CN108734203A - 一种网站访客价值评估方法 - Google Patents
一种网站访客价值评估方法 Download PDFInfo
- Publication number
- CN108734203A CN108734203A CN201810395665.5A CN201810395665A CN108734203A CN 108734203 A CN108734203 A CN 108734203A CN 201810395665 A CN201810395665 A CN 201810395665A CN 108734203 A CN108734203 A CN 108734203A
- Authority
- CN
- China
- Prior art keywords
- value
- website
- sample data
- max
- ith
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000013598 vector Substances 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种网站访客价值评估方法，包括如下步骤，从待评估网站获取n个样本数据；步骤二，根据n个样本数据获取找到平均向量；计算协方差矩阵C及其特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；选取及最大特征值λmax对应的特征向量Φmax构建特征向量的矩阵U；根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。本发明网站访客价值评估方法具备方法简单、价值评估的精准性高等特点。
Description
技术领域
本发明涉及网站评估领域，具体涉及一种网站访客价值评估方法。
背景技术
现有技术中，信息时代的来临使得企业营销焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户关系管理的关键问题是客户分类，通过客户分类，区分无价值客户、高价值客户，企业针对不同价值的客户指定优化的个性化服务方案，采取不同的营销策略，将优先营销资源集中于高价值客户，实现企业利润最大化目标。
在航空领域常见的分析流程是借助航空公司客户数据(如RFM数据)，对客户进行分类(聚类分析)。然后对不同的用户类别进行特征分析，比较不同类客户的客户价值。最后对不同价值的客户类别提供个性化服务，制定相应的营销策略。
但由于聚类分析属于一种无监督分析方法，在进行特征分析时，需要人工介入，个人主观成分较高。这样可能会导致，每当出现用户数据发生变化时，需要重新人工介入进行特征分析，且不一定能做到精准划分。
发明内容
本发明的目的在于克服现有技术问题，提出一种网站访客价值评估方法。
为达成上述目的，本发明设计思路为采用RFM+关键模块访问模型及PCA算法，PCA是一种应用广泛的线性降维方法，该方法通过将特征集缩减成一小部分能代表原始特征集最主要变化的主要特征分量，来实现高维数据到低维数据空间的映射。本发明的提供的具体技术方案为如下：
一种网站访客价值评估方法，包括如下步骤，
步骤一，从待评估网站获取n个样本数据，记xi＝(Ri Fi Mi Qi)，其中，n个客户分别对应n个样本数据，xi为第i个样本数据，
第i个样本数据包括第i客户最近一次购票时间到观测结束时间的天数Ri、第i客户在观测时间内成功购票的次数Fi、第i客户在观测时间内总购票金额Mi、第i客户在观测时间的网站关键模块访问次数Qi，
i、n均为正整数，1≤i≤n；
所述观测时间为执行价值评估的时间段；
步骤二，根据n个样本数据获取找到平均向量，即输入数据各个维度分量均值所组成的均值向量μR、μF、μM、μQ；其中，
步骤三，通过如下等式计算协方差矩阵C；
步骤四，计算协方差矩阵C的特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；
步骤五，从特征值λ1、λ2、λ3、λ4选取最大的特征值标记为λmax，以及最大特征值λmax对应的特征向量Φmax；
步骤六，根据特征向量Φmax，相应的特征值λmax构建特征向量的矩阵U；
步骤七，根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。
进一步的，上述网站访客价值评估方法，还包括，根据价值得分yi生成客户价值得分名单。
进一步的，上述网站访客价值评估方法，还包括，yi进行得分映射为y_socrei；
其中，ln(yi)表示为yi的自然对数，max(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最大值，min(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最小值。
在本发明实施例优选的，所述待评估网站为航空公司网站或铁路公司网站。
步骤一中，还包括对n个样本数据中进行缺失值处理；所述缺失值处理为对缺失数据用数字0进行插补填充。
进一步的，上述网站访客价值评估方法，还包括，对n个样本数据进行缺失值处理前，还包括对所有样本数据进行清洗处理。
进一步的，所述清洗处理为删除异常id用户的样本数据和/或对样本数据进行缺失值处理。
进一步，本发明实施例，优选的，所述观测时间为3个月、6个月或12个月。
通过本发明的网站访客价值评估方法，与现有技术，可以达到以下的有益效果：
(1)本发明方法采用RFM+关键模块访问模型、PCA算法，对网站访客价值进行量化，剔除现有技术需要人工介入的主观因素的影响；
(2)本发明具备方法简单、价值评估快速、价值评估结果排序方便管理员了解客户信息等特点；
(3)本发明方法，对所有样本数据进行缺失值处理和/或清洗处理，提高访客价值评估的精准性和适用性；
(4)本发明方法，不仅仅应用于航空公司网站，可以应用于其它购票网站，如火车票、汽车票、电影票等。
附图说明
