CN104820879A - 一种用户行为信息的分析方法和装置 - Google Patents

Abstract

本发明实施例公开了一种用户行为信息的分析方法和装置。该方法包括：根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。应用本发明实施例能够提高确定用户潜在消费行为的准确率。

Description

一种用户行为信息的分析方法和装置

技术领域

本申请涉及互联网技术领域，尤其涉及一种用户行为信息的分析方法和装置。

背景技术

随着互联网的发展，常常需要对用户的行为信息进行分析，以便预测用户未来的行为，进而基于预测结果确定互联网信息的分发策略或处理策略。

目前，通常通过建立模型的方式进行用户行为的分析，具体地，首先从历史数据中采集样本，基于采集的样本建立预测模型，然后根据预测模型中的预测系数，比如概率系数、支持度系数或关系权重系数等，来预测用户潜在的行为。

比如，在电子商务领域，当基于产品间的关联规则来建立预测模型，对用户的消费行为信息进行分析，以便预测用户未来的消费行为时，需要先从历史数据中采集一定数量的样本，统计这些样本中同一时段内被同时购买的商品类目、数量，根据统计结果计算各个商品类目之间的关系权重系数，然后基于得到的关系权重系数建立预测模型，所述预测模型根据用户最新消费的产品和该产品与其他产品间的关系权重系数来预测用户的潜在消费行为，比如，如果钢笔和钢笔水的关系权重系数较高，用户当前购买了钢笔，则可以预测用户未来可能购买钢笔水。

可见，当通过建立模型来分析用户行为时，由于所述模型是基于一定的规则建立的，比如基于产品间的关联规则建立模型，建立模型所基于的规则不一定能全面覆盖所有用户的消费行为，因此建立的模型存在一定的片面性和随机性，不能保证适用于所有的用户，确定用户潜在消费行为的准确率较低。

而且，从时间维度考虑，一旦模型建立完成以后，除非重新选择样本并重新建立模型，否则模型中的预测系数是固定不变的，因此不能够适应变化的消费习惯、消费趋势等最新的消费行为信息，导致确定用户潜在消费行为的准确率下降。

发明内容

有鉴于此，本发明提供了一种用户行为信息的分析方法和装置，能够提高确定用户潜在消费行为的准确率。

本发明的技术方案是这样实现的：

一种用户行为信息的分析方法，该方法包括：

根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

一种用户行为信息的分析装置，该装置包括提取模块、查询模块、确定模块；

所述提取模块，用于根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

所述查询模块，用于根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

所述确定模块，用于根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户潜在的消费对象。

由上述技术方案可见，本发明实施例中，根据用户的登录信息，提取预设属性的属性值，根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

由于本发明实施例基于数据库来确定用户的潜在消费对象，并且所述数据库基于组合属性关键词KEY来存储各个商品类目的历史购买次数，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目，因此，针对属性值不同的各个用户，即便其上次购买的商品所属的商品类目相同，由于由用户属性值和上次购买的商品所属的商品类目所组成的组合属性关键词KEY的值不同，因此在数据库中将对应不同的Value值，相当于针对不同属性的用户的行为信息分别进行分析，因此能够保证确定出的用户潜在消费对象能够符合该用户自身的特点。

可见，本发明实施例提供的基于包含用户属性的组合属性关键词KEY来建立数据库、并基于该数据库确定用户潜在消费对象的方法，能够全面覆盖所有用户的消费行为，因此不存在片面性和随机性，适用于所有的用户，确定用户潜在消费行为的准确率较高。

附图说明

图1是本发明实施例提供的用户行为信息的分析方法流程图。

图2是本发明实施例提供的用于图1所示用户行为分析方法的数据更新流程图。

图3是本发明实施例提供的基于示例性的数据库确定用户潜在行为信息的流程图。

图4是本发明实施例提供的基于用户实时的订单信息更新示例性的数据库的流程图。

图5是本发明实施例提供的用户行为信息的分析装置结构示意图。

具体实施方式

图1是本发明实施例提供的用户行为信息的分析方法流程图。

如图1所示，该流程包括：

步骤101，根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目。

步骤102，根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数。

步骤103，根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

可见，图1所示的方法基于包含用户属性的组合属性关键词KEY来建立数据库，所述数据库基于组合属性关键词KEY来存储各个商品类目的历史购买次数，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目，因此，针对属性值不同的各个用户，即便其上次购买的商品所属的商品类目相同，由于由用户属性值和上次购买的商品所属的商品类目所组成的组合属性关键词KEY的值不同，因此在数据库中将对应不同的Value值，相当于针对不同属性的用户的行为信息分别进行分析，因此，当基于该数据库确定用户潜在消费对象时，能够保证确定出的用户潜在消费对象能够符合该用户自身的特点，因此图1提供的用户行为分析方法能够全面覆盖所有用户的消费行为，不存在片面性和随机性，适用于所有的用户，确定用户潜在消费行为的准确率较高。

