CN108665290A - 基于用户访问路径提高商户转化率的方法和系统 - Google Patents

Abstract

本公开提供一种基于用户访问路径提高商户转化率的方法和系统。在根据本公开的方法和系统中，对用户访问路径的大数据进行机器学习或通过含人工干预的自动化过程以建立模型，当有新的用户的访问时，实时记录用户的访问路径，并根据用户实时访问路径，从模型中寻找适配的路径，以便在合适的路径节点给予合适的激励，从而提高用户购买的可能性，即提高商户转化率。本发明的技术利用了大数据和机器学习技术，同时照顾到了人类动力学原理，从而最大限度上提升了商户的转化率，即提高了商户收入。

Description

基于用户访问路径提高商户转化率的方法和系统

技术领域

本发明涉及大数据与机器学习，更具体涉及基于用户访问路径提高商户转化率的方法和系统。

背景技术

无论是线上(online)还是线下(offline)，商户转化率(或简称为“转化率”)是任何商业活动中最受关注的参数。宏观地，关于转化率的计算公式可以表达为：

转化率＝购买用户个数/到访用户个数。

微观到每一个用户，则转化率也可以表达为：

转化率＝P(购买)

即，购买事件未来发生在某一个用户身上的概率。

在目前的电子商务与线上到线下(O2O)经营活动中，已经提议并使用了一些技术来努力提高商业成功率。

中国发明专利申请CN105225135A(申请号201510737221.1、申请日2015年10月31日、发明名称“潜力客户识别方法以及装置”)提出了一种根据客户、主要是游戏玩家的行为特征，静态属性，判断客户的付费潜力、促进客户晋级的方法。但是，该专利文献并不尝试解决在一般商业环境下的促进整体转化率的问题。

中国发明专利申请CN105912686A(申请号201610240342.X、申请日2016年4月18日、发明名称“一种基于机器学习的搜索引擎营销竞价方法及系统”)使用了机器学习的方法对在搜索引擎营销竞价的价格和结果进行预先的测算，结果用来帮助搜索广告买主预测效果。该专利文献中所称的“转化率”指的是购买关键字的价格到最终到达最终点击的转化率，而不是本发明中所定义的从访客到付费客户的转化率。

中国发明专利申请CN 105761093A(申请号201410789962.X、申请日2014年12月17日、发明名称“一种基于知识空间的行为结果评估方法以及装置”)提供了一种判断用户价值的方法。通过在一段时间内的观察，判断用户是否高价值用户，以决策是否对客户进行挽留等措施。该专利文献没有在用户操作的时候实时的提升用户的转换可能，而是通过非实时手段去采取行动。

以上的现有技术均不能解决商业上最关心的转化率问题。

因此，需要提供一种基于用户访问路径提高商户转化率的方法和系统。

发明内容

本发明的目的在于提供一种基于用户访问路径提高商户转化率的方法和系统。其中，对用户访问路径的大数据进行机器学习或通过含人工干预的自动化过程以建立模型，当有新的用户的访问时，实时记录用户的访问路径，并根据用户实时访问路径，从模型中寻找适配的路径，以便在合适的路径节点给予合适的激励，从而提高用户购买的可能性，即提高商户转化率。

根据本发明的第一方面，提供了一种基于用户访问路径提高商户转化率的方法，包括：基于用户对商品的访问日志记录而构建预测模型；基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。

优选地，在根据本发明的第一方面的方法中，所述的用户对商品的访问日志记录包括到访商品的访问时序序列、在每个到访商品上的停留时间以及商品购买记录。

优选地，在根据本发明的第一方面的方法中，所述的基于用户对商品的访问日志记录而构建预测模型包括：基于用户对商品的访问日志记录，利用深度神经网络，并基于历史观察的人工干预，来构建预测模型。

优选地，在根据本发明的第一方面的方法中，所述的基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策，包括：根据新的用户对商品的实时访问路径与所述预测模型的匹配情况，从预设营销手段中进行选择，以确定用于该用户的营销决策。

优选地，在根据本发明的第一方面的方法中，所述的确定用于该用户的营销决策进一步包括以下至少之一：是否选择预设营销手段；选择哪种预设营销手段；以及预设营销手段的执行力度。

根据本发明的第二方面，提供了一种基于用户访问路径提高商户转化率的系统，包括：预测模型，所述预测模型是基于用户对商品的访问日志记录而构建的；记录装置，用于记录新的用户对商品的实时访问路径；存储器，用于存储预设营销手段；以及预测机，基于所述记录装置中记录的新的用户对商品的实时访问路径、所述预测模型，并参考所述存储器中存储的预设营销手段，确定用于该用户的营销决策。

