基于注意力机制的智能人群扩散

在数字经济高速发展的当下，数字化转型已经成为企业生存发展的必经之路。在前几期的专栏中，我们已经讨论了“数据编织”和“决策智能”对于企业数字化转型的技术价值，确信商业数据智能的能力将越来越多地赋能执行层面，并将再次为数字化转型整体带来价值飞跃。本期内容我们将聚焦“决策智能”，以真实头部零售案例为例，介绍数势营销云产品的相似人群扩散功能，讲述企业如何利用深度学习模型完成核心种子人群扩散，实现精准营销，降本提效。

在企业日常的经营发展中，利用合理的营销手段提高企业利润是一种必不可少的方式。通过现有的大数据、人工智能技术实现精准营销是众多企业持续探索的方向。而在数字营销的过程中，目标人群是否精准对营销活动的转化效果有直接的影响。通过用户标签找到精准度较高的目标人群往往需要丰富的行业经验，这样做不仅费时费力，而且往往越是精准的人群包，数量也越少，无法达到营销活动需要的量级。如何在少量降低甚至不降低营销活动效果的前提下，尽量扩展人群数量，是运营人员所面临的关键难题。

  

 图1  人群扩散功能

传统的相似人群扩散方法主要有以下三种方式：

基于标签的人群扩散

业务人员通过对大量的营销活动进行效果分析，总结业务经验，识别种子人群特征，如性别、年龄、偏好等，基于以上人群特征标签，圈选人群作为拓展人群，进行后续的营销活动。这种方法比较直接，但相似效果难以衡量。而且随着标签限制的增多，圈选人群的数量无法精准控制。当人群数量与预期数量不符，只能通过选取其他标签组合的方式，或再次对人群进行抽样才能达到预期，整个过程人力成本高且准确率低。

基于分类的人群扩散

将人群扩散看作分类问题，种子人群为类别A，部分其他非种子人群为类别B，利用分类模型（逻辑回归、决策树等）进行训练。将生成的模型对全量非种子人群进行预测，此时得到的预测结