CN109255645A - 一种消费预测方法、装置及电子设备 - Google Patents

一种消费预测方法、装置及电子设备 Download PDF

Info

Publication number
CN109255645A
CN109255645A CN201810805847.5A CN201810805847A CN109255645A CN 109255645 A CN109255645 A CN 109255645A CN 201810805847 A CN201810805847 A CN 201810805847A CN 109255645 A CN109255645 A CN 109255645A
Authority
CN
China
Prior art keywords
classification
commodity
end article
time cycle
predicted
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.)
Granted
Application number
CN201810805847.5A
Other languages
English (en)
Other versions
CN109255645B (zh
Inventor
王思萌
杨硕
张婧
戴文娟
方琦
董羿
郭乐
申众
顾进杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810805847.5A priority Critical patent/CN109255645B/zh
Publication of CN109255645A publication Critical patent/CN109255645A/zh
Application granted granted Critical
Publication of CN109255645B publication Critical patent/CN109255645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/0203—Market surveys; Market polls
    • 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

  • 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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书公开了一种消费预测方法、装置及电子设备。该消费预测方法，包括：在对待预测时间周期的用户消费趋势进行预测时，获取并基于用户在待预测时间周期前的消费所属商品类目及各个商品类目的类目参数进行预测，获得预测待预测时间周期内用户消费增长的目标商品类目，并对获得的目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小即筛选掉用户自身能够明显感知和/或变化不大的消费趋势，基于筛选后的目标商品类目展示用户在待预测时间周期内的消费趋势，避免了向用户提供无用或触动性较低的预测信息，提高了消费预测的有效性。

