© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
临海数云创想信息技术有限公司
企业临海数云创想信息技术有限公司围绕相关业务开展运营。面向模拟数据生成、教育精准营销、教育用户行为模拟等领域提供数据服务，开放AI数字人模拟教育培训需求预测训练数据（模拟数据生成、教育精准营销）、AI数字人模拟教育学习行为训练数据（教育用户行为模拟、智能教育运营）、AI数字人模拟品牌营销投放行为训练数据（人工智能营销、广告投放优化），支撑模型训练与算法优化。
模拟数据生成教育精准营销教育用户行为模拟
数据集列表
AI数字人模拟农产品与生鲜消费行为训练数据
本训练数据基于AI数字人技术，通过AI虚拟的海量人群模拟农产品与生鲜消费购物行为，并进行聚类分群，精准锁定时令水果、生鲜核心消费人群与社区团购主力客群，支撑渠道选品、客群筛选与区域资源分配，提升获客效率、降低损耗与无效投入；为不同产地偏好、价格敏感度用户制定差异化选品、定价与促销策略，实现用户精细化运营、提升复购与用户粘性；为农产品与生鲜制定合理价格接受区间、产地搭配方案、团购成团规则，平衡销量、毛利与供应链效率，增强市场竞争力；基于时令消费节律、购买波动、社区团购需求预测，指导产地直采、区域备货、库存周转与冷链配送策略，优化供应链资源配置、减少缺货、滞销与生鲜损耗；同时为农产品生鲜行业门店运营、社区团购、直播带货、产地营销、市场调研等商业化场景提供标准化、高仿真虚拟人群底层数据支撑。 一、核心算法体系：1.采用DBSCAN聚类算法，以用户性别、用户年龄、家庭月收入区间、时令水果偏好、生鲜购买渠道偏好、偏好购买的生鲜品类、社区团购使用频率、是否参与过社区团购、产地偏好、季节性消费倾向为核心维度，对虚拟消费人群开展聚类分群，精准识别高价值农产品与生鲜目标消费群体。2.采用Transformer时序预测模型，基于购买时令水果频次、社区团购使用频率、季节性消费倾向、月均生鲜消费金额等用户历史购买频次、季节消费特征、社区团购周期特征，开展时序建模分析，预测复购周期、时令消费峰值及未来购买概率，为备货与运营提供量化依据。3.采用特征加权融合算法，对用户性别、用户年龄、城市、家庭月收入区间、产地偏好、水果价格接受区间、生鲜价格接受区间、生鲜购买渠道偏好、购买时主要关注因素、季节性消费倾向、月均生鲜消费金额等特征进行权重拟合与融合，生成贴合真实农产品生鲜市场分布的虚拟人群样本。4.采用规则引擎+逻辑回归模型，通过规则引擎构建产地偏好判定、生鲜购买渠道匹配、水果/生鲜价格接受区间分级、季节性消费倾向溢价逻辑，结合逻辑回归模型，以购买时令水果频次、社区团购使用频率、购买时主要关注因素量化计算用户价格敏感点，匹配农产品、时令水果、生鲜的合理价格接受区间。
二、技术实现逻辑：基于时令水果、生鲜食材、社区团购、产地供应链等农产品行业真实市场数据，结合城市、用户性别、用户年龄、家庭月收入区间、时令水果偏好、生鲜渠道、价格区间等表格字段构建虚拟人群先验分布模型；以智能体ID为唯一标识开展AI数字人多轮交互（含选品、比价、团购下单、产地筛选、行为反馈等），采集表格内全部字段对应的用户行为特征，迭代优化虚拟人群标签体系。采用权重归一化、市场分布校准技术，保障虚拟人群结构与真实市场高度一致；支持人群权重动态更新，可适配季节变化、时令上市、社区团购大促、产地直供等多场景业务需求。
浙江省数据知识产权登记平台2026-08-03 更新70
AI数字人模拟农产品与生鲜消费行为训练数据
