CN109360051A - 确定用户购物需求的方法、装置、设备及可读存储介质 - Google Patents

Abstract

本公开提供一种确定用户购物需求的方法、装置、设备及可读存储介质。方法包括：获取用户信息，根据用户信息进行聚类处理，得到至少一个包括多个用户的用户群；根据用户的社交网络信息，对用户群包括的用户进行分组，得到预设数量个社群网络；根据社群网络，确定用户群中的社群交集用户；根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。本公开提供的方案，能够根据用户的社交网络信息，确定出具有公共特征的社群交集用户，并基于公共特征确定这些用户的购物需求，能够更准确的找到用户的购物需求，从而能够基于确定出的购物需求对用户进行营销，提高营销效率。

Description

确定用户购物需求的方法、装置、设备及可读存储介质

技术领域

本发明涉及营销技术，尤其涉及一种确定用户购物需求的方法、装置、设备及可读存储介质。

背景技术

随着互联网以及大数据技术的发展，很多互联网企业都能够获取到大量的用户信息，可以基于获取的这些用户信息预测用户的购物需求，进而向用户进行定向营销。

现有技术中，可以获取用户的历史购物信息，再基于历史购物信息确定用户的购物偏好，进而向其推送商品。

但是，根据用户的历史购物信息是用户已经购买完的商品信息，用户可能已经不存在重复购买该商品的需求，因此，现有技术中确定用户购物偏好的方案具有一定的滞后性，造成向用户推送商品的成功率较低。

发明内容

本公开提供一种确定用户购物需求的方法、装置、设备及可读存储介质，以解决现有技术中确定用户购物偏好的方案向用户推送商品的成功率较低的问题。

本公开的第一个方面是提供一种确定用户购物需求的方法，包括：

获取用户信息，根据所述用户信息进行聚类处理，得到至少一个包括多个用户的用户群；

根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，得到预设数量个社群网络；

根据所述社群网络，确定所述用户群中的社群交集用户；

根据所述社群交集用户所属的所述社群网络，确定所述社群交集用户的公共特征，并根据所述公共特征确定所述社群交集用户的购物需求。

本公开的第二个方面是提供一种确定用户购物需求的装置，包括：

获取模块，用于获取用户信息；

聚类模块，用于根据所述用户信息进行聚类处理，得到至少一个包括多个用户的用户群；

分组模块，用于根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，得到预设数量个社群网络；

第一确定模块，用于根据所述社群网络，确定所述用户群中的社群交集用户；

第二确定模块，用于根据所述社群交集用户所属的所述社群网络，确定所述社群交集用户的公共特征，并根据所述公共特征确定所述社群交集用户的购物需求。

本公开的第三个方面是提供一种确定用户购物需求的设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如上述第一方面所述的确定用户购物需求的方法。

本公开的第四个方面是提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述第一方面所述的确定用户购物需求的方法。

本公开提供的确定用户购物需求的方法、装置、设备及可读存储介质的技术效果是：

本公开提供的确定用户购物需求的方法、装置、设备及可读存储介质，包括：获取用户信息，根据用户信息进行聚类处理，得到至少一个包括多个用户的用户群；根据用户的社交网络信息，对用户群包括的用户进行分组，得到预设数量个社群网络；根据社群网络，确定用户群中的社群交集用户；根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。本公开提供的确定用户购物需求的方法、装置、设备及可读存储介质，能够根据用户的社交网络信息，确定出具有公共特征的社群交集用户，并基于公共特征确定这些用户的购物需求，能够更准确的找到用户的购物需求，从而能够基于确定出的购物需求对用户进行营销，提高营销效率。

附图说明

图1为本发明一示例性实施例示出的确定用户购物需求的方法的流程图；

图2为本发明另一示例性实施例示出的确定用户购物需求的方法的流程图；

图3为本发明一示例性实施例示出的确定用户购物需求的装置的结构图；

图4为本发明另一示例性实施例示出的确定用户购物需求的装置的结构图；

图5为本发明一示例性实施例示出的确定用户购物需求的设备的结构图。

具体实施方式

图1为本发明一示例性实施例示出的确定用户购物需求的方法的流程图。

如图1所示，本实施例提供的确定用户购物需求的方法包括：

步骤101，获取用户信息，根据用户信息进行聚类处理，得到至少一个包括多个用户的用户群。

其中，可以由营销服务器执行本实施例提供的方法，在需要对用户进行营销时，可以基于该营销服务器获取用户信息。用户信息可以包括多种具体的信息，如用户基本信息、用户购物信息等。可以由营销服务器从其他服务器或数据库获取用户信息，也可以在营销服务器中存储用户信息。

