CN108460630B - 基于用户数据进行分类分析的方法和装置 - Google Patents

Abstract

本申请提供一种基于用户数据进行分类分析的方法和装置，所述方法包括：搜集用户数据；基于用户数据获取任意两用户之间的相关性；基于所述相关性并通过层次聚类方法将用户划分成若干用户群；对各用户群进行富集分析，确定满足预设的富集条件的用户群。采用本申请的技术方法，可以快速定位并圈定满足需求的用户。

Description

基于用户数据进行分类分析的方法和装置

技术领域

本申请涉及数据分析领域，特别涉及一种基于用户数据进行分类分析的方法和装置。

背景技术

在互联网大数据时代，随着数据采集系统的快速发展，用户在游戏、电商、社交网络等产品上进行的任何一个细小的动作行为都可以被捕捉，并生成相应的用户数据记录下来。其中，用户数据包括用户基础属性数据(性别、年龄等)和用户行为数据(消费情况、上线时间等)等。

通过对大量用户数据的分析，可以发掘数据背后隐藏的一些规律，利用这些规律，可以获取更大的利益。比如，在电商平台，通过对某一用户的用户数据进行分析，可以发现该用户的一些习惯与喜好。对于商家来说，可以投其所好，对该用户推销该用户喜欢的产品，对于用户来说，用户可以快速的得到自己喜欢的产品，从而实现双赢，其他很多领域亦然。

在网络游戏中，游戏用户之间通常存在关联，如何利用用户之间的关联性实现利益最大化是游戏服务商十分关注的问题。

发明内容

有鉴于此，本申请提供一种基于用户数据进行分类分析的方法和装置，所述方法可以快速定位并圈定满足需求的用户。

具体地，本申请是通过如下技术方案实现的：

一种基于用户数据进行分类分析的方法，所述方法包括：

搜集用户数据；

基于所述用户数据获取任意两用户之间的相关性；

基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

对各用户群进行富集分析，确定满足预设的富集条件的用户群。

优选地，所述获取两用户之间的相关性的过程包括：

基于用户数据预处理得到各用户特征矩阵，所述用户特征矩阵中包括用户的基础属性特征值、行为特征值、消费特征值；

利用用户特征矩阵计算两用户间的偏相关系数，所述偏相关系数用于描述两用户之间的相关性。

优选地，当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为所述待上线活动预上线时段内参与所述待上线活动的用户所对应的用户数据。

优选地，当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为与所述待上线活动匹配的其他活动的用户数据。

一种基于用户数据进行分类分析的装置，所述装置包括：

搜集单元，用于搜集用户数据；

相关性获取单元，用于基于所述用户数据获取任意两用户之间的相关性；

划分单元，用于基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

分析单元，用于对各用户群进行富集分析，确定满足预设的富集条件的用户群。

其中，在所述装置中，优选地，所述相关性获取单元，具体用于：

基于用户数据预处理得到各用户特征矩阵，所述用户特征矩阵中包括用户的基础属性特征值、行为特征值、消费特征值；

利用用户特征矩阵计算两用户间的偏相关系数，所述偏相关系数用于描述两用户之间的相关性。

优选地，在本申请的所述装置中，所述装置还包括：

预参与用户数据获取单元，用于当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为所述待上线活动预上线时段内参与所述待上线活动的用户所对应的用户数据。

优选地，在本申请的所述装置中，所述装置还包括：

预参与用户数据获取单元，用于当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为与所述待上线活动匹配的其他活动的用户数据。

本申请提出的技术方法带来的有益效果：

在本申请中，通过采集用户数据，并根据用户数据，获取任意两用户之间的相关性。根据所述相关性，可以将用户划分成若干用户群。其中，由于所述用户群基于所述相关性进行划分，因此，所述同一用户群中的用户的特征属性是高度一致的。当对各用户群进行富集分析时，可以确定满足预设的富集条件的用户群。其中，所述预设富集条件用于选择满足需求的用户。由于同一用户群中的用户的特征属性时高度一致的，因此，根据富集分析，可以很快的圈定满足预设的富集条件的用户群，可以避免从大量的用户中查找对应的用户群。因此，采用本申请的技术方法，可以快速定位并圈定满足需求的用户。

附图说明

图1为本申请实施例示出的一种基于用户数据进行分类富集分析的方法流程图；

图2为本申请实施例示出的一种基于用户数据进行分类富集分析的装置。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在互联网大数据时代，随着数据采集系统的快速发展，用户在游戏、电商、社交网络等产品上进行的任何一个细小的动作行为都可以被捕捉，并生成相应的用户数据记录下来。其中，用户数据包括用户基础属性数据(性别、年龄等)和用户行为数据(消费情况、上线时间等)等。

通过对用户数据的归类整理后，可以分析并挖掘出数据背后隐藏的规律，该规律对于业务运营的指导起着重要的作用。

鉴于此，本申请实施例提出了一种基于用户数据进行分类分析的方法。请参见图1，图1为本申请实施例示出的一种基于用户数据进行分类分析的方法流程图。具体执行以下步骤：

步骤101：搜集用户数据；

在本申请的实施例中，可以通过数据采集系统搜集用户数据。其中，所述用户数据为各平台通过数据采集系统搜集到的所有用户数据。比如，YY平台可以通过数据采集系统搜集到所有访问YY平台的用户数据。

其中，所述用户数据包含了多种不同用户属性和用户行为特征的数据。比如，不同用户属性的数据包括用户的性别、年龄、职业、星座、地域、婚姻等，不用用户行为特征的数据包括：近期活跃情况，活跃时间等。

当数据采集系统采集到所有的用户数据后，可以对用户数据进行预处理。比如，可以对用户数据进行标准化或者离散化，生成包含多个特征值的用户特征矩阵。

步骤102：基于用户数据获取任意两用户之间的相关性；

在本申请的实施例中，当平台通过数据采集系统完成采集后，可以基于用户数据获取任意两用户之间的相关性。其中，在很多实际的应用场景中，只是通过简单相关系数来描述两用户之间的相关性，并不能很好的反应出两用户之间真实的相关性。通常，其余用户也会对该两用户之间的相关性产生影响，因此需要通过偏相关系数来反应两用户之间的相关性。

其中，两用户之间的偏相关系数的获取方式如下：

假设数据采集系统搜集到n个用户的用户数据，各用户数据经过预处理后生成n个用户特征矩阵，分别为：X₁，X₂，X₃，X₄……X_n。其中，各用户特征矩阵包含相同数量的特征值。基于各用户特征矩阵，计算所述n个用户中任意两用户之间的相关系数并生成简单相关矩阵。所述简单相关矩阵为：

其中，r_ij表示用户X_i和用户X_j之间的皮尔森相关系数。

那么，用户X_i和用户X_j之间的偏相关系数为：

其中，Mij为|R|中r_ij的代数余子式，M_ii为|R|中r_ii的代数余子式。

基于n个用户中任意两用户之间的偏相关系数，可以得到偏相关矩阵，所述偏相关矩阵为：

其中，p_ij表示用户X_i和用户X_j之间的偏相关系数。

步骤103：基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

步骤104：对各用户群进行富集分析，确定满足预设的富集条件的用户群。

在本申请的实施例中，当获得任意两用户之间的相关性后，可以基于所述相关性，通过层次聚类方法将所有用户划分成若干各用户群，其中，同一用户群中的用户的特征属性是高度一致的，各用户群可以被认为是具有某些特征属性的高相关用户群。

在实际应用中，为了实现某种目的，需要从大量用户中选择满足需求的用户，然后再进行后续操作。

在本申请的实施例中，当生成用户群后，可以基于富集分析对各用户群进行分析，确定满足预设的富集条件的用户群，通过对用户群进行富集分析可以快速定位并圈定满足需求的用户。

在本申请的实施例中，当用户群用于预测待上线活动的效果时，对各用户群进行富集分析的过程如下：

首先获取近段时间内平台上所有活跃用户的用户数据，假设近两周在平台上总活跃用户人数为N，其次，获取预参与所述待上线活动的用户数据，假设预参与所述待上线活动的人数为m。

其中，当存在与所述待上线活动匹配的其它历史活动时，可以将匹配的其它历史活动中的任一个活动的参与用户的用户数据作为所述待上线活动的预参与用户的用户数据。如果不存在与所述待上线活动匹配的其它历史活动，则可以预上线所述待上线活动预定时间，并采集在所述预定时间内参与所述待上线活动的用户数据，该用户数据即为预参与所述待上线活动的用户数据。

针对某一用户群进行富集分析时，根据预参与所述待上线活动的用户数据，统计该用户群中预参与所述待上线活动的用户人数，假设该用户群中预参与所述待上线活动的用户人数为k，以及根据该用户群的总用户人数n，采用fisher-exact检验方法判断该用户群是否满足预设的富集条件：

其中，P表示富集结果，

表示排列组合运算，k表示任一用户群中预参与待上线活动的人数，m为预参与活动的人数，N表示预设时段内的活跃用户人数，n表示该用户群的人数；

通常地，所述预设的富集条件为P<0.05。即，当根据Fisher-exact检验方法对该用户群进行检验后，当检测结果为小于0.05，那么可以认定该用户群满足预设的富集条件，如果检测结果大于或者等于0.05，那么可以认定该用户群不满足预设的富集条件。

其中，满足富集条件的用户群表明该用户群中的用户有很大的概率会参加所述待上线活动。如果不满足预设的富集条件，那么表明该用户群中的用户参加所述待上线活动的概率不大。

当确定满足预设的富集条件的用户群后，可以统计所有满足预设富集条件的用户群的总用户人数，根据所述总用户人数占平台上已注册的所有用户总人数的比例就可以预测所述待上线活动的效果。

其中，预测待上线活动的效果的好处在于：平台运营商可以根据所述待上线活动的预测效果，通过投资回报率分析判断所述待上线活动是否值得继续推广，从而可以避免造成资源的损失以及平台运营商的亏本。另外，当同时存在多个待上线活动时，由于资源和资金有限，只能推广一个活动时，可以根据各待上线活动的预测效果，选择最优的活动，即最终统计出来的满足预设富集条件的用户群的总用户人数最多的活动，从而可以实现利益最大化。

以下通过YY平台推广待上线网络游戏的例子来对本申请提出的技术方案进行描述。

假设YY运营商平台打算新推出一款网络游戏，在推出该网络游戏之前，平台运营商需要预估该款网络游戏是否能够带来经济利益或者确定是否会出现亏本的情况。

鉴于此，YY运营商平台可以对数据采集系统搜集到的所有用户数据进行离散化，生成对应于各用户的用户特征数据。由于各用户之间存在相关性，且为了反应出任意两用户之间最真实的相关性，采用偏相关系数来表明两用户之间的相关性。

具体地，可以通过各用户的用户特征数据，计算任意两用户之间的偏相关系数，根据计算得到的偏相关系数以及各用户生成偏相关矩阵。然后，可以根据层次聚类方法将所有用户划分成多个用户群，其中，同一用户群中的用户的属性特征是高度一致的。

为了预测待上线的网络游戏的效果，可以向将该网络游戏预上线几天，采集参与该网络游戏的用户数据，并统计各用户群中参与该网络游戏的用户数据，最后根据富集分析，确定满足富集条件的用户群。其中，满足富集条件的用户群中的用户有很大的概率会参与该款网络游戏。通过统计所有满足富集条件的用户群的总用户人数后，可以评估所述待上线的网络游戏是否值得继续推广。

综上所述，在本申请中，通过采集用户数据，并根据用户数据，获取任意两用户之间的相关性。根据所述相关性，可以将用户划分成若干用户群。其中，由于所述用户群基于所述相关性进行划分，因此，所述同一用户群中的用户的特征属性是高度一致的。当对各用户群进行富集分析时，可以确定满足预设的富集条件的用户群。其中，所述预设富集条件用于选择满足需求的用户。由于同一用户群中的用户的特征属性时高度一致的，因此，根据富集分析，可以很快的圈定满足预设的富集条件的用户群，可以避免从大量的用户中查找对应的用户群。因此，采用本申请的技术方法，可以快速定位并圈定满足需求的用户。

与前述一种基于用户数据进行分类分析的方法的实施例相对应，本申请还提供了一种基于用户数据进行分类分析的装置的实施例。

请参见图2，图2为本申请实施例示出的一种基于用户数据进行分类分析的装置，所述装置包括：搜集单元210，相关性获取单元220，划分单元230，分析单元240。

其中，所述搜集单元210，用于搜集用户数据；

所述相关性获取单元220，用于基于用户数据并通过偏相关系数获取两用户之间的相关性；

所述划分单元230，用于基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

所述分析单元240，用于对各用户群进行富集分析，确定满足预设的富集条件的用户群。

其中，所述相关性获取单元220，具体用于：

基于用户数据预处理得到各用户特征矩阵，所述用户特征矩阵中包括用户的基础属性特征值、行为特征值、消费特征值；

利用用户特征矩阵计算两用户间的偏相关系数，所述偏相关系数用于描述两用户之间的相关性。

在本申请的实施例中，所述装置还包括：

预参与用户数据获取单元，用于当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为所述待上线活动预上线时段内参与所述待上线活动的用户所对应的用户数据。

在本申请的实施例中，所述装置还包括：

预参与用户数据获取单元，用于当所述用户群用于预测待上线活动的效果时，在对各用户群进行富集分析之前，获取预参与所述待上线活动的用户数据，所述用户数据为与所述待上线活动匹配的其他活动的用户数据。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (4)

1.一种用户分类的方法，其特征在于，所述方法包括：

搜集用户数据；所述用户数据包含多种不同用户属性和用户行为特征的数据；

基于所述用户数据获取任意两用户之间的相关性；

基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

对各用户群进行富集分析，确定满足预设的富集条件的用户群，所述用户群用于预测待上线活动的效果；

在对各用户群进行富集分析之前，还包括：获取所述待上线活动的预参与用户的用户数据，所述预参与用户的用户数据包括所述待上线活动预上线时段内参与所述待上线活动的用户所对应的用户数据，或与所述待上线活动匹配的其他活动的用户数据；

所述对各用户群进行富集分析，包括：根据所述预参与用户的用户数据，统计各用户群中包含的预参与用户的人数，根据统计结果采用fisher-exact检验方法确定各用户群的富集结果；

所述fisher-exact检验方法为第一组合数和第二组合数的乘积与第三组合数的商，其中，第一组合数为从所有预参与用户中取出该用户群中包含的预参与用户的组合数；第二组合数为从所有非预参与用户中取出该用户群中包含的非预参与用户的组合数；第三组合数为从所有用户群的用户中取出该用户群的所有用户的组合数。

2.根据权利要求1所述的方法，其特征在于，所述获取任意两用户之间的相关性的过程包括：

基于用户数据预处理得到各用户特征矩阵，所述用户特征矩阵中包括用户的基础属性特征值、行为特征值、消费特征值；

利用用户特征矩阵计算两用户间的偏相关系数，所述偏相关系数用于描述两用户之间的相关性。

3.一种用户分类的装置，其特征在于，所述装置包括：

搜集单元，用于搜集用户数据；所述用户数据包含多种不同用户属性和用户行为特征的数据；

相关性获取单元，用于基于所述用户数据获取任意两用户之间的相关性；

划分单元，用于基于所述相关性并通过层次聚类方法将用户划分成若干用户群；

分析单元，用于对各用户群进行富集分析，确定满足预设的富集条件的用户群，所述用户群用于预测待上线活动的效果；

预参与用户数据获取单元，用于在对各用户群进行富集分析之前，获取所述待上线活动的预参与用户的用户数据，所述预参与用户的用户数据包括所述待上线活动预上线时段内参与所述待上线活动的用户所对应的用户数据，或与所述待上线活动匹配的其他活动的用户数据；

所述对各用户群进行富集分析，包括：根据所述预参与用户的用户数据，统计各用户群中包含的预参与用户的人数，根据统计结果采用fisher-exact检验方法确定各用户群的富集结果；

所述fisher-exact检验方法为第一组合数和第二组合数的乘积与第三组合数的商，其中，第一组合数为从所有预参与用户中取出该用户群中包含的预参与用户的组合数；第二组合数为从所有非预参与用户中取出该用户群中包含的非预参与用户的组合数；第三组合数为从所有用户群的用户中取出该用户群的所有用户的组合数。

4.根据权利要求3所述的装置，其特征在于，所述相关性获取单元，具体用于：

基于用户数据预处理得到各用户特征矩阵，所述用户特征矩阵中包括用户的基础属性特征值、行为特征值、消费特征值；

利用用户特征矩阵计算两用户间的偏相关系数，所述偏相关系数用于描述两用户之间的相关性。

Images