CN107767168A - 用户行为数据处理方法及装置、电子设备和存储介质 - Google Patents
用户行为数据处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN107767168A CN107767168A CN201710848479.8A CN201710848479A CN107767168A CN 107767168 A CN107767168 A CN 107767168A CN 201710848479 A CN201710848479 A CN 201710848479A CN 107767168 A CN107767168 A CN 107767168A
- Authority
- CN
- China
- Prior art keywords
- line
- behavior
- data
- behavioral data
- under
- 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
本发明实施例公开了一种用户行为数据处理方法及装置、电子设备和存储介质。所述方法包括:获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种用户行为数据处理方法及装置、电子设备和存储介质。
背景技术
随着网络技术的发展,网络技术越来越发达。用户可以利用网络进行购物、消费、娱乐及学习等各种操作,这种发生在网络上的行为可以称之为线上行为。在现有技术中,通常会利用这种线上行为产生线上行为数据,进行用户行为的分析,提取出用户的行为偏好等用户行为特征,或用户画像提取,方便后续有针对性的基于提取出的用户行为特征,或用户画像,提供线上服务。
通常这种是基于用户的大量行为数据进行的大数据处理,而针对大数据处理,显然数据量越大、有效数据越多及时限性越强,则数据得到的反映用户的行为特征或用户画像越精确。目前,这种针对用户的行为数据的处理得到的结果的精确度还有待进一步提升。
发明内容
有鉴于此,本发明实施例期望提供一种用户行为数据处理方法及装置、电子设备和存储介质,至少部分解决上述问题。
为达到上述目的,本发明的技术方案是这样实现的:
第一方面,本发明实施例提供一种用户行为数据处理方法,包括:
获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;
当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
可选地,所述获取基于所述线下行为产生的线上行为数据,包括:
获取基于所述线下行为产生的线上支付行为数据,其中,所述线上支付行为数据包括:支付标识信息及支付时间信息。
可选地,所述获取基于所述线下行为产生的线上支付行为数据,包括以下至少其中之一:
获取基于线下消费行为产生的银行卡支付行为数据;
获取基于线下消费行为产生的移动支付平台的支付行为数据;
获取基于线下消费行为产生的会员账号的支付行为数据。
可选地,所述基于所述线下行为产生的线上行为数据,包括以下至少其中之一:
获取基于所述线下行为产生的身份验证行为的验证行为数据;
获取基于所述线下行为产生的考勤行为的考勤行为数据;
获取基于所述线下行为产生的出入行为的门禁行为数据。
可选地,所述获取线下行为对应的线下行为数据,包括:
获取表征用户移动的移动轨迹的运动状态数据。
可选地,所述获取表征用户移动的移动轨迹的运动状态数据,包括:以下至少其中之一:
获取图像采集器采集能够表征移动轨迹的图像数据;
获取运动传感器采集的用户运动状态的传感数据。
可选地,所述获取线下行为对应的线下行为数据,包括:
分析所述运动状态数据,提取出停留时长达到预设时长的停留数据及停留位置的场景信息。
第二方面,本发明实施例提供一种用户行为处理装置,包括:
第一获取单元,用于获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
第二获取单元,用于获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
匹配单元,用于匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;
关联单元,用于当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
第三方面,本发明实施例提供一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并由处理器执行的计算机程序;
所述处理器与所述存储器连接,用于通过执行所述计算机程序实现前述一个或多个技术方案提供的用户行为数据处理方法。
第四方面,本发明实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序;所述计算机程序被执行后,能够实现前述一个或多个技术方案提供的用户行为数据处理方法。