Description

一种消费预测方法、装置及电子设备
技术领域
本说明书涉及软件技术领域，特别涉及一种消费预测方法、装置及电子设备。
背景技术
随着科学技术的不断方发展，预测技术得到了快速的发展，并应用于各个领域，如金融预测、房地产预测、股价预测等。随着人们消费水平的提高，对用户消费的预测的需求越来越大，不管是用消费者还是商家都希望获得下一季度或者下一年的消费发展趋势，对于商家而言希望消费预测准确、全面，而对于消费者而言则希望预测能提供一些容易被忽略但却很重要的信息，这一点往往是现有技术欠缺的，亟需一种消费预测方法，来满足消费者对消费预测的需求。
发明内容
本说明书实施例提供一种消费预测方法、装置及电子设备，用于实现针对消费者的消费趋势预测，提高消费预测的有效性。
第一方面，本说明书实施例提供一种消费预测方法，包括：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
第二方面，本说明书实施例提供一种消费预测装置，包括：
获取单元，用于获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
预测单元，用于基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
筛选单元，用于对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
展示单元，用于基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
第三方面，本说明书实施例提供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：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
第四方面，本说明书实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
本说明书实施例中的上述一个或多个技术方案，至少具有如下技术效果：
本说明书实施例提供一种消费预测方法，获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数，考虑了用户消费过程中同一消费商品短时间内不会再次购买但同一类目下的商品却可能再次购买的特殊性，基于商品类目进行用户消费预测而非基于消费商品进行消费预测，进一步基于各个商品类目的类目参数，预测待预测时间周期内用户消费增长的目标商品类目并对目标商品类目进行筛选，去除类目增长率从大到小排序前n位和/或类目占比从大到小排序前m位的目标商品类目，如消费者能够自己能够明显感知的增长类目的商品类目，基于筛选后的目标商品类目展示用户在待预测时间周期内的消费趋势，避免了向用户提供无用或触动性较低的预测信息，提高了消费预测的有效性。
附图说明
为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种消费预测方法的流程图；
图2为本说明书实施例提供的一种消费预测装置的示意图；
图3为本说明书实施例提供的一种电子设备的示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
在本说明书实施例提供一种消费预测方法、装置及电子设备，用于实现针对消费者的消费趋势预测，提高消费预测的有效性。
下面结合附图对本说明书实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
首先，对本说明书实施例中涉及到的术语解释说明如下：
时间周期：可以是月、季度、年等，本说明书实施例中以年为例对消费预测情况进行举例说明，但并不限制时间周期的大小。
类目消费金额：用户在某个商品类目的消费金额。
类目占比：在一个时间周期内，用户在某个商品类目中的类目消费金额和用户所有消费总金额的比例。
消费商品数量：用户在某商品类目中购买商品的数量。
类目增长率：是指用户在一个时间周期内某个商品类目的消费金额相对上一个时间周期内该商品消费类目的消费金额的增长情况。
本说明书实施例提供的一种消费预测方法的，基于类目增长率来进行预测。请参考图1，该消费预测方法包括：
S110：获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
S120：基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
S130：对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
S140：基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
具体实施过程中，本说明书实施例执行S110时根据消费商品所属的商品类目将待预测时间周期之前的用户消费划分到各个商品类目中，并获得各个商品类目的类目参数。具体的，可以获得各个商品类目的类目增长率作为类目参数，也可以获得各个商品类目的类目消费金额、类目占比、消费商品数量及所有商品类目的消费总金额等中的一个或多个参数作为类目参数，即类目参数包括类目增长率、类目消费金额、类目占比、消费商品数量、消费总金额中的一个或多个参数。
