CN105976204A - 从时间维度处理消费数据的方法和装置 - Google Patents
从时间维度处理消费数据的方法和装置 Download PDFInfo
- Publication number
- CN105976204A CN105976204A CN201610286321.1A CN201610286321A CN105976204A CN 105976204 A CN105976204 A CN 105976204A CN 201610286321 A CN201610286321 A CN 201610286321A CN 105976204 A CN105976204 A CN 105976204A
- Authority
- CN
- China
- Prior art keywords
- consumption
- user
- cycle
- group
- time data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种从时间维度处理消费数据的方法和装置。其中,该方法包括:获取预设群体中每个用户的消费时间数据;根据每个用户的消费时间数据计算预设群体中用户的平均消费周期;根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差;由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限。本发明解决了现有技术中无法对消费者用户进行区分的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种从时间维度处理消费数据的方法和装置。
背景技术
在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。
对于商家,为了实现更好的营销效果,通过需要对消费者用户进行划分,以便于确定出不同类别用户的消费习惯和行为。发明人发现,在RFM模型的应用过程中,仅是经过简单地平均或聚类将客户划分为多个不同的群体。这对于金额、频率维度没有问题,但对于时间维度则略有不妥。
从时间维度考虑,若按仅仅将用户群平均分或聚合成K个类都不合适的。例如:30天未再次消费的一组和30~60天未再次消费一组究竟有多大差别?为什么要选择“30天”为界限?这都是没法回答的。一个极端的例子是一个客户十年未进行消费,试图挽回他是没有意义的一件事,此时从时间维度划分的K值等于多少合适?这很难计算,且这个客户和一年未来消费的客户群差别真的是10:1?对商家而言他们都是流失掉的客户,且差别很小。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种从时间维度处理消费数据的方法和装置,以至少解决现有技术方案无法合理的从时间维度对消费者进行区分的技术问题。
根据本发明实施例的一个方面,提供了一种从时间维度处理消费数据的方法,包括:获取预设群体中每个用户的消费时间数据;根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期;根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差;由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限。
进一步地,用户类别包括:热情组、流失组和沉睡组,所述时间界限包括保护边界和流失边界,其中,所述保护边界用于区分所述热情组和所述流失组,所述流失边界用于区分所述流失组和沉睡组。
进一步地,由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限包括:根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为所述平均消费周期,sig为所述消费周期标准差,n为预设权值;
当n为第一预设值时,所述时间界限T为所述保护边界;
当n为第二预设值时,所述时间界限T为所述流失边界,其中,所述第二预设值大于所述第一预设值。
进一步地,在获取预设群体中每个用户的消费时间数据之后,以及根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期之前,所述方法还包括:根据所述消费时间数据对所述预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
进一步地,在根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差之后,所述方法还包括:根据所述消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
根据本发明实施例的另一方面,还提供了一种从时间维度处理消费数据的装置,包括:获取单元,用于获取预设群体中每个用户的消费时间数据;第一计算单元,用于根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期;第二计算单元,用于根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差;确定单元,用于由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限。
进一步地,用户类别包括:热情组、流失组和沉睡组,所述时间界限包括保护边界和流失边界,其中,所述保护边界用于区分所述热情组和所述流失组,所述流失边界用于区分所述流失组和沉睡组。
进一步地,所述确定单元还用于根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为所述平均消费周期,sig为所述消费周期标准差,n为预设权值;
当n为第一预设值时,所述时间界限T为所述保护边界;
当n为第二预设值时,所述时间界限T为所述流失边界,其中,所述第二预设值大于所述第一预设值。