此处所说明的附图用来提供对发明的进一步理解，构成本发明的一部分，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为本发明网站访客价值评估方法的步骤流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
本发明实施例中，样本数据为：航空公司访客数据：最近行为的时间间隔(Recency)、行为频率(Frequency)、行为价值(Monetary)、收银支付页面访次、预定行程页面访次对客户进行细分，识别出潜在价值高的客户。需要说明的是，关键模块包括但不限定于收银支付、预定行程页面等，可以根据实际需要进行调整。
本发明实施例提供了一种网站访客价值评估方法，如附图1所示，包括如下步骤，
步骤S11，从待评估网站获取n个样本数据，记xi＝(Ri Fi Mi Qi)，其中，n个客户分别对应n个样本数据，xi为第i个样本数据，
第i个样本数据包括第i客户最近一次购票时间到观测结束时间的天数Ri、第i客户在观测时间内成功购票的次数Fi、第i客户在观测时间内总购票金额Mi、第i客户在观测时间的网站关键模块访问次数Qi，
i、n均为正整数，1≤i≤n；
所述观测时间为执行价值评估的时间段,本发明实施例，优选的，所述观测时间为3个月；
步骤S12，根据n个样本数据获取找到平均向量，即输入数据各个维度分量均值所组成的均值向量μ，即为：
其中xi为数据点，n为数据点的总个数；
步骤S13，通过如下等式计算协方差矩阵C；
步骤S14，计算协方差矩阵C的特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；
步骤S15，从特征值λ1、λ2、λ3、λ4选取最大的特征值标记为λmax，以及最大特征值λmax对应的特征向量Φmax；
步骤S16，根据特征向量Φmax，相应的特征值λmax构建特征向量的矩阵U；
步骤S17，根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。
进一步，还包括，根据价值得分yi生成客户价值得分名单。
进一步，还包括，进行得分映射。
在本发明实施例中，所述待评估网站为某航空公司网站。
实施例2
本发明实施例提供了一种网站访客价值评估方法，包括如下步骤，
步骤S21，从待评估网站获取样本数据，并进行缺失值处理；
所述缺失值处理为所述缺失值处理为对缺失数据用数字0进行插补填充；
其中，n个客户分别对应n个样本数据，记xi＝(Ri Fi Mi Qi)，其中，n个客户分别对应n个样本数据，xi为第i个样本数据；
第i个样本数据包括第i客户最近一次购票时间到观测结束时间的天数Ri、第i客户在观测时间内成功购票的次数Fi、第i客户在观测时间内总购票金额Mi、第i客户在观测时间的网站关键模块访问次数Qi，
i、n均为正整数，1≤i≤n；
所述观测时间为执行价值评估的时间段，本发明实施例，优选的，所述观测时间为6个月；
步骤S22，根据n个样本数据获取找到平均向量，即输入数据各个维度分量均值所组成的均值向量μR、μF、μM、μQ；其中，
步骤S23，通过如下等式计算协方差矩阵C；
步骤S24，计算协方差矩阵C的特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；
步骤S25，从特征值λ1、λ2、λ3、λ4选取最大的特征值标记为λmax，以及最大特征值λmax对应的特征向量Φmax；
步骤S26，根据特征向量Φmax，相应的特征值λmax构建特征向量的矩阵U；
步骤S27，根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。
进一步，还包括，根据价值得分yi生成客户价值得分名单。
进一步，还包括，价值得分yi进行得分映射为y_socrei；
其中，ln(yi)表示为yi的自然对数，max(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最大值，min(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最小值。
在本发明实施例中，所述待评估网站为某铁路公司网站。
实施例3
本发明实施例提供了一种网站访客价值评估方法，包括如下步骤，
步骤S31，从待评估网站获取样本数据，并对所有样本数据进行清洗处理以及缺失值处理；
所述清洗处理为删除异常id用户的样本数据；
所述缺失值处理为所述缺失值处理为对缺失数据用数字0进行插补填充；
其中，n个客户分别对应n个样本数据，记xi＝(Ri Fi Mi Qi)，其中，n个客户分别对应n个样本数据，xi为第i个样本数据，n为剔除异常id用户的正常用户数；
第i个样本数据包括第i客户最近一次购票时间到观测结束时间的天数Ri、第i客户在观测时间内成功购票的次数Fi、第i客户在观测时间内总购票金额Mi、第i客户在观测时间的网站关键模块访问次数Qi，
i、n均为正整数，1≤i≤n；
所述观测时间为执行价值评估的时间段，本发明实施例，优选的，所述观测时间为9个月；
步骤S32，根据n个样本数据获取找到平均向量，即输入数据各个维度分量均值所组成的均值向量μR、μF、μM、μQ；其中，
步骤S33，通过如下等式计算协方差矩阵C；
步骤S34，计算协方差矩阵C的特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；
步骤S35，从特征值λ1、λ2、λ3、λ4选取最大的特征值标记为λmax，以及最大特征值λmax对应的特征向量Φmax；
步骤S36，根据特征向量Φmax，相应的特征值λmax构建特征向量的矩阵U；
步骤S37，根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。
进一步，还包括，根据价值得分yi生成客户价值得分名单。
进一步，还包括，价值得分yi进行得分映射为y_socrei；
其中，ln(yi)表示为yi的自然对数，max(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最大值，min(ln(y1),ln(y2),…,ln(yn))表示为ln(y1),ln(y2),…,ln(yn)中的最小值。