图2是本发明实施例提供的用于图1所示用户行为分析方法的数据更新流程图。

如图2所示，该流程包括：

步骤201，根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目。

步骤202，根据提取的各个预设属性的属性值确定所述用户对应的组合属性关键词KEY。

步骤203，当用户产生订单时，接收所述用户的订单信息。

步骤204，根据所述订单信息中订购的商品所属的商品类目，更新数据库中所述用户对应的组合属性KEY对应的取值Value中该商品类目的购买次数。

步骤205，将产生所述订单的用户上次购买的商品所属的商品类目更新为该订单中订购的商品所属的商品类目。

可见，本发明实施例通过图2所示方法更新用户行为分析所基于的数据时，能够利用最新的订单信息，实时地根据用户产生的订单实现数据更新，因此能够适应变化的消费习惯、消费趋势等最新的消费行为信息，提高确定用户潜在消费行为的准确率。

进一步地，在一个实施例中，图1和图2所示方法中所述的预设属性的类别也可以根据实际需要进行更新，从而变换对用户行为进行分析的维度，比如，所述预设属性中的用户属性可以包括用户的性别、年龄、和所在的地理位置信息，也可以仅包括用户的性别和年龄，或者仅包括用户的性别和所在的地理位置信息，或者所述预设属性中还可以进一步包括用户的登录时间所归属的预设时间段信息(简称外界因子)，通过包括用户的登录时间所归属的预设时间段信息这一外界因子，可以对具有特定特征的时间段内用户的行为信息进行分析，从而符合该特征时间段内用户的行为特点，比如，所述外界因子的取值可以包括情人节、圣诞节、儿童节、促销日、普通日等。

当所述预设属性的类别被更新以后，关于如何更新数据库，本发明实施例提出，优选地，根据所述更新动作之后产生的用户订单信息、以及产生所述订单的用户的登录信息，存储由更新后的各个预设属性的属性值组成的更新后的组合属性关键词KEY、以及所述更新后的组合属性关键词KEY对应的取值Value。简言之，本发明实施例根据更新后的组合属性关键词KEY，基于新产生的订单信息，重新生成用户行为分析所基于的数据库，因此不需要对原来的数据库内容进行拆解或合并，只需要基于原来的数据库更新方法，继续生成新的数据库即可，实现起来简单、节省计算资源，并且，由于订单产生速度一般都很快，所以新的数据库建立起来也很快，数据库更新效率也较高。

为了进一步提高查询效率，便于从不同的维度对用户的行为进行分析，本发明实施例还提出，所述数据库中可以包括两种以上的组合属性KEY，不同种类的组合属性KEY包含不同类别的用户属性，比如，第一种组合属性KEY由用户的性别、年龄、所在的地理位置信息以及用户上次购买的商品所属的商品类目组成，第二种组合属性KEY由用户的性别、年龄以及用户上次购买的商品所属的商品类目组成。这样，既可以基于第一种组合属性KEY进行用户行为分析，也可以基于第二种组合属性KEY进行用户行为分析。

下面结合具体的例子，对本发明实施例提供的用户行为分析方法和数据库更新方法进行示例性介绍，所举例子并不用于限制本发明。

在该例子中，用户行为分析所基于的数据库的存储模型参见表一。

表一

如表一所示，组合属性关键词KEY由外界因子、用户所在城市、用户性别、用户年龄和用户上次购买的商品所属的商品类目组成，其中，所述外界因子可以包括情人节、圣诞节、春节、双11、店庆日、促销日、普通日等时段。该组合属性关键词KEY对应的VALUE包括符合所述组合属性关键词KEY的用户对各个商品类目的历史购买次数。

