本发明涉及大数据分析，具体是一种基于客户大数据的营销活动分析管理系统及方法。
背景技术：
1、营销活动在现代商业环境中扮演着至关重要的角色，通过精准的市场定位和有效的客户沟通，帮助企业提升品牌知名度、增加销售额并建立长期客户关系。营销活动不仅能够促进产品和服务的市场渗透，还能通过数据驱动的分析优化资源配置和战略决策，进一步提升企业的竞争优势。有效的营销策略不仅增强了企业的市场适应能力，还推动了整体业务增长和市场份额扩展。
2、当前，营销活动面临频繁低质量活动的问题，导致市场疲劳和用户参与度下降，未能实现预期效果。这些活动往往缺乏针对性，无法吸引核心目标受众，最终影响企业的品牌形象和市场表现。为有效应对这一挑战，企业应聚焦于活动的精准设计与精细化执行，通过优化内容创意、明确目标群体以及提升用户体验，来减少无效或重复的推广。这样不仅可以提高活动的参与度，还能够通过精简、精准的营销策略，重新获得市场的积极响应，实现更好的品牌效应与转化率。
技术实现思路
1、本发明的目的在于提供一种基于客户大数据的营销活动分析管理系统及方法，以解决现有技术中提出的的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于客户大数据的营销活动分析管理方法，营销活动分析管理方法包括以下步骤：
3、步骤s1、获取商品数据信息，根据商品的生命周期属性对其进行类别划分，将对应的商品信息按其类别分类存储，生成相应的生命周期数据集；
4、获取商品的数据信息，提取商品的生命周期属性，所述商品的生命周期属性表示为商品从开始使用到无法使用的整个时间段，根据商品的生命周期属性对其进行类别划分，将对应的商品信息按其类别分类存储，生成相应的生命周期数据集。
5、根据商品的生命周期属性可分为短期使用商品，中期使用商品，长期使用商品和永久使用商品；
6、步骤s2、设置商品数据采集周期，根据商品数据采集周期对生命周期数据集中的商品售卖数量进行获取，将售卖数量最多的商品进行标记，标记的商品分为新生商品和目标商品；
7、步骤s2-1、设置商品数据采集周期t，根据商品数据采集周期t对生命周期数据集中的商品售卖数量进行获取；
8、步骤s2-2、筛选出生命周期数据集中售卖数量最多的商品，对筛选出的商品进行标记，当前周期内售卖数量最多的商品标记为新生商品，历史周期中售卖数量最多的商品标记为目标商品。
9、通过对周期内售卖数量最多的商品进行提取，可以高效精确的识别出热销的商品，并进行追踪。
10、步骤s3、构建生命周期计时器，使用生命周期计时器对各个目标商品进行捆绑，提取对应目标商品对应季度的生命周期属性设置生命周期计时器的参数；
11、步骤s3-1、构建生命周期计时器，提取对应目标商品对应季度的生命周期属性对生命周期计时器进行参数设置，将生命周期计时器的参数记为l；
12、步骤s3-2、利用生命周期计时器对目标商品进行捆绑，目标商品与生命周期计时器捆绑后包括所属商品数据采集周期t的数据信息。
13、对应季度具体为分为第一季度（1月到3月）、第二季度（4月到6月）、第三季度（7月到9月）和第四季度（10月到12月）；
14、目标商品与生命周期计时器捆绑后拥有对应所属的商品数据采集周期编号，以及目标商品捆绑的生命周期计时器参数，且使用倒计时方式进行计时。
15、步骤s4、设置各个目标商品的生命周期阈值，获取目标商品对应的生命周期计时器参数，当目标的生命周期阈值大于或等于生命周期计时器参数时，根据目标商品的日售卖数量与时间关系建立线性回归模型，通过线性回归模型预测出目标商品的售卖趋势；
16、步骤s4-1、设置各个目标商品的生命周期阈值，根据目标商品生命周期属性的状态分布设置生命周期阈值，设置使用公式如下：
17、；
18、式中，表示为i个目标商品对应的生命周期阈值；表示为目标商品的平均使用寿命；表示为目标商品寿命的标准差；z表示为标准正态分布下的临界值，具体为目标商品选择的置信水平；