本训练数据基于AI数字人技术，通过AI虚拟的海量人群模拟农产品与生鲜消费购物行为，并进行聚类分群，精准锁定时令水果、生鲜核心消费人群与社区团购主力客群，支撑渠道选品、客群筛选与区域资源分配，提升获客效率、降低损耗与无效投入；为不同产地偏好、价格敏感度用户制定差异化选品、定价与促销策略，实现用户精细化运营、提升复购与用户粘性；为农产品与生鲜制定合理价格接受区间、产地搭配方案、团购成团规则，平衡销量、毛利与供应链效率，增强市场竞争力；基于时令消费节律、购买波动、社区团购需求预测，指导产地直采、区域备货、库存周转与冷链配送策略，优化供应链资源配置、减少缺货、滞销与生鲜损耗；同时为农产品生鲜行业门店运营、社区团购、直播带货、产地营销、市场调研等商业化场景提供标准化、高仿真虚拟人群底层数据支撑。
浙江省数据知识产权登记平台2026-07-17 更新10
AI数字人模拟零售门店经营行为训练数据
本训练数据基于AI数字人技术，通过AI虚拟海量到店人群模拟消费、到店、复购、选址偏好等真实门店行为，并进行聚类分群，为零售门店精准锁定核心消费时段、主力消费客群及高适配选址区域，支撑门店排班、陈列优化、渠道资源分配，提升门店运营效率与坪效、降低闲置资源投入；为门店制定差异化会员触达、到店激励、专属权益策略，实现会员精细化运营、提升到店频次与会员活跃度；基于热销商品偏好与价格敏感度，优化商品组合、定价策略及促销方案，平衡销量与利润、增强门店竞争力；基于客流节律、商品动销与购买波动预测，指导门店补货计划、库存周转与陈列调整，优化供应链资源配置、减少缺货与库存积压问题；同时为零售行业门店选址、客流预测、智能排班、门店运营诊断、市场调研等商业化场景提供标准化、高仿真虚拟人群与经营数据底层支撑。一、核心算法体系 1. 采用**DBSCAN聚类算法**，以性别、年龄、收入、到店时段、消费偏好、选址偏好为核心维度，对虚拟到店人群开展聚类分群，精准识别客流高峰时段、核心客群及高适配选址区域。 2. 采用**Transformer时序预测模型**，基于虚拟人群历史到店频次、购买节律、动销波动特征，开展时序建模分析，预测客流高峰、商品热销周期及未来动销趋势，为门店运营提供量化依据。 3. 采用**特征加权融合算法**，对客流、商品、库存、会员、区位等特征进行权重拟合与融合，生成贴合真实门店经营分布的虚拟样本。 4. 采用**规则引擎+逻辑回归模型**，通过规则引擎构建缺货判定逻辑，结合逻辑回归模型量化计算商品缺货风险等级、会员活跃度分值及门店选址适配度。 二、技术实现逻辑 基于零售行业真实门店客流、商品动销、会员行为、商圈区位数据，构建虚拟人群与门店经营先验分布模型；通过AI数字人多轮交互（含到店、选购、比价、复购、反馈等）采集经营行为特征，迭代优化门店经营标签体系。采用权重归一化、商圈分布校准技术，保障虚拟经营数据与真实市场高度一致；支持经营指标动态更新，可适配季节变化、节假日大促、新品上市、商圈调整等多场景业务需求。
浙江省数据知识产权登记平台2026-06-03 更新40
AI数字人模拟环保与低碳行为预测训练数据
本训练数据依托AI数字人技术，通过海量虚拟人群模拟低碳环保行为并完成聚类分群与规则处理，精准输出结构化行为数据集合，可高效解决**政策落地、市场推广、城市治理、产品研发**四大类核心问题： 1. 为政府环保部门精准识别高/低低碳行为意愿人群，支撑垃圾分类、节能宣传、低碳倡导等政策定向投放与差异化推广，提升政策触达效率与居民执行率。 2. 为绿色消费品牌、新能源企业锁定核心客群，支撑产品定位、渠道筛选与营销资源分配，降低无效投入，提升绿色产品转化率与市场渗透率。 3. 为城市低碳治理提供居民行为规律与趋势预判，指导垃圾分类设施布局、节能改造推进、公共区域低碳管理，优化公共资源配置，减少浪费与运行成本。 4. 为新能源产品、节能家电、绿色日用品研发提供用户接受度、价格敏感点、使用偏好数据，支撑产品定价、功能设计与场景化方案制定，增强产品市场适配性。 