进一步地,所述装置还包括:过滤单元,用于在获取预设群体中每个用户的消费时间数据之后,以及根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期之前,根据所述消费时间数据对所述预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
进一步地,所述装置还包括:第三计算单元,用于在根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差之后,根据所述消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
根据本申请实施例,通过获取预设群体中每个用户的消费时间数据,根据每个用户的消费时间数据计算预设群体中用户的平均消费周期,根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差,由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限,以便于通过该时间界限来将消费者用户进行区分,解决了现有技术中无法对消费者用户进行区分的技术问题,实现了对消费者用户的区分,利于商家对不同类别的用户进行营销,避免营销误伤或者用户流失等损失。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的从时间维度处理消费数据的方法的流程图;
图2是根据本发明实施例的从时间维度处理消费数据的装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种从时间维度处理消费数据的方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的从时间维度处理消费数据的方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取预设群体中每个用户的消费时间数据。
消费时间数据可以包括消费总时间间隔、消费频次、未消费时长等。其中,消费频次是通过消费时间节点来统计的。例如,预设群体包括M个用户,分别有属性消费时长dur(末次消费时间减去首次消费时间得到的天数再加1所得),累计消费频次freq(总共消费了多少次)。
步骤S104,根据每个用户的消费时间数据计算预设群体中用户的平均消费周期。
步骤S106,根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差。
平均消费周期可以是指该预设群体中用户两次消费之间的平均间隔时间,具体地,可以根据消费时间数据中统计出的属性消费时长dur和累计消费频次计算得出。再利用该平均消费周期以及每次消费时间间隔计算得到消费周期标准差,以便于计算时间界限。
步骤S108,由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限。
由于统计出的用户消费的时间间隔能够反映用户的消费习惯,例如,用户在消费一次之后,有一段时间内没有再次消费,则可以表明该用户已经进入沉睡组,表示其短期内没有再次消费;当在经过一段时间仍旧没有再次消费时,则可以表明该用户已经流失,将其归为流失组。而其中的时间界限则可以由平均消费周期和消费周期标准差计算得到。
根据本申请实施例,通过获取预设群体中每个用户的消费时间数据,根据每个用户的消费时间数据计算预设群体中用户的平均消费周期,根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差,由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限,以便于通过该时间界限来将消费者用户进行区分,解决了现有技术中无法对消费者用户进行区分的技术问题,实现了对消费者用户的区分,利于商家对不同类别的用户进行营销,避免营销误伤或者用户流失等损失。其中,营销误伤是指向不该进行营销活动的人进行营销。
优选地,用户类别包括:热情组、流失组和沉睡组,时间界限包括保护边界和流失边界,其中,保护边界用于区分热情组和流失组,流失边界用于区分流失组和沉睡组。
本实施例中,将消费者用户根据最近一次消费时间,由近至远划分为“热情组”、“流失组”和“沉睡组”。“热情组”与“流失组”的分割边界是保护边界;“流失组”和“沉睡组”的分割边界叫流失边界。需说明的是,这是个动态群体,某个消费者所处的群体会因未再次消费的时间长短而变更。
保护边界可以称为营销保护期,该营销保护期设置的原因:“热情组”的用户由于刚刚消费完很难判断其是否会再次消费。因此设置一个冷静周期,防止做营销活动时“意外”圈中了该用户。该冷静周期内不推荐商家对其做任何营销活动。
流失边界设置的原因:经过一段时间冷静的会员的消费意向开始相对的固定下来,此时基本可以判定用户的消费可能性,要么已经再次消费而再度变为“热情组”的一员,要么决定不会再次消费转向“沉睡组”。
优选地,由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限包括:根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为平均消费周期,sig为消费周期标准差,n为预设权值。
当n为第一预设值时,时间界限T为保护边界;当n为第二预设值时,时间界限T为流失边界,其中,第二预设值大于第一预设值。
本实施例中,第一预设值和第二预设值可以根据需要进行设置,具体地,找不适宜做营销活动的用户,即“热度组”(未消费天数<营销保护期),n亦可根据商户的需求或分布设置更小的值,如-0.5,-1,-1.5……;找到用户不再消费的时间点,即“沉睡组”(未消费天数>流失边界),n亦可根据商户的需求或分布设置更大或更小的值,如1,1.5,2,2.5……
优选地,在获取预设群体中每个用户的消费时间数据之后,以及根据每个用户的消费时间数据计算预设群体中用户的平均消费周期之前,方法还包括:根据消费时间数据对预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