此外，根据本发明的第三方面，提供了一种计算机程序或一种计算机可读介质，用于记录可由计算机执行的指令，所述指令在被计算机执行时，使得计算机执行基于用户访问路径提高商户转化率的方法，包括：基于用户对商品的访问日志记录而构建预测模型；基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。

本发明的技术利用了大数据和机器学习技术，同时照顾到了人类动力学原理，从而最大限度上提升了商户的转化率，即提高了商户收入。

附图说明

下面参考附图结合实施例说明本发明。在附图中：

图1是根据本发明的实施例的用户访问路径记录的示例。

图2是根据本发明的实施例的基于用户访问路径提高商户转换率的系统的示意框图。

图3是根据本发明的实施例的基于用户访问路径提高商户转化率的方法的流程图。

图4是根据本发明的实施例的基于用户访问路径提高商户转化率的系统的框图。

具体实施方式

下面将结合附图来详细解释本发明的具体实施例。

在本发明中，对用户访问路径的大数据进行机器学习以建立模型，当有来自用户的新的访问时，实时记录用户的访问路径，并根据用户实时访问路径，从模型中寻找适配的路径，以便在合适的路径节点给予合适的激励，从而提高用户购买的可能性，即提高商户转化率。

具体地说，访问路径记录数据指的是用户在访问某个商户的过程当中，被商户记录的“足迹”。在线上电子商务的情况下，它可以是用户对每一个网页的访问。具体地说，这些“足迹”数据包括：

●到访网页的URL的时序序列，

●在每一个到访URL上的停留时间，

●转化记录(在哪些商品上花钱购买？)

等等。

在线下商场环境中，当商家利用类似于Wi-Fi定位、Beacon等技术记录用户的户内位置。类似地，访问路径记录也可以是用户对每个货架的访问。具体地说，访问路径所记录的数据包括：

●到访货架的访问时序序列，

●在每一个到访URL上的停留时间，

●转化、购买记录

等等。

同时，无论商户是线上的还是线下的，都对某个URL或者货架上的“货品”有如下标注：

●是哪一个“货品”放在这个“货架”上？

●“货品”属于哪一个“品类”？

等等数据。所以有更多的数据可以被记录下来。某一个用户，某一次到访直至本次消费活动结束称为一个“浏览活动”(Session)，则众多活动的用户访问路径记录为如图1中所示的矩阵。

图1是根据本发明的实施例的用户访问路径记录的示例。

在图1中的Session i中，某用户在某次浏览活动中历经首页、某分类页面、产品1详情页面、产品2详情页面、产品3详情页面、回到产品1详情页面。然后再访问了其他的页面。最后在“产品1”上实现了转化(购买了产品1)。

而在Session j中，某用户在某次浏览活动中历经首页、产品5详情页面、某分类页面、产品4详情页面、产品6详情页面、回到产品4详情页面。然后再访问了其他的页面。最后在“产品4”上实现了转化(购买了产品4)。

这一类的行为模式被适当地可视化出来，可以被运营人员的肉眼观察到，或者可以被机器学习出来。上面紧接着的这个例子中，即Session k中，就有这样的模式：用户浏览了产品n(产品7)，浏览了其他产品(商品9、8等)，回到产品n，结果就会在产品n上实现了转换。

这样的浏览轨迹模式的发现很有商业价值。因为如果在关注一个新的用户的浏览时，如果他也进入了这样的模式，完成了模式中的80％的步骤时，就可以给他发去某些正面激励(下文中将其简称为：激励)，去促使他以更高的可能性实现转化。比如，原来根据轨迹模式的推测，他已经有70％的可能在5小时内消费了(即有70％的可能在5小时内实现转化)，但此时因为看到了一个小的折扣券(由商家适时提供)，他的消费可能性变成了有90％的可能性在2个小时内消费(即有90％的可能性在2个小时内实现转化)。从时间维度上和概率维度上，转化率都有相当大的提升。即，用户可能在更短时间内，更大可能性去实现转化(消费、购买商品)。

回到图1中的矩阵，当记录的用户路径足够多，也就是说有了足够多的Session，比如说数百个被记录下来。那么找到如前述的例子中的模式变为可能。

浏览轨迹模式的发现方法包括：

1.当由有经验的运营人员用肉眼观察时，这些模式就会呈现在他的眼前。在此之前还没有这样的数据被呈现在有经验的运营人员的眼前。

2.通过模式识别算法的过滤，得出疑似模式集合，这样做可以缩小运营人员需要观察的集合的大小，而且包含有绝大多数的成功转化模式。再经过有经验的运营人员用肉眼再次过滤，就可以以极大缩短获得成功转化模式的时间。