5. 为环保宣传、低碳教育、市场调研、智能低碳服务等场景提供标准化、高仿真虚拟人群底层数据，保障数据合规可用、持续迭代。 一、核心算法体系 1. **DBSCAN聚类算法** 以性别、年龄、收入水平、教育程度、居住区域为核心维度，对虚拟人群开展聚类分群，精准识别高低碳行为意愿、高绿色消费、高新能源接受度等关键目标群体。 2. **Transformer时序预测模型** 基于虚拟人群历史行为频次、参与强度特征，开展时序建模，预测垃圾分类执行趋势、绿色消费变化、节能行为持续性与新能源产品接受度走势。 3. **特征加权融合算法** 对人口属性、环保认知、行为习惯、场景条件等特征进行权重拟合与归一化融合，生成贴合真实社会分布的虚拟人群样本，保障数据真实性与代表性。 4. **规则引擎+逻辑回归模型** 通过规则引擎构建行为判定逻辑，结合逻辑回归量化计算**垃圾分类意愿强度、绿色消费偏好等级、新能源产品接受度、节能行为频率**，输出标准化行为评分与分级结果。 二、技术实现逻辑 基于环保低碳领域真实社会调查与行为数据，构建虚拟人群先验分布模型；通过AI数字人多轮交互（认知问答、场景选择、行为反馈、意愿表达）采集行为特征，迭代优化低碳行为标签体系。采用权重校准、区域分布匹配、行为逻辑一致性校验技术，确保虚拟人群结构与真实市场高度一致；支持人群特征动态更新，适配政策发布、宣传活动、新品上市、季节变化等多场景业务需求。
浙江省数据知识产权登记平台2026-06-03 更新40
AI数字人模拟教育学习行为训练数据
本训练数据基于AI数字人技术，通过AI虚拟的海量人群模拟学习行为与课堂参与行为，并进行聚类分群，为教育机构精准锁定课程核心受众及主力学习人群，支撑课程定向推广、学员筛选与教学资源分配，提升招生转化效率与教学运营ROI、降低低效课程投入；为核心学员制定差异化课程推荐、学习提醒及专属辅导策略，实现学员精细化运营、提升完课率与学习粘性；为教育机构制定合理课程定价、班型设置及阶梯优惠方案，平衡开班规模与教学质量、增强市场竞争力；基于学习节律与访问波动预测，指导各时段排课计划、师资调配与场地使用策略，优化教学资源配置、减少资源闲置与供不应求问题；同时为教育行业智能排课、智能导学、在线课堂、学情分析等商业化场景提供标准化、高仿真虚拟人群底层数据支撑。一、核心算法体系 1. 采用DBSCAN聚类算法，以学段、年龄、学习目标、课程偏好为核心维度，对虚拟学习人群开展聚类分群，精准识别高价值教育目标受众群体。 2. 采用Transformer时序预测模型，基于用户历史学习时长、出勤频次特征，开展时序建模分析，预测不同时段课程参与度及未来报名概率，为教学运营提供量化依据。 3. 采用特征加权融合算法，对学段、年龄、学习目标、课程偏好等特征进行权重拟合与融合，生成贴合真实教育市场分布的虚拟人群样本。 4. 采用规则引擎+逻辑回归模型，通过规则引擎构建学习行为判定逻辑，结合逻辑回归模型量化计算用户课程热度与访问峰值，匹配教育机构合理教学资源配置方案。 二、技术实现逻辑 基于校园、在线教育、职业培训等教育行业真实市场数据，构建虚拟人群先验分布模型；通过AI数字人多轮交互（含选课、学习、出勤反馈、评价等）采集用户行为特征，迭代优化虚拟人群标签体系。采用权重归一化、市场分布校准技术，保障虚拟人群结构与真实教育市场高度一致；支持人群权重动态更新，可适配开学季、考试季、集训营、线上直播课等多场景业务需求。
浙江省数据知识产权登记平台2026-05-29 更新80
AI数字人模拟金融理财行为预测训练数据
