CN107633422A - 一种基于用户行为的市场预测方法及装置 - Google Patents
一种基于用户行为的市场预测方法及装置 Download PDFInfo
- Publication number
- CN107633422A CN107633422A CN201710735463.6A CN201710735463A CN107633422A CN 107633422 A CN107633422 A CN 107633422A CN 201710735463 A CN201710735463 A CN 201710735463A CN 107633422 A CN107633422 A CN 107633422A
- Authority
- CN
- China
- Prior art keywords
- article
- user
- purchase
- behavior
- behavioural information
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户行为的市场预测方法及装置，其中的方法包括：采集用户对物品的第一行为信息；根据所述第一行为信息，提取与购买物品相关的特征；根据所述与购买物品相关的特征，构建预测集合；基于所述预测集合，对市场进行预测。本发明解决了现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
Description
技术领域
本发明属于市场预测技术领域，尤其涉及一种基于用户行为的市场预测方法及装置。
背景技术
随着人们生活水平的提高和日益增长的需求变化，对市场的需求也不断变化，使得把握销售的方向以及种类变得越来越困难，如何准确地进行市场预测变得越来越重要。
目前的市场预测方法，例如对商品的分析，一般停留在向用户推荐商品的层面，但是商品推荐对于市场预测的帮助并不明显，因为某一用户A喜欢商品B，但不一定会在接下来的时间购买，那么其购买转化率无法预知。此外，对于商品市场的预测，还采用根据销量进行定量分析的方法，但是上述市场预测方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
可见，现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
发明内容
本发明提供了一种基于用户行为的市场预测方法及装置，用以解决现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
本发明第一方面，提供了一种基于用户行为的市场预测方法，所述方法包括：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
可选地，在所述根据所述第一行为信息，提取与购买物品相关的特征之前，所述方法还包括：
对所述第一行为信息进行预处理，获得第二行为信息。
可选地，所述行为信息包括点击行为、购买行为、收藏行为、加入购物车行为，
所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
可选地，在所述根据所述与购买物品相关的特征，构建预测集合之后，所述方法还包括：
基于预设规则，更新所述预测集合。
基于同样的发明构思，本发明第二方面提供了一种基于用户行为的市场预测装置，所述装置包括：
采集模块，用于采集用户对物品的第一行为信息；
提取模块，用于根据所述第一行为信息，提取与购买物品相关的特征；
构建模块，用于根据所述与购买物品相关的特征，构建预测集合；
预测模块，用于基于所述预测集合，对市场进行预测。
可选的，所述装置还包括预处理模块，用于在所述根据所述第一行为信息，提取与购买物品相关的特征之前：
对所述第一行为信息进行预处理，获得第二行为信息；
根据所述与购买物品相关的特征，构建预测集合。
可选的，所述行为信息包括点击行为、购买行为、收藏行为、加入购物车行为，
所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
可选的，所述装置还包括处理模块，用于在所述根据所述与购买物品相关的特征，构建预测集合之后：
基于预设规则，更新所述预测集合。
基于同样的发明构思，本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
基于同样的发明构思，本发明第四方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供的基于用户行为的市场预测方法，首先采集用户对物品的第一行为信息，然后根据所述第一行为信息，提取与购买物品相关的特征，再根据所述与购买物品相关的特征，构建预测集合，最后基于所述预测集合，对市场进行预测。本发明的上述方法，预测集合是从用户的第一行为信息中提取购买物品相关的特征后，基于相关特征建立的，预测集合充分利用了用户的第一行为信息，因而利用预测集合进行市场预测可以提高预测结果的可靠性和准确性，解决了现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于用户行为的市场预测方法的流程图；
图2为本发明实施例中基于用户行为的市场预测装置的结构图；
图3本发明实施例中计算机可读存储介质的结构图；