在本发明实施例中，所述待评估网站为某船运公司网站。
需要说明的是，本发明方法，不仅限于应用于本发明所指的航空公司网站、铁路公司网站，可以应用于其它购票网站，如汽车票、电影票、轮船票、演唱会门票等，与可以应用于其他购票系统和/或购票平台、销售平台等。
需要说明的是，本发明实施例提供的观察时间为3个月、6个月、9个月，当然也可以为其他时间，可以根据实际需求进行调整。
上述说明描述了本发明的优选实施例，但应当理解本发明并非局限于上述实施例，且不应看作对其他实施例的排除。通过本发明的启示，本领域技术人员结合公知或现有技术、知识所进行的改动也应视为在本发明的保护范围内。
Claims (8)
1.一种网站访客价值评估方法，其特征在于，
包括如下步骤，
步骤一，从待评估网站获取n个样本数据，记xi＝(Ri Fi Mi Qi)，其中，n个客户分别对应n个样本数据，xi为第i个样本数据，
第i个样本数据包括第i客户最近一次购票时间到观测结束时间的天数Ri、第i客户在观测时间内成功购票的次数Fi、第i客户在观测时间内总购票金额Mi、第i客户在观测时间的网站关键模块访问次数Qi，
i、n均为正整数，1≤i≤n；
所述观测时间为执行价值评估的时间段；
步骤二，根据n个样本数据获取找到平均向量，即输入数据各个维度分量均值所组成的均值向量μR、μF、μM、μQ；
其中，
步骤三，通过如下等式计算协方差矩阵C；
步骤四，计算协方差矩阵C的特征向量Φ1、Φ2、Φ3、Φ4以及相应的特征值λ1、λ2、λ3、λ4；
步骤五，从特征值λ1、λ2、λ3、λ4选取最大的特征值标记为λmax，以及最大特征值λmax对应的特征向量Φmax；
步骤六，根据特征向量Φmax，相应的特征值λmax构建特征向量的矩阵U；
步骤七，根据等式yi＝UTxi，将第i个样本数据xi转换为价值得分yi。
2.根据权利要求1所述的一种网站访客价值评估方法，其特征在于，
还包括，根据价值得分yi生成客户价值得分名单。
3.根据权利要求1所述的一种网站访客价值评估方法，其特征在于，
还包括，yi进行得分映射为y_socrei；
其中，ln(yi)表示为yi的自然对数，max(ln(y1)，ln(y2)，…，ln(yn))表示为ln(y1)，ln(y2)，…，ln(yn)中的最大值，mmin(ln(y1)，ln(y2)，…，ln(yn))表示为ln(y1)，ln(y2)，…，ln(yn)中的最小值。
4.根据权利要求1所述的一种网站访客价值评估方法，其特征在于，
所述待评估网站为航空公司网站或铁路公司网站。
5.根据权利要求1所述的一种网站访客价值评估方法，其特征在于，
步骤一中，还包括对n个样本数据中进行缺失值处理；所述缺失值处理为对缺失数据用数字0进行插补填充。
6.根据权利要求5所述的一种网站访客价值评估方法，其特征在于，
对n个样本数据中进行缺失值处理前，还包括对所有样本数据进行清洗处理。
7.根据权利要求16所述的一种网站访客价值评估方法，其特征在于，
所述清洗处理为删除异常id用户的样本数据。
8.根据权利要求1所述的一种网站访客价值评估方法，其特征在于，
所述观测时间为3个月、6个月或12个月。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810395665.5A CN108734203A (zh) | 2018-04-27 | 2018-04-27 | 一种网站访客价值评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810395665.5A CN108734203A (zh) | 2018-04-27 | 2018-04-27 | 一种网站访客价值评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108734203A true CN108734203A (zh) | 2018-11-02 |
Family
ID=63940122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810395665.5A Pending CN108734203A (zh) | 2018-04-27 | 2018-04-27 | 一种网站访客价值评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734203A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711896A (zh) * | 2018-12-29 | 2019-05-03 | 科技谷（厦门）信息技术有限公司 | 一种基于旅客细分的官网访客流失分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138332A1 (en) * | 2001-02-14 | 2002-09-26 | Ncr Corporation | Computer implemented customer value model in airline industry |
| CN105590231A (zh) * | 2014-10-24 | 2016-05-18 | 阿里巴巴集团控股有限公司 | 用户数据处理方法和装置 |
| CN107481038A (zh) * | 2017-07-25 | 2017-12-15 | 广东电网有限责任公司佛山供电局 | 电力客户价值评价方法 |
| CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
-
2018
- 2018-04-27 CN CN201810395665.5A patent/CN108734203A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138332A1 (en) * | 2001-02-14 | 2002-09-26 | Ncr Corporation | Computer implemented customer value model in airline industry |
