPP (persona of pharmacy user),在现有画像的基础上嵌入医药知识,利用规则,聚类,统计,实体识别等方法提取慢病、疾病、特殊病类、活动敏感度、用户价值、价格偏好等新标签.将所有标签融入一种基于聚类的群体划分方法,形成用户画像.实验表明,该模型相较于现有的用户画像模型,在消费行为预测场景下精准率提高了13%,更加适用于药店营销场景.