本发明实施例提供的用户行为数据处理方法及装置、电子设备和存储介质,会分别获取线下行为数据和线上行为数据,基于线上行为数据和线下行为数据中的行为数据的匹配,和时间信息的匹配,可以将具有时间连续性的线上行为数据和线下行为数据,且同时指向了至少一个相同对象时,确定为同一个用户的数据,基于线上行为数据中的用户标识信息进行这两种数据的关联,从而实现了同一个用户的线下行为数据和线上行为数据的贯通,从而可以为后续用户特征的和/或用户画像的提取提供更多的且更全面的数据,从而以便获得更加精确的用户行为特征和/或用户画像。
附图说明
图1为本发明实施例提供的一种用户行为数据处理方法的流程示意图;
图2为本发明实施例提供的一种电子设备的结构示意图;
图3为本发明实施例提供的另一种电子设备的结构示意图;
图4为本发明实施例提供的一种线下行为数据的采集及上传流程示意图;
图5为本发明实施例提供的一种用户行为数据的上传示意图;
图6为本发明实施例提供的另一种用户行为数据处理方法的流程示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
如图1所示,本实施例提供一种用户行为数据处理方法,包括:
步骤S110:获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
步骤S120:获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
步骤S130:匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;
步骤S140:当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
本实施例提供的用户行为数据处理方法,可为应用于各种具有信息分析处理的电子设备中,例如,各种应用服务器、网络侧的云服务器等。
在步骤S110中包括获取线下行为数据,这里的线下行为可包括:用户未向连接到网络的设备主动输入操作指令而只是用户自身的行为数据。
例如,用户的移动,用户在实体商店的浏览商品、触摸商品的操作行为。用户在电影院翻看宣传页的行为。用户在游乐场的游玩行为、用户的驾车行为等。线上行为数据可包括:支付对应项目的支付数据,还可为在用户在支付台或者,在门禁处拿着宣传页或拿着游乐票的行为数据。
所述第一行为数据和第二行为数据,可包括:描述用户行为的类型数据、用户行为执行的操作对象的标识数据、操作对象的属性数据等其中的一个或多个。所述操作对象的属性数据,可包括:数量、材质、形状等各种参数。
在本实施例中,所述步骤S110的获取操作,可包括:
执行数据分析的设备自行采集,和/或,从采集设备接收。
例如,用户的驾车行为的行为分析主体可为车载设备,则车载设备可以自行采集用户的驾车行为。
又例如,用户在实体商店进行购物的购物行为,则可以通过视频采集用户在商场内的浏览行为。这时,进行所述数据分析的电子设备,可以从视频采集设备的接收采集的视频数据。
在步骤S110中获取的线下行为数据还包括:第一时间信息,该时间信息可为线下行为发生的发生时间信息,还可以是采集时间信息,例如,视频采集的采集时间。由于行为发生和采集一般均是同步发生的,故采集时间和行为发生时间基本上是同步的。
在步骤S120中会获取伴随用户线下行为导致的线上行为的线上行为数据。
此时,线上行为数据至少包括:用户标识信息及线上行为的采集时间信息和/或行为发生时间信息。这里的采集时间信息和/或所述行为发生时间信息都可为所述第二时间信息的一种。
在步骤S130中会匹配第一时间信息和第二时间信息,当第一时间信息指向的第一时间,和第二时间信息指向的第二时间的时间差满足预设匹配条件,例如,时间差小于预设阈值,则可认为这两个时间信息满足预设的时间匹配。
在步骤S130中还会将第一行为数据和第二行为数据进行匹配,确定这两个行为数据是否满足同一个对象的匹配度。例如,在商场,通过监控发现用户从货架上取下了商品A,通过移动轨迹跟踪发现拿了商品A的用户当前在收银台利用手机进行支付。在进行数据匹配时,发现图像数据表明用户拿了商品A一直走到收银台进行支付,而支付数据中也是对商品A的支付,这样的话,相当于线上行为数据中提取了商品A的信息,而支付数据中也有商品A的信息,若在这两个数据中都提取到了商品A的数据,则可认为这两个线下行为数据和线上行为数据是归属于同一个用户的。故会在步骤S130中会进行线上行为数据和线下行为数据的关联。
再比如,通过陀螺仪等路径跟踪,用户在加油站停留很久,而加油站通过在线支付发生了一笔加油操作,则服务器会基于用户的车辆加油站停留及车载加重的线下数据和加油站的线上的支付数据,通过时间和地点的匹配,车辆的车载加重及加油的线上支付数据匹配,确定这两个行为是同一个用户的行为。例如,车辆加一定油后,车身会加重且加重的质量是一定的,而支付数据中是可以反映出加油量,而加油量一旦确定,则加重的重量可以确定的,故可以通过加重的重量的匹配,实现是否为同一个用户的行为数据的确定,从而确定是否进行关联。
这里的关联可包括:线下行为数据和线上行为数据的合并;这里被合并的线上行为数据,不局限于步骤S120中获取的线上行为数据,还可包括该用户标识信息对应的其他线上行为数据。
将线下行为数据中的用户标识信息,增加到线下行为数据中。
故本实施例提供了一种用户行为数据处理方法,可以通过时间信息的匹配,将同一个用户的线下行为和线上行为的数据进行关联,从而可以解决现有技术中进行用户行为分析或用户行为画像提取,仅能基于线上行为数据进行用户行为特征提取和用户画像处理。
可选地,所述步骤S120可包括:
获取基于所述线下行为产生的线上支付行为数据,其中,所述线上支付行为数据包括:支付标识信息及支付时间信息。
在本实施例中线下行为可各种用户的消费行为,所述消费行为可包括:购买商品、购买服务的行为。例如,用户在一个体验店内参加的体验活动,可能后续会购买某一个体验的服务,这时就伴随产生了支付行为,这里的支付行为可能是现金的现金支付行为,或者,各种线上支付行为。这里的体验活动,即为两个行为数据都需要包括或指向的对象,若一旦存在同一个对象,或者,第一行为数据和第二行为数据,同时指向同一个对象属性,即可认为满足上述预设的对象匹配。
可选地,所述步骤S120还包括以下至少其中之一:
获取基于线下消费行为产生的银行卡支付行为数据;
获取基于线下消费行为产生的移动支付平台的支付行为数据;
获取基于线下消费行为产生的会员账号的支付行为数据。
所述银行卡可为:银行发放的卡片。
移动支付平台可为基于社交账号建立支付平台、还可为基于网上购物建立的支付平台等支付平台分配的支付账号。典型的基于社交账号建立的支付平台可包括:微信或QQ建立的支付平台。典型的基于网上购物建立的支付账号可为支付宝账号等。
可选地,所述步骤S120还可包括以下至少其中之一:
获取基于所述线下行为产生的身份验证行为的验证行为数据;
获取基于所述线下行为产生的考勤行为的考勤行为数据;
获取基于所述线下行为产生的出入行为的门禁行为数据。
例如,所述验证行为数据可包括:博物馆参观时的身份验证,例如,进入某一个安全监控区域的身份验证行为等。考勤行为可包括:上下班考勤行为、上下学的考勤行为、参加某些爱心活动的登记行为。
例如安全区域的门禁行为的门禁行为数据。这里的门禁行为数据,可能是通过门禁卡的进行门禁的开启,或者,指纹或虹膜等扫描获得身份验证,通过身份验证进行门禁的开启。
这些行为数据,都可以采集到用户标识信息。这样的话,在基于时间匹配可以确定出哪些线下行为数据和哪些线上行为数据属于同一个用户,从而可以做基于同一个用户的关联。
可选地,所述步骤S110可包括:
获取表征用户移动的移动轨迹的运动状态数据。
用户的线下行为是会伴随着移动轨迹的。移动轨迹必然对应着运动,则必然对应的运动状态数据。所述运动状态数据可为:运动速度、运动加速度和/或不同时间点的位置数据等,可以反映出移动轨迹的数据。
采集所述运动状态数据的方式有很多种,以下可以提供两种:
第一种:
所述采集运动状态数据可包括:
获取图像采集器采集能够表征移动轨迹的图像数据。
所述图像采集器可包括:视频监控设备,例如,监控摄像头,摄像头的采集角度可以调整,从而至少可以追踪一定大小区域内的用户的移动轨迹。
在一些实施例中,所述图像采集器可为多个,这些图像采集器接力对同一个用户进行图像追踪,从而得到用户的移动轨迹。
所述获取表征用户移动的移动轨迹的运动状态数据,包括:以下至少其中之一:
获取运动传感器采集的用户运动状态的传感数据。
一般情况下,所述运动传感器可为加速度传感器、速度传感器或者其他设备。通常一般的用户都会携带一些电子设备,如,手机、平板电脑、可穿戴设备等,这些设备内可能都设置有定位传感器、陀螺仪等各种可以采集到上述状态数据的传感器,且这些设备被用户佩戴,这些设备可以通过自身数据的定位,从而采集到上述运动状态数据,而这些传感器是通过传感的方式采集到上述运动状态数据,故可以称之为传感数据。
这些设备在采集了传感数据之后,还可被用户用于进行支付、或者进行身份验证等信息,则此时,这些设备可以将传感数据在支付或进行身份验证的同时,提交给对应的设备。例如,用户A的手机对用户在商场内进行实时定位,然后将定位数据,在用户A利用手机进行移动支付时,将定位数据一同传输给与其进行对接的支付服务器。
可选地所述步骤S110还可包括:分析所述运动状态数据,提取出停留时长达到预设时长的停留数据及停留位置的场景信息。
在一些实施例中,所述运动状态数据可为传感器采集的原始数据,也可以是按照预定分析模型,已经进行了用户行为特征等数据提取之后得到的运动状态数据。例如,所述预定状态数据,用户在商场内某一个位置的停留时间、停留时间越长,表示该用户对该停留位置的商品可能越感兴趣,例如,还采集到了用户从某个货架上拿下商品观摩然后又放回的行为数据。
在本实施例中,所述场景信息可为:停留位置的物理环境信息。例如,停留位置除了用户以外的其他物品的信息,用户是停留在洗漱用户货柜、还是停留在水果货柜区域,不同货柜区域表示用户有不同的消费需求或潜在消费需求。
在本实施例中,所述场景信息可包括:位置场景、该停留位置内其他对象的信息以及停留位置的功能和/或用途信息等与场景位置相关的信息。
如图2所示,本实施例提供一种用户行为处理装置,包括:
第一获取单元110,用于获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
第二获取单元120,用于获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
匹配单元130,用于匹配所述第一时间信息和所述第二时间信息;
关联单元140,用于当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
在一些实施例中,所述第一获取单元110和第二获取单元120均可以对应于通信接口,可从其他设备接收所述线下行为数据或线上行为数据。