| CN105590231A (zh) * | 2014-10-24 | 2016-05-18 | 阿里巴巴集团控股有限公司 | 用户数据处理方法和装置 |
| CN107481038A (zh) * | 2017-07-25 | 2017-12-15 | 广东电网有限责任公司佛山供电局 | 电力客户价值评价方法 |
| CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姜丹丹，白志东: "《大维随机矩阵谱理论在多元统计分析中的应用》", 30 September 2014, 知识产权出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711896A (zh) * | 2018-12-29 | 2019-05-03 | 科技谷（厦门）信息技术有限公司 | 一种基于旅客细分的官网访客流失分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ilmakunnas et al. | Technology, labour characteristics and wage‐productivity gaps | |
| JP6930013B2 (ja) | パフォーマンスモデル悪影響補正 | |
| Williams | Some determinants of the socially responsible investment decision: A cross-country study | |
| Paulson et al. | Efficient large-scale internet media selection optimization for online display advertising | |
| US20200184515A1 (en) | Audience expansion according to user behaviors | |
| US10747796B2 (en) | Asymmetrical multilateral decision support system | |
| Chowdhury | Prospects and challenges of using artificial intelligence in the audit process | |
| US11188829B2 (en) | Asymmetrical multilateral decision support system | |
| Amior | Education and geographical mobility: the role of the job surplus | |
| Antel | Costly employment contract renegotiation and the labor mobility of young men | |
| CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
| Dai et al. | Audit analytics: A field study of credit card after-sale service problem detection at a major bank | |
| Hu et al. | Zero to one: Sales prospecting with augmented recommendation | |
| Yuping et al. | New methods of customer segmentation and individual credit evaluation based on machine learning | |
| Kim et al. | A direct utility model for access costs and economies of scope | |
| CN116993490B (zh) | 一种基于人工智能的银行场景自动处理方法及系统 | |
| US20140344020A1 (en) | Competitor pricing strategy determination | |
| US20090177600A1 (en) | System and method for coarse-classing variables in a predictive model | |
| CN108734203A (zh) | 一种网站访客价值评估方法 | |
| Chashmi et al. | Predicting customer turnover using recursive neural networks | |
| US20140344021A1 (en) | Reactive competitor price determination using a competitor response model | |
| US20140344022A1 (en) | Competitor response model based pricing tool | |
| Dertouzos et al. | Human resource management and Army recruiting: Analyses of policy options | |
| US10210530B1 (en) | Selecting a report | |
| Sa Vinhas et al. | Competitive channel relationship management: When resellers establish competing manufacturer relationships |
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: 20181102 |