本训练数据依托AI数字人技术，通过AI虚拟海量金融用户模拟全链路理财行为，并开展聚类分群与特征提取，为金融机构精准定位核心客群与高价值用户，支撑客户分层运营、产品精准推送与营销资源优化配置，提升金融产品转化率与客户服务效率；为存款、理财、保险、信贷、信用卡等金融产品制定差异化推广策略、费率定价与权益方案，平衡业务收益与用户体验，增强市场竞争力；基于用户信贷行为、信用卡消费节律与投资偏好预测，指导金融产品投放节奏、额度管控与风险前置预警，优化业务资源配置、降低信用风险与投资风险；通过用户风险偏好分级与行为特征分析，为金融机构开展投资者适当性管理、合规销售与风险教育提供数据支撑；同时为金融行业智能客服、智能投顾、线上理财、市场调研、风控建模等商业化场景提供标准化、高仿真虚拟人群底层数据保障。 一、核心算法体系 1. 采用**DBSCAN聚类算法**，以年龄、收入水平、理财偏好、风险承受力为核心维度，对虚拟金融用户开展聚类分群，精准识别高净值、稳健型、进取型等核心目标客群。 2. 采用**Transformer时序预测模型**，基于用户历史存款变动、理财申购赎回、信用卡消费、信贷还款等时序特征，开展时序建模分析，预测用户金融行为周期、产品购买概率与消费趋势，为精准营销与运营提供量化依据。 3. 采用**特征加权融合算法**，对年龄、收入、资产、理财习惯、风险偏好等特征进行权重拟合与融合，生成贴合真实金融市场分布的虚拟用户样本。 4. 采用**规则引擎+逻辑回归模型**，通过规则引擎构建金融产品适配、风险等级判定、信用评估逻辑，结合逻辑回归模型量化计算用户风险偏好得分、价格敏感点与信贷违约概率，匹配金融产品合理定价与风险管控标准。 二、技术实现逻辑 基于银行、理财、保险、信贷等金融行业真实市场数据，构建虚拟金融用户先验分布模型；通过AI数字人多轮交互（含理财咨询、产品对比、风险测评、交易行为反馈等）采集用户行为特征，迭代优化虚拟用户标签体系。采用权重归一化、市场分布校准技术，保障虚拟用户结构与真实金融市场高度一致；支持人群标签动态更新，可适配市场波动、政策调整、产品上新、大促营销等多场景业务需求。
浙江省数据知识产权登记平台2026-07-30 更新20
AI数字人模拟金融理财行为预测训练数据
本训练数据依托AI数字人技术，通过AI虚拟海量金融用户模拟全链路理财行为，并开展聚类分群与特征提取，为金融机构精准定位核心客群与高价值用户，支撑客户分层运营、产品精准推送与营销资源优化配置，提升金融产品转化率与客户服务效率；为存款、理财、保险、信贷、信用卡等金融产品制定差异化推广策略、费率定价与权益方案，平衡业务收益与用户体验，增强市场竞争力；基于用户信贷行为、信用卡消费节律与投资偏好预测，指导金融产品投放节奏、额度管控与风险前置预警，优化业务资源配置、降低信用风险与投资风险；通过用户风险偏好分级与行为特征分析，为金融机构开展投资者适当性管理、合规销售与风险教育提供数据支撑；同时为金融行业智能客服、智能投顾、线上理财、市场调研、风控建模等商业化场景提供标准化、高仿真虚拟人群底层数据保障。
浙江省数据知识产权登记平台2026-07-13 更新20
AI数字人模拟城市治理与人口流动训练数据
本训练数据基于AI数字人技术，通过AI虚拟的海量城市人群模拟出行、消费、迁徙等动态行为，并进行时空聚类分群，为城市治理部门精准识别核心拥堵区域、高热力商圈、重点通勤走廊，支撑交通疏导策略制定、商圈业态规划、公共服务资源调配，提升城市精细化管理效率与公共服务均等化水平；为交通管控制定差异化限流、限行、疏导方案，优化信号灯配时与公交运力投放，实现路网通行效率提升、拥堵时长缩短；为商圈运营提供人流热力预测、消费时段分析、客群来源画像，指导商业布局优化、活动策划与安全管控；基于人口迁入迁出趋势与区域驻留规律，预测城市人口时空分布，指导公共交通、教育医疗、应急保障等公共资源前置配置，优化城市空间结构与功能布局；同时为城市交通仿真、智慧城市平台、应急指挥、人口监测等城市治理场景提供标准化、高仿真虚拟人群底层数据支撑。 