CN102456201B - 一种客户操作数据的分析方法和装置 - Google Patents

Abstract

本申请公开了一种客户操作数据的分析方法和装置，该方法包括：获取使用效果数据和客户操作数据，并根据获取到的使用效果数据和客户操作数据，建立所述客户操作数据与所述使用效果数据之间的映射关系；根据所述客户操作数据与所述使用效果数据之间的映射关系，以及客户行为数据与所述客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量；根据所述使用效果数据的变化量，确定需要改进的客户操作行为。通过使用本申请，提高了分析客户操作数据的效率和准确率。

Description

一种客户操作数据的分析方法和装置

技术领域

本申请涉及通信技术领域，特别是涉及一种客户操作数据的分析方法和装置。

背景技术

随着计算机技术的发展，企业运作越来越多地依赖互联网技术。客户在使用互联网技术的过程中非常关注使用效果，客户是否愿意为相关的产品和服务付费，与使用该产品和服务产生的使用效果有关，因此，通过提高使用效果，可以提升客户使用互联网技术的积极性。

在客户使用互联网的过程中，产生的使用效果与客户的操作水平是密切相关的。由于互联网的发展时间较短，网站操作人员的技术和知识背景良莠不齐，导致客户在使用互联网时的操作水平千差万别，使得客户操作水平成为影响客户体验效果的重要因素。为了提升客户使用互联网技术的积极性，可以根据使用效果对客户操作行为进行诊断，以确定需要改进的客户操作行为，从而提高使用效果。

现有技术中，可以使用数据挖掘中的特征选择方法确定需要改进的客户操作行为。其中，数据挖掘是从存放在数据库、数据仓库或其他信息库中存储的大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的过程。特征选择的基本任务是如何从多个特征中确定最有效的特征，即如何将高维特征空间压缩到低维特征空间，从而为数据挖掘消除数据噪声。传统的特征选择方法是基于线性模型的逐步回归的方法，该方法能够找到影响客户使用效果的客户操作行为。

在实现本申请的过程中，发明人发现现有技术至少存在如下问题：

由于现有技术使用基于线性模型的逐步回归的方法确定影响客户使用效果的客户操作行为，对于不同的客户而言，同一类型的客户操作行为对客户使用效果的影响程度可能是一样的，而在实际操作中，不同客户的操作习惯会带来不同的使用效果，而通过上述方法确定的影响客户使用效果的客户操作行为有可能是一样的，无法分析得到客户的实际操作情况，无法满足实际应用的需要；此外，现有技术根据所有的客户数据进行计算，数据量和运算量较大，会占用大量的系统资源，且耗费时间较长。

发明内容

本申请的目的在于提供一种客户操作数据的分析方法和装置，通过改进分析方式提高了客户操作数据的分析效率和准确率，为此，本申请采用如下技术方案：

本申请实施例提供了一种客户操作数据的分析方法，包括：

获取使用效果数据和客户操作数据，并根据获取到的使用效果数据和客户操作数据，建立所述客户操作数据与所述使用效果数据之间的映射关系；

根据所述客户操作数据与所述使用效果数据之间的映射关系，以及客户行为数据与所述客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量；

根据所述使用效果数据的变化量，确定需要改进的客户操作行为。

其中，所述根据使用效果数据和客户操作数据建立所述映射关系之前，还包括：

根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据；

所述根据使用效果数据和客户操作数据建立所述映射关系，具体为：

根据确定出的影响客户续签的使用效果数据和客户操作数据建立映射关系。

其中，所述根据使用效果数据和客户操作数据建立所述映射关系，包括：

根据所述使用效果数据和客户操作数据建立线性模型或非线性模型，通过建立的模型确定所述客户操作数据与所述使用效果数据之间的映射关系。

其中，所述根据所述使用效果数据的变化量，确定需要改进的客户操作行为，包括：

当所述使用效果数据的变化量大于预设门限和/或在预设的排序范围内时，将所述变化量对应的客户操作行为作为需要改进的客户操作行为。

其中，所述根据使用效果数据的变化量，确定需要改进的客户操作行为之后，还包括：

根据确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

其中，所述客户行为数据为大于预设门限和/或在预设的排序范围内的使用效果数据对应的客户操作数据，或者大于预设门限和/或在预设的排序范围内的多个使用效果数据对应的客户操作数据的平均值。

