用户移动化程度的检测方法及应用方法
技术领域
本发明属于互联网电子商务领域,尤其涉及一种用户移动化程度的检测方法及应用方法,特别是基于用户移动化程度的营销推广方案设计方法及基于用户移动化程度的商品推荐方法。
背景技术
近年来,随着移动终端的普及、移动支付的发展,移动电商的发展逐渐壮大,大量用户正逐渐向移动设备迁徙。目前的互联网电子商务分析体系中,尚无业内广泛认可并采纳的检测用户移动化程度的方法。
指数计算方法方面,一般来说,用于综合评估的指数计算方法如下:
1.加权平均算法。如上证指数,权数为上市公司的总股本。电商行业指标包括流量、订单、销售额等,指标类别多样化,量纲相差较大,难以选取合适的指标作为权数。
2.因子分析法。因子分析是用少数几个因子去描述许多指标或因素之间的联系,即将相关比较密切的几个变量归在同一类中,每一类变量就成为一个因子,以较少的几个因子反映原资料的大部分信息。因子分析法广泛应用于公司综合实力、区域经济发展水平等的综合评估和排名。在目前应用的案例中,都是对所有样本进行评估排名,如果要考虑到方案的可扩展性,则必须要考虑到如何评估新样本。因子综合得分,是原始变量的加权线性函数,这个函数可以用作新样本的评估。但由于原始变量往往很多,移动化程度的检测效率难以保证,很难支持实时推荐等功能。
发明内容
(一)要解决的技术问题
本发明的目的在于提供一种用户移动化程度的检测方法,提高移动化程度的检测效率。
(二)技术方案
本发明提供一种用户移动化程度的检测方法,该方法包括:
S1,选取用户移动化程度的描述指标,分别得到训练集和测试集;
S2,根据所述训练集进行因子分析,获得M个因子,其中,每个因子包括一个或多个变量,其中,M为大于等于1的整数;
S3,从所述M个因子的每一个因子中选取对该因子贡献最大的一个变量,得到M个变量;
S4,将所述M个变量作为自变量,将因子综合得分作为因变量,进行多元线性回归分析,得到用户移动化指数函数;
S5,利用所述用户移动化指数函数,计算所述测试集的用户移动化指数;
S6,利用所述用户移动化指数,检测出所述测试集的用户移动化程度。
本发明还提供一种基于用户移动化程度的营销推广方案设计方法,营销系统结合用户画像基础模型及用户移动化程度对用户进行分类,针对不同类别的用户设计对应的营销推广方案。
本发明还提供一种基于用户移动化程度的商品推荐方法,当用户通过移动终端访问网站时,实时推荐系统根据用户移动化程度将所述用户至少分为移动终端重度依赖用户、移动终端中度依赖用户及移动终端轻度依赖用户,实时推荐系统对移动终端重度依赖用户及移动终端中度依赖用户进行商品推荐。
(三)有益效果
1.本发明的用户移动化程度的检测方法,从因子分析的M个因子中,分别选取对该因子贡献最大的一个变量,作为自变量,将样本综合得分作为因变量,利用多元回归分析做拟合,大幅精简了新增样本需要获取的变量个数,提高了移动化程度的检测效率。
2.本发明将用户移动化程度应用于营销系统,能够更准确地针对不同用户定制不同的营销推广方案,提高了营销系统的准确性。
3.本发明将用户移动化程度应用于实时推荐系统,通过对用户分类,能更准确地将个性化的商品推荐给相应的用户,提高了实时推荐系统的准确性。
附图说明
图1是本发明提供的用户移动化程度的检测方法的流程图。
图2是本发明提供的基于用户移动化程度的营销推广方案设计方法的示意图。
图3是本发明提供的基于用户移动化程度的商品推荐方法的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
本发明提供用户移动化程度的检测方法,首先用户移动化程度的描述指标中选取训练集和测试集,对训练集进行因子分析,获得M个因子,再通过M个因子得到M个变量,将所述M个变量作为自变量,将因子综合得分作为因变量,进行多元线性回归分析,得到用户移动化指数函数,利用用户移动化指数函数,计算所述测试集的用户移动化指数,最后利用用户移动化指数,检测出测试集的用户移动化程度,本发明大幅精简了新增样本需要获取的变量个数,保障了移动化程度的检测效率。
如图1所示,图1是本发明提供的用户移动化程度的检测方法流程图,结合具体实施例,方法包括:
S1,在数据仓库工具HIVE中,使用rand()函数,从样本总体中随机抽取X个样本作为训练集,从样本总体中随机抽取Y个样本作为测试集,其中,X和Y均为大于等于1的整数,X的优选值为200万,Y的优选值为100万,其中,所述用户移动化程度的描述指标至少包括移动页面浏览量、移动访问次数、移动下单次数、移动下单金额、移动页面浏览量占比、移动访问次数占比、移动订单占比和移动金额下单占比。
S2,根据所述训练集进行因子分析,获得M个因子,其中,M为大于等于1的整数,M个因子包括购买移动化程度因子、移动浏览价值因子、浏览移动化程度因子及移动购买价值因子,每个因子包括一个或多个变量。
S3,从所述M个因子的每一个因子中选取对该因子贡献最大的一个变量,得到M个变量,其中,所述M个变量至少包括移动订单占比、移动访问次数、移动访问次数占比及移动下单金额。本方法从因子分析的M个因子中,分别选取对该因子贡献最大的一个变量,大幅精简了新增样本需要获取的变量个数。
S4,将所述M个变量作为自变量,将因子综合得分作为因变量,采用最小二乘法进行多元线性回归分析,得到用户移动化指数函数,利用对数对用户移动化指数函数进行标准化,得到标准化的用户移动化指数函数。在本步骤中,由因子分析得到的结果服从幂律分布,不容易认知,这里对函数取对数,将函数标准化到(0,10]的区间,标准化后的指数分布较为均匀,区分度较高。因为只需M个变量作为自变量进行多元线性回归分析,保障了移动化程度的检测效率。
S5,利用标准化的用户移动化指数函数,计算所述测试集的用户移动化指数。
S6,按照用户移动化指数的分布,把指数划分为(0,4]、(4,7]、(7,10]三个区间,分别代表移动化程度的低、中、高,以检测出所述测试集的用户移动化程度。
如图2所示,图2是本发明提供的基于用户移动化程度的营销推广方案设计方法的示意图,营销系统具有用户画像基础模型,营销系统结合用户移动化程度与用户画像基础模型对用户进行分类,其中,将用户至少分为移动终端重度依赖用户、移动终端中度依赖用户及移动终端轻度依赖用户,然后针对不同类别的用户设计对应的营销推广方案,具体的营销推广方案设计步骤为现有技术,本文就不再作详细描述。本方明将用户移动化程度应用于营销系统,能够更准确地针对不同用户定制不同的营销推广方案,提高了营销系统的准确性。
如图3所示,图3是本发明提供的基于用户移动化程度的商品推荐方法的示意图,当用户通过移动终端访问网站时,实时推荐系统根据用户移动化程度将所述用户至少分为移动终端重度依赖用户、移动终端中度依赖用户及移动终端轻度依赖用户,实时推荐系统调用移动终端重度依赖用户和移动终端中度依赖用户的商品浏览信息与网站浏览信息,根据所述商品浏览信息与网站浏览信息进行商品偏好度排序,按照商品偏好度排序为用户展现个性化推荐商品,具体的商品推荐步骤为现有技术,本文就不再作详细描述。本发明将用户移动化程度应用于实时推荐系统,通过对用户分类,能更准确地将个性化的商品推荐给相应的用户,提高了实时推荐系统的准确性。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,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,均应包含在本发明的保护范围之内。