CN110060108A - 一种用户行为分析方法及装置 - Google Patents

一种用户行为分析方法及装置 Download PDF

Info

Publication number
CN110060108A
CN110060108A CN201910340810.4A CN201910340810A CN110060108A CN 110060108 A CN110060108 A CN 110060108A CN 201910340810 A CN201910340810 A CN 201910340810A CN 110060108 A CN110060108 A CN 110060108A
Authority
CN
China
Prior art keywords
user
state
status
group
name
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
Application number
CN201910340810.4A
Other languages
English (en)
Inventor
阮星华
何志昌
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.)
Du Xiaoman Technology Beijing Co Ltd
Original Assignee
SHANGHAI YOUYANG XINMEI INFORMATION TECHNOLOGY Co 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 SHANGHAI YOUYANG XINMEI INFORMATION TECHNOLOGY Co Ltd filed Critical SHANGHAI YOUYANG XINMEI INFORMATION TECHNOLOGY Co Ltd
Priority to CN201910340810.4A priority Critical patent/CN110060108A/zh
Publication of CN110060108A publication Critical patent/CN110060108A/zh
Pending legal-status Critical Current

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
    • G06Q30/0202—Market predictions or forecasting for commercial activities

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种用户行为分析方法及装置，首先根据用户所选择的产品类型，确定该产品类型对应的用户群。该用户群中可以包括各个用户的用户名以及用户名对应的行为数据。然后，遍历用户群中每个用户名对应的行为数据，从而获取整个用户群的变化特征，即变化规律。当存在新增用户时，根据用户群的变化特征，预测新增用户下一用户状态。可见，通过本申请实施例，不仅可以根据用户历史行为数据获得整个用户群的变化规律，以根据变化规律对产品业务进行改进，以提高产品业务的竞争力。而且，还可以根据用户群的变化规律对新增用户进行状态预测，避免用户存在不良行为数据，从而可以对用户起到预警作用。