本申请实施例还提供了一种客户操作数据的分析装置，包括：

建立模块，用于获取使用效果数据和客户操作数据，并根据获取到的使用效果数据和客户操作数据，建立所述客户操作数据与所述使用效果数据之间的映射关系；

获取模块，用于根据所述客户操作数据与所述使用效果数据之间的映射关系，以及客户行为数据与所述客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量；

行为确定模块，用于根据所述获取模块获取的使用效果数据的变化量，确定需要改进的客户操作行为。

其中，所述的装置，还包括：

效果确定模块，用于根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据；

所述建立模块，具体用于根据所述效果确定模块确定的使用效果数据和客户操作数据，建立所述客户操作数据与所述使用效果数据之间的映射关系。

其中，所述建立模块，具体用于根据所述使用效果数据和客户操作数据建立线性模型或非线性模型，通过建立的模型确定所述客户操作数据与所述使用效果数据之间的映射关系。

其中，所述行为确定模块，具体用于在所述使用效果数据的变化量大于预设门限和/或在预设的排序范围内时，将所述变化量对应的客户操作行为作为需要改进的客户操作行为。

其中，所述的装置，还包括：

查询模块，用于根据所述行为确定模块确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

本申请的实施例包括以下优点，因为根据将客户操作数据修改为客户行为数据后使用效果数据的变化量确定需要改进的客户操作行为，可以针对不同客户的特点分析得到客户操作行为出现的问题，由于分析过程中使用的数据是作为基准的客户行为数据，而不是所有的客户操作数据，因而减少了分析过程中的数据量和运算量，节省了系统资源，缩短了运算时间，提高了分析效率和准确率。当然，实施本申请的实施例的任一商品并不一定需要同时达到以上所述的所有优点。

附图说明

图1为本申请实施例中的客户操作数据的分析方法流程图；

图2为本申请实施例中的客户操作数据的分析装置结构示意图。

具体实施方式

本申请实施例提供的技术方案中，可以根据使用效果数据和客户操作数据，建立使用效果数据和客户操作数据之间的映射关系；根据该映射关系以及客户行为数据与客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后使用效果数据的变化量，并根据该变化量确定需要改进的客户操作行为，自动分析出客户操作中存在的问题，并给出相应的改进建议。

其中，客户使用互联网站点发布信息，客户发布信息的互联网站点即为客户站点。客户操作是指客户对客户站点中的信息的处理操作，如发布、修改和删除等行为。客户站点中的信息包括客户信息和商品信息等，其中，客户信息包含用于描述客户的文字信息，如客户的简要介绍和联系方式等；商品信息包含用于描述商品规格的文字信息和图片信息，该文字信息可以包括标题部分和正文部分。客户操作数据是对客户操作的量化，包括预设时间内容户操作的次数以及系统对客户信息和商品信息的评分，其中，客户信息和商品信息的评分分别用于反映客户信息和商品信息的完善程度。系统可以参照预设标准评价客户信息和商品信息，分别得到对客户信息和商品信息的评分。其中，与客户信息对应的预设标准可以包括客户信息的字数、客户信息是否包含客户的联系方式等内容，客户信息的字数越多，联系方式越完整，系统对客户信息的评分越高。与商品信息对应的预设标准可以包括标题的长度、文字信息的字数、图片的数量和大小等内容，文字信息的字数越多，图片数量越多，系统对商品信息的评分越高。