其中，类目增长率的获取，可以获得待预测时间周期之前的第一个时间周期和第二个时间周期内用户消费所属的商品类目和在每个商品类目中的消费金额即类目消费金额；基于第一个时间周期和第二个时间周期内同一商品类目中的消费金额计算获得每个商品类目的类目增长率。具体的，若第一个时间周期内商品类目的消费商品数量＞0，类目增长率＝(x1-x2)/(x2+1)，其中，x1表示第一个时间周期内的类目消费金额，x2表示第二个时间周期内的类目消费金额。若第一个时间周期内某个商品类目的消费商品数量＝0，类目消费增长率＝0。
类目占比则需要获取一个时间周期内一个商品类目中的消费金额和所有商品类目中的消费总金额的比例。具体的，针对待预测时间周期的商品类目预测，获得待预测时间周期之前的第一个时间周期内的类目占比作为类目参数，提高类目参数的时效性。
在获得各个商品类目的类目参数之后，执行S120基于各个商品类目的类目参数，预测待预测时间周期内用户消费增长的目标商品类目。商品类目的类目增长率、类目占比及消费商品数量这三个参数，类目增长率能够较好的反映类目增长情况，类目占比能够从整体上反映类目对消费者的影响程度，消费类目数量能够筛选掉稀疏数据的影响，综合这三个参数进行商品类目预测，能够大大提高预测的准确性。
其中，类目增长率和类目占比为正相关的因素，也就是类目增长率、类目占比越大，认为用户的消费趋势倾向于对应商品类目的可能性越大。消费类目数量则是一种非线性的正向的因素，当用户对某个类目的消费类目数量少到某种程度时，认为用户是出于偶然发生购买行为，而没有长期的购买偏好，当消费类目数量多到某种程度时，说明在该商品类目中用户有比较明显的购买倾向。为此，可以根据类目参数中的各个商品类目的类目增长率、类目占比及消费商品数量对消费区域的影响来预测获得目标商品类目。
具体的，可以基于各个商品类目的类目增长率、类目占比及消费类目数量，计算获得各个商品类目的类目权重；获取类目权重满足预设条件如≥某一阈值或者类权重从大到小排序在前3、4位的商品类目作为待预测时间周期内用户消费增长的目标商品类目。一个商品类目的类目权重λ可以通过如下公式计算获得：
λ＝x–1/(n+1)+k*2，
其中，x表示商品类目的类目增长率，n表示待预测时间周期之前的第一个时间周期内商品类目的消费商品数量，k表示待预测时间周期之前的第一个时间周期内商品类目的类目占比。需要说明的是，在计算获得类目权重时，对于集中影响用户购买趋势的参数，可以对类目增长率、消费商品数量、类目占比进行不同的组合或变换，还可以进一步结合类目消费金额、各个类目的消费总金额等参数来计算类目权重以进行用户购买趋势的判断，即本实施例并不限制类目权重的具体计算方法。
在S120获得目标商品类目之后，执行S130对目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小。其中，n、m可以取1或2，如筛选时可以去除类目增长率最大和/或类目占比最大的目标商品类目，通过执行S130筛选掉了类目增长率最大和/或类目占比最大的目标商品类目，因为这些类目商品对于消费者而言是能够明显被感知的，这些消费增长预测并不会给消费者带来有效的信息，对消费者的触动非常小。而筛选后剩下的目标商品类目，则是消费者容易忽略掉的，但又是客观的稳定增长点，对该类目标商品类目的预测及推荐，能够向消费者提供大量的有效信息，对消费者的触动更大，为此，在S130之后执行S140。
S140基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。具体的，消费趋势的展示有多种方式，可以直接展示筛选后的目标商品类目名称，也可以展示筛选后的目标商品类目名称及筛选后的目标商品类目对应的关键词和/或描述文案，还可以只展示筛选后的目标商品类目对应的关键词和/或描述文案。
其中，对于关键词和/或描述文案的展示，本实施例针对每一个商品类目预先建立一组针对用户心里特征、能够与用户产生心里共鸣的关键词和/或描述文案，将该关键词和/或描述文案作为预测内容展示时，能够使预测的内容从后台预测的目标商品类目转化成情感化的表达，给到用户情理之中又意料之外的体验。针对筛选后的目标商品类目，从预设的关键词中，获得与筛选后的目标商品类目对应的关键词和/或描述文案，展示筛选后的目标商品类目及关键词和/或描述文案。例如：假设筛选后的商品类目为“餐饮”的，获得与“餐饮”对应的关键词“吃货”、描述文案“你将在“吃货”这条路上越走越远”，并展示获得的关键词和描述文案。
在对预测内容进行展示时，可以基于智能机器人的视角，给用户提供卡牌方式的预测场景，增强科技感。具体的，先向用户展示一张卡牌，在用户点击卡牌时，系统会请求后端数据库，获取用户关键词及描述文案，展示到卡牌背面，卡盘翻页后展示给用户。
具体实施过程中，在进行目标商品类目预测之前，还可以将消费商品类目的类目总数较少的用户过滤掉，将消费商品数量过少的消费商品类目过滤掉，达到筛选稀疏数据的作用，提高预测的准确性。
请参考图2，基于上述实施例提供的消费预测方法，本实施例还对应提供一种消费预测装置，该装置包括：
获取单元21，用于获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