Description

一种用户行为分析方法及装置
技术领域
本申请涉及计算机技术领域，具体涉及一种用户行为分析方法及装置。
背景技术
产品业务的发展，需要根据市场和用户的反馈不断进行分析和改进，以使得产品业务更符合市场和用户的需求。尤其对于金融行业所提供的消费贷产品业务，该消费贷产品业务是指，对消费者个人放贷的、用于支付各种费用的贷款的产品业务。对于提供该产品业务的商家来讲，为避免利益受损需要统计用户在整个产品业务的使用中所产生的行为数据，例如，是否按期还款，以便对该用户的信誉等属性进行分析。
现有技术中，主要通过人工统计方法进行数据分析，成本高而且效率低下，无法高效、深入分析用户，进而影响对产品业务的更新。同时，现有的人工统计方法无法对用户未来的行为数据进行预测。
发明内容
有鉴于此，本申请实施例提供一种用户行为分析方法及装置，以实现更为高效和深入地分析用户，以提高产品业务的竞争力。
为解决上述问题，本申请实施例提供的技术方案如下：
在本申请实施例第一方面，提供了一种用户行为分析方法，所述方法可以包括：
根据用户所选择的产品类型，确定所述产品类型对应的用户群；所述用户群包括各个用户名以及所述用户名对应的行为数据；所述行为数据包括所述用户名在不同时间对应的用户状态以及状态转移时间；
遍历所述用户群中每个所述用户名对应的行为数据，获取所述用户群的变化特征；所述用户群的变化特征包括所述用户群在不同时间内不同用户状态所对应的用户数以及所有所述用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率；所述第一目标用户状态为任一用户状态，所述第二目标状态为与所述第一目标用户状态对应的用户状态；
针对新增用户，根据所述用户群的变化特征，预测所述新增用户的下一用户状态。
在一种可能的实现方式中，所述根据所述用户群的变化特征，预测所述新增用户的下一用户状态，包括：
根据所述新增用户的当前用户状态，确定所述新增用户所对应的至少一个下一用户状态；
将最大转移概率所对应的用户状态确定为所述新增用户的下一用户状态。
在一种可能的实现方式中，在预测所述新增用户的下一用户状态后，所述方法还包括：
获取所述用户群中各个所述用户名所对应用户在下一时刻的用户状态；
统计下一时刻不同用户状态所对应的用户数。
在一种可能的实现方式中，所述方法还包括：
针对任一用户，根据所述状态转移时间对所述用户名所对应的用户状态变化过程进行重放。
在一种可能的实现方式中，所述方法还包括：
针对任一用户，将所述用户名对应的当前行为数据输入预测模型，以获取所述用户名对应的下一用户状态。
在本申请实施例第二方面，提供了一种用户行为分析装置，所述装置包括：
确定单元，用于根据用户所选择输入的产品类型，确定所述产品类型对应的用户群；所述用户群包括各个用户名以及所述用户名对应的行为数据；所述行为数据包括所述用户名在不同时间对应的用户状态以及状态转移时间；
第一获取单元，用于遍历所述用户群中每个所述用户名对应的行为数据，获取所述用户群的变化特征；所述用户群的变化特征包括所述用户群在不同时间内不同用户状态所对应的用户数以及所有所述用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率；所述第一目标用户状态为任一用户状态，所述第二目标状态为与所述第一目标用户状态对应的用户状态；
第一预测单元，用于针对新增用户，根据所述用户群的变化特征，预测所述新增用户的下一用户状态。
在一种可能的实现方式中，所述预测单元，包括：
第一确定子单元，用于根据所述新增用户的当前用户状态，确定所述新增用户所对应的至少一个下一用户状态；
第二确定子单元，用于将最大转移概率所对应的用户状态确定为所述新增用户的下一用户状态。
在一种可能的实现方式中，所述装置还包括：
第二获取单元，用于获取所述用户群中各个所述用户名所对应用户在下一时刻的用户状态；
统计单元，用于统计下一时刻不同用户状态所对应的用户数。
在一种可能的实现方式中，所述装置还包括：
重放单元，用于针对任一用户，根据所述状态转移时间对所述用户名所对应的用户状态变化过程进行重放。
在一种可能的实现方式中，所述装置还包括：
第二预测单元，用于针对任一用户，将所述用户名对应的当前行为数据输入预测模型，以获取所述用户名所对应的下一用户状态。
由此可见，本申请实施例具有如下有益效果：
本申请实施例首先根据用户所选择的产品类型，确定该产品类型对应的用户群。其中，该用户群中可以包括各个用户的用户名以及用户名对应的行为数据。然后，遍历用户群中每个用户名对应的行为数据，从而获取整个用户群的变化特征，即变化规律。当存在新增用户时，根据用户群的变化特征，预测新增用户下一用户状态，以便根据预测结果可以提前获知用户的行为数据。可见，通过本申请实施例提供的方法，不仅可以根据用户历史行为数据获得整个用户群的变化规律，以根据变化规律对产品业务进行改进，以提高产品业务的竞争力。而且，还可以根据用户群的变化规律对新增用户进行状态预测，避免用户存在不良行为数据，从而可以对用户的发现过程起到预警作用。
附图说明
图1为本申请实施例提供的一种有限状态机示例图；
图2为本申请实施例提供的一种用户行为分析方法流程图；
图3为本申请实施例提供的一种用户行为分析装置结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
为便于理解本申请提供的方案，下面将先对本申请所涉及的背景技术进行说明。