在另一些实施例中,所述第一获取单元110和第二获取单元120可对应于传感器或采集器,可用于采集线下行为数据和/或线上行为数据。
在本实施例中,所述匹配单元130和关联单元140可对应于处理器,所述处理器可为中央处理器、数字信号处理器、应用处理器、微处理器、可编程阵列或专用集成电路。
所述处理器可以通过计算机程序等计算机可执行指令的执行,实现上述第一时间信息和第二时间信息的匹配,及线下行为数据和线上行为数据的关联。
可选地,所述第一获取单元110,具体用于执行以下其中之一:
获取基于所述线下行为产生的线上支付行为数据,其中,所述线上支付行为数据包括:支付标识信息及支付时间信息;
获取基于所述线下行为产生的身份验证行为的验证行为数据;
获取基于所述线下行为产生的考勤行为的考勤行为数据;
获取基于所述线下行为产生的出入行为的门禁行为数据。
进一步地,所述第一获取单元110,还用于获取表征用户移动的移动轨迹的运动状态数据。
可选地,所述第一获取单元110,具体可用于执行以下至少其中之一:
获取图像采集器采集能够表征移动轨迹的图像数据;
获取运动传感器采集的用户运动状态的传感数据;
可选地,所述第一获取单元110,还用于析所述运动状态数据,提取出停留时长达到预设时长的停留数据及停留位置的场景信息。
如图3所示,本实施例提供一种电子设备,所述通信设备为前述的采集设备或记录设备,包括:收发器210、存储器220、处理器230及存储在所述收发器210上并由所述处理器230执行的计算机程序240;
所述处理器230,分别与所述收发器210及所述存储器220连接,用于通过所述计算机程序240的执行,以控制所述收发器210的信息收发及所述存储器220的信息存储,并实现前述一个或多个技术方案提供的用户行为数据处理方法。
例如,当所述电子设备为记录设备时,执行如图1所示的方法。若所述电子设备为记录设备时,执行如图1所示的方法。
所述收发器210,可对应于有线接口或无线接口;所述有线接口可为电缆接口或光缆接口。所述无线接口可为收发天线。
所述处理器230可为中央处理器230、微处理器230、数字信号处理器230、应用处理器230、可编程阵列或专用集成电路等。
所述处理器230可以通过集成电路总线等通信总线,分别与所述收发器210及所述存储器220连接,并通过读取并执行所述存储器220生存储的计算机程序,控制所述收发器210的信息收发及所述存储器220的信息存储,并实现前述一个或多个技术方案提供的日志处理方法。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行后,并实现前述一个或多个技术方案提供的用户行为数据处理方法。
本发明实施例提供的计算机存储介质包括:移动存储设备、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。可选为,所述计算机存储介质可为非瞬间存储介质。这里的非瞬间存储介质又可以称为非易失性存储介质。
以下结合上述任意一个实施例提供几个应用示例:
示例1:
本示例提供一种用户行为数据处理方法,包括:
通过视频识别等技术识别用户在店内的浏览商品、在货架停留等线下行为数据;按照统一的规范采集支付等线上行为数据;利用支付等关键场景,基于时间和具体行为数据的匹配,将同一个用户的线上行为数据和线下行为数据的打通。这里的打通可包括:理解为线上行为数据和线下行为数据的关联。
本示例提供的用户行为数据处理方法,具体可包括:
线下行为的识别、采集与处理,以获得线下行为数据;
线上行为的识别、采集与处理,以获得线上行为数据;
利用关键行为节点贯通线上与线下行为数据,例如,如图4所示,本示例提供的用户行为数据处理方法可包括:
通过图像识别技术,识别店内的单一用户的移动轨迹;
结合场景信息及运动轨迹提取出所需的用户行为数据。例如,需要针对每一个实体店,确定实体店内各个不同关键实体的位置。又例如,每一个货架的位置,收银台的位置等;其次,结合用户行为轨迹中的停留信息以及与店内不同关键实体的位置,来识别出用户的行为。例如,在某个货架前停留超过10秒,可以认为用户浏览了某个货架,传过了收银台,则可以认为用户进行了结账。在这个过程中,可以由系统自动分配一个随机用户ID作为用户标识。
将用户线下行为数据上传到云端进行存储。
上述两个步骤都是在店内完成的,在完成上述处理后,需要将数据通过网络实时上传到云端进行存储。
线上行为数据包括两类,一类是类似于自由的App、网页、微信公众号这样的纯粹线上的用户行为数据,另一类,则是行为也是部分发生在线下,但是另一部分通过线上手段执行的,典型的如,线上支付的支付数据。
对于第一类行为,有比较丰富的通过软件开发工具(SDK)和埋点进行采集的技术方案,对于第二类线上行为的采集和处理,则一般采用相应的工具与技术方案,从POS机、交易系统数据库和第三方支付渠道中进行抽取。
整体的线上行为的采集,如下图5所示:
数据仓库会存储第一类线上行为数据,例如,APP提供的用户行为数据,网页上检测到用户行为数据、微信公众号提供的用户行为数据。同时,数据仓库还会存储有第一类线上行为数据,例如,POS机提供的用户行为数据、现金结算系统提供的用户行为数据及第三方支付提供的用户行为数据。
在这个过程中,纯粹的线上行为,通常采用设备ID和会员账号作为用户标识,而对于线上采集的线下行为,如支付等,则根据支付手段的不同,采用会员卡、支付宝账号、微信账号等作为用户标识。
下表是对用户标识方案的一个整体总结:
整体上来说,对于线上用户行为和线上采集的用户行为,优先以企业自有的会员体系为用户标识。对于非登录状态下的线上访问,可以采用匿名的设备ID或者Cookie ID作为用户标识,在用户登录时,将匿名ID与会员账号进行关联;对于第三方支付渠道能够获取的用户标识,在没有会员卡时以第三方用户标识为主,在某一次能够拿到会员卡时,则将第三方用户标识与会员体系进行关联。上述所有的关联,最终都是为了将同一个用户在线上的前后行为进行贯通。
线上用户行为数据和线下用户行为数据的匹配规则,主要是基于规则判断的,即线上与线下在相同的时间、相同的地点从事相同行为的,则被识别为同一个人。
例如,在线下通过摄像头图像识别技术,根据某个人在2017年7月1日17:15穿过了3号收银台,则据此在线下采集了一条购买行为,包括2017年7月1日17:15这个时间属性和3号收银台这个地点属性。而与此同时,在线上同样采集到了一条支付行为,是5:15在3号收银台某个会员使用微信支付购买了具体一些商品。则基于具体的匹配规则,线下采集到的购买和线上采集到的支付可以被认为是同一个人,从而可以因此将该用户所有的线下和线上行为完全贯通和匹配起来。
如图6所示,线上购买行为使用的是线上用户标识,线下购买行为使用的线下支付用户标识,基于匹配规则的匹配,例如,若线上用户标识和线下支付标识匹配一致、且时间、地点及至少部分操作行为的匹配,也满足匹配规则,则将对应的线上行为数据和线下行为数据进行关联。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种用户行为数据处理方法,其特征在于,包括:
获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;
当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
2.根据权利要求1所述的方法,其特征在于,
所述获取基于所述线下行为产生的线上行为数据,包括:
获取基于所述线下行为产生的线上支付行为数据,其中,所述线上支付行为数据包括:支付标识信息及支付时间信息。
3.根据权利要求2所述的方法,其特征在于,
所述获取基于所述线下行为产生的线上支付行为数据,包括以下至少其中之一:
获取基于线下消费行为产生的银行卡支付行为数据;
获取基于线下消费行为产生的移动支付平台的支付行为数据;
获取基于线下消费行为产生的会员账号的支付行为数据。
4.根据权利要求1所述的方法,其特征在于,
所述基于所述线下行为产生的线上行为数据,包括以下至少其中之一:
获取基于所述线下行为产生的身份验证行为的验证行为数据;
获取基于所述线下行为产生的考勤行为的考勤行为数据;
获取基于所述线下行为产生的出入行为的门禁行为数据。
5.根据权利要求1至4任一项所述的方法,其特征在于,
所述获取线下行为对应的线下行为数据,包括:
获取表征用户移动的移动轨迹的运动状态数据。
6.根据权利要求4所述的方法,其特征在于,
所述获取表征用户移动的移动轨迹的运动状态数据,包括:以下至少其中之一:
获取图像采集器采集能够表征移动轨迹的图像数据;
获取运动传感器采集的用户运动状态的传感数据。
7.根据权利要求6所述的方法,其特征在于,
所述获取线下行为对应的线下行为数据,包括:
分析所述运动状态数据,提取出停留时长达到预设时长的停留数据及停留位置的场景信息。
8.一种用户行为处理装置,其特征在于,包括:
第一获取单元,用于获取线下行为对应的线下行为数据,其中,所述线下行为数据包括:第一行为数据和所述第一行为数据对应的第一时间信息;
第二获取单元,用于获取基于所述线下行为产生的线上行为数据,其中,所述线上行为数据,包括:用户标识信息、第二行为数据及所述线上行为对应的第二时间信息;
匹配单元,用于匹配所述第一时间信息和所述第二时间信息,并匹配所述第一行为数据和所述第二行为数据;
关联单元,用于当所述第一时间信息和所述第二时间信息满足时间匹配,且当所述第一行为数据和所述第二行为数据满足对象匹配时,将同一个所述用户标识信息的所述线下行为数据与所述线上行为数据进行关联。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并由处理器执行的计算机程序;
所述处理器与所述存储器连接,用于通过执行所述计算机程序实现权利要求1至7任一项提供的用户行为数据处理方法。
10.一种计算机存储介质,所述计算机存储介质存储有计算机程序;所述计算机程序被执行后,能够实现权利要求1至7任一项提供的用户行为数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848479.8A CN107767168A (zh) | 2017-09-19 | 2017-09-19 | 用户行为数据处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848479.8A CN107767168A (zh) | 2017-09-19 | 2017-09-19 | 用户行为数据处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107767168A true CN107767168A (zh) | 2018-03-06 |