3.在所收集的数据大到一定规模(数千个Session)以后通过深度学习等机器学习算法自动的进行前面的一点中提出的过程。近期的机器学习技术进展使得这种做法成为可能。

以上三点都是为了发现最后有成功转化的Session中的浏览轨迹模式，从1到2到3，自动化程度越来越高，对数据集的要求也相对较高，可在较短时间内更准确的在更大的数据集上，发现基于历史观察的成功转化的浏览轨迹模式。

这些浏览轨迹模式，作为“预测模型”数据存在库中待用。

另外制作预测机。预测机有3路输入，一路是上一句提到的“预测模型”，一路是新的用户访问路径，还有一路是预设运营手段。输出为营销决策。

新的用户访问日志指的是实时变化的一个新的用户在网站/app/应用内的“足迹”路径。随时随着路径的变化，预测机会做有根据的决策。

预设营销手段的一个例子是前文中的“激励”，继续沿用前面的电商网站的例子，可以是以下的例子：当一个新的用户的访问路径在成功转化的路径中已完成70％的时候，发给这个用户一个适当的激励，比如1个“减10％”(即，“九折”)的折扣券，最终他的转化率从50％提升到70％。也可能可以有另一个营销手段，当一个新的用户的访问路径在成功转化的路径中已完成90％的时候，发给这个用户一个比如1个“减5％”(“九五折”)的折扣券。类似地，本领域技术人员应当能想到其他的营销手段用于“激励”用户提高转化率。

也就是说，由预测机根据

●预测模型(由对过去的观测获得的经验)

●用户实时动态

●预设运营手段

三个输入决策应该对这个新用户是否使用，如果是的话采用何种运营手段，并决定应该用多大的力度。

以上的手段可以用图2来表示。

图2是根据本发明的实施例的基于用户访问路径提高商户转换率的系统的示意框图。

如图2中所示，存储用户访问日志记录(A)，以便通过深度神经网络(DNN)等预测模型生成机制(B)，并基于历史观察的人工干预(C)，生成预测机(G)的三个输入之一的预测模型(D)。

预测机(G)的另外两个输入分别为新的访问日志(E)和预设营销手段(F)。根据三个输入，预测机(G)给出输出，即营销决策(H)。

在图2中，预测模型(D)及预测模型的生成阶段(A、B、C)属于非实时(Offline)手段；而预测机(G)及其另外两个输入(E、F)和输出(H)则属于实时(Online)手段。

为了更系统地提出本发明，下面，申请人将描述根据本发明的实施例的基于用户访问路径提高商户转化率的方法与系统。也就是说，下面将把本发明的实施例描述成方法与系统的形式。

图3是根据本发明的实施例的基于用户访问路径提高商户转化率的方法的流程图。

如图3所示，根据本发明的实施例的基于用户访问路径提高商户转化率的方法300的流程图开始于步骤S301。在此步骤，基于用户对商品的访问日志记录而构建预测模型。

根据本申请中上面的记载，本领域普通技术人员应当理解，所述的用户对商品的访问日志记录至少包括到访商品的访问时序序列、在每个到访商品上的停留时间以及商品购买记录。

在构建预测模型的过程中，可以基于用户对商品的访问日志记录，利用深度神经网络，并基于历史观察的人工干预，来构建预测模型。具体可参见图2中的描绘及对此的说明。

在构建了预测模型之后，在步骤S303，基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。

根据本发明的具体实施例，步骤S303的具体执行可以是这样的：根据新的用户对商品的实时访问路径与所述预测模型的匹配情况，从预设营销手段中进行选择，以确定用于该用户的营销决策。

所确定的用于用户的营销决策可以包括以下至少之一：是否选择预设营销手段；选择哪种预设营销手段；以及预设营销手段的执行力度。

在确定了用于用户的营销决策之后，方法300可以结束。

图4是根据本发明的实施例的基于用户访问路径提高商户转化率的系统的框图。

如图4中所示，根据本发明的实施例的基于用户访问路径提高商户转化率的系统400包括：预测模型401、记录装置402、存储器403和预测机404。

具体地说，预测模型401是基于用户对商品的访问日志记录而构建的。记录装置402用于记录新的用户对商品的实时访问路径。存储器403用于存储预设营销手段。预测机404是系统400的核心部件，用于基于所述记录装置中记录的新的用户对商品的实时访问路径、所述预测模型，并参考所述存储器中存储的预设营销手段，确定用于该用户的营销决策。

该系统的运行过程可参看图2及图3中对本发明手段和方法步骤的详细描述。

本领域普通技术人员应该认识到，本发明的方法和系统可以实现为计算机程序。如上结合图3和4所述，根据上述实施例的方法和系统可以执行一个或多个程序，包括指令来使得计算机或处理器执行结合附图所述的算法。这些程序可以使用各种类型的非瞬时计算机可读介质存储并提供给计算机或处理器。非瞬时计算机可读介质包括各种类型的有形存贮介质。非瞬时计算机可读介质的示例包括磁性记录介质(诸如软盘、磁带和硬盘驱动器)、磁光记录介质(诸如磁光盘)、CD-ROM(紧凑盘只读存储器)、CD-R、CD-R/W以及半导体存储器(诸如ROM、PROM(可编程ROM)、EPROM(可擦写PROM)、闪存ROM和RAM(随机存取存储器))。进一步，这些程序可以通过使用各种类型的瞬时计算机可读介质而提供给计算机。瞬时计算机可读介质的示例包括电信号、光信号和电磁波。瞬时计算机可读介质可以用于通过诸如电线和光纤的有线通信路径或无线通信路径提供程序给计算机。

因此，根据本发明，还可以提议一种计算机程序或一种计算机可读介质，用于记录可由计算机执行的指令，所述指令在被计算机执行时，使得计算机执行基于用户访问路径提高商户转化率的方法，包括：基于用户对商品的访问日志记录而构建预测模型；基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。

下面简要地讨论一下本发明的实现过程中需要注意的环节：

1、访问路径数据的记录，需要足够详细。数据量需要足够多。根据称得上是“大数据”的用户访问路径记录，来生成预测模型，从而能够更准确地指导商户提高转化率。

2、在预测模型的生成过程中，人工干预和机器参与之间，需要找好平衡点。

3、需要经济的办法存贮、快速输入/输出大量数据。

4、需要经济的方法使每一条新访问日志数据可被实时跟踪。本文中提出了记录装置，至于该记录装置具体由何种技术来实现，可根据具体场景或具体要求来配置。

5、需要选择合适的人类动力学原理对消费者进行正向刺激，鼓励消费。对于预设营销手段和最终确定的营销决策，需要在人类动力学原理上是正向的刺激，这样才能鼓励用户去消费，即实现转化。

本发明的实施，有望至少提高转化率20％，也即是提高收入20％。

上面已经描述了本发明的各种实施例和实施情形。但是，本发明的精神和范围不限于此。本领域技术人员将能够根据本发明的教导而做出更多的应用，而这些应用都在本发明的范围之内。

Claims (7)

1.一种基于用户访问路径提高商户转化率的方法，包括：

基于用户对商品的访问日志记录而构建预测模型；

基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。

2.根据权利要求1所述的方法，其中，所述的用户对商品的访问日志记录包括到访商品的访问时序序列、在每个到访商品上的停留时间以及商品购买记录。

3.根据权利要求1所述的方法，其中，所述的基于用户对商品的访问日志记录而构建预测模型包括：

基于用户对商品的访问日志记录，利用深度神经网络，并基于历史观察的人工干预，来构建预测模型。

4.根据权利要求1所述的方法，其中，所述的基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策，包括：

根据新的用户对商品的实时访问路径与所述预测模型的匹配情况，从预设营销手段中进行选择，以确定用于该用户的营销决策。

5.根据权利要求1所述的方法，其中，所述的确定用于该用户的营销决策进一步包括以下至少之一：

是否选择预设营销手段；

选择哪种预设营销手段；以及

预设营销手段的执行力度。

6.一种基于用户访问路径提高商户转化率的系统，包括：

预测模型，所述预测模型是基于用户对商品的访问日志记录而构建的；

记录装置，用于记录新的用户对商品的实时访问路径；

存储器，用于存储预设营销手段；以及

预测机，基于所述记录装置中记录的新的用户对商品的实时访问路径、所述预测模型，并参考所述存储器中存储的预设营销手段，确定用于该用户的营销决策。

7.一种计算机可读介质，用于记录可由计算机执行的指令，所述指令在被计算机执行时，使得计算机执行基于用户访问路径提高商户转化率的方法，包括：

基于用户对商品的访问日志记录而构建预测模型；

基于新的用户对商品的实时访问路径、所述预测模型，并参考预设营销手段，确定用于该用户的营销决策。