预测单元22，用于基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
筛选单元23，用于对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
展示单元24，用于基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
作为一种可选的实施方式，所述展示单元24还用于：获得筛选后的目标商品类目对应的关键词和/或描述文案；展示所述筛选后的目标商品类目及所述关键词和/或所述描述文案。
作为一种可选的实施方式，所述获取单元21还通过如下一种或多种方式获取类目参数：1、获取所述各个商品类目中消费商品数量；将所述各个商品类目的消费商品数量作为所述类目参数。2、获得待预测时间周期之前的第一个时间周期和第二个时间周期内所述用户消费所属的商品类目和在每个商品类目中的消费金额；基于所述第一时间周期和第二个时间周期内同一商品类目中的消费金额，计算获得每个商品类目的类目增长率，将所述类目增长率作为所述类目参数。3、获取所述各个商品类目的类目占比，所述类目占比为一个时间周期内一个商品类目中的消费金额和所有商品类目中的消费总金额的比例；将所述各个商品类目的类目占比作为所述类目参数。
作为一种可选的实施方式，所述预测单元22具体用于：基于各个商品类目的类目增长率、类目占比及消费商品数量，计算获得各个商品类目的类目权重；获取类目权重满足预设条件的商品类目作为所述待预测时间周期内所述用户消费稳定增长的目标商品类目。其中，类目权重的获取可以通过如下公式计算获得：
λ＝x–1/(n+1)+k*2
其中，λ表示一个商品类目的类目权重，x表示对应商品类目的类目增长率，n表示待预测时间周期之前的第一个时间周期内对应商品类目的消费商品数量，k表示所述第一个时间周期内对应商品类目的类目占比。
作为一种可选的实施方式，筛选单元23在筛选时，可以去除类目增长率最大和/或类目占比最大的目标商品类目。
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关方法的实施例中进行了详细描述，此处不再详细阐述。
请参考图3，是根据一示例性实施例示出的一种用于实现消费预测方法的电子设备700的框图。例如，电子设备700可以是计算机，数据库控制台，平板设备，个人数字助理等。
参照图3，电子设备700可以包括以下一个或多个组件：处理组件702，存储器704，电源组件706，多媒体组件708，输入/输出(I/O)的接口710，以及通信组件712。
处理组件702通常控制电子设备700的整体操作，诸如与显示，数据通信，及记录操作相关联的操作。处理元件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件706为电子设备700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为电子设备700生成、管理和分配电力相关联的组件。
I/O接口710为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
通信组件712被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件712经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件712还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由电子设备700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得电子设备能够执行一种消费预测方法，所述方法包括：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种消费预测方法，包括：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
2.如权利要求1所述的方法，所述基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势，包括：
获得筛选后的目标商品类目对应的关键词和/或描述文案；
展示所述筛选后的目标商品类目及所述关键词和/或所述描述文案。
3.如权利要求1所述的方法，所述类目参数的获取方法包括：
获取所述各个商品类目中消费商品数量；
将所述各个商品类目的消费商品数量作为所述类目参数。
4.如权利要求3所述的方法，所述类目参数的获取方法还包括：
获得待预测时间周期之前的第一个时间周期和第二个时间周期内所述用户消费所属的商品类目和在每个商品类目中的消费金额；
基于所述第一时间周期和第二个时间周期内同一商品类目中的消费金额，计算获得每个商品类目的类目增长率，将所述类目增长率作为所述类目参数。
5.如权利要求4所述的方法，所述类目参数的获取方法还包括：
获取所述各个商品类目的类目占比，所述类目占比为一个时间周期内一个商品类目中的消费金额和所有商品类目中的消费总金额的比例；
将所述各个商品类目的类目占比作为所述类目参数。