19、步骤s4-2、获取目标商品对应的生命周期计时器参数l，使用目标商品对应的生命周期计时器参数l与设置的目标商品的生命周期阈值进行比较判断；
20、当l≥时，调整对生命周期计时器参数l的读取频率，使用动态读取需求设置读取频率，调整读取频率公式如下：
21、；
22、式中，r（t）表示为在时间t时刻对生命周期计时器参数l的读取频率；表示为初始时对生命周期计时器参数l的读取频率；表示为目标商品的最大使用寿命；l（t）表示为在t时刻目标商品的剩余使用寿命；
23、当l＜时，根据目标商品的日售卖数量与时间关系建立线性回归模型，通过线性回归模型预测出目标商品的售卖趋势，线性回归模型的计算公式如下：
24、；
25、式中，y表示为目标商品的日售卖数量；d表示为目标商品日售卖对应的日期；表示为截距，表示为d=0时目标商品的售卖数量；表示为回归系数，目标商品售卖数量随日期d的变化率，即目标商品的售卖趋势；m表示为误差项；
26、所述回归系数的计算公式如下：
27、；
28、式中，表示为第u天的编号；表示为第u天目标商品的售卖数量；表示为日期的平均值；表示为目标商品售卖数量的平均值；n表示为样本点的数量；u表示为日期；
29、对目标商品的售卖趋势进行预测计算，计算使用如下公式：
30、；
31、式中，表示为预测的日期；表示为在预测日期中目标商品的售卖数量；
32、当＞0时，目标商品的售卖数量随着时间推移逐渐增加，为上升趋势；
33、当＜0时，目标商品的售卖数量随着时间推移逐渐减少，为下降趋势；
34、当≈0时，目标商品的售卖数量不受时间推移的影响，为稳定趋势。
35、通过生命周期阈值和线性回归模型精准预测商品售卖趋势，帮助优化库存管理、提高营销决策效率，并根据商品生命周期调整数据采集频率。
36、步骤s5、设置数据集离散阈值，获取各个目标商品在各个商品数据采集周期内总的售卖数量构建目标商品售卖数据集，统计出当前周期内目标商品的售卖数量，根据数据集离散阈值和当前周期内目标商品的售卖数量计算出目标商品的饱和度；
37、步骤s5-1、获取各个目标商品在各个商品数据采集周期t内总的售卖数量，将各周期内的售卖数据汇总后形成数据表，所述数据表包含多个目标商品的售卖记录，将汇总后的数据存储于数据存储单元中，构建完整的商品售卖数据集，各个目标商品在各个商品数据采集周期t内总的售卖数量计算公式如下：
38、；
39、式中，表示为在n个商品数据采集周期t内，对应目标商品总的售卖数量；表示为i个目标商品在对应目标商品数据采集周期t内的售卖数量；n表示为目标商品的商品数据采集周期t的数量；
40、步骤s5-2、将各个目标商品对应各个商品数据采集周期t对应售卖数量进行记录，各个目标商品对应的数据组为对应各个商品数据采集周期t对应的目标商品售卖数量；
41、步骤s5-3、设置数据集离散阈值，根据各个目标商品对应的数据组计算出各个目标商品的离散值，目标商品的离散值计算公式如下：
42、；
43、式中，表示为目标商品i的售卖数量散程度；表示为目标商品i在第j个商品数据采集周期t的售卖数量；表示为目标商品i的平均售卖数量；n表示为目标商品的商品数据采集周期t的数量；i表示为目标商品的编号；j表示为目标商品数据采集周期t的编号；
44、获取当前商品数据采集周期t目标商品i的售卖数量，目标商品的饱和度计算使用如下公式：
45、；
46、式中，fi表示为目标商品i在当前商品数据采集周期t内的饱和度；fsold表示为当前商品数据采集周期t内的售卖数量；fstarget表示为当前商品数据采集周期t内的目标售卖数量；trem表示为当前商品数据采集周期t的剩余时间；
47、当时，获取目标商品i在商品数据采集周期t中售卖数量的最小值g，根据g计算出当前目标商品的饱和度f，取g=fstarget；