图4为本发明实施例中计算机设备的结构图。
具体实施方式
本发明提供了一种基于用户行为的市场预测方法及装置，用以解决现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
本申请实施例中的技术方案，总体思路如下：
一种基于用户行为的市场预测方法，所述方法包括：采集用户对物品的第一行为信息；根据所述第一行为信息，提取与购买物品相关的特征；根据所述与购买物品相关的特征，构建预测集合；基于所述预测集合，对市场进行预测。
上述方法中，预测集合是从用户的第一行为信息中提取购买物品相关的特征后，基于相关特征建立的，预测集合充分利用了用户的第一行为信息，因而利用预测集合进行市场预测可以提高预测结果的可靠性和准确性，解决了现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供了一种基于用户行为的市场预测方法，请参考图1，所述方法包括：
步骤S101：采集用户对物品的第一行为信息；
步骤S102：根据所述第一行为信息，提取与购买物品相关的特征；
步骤S103：根据所述与购买物品相关的特征，构建预测集合；
步骤S104：基于所述预测集合，对市场进行预测。
下面，结合图1，对本实施例提供的一种基于用户行为的市场预测方法进行详细描述：
首先执行步骤S101：采集用户对物品的第一行为信息。
具体来说，可以通过采集用户在电子商务网站或者应用程序中浏览或者操作记录，从而采集用户对物品的第一行为信息，其中，第一行为信息包括用户的点击行为、购买行为、收藏行为、加入购物车行为，用户对浏览或操作记录包括系统当前时间、用户的ID、用户的浏览时长、商品的种类等信息。
然后执行步骤S102：根据所述第一行为信息，提取与购买物品相关的特征。
具体来说，所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
在具体的实施过程中，预设时间可以根据实际情况进行设置，例如可以设置为10小时、12小时，1天、1星期、1个月等等，其中，以物品a为例，用户与物品的交互率可以通过下述方式来计算：用户对物品a的行为次数/用户总行为次数，用户对物品的购买转化率可以通过下述方式来计算：用户对物品a的购买次数/用户对a的点击次数，用户对物品的购买所占比率可以通过下述方式来计算：用户对物品a的购买次数/用户总购买次数，上述交互率可以反映用户对该物品的喜爱和偏好，购买转化率可以反映用户对物品的购买欲，占比率可以反映出该物品是否为用户经常需要。
为了提高第一行为信息的准确性，本发明实施例在所述根据所述第一行为信息，提取与购买物品相关的特征之前，还进行如下操作：
对所述第一行为信息进行预处理，获得第二行为信息。
在具体的实施过程中，为了避免用户对某一物品的点击、购买次数过高，对模型带来偏差，本发明对第一行为信息进行预处理，预处理的方法可以根据实际情况进行设置，下面以两种预处理方法为例进行说明：
第一种，对数据进行进行归一化处理的方法，具体采用离差标准化方法，对原始数据即第一行为信息的进行线性变换，使结果值映射到[0-1]之间，线形变换的转换函数如下：
其中，max为样本数据的最大值，min为样本数据的最小值，x为转换前的值，x*为转换后的结果值，例如，由于网络问题，用户对物品a所在网站反复地点击，如点击50次，样本数据的最大值即为最多的点击次数，例如80次，样本数据的最小值即为最少的点击次数，0次，但此时并不表示用户一定对物品a感兴趣，而是因为网络通信等问题造成点击次数过高，如果将50作为样本数据当作是将要采集的行为信息，则会导致预测不准确，因此为了避免由于其他因素导致数据结果值偏高的问题，利用上述转换函数，对获取的数据结果值进行归一化处理，x*＝50-0/80-50＝0.625，从而将0.625作为结果值，以提高获取的行为信息的准确性。
第二种，删除明显有偏差的结果值，例如电商网站的活动促销的情况(如：淘宝双十一，唯品会418等)，用户在活动当天及前后几天的购买情况均会受到影响，因此删除包含活动日及前后1天的数据信息。
当然，也可以将上述两种方式结合起来，从而根据第一行为信息，得到更为准确的第二行为信息。
然后执行步骤S103：根据所述与购买物品相关的特征，构建预测集合。
具体来说，由于前述步骤获得了与购买物品相关的特征，包括用户与物品的交互率、用户对物品的购买转化率、用户对物品的购买所占比率等，然后综合考虑上述三个因素，可以获得用户将要买某种物品的结果，例如如果用户对物品a的购买转化率和购买所占比率都高，说明用户对物品a的购买欲较强，并且该物品也是用户经常需要的，因此可以得出该用户将要购买物品a，另外，根据用户的不同行为，可以得出用户构面物品相关的特征，从而构建预测集合。
为了进一步提高预测集合的准确性，在所述根据所述与购买物品相关的特征，构建预测集合之后，所述方法还包括：
基于预设规则，更新所述预测集合。
在具体的实施过程中，本发明申请人通过大量的实验和研究对比后发现，即使预测集合在不断优化，但是仍有部分物品虽然在预测用户的非购买列表中，但是用户最终却购买了，这样导致整体的预测结果与实际情况存在较大偏差，因此，本发明通过基于预设规则，更新所述预测集合，从而得到较为准确的预测结果的数据集。预设规则可以根据实际情况进行设定，申请人通过大量的实验与研究，发现有下述几种情况可能影响预测结果，第一种，用户a在1天前把物品b加入购物车；第二种，用户a在前几天频繁浏览物品b。基于以上情况和条件概率的相关知识，可以得出如下结论用户a很有可能在接下来的时间购买物品b。因此，可以设置预设规则，对预测集合进行筛选和更新，从而得到一个更为全面和准确的新的预测集合。举例来说，预设规则可以设置如下几种形式：