其中，上次购买的商品所属的商品类目X与商品类目an的关系是：用户买完类目X后又购买了类目an的商品，并且商品类目an被购买的次数被实时的累加。

基于表一所示的数据库，当用户登录以后，可以根据外界因子、用户所在城市、用户性别、用户年龄和用户上一次购买的商品所属的商品类目来详细定位该用户的潜在消费行为。进而基于确定的潜在消费行为为用户推荐匹配度较高的电子商务信息，例如，从数据库与所述用户的组合属性关键词KEY对应的VALUE中选择出前N个商品类目的相关信息主动推荐给用户。

图3是本发明实施例提供的基于示例性的数据库确定用户潜在行为信息的流程图。

如图3所示，该流程包括：

步骤301，根据用户登录时的系统当前时间确定匹配的外界因子取值。

本步骤中，判断当前时间是否是双11、情人节、普通日等外界因子取值，比如，如果当前时间是2月14日，则可以确定外界因子取值为情人节。

步骤302，根据用户登录信息获得预设属性中的用户属性信息和用户上次购买的商品类目。

基于表一的例子，本步骤中，获取用户所在城市、用户性别、用户年龄、和用户上次购买的商品类目。

步骤303，根据步骤301和302获得的信息生成查询数据库所需的组合属性关键词KEY。

步骤304，根据步骤303得到的组合属性关键词KEY，查询数据库中该组合属性关键词KEY对应的VALUE中排在前N位的商品类目，将该前N位的商品类目确定为用户的潜在消费对象。

步骤305，基于步骤304确定的用户的潜在消费对象，向所述用户推荐与所述潜在消费对象相关的信息。

下面结合表二对图3所示流程进行进一步的示例性介绍。

表二

假设有一个用户的登录信息为：北京的33岁男性并且上次购买的商品类目为食品，外界因子为普通，则根据该用户的登录信息得到的组合属性关键词KEY查询数据库可以匹配表二中的第三条数据，因此将第三条数据的VALUE值中的前N项、比如前3项确定为该用户的潜在消费对象，即将表二第三条数据中的酒水饮料、汽车用户和化妆品确定为该用户的潜在消费对象，因此，可以向该用户推荐酒水饮料、汽车用户和化妆品的相关信息。

图4是本发明实施例提供的基于用户实时的订单信息更新示例性的数据库的流程图。

如图4所示，该流程包括：

步骤401，当用户成功下单时，接收用户的订单信息。

步骤402，根据该用户登录时的系统当前时间确定匹配的外界因子取值。

本步骤中，判断当前时间是否是双11、情人节、普通日等外界因子取值，比如，如果当前时间是2月14日，则可以确定外界因子取值为情人节。

步骤403，根据用户登录信息获得预设属性中的用户属性信息和用户上次购买的商品类目。

基于表一的例子，本步骤中，获取用户所在城市、用户性别、用户年龄、和用户上次购买的商品类目。

步骤404，根据步骤402和403获得的信息生成查询数据库所需的组合属性关键词KEY。

步骤405，根据步骤404得到的组合属性关键词KEY。

步骤406，根据该用户的订单中的所有商品类目，对步骤404得到的组合属性关键词KEY在数据库中对应的VALUE中相应类目的购买次数做计数累加。

步骤407，更新该用户的上一次购买商品的类目信息。

本步骤中，如果该用户一次提交了多个订单，或者订单上涵盖了多个商品类目信息，则可以将订单号最大的商品类目更新为该用户上一次购买的商品类目，或者从订单涵盖的多个商品类目中随机或者按照预定原则选择一个商品类目更新为该用户上一次购买的商品类目。

继续以表二为例，假设有一个用户的登录信息为：北京的25岁女性并且上次购买的商品类目为服装，外界因子为春节，则根据该用户的登录信息得到的组合属性关键词KEY查询数据库可以匹配表二中的第一条数据，假设该用户在本次购物中，购买了两包婴儿尿不湿，则将第一条数据的VALUE值中类目为母婴的购买次数累计增加2，由原来的2004次购买变更为2006次购买，并将该用户的上一次购买的商品类目更新为母婴。

关于本发明实施例所涉及的数据库，具体可以采用诸如HBase等NoSQL的数据库技术来实现，其中，基于HBase实现的数据库具有高可用性、和实时高效读写的特点，可存储PB级别的数据量，能够实现历史数据的长期保存和快速的数据读写。