一、核心算法体系 1. 采用**DBSCAN时空聚类算法**，以出行轨迹、驻留时长、活动区域、出行目的为核心维度，对虚拟城市人群开展时空聚类分群，精准识别通勤群体、消费群体、过境群体等高价值城市治理目标人群。 2. 采用**Transformer时序预测模型**，基于历史人流、车流频次与时序特征，开展时空建模分析，预测通勤高峰、商圈人流峰值、拥堵持续时长及未来人口流动趋势，为城市动态治理提供量化依据。 3. 采用**时空特征加权融合算法**，对区域功能、时段属性、交通方式、人口密度等特征进行权重拟合与融合，生成贴合真实城市时空分布的虚拟人群样本。 4. 采用**规则引擎+LightGBM分类回归模型**，通过规则引擎构建拥堵判定、人流过载判定、迁徙强度判定逻辑，结合分类回归模型量化计算区域拥堵阈值、商圈承载上限、人口迁移热度，匹配城市治理最优管控区间。 二、技术实现逻辑 基于城市路网、商圈分布、区域功能、人口分布等真实城市基底数据，构建虚拟人群时空行为先验分布模型；通过AI数字人多轮出行交互（含路线选择、换乘、消费停留、区域迁徙等）采集人群时空行为特征，迭代优化虚拟人群标签体系。采用时空权重归一化、城市分布校准技术，保障虚拟人群时空结构与真实城市高度一致；支持人群行为动态更新，可适配工作日/周末、节假日、极端天气、大型活动等多场景城市治理需求。
浙江省数据知识产权登记平台2026-06-03 更新00
AI数字人模拟职场与人力资源行为预测训练数据
本训练数据基于AI数字人技术，通过AI虚拟海量职场人群仿真求职、在职、晋升、离职等全周期行为，并开展聚类分群与趋势预测，为企业精准锁定核心人才画像与高潜人才群体，支撑招聘定向筛选、人才储备与渠道资源优化，提升招聘效率与人岗匹配度、降低无效招聘成本；为在职员工制定差异化激励、培训发展、留存关怀等策略，实现人才精细化运营、提升员工满意度与组织稳定性；基于岗位技能需求与人才能力缺口分析，指导企业培训体系搭建、技能认证与人才梯队建设，精准匹配业务发展所需能力；为企业制定合理薪酬区间、绩效激励方案与福利体系，平衡人力成本与人才吸引力，增强雇主品牌竞争力；基于职场决策规律与职业流动趋势预测，指导企业人力规划、编制调整与组织架构优化，提升人力资源配置效率、减少核心人才流失风险；同时为人力资源招聘、面试评估、职业咨询、人才盘点、组织诊断等商业化场景提供标准化、高仿真虚拟职场人群底层数据支撑。 一、核心算法体系 1. 采用**DBSCAN聚类算法**，以年龄、学历、工作年限、行业、岗位、薪资水平、求职意向、职业偏好为核心维度，对虚拟职场人群开展聚类分群，精准识别高潜人才、核心员工与易流失群体。 2. 采用**Transformer时序预测模型**，基于职场人群历史行为轨迹、岗位变动、绩效表现等特征，开展时序建模分析，预测跳槽概率、求职活跃度与职业转换周期，为人才留存与招聘规划提供量化依据。 3. 采用**特征加权融合算法**，对行业、岗位、能力标签、薪资期望、城市、企业规模等特征进行权重拟合与融合，生成贴合真实人力市场分布的虚拟人才样本。 4. 采用**规则引擎+逻辑回归模型**，通过规则引擎构建求职与薪资判定逻辑，结合逻辑回归模型量化计算技能需求权重、薪资敏感点与职业发展偏好，匹配岗位能力要求与合理薪酬区间。 5. 采用**路径规划与决策树模型**，基于人才能力、行业周期、企业需求等变量，推演并预测职业发展路径、晋升概率与转型成功率，为职业指导与人才发展提供支撑。 二、技术实现逻辑 基于互联网、制造业、服务业、金融等行业真实人力资源市场数据，构建虚拟职场人群先验分布模型；通过AI数字人多轮交互（含求职咨询、面试模拟、离职沟通、职业规划反馈等）采集人才行为特征，迭代优化虚拟人才标签体系。采用权重归一化、市场分布校准技术，保障虚拟职场人群结构与真实人力市场高度一致；支持人群特征动态更新，可适配行业周期、校招季、金三银四、业务扩张与组织调整等多场景业务需求。