48、当时，获取目标商品i在各个商品数据采集周期t中售卖数量的平均值a，根据a计算出当前目标商品的饱和度f，取a=fstarget。
49、通过计算商品的离散值和饱和度，全面分析各周期内商品的售卖分布和市场需求，精准评估商品供需状况，提升库存管理和营销策略的精确度。
50、步骤s6、设置计时器阈值、售卖趋势阈值和目标商品饱和阈值，根据目标商品的生命周期计时器构建目标商品的生命周期条件，根据目标商品建立的线性回归模型预测结果构建目标商品的售卖趋势条件，根据目标商品售卖数据集构建目标商品的饱和条件，从生命周期数据集中筛选出同时满足商品生命周期条件、售卖趋势条件和饱和条件的目标商品，作为活动开展的主导商品。
51、步骤s6-1、设置计时器阈值，根据目标商品i的生命周期计时器构建目标商品i的生命周期条件，获取生命周期计时器的参数l；
52、当l≤时，目标商品i满足作为活动开展的主导商品的生命周期条件；当l＞时，目标商品i不满足作为活动开展的主导商品的生命周期条件；
53、步骤s6-2、设置售卖趋势阈值，根据目标商品建立的线性回归模型预测结果构建目标商品的售卖趋势条件，获取线性回归模型预测结果；
54、当＞时，目标商品i满足作为活动开展的主导商品的售卖趋条件；当≤时，目标商品i不满足作为活动开展的主导商品的售卖趋势条件；
55、步骤s6-3、设置目标商品饱和阈值，根据目标商品售卖数据集构建目标商品的饱和条件，获取根据数据集离散阈值和当前周期内目标商品的售卖数量计算出目标商品的饱和度fi；
56、当fi＜fmax时，目标商品i满足作为活动开展的主导商品的饱和条件；当fi≥fmax时，目标商品i不满足作为活动开展的主导商品的饱和条件；
57、从生命周期数据集中筛选出l≤，＞和fi＜fmax的目标商品，作为活动开展的主导商品。
58、通过综合商品的生命周期、售卖趋势和饱和度条件筛选出最合适的目标商品，确保营销活动选择具备最佳市场潜力和销售表现的商品，提升活动效果和资源利用效率。
59、一种基于客户大数据的营销活动分析管理系统，该营销活动分析管理系统包括生命周期管理模块、售卖数据采集模块、生命周期计时器模块、趋势预测模块、饱和度分析模块和活动主导商品选择模块；
60、所述生命周期管理模块用于管理各个目标商品的生命周期数据，并根据目标商品的生命周期属性进行分类和存储；所述售卖数据采集模块用于负责周期性采集各个目标商品对应的售卖数据；所述生命周期计时器模块用于通过计时器对目标商品的生命周期进行跟踪和管理；所述趋势预测模块用于通过回归分析模型预测目标商品的售卖数量的趋势；所述饱和度分析模块用于分析目标商品在当前商品数据采集周期内的售卖饱和度；所述活动主导商品选择模块用于整合多个条件，筛选出满足条件的目标商品作为活动开展的主导商品；
61、所述售卖数据采集模块的输出端电性连接生命周期管理模块的输入端；所述生命周期管理模块的输出端电性连接生命周期计时器模块的输入端；所述生命周期计时器模块的输出端电性连接趋势预测模块的输入端；所述趋势预测模块的输出端电性连接饱和度分析模块的输入端；所述饱和度分析模块的输出端电性连接活动主导商品选择模块的输入端；
62、所述生命周期管理模块包括商品数据采集单元、生命周期分类单元和生命周期数据集单元；所述商品数据采集单元用于采集商品的数据信息；所述生命周期分类单元用于根据商品的生命周期属性对商品进行分类；所述生命周期数据集单元用于将通过分类后的商品信息存储，生成生命周期数据集；
63、所述售卖数据采集模块包括周期采集单元和目标商品识别单元；所述周期采集单元用于根据设定的周期，对生命周期数据集中的商品信息进行采集；所述目标商品识别单元用于获取对应周期内售卖数量最多的商品并记录；
64、所述生命周期计时器模块包括计时器构建单元和计时器捆绑单元；所述计时器构建单元用于构建计时器并设置计时器参数；所述计时器捆绑单元用于将对应的计时器与对应的目标商品进行捆绑，追踪目标商品状态；