具体的，可以预先通过爬虫技术或其他方式获取用户信息，并存储用户信息，从而在执行本实施例提供的方法时，能够直接获取该用户信息。该用户信息可以是多个用户的信息。

进一步的，在获取用户信息后，可以基于聚类算法对这些用户信息进行聚类处理。聚类算法可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来，并且概括出每一类消费者的消费模式或者说习惯。因此，可以根据聚类算法基于用户信息对用户进行初步分类。

实际应用时，还可以设置第一数量值，并根据聚类算法，将用户分为第一数量值个用户群。例如，可以将第一数量值设置为10，则可以将用户信息对应的所有用户，划分为10个用户群。

其中，每个用户仅属于一个用户群，即用户群中的用户不存在交叉的情况。

步骤102，根据用户的社交网络信息，对用户群包括的用户进行分组，得到预设数量个社群网络。

具体的，营销服务器还能够获取用户的社交网络信息。社交网络信息是指用户在微信、QQ等社交网络平台的信息，具体可以包括用户加入的群组、关注的公众号等。目前，网络技术发达，用户可以在线上与其他用户交流，并与兴趣相同的用户组件群组，因此，可以认为同属于一个群组的用户，具有相似的特征，关注同一个公众号的用户，也具有相似的特征。例如，关注涉及美术公众号的用户，会对画画比较感兴趣；同属于足球群组的用户，对足球比较感兴趣。因此，可以基于用户的社交网络信息，对用户群中的用户进行第二次分组。

在一种实施方式中，可以预先设置预设数量，在每个用户群中划分出预设数量个社群网络，并且，属于同一个社群网络的用户，至少具有一个相似的社交网络信息。例如，第一个社群网络中，所有用户都属于足球群组。这些用户可能加入的是同一个足球群组，也可以是不同的足球群组，但是他们具有的相同兴趣是对足球感兴趣。

在另一种实施方式中，还可以直接对用户信息进行聚类处理，得到多个用户群。从判断确定的用户群数量是否合适，若不合适，则可以调整聚类参数，重新执行聚类处理的步骤。

实际应用时，不同的社群网络中可以包括相同的用户，例如，用户A对足球感兴趣，加入了很多足球的群组，而且用户A还对篮球感兴趣，加入了很多篮球的群组，则用户A既可以属于足球群组对应的社群网络，又可以属于篮球群组对应的社群网络。

步骤103，根据社群网络，确定用户群中的社群交集用户。

其中，社群交集用户是指属于多个社群网络的用户。本实施例提供的方法中，在一个用户群中，社群交集用户可以是属于这个用户群的各个社群网络的用户。例如，用户群1中具有三个社群网络，同时属于这三个社群网络的用户则为社群交集用户。

具体的，属于同一个用户群中的用户，具有相似的用户信息。属于同一个社群网络的用户，具有相似的兴趣爱好，因此，社群交集用户具有较多的公共特征。

步骤104，根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。

进一步的，由于社群交集用户具有较多的公共特征，因此，可以利用这些相似特征，确定这些用户的购物需求，并对用户进行营销，从而提高营销效率。本实施例提供的方法，不仅根据用户的购物信息确定用户的购物需求，还基于用户社交网络信息，确定用户的喜好，从而根据用户的喜好确定具有相同喜好的用户的购物需求。本实施例提供的方法，无需逐一对用户进行分析，就能够得到具有共同喜好的社群交集用户，从而提高确定速度，并且，基于用户喜好确定的购物需求更准确，与用户更加匹配。

实际应用时，可以根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，例如，可以确定每个社群网络的特征，再获取社群交集用户所属的每个社群网络的特征，并将这些特征作为公共特征，并根据公共特征确定社群交集用户的购物需求。

其中，还可以根据社群网络中包括的用户的用户信息，确定该社群网络对应的特征。社群网络中的用户，具有相似的用户信息且具有相似的兴趣爱好，因此，能够基于这些信息确定与社群网络更匹配的特征。

本实施例提供的方法用于确定用户购物需求，该方法由设置有本实施例提供的方法的设备执行，该设备通常以硬件和/或软件的方式来实现。

本实施例提供的确定用户购物需求的方法，包括：获取用户信息，根据用户信息进行聚类处理，得到至少一个包括多个用户的用户群；根据用户的社交网络信息，对用户群包括的用户进行分组，得到预设数量个社群网络；根据社群网络，确定用户群中的社群交集用户；根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。本实施例提供的方法，能够根据用户的社交网络信息，确定出具有公共特征的社群交集用户，并基于公共特征确定这些用户的购物需求，能够更准确的找到用户的购物需求，从而能够基于确定出的购物需求对用户进行营销，提高营销效率。

图2为本发明另一示例性实施例示出的确定用户购物需求的方法的流程图。

如图2所示，本实施例提供的确定用户购物需求的方法，包括：

步骤201，获取用户信息。

其中，用户信息包括以下至少一种信息：

用户基本信息、用户消费信息、用户的地理位置信息、用户上网行为信息。

具体的，用户基本信息是指用户的性别、姓名等信息。用户消费信息是指获取的用户购物信息，可以包括线上购物信息，还可以包括线下购物信息，可以通过用户使用手机进行支付的信息，确定线下购物信息。还可以包括用户的地理位置信息，该位置可以是用户最近一段时间经过的位置，也可以是用户进行购物消费时所在的位置。用户信息哈可以包括用户上网行为信息，具体是指用户通过网络浏览的信息，一般情况下，用户在购物之前会在网上搜索商品相关信息，如网友评价等，因此，可以具有相似上网行为的用户，可以被分为同一个用户群中。

步骤201与步骤101中获取用户信息的具体原理和实现方式类似，此处不再赘述。

步骤202，对每个用户的用户信息进行合并得到合并后的用户信息。

进一步的，若用户信息包括多种信息，则可以通过不同的渠道获取这些信息，例如，可以通过网络购物渠道获取用户A的消费信息，可以通过爬虫技术获取用户A的上网行为信息。

实际应用时，由于获取信息的渠道不同，因此，可以基于用户标识确定出属于同一个用户的用户信息，并对这些信息进行合并，得到合并后的用户信息。例如，可以维护一个用户信息数据库，其中包括用户标识、用户信息，用户信息又包括各种上述各种具体的信息。

步骤203，对合并后的用户信息进行预处理得到预处理数据，并根据K-means聚类算法对预处理数据进行聚类处理，得到至少一个包括多个用户的用户群。

其中，还可以进一步的对合并后的用户信息进行预处理，具体可以包括数据转化、数据探索、异常值处理、属性规约等。若通过不同渠道获取用户信息，则会造成信息的格式不统一，因此，可以对数据进行转化，得到统一标准的数据。数据探索的目的是对要分析的数据有个大概的了解。弄清数据集大小，特征和样本数量，数据类型，数据的概率分布等。异常值是在数据集中存在不合理的值，又称离群点，可以根据数据探索步骤得到数据中的异常值，并剔除掉异常值。属性规约通过属性合并来创建新属性维度，或者删除不相关的属性维度，来减少数据维数，从而提高数据挖掘效率，降低计算成本。例如，可以删除用户基本信息中的姓名，因为这一属性对于用户的消费行为不产生影响。

具体的，对合并后的用户信息进行预处理后，能够得到比较规整的预处理数据，再根据预处理数据进行聚类处理，能够避免对用户消费不产生影响的属性信息影响聚类结果。

进一步的，可以采用K-means聚类算法对预处理数据进行聚类，得到至少一个用户群，每个用户群包括多个用户。还可以预先设置用户群数量，并通过K-means聚类算法对预处理数据进行聚类，得到用户群数量个用户群。

实际应用时，用户信息中包括多种信息，可以设置各个信息的重要程度，例如，用户消费信息最重要，用户上网行为信息次重要等。在聚类分析时，可以考虑用户信息的重要程度，例如，考虑用户消费信息，用户A可以分在第一个用户群中，考虑用户基本信息，用户A可以分在第二个用户群里，但是由于消费信息更重要，因此，可以将用户A分在第一个用户群里。