发明人经过研究发现，传统的用户状态分析方法主要采用手动统计用户行为数据，即，针对某一产品类型，通过调研获取大量用户行为数据。然后经人工整理后，再进行分析以根据分析结果对产品进行改进。该方法不仅效率慢、成本高，而且人工统计难免存在误差，导致分析结果不准确。尤其，当存在新用户时，无法对新用户的状态进行预测，进而导致无法对用户的不良行为进行预警。
基于此，本申请提供了一种基于有限状态机的用户行为分析方法，将处于不同阶段的用户定义为一个状态，称为用户当前状态，对应有限状态机的一个节点。具体为，针对一类产品类型，为该产品类型设计对应的用户群，该用户群包括使用该产品类型的各个用户名以及各个用户名对应的行为数据。其中，用户名对应的行为数据包括该用户名在不同时间的状态，即用户在某一时间的当前状态以及状态转移时间，即用户从一个状态转移到另一个状态的时间。然后，遍历用户群中各个用户名对应的行为数据，以获取用户群的变化特征。最后，根据用户群的变化特征对新增用户的状态进行预测，获取新增用户在下一时刻可能对应的状态。
为便于理解本申请提供的基于有限状态机的用户行为分析方法，参见图1，该图为本申请实施例提供的一种有限状态机示例图。例如，以消费贷产品来说，将用户划分为潜在客户、申请客户、授信客户、用信用户、流失用户、逾期用户等不同用户状态。可以理解的是，在有限状态机中，从当前状态进入下一状态依赖于一定的触发条件，即迁移事件。该迁移事件为触发用户从当前状态进入下一状态的触发事件，例如图1中连线上潜在用户通过成功注册事件后转变为申请用户。
在本实施例中，可以针对消费贷产品建立该产品类型的用户群，该用户群中可以包括使用该消费贷产品的所有用户的信息，即用户名以及用户名对应的行为数据。该行为数据可以包括每个用户在不同时间对应的状态以及每次状态转移时间。例如，消费贷产品对应的用户群共包括1000个用户名，每个用户名在不同时间对应的用户状态，例如用户A在t1时间段内为申请用户，在t2时间段内为授信用户，在t3时间段内为用信用户等，以及用户A从申请用户转移为授信用户的时刻，从授信用户转移为用信用户的时刻等。
需要说明的是，本领域技术人员可以理解，图1所示的框架示意图仅是本申请的实施方式可以在其中得以实现的一个示例。本申请实施方式的适用范围不受到该框架任何方面的限制，可以根据实际需求对产品类型中所包括的用户状态进行定义。
基于上述说明，下面将结合附图对本申请实施例提供的一种用户状态分析方法进行说明。
参见图2，该图为本申请实施例提供的一种用户行为分析方法的流程图，如图2所示，该方法可以包括：
S201：根据用户所选择的产品类型，确定产品类型对应的用户群。
本实施例中，可以预先针对每种产品类型建立该产品类型对应的用户群，当需要针对某产品类型进行用户状态分析时，根据用户所选择的产品类型，确定出该产品类型对应的用户群。
在具体实现时，用户可以手动输入所需分析的产品类型，也可以通过页面的下拉列表选择所需分析的产品类型。当用户确定出需要分析的产品类型时，客户端可以根据用户产品类型确定该产品类型对应的用户群。可以理解的是，产品类型可以为产品名称，也可以为产品编码，本实施例在此不做限定。
其中，用户群包括各个用户名以及用户名对应的行为数据，行为数据包括用户名在不同时间对应的用户状态以及状态转移时间。也就是，用户群包括使用该产品类型的每个用户的用户信息，具体为，每个用户的用户名以及该用户在不同时间对应的用户状态以及每次状态转移时间。
S202：遍历用户群中每个用户名对应的行为数据，获取用户群的变化特征。
本实施例中，当确定需要分析的用户群时，遍历用户群中每个用户名对应的行为数据，获取用户群的变化特征，即用户群的中所有用户对应的用户状态的变化规律。其中，用户群的变化特征包括用户群在不同时间点不同用户状态所对应的用户数以及所有用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率。其中，第一目标用户状态为任一用户状态，第二目标状态为与第一目标用户状态对应的用户状态。
在具体实现时，当遍历用户群中每个用户名对应的行为数据时，可以获取每个用户名对应用户在不同时间内对应的用户状态，从而可以获得用户群在不同时间点不同用户状态所对应的用户数。例如图1所示，在t1时间段内，处于申请用户状态的用户数为100，处于授信用户状态的用户数为200，处于用信用户状态的用户数为150。在t2时间段内，处于申请用户状态的用户数为50，其中，50位用户从申请用户状态转变为授信用户状态；处于授信用户状态的用户数为250，其中，又有30位用户从授信用户状态转变为用信用户状态，则授信用户状态的用户数为220；用信用户状态的用户数为180。
可以理解的是，通过获取用户群在不同时间内的不同用户状态所对应的用户数可以了解该产品类型对应的用户分布，通过判断当前用户分布是否符合预期分布确定是否需要对产品类型进行改进，以使得用户分布符合预期分布。
另外，用户群的变化特征还可以包括该用户群中所包括的所有用户名从第一目标用户状态转移到第二目标用户状态转移的概率，该转移概率表示的是整个用户群的转移概率。而且，第二目标用户状态为与第一目标用户状态直接相关的用户状态。例如图1所示，第一目标用户状态为申请用户状态，第二目标用户状态可以为潜在用户状态，或授信用户状态，当第二目标用户状态为授信用户状态时，处于申请用户状态的用户数为100，其中，50位用户从申请用户状态转移到授信用户状态，则从第一目标用户状态转移到第二目标用户状态的转移概率为0.5。当第一目标用户状态为授信用户状态，第二目标用户状态为用信用户状态，处于授信用户状态的用户数为250，其中，30位用户从授信用户状态转移为用信用户数，则从第一目标用户状态转移到第二目标用户状态的转移概率为0.12。
可以理解的是，由于每个用户的用户状态在实时变化，可以获取不同时刻从第一目标用户状态转移到第二目标用户状态的转移概率，然后将获取多次的转移概率的平均值作为该用户群中用户从第一目标用户状态转移到第二目标用户状态的转移概率，从而获得每个用户状态对应的转移概率。例如，在T1时刻，从申请用户状态转移到授信用户状态的转移概率为0.5，在T2时刻，从申请用户状态转移到授信用户状态的转移概率为0.2，在T3时刻，从申请用户状态转移到授信用户状态的转移概率为0.2，则确定出从申请用户状态转移到授信用户状态的转移概率为0.3。
S203：针对新增用户，根据用户群的变化特征，预测新增用户在下一时刻的用户状态。
本实施例中，当获取用户群的变化特征后，当出现新增用户时，根据用户群的变化特征，预测该新增用户在下一时刻的用户状态。
可以理解的是，通过S202可以获取用户从第一目标用户状态转移到第二目标用户状态的转移概率，当存在新增用户时，根据转移概率确定新增用户在下一时刻的用户状态。例如图1所示，对于新增用户，其初始状态为潜在用户状态，则根据从S202获取的转移概率，确定新增用户下一用户状态。
在具体实现时，本申请实施例提供了一种预测新增用户下一用户状态的实现方式，具体为，根据新增用户的当前用户状态，确定新增用户所对应的至少一个下一用户状态；将最大转移概率所对应的用户状态确定为新增用户下一用户状态。在实际应用时，将新增用户的当前用户状态看作为第一目标用户状态，确定从第一目标转移状态可以直接转移的第二目标用户状态，从而确定出至少一个第二目标用户状态。然后，获取从第一目标用户状态转移到第二目标用户状态的转移概率。当存在多个第二目标用户状态时，获取从第一目标用户状态转移到每个第二目标用户状态的转移概率。再将最大转移概率所对应的用户状态确定为新增用户的下一用户状态。可见，可以预先了解新增用户的用户状态变化，以便对用户发展过程起到指导和预警作用，避免不良行为产生。
例如，新增用户的当前用户状态为用信用户状态，其对应的下一用户状态可以为流失用户状态、逾期用户状态以及用信用户状态，其中，转移到流失用户状态的转移概率为0.3，转移到逾期用户状态的概率为0.2，转移到用信用户状态的转移概率为0.5，则预测新增用户的下一用户状态为用信用户状态。再例如，转移到流失用户状态的转移概率为0.3，转移到逾期用户状态的概率为0.5，转移到用信用户状态的转移概率为0.2，则预测新增用户的下一用户状态为逾期用户状态，则可以对该新增用户进行预警。
通过上述实施例可知，首先根据用户所选择的产品类型，确定该产品类型对应的用户群。其中，该用户群中可以包括各个用户的用户名以及用户名对应的行为数据。然后，遍历用户群中每个用户名对应的行为数据，从而获取整个用户群的变化特征，即变化规律。当存在新增用户时，根据用户群的变化特征，预测新增用户下一用户状态，以便根据预测结果可以提前获知用户的行为数据。可见，不仅可以根据用户历史行为数据获得整个用户群的变化规律，以根据变化规律对产品业务进行改进，以提高产品业务的竞争力。而且，还可以根据用户群的变化规律对新增用户进行状态预测，避免用户存在不良行为数据，从而可以对用户的发现过程起到预警作用。
在本申请实施例一种可能的实现方式中，在预测新增用户下一用户状态后，所述方法还可以包括：获取用户群中各个用户名所对应用户在下一时刻的用户状态；统计在下一时刻不同用户状态对应的用户数。即，实时统计用户群中各个用户的用户状态变化，并获取在每个时刻不同用户状态对应的用户数，以便将其作为历史数据对新增用户的用户状态进行预测。
在本申请实施例一种可能的实现方式中，由于用户群中包括每个用户名在不同时间对应的用户状态以及状态转移时间，因此，针对用户群中任一用户，根据该用户名在不同时间对应的用户状态以及状态转移时间，对其用户状态的变化过程进行重放。而且，可以从任一时间开始进行重放，无需从初始状态进行重放。
另外，在本申请实施例一种可能的实现方式中，不仅可以对新增用户进行用户状态预测，还可以针对用户群中任一用户的用户状态进行预测，具体为，针对任一用户，将用户名对应的当前行为数据输入预测模型，以获取用户名对应的下一用户状态。在具体实现时，利用用户历史的行为数据进行预测模型的训练，以训练生成可以进行用户行为预测的预测模型。当需要进行预测时，将用户当前的行为数据输入到预测模型中，即可得到用户的下一行为预测值。
基于上述方法实施例，本申请还提供了一种用户行为分析装置，下面将结合附图对该装置进行说明。
参见图3，该图为本申请实施例提供的一种用户行为分析装置结构图，如图3所示，该装置可以包括：
确定单元301，用于根据用户所选择输入的产品类型，确定所述产品类型对应的用户群；所述用户群包括各个用户名以及所述用户名对应的行为数据；所述行为数据包括所述用户名在不同时间对应的用户状态以及状态转移时间；
第一获取单元302，用于遍历所述用户群中每个所述用户名对应的行为数据，获取所述用户群的变化特征；所述用户群的变化特征包括所述用户群在不同时间内不同用户状态所对应的用户数以及所有所述用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率；所述第一目标用户状态为任一用户状态，所述第二目标状态为与所述第一目标用户状态对应的用户状态；
第一预测单元304，用于针对新增用户，根据所述用户群的变化特征，预测所述新增用户的下一用户状态。
在一种可能的实现方式中，所述预测单元，包括：
第一确定子单元，用于根据所述新增用户的当前用户状态，确定所述新增用户所对应的至少一个下一用户状态；
第二确定子单元，用于将最大转移概率所对应的用户状态确定为所述新增用户的下一用户状态。
在一种可能的实现方式中，所述装置还包括：
第二获取单元，用于获取所述用户群中各个所述用户名所对应用户在下一时刻的用户状态；
统计单元，用于统计下一时刻不同用户状态所对应的用户数。
在一种可能的实现方式中，所述装置还包括：
重放单元，用于针对任一用户，根据所述状态转移时间对所述用户名所对应的用户状态变化过程进行重放。
在一种可能的实现方式中，所述装置还包括：
第二预测单元，用于针对任一用户，将所述用户名对应的当前行为数据输入预测模型，以获取所述用户名所对应的下一用户状态。
通过上述描述可知，首先根据用户所选择输入的产品类型，确定该产品类型对应的用户群。其中，该用户群中可以包括各个用户的用户名以及用户名对应的行为数据。然后，遍历用户群中每个用户名对应的行为数据，从而获取整个用户群的变化特征，即变化规律。当存在新增用户时，根据用户群的变化特征，预测新增用户下一用户状态，以便根据预测结果可以提前获知用户的行为数据。可见，通过本申请实施例提供的方法，不仅可以根据用户历史行为数据获得整个用户群的变化规律，以根据变化规律对产品业务进行改进，以提高产品业务的竞争力。而且，还可以根据用户群的变化规律对新增用户进行状态预测，避免用户存在不良行为数据，从而可以对用户的发现过程起到预警作用。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种用户行为分析方法，其特征在于，所述方法包括：
根据用户所选择的产品类型，确定所述产品类型对应的用户群；所述用户群包括各个用户名以及所述用户名对应的行为数据；所述行为数据包括所述用户名在不同时间对应的用户状态以及状态转移时间；
遍历所述用户群中每个所述用户名对应的行为数据，获取所述用户群的变化特征；所述用户群的变化特征包括所述用户群在不同时间内不同用户状态所对应的用户数以及所有所述用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率；所述第一目标用户状态为任一用户状态，所述第二目标状态为与所述第一目标用户状态对应的用户状态；
针对新增用户，根据所述用户群的变化特征，预测所述新增用户的下一用户状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述用户群的变化特征，预测所述新增用户的下一用户状态，包括：
根据所述新增用户的当前用户状态，确定所述新增用户所对应的至少一个下一用户状态；
将最大转移概率所对应的用户状态确定为所述新增用户的下一用户状态。
3.根据权利要求2所述的方法，其特征在于，在预测所述新增用户的下一用户状态后，所述方法还包括：
获取所述用户群中各个所述用户名所对应用户在下一时刻的用户状态；
统计下一时刻不同用户状态所对应的用户数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
针对任一用户，根据所述状态转移时间对所述用户名所对应的用户状态变化过程进行重放。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
针对任一用户，将所述用户名对应的当前行为数据输入预测模型，以获取所述用户名对应的下一用户状态。
6.一种用户行为分析装置，其特征在于，所述装置包括：
确定单元，用于根据用户所选择输入的产品类型，确定所述产品类型对应的用户群；所述用户群包括各个用户名以及所述用户名对应的行为数据；所述行为数据包括所述用户名在不同时间对应的用户状态以及状态转移时间；
第一获取单元，用于遍历所述用户群中每个所述用户名对应的行为数据，获取所述用户群的变化特征；所述用户群的变化特征包括所述用户群在不同时间内不同用户状态所对应的用户数以及所有所述用户名对应的用户从第一目标用户状态转移到第二目标用户状态的转移概率；所述第一目标用户状态为任一用户状态，所述第二目标状态为与所述第一目标用户状态对应的用户状态；
第一预测单元，用于针对新增用户，根据所述用户群的变化特征，预测所述新增用户的下一用户状态。
7.根据权利要求6所述的装置，其特征在于，所述预测单元，包括：
第一确定子单元，用于根据所述新增用户的当前用户状态，确定所述新增用户所对应的至少一个下一用户状态；
第二确定子单元，用于将最大转移概率所对应的用户状态确定为所述新增用户的下一用户状态。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于获取所述用户群中各个所述用户名所对应用户在下一时刻的用户状态；
统计单元，用于统计下一时刻不同用户状态所对应的用户数。
9.根据权利要求6-8任一项所述的装置，其特征在于，所述装置还包括：
重放单元，用于针对任一用户，根据所述状态转移时间对所述用户名所对应的用户状态变化过程进行重放。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
第二预测单元，用于针对任一用户，将所述用户名对应的当前行为数据输入预测模型，以获取所述用户名所对应的下一用户状态。
CN201910340810.4A 2019-04-25 2019-04-25 一种用户行为分析方法及装置 Pending CN110060108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910340810.4A CN110060108A (zh) 2019-04-25 2019-04-25 一种用户行为分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910340810.4A CN110060108A (zh) 2019-04-25 2019-04-25 一种用户行为分析方法及装置