可见，采用本发明实施例可以对用户的消费行为进行更及时、更准确的预测。并且，可以结合NoSQL技术对数据库的内容进行实时更新。另外，也可根据实际需要为组合属性关键词KEY动态添加、修改或删除外界因子，组合属性关键词KEY的粒度也可实时动态变更或扩展。因此，本发明实施例具有采样数据量大、采样数据能够实时更新、分析粒度灵活可变的优势。

根据本发明实施例提供的上述方法，本发明实施例还提供了一种用户行为信息的分析装置，具体请参见图5。

图5是本发明实施例提供的用户行为信息的分析装置结构示意图。

如图5所示，该装置包括提取模块501、查询模块502和确定模块503。

提取模块501，用于根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目。

查询模块502，用于根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数。

确定模块503，用于根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户潜在的消费对象。

该装置还可以包括更新模块。

所述更新模块，用于当所述用户产生订单时，接收所述用户的订单信息，根据所述订单信息中订购的商品所属的商品类目，更新所述数据库中所述组合属性KEY对应的取值Value中该商品类目的购买次数，并将产生所述订单的用户上次购买的商品所属的商品类目更新为该订单中订购的商品所属的商品类目。

所述更新模块，还可以用于更新所述预设属性的类别，根据所述更新动作之后接收的用户订单信息、以及所述用户的登录信息，存储更新后的各个预设属性的属性值组成的更新后的组合属性关键词KEY、以及所述更新后的组合属性关键词KEY对应的取值Value。

所述数据库中可以包括两种以上的组合属性KEY，不同种类的组合属性KEY包含不同类别的用户属性。

所述用户的属性包括：用户的性别、年龄、和/或所在的地理位置信息；和/或，所述预设属性还包括用户的登录时间所归属的预设时间段信息。

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

Claims (10)

1.一种用户行为信息的分析方法，其特征在于，该方法包括：

根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

当所述用户产生订单时，接收所述用户的订单信息，根据所述订单信息中订购的商品所属的商品类目，更新所述数据库中所述组合属性KEY对应的取值Value中该商品类目的购买次数，并将产生所述订单的用户上次购买的商品所属的商品类目更新为该订单中订购的商品所属的商品类目。

3.根据权利要求1所述的方法，其特征在于，该方法还包括：

更新所述预设属性的类别，根据所述更新动作之后产生的用户订单信息、以及产生所述订单的用户的登录信息，存储由更新后的各个预设属性的属性值组成的更新后的组合属性关键词KEY、以及所述更新后的组合属性关键词KEY对应的取值Value。

4.根据权利要求1所述的方法，其特征在于，

所述数据库中包括两种以上的组合属性KEY，不同种类的组合属性KEY包含不同类别的用户属性。

5.根据权利要求1所述的方法，其特征在于，

所述用户的属性包括：用户的性别、年龄、和/或所在的地理位置信息；

和/或，所述预设属性还包括用户的登录时间所归属的预设时间段信息。

6.一种用户行为信息的分析装置，其特征在于，该装置包括提取模块、查询模块、确定模块；

所述提取模块，用于根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

所述查询模块，用于根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

所述确定模块，用于根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户潜在的消费对象。

7.根据权利要求6所述的装置，其特征在于，该装置还包括更新模块；

所述更新模块，用于当所述用户产生订单时，接收所述用户的订单信息，根据所述订单信息中订购的商品所属的商品类目，更新所述数据库中所述组合属性KEY对应的取值Value中该商品类目的购买次数，并将产生所述订单的用户上次购买的商品所属的商品类目更新为该订单中订购的商品所属的商品类目。

8.根据权利要求6所述的装置，其特征在于，

所述更新模块，还用于更新所述预设属性的类别，根据所述更新动作之后接收的用户订单信息、以及所述用户的登录信息，存储更新后的各个预设属性的属性值组成的更新后的组合属性关键词KEY、以及所述更新后的组合属性关键词KEY对应的取值Value。

9.根据权利要求6所述的装置，其特征在于，

所述数据库中包括两种以上的组合属性KEY，不同种类的组合属性KEY包含不同类别的用户属性。

10.根据权利要求6所述的装置，其特征在于，

所述用户的属性包括：用户的性别、年龄、和/或所在的地理位置信息；

和/或，所述预设属性还包括用户的登录时间所归属的预设时间段信息。