依托开发者服务积累的 数据，通过机器学习模型和技术，建立用户下线场景线下场景到访特征，助力传统品牌方完成线下场景精准营销，帮助品牌方建立和优化广告投放策略，实现广告精准营销和广告投放ROI提升。
在自研的每日治数平台上，结合用户近期线下行为数据，生产并预测新用户的线下场景标签。 一、数据抽取、清理和处理 数据抽取：从数据库中抽取与用户线下行为数据，包括但不限于用户设备统一标识符，时间，地点（poi类别，如KTV、游乐场等类别）等。 数据清理：去除重复、错误或无关的数据，处理缺失值和异常值。 数据处理：对数据进行必要的转换和标准化，例如时间戳格式化等。 二、数据仓库层建设 1.数据模型设计 2.ETL过程 3.数据仓库优化 三、线下场景的识别和归类 规则定义：根据业务需求和数据特点，定义线下场景的识别和归类规则。 场景识别：应用规则对数据进行场景识别，将数据与相应的场景进行匹配。 场景归类：将识别出的场景进行归类，形成用户线下场景的偏好标签。 四、线下营销场景活动的线下场景到访特征学习 特征提取：从用户线下场景偏好数据中提取特征，如到访频率、场景类型偏好等。 规则和机器学习模型：结合业务规则和机器学习模型（如分类算法、聚类算法等）进行特征学习，识别出用户在不同营销场景活动中的到访特征和模式。 五、生成新用户线下场景到访特征 将学习到的特征进行聚合，预测新用户的线下场景偏好标签。
| 字段名 | 类型 | 描述 |
|---|---|---|
企业内部设备统一标识符 |
-- | -- |
时间戳 |
-- | -- |
APP安装类别列表 |
-- | -- |
APP活跃类别列表 |
-- | -- |
APP活跃序列 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 企业内部设备统一标识符 | 8916ad81f4fe49a6b4346edcd553230e |
| 时间戳 | 2024-05-31 15:01:10 |
| APP安装类别列表 | 直播类APP、影音制作APP、汽车类APP |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/37803