步骤204，获取用户的社交网络信息。

其中，营销服务器还可以获取各个用户的社交网络信息，具体可以在营销服务器中设置与社交网络平台连接的接口，通过该接口能够获取从社交网络平台中获取用户的社交网络信息。

具体的，用户的社交网络信息可以是用户加入的群组、关注的公众号等信息。

步骤205，对社交网络信息进行分类，并将属于同一类别的社交网络信息的用户划分为同一组。

进一步的，可以对用户的社交网络信息进行分类，例如，与足球相关的社交网络信息可以分为一类，与跑步相关的社交网络信息可以分为一类。

实际应用时，可以将属于同一社交网络信息的用户分为一类。例如，将关注足球公众号以及加入足球相关群组的用户分为一类，可以认为这些用户都对足球感兴趣。

步骤206，根据社群网络，确定用户群中的社群交集用户。

步骤207，根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。

步骤206-207与步骤103-104的具体原理和实现方式类似，此处不再赘述。

本实施例提供的方法中，同一用户群中的用户具有相似的特征，但是用户群中的全部用户可能具有共同的特征，因此，可以通过用户的社交网络信息对用户进行二次分组得到社群网络，并确定社群网络的交集用户，可以认为社群交集用户具有共同的特征，因此，可以基于其共同特征度确定这些用户的购物需求，从而更准确的确定用户的购物需求。

可选的，本实施例提供的方法还可以包括：

步骤208，根据购物需求向社群交集用户营销商品。

其中，在确定出用户的购物需求之后，可以根据用户的购物需求向社群交集用户营销商品。由于是根据社群交集用户的公共特征确定的这些用户的购物需求，因此，该购物需求与这些社群交集用户更为匹配，可以根据确定的购物需求确定与社群交集用户匹配的商品，并推送商品。

具体的，还可以设置优惠策略，在向社群交集用户推送匹配商品时，还可以同时根据优惠策略向社群交集用户发送商品的优惠信息，从而提高用户的购买欲。

步骤209，获取社群交集用户的购物行为，并根据购物行为确定营销结果。

进一步的，在向社群交集用户进行营销以后，还可以追踪这些用户的购物行为，并确定营销结果，例如，若用户购买了营销的商品，则营销成功，否则，营销失败。

实际应用时，若用户未购买推送的商品，还可以获取用户购买的其他商品信息，并判断是否与推送商品相似，若相似，还可以进一步的确定商品间的区别，例如，品牌影响力、价格、优惠力度等，可以根据这些信息优化用户信息，从而更准确的获知用户的购物偏好。

步骤210，根据营销结果调整社群网络的预设数量，并根据预设数量重新确定社群网络。

其中，还可以根据营销结果调整社群网络的预设数量。由于划分社交网络的数量与最终确定社群交集用户具有直接关系，因此，可以根据营销结果调整社群网络的预设数量，并根据预设数量重新确定社群网络，从而使确定的社群交集用户更加合理，使得最终确定的购物需求与社群交集用户更加匹配。

具体的，若营销结果较差，则可以减少预设数量，从而减少社群网络的数量，使得社群交集用户数量增加，从而扩大营销用户的范围，并基于新确定的社群交集用户进行营销。

图3为本发明一示例性实施例示出的确定用户购物需求的装置的结构图。

如图3所示，本实施例提供的确定用户购物需求的装置，包括：

获取模块31，用于获取用户信息；

聚类模块32，用于根据所述用户信息进行聚类处理，得到至少一个包括多个用户的用户群；

分组模块33，用于根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，得到预设数量个社群网络；

第一确定模块34，用于根据所述社群网络，确定所述用户群中的社群交集用户；

第二确定模块35，用于根据所述社群交集用户所属的所述社群网络，确定所述社群交集用户的公共特征，并根据所述公共特征确定所述社群交集用户的购物需求。

本实施例提供的确定用户购物需求的装置，包括：获取模块，用于获取用户信息；聚类模块，用于根据用户信息进行聚类处理，得到至少一个包括多个用户的用户群；分组模块，用于根据用户的社交网络信息，对用户群包括的用户进行分组，得到预设数量个社群网络；第一确定模块，用于根据社群网络，确定用户群中的社群交集用户；第二确定模块，用于根据社群交集用户所属的社群网络，确定社群交集用户的公共特征，并根据公共特征确定社群交集用户的购物需求。本实施例提供的装置，能够根据用户的社交网络信息，确定出具有公共特征的社群交集用户，并基于公共特征确定这些用户的购物需求，能够更准确的找到用户的购物需求，从而能够基于确定出的购物需求对用户进行营销，提高营销效率。