Family
ID=61266085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710848479.8A Pending CN107767168A (zh) | 2017-09-19 | 2017-09-19 | 用户行为数据处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767168A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492224A (zh) * | 2018-03-09 | 2018-09-04 | 上海开放大学 | 基于深度学习在线教育学生综合画像标签管理系统 |
CN108564434A (zh) * | 2018-03-20 | 2018-09-21 | 北京车音网科技有限公司 | 用户画像生成方法及装置 |
CN108734514A (zh) * | 2018-05-07 | 2018-11-02 | 北京科码先锋互联网技术股份有限公司 | 用户归一方法 |
CN108897996A (zh) * | 2018-06-05 | 2018-11-27 | 北京市商汤科技开发有限公司 | 标识信息关联方法及装置、电子设备及存储介质 |
CN108960892A (zh) * | 2018-06-05 | 2018-12-07 | 北京市商汤科技开发有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109034973A (zh) * | 2018-07-25 | 2018-12-18 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置、系统及计算机可读存储介质 |
CN109858901A (zh) * | 2019-01-28 | 2019-06-07 | 重庆邮电大学 | 基于手机信令大数据的移动用户支付识别方法 |
CN110109814A (zh) * | 2019-05-15 | 2019-08-09 | 恒生电子股份有限公司 | 用户行为数据修正方法及装置 |
CN110503487A (zh) * | 2019-08-28 | 2019-11-26 | 上海丙晟科技有限公司 | 一种基于路径收敛的购物中心数据打通方法 |
CN110866070A (zh) * | 2018-08-17 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、处理设备及系统 |
CN110895769A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 信息显示方法、设备、系统及存储介质 |
CN110992098A (zh) * | 2019-12-03 | 2020-04-10 | 腾讯云计算(北京)有限责任公司 | 一种获得对象信息的方法、装置、设备和介质 |
WO2020082807A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
CN111104574A (zh) * | 2018-10-25 | 2020-05-05 | 北京国双科技有限公司 | 用户行为数据存储、分析方法、装置、处理器及存储介质 |
CN111199449A (zh) * | 2018-11-20 | 2020-05-26 | 阿里巴巴集团控股有限公司 | 一种商品信息的匹配、推送方法、装置和系统 |
CN111311297A (zh) * | 2018-12-12 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 一种生成会员人脸库的方法、装置以及计算设备 |
CN111506799A (zh) * | 2020-03-10 | 2020-08-07 | 北京三快在线科技有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN111768245A (zh) * | 2020-06-30 | 2020-10-13 | 创新奇智(北京)科技有限公司 | 特征提取\购买倾向判断方法、装置、存储介质及终端 |
CN112100507A (zh) * | 2020-11-10 | 2020-12-18 | 南京研利科技有限公司 | 对象推荐的方法、计算设备和计算机可读存储介质 |
WO2021051613A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种记录用户行为链路的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317790A (zh) * | 2014-07-22 | 2015-01-28 | 翔傲信息科技(上海)有限公司 | 一种基于大数据的用户行为的控制方法及系统 |
CN105138875A (zh) * | 2015-09-30 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 用户信息的识别方法及装置 |