使用效果数据是对客户使用的互联网站点的使用效果的量化，包括由于客户在互联网站点发布信息而对该互联网站点产生影响的各项指标，可以是对客户站点的曝光、点击、反馈和交易等情况产生影响的指标，可以包括客户站点上发布的商品信息和客户信息(包括客户的联系方式等)被查看的次数、客户站点的点击率，客户站点接收到的反馈信息的次数，以及在客户站点上完成的交易次数等信息。客户行为数据为用作比较基准的客户操作数据，可以是满足预设条件的使用效果数据对应的客户操作数据，可以是大于预设门限和/或在预设的排序范围内的使用效果数据对应的客户操作数据，也可以是大于预设门限和/或在预设的排序范围内的多个使用效果数据对应的客户操作数据的平均值。

下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，为本申请实施例中的客户操作数据的分析方法流程图，包括以下步骤：

步骤101，根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据。

其中，客户续签数据用于表示客户是否继续使用互联网技术，即，是否继续使用互联网站点发布信息。由于客户站点对应的使用效果数据与客户续签数据存在对应关系，可以根据该对应关系，使用特征选择算法确定影响客户续签与否的使用效果数据。

具体地，在确定影响客户续签的使用效果数据的过程中，使用的特征选择算法可以是logistic逐步回归算法，该算法中的因变量为客户是否续签，即“是”或“否”，为二分类变量；自变量为使用效果数据，可以包括客户的联系方式被查看的次数、客户站点的点击率，客户站点接收到的反馈信息的次数，以及在客户站点上完成的交易次数等信息。通过logistic逐步回归算法，可以确定出一种或多种影响客户续签的使用效果数据。针对每一种确定的使用效果数据，可以执行步骤102至步骤105。

步骤102，获取使用效果数据和客户操作数据，并根据获取到的使用效果数据和客户操作数据，建立客户操作数据与使用效果数据之间的映射关系。

具体地，可以根据客户以往的客户操作数据与对应的使用效果数据，确定影响使用效果的客户操作，以及该客户操作对使用效果的影响程度。由于影响使用效果的客户操作行为的类型可以为一种或多种，因此可以针对每种客户操作，建立使用效果数据与客户操作数据的线性模型，根据线性回归得到客户操作对使用效果的影响程度。假设使用效果数据为y，客户操作数据分别为x₁，x₂......x_n，针对各种类型的客户操作数据建立的线性模型可以为：

y≈a₁x₁+b₁

y≈a₂x₂+b₂

……

y≈a_nx_n+b_n.......................[1]

在建立线性模型的过程中，可以仅考虑在统计意义上对应a_i＞0的客户操作数据x_i，即能够影响到使用效果数据y的行为。上述公式中的线性模型系数a₁，a₂……x_n为各项客户操作行为对使用效果的影响程度。

不同的客户通过各自的客户站点发布商品信息，由于商品类型的不同，对应的客户也具有不同的特征。其中，客户的特征用于表示客户通过客户站点发布商品信息时的行为属性，可以包括在客户站点上发布的商品的类型，客户发布、修改和删除商品信息的频率等信息。对于具有不同特征的客户而言，客户操作行为对使用效果的影响也是不同的，例如，当客户站点上发布的商品为高科技产品，且该产品的更新换代速度较快时，客户发布商品信息越频繁，客户站点的点击率越高，即，客户发布商品信息的频率是影响使用效果的最重要的因素；当客户站点上发布的商品为制作精密的产品时，商品信息包含的图片数量越多，客户站点的点击率越高，即，商品信息中的图片数量是影响使用效果的最重要的因素。

基于上述原因，可以通过针对客户特征的非线性回归确定客户操作数据与使用效果数据之间的映射关系，以区分不同特征的客户对应的客户操作行为对使用效果的影响，更精确地把握客户操作行为中出现的问题。假设使用效果数据为y，客户操作数据分别为x₁，x₂......x_n，针对各种类型的客户操作数据建立的非线性模型可以为：

$y\≈a_1{x}_1^2+b_1{x}_1+c_1$

$y\≈a_2{x}_2^2+b_2{x}_2+c_2$

……

$y\≈a_n{x}_n^2+b_n{x}_n+c_n........................\left[2\right]$

在建立非线性模型的过程中，可以仅考虑在统计意义上对应a_i＞0的客户操作数据x_i，即能够影响到使用效果数据y的行为。上述公式中的非线性模型系数a₁，a₂......a_n以及b₁，b₂......b_n为各项客户操作行为对使用效果的影响程度。

步骤103，根据客户操作数据与使用效果数据之间的映射关系，以及客户行为数据与客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后使用效果数据的变化量。

具体地，可以将所有客户对应的使用效果数据进行排序，选择大于预设门限或者满足预设排序条件(例如，在前10％的范围内)的使用效果数据对应的客户操作数据作为客户行为数据，或者对满足上述条件的多个使用效果数据对应的客户操作数据取平均，将得到的平均值作为客户行为数据。上述客户行为数据可以记为 ，根据客户行为数据与指定客户的客户操作数据之间的差值，可以确定客户操作对使用效果的影响。

例如，某一指定客户的客户操作数据与客户行为数据之间的差值分别为：

$\mathrm{\Δ}{x}_1=\max (0,{\stackrel{\‾}{x}}_1-x_1)$

$\mathrm{\Δ}{x}_2=\max (0,{\stackrel{\‾}{x}}_2-x_2)$

……

$\mathrm{\Δ}{x}_n=\max (0,{\stackrel{\‾}{x}}_n-x_n)........................\left[3\right]$

相应地，对于公式[1]所示的线性模型，将上述客户操作数据修改为客户行为数据后，使用效果数据的变化量分别为：

Δy₁＝a₁Δx₁

Δy₂＝a₂Δx₂

……

Δy_n＝a_nΔx_n........................[4]

步骤104，根据使用效果数据的变化量，确定需要改进的客户操作行为。

具体地，可以针对各种客户操作数据，对使用效果数据的变化量进行排序，选择大于预设门限或者满足预设排序条件(例如，在前10％)的客户操作数据，并将对应的客户操作行为作为需要改进的客户操作行为。

步骤105，根据确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

其中，指导方案信息库包含需要改进的客户操作行为以及对应的指导方案，可以根据经验总结得到。在查询到匹配的指导方案后，可以将该指导方案显示给客服人员或者直接发送给客户，该指导方案可以包括增加发布客户信息或商品信息的次数，在发布的商品信息中添加对商品规格的描述或商品图片，或者修改商品信息中的标题名称等。

在将指导方案发送给客户时，还需要根据与客户交互的历史信息确定向客户发送指导方案的方式，通过该方式将指导方案发送给用户，发送指导方案的方式可以包括电子邮件、即时通信等方式。

需要说明的是，本申请实施例中的步骤101可以为优选步骤，在本申请的其他实施方式中，也可以根据除客户续签数据之外的其他信息确定使用效果数据，或者根据用户的需求确定使用效果数据，同样可以在一定程度上达到分析客户操作数据的目的。此外，本申请实施例中的步骤105也可以为优选步骤，在本申请的其他实施方式中，也可以通过其他方式获取与需要改进的客户操作行为匹配的指导方案，例如，根据需要改进的客户操作行为和预设的算法，计算得到相应的指导方案，同样可以在一定程度上达到分析客户操作数据的目的。

本申请的实施例包括以下优点，因为根据将客户操作数据修改为客户行为数据后使用效果数据的变化量确定需要改进的客户操作行为，可以针对不同客户的特点分析得到客户操作行为出现的问题，由于分析过程中使用的数据是作为基准的客户行为数据，而不是所有的客户操作数据，因而减少了分析过程中的数据量和运算量，节省了系统资源，缩短了运算时间，提高了分析效率和准确率。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。

根据上述实施方式中提供的客户操作数据的分析方法，本申请实施例还提供了应用上述客户操作数据的分析方法的装置。

如图2所示，为本申请实施例中的客户操作数据的分析装置结构示意图，包括：

建立模块210，用于获取使用效果数据和客户操作数据，并根据获取到的使用效果数据和客户操作数据，建立客户操作数据与使用效果数据之间的映射关系。

具体地，上述建立210可以根据使用效果数据和客户操作数据建立线性模型或非线性模型，通过建立的模型确定所述客户操作数据与使用效果数据之间的映射关系。

获取模块220，用于根据客户操作数据与使用效果数据之间的映射关系，以及客户行为数据与客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量。