本实施例提供的确定用户购物需求的装置的具体原理和实现方式均与图1所示的实施例类似，此处不再赘述。

图4为本发明另一示例性实施例示出的确定用户购物需求的装置的结构图。

如图4所示，在上述实施例的基础上，本实施例提供的确定用户购物需求的装置，所述聚类模块32，包括：

合并单元321，用于对每个用户的用户信息进行合并得到合并后的用户信息；

处理单元322，用于对所述合并后的用户信息进行预处理得到预处理数据，并根据K-means聚类算法对所述预处理数据进行聚类处理。

可选的，所述用户信息包括以下至少一种信息：

用户基本信息、用户消费信息、用户的地理位置信息、用户上网行为信息。

可选的，所述分组模块33，包括：

获取单元331，用于获取所述用户的社交网络信息；

分组单元332，用于对所述社交网络信息进行分类，并将属于同一类别的所述社交网络信息的用户划分为同一组。

可选的，所述装置，还包括：

营销模块36，用于根据所述购物需求向所述社群交集用户营销商品。

可选的，本实施例提供的装置还包括后处理模块37，用于：

获取社群交集用户的购物行为，并根据所述购物行为确定营销结果；

根据所述营销结果调整所述社群网络的所述预设数量，并根据所述预设数量重新确定社群网络。

本实施例提供的确定用户购物需求的装置的具体原理和实现方式均与图2所示的实施例类似，此处不再赘述。

图5为本发明一示例性实施例示出的确定用户购物需求的设备的结构图。

如图5所示，本实施例提供的确定用户购物需求的设备包括：

存储器51；

处理器52；以及

计算机程序；

其中，所述计算机程序存储在所述存储器51中，并配置为由所述处理器52执行以实现如上所述的任一种确定用户购物需求的方法。

本实施例还提供一种可读存储介质，其上存储有计算机程序，

所述计算机程序被处理器执行以实现如上所述的任一种确定用户购物需求的方法。

本领域普通技术人员可以理解：实现上述各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，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种确定用户购物需求的方法，其特征在于，包括：

获取用户信息，根据所述用户信息进行聚类处理，得到至少一个包括多个用户的用户群；

根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，得到预设数量个社群网络；

根据所述社群网络，确定所述用户群中的社群交集用户；

根据所述社群交集用户所属的所述社群网络，确定所述社群交集用户的公共特征，并根据所述公共特征确定所述社群交集用户的购物需求。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户信息进行聚类处理，包括：

对每个用户的用户信息进行合并得到合并后的用户信息；

对所述合并后的用户信息进行预处理得到预处理数据，并根据K-means聚类算法对所述预处理数据进行聚类处理。

3.根据权利要求2所述的方法，其特征在于，所述用户信息包括以下至少一种信息：

用户基本信息、用户消费信息、用户的地理位置信息、用户上网行为信息。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，包括：

获取所述用户的社交网络信息；

对所述社交网络信息进行分类，并将属于同一类别的所述社交网络信息的用户划分为同一组。

5.根据权利要求1-3任一项所述的方法，其特征在于，还包括：

根据所述购物需求向所述社群交集用户营销商品。

6.根据权利要求5所述的方法，其特征在于，还包括：

获取社群交集用户的购物行为，并根据所述购物行为确定营销结果；

根据所述营销结果调整所述社群网络的所述预设数量，并根据所述预设数量重新确定社群网络。

7.一种确定用户购物需求的装置，其特征在于，包括：

获取模块，用于获取用户信息；

聚类模块，用于根据所述用户信息进行聚类处理，得到至少一个包括多个用户的用户群；

分组模块，用于根据所述用户的社交网络信息，对所述用户群包括的所述用户进行分组，得到预设数量个社群网络；

第一确定模块，用于根据所述社群网络，确定所述用户群中的社群交集用户；

第二确定模块，用于根据所述社群交集用户所属的所述社群网络，确定所述社群交集用户的公共特征，并根据所述公共特征确定所述社群交集用户的购物需求。

8.根据权利要求7所述的装置，其特征在于，所述聚类模块，包括：

合并单元，用于对每个用户的用户信息进行合并得到合并后的用户信息；

处理单元，用于对所述合并后的用户信息进行预处理得到预处理数据，并根据K-means聚类算法对所述预处理数据进行聚类处理。

9.一种确定用户购物需求的设备，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1-6任一种所述的方法。

10.一种可读存储介质，其特征在于，其上存储有计算机程序，

所述计算机程序被处理器执行以实现如权利要求1-6任一种所述的方法。