1.本技术的实施例涉及数据分析领域，尤其涉及基于标签算法的卷烟精准投放方法、装置、设备和计算机可读存储介质。
背景技术：2.目前市面上一些连锁便利店的货源供应系统都是基于市场化，可以完全按照市场化行为来进行货源供给，不符合烟草行业体制特性，如烟草由国家统一管控，不会完全按照按需供货，烟草行业目前业态复杂，每个城市上万家店铺，错综复杂，很难统一管控、统一要求。快消品行业的系统对烟草行业不适用。
3.当前一些软件厂商为烟草公司研发的平台，只开发了一些常规标签的维护功能，并没有通过算法提供投放建议值，市场人员针对上百个品规进行货源投放策略的制定，工作繁琐，数据复杂，人工操作极易出错，而且没有海量数据理论支撑，其投放值全部由人工经验判定，效率低，投放效果差。
4.在零售户的卷烟投放环节，多基于人工经验设计，采取同档同源的策略，即同一档位零售户所分配的货源是相同的，投放方式较为粗犷，不够精细，没有考虑到同一档位零售户间的差异，同时每一档位零售户的投放值均为人为调整，缺少科学数据基础和理论依据。
技术实现要素：5.根据本技术的实施例，提供了一种基于标签算法的卷烟精准投放方案。
6.在本技术的第一方面，提供了一种基于标签算法的卷烟精准投放方法。该方法包括：
7.获取零售户的数据信息；
8.基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；
9.基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。
10.进一步地，所述多维度属性标签包括静态标签和动态标签：
11.其中，所述静态标签包括：
12.基础属性标签、经营数据标签和大数据标签；
13.所述动态标签包括：
14.通过kmeans算法，对所述数据信息中的订足率和订购量指标进行聚类，得到动态标签。
15.进一步地，所述基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟包括：
16.若零售户订购过当前待投放的卷烟，则基于零售户对卷烟的需求量，确定零售户下月对该卷烟的预测订购量；
17.从所述标签库中选取任一属性标签，基于所述属性标签和零售户下月对该卷烟的
预测订购量，确定零售户的投放值；
18.根据所述零售户上月的卷烟投放订购结果，对所述投放值进行修正，基于修正后的投放值，确定当前标签下的投放结果；
19.基于所述投放结果，生成对应的投放表；
20.重复上述步骤，得到所有标签下的投放结果以及对应的投放表；
21.基于所述投放表确定每个标签的投放得分，选择投放得分最高的标签对应的投放表作为最终的投放数据，向零售户投放卷烟。
22.进一步地，所述根据所述零售户上月的卷烟投放订购结果，对所述投放值进行修正包括：
23.若零售户上月订足率大于第一阈值，且当前投放值为非最大预测最大值，则当前投放值进行加1；
24.若零售户上月订足率小于第二阈值，且当前投放值大于2，则当前投放值减1。
25.进一步地，所述基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟包括：
26.若零售户在第一预设期间内未采购过某类卷烟，则基于所述零售户的数据信息，选取出在第二预设区间内订购过该类卷烟的零售户；
27.基于所述订购过该类卷烟的零售户的地理位置，构建商圈；
28.基于零售户对卷烟的需求量，对所述商圈内的所有零售户进行分析，根据分析结果进行卷烟投放。
29.进一步地，所述基于所述订购过该类卷烟的零售户的地理位置，构建商圈包括：
30.根据零售户的地理位置，在城区内、近郊和远郊分别设计相应的半径画出商圈。
31.进一步地，还包括：
32.若商圈内存在多个订购过该类卷烟的零售户，则按照预设系数扩大商圈的构建半径。
33.在本技术的第二方面，提供了一种基于标签算法的卷烟精准投放装置。该装置包括：
34.获取模块，用于获取零售户的数据信息；
35.构建模块，用于基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；
36.投放模块，用于基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。
37.在本技术的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
38.在本技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本技术的第一方面的方法。
39.本技术实施例提供的基于标签算法的卷烟精准投放方法，通过获取零售户的数据信息；基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟，实现了对零售户的多维度标签设计，确定了零售户间的差异，解决了同一档位零售户的
差异化投放。
40.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
41.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
42.图1示出了本技术的实施例提供的方法所涉及的系统架构图。
43.图2示出了根据本技术的实施例的基于标签算法的卷烟精准投放方法的流程图；
44.图3示出了根据本技术的实施例的基于标签算法的卷烟精准投放装置的方框图；
45.图4示出了适于用来实现本技术实施例的终端设备或服务器的结构示意图。
具体实施方式
46.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
47.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
48.图1示出了可以应用本技术的基于标签算法的卷烟精准投放方法或基于标签算法的卷烟精准投放装置的实施例的示例性系统架构100。
49.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
50.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如模型训练类应用、视频识别类应用、网页浏览器应用、社交平台软件等。
51.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
52.当终端101、102、103为硬件时，其上还可以安装有视频采集设备。视频采集设备可以是各种能实现采集视频功能的设备，如摄像头、传感器等等。用户可以利用终端101、102、
103上的视频采集设备来采集视频。
53.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的数据处理的后台服务器。后台服务器可以对接收到的数据进行分析等处理，并可以将处理结果(例如识别结果)反馈给终端设备。
54.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
55.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。特别地，在目标数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。
56.如图2所示，是本技术实施例基于标签算法的卷烟精准投放方法的流程图。从图2中可以看出，本实施例的基于标签算法的卷烟精准投放方法，包括以下步骤：
57.s210，获取零售户的数据信息。
58.在本实施例中，基于标签算法的卷烟精准投放方法的执行主体(例如图1所示的服务器)可以通过有线方式或者无线连接的方式获取零售户的数据信息。
59.进一步地，上述执行主体可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的零售户的数据信息，也可以是预先存储于本地的零售户的数据信息。
60.在一些实施例中，所述零售户的数据信息包括地理位置、每个月销售各类卷烟的数量、零售户的类型、规模、经营年限和/或所处poi商圈信息等，可通过大数据分析、网络爬虫等方式进行获取。
61.s220，基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库。
62.在本公开中，对零售户进行标签设计的原理为，在进行卷烟投放的过程中，找到具有相似需求量的客户，对每一类的客户进行有针对性的投放，从而提高投放效率和投放质量。
63.在一些实施例中，所述多维度属性标签包括静态标签和动态标签；
64.其中，所述静态标签可包括：
65.基础属性标签，如业态、档位和/或市场类型等；
66.经营属性标签，如经营规模和/或经营年限等；
67.大数据标签，如人口和/或poi商圈信息等；
68.所述动态标签即为算法标签，主要指交易行为标签，即，每天进行实时更新变化的数据；
69.进一步地，通过kmeans算法，对所述数据信息中的订足率和订购量指标进行聚类，得到动态标签；所述订足率和订购量指标，可通过所述数据信息中的订单数据、投放数据和终端数据的变化进行确定。
70.在一些实施例中，分别为每一个零售户设置对应的多维度数据标签。
71.s230，基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟
72.在一些实施例中，可根据销售量，对零售户进行分类，确定每个零售户的档位。
73.在本公开中，区别于现有的投放方式，通过一户一策的投放方式，对零售户进行最精细化的投放，即通过本公开的下述算法，预测出每个零售户对于每类卷烟品规的需求，基于所述需求设计出相应的投放值。
74.具体地，若零售户订购过当前待投放的卷烟，则可根据零售户的档位和标签进行投放，保证同一档位+标签下零售户的每类卷烟的投放量相等。
75.具体地，基于零售户对卷烟的需求量，确定零售户下月对该卷烟的预测订购量；
76.从所述标签库中选取任一属性标签；
77.将零售户按照档位和选取标签划分到不同的客户组群中，在同一客户组群中，选择最优的预测订购量作为投放值，即：
78.计算不同预测订购值的频次占比，舍去频次小于总数2％的值；
79.进一步地，按从大到小顺序，对预测订购值进行排序，分别取名为第1、2、3、4
…
投放值；
80.若第1预测订购值的频次占比大于第一占比阈值，则选取该预测订购值作为投放值；所述第一占比阈值通常大于50％，具体数值可根据具体的应用场景进行设定；
81.若第1+第2预测订购值的频次占比大于第二占比阈值，则选取第1+第2总和的平均数作为投放值；所述第二占比阈值大于第一占比阈值；
82.若第1+第2+第3预测订购值的频次占比大于第三占比阈值，则选取第1+第2+第3总和的平均数作为投放值；所述第三占比阈值大于第二占比阈值；
83.若第1+第2+第3+第4预测订购值的频次占比大于第四占比阈值，则选取第1+第2+第3+第4总和的平均数作为投放值；所述第四占比阈值大于第三占比阈值；
84.若上述均不能选出最优投放值，则依次加入预测投放值，直到加入值的总频次占比大于占比阈值后，选取当前预测投放值的平均数作为投放值；所述占比阈值通常大于90％，可根据实际应用场景进行设定。
85.基于客户组群上月的投放订购结果，实施积极/消极投放策略，即，根据所述零售户上月的卷烟投放订购结果，对所述投放值进行修正，根据修订结果实施积极/消极投放策略：
86.分析该标签下，该群客户上月的订足率情况，若订足率大于第一阈值，则该标签下的投放值+1(若投放值是该组客户的预测最大值，则不再进行+1)；所述第一阈值优选为0.9；
87.若订足率小于第二阈值且客户档位小于预设档位，则该标签下的投放值-1(若投放值小于等于2，不再进行-1)；所述第二阈值优选为0.4；其中，所述档位是零售客户主要的分类方式，各地市一般划分为30档，档位越高级别越高，所述预设档位可根据应用场景进行设定。
88.重复上述步骤，得到所有标签下的投放结果以及对应的投放表。并依据预测订购量和投放值，计算出最终订购量和订足率，即，计算出所有标签的投放得分，提取得分最高的标签。最后，选取此标签下的投放表，作为最终的投放数据。
89.在一些实施例中，若客户在第一预设期间内未采购某品规(商圈挖掘条件)，则该部分客户进入商圈数据挖掘，即商圈投试；所述第一预设期间通常为6个月，即6个月内未购
入过相关卷烟；其中，所述品规为烟草sku，即每一种烟草商品，如中华(硬)、中华(软)。
90.进一步地，基于所述零售户的数据信息，选取出在第二预设区间内订购过该类卷烟的零售户；所述第二预设区间通常为3个月；
91.为了减少后期的计算效率，从在第二预设区间内订购过该类卷烟的零售户中，选取出订购能力最强(订购数量最多)的多家商户作为种子商户(例如100家)。
92.根据种子客户所在的地理位置，在城区内、近郊、远郊分别设计相应的半径画出商圈，提取出所述商圈中的所有零售户(包括种子客户和非种子客户)，若在所述商圈内包括多家种子商户，则按照预设系数扩大商圈的构建半径；例如扩大1.5倍。
93.进一步地，找出在所述商圈中存在需求的客户，基于零售户的数据信息，和提取出商圈内所有零售户在预设时间段内的同一价类所有品规的订购量投放量，并按照需求从高到低进行排序，提取前80％(可根据应用场景进行设定)的零售户作为有需求的客户；所述预设时间段优选为三个月，即3个月前到上月。
94.将商圈内的所有零售户与存在需求的客户取交集，得到在商圈中对该品规有需求但未投放的客户，进行商圈试投。
95.进一步地，还包括：
96.对商圈的投放结果进行分析，采取对应的后续策略，若客户进行订购，则下月进入档位+标签的投放流程；若客户未订购，则下月可继续进行商圈投试。
97.根据本公开的实施例，实现了以下技术效果：
98.通过为零售客户进行360度全方位标签的设计，解决了卷烟到零售客户这一环节中的精准投放。即，解决了同一档位零售户的差异化投放，做到档位+标签投放的精细化投放。
99.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
100.以上是关于方法实施例的介绍，以下通过装置实施例，对本技术所述方案进行进一步说明。
101.图3示出了根据本技术的实施例的基于标签算法的卷烟精准投放装置300的方框图，如图3所示，装置300包括：
102.获取模块310，用于获取零售户的数据信息；
103.构建模块320，用于基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；
104.投放模块330，用于基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。
105.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
106.图4示出了适于用来实现本技术实施例的终端设备或服务器的结构示意图。
107.如图4所示，终端设备或服务器400包括中央处理单元(cpu)401，其可以根据存储
在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有系统400操作所需的各种程序和数据。cpu 401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
108.以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
109.特别地，根据本技术的实施例，上文方法流程步骤可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本技术的系统中限定的上述功能。
110.需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
111.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
112.描述于本技术实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
113.作为另一方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本技术的方法。
114.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
技术特征：1.一种基于标签算法的卷烟精准投放方法，其特征在于，包括：获取零售户的数据信息；基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。2.根据权利要求1所述的方法，其特征在于，所述多维度属性标签包括静态标签和动态标签：其中，所述静态标签包括：基础属性标签、经营数据标签和大数据标签；所述动态标签包括：通过kmeans算法，对所述数据信息中的订足率和订购量指标进行聚类，得到动态标签。3.根据权利要求2所述的方法，其特征在于，所述基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟包括：若零售户订购过当前待投放的卷烟，则基于零售户对卷烟的需求量，确定零售户下月对该卷烟的预测订购量；从所述标签库中选取任一属性标签，基于所述属性标签和零售户下月对该卷烟的预测订购量，确定零售户的投放值；根据所述零售户上月的卷烟投放订购结果，对所述投放值进行修正，基于修正后的投放值，确定当前标签下的投放结果；基于所述投放结果，生成对应的投放表；重复上述步骤，得到所有标签下的投放结果以及对应的投放表；基于所述投放表确定每个标签的投放得分，选择投放得分最高的标签对应的投放表作为最终的投放数据，向零售户投放卷烟。4.根据权利要求3所述的方法，其特征在于，所述根据所述零售户上月的卷烟投放订购结果，对所述投放值进行修正包括：若零售户上月订足率大于第一阈值，且当前投放值为非最大预测最大值，则当前投放值进行加1；若零售户上月订足率小于第二阈值，且当前投放值大于2，则当前投放值减1。5.根据权利要求2所述的方法，其特征在于，所述基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟包括：若零售户在第一预设期间内未采购过某类卷烟，则基于所述零售户的数据信息，选取出在第二预设区间内订购过该类卷烟的零售户；基于所述订购过该类卷烟的零售户的地理位置，构建商圈；基于零售户对卷烟的需求量，对所述商圈内的所有零售户进行分析，根据分析结果进行卷烟投放。6.根据权利要求5所述的方法，其特征在于，所述基于所述订购过该类卷烟的零售户的地理位置，构建商圈包括：根据零售户的地理位置，在城区内、近郊和远郊分别设计相应的半径画出商圈。7.根据权利要求6所述的方法，其特征在于，还包括：
若商圈内存在多个订购过该类卷烟的零售户，则按照预设系数扩大商圈的构建半径。8.一种基于标签算法的卷烟精准投放装置，其特征在于，包括：获取模块，用于获取零售户的数据信息；构建模块，用于基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；投放模块，用于基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的方法。
技术总结本申请的实施例提供了基于标签算法的卷烟精准投放方法、装置、设备和计算机可读存储介质。所述方法包括获取零售户的数据信息；基于所述零售户的数据信息，分别为每个零售户设置对应的多维度属性标签，构建零售户的标签库；基于所述标签库和零售户对卷烟的需求量，通过预设规则向零售户投放卷烟。以此方式，实现了卷烟的精准投放。现了卷烟的精准投放。现了卷烟的精准投放。
技术研发人员：师耀东 宋志远 李辉 陈军 夏海 史佳媚 李华 杨夏菲 王玮 刘焱红
受保护的技术使用者：北京零点有数数据科技股份有限公司
技术研发日：2022.04.19
技术公布日：2022/7/5