行为确定模块230，用于根据获取模块220获取的使用效果数据的变化量，确定需要改进的客户操作行为。

具体地，上述行为确定模块230可以在使用效果数据的变化量大于预设门限和/或在预设的排序范围内时，将该变化量对应的客户操作行为作为需要改进的客户操作行为。

进一步地，上述装置还包括：

效果确定模块240，用于根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据。

相应地，上述建立模块210，具体用于根据效果确定模块240确定的使用效果数据和客户操作数据，建立客户操作数据与使用效果数据之间的映射关系。

查询模块250，用于根据行为确定模块230确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

本申请的实施例包括以下优点，因为根据将客户操作数据修改为客户行为数据后使用效果数据的变化量确定需要改进的客户操作行为，可以针对不同客户的特点分析得到客户操作行为出现的问题，由于分析过程中使用的数据是作为基准的客户行为数据，而不是所有的客户操作数据，因而减少了分析过程中的数据量和运算量，节省了系统资源，缩短了运算时间，提高了分析效率和准确率。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台终端设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本申请的保护范围。

Claims (4)

1.一种客户操作数据的分析方法，其特征在于，包括：

根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据，根据确定出的影响客户续签的使用效果数据和客户操作数据建立映射关系；

根据所述客户操作数据与所述使用效果数据之间的映射关系，以及客户行为数据与所述客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量；

根据所述使用效果数据的变化量，确定需要改进的客户操作行为；其中，所述根据所述使用效果数据的变化量，确定需要改进的客户操作行为，包括：当所述使用效果数据的变化量大于预设门限和/或在预设的排序范围内时，将所述变化量对应的客户操作行为作为需要改进的客户操作行为；

其中，所述客户行为数据为大于预设门限和/或在预设的排序范围内的使用效果数据对应的客户操作数据，或者大于预设门限和/或在预设的排序范围内的多个使用效果数据对应的客户操作数据的平均值；所述根据使用效果数据的变化量，确定需要改进的客户操作行为之后，还包括：

根据确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

2.如权利要求1所述的方法，其特征在于，所述根据使用效果数据和客户操作数据建立所述映射关系，包括：

根据所述使用效果数据和客户操作数据建立线性模型或非线性模型，通过建立的模型确定所述客户操作数据与所述使用效果数据之间的映射关系。

3.一种客户操作数据的分析装置，其特征在于，包括：

建立模块，根据客户续签数据和使用效果数据，使用数据挖掘模型确定影响客户续签的使用效果数据，根据所述使用效果数据和客户操作数据，建立所述客户操作数据与所述使用效果数据之间的映射关系；

获取模块，用于根据所述客户操作数据与所述使用效果数据之间的映射关系，以及客户行为数据与所述客户操作数据之间的差值，获取将客户操作数据修改为客户行为数据后所述使用效果数据的变化量；

行为确定模块，用于根据所述获取模块获取的使用效果数据的变化量，确定需要改进的客户操作行为；其中，所述行为确定模块，具体用于在所述使用效果数据的变化量大于预设门限和/或在预设的排序范围内时，将所述变化量对应的客户操作行为作为需要改进的客户操作行为；

其中，所述客户行为数据为大于预设门限和/或在预设的排序范围内的使用效果数据对应的客户操作数据，或者大于预设门限和/或在预设的排序范围内的多个使用效果数据对应的客户操作数据的平均值；还包括：

查询模块，用于根据所述行为确定模块确定的客户操作行为查询指导方案信息库，获取与该客户操作行为匹配的指导方案。

4.如权利要求3所述的装置，其特征在于，

所述建立模块，具体用于根据所述使用效果数据和客户操作数据建立线性模型或非线性模型，通过建立的模型确定所述客户操作数据与所述使用效果数据之间的映射关系。