65、所述趋势预测模块包括状态判断单元和趋势预测单元；所述状态判断单元用于判断商品的生命周期是否满足开启判断条件；所述趋势预测单元用于根据历史售卖数据构建线性回归模型对目标商品的趋势进行预测；
66、所述饱和度分析模块包括售卖汇总单元、离散计算单元和饱和度计算单元；所述售卖汇总单元用于获取各个周期内对应各个目标商品的售卖数据，汇总后构建商品售卖数据集；所述饱和度计算单元用于计算当前周期内对应目标参数的饱和度；
67、所述活动主导商品选择模块包括生命分析单元、趋势分析单元和饱和度分析单元；所述生命分析单元用于判断对应目标商品的生命周期状态；所述趋势分析单元用于通过线性回归预测的结果评估售卖趋势；所述饱和度分析单元用于判断当前周期内各个目标商品的饱和度。
68、与现有技术相比，本发明的有益效果是：
69、1、本发明通过分析综合商品的生命周期、售卖趋势和饱和度条件，根据商品的生命周期数据判断该商品的回购时间，根据售卖趋势进一步判断出该商品的售卖回流情况，再通过周期性的饱和度分析，能够精准筛选出最适合用于营销活动的主导商品，提升活动的针对性和有效性。
70、2、本发明通过对商品数据的生命周期属性进行精准分类，并结合销售趋势分析，该方法能够有效识别热销商品并优化库存管理。构建生命周期计时器和线性回归模型，能够精准预测商品的销售趋势，帮助企业高效调整库存和销售策略，从而减少库存积压和销售损失，提高整体经营效率，减少无效或重复的推广，提升资源配置的精确度，实现更高质量的活动开展。
71、3、本发明通过结合生命周期计时器和线性回归模型动态调整商品数据采集频率，提前预测售卖趋势。设置离散阈值和饱和度分析后，能够全面了解市场需求和商品的供需状况。精准的市场评估方法，不仅提升库存管理的准确性，还优化营销策略的决策过程。通过筛选满足生命周期、销售趋势和饱和条件的主导商品，能够最大化提升活动开展效果，提升资源利用效率，增强市场竞争力。
1.一种基于客户大数据的营销活动分析管理方法，其特征在于：所述营销活动分析管理方法包括以下步骤：
2.根据权利要求1所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s1中，获取商品的数据信息，提取商品的生命周期属性，所述商品的生命周期属性表示为商品从开始使用到无法使用的整个时间段，根据商品的生命周期属性对其进行类别划分，将对应的商品信息按其类别分类存储，生成相应的生命周期数据集。
3.根据权利要求2所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s2的具体步骤如下：
4.根据权利要求3所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s3的具体步骤如下：
5.根据权利要求4所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s4的具体步骤如下：
6.根据权利要求5所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s5的具体步骤如下：
7.根据权利要求6所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述步骤s6的具体步骤如下：
8.一种基于客户大数据的营销活动分析管理系统，其应用于权利要求1-7任意一项所述的一种基于客户大数据的营销活动分析管理方法，其特征在于：所述营销活动分析管理系统包括生命周期管理模块、售卖数据采集模块、生命周期计时器模块、趋势预测模块、饱和度分析模块和活动主导商品选择模块；
9.根据权利要求8所述的一种基于客户大数据的营销活动分析管理系统，其特征在于：
10.根据权利要求8所述的一种基于客户大数据的营销活动分析管理系统，其特征在于：