CN105787074A (zh) * | 2016-03-01 | 2016-07-20 | 深圳市百米生活股份有限公司 | 基于用户线下lbs轨迹结合线上浏览行为的大数据系统 |
CN106779641A (zh) * | 2016-12-29 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 信息处理方法及信息处理装置 |
-
2017
- 2017-09-19 CN CN201710848479.8A patent/CN107767168A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317790A (zh) * | 2014-07-22 | 2015-01-28 | 翔傲信息科技(上海)有限公司 | 一种基于大数据的用户行为的控制方法及系统 |
CN105138875A (zh) * | 2015-09-30 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 用户信息的识别方法及装置 |
CN105787074A (zh) * | 2016-03-01 | 2016-07-20 | 深圳市百米生活股份有限公司 | 基于用户线下lbs轨迹结合线上浏览行为的大数据系统 |
CN106779641A (zh) * | 2016-12-29 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 信息处理方法及信息处理装置 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492224A (zh) * | 2018-03-09 | 2018-09-04 | 上海开放大学 | 基于深度学习在线教育学生综合画像标签管理系统 |
CN108564434A (zh) * | 2018-03-20 | 2018-09-21 | 北京车音网科技有限公司 | 用户画像生成方法及装置 |
CN108564434B (zh) * | 2018-03-20 | 2021-03-23 | 成都车音智能科技有限公司 | 用户画像生成方法及装置 |
CN108734514A (zh) * | 2018-05-07 | 2018-11-02 | 北京科码先锋互联网技术股份有限公司 | 用户归一方法 |
CN108734514B (zh) * | 2018-05-07 | 2022-02-22 | 北京科码先锋互联网技术股份有限公司 | 用户归一方法 |
CN108960892B (zh) * | 2018-06-05 | 2020-12-29 | 北京市商汤科技开发有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN108897996A (zh) * | 2018-06-05 | 2018-11-27 | 北京市商汤科技开发有限公司 | 标识信息关联方法及装置、电子设备及存储介质 |
CN108960892A (zh) * | 2018-06-05 | 2018-12-07 | 北京市商汤科技开发有限公司 | 信息处理方法及装置、电子设备及存储介质 |
WO2019233087A1 (zh) * | 2018-06-05 | 2019-12-12 | 北京市商汤科技开发有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109034973A (zh) * | 2018-07-25 | 2018-12-18 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置、系统及计算机可读存储介质 |
CN110866070A (zh) * | 2018-08-17 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、处理设备及系统 |
CN110895769A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 信息显示方法、设备、系统及存储介质 |
CN110895769B (zh) * | 2018-09-13 | 2023-11-17 | 阿里巴巴集团控股有限公司 | 信息显示方法、设备、系统及存储介质 |
CN111104574A (zh) * | 2018-10-25 | 2020-05-05 | 北京国双科技有限公司 | 用户行为数据存储、分析方法、装置、处理器及存储介质 |
WO2020082807A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
CN111199449A (zh) * | 2018-11-20 | 2020-05-26 | 阿里巴巴集团控股有限公司 | 一种商品信息的匹配、推送方法、装置和系统 |
CN111199449B (zh) * | 2018-11-20 | 2024-07-02 | 阿里巴巴集团控股有限公司 | 一种商品信息的匹配、推送方法、装置和系统 |