本实施例中,可以先过滤无效的数据——“仅有一天的消费”,这类用户不是经常到访的消费者群体,不具备参考性。以除去“仅有一天的消费”后的消费频率来计算用户的平均消费周期,从而提高平均消费周期计算的准确性。
进一步地,平均消费周期可以再经过一次排异操作过滤除去隶属度不高的孤点数据,以该数据为原本进行计算。计算全部平均消费周期的分布的均值和标准差。然后以均值和标准差计算保护边界和流失边界。
以下面的具体示例进行说明:
获取到预设群体M中用户的消费时间数据之后,提取属性消费时长dur(末次消费时间减去首次消费时间得到的天数再加1所得),累计消费频次freq(总共消费了多少次),然后依次计算:
计算个体的消费周期属性
选取有效消费群体:M1=σdur>1(M);
计算有效群体的消费周期:I1=Πint(M1);
计算有效群体的消费周期均值:mu=MEAN(I1;
计算有效群体的消费周期标准差:sig=STD(I1);
去除孤立数据操作:I2=σint>(mu-2*sig)ANDint<(mu+2*sig)(I1;
更新有效群体的消费周期均值:mu=MEAN(I2;
更新有效群体的消费周期标准差:sig=STD(I2);
时间T=mu+n*sig;
其中,当n=0时,T为保护边界;当n=2时,T为流失边界。
优选地,在根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差之后,方法还包括:根据消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
具体地,可以利用正态分布累计函数normcdf函数来计算,其中,流失概率=normcdf(未消费天数,mu,sig)。
本发明实施例还提供了一种从时间维度处理消费数据的装置,该装置可以用于执行本发明实施例的从时间维度处理消费数据的方法。具体地,从时间维度处理消费数据的装置包括:获取单元10、第一计算单元20、第二计算单元30和确定单元40。
获取单元10用于获取预设群体中每个用户的消费时间数据。
消费时间数据可以包括消费总时间间隔、消费频次、未消费时长等。其中,消费频次是通过消费时间节点来统计的。例如,预设群体包括M个用户,分别有属性消费时长dur(末次消费时间减去首次消费时间得到的天数再加1所得),累计消费频次freq(总共消费了多少次)。
第一计算单元20用于根据每个用户的消费时间数据计算预设群体中用户的平均消费周期。
第二计算单元30用于根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差。
平均消费周期可以是指该预设群体中用户两次消费之间的平均间隔时间,具体地,可以根据消费时间数据中统计出的属性消费时长dur和累计消费频次计算得出。再利用该平均消费周期以及每次消费时间间隔计算得到消费周期标准差,以便于计算时间界限。
确定单元40用于由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限。
由于统计出的用户消费的时间间隔能够反映用户的消费习惯,例如,用户在消费一次之后,有一段时间内没有再次消费,则可以表明该用户已经进入沉睡组,表示其短期内没有再次消费;当在经过一段时间仍旧没有再次消费时,则可以表明该用户已经流失,将其归为流失组。而其中的时间界限则可以由平均消费周期和消费周期标准差计算得到。
根据本申请实施例,通过获取预设群体中每个用户的消费时间数据,根据每个用户的消费时间数据计算预设群体中用户的平均消费周期,根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差,由平均消费周期和消费周期标准差确定出用于区分不同类用户的时间界限,以便于通过该时间界限来将消费者用户进行区分,解决了现有技术中无法对消费者用户进行区分的技术问题,实现了对消费者用户的区分,利于商家对不同类别的用户进行营销,避免营销误伤或者用户流失等损失。其中,营销误伤是指向不该进行营销活动的人进行营销。
优选地,用户类别包括:热情组、流失组和沉睡组,时间界限包括保护边界和流失边界,其中,保护边界用于区分热情组和流失组,流失边界用于区分流失组和沉睡组。
本实施例中,将消费者用户根据最近一次消费时间,由近至远划分为“热情组”、“流失组”和“沉睡组”。“热情组”与“流失组”的分割边界是保护边界;“流失组”和“沉睡组”的分割边界叫流失边界。需说明的是,这是个动态群体,某个消费者所处的群体会因未再次消费的时间长短而变更。
保护边界可以称为营销保护期,该营销保护期设置的原因:“热情组”的用户由于刚刚消费完很难判断其是否会再次消费。因此设置一个冷静周期,防止做营销活动时“意外”圈中了该用户。该冷静周期内不推荐商家对其做任何营销活动。
流失边界设置的原因:经过一段时间冷静的会员的消费意向开始相对的固定下来,此时基本可以判定用户的消费可能性,要么已经再次消费而再度变为“热情组”的一员,要么决定不会再次消费转向“沉睡组”。
优选地,确定单元还用于根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为平均消费周期,sig为消费周期标准差,n为预设权值;
当n为第一预设值时,时间界限T为保护边界;
当n为第二预设值时,时间界限T为流失边界,其中,第二预设值大于第一预设值。
本实施例中,第一预设值和第二预设值可以根据需要进行设置,具体地,找不适宜做营销活动的用户,即“热度组”(未消费天数<营销保护期),n亦可根据商户的需求或分布设置更小的值,如-0.5,-1,-1.5……;找到用户不再消费的时间点,即“沉睡组”(未消费天数>流失边界),n亦可根据商户的需求或分布设置更大或更小的值,如1,1.5,2,2.5……
优选地,装置还包括:过滤单元,用于在获取预设群体中每个用户的消费时间数据之后,以及根据每个用户的消费时间数据计算预设群体中用户的平均消费周期之前,根据消费时间数据对预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