6.如权利要求1～5任一所述的方法，基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目，包括：
基于各个商品类目的类目增长率、类目占比及消费商品数量，计算获得各个商品类目的类目权重；
获取类目权重满足预设条件的商品类目作为所述待预测时间周期内所述用户消费稳定增长的目标商品类目。
7.如权利要求6所述的方法，基于各个商品类目的类目增长率、类目占比及消费商品数量，计算获得各个商品类目的类目权重，包括：
λ＝x–1/(n+1)+k*2
其中，λ表示一个商品类目的类目权重，x表示对应商品类目的类目增长率，n表示待预测时间周期之前的第一个时间周期内对应商品类目的消费商品数量，k表示所述第一个时间周期内对应商品类目的类目占比。
8.如权利要求1～5任一所述的方法，所述对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，包括：
对所述目标商品类目进行筛选，去除类目增长率最大和/或类目占比最大的目标商品类目。
9.一种消费预测装置，包括：
获取单元，用于获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
预测单元，用于基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
筛选单元，用于对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
展示单元，用于基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
10.如权利要求9所述的装置，所述展示单元还用于：
获得筛选后的目标商品类目对应的关键词和/或描述文案；
展示所述筛选后的目标商品类目及所述关键词和/或所述描述文案。
11.如权利要求9所述的装置，所述获取单元还用于：
获取所述各个商品类目中消费商品数量；
将所述各个商品类目的消费商品数量作为所述类目参数。
12.如权利要求11所述的装置，所述获取单元还用于：
获得待预测时间周期之前的第一个时间周期和第二个时间周期内所述用户消费所属的商品类目和在每个商品类目中的消费金额；
基于所述第一时间周期和第二个时间周期内同一商品类目中的消费金额，计算获得每个商品类目的类目增长率，将所述类目增长率作为所述类目参数。
13.如权利要求12所述的装置，所述获取单元还用于：
获取所述各个商品类目的类目占比，所述类目占比为一个时间周期内一个商品类目中的消费金额和所有商品类目中的消费总金额的比例；
将所述各个商品类目的类目占比作为所述类目参数。
14.如权利要求9～13任一所述的装置，所述预测单元具体用于：
基于各个商品类目的类目增长率、类目占比及消费商品数量，计算获得各个商品类目的类目权重；
获取类目权重满足预设条件的商品类目作为所述待预测时间周期内所述用户消费稳定增长的目标商品类目。
15.如权利要求14所述的装置，所述预测单元还用于：
λ＝x–1/(n+1)+k*2
其中，λ表示一个商品类目的类目权重，x表示对应商品类目的类目增长率，n表示待预测时间周期之前的第一个时间周期内对应商品类目的消费商品数量，k表示所述第一个时间周期内对应商品类目的类目占比。
16.如权利要求9～13任一所述的装置，所述筛选单元用于：
对所述目标商品类目进行筛选，去除类目增长率最大和/或类目占比最大的目标商品类目。
17.一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：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
18.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取待预测时间周期之前用户的消费所属商品类目及各个商品类目的类目参数；
基于各个商品类目的类目参数，预测待预测时间周期内所述用户消费增长的目标商品类目；
对所述目标商品类目进行筛选，去除类目增长率排序前n位和/或类目占比排序前m位的目标商品类目，所述排序的顺序为从大到小；
基于筛选后的目标商品类目展示用户在所述待预测时间周期内的消费趋势。
CN201810805847.5A 2018-07-20 2018-07-20 一种消费预测方法、装置及电子设备 Active CN109255645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810805847.5A CN109255645B (zh) 2018-07-20 2018-07-20 一种消费预测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810805847.5A CN109255645B (zh) 2018-07-20 2018-07-20 一种消费预测方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN109255645A true CN109255645A (zh) 2019-01-22
CN109255645B CN109255645B (zh) 2021-09-14

Family

ID=65049019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810805847.5A Active CN109255645B (zh) 2018-07-20 2018-07-20 一种消费预测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN109255645B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581158A (zh) * 2019-09-27 2021-03-30 治略资讯整合股份有限公司 会员回购商品的信息处理系统与方法
CN113781174A (zh) * 2021-09-13 2021-12-10 内蒙古师范大学 一种提升消费者获得喜好商品的推荐方法和系统
CN114493712A (zh) * 2022-01-30 2022-05-13 上海烈熊网络技术有限公司 一种数字化营销方法和营销平台

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345645A (zh) * 2013-06-27 2013-10-09 复旦大学 面向网购平台的商品图像类别预测方法
CN103631801A (zh) * 2012-08-23 2014-03-12 阿里巴巴集团控股有限公司 一种提供商品信息的方法及装置
CN103729351A (zh) * 2012-10-10 2014-04-16 阿里巴巴集团控股有限公司 查询词推荐方法及装置
US20150178752A1 (en) * 2011-03-11 2015-06-25 Sanjay Kadkol Spend analysis system and method
CN104820879A (zh) * 2015-05-27 2015-08-05 北京京东尚科信息技术有限公司 一种用户行为信息的分析方法和装置
US20160232564A1 (en) * 2015-02-06 2016-08-11 Bank Of America Corporation Serving targeted electronic advertisements based on anonymous cookies that identify spending trends
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
CN107392644A (zh) * 2017-06-19 2017-11-24 华南理工大学 一种商品购买预测建模方法
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高潜在用户购买意向预测方法
CN108053268A (zh) * 2017-12-29 2018-05-18 广州品唯软件有限公司 一种商品聚类确认方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150178752A1 (en) * 2011-03-11 2015-06-25 Sanjay Kadkol Spend analysis system and method
CN103631801A (zh) * 2012-08-23 2014-03-12 阿里巴巴集团控股有限公司 一种提供商品信息的方法及装置
CN103729351A (zh) * 2012-10-10 2014-04-16 阿里巴巴集团控股有限公司 查询词推荐方法及装置
CN103345645A (zh) * 2013-06-27 2013-10-09 复旦大学 面向网购平台的商品图像类别预测方法
US20160232564A1 (en) * 2015-02-06 2016-08-11 Bank Of America Corporation Serving targeted electronic advertisements based on anonymous cookies that identify spending trends
CN104820879A (zh) * 2015-05-27 2015-08-05 北京京东尚科信息技术有限公司 一种用户行为信息的分析方法和装置
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
CN107392644A (zh) * 2017-06-19 2017-11-24 华南理工大学 一种商品购买预测建模方法
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高潜在用户购买意向预测方法
CN108053268A (zh) * 2017-12-29 2018-05-18 广州品唯软件有限公司 一种商品聚类确认方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581158A (zh) * 2019-09-27 2021-03-30 治略资讯整合股份有限公司 会员回购商品的信息处理系统与方法
CN113781174A (zh) * 2021-09-13 2021-12-10 内蒙古师范大学 一种提升消费者获得喜好商品的推荐方法和系统
CN113781174B (zh) * 2021-09-13 2023-09-22 内蒙古师范大学 一种提升消费者获得喜好商品的推荐方法和系统
CN114493712A (zh) * 2022-01-30 2022-05-13 上海烈熊网络技术有限公司 一种数字化营销方法和营销平台

Also Published As

Publication number Publication date
CN109255645B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Van den Bulte et al. Bias and systematic change in the parameter estimates of macro-level diffusion models
CA3066832C (en) Information search method, apparatus and system
Sinha et al. The multiple-choice knapsack problem
CN111080413A (zh) 电商平台商品的推荐方法、装置、服务器和存储介质
US20170206204A1 (en) System, method, and device for generating a geographic area heat map
US20160162976A1 (en) Push-based recommendations
Sun et al. Contextual intent tracking for personal assistants
CN107093096A (zh) 一种业务量预测方法及装置
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
CN109255645A (zh) 一种消费预测方法、装置及电子设备
CN106021259A (zh) 信息终端的控制方法
CN110619553B (zh) 一种商品信息展示方法、装置、电子设备及存储介质
CN111639988B (zh) 经纪人推荐方法、装置、电子设备和存储介质
CN107040886A (zh) 一种信息确定的方法及装置
CN110163417A (zh) 一种业务量的预测方法、装置及设备
CN109961077A (zh) 性别预测方法、装置、存储介质及电子设备
CN110046784A (zh) 一种用户准入的风险确定方法及装置
CN110148013A (zh) 一种用户标签分布预测方法、装置及系统
CN110033304A (zh) 一种信息处理方法、装置及设备
Karimi-Nasab et al. Multi-objective production scheduling with controllable processing times and sequence-dependent setups for deteriorating items
CN107820209A (zh) 兴趣推荐方法、装置及服务器
CN111291258A (zh) 搜索热词的推荐方法、装置、电子设备及可读介质
CN106779926A (zh) 关联规则生成方法、装置及终端
CN109146422B (zh) 项目包生成方法、装置及存储介质
CN107274247A (zh) 基于云计算的智慧感知推荐方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200930

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200930

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant