CN109636486A - 基于大数据定位意向购车用户的方法、设备及存储介质 - Google Patents

Abstract

本发明公开了一种基于大数据定位意向购车用户的方法、设备及存储介质，该方法包括：获取已购车用户的相关数据和未购车用户的相关数据；将所述未购车用户和所述已购车用户的相关数据进行匹配；若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户，将该意向购车用户作为推销对象，可避免向所有人推销该种产品，可提高营销的精准性，达到了节省资源的目的；广告精确的推送提高了广告的针对性，避免了粗放式、撒网式广告推送对用户的骚扰。

Description

基于大数据定位意向购车用户的方法、设备及存储介质

技术领域

本发明涉及大数据技术领域，特别涉及一种基于大数据定位意向购车用户的方法、设备及存储介质。

背景技术

现有技术中利用大数据向用户推荐商品传统的方法是根据用户的偏好信息或购买信息找到相似的物品，推荐给用户，而汽车与一般零售商品不同，普通用户在短时间内不会频繁购买汽车；因此现有的利用大数据向用户推广汽车的方法存在向已购车用户频繁推送该类汽车可能造成用户的反感，同时也增加了无效的营销成本等问题。

发明内容

本发明的主要目的是提出一种基于大数据定位意向购车用户的方法，旨在解决现有的利用大数据向用户推广汽车的方法存在向已购车用户频繁推送该类汽车可能造成用户的反感，同时也增加了无效的营销成本等问题。

为实现上述目的，本发明提出一种基于大数据定位意向购车用户的方法，该基于大数据定位意向购车用户的方法包括以下步骤：

获取已购车用户的相关数据和未购车用户的相关数据；

将所述未购车用户和所述已购车用户的相关数据进行匹配；

若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户。

优选地，所述已购车用户的相关数据包括已购车用户的身份数据、学历数据、工作数据、消费数据、工资数据、家庭情况数据和出行数据中的至少一种。

优选地，所述将所述未购车用户和所述已购车用户的相关数据进行匹配的步骤，包括：

根据所述已购车用户的相关数据，提取已购车用户的用户特征数据；

根据所述未购车用户的相关数据，提取未购车用户的用户特征数据；

将所述未购车用户和所述已购车用户的用户特征数据进行匹配。

优选地，所述将所述未购车用户和所述已购车用户的用户特征数据进行匹配的步骤，包括：

根据所述已购车用户的用户特征数据，将所述已购车用户进行用户分类；

获取各类用户在所述已购车用户中的占比；

根据所述各类用户的占比，确定所述各类用户对应的购车意向度；

将所述未购车用户的用户特征数据，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

优选地，所述根据所述已购车用户的用户特征数据，将所述已购车用户进行用户分类的步骤包括：将所述已购车用户的用户特征数据采用聚类分析法，将所述已购车用户进行用户分类；和/或，

所述将所述未购车用户的用户特征数据，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户的步骤包括：将所述未购车用户的用户特征数据采用聚类分析法，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

优选地，所述若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户的步骤，包括：

若所述未购车用户所属的类型为购车意向度高的所述已购车用户类型，则将所述未购车用户判定为意向购车用户。

优选地，所述若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户之后，所述基于大数据定位意向购车用户的方法还包括：

获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

优选地，所述获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告的步骤包括：采用LBS位置搜索技术，获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

此外，为实现上述目的，本发明还提供一种基于大数据定位意向购车用户设备，该基于大数据定位意向购车用户设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据定位意向购车用户程序，所述基于大数据定位意向购车用户程序被所述处理器执行时实现如上任一项所述的基于大数据定位意向购车用户方法的步骤。

此外，为实现上述目的，本发明还提供一种存储介质，该存储介质上存储有基于大数据定位意向购车用户程序，所述基于大数据定位意向购车用户程序被处理器执行时实现如上任一项所述的基于大数据定位意向购车用户方法的步骤。

本发明中，根据未购车用户的相关数据与已购车用户的相关数据之间的匹配程度等级，可认为匹配成功的未购车用户相对其他匹配不成功的未购车用户更容易购买该产品，因此，将该类未购车用户作为推销对象，可避免向所有人推销该种产品，可提高营销的精准性，达到了节省资源的目的，同时，广告精确的推送提高了广告的针对性，避免了粗放式、撒网式广告推送对用户的骚扰。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的基于大数据定位意向购车用户设备的结构示意图；

图2为本发明基于大数据定位意向购车用户的方法第一实施例的流程示意图；

图3为本发明基于大数据定位意向购车用户的方法第二实施例的流程示意图；

图4为本发明基于大数据定位意向购车用户的方法第三实施例的流程示意图；

图5为本发明基于大数据定位意向购车用户的方法第四实施例的流程示意图；

图6为本发明基于大数据定位意向购车用户的方法第五实施例的流程示意图；

图7为本发明基于大数据定位意向购车用户的方法第六实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于大数据定位意向购车用户设备结构示意图。

如图1所示，该基于大数据定位意向购车用户设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、客户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。客户接口1003可以包括显示屏(Display)，可选客户接口1003还可以包括标准的有线接口、无线接口，对于客户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对基于大数据定位意向购车用户设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、客户接口模块以及基于大数据定位意向购车用户方法程序。

在图1所示的基于大数据定位意向购车用户设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；客户接口1003主要用于连接所述客户端；所述基于大数据定位意向购车用户设备通过处理器1001调用存储器1005中存储的基于大数据定位意向购车用户的方法的程序，并执行本发明实施例提供的基于大数据定位意向购车用户的方法的步骤。

基于上述硬件结构，提出本发明基于大数据定位意向购车用户的方法的实施例。

参照图2，图2为本发明基于大数据定位意向购车用户的方法第一实施例的流程示意图，提出本发明基于大数据定位意向购车用户的方法第一实施例。

在第一实施例中，所述基于大数据定位意向购车用户的方法包括以下步骤：

步骤S10：获取已购车用户的相关数据和未购车用户的相关数据。

在具体实现中，通过收集并处理已购车用户的现有数据，形成已购车用户核心数据库，同时通过供应商提供已购车用户和未购车用户的信息，用以补充已购车用户的数据和增加未购车用户的数据，建立完整的用户数据库。例如通过移动、银联等供应商，获取用户的消费记录、终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，也可以通过网络爬取的手段获取更多用户的信息。

需要说明的是，获取用户的相关数据后，首先要进行数据清洗，包括增减字段、增纬、减纬、行列转换、拆分表、合并表、统一类型、格式转换、字段日期和数字计算及转换、列数据拆分为行数据、行数据合并为列数据等操作。对数据进行审查和校验，删除重复信息以及无用的信息，纠正存在的错误，并保证数据的一致性。

步骤S20：将所述未购车用户和所述已购车用户的相关数据进行匹配。

应理解的是，所述未购车用户和所述已购车用户都包括各种相关数据，可预先设置匹配程度等级的划分规则，设置多个匹配程度等级，将所述未购车用户的相关数据与所述已购车用户的相关数据进行匹配，获得匹配程度等级，所述未购车用户与所述已购车用户相似或相同的相关数据越多，则匹配程度等级越高。

步骤S30：若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户。

具体地，可设定匹配程度等级阈值，匹配程度等级大于阈值，则判定匹配成功，则认定所述未购车用户为意向购车用户。

在第一实施例中，根据未购车用户的相关数据与已购车用户的相关数据之间的匹配程度等级，可认为匹配成功的未购车用户相对其他匹配不成功的未购车用户更容易购买该产品，因此，将该类未购车用户作为推销对象，可避免向所有人推销该种产品，可提高营销的精准性，达到了节省资源的目的，广告精确的推送提高了广告的针对性，避免了粗放式、撒网式广告推送对用户的骚扰。

具体地，所述已购车用户的相关数据包括已购车用户的身份数据、学历数据、工作数据、消费数据、工资数据、家庭情况数据和出行数据中的至少一种。

可以理解的，已购车用户的身份数据包括用户性别、年龄、住址等用户自身固有的属性，学历数据、工作数据、消费数据、工资数据、家庭情况数据可以在用户注册等环节中向用户收集。出行数据包括用户留在网站上的行为轨迹数据，包括出行的始发地，经常出现的场所，以及浏览商品类别、访问次数、访问频度、访问停留时间、操作活跃时间、信息输入、点击链接等。

参照图3，图3为本发明基于大数据定位意向购车用户的方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明基于大数据定位意向购车用户的方法的第二实施例。

在第二实施例中，所述步骤S20，包括：

步骤S201：根据所述已购车用户的相关数据，提取已购车用户的用户特征数据。

步骤S202：根据所述未购车用户的相关数据，提取未购车用户的用户特征数据；

步骤S203：将所述未购车用户和所述已购车用户的用户特征数据进行匹配。

在具体实现中，提取用户特征数据利用用户画像的方法，按特征给每个已购车用户打上标签，形成了一系列不同的属性标签，从而利用这些属性标签对用户多方面的真实个人特征进行勾勒。对于单个用户，正是这些分类范围的相互交集，即是单个用户身上的众多标签的累积，使得用户形象逐渐丰满。根据标签的不同将已购车用户进行分类，在标签信息的基础上，可以再从各项标签中重新按需组合，形成相对完整的“大属性”标签，实施进一步的分类。将所述未购车用户的用户特征数据与所述已购车用户的用户特征数据进行匹配，获得匹配程度等级。

在第二实施例中，利用用户画像的方法提取已购车用户的特征，对比已购车用户的用户特征数据和未购车用户的用户特征数据，可将大量数据简化，提取重要信息，加快匹配效率，提高匹配准确率。

参照图4，图4为本发明基于大数据定位意向购车用户的方法第三实施例的流程示意图，基于上述图3所示的第二实施例，提出本发明基于大数据定位意向购车用户的方法的第三实施例。

在第三实施例中，所述步骤S203，包括：

步骤S2031：根据所述已购车用户的用户特征数据，将所述已购车用户进行用户分类。

根据已购车用户的用户特征数据，将所述已购车用户分为不同的已购车用户类型，任何一个已购车用户都可以找到所属的一个已购车用户类型。可理解的是，对已购车用户进行划分可以是按照已购车用户对产品的感兴趣程度区分，即分为非常感兴趣用户、感兴趣用户、一般用户、不感兴趣用户等级别，也可按照其他分类方式。在对用户进行划分时，需要注意，划分出的已购车用户的各个类型的并集为所有人，即可使各种类型的未购车用户均能找到与其相匹配的类型。

步骤S2032：获取各类用户在所述已购车用户中的占比。

可以理解的是，各类用户的数量与所有用户总数量的比值为各类用户在所述已购车用户中的占比。

步骤S2033：根据所述各类用户的占比，确定所述各类用户对应的购车意向度。

根据划分的已购车用户类型，各类所述已购车用户在所述已购车用户中的占比越大，说明该类已购车用户更倾向购买该产品，从而说明该类已购车用户的购车意向度越高。

步骤S2034：将所述未购车用户的用户特征数据，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

根据未购车用户是否属于所述各类用户作为评判所述未购车用户与所述购车用户是否匹配的标准，可简化评判的参考因素。

进一步地，所述步骤S30，包括：

步骤S301：若所述未购车用户所属的类型为购车意向度高的所述已购车用户类型，则将所述未购车用户判定为意向购车用户。

在本实施例中，根据已购车用户的用户特征数据将已购车用户分为高收入高消费人类型，中收入国家体制人员中消费人类型，中收入企业人员中消费人类型和低收入低消费人类型。其中，在已购车用户的四种类型中，中收入国家体制人员中消费人类型的占比较大，因此，判定中收入国家体制人员中消费人类型的已购车用户的购车意向度较高。

针对某一未购车用户，根据用户特征数据，确定该未购车用户所属的类型，若该未购车用户所属的类型与中收入国家体制人员中消费人类型相匹配，则认定该未购车用户为意向购车用户，在后续营销工作中，将此类型的未购车用户作为重点营销对象。

在第三实施例中，在已购车用户里筛选出数量较多的用户类型，若未购车用户的类型属于该用户类型，则将其认定为意向购车用户，采用这种方法，在有意向购车用户里筛选意向度更高的用户作为营销对象，可进一步提高营销的精准性，节省资源。

参照图5，图5为本发明基于大数据定位意向购车用户的方法第四实施例的流程示意图，基于上述图4所示的第三实施例，提出本发明基于大数据定位意向购车用户的方法的第四实施例。

在第四实施例中，所述步骤S2031，包括：

步骤S2031a：将所述已购车用户的用户特征数据采用聚类分析法，将所述已购车用户进行用户分类。

所述步骤S2034，包括：

步骤S2034a：将所述未购车用户的用户特征数据采用聚类分析法，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

在具体实现中，在对已购车用户的特征打上标签后，作为表征用户的变量，选择合适的变量，并对范围太大的变量进行数据缩放，去除数据中的异常点，选择聚类分析法，将多个相关的小类提取出大类，将多个相关的大类提取出子类型，将多个相关的小类型提取出类型，进而形成最终的聚类方案。利用聚类分析法建立分类数学模型，将已购车用户的用户特征数据导入数学模型中，即可将已购车用户进行分类。分类的方法还可以采用层次分析法、决策分析法、判断逻辑分析法中的一种或多种。

在第四实施例中，采用聚类分析法在对用户进行分类的过程中，可根据多个小属性的共同特征对其上位成合适的大属性，能综合利用用户的多种数据，其分析的结果可以提供多个可能的分类方式，可根据研究者的主观判断和后续的分析选择合适的分类方式。

参照图6，图6为本发明基于大数据定位意向购车用户的方法第五实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明基于大数据定位意向购车用户的方法的第五实施例。

在第五实施例中，所述步骤S30之后，还包括：

步骤S40：获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

其中，地理位置数据包括用户经常消费的场所、消费品牌、经常出现的地理位置等，触媒习惯包括用户利用终端常用的APP和用户个体的账号等。选定属于意向购车用户的目标后，可以利用网络爬取的方式或搜索到意向购车用户经常出现的地方。

在第五实施例中，定位到意向购车用户后，进一步获取意向购车用户可能出现的场所和线上可触达的方式，即可有针对性的对意向购车用户进行推销，提高推销成功率。

参照图7，图7为本发明基于大数据定位意向购车用户的方法第六实施例的流程示意图，基于上述图6所示的第五实施例，提出本发明基于大数据定位意向购车用户的方法的第六实施例。

在第六实施例中，步骤S40包括：

S401：采用LBS位置搜索技术，获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

需要说明的是，根据所述意向购车用户的唯一标识信息确定目标终端，利用LBS技术得到所述目标终端的地理位置。例如，在意向购车用户平时生活中，需要搜索地址、路线图等与LBS有关的过程中，意向购车用户通过智能移动终端上的LBS服务类APP设定搜索条件，主动发出搜索请求，LBS服务类APP调用智能移动终端自带的GPS定位系统，获取用户的当前位置信息，再将用户当前位置信息以及搜索条件一起通过通信网络发送到提供位置服务的服务器上，会留下意向购车用户的检索轨迹，根据收集LBS系统确定的意向购车用户的位置，经过筛选，选择意向购车用户极有可能出现的地方，在该地方进行营销，可增加产品进入意向购车用户视野的机会，从而实现精准营销，降低营销成本。

此外，本发明还提供一种存储介质，该存储介质上存储有基于大数据定位意向购车用户程序，所述基于大数据定位意向购车用户程序被处理器执行时实现如上任一项所述的基于大数据定位意向购车用户方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于大数据定位意向购车用户的方法，其特征在于，包括以下步骤：

获取已购车用户的相关数据和未购车用户的相关数据；

将所述未购车用户和所述已购车用户的相关数据进行匹配；

若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户。

2.如权利要求1所述的基于大数据定位意向购车用户的方法，其特征在于，所述已购车用户的相关数据包括已购车用户的身份数据、学历数据、工作数据、消费数据、工资数据、家庭情况数据和出行数据中的至少一种。

3.如权利要求1所述的基于大数据定位意向购车用户的方法，其特征在于，所述将所述未购车用户和所述已购车用户的相关数据进行匹配的步骤，包括：

根据所述已购车用户的相关数据，提取已购车用户的用户特征数据；

根据所述未购车用户的相关数据，提取未购车用户的用户特征数据；

将所述未购车用户和所述已购车用户的用户特征数据进行匹配。

4.如权利要求3所述的基于大数据定位意向购车用户的方法，其特征在于，所述将所述未购车用户和所述已购车用户的用户特征数据进行匹配的步骤，包括：

根据所述已购车用户的用户特征数据，将所述已购车用户进行用户分类；

获取各类用户在所述已购车用户中的占比；

根据所述各类用户的占比，确定所述各类用户对应的购车意向度；

将所述未购车用户的用户特征数据，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

5.如权利要求4所述的基于大数据定位意向购车用户的方法，其特征在于，所述根据所述已购车用户的用户特征数据，将所述已购车用户进行用户分类的步骤包括：将所述已购车用户的用户特征数据采用聚类分析法，将所述已购车用户进行用户分类；和/或，

所述将所述未购车用户的用户特征数据，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户的步骤包括：将所述未购车用户的用户特征数据采用聚类分析法，与所述各类用户进行匹配，以确定所述未购车用户是否属于所述各类用户。

6.如权利要求4所述的基于大数据定位意向购车用户的方法，其特征在于，所述若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户的步骤，包括：

若所述未购车用户所属的类型为购车意向度高的所述已购车用户类型，则将所述未购车用户判定为意向购车用户。

7.如权利要求1所述的基于大数据定位意向购车用户的方法，其特征在于，所述若匹配成功，则认定匹配成功的所述未购车用户为意向购车用户之后，所述基于大数据定位意向购车用户的方法还包括：

获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

8.如权利要求7所述的基于大数据定位意向购车用户的方法，其特征在于，所述获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告的步骤包括：

采用LBS位置搜索技术，获取所述意向购车用户的地理位置数据和触媒习惯数据，以根据所述地理位置和所述触媒习惯数据向所述意向购车用户推送广告。

9.一种基于大数据定位意向购车用户设备，其特征在于，所述基于大数据定位意向购车用户设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据定位意向购车用户程序，所述基于大数据定位意向购车用户程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于大数据定位意向购车用户方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有基于大数据定位意向购车用户程序，所述基于大数据定位意向购车用户程序被处理器执行时实现如权利要求1至8中任一项所述的基于大数据定位意向购车用户方法的步骤。