Publications (1)

Publication Number Publication Date
CN110060108A true CN110060108A (zh) 2019-07-26

Family

ID=67320884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910340810.4A Pending CN110060108A (zh) 2019-04-25 2019-04-25 一种用户行为分析方法及装置

Country Status (1)

Country Link
CN (1) CN110060108A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348094A (zh) * 2020-11-10 2021-02-09 上海优扬新媒信息技术有限公司 数据处理方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348094A (zh) * 2020-11-10 2021-02-09 上海优扬新媒信息技术有限公司 数据处理方法及装置

Similar Documents

Publication Publication Date Title
US8620963B2 (en) Large-scale data processing system, method, and non-transitory tangible machine-readable medium thereof
CN105446988B (zh) 预测类别的方法和装置
JP6898561B2 (ja) 機械学習プログラム、機械学習方法、および機械学習装置
US9449283B1 (en) Selecting a training strategy for training a machine learning model
CN105354277A (zh) 一种基于递归神经网络的推荐方法及系统
CN106909931B (zh) 一种用于机器学习模型的特征生成方法、装置和电子设备
WO2012037578A2 (en) Sales prediction and recommendation system
Chakraborty et al. On the categorization of scientific citation profiles in computer science
CN109597800A (zh) 一种日志分发方法及装置
Wellons et al. An improved probabilistic approach for linking progenitor and descendant galaxy populations using comoving number density
US10242081B2 (en) Visualizing changes in a multi-dimensional dataset using three-dimensional cubes
CN109120463A (zh) 流量预测方法及装置
CN109063178A (zh) 一种自动扩展的自助分析报表的方法及装置
WO2016113648A1 (en) Database statistical histogram forecasting
Wright et al. An orbital perspective on the starvation