CN111311297A (zh) * | 2018-12-12 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 一种生成会员人脸库的方法、装置以及计算设备 |
CN111311297B (zh) * | 2018-12-12 | 2023-05-05 | 阿里巴巴集团控股有限公司 | 一种生成会员人脸库的方法、装置以及计算设备 |
CN109858901A (zh) * | 2019-01-28 | 2019-06-07 | 重庆邮电大学 | 基于手机信令大数据的移动用户支付识别方法 |
CN110109814A (zh) * | 2019-05-15 | 2019-08-09 | 恒生电子股份有限公司 | 用户行为数据修正方法及装置 |
CN110503487A (zh) * | 2019-08-28 | 2019-11-26 | 上海丙晟科技有限公司 | 一种基于路径收敛的购物中心数据打通方法 |
WO2021051613A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种记录用户行为链路的方法及装置 |
CN110992098A (zh) * | 2019-12-03 | 2020-04-10 | 腾讯云计算(北京)有限责任公司 | 一种获得对象信息的方法、装置、设备和介质 |
CN111506799A (zh) * | 2020-03-10 | 2020-08-07 | 北京三快在线科技有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN111768245A (zh) * | 2020-06-30 | 2020-10-13 | 创新奇智(北京)科技有限公司 | 特征提取\购买倾向判断方法、装置、存储介质及终端 |
CN112100507B (zh) * | 2020-11-10 | 2021-02-12 | 南京研利科技有限公司 | 对象推荐的方法、计算设备和计算机可读存储介质 |
CN112100507A (zh) * | 2020-11-10 | 2020-12-18 | 南京研利科技有限公司 | 对象推荐的方法、计算设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767168A (zh) | 用户行为数据处理方法及装置、电子设备和存储介质 | |
EP3745296B1 (en) | Image monitoring-based commodity sensing system and commodity sensing method | |
CN206757798U (zh) | 自动售货机 | |
CN106781014B (zh) | 自动售货机及其运行方法 | |
US8295542B2 (en) | Adjusting a consumer experience based on a 3D captured image stream of a consumer response | |
CN107451816B (zh) | 线下交易的实现方法和装置 | |
WO2020113900A1 (zh) | 信息处理方法及其装置、服务器及信息处理系统 | |
KR102084125B1 (ko) | 무인 거래 자판기 및 o2o 기반 무인 거래 자판기를 이용한 중고거래 서비스 제공 방법 | |
US10929829B1 (en) | User identification and account access using gait analysis | |
CN110033293B (zh) | 获取用户信息的方法、装置及系统 | |
CN108230559A (zh) | 一种自动售货装置及其运行方法及自动售货系统 | |
CN111263224B (zh) | 视频处理方法、装置及电子设备 | |
CN106164959A (zh) | 行为事件测量系统和相关方法 | |
CN107431898A (zh) | 销售点终端地理位置 | |
CN109213310B (zh) | 信息互动设备、数据对象信息处理方法及装置 | |
JP7264401B2 (ja) | 会計方法、装置及びシステム | |
CN111222870B (zh) | 结算方法、装置和系统 | |
JP7302641B2 (ja) | 決済処理装置、決済処理方法、プログラム、決済処理システム | |
CN105931072A (zh) | 提取消费数据的系统及方法 | |
CN107392614B (zh) | 线下交易的实现方法和装置 | |
CN110443637A (zh) | 用户购物行为分析方法、装置及存储介质 | |
CN111260685B (zh) | 视频处理方法、装置及电子设备 | |
CN111291087A (zh) | 一种基于人脸检测的资讯推送方法及装置 | |
CN113065908A (zh) | 租赁方法、租赁装置、租赁平台及存储介质 | |
CN113327161A (zh) | 一种用于信贷业务的智能风控决策系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |