本发明涉及大数据处理技术领域，特别是涉及一种基于互联网大数据的精准旅游营销方法。
背景技术：
目前文旅企业的旅游产品营销模式多以粗放式营销为主，存在着目标市场划分不够细致、旅游目的地形象不鲜明、营销效果缺乏科学评估、缺乏技术和平台支撑等问题，旅游产品同质化程度高、服务趋同性强，主要依靠加大公关投入、扩大宣传范围和打价格战来吸引顾客。
技术实现要素：
本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于互联网大数据的精准旅游营销方法。
为实现本发明的目的所采用的技术方案是：
一种基于互联网大数据的精准旅游营销方法，包括步骤：
从由互联网络获取的用户行为数据中提取用户的目标特征，结合人口统计信息数据建立动态标签，通过标签化用户以进行用户画像，然后在用户聚类的基础上，通过分析锁定识别目标用户；
计算目标用户与待营销产品的匹配度，并根据匹配度情况借助互联网发送相应的营销信息，同时不断获取用户反馈，对营销信息再处理。
其中，采用基于cnn卷积神经网络的深度学习框架从通过互联网络获取的用户行为数据中提取用户的目标特征，cnn卷积神经网络的基本结构包括输入层、卷积层、池化层、全连接层、输出层等，其中的卷积层、池化层、全连接层构成卷积神经网络。
本发明依托信息技术手段采集、量化、分析用户行为数据，对用户的各种信息进行多维度的关联分析，从大量数据中发现用户的消费偏好和需求，建立个性化的用户沟通和服务体系，进而实施个性化、差异化的营销策略，并根据实时性的效果反馈，及时对营销策略进行调整。
附图说明
图1为本发明的基于互联网大数据的精准旅游营销方法流程图；
图3为根据游客个人与旅游产品进行个性化推荐的处理流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明基于互联网大数据的精准旅游营销方法，包括步骤：
卷积层为模型的输入层。其功能是对数据进行特征提取，内部包含多个卷积核，通过卷积核中的每个元素都对应一个权重系数。卷积运算包含一个滤波器，通过滤波器将每个词按序排列，将初始的句子矩阵转化为词向量。
池化层的主要作用为通过采样分析，滤除非重要成分，简化系统参数数量，提取关键特征，从而提高运算效率。
全连接层选择relu作为其激活函数，其目的是为防止过度拟合，将最终提取的特征传到分类器，采用softmax函数计算每个标签的概率。
需要说明的是，本发明的用户画像分为单个用户画像的构建和群体用户画像的构建两个部分。单个用户画像主要用于个案分析，要求用尽可能全面而详尽的数据去标签化一个用户。标签化是构建用户画像的核心，是对用户的精炼概括，具有语义性和短文本性等特点，对用户属性和特征的标签化处理为数据的进一步挖掘处理奠定了基础。单个用户画像可以全面地反映出某个独立用户的属性和特征，但在具体推荐系统中，仅依靠个人画像难以实现个性化或精准推荐等服务。因此本发明还包括用户群体画像，通过对多个用户的相似性进行统计分析，将具有相似特征的用户聚集起来，形成若干个用户群体或用户簇，在用户群体内总结提炼出共性指标作为推荐的依据。
以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。