本实施例中,可以先过滤无效的数据——“仅有一天的消费”,这类用户不是经常到访的消费者群体,不具备参考性。以除去“仅有一天的消费”后的消费频率来计算用户的平均消费周期,从而提高平均消费周期计算的准确性。
进一步地,平均消费周期可以再经过一次排异操作过滤除去隶属度不高的孤点数据,以该数据为原本进行计算。计算全部平均消费周期的分布的均值和标准差。然后以均值和标准差计算保护边界和流失边界。
优选地,装置还包括:第三计算单元,用于在根据每个用户的消费时间数据和平均消费周期计算得到消费周期标准差之后,根据消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
具体地,可以利用normcdf函数来计算,其中,流失概率=normcdf(未消费天数,mu,sig)。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种从时间维度处理消费数据的方法,其特征在于,包括:
获取预设群体中每个用户的消费时间数据;
根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期;
根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差;
由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限。
2.根据权利要求1所述的方法,其特征在于,用户类别包括:热情组、流失组和沉睡组,所述时间界限包括保护边界和流失边界,其中,所述保护边界用于区分所述热情组和所述流失组,所述流失边界用于区分所述流失组和沉睡组。
3.根据权利要求2所述的方法,其特征在于,由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限包括:
根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为所述平均消费周期,sig为所述消费周期标准差,n为预设权值;
当n为第一预设值时,所述时间界限T为所述保护边界;
当n为第二预设值时,所述时间界限T为所述流失边界,其中,所述第二预设值大于所述第一预设值。
4.根据权利要求1所述的方法,其特征在于,在获取预设群体中每个用户的消费时间数据之后,以及根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期之前,所述方法还包括:
根据所述消费时间数据对所述预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
5.根据权利要求1所述的方法,其特征在于,在根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差之后,所述方法还包括:
根据所述消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
6.一种从时间维度处理消费数据的装置,其特征在于,包括:
获取单元,用于获取预设群体中每个用户的消费时间数据;
第一计算单元,用于根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期;
第二计算单元,用于根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差;
确定单元,用于由所述平均消费周期和所述消费周期标准差确定出用于区分不同类用户的时间界限。
7.根据权利要求6所述的装置,其特征在于,用户类别包括:热情组、流失组和沉睡组,所述时间界限包括保护边界和流失边界,其中,所述保护边界用于区分所述热情组和所述流失组,所述流失边界用于区分所述流失组和沉睡组。
8.根据权利要求7所述的装置,其特征在于,所述确定单元还用于根据以下公式计算时间界限T:
T=mu+n*sig
其中,mu为所述平均消费周期,sig为所述消费周期标准差,n为预设权值;
当n为第一预设值时,所述时间界限T为所述保护边界;
当n为第二预设值时,所述时间界限T为所述流失边界,其中,所述第二预设值大于所述第一预设值。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
过滤单元,用于在获取预设群体中每个用户的消费时间数据之后,以及根据所述每个用户的消费时间数据计算所述预设群体中用户的平均消费周期之前,根据所述消费时间数据对所述预设群体进行过滤,过滤掉消费总时间间隔小于预设时间的用户,得到过滤后的预设群体。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第三计算单元,用于在根据所述每个用户的消费时间数据和所述平均消费周期计算得到消费周期标准差之后,根据所述消费时间数据、平均消费周期和消费周期标准差计算用户流失概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610286321.1A CN105976204A (zh) | 2016-05-03 | 2016-05-03 | 从时间维度处理消费数据的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610286321.1A CN105976204A (zh) | 2016-05-03 | 2016-05-03 | 从时间维度处理消费数据的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105976204A true CN105976204A (zh) | 2016-09-28 |
Family
ID=56993555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610286321.1A Pending CN105976204A (zh) | 2016-05-03 | 2016-05-03 | 从时间维度处理消费数据的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976204A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274216A (zh) * | 2017-05-27 | 2017-10-20 | 银联智惠信息服务(上海)有限公司 | 社会属性的识别方法、装置、计算机可读介质及系统 |
CN108229998A (zh) * | 2016-12-21 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 营销辅助方法及装置 |
CN108428138A (zh) * | 2017-02-13 | 2018-08-21 | 北京京东尚科信息技术有限公司 | 一种基于客户分群的客户生存率分析装置及分析方法 |
-
2016
- 2016-05-03 CN CN201610286321.1A patent/CN105976204A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229998A (zh) * | 2016-12-21 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 营销辅助方法及装置 |
CN108229998B (zh) * | 2016-12-21 | 2022-06-03 | 百度在线网络技术(北京)有限公司 | 营销辅助方法及装置 |
CN108428138A (zh) * | 2017-02-13 | 2018-08-21 | 北京京东尚科信息技术有限公司 | 一种基于客户分群的客户生存率分析装置及分析方法 |
CN108428138B (zh) * | 2017-02-13 | 2021-07-20 | 北京京东尚科信息技术有限公司 | 一种基于客户分群的客户生存率分析装置及分析方法 |
CN107274216A (zh) * | 2017-05-27 | 2017-10-20 | 银联智惠信息服务(上海)有限公司 | 社会属性的识别方法、装置、计算机可读介质及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997358A (zh) | 信息推荐方法及装置 | |
CN108090225A (zh) | 数据库实例的运行方法、装置、系统及计算机可读存储介质 | |
CN106202280A (zh) | 一种信息处理方法及服务器 | |
CN110390585B (zh) | 一种识别异常对象的方法及装置 | |
CN109561052A (zh) | 网站异常流量的检测方法及装置 | |
CN110209686A (zh) | 数据的存储、查询方法及装置 | |
WO2002082211A9 (en) | Assortment decisions | |
KR20140056731A (ko) | 구매추천 시스템 및 방법 | |
CN110348868A (zh) | 服务信息获取方法和装置 | |
CN105976204A (zh) | 从时间维度处理消费数据的方法和装置 | |
CN109697454B (zh) | 一种基于隐私保护的跨设备个体识别方法及装置 | |
CN108664654A (zh) | 一种基于用户相似度的主播推荐方法及装置 | |
CN107358456A (zh) | 数据的展现方法和装置 | |
CN106251017A (zh) | 数据预测方法及装置 | |
CN106920119A (zh) | 一种用户价值的评价方法及装置 | |
CN106203746A (zh) | 酒店群划分及需求预测的方法 | |
CN108088030A (zh) | 空调过滤网脏堵的检测方法及装置 | |
CN110069676A (zh) | 关键词推荐方法和装置 | |
CN106919995A (zh) | 一种判断用户群体流失倾向的方法及装置 | |
CN108363730A (zh) | 一种内容推荐方法、系统及终端设备 | |
CN110189151A (zh) | 一种账号检测方法及相关设备 | |
CN105468699B (zh) | 去重数据统计方法及设备 | |
CN113205232A (zh) | 商品销量数据预测方法、装置、设备、介质及产品 | |
CN108460611A (zh) | 一种信息处理方法、及其应用方法和相关设备 | |
CN103593355A (zh) | 用户原创内容的推荐方法及推荐装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Wuxi District of Jiangsu city in Wuxi Province, Zhenze Road No. 18, Wuxi (National) Software Park Dolphin C seat 2, 3 floor Applicant after: Wuxi private online Polytron Technologies Inc Address before: Wuxi District of Jiangsu city in Wuxi Province, Zhenze Road No. 18, Wuxi (National) Software Park Dolphin C seat 2, 3 floor Applicant before: Wuxi Yazuo Online Technology Development Co., Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |
|
RJ01 | Rejection of invention patent application after publication |