浙江省数据知识产权登记平台2026-05-29 更新10
AI数字人汽车消费与出行行为预测训练数据
本训练数据基于AI数字人技术，通过AI虚拟海量人群模拟汽车消费与全周期出行行为，并开展聚类分群与规律提取，为汽车厂商、经销商、出行服务平台、金融保险机构提供标准化高仿真底层数据支撑： 1. 精准识别**购车意向客群**与主力消费人群，支撑广告定向投放、客群筛选与渠道资源分配，提升获客效率与线索转化率，降低无效营销投入； 2. 基于车型偏好与用户画像特征，为产品定位、配置规划、区域车型投放策略提供依据，助力车企精准匹配市场需求； 3. 依据车辆保养周期规律，构建车主服务触达策略、保养提醒与售后转化方案，提升售后营收与客户留存率； 4. 通过网约车/公共交通使用规律，挖掘出行需求特征，优化出行平台运力调度、定价策略与线路规划，提升运营效率； 5. 基于购车时序预测、出行频次预测，指导汽车库存周转、区域铺货、金融分期产品设计与车险定价，优化全链条资源配置； 6. 为汽车行业智能导购、智能客服、直播卖车、市场调研、用户调研等商业化场景，提供合规、高仿真、可复用的虚拟人群行为数据支撑。 一、核心算法体系
1、采用DBSCAN 聚类算法，以性别、年龄、收入水平、所在城市、家庭结构为核心维度，对虚拟汽车消费与出行人群聚类分群，精准识别高意向购车、高频出行、高频保养三类核心客群。2、采用Transformer 时序预测模型，基于出行频次、保养间隔、购车计划等特征建模，预测购车时间、保养周期与未来消费概率，为汽车营销与车主运营提供量化支撑。
3.采用特征加权融合算法，对人口属性、消费能力、购车意向、车型偏好、出行方式等特征权重拟合与分布校准，生成贴合真实汽车市场的虚拟人群样本。
4.采用规则引擎 + 逻辑回归模型，构建购车预算、价格敏感度、保养选择、出行方式判定规则，量化用户偏好强度，支撑车型推荐、服务套餐与出行方案匹配。
二、技术实现逻辑
基于汽车消费、用车保养、公共交通与网约车出行真实行业数据，构建虚拟人群先验分布模型；通过 AI 数字人咨询、比价、选车、保养预约、出行下单等多轮交互采集行为特征，迭代优化标签体系。运用权重归一化、区域分布校准、行为逻辑校验技术，确保虚拟人群结构与行为规律高度贴近真实市场；支持人群特征动态更新，可适配新车上市、促销、季节出行、政策调整等多场景业务需求。
三、数据字段解释（经规则处理）
1.数字 id：AI 数字人唯一标识，保障数据可追溯、不重复。
2.性别、年龄分组、学历、收入水平、所在城市、职业、家庭结构：基础属性字段，经聚类规则处理，作为人群分群核心依据。
3.购车意向时间：经时序预测处理，标识计划购车区间，用于需求预测与线索分级。
4.车型偏好：经特征加权处理，输出用户倾向车型，支撑产品推荐与投放定向。
5.购车预算区间、购车核心需求：经价格敏感度规则处理，反映消费能力与动机，支撑定价与营销。
6.保养周期：经时序与用车行为规则处理，预测保养间隔，用于售后触达与服务转化。
7..保养偏好：经选择行为规则处理，明确保养渠道倾向，优化售后渠道配置。
8.车辆使用场景：经行为聚类处理，明确车辆用途，支撑车型定位与场景化营销。
9.网约车使用频率、公共交通依赖度、私家车使用频率：经出行行为规则处理，量化出行规律。
10.出行时段偏好、替代出行方式：经时序与场景规则处理，挖掘出行特征，支撑运力调度与方案优化
浙江省数据知识产权登记平台2026-05-29 更新30