1、if(用户u在预测日前一天将物品b加入购物车)then recommend b to u
2、if(用户u在前一段时间经常购买的物品b，购买次数超过10次，或者一周内有好几天有购买记录，)then recommend b to u
3、if(用户u在预测日前两周内几乎每天都有点击商品b)then recommend b to u
4、if(用户u在预测时间之前最后一次访问的物品b)then recommend b to u(recommend b to u表示将物品b推荐给用户u)
再执行步骤S104：基于所述预测集合，对市场进行预测。
具体来说，由于预测集合中可以得出某用户将要购买某物品，本实施例中再对上述预测集合进行整理分析，具体地，可以同类商品进行分组，统计接下来的时间购买此类商品的用户数，并进行排序，得到排序预测集合，然后根据排序的预测集得出购买量靠前的商品，例如前20、前10、前5等等，从而得到市场预测结果，即用户最有可能购买的商品。
基于与实施例一同样的发明构思，本发明还提供了一种基于用户行为的市场预测方法相对应的装置，具体参见实施例二。
实施例二
本实施例提供了一种基于用户行为的市场预测装置，请参见图2，所述装置包括：
采集模块201，用于采集用户对物品的第一行为信息；
提取模块202，用于根据所述第一行为信息，提取与购买物品相关的特征；
构建模块203，用于根据所述与购买物品相关的特征，构建预测集合；
预测模块204，用于基于所述预测集合，对市场进行预测。
本发明提供的基于用户行为的市场预测装置中，所述装置还包括预处理模块，用于在所述根据所述第一行为信息，提取与购买物品相关的特征之前：
对所述第一行为信息进行预处理，获得第二行为信息。
根据所述与购买物品相关的特征，构建预测集合
本发明提供的基于用户行为的市场预测装置中，所述行为信息包括点击行为、购买行为、收藏行为、加入购物车行为，
所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
本发明提供的基于用户行为的市场预测装置中，所述装置还包括处理模块，用于在所述根据所述与购买物品相关的特征，构建预测集合之后：
基于预设规则，更新所述预测集合。
实施例一中的基于用户行为的市场预测方法的各种变化方式和具体实例同样适用于本实施例的装置，通过前述对基于用户行为的市场预测方法的详细描述，本领域技术人员可以清楚的知道本实施例中的装置，所以为了说明书的简洁，在此不再详述。
基于与实施例一同样的发明构思，本发明还提供了一种基于用户行为的市场预测方法相对应的计算机可读存储介质，具体参见实施例三。
实施例三
本实施例提供了一种计算机可读存储介质300，其上存储有计算机程序311，该程序被处理器执行时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
实施例一中的基于用户行为的市场预测方法的各种变化方式和具体实例同样适用于本实施例的计算机可读存储介质，通过前述对基于用户行为的市场预测方法的详细描述，本领域技术人员可以清楚的知道本实施例中的计算机可读存储介质，所以为了说明书的简洁，在此不再详述。
基于与实施例一同样的发明构思，本发明还提供了一种基于用户行为的市场预测方法相对应的计算机可读存储介质，具体参见实施例四。
实施例四
本实施例提供了一种计算机设备，包括存储器401、处理器402及存储在存储器上并可在处理器上运行的计算机程序403，所述处理器执行所述程序时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
为了便于说明，图4仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。其中，存储器401可用于存储软件程序以及模块，处理器402通过运行执行存储在存储器401的软件程序以及模块，从而执行移动终端的各种功能应用以及数据处理。
存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。处理器402移动通信终端的控制中心，利用各种接口和线路连接整个移动通信终端的各个部分，通过运行或执行存储在存储器501内的软件程序和/或模块，以及调用存储在存储器401内的数据，执行移动终端机的各种功能和处理数据，从而对移动终端机进行整体监控。
实施例一中的基于用户行为的市场预测方法的各种变化方式和具体实例同样适用于本实施例的计算机设备，通过前述对基于用户行为的市场预测方法的详细描述，本领域技术人员可以清楚的知道本实施例中的计算机设备，所以为了说明书的简洁，在此不再详述。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供的基于用户行为的市场预测方法，首先采集用户对物品的第一行为信息，然后根据所述第一行为信息，提取与购买物品相关的特征，再根据所述与购买物品相关的特征，构建预测集合，最后基于所述预测集合，对市场进行预测。本发明的上述方法，预测集合是从用户的第一行为信息中提取购买物品相关的特征后，基于相关特征建立的，预测集合充分利用了用户的第一行为信息，因而利用预测集合进行市场预测可以提高预测结果的可靠性和准确性，解决了现有技术中的方法由于无法准确获得用户的行为，而存在预测结果不准确的技术问题。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于用户行为的市场预测方法，其特征在于，所述方法包括：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
2.如权利要求1所述的方法，其特征在于，在所述根据所述第一行为信息，提取与购买物品相关的特征之前，所述方法还包括：
对所述第一行为信息进行预处理，获得第二行为信息。
3.如权利要求1所述的方法，其特征在于，所述行为信息包括点击行为、购买行为、收藏行为、加入购物车行为，
所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
4.如权利要求1所述的法，其特征在于，在所述根据所述与购买物品相关的特征，构建预测集合之后，所述方法还包括：
基于预设规则，更新所述预测集合。
5.一种基于用户行为的市场预测装置，其特征在于，包括：
采集模块，用于采集用户对物品的第一行为信息；
提取模块，用于根据所述第一行为信息，提取与购买物品相关的特征；
构建模块，用于根据所述与购买物品相关的特征，构建预测集合；
预测模块，用于基于所述预测集合，对市场进行预测。
6.如权利要求5所述的预测装置，其特征在于，所述装置还包括预处理模块，用于在所述根据所述第一行为信息，提取与购买物品相关的特征之前：
对所述第一行为信息进行预处理，获得第二行为信息；
根据所述与购买物品相关的特征，构建预测集合。
7.如权利要求5所述的装置，其特征在于，所述行为信息包括点击行为、购买行为、收藏行为、加入购物车行为，
所述根据所述第一行为信息，提取与购买物品相关的特征，包括：
分别根据所述点击行为、购买行为、收藏行为和加入购物车行为，统计用户在预设时间内的点击次数、购买次数、收藏次数和加入购物车次数；
根据所述点击次数、购买次数、收藏次数和加入购物车次数，获得用户与物品的交互率、用户对物品的购买转化率和用户对物品的购买比率。
8.如权利要求5所述的装置，其特征在于，所述装置还包括处理模块，用于在所述根据所述与购买物品相关的特征，构建预测集合之后：
基于预设规则，更新所述预测集合。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
采集用户对物品的第一行为信息；
根据所述第一行为信息，提取与购买物品相关的特征；
根据所述与购买物品相关的特征，构建预测集合；
基于所述预测集合，对市场进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710735463.6A CN107633422A (zh) | 2017-08-24 | 2017-08-24 | 一种基于用户行为的市场预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710735463.6A CN107633422A (zh) | 2017-08-24 | 2017-08-24 | 一种基于用户行为的市场预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107633422A true CN107633422A (zh) | 2018-01-26 |
Family
ID=61100212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710735463.6A Pending CN107633422A (zh) | 2017-08-24 | 2017-08-24 | 一种基于用户行为的市场预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107633422A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108846708A (zh) * | 2018-06-29 | 2018-11-20 | 中国联合网络通信集团有限公司 | 用户购买行为预测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537553A (zh) * | 2015-01-19 | 2015-04-22 | 齐鲁工业大学 | 重复负序列模式在客户购买行为分析中的应用 |
| CN104599159A (zh) * | 2015-02-06 | 2015-05-06 | 浪潮集团有限公司 | 一种基于支持向量机原理的用户行为识别方法 |
| CN106844178A (zh) * | 2017-01-22 | 2017-06-13 | 腾云天宇科技（北京）有限公司 | 预测呈现信息转化率的方法、计算设备、服务器及系统 |
| CN107025565A (zh) * | 2016-01-29 | 2017-08-08 | 北京京东尚科信息技术有限公司 | 一种提高电子商务网站转化率的方法和系统 |
| CN107067283A (zh) * | 2017-04-21 | 2017-08-18 | 重庆邮电大学 | 基于历史商家记录及用户行为的电商消费客流量预测方法 |
-
2017
- 2017-08-24 CN CN201710735463.6A patent/CN107633422A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537553A (zh) * | 2015-01-19 | 2015-04-22 | 齐鲁工业大学 | 重复负序列模式在客户购买行为分析中的应用 |
| CN104599159A (zh) * | 2015-02-06 | 2015-05-06 | 浪潮集团有限公司 | 一种基于支持向量机原理的用户行为识别方法 |
| CN107025565A (zh) * | 2016-01-29 | 2017-08-08 | 北京京东尚科信息技术有限公司 | 一种提高电子商务网站转化率的方法和系统 |
| CN106844178A (zh) * | 2017-01-22 | 2017-06-13 | 腾云天宇科技（北京）有限公司 | 预测呈现信息转化率的方法、计算设备、服务器及系统 |
| CN107067283A (zh) * | 2017-04-21 | 2017-08-18 | 重庆邮电大学 | 基于历史商家记录及用户行为的电商消费客流量预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 雷名龙: "基于阿里巴巴大数据的购物行为研究", 《物联网技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108846708A (zh) * | 2018-06-29 | 2018-11-20 | 中国联合网络通信集团有限公司 | 用户购买行为预测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109697629B (zh) | 产品数据推送方法及装置、存储介质、计算机设备 | |
| CN109118296A (zh) | 活动推送方法、装置及电子设备 | |
| CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
| CN108154401A (zh) | 用户画像刻画方法、装置、介质和计算设备 | |
| CN106097044A (zh) | 一种数据推荐处理方法以及装置 | |
| CN107784390A (zh) | 用户生命周期的识别方法、装置、电子设备及存储介质 | |
| CN106934498A (zh) | Ota网站中酒店房型的推荐方法及系统 | |
| CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
| CN106503006A (zh) | 应用App中子应用的排序方法及装置 | |
| CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
| US8738543B2 (en) | Business intelligence based social network with virtual data-visualization cards | |
| CN107230098A (zh) | 一种业务对象的分时推荐方法和系统 | |
| CN107332910A (zh) | 信息推送方法和装置 | |
| CN109961357A (zh) | 用户数据处理方法、装置、电子设备及存储介质 | |
| CN105184600A (zh) | 一种基于规则和操作的电商平台价格引擎实现方法 | |
| CN106663258A (zh) | 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构 | |
| CN106911801A (zh) | 关联用户信息的方法及信息推送系统 | |
| CN109087162A (zh) | 数据处理方法、系统、介质和计算设备 | |
| CN108777701A (zh) | 一种确定信息受众的方法及装置 | |
| CN108416627A (zh) | 一种基于互联网数据的品牌影响力监控方法及系统 | |
| CN113065882A (zh) | 一种商品处理方法、装置及电子设备 | |
| CN111861605A (zh) | 业务对象推荐方法 | |
| CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
| CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN107633422A (zh) | 一种基于用户行为的市场预测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180126 |
|
| RJ01 | Rejection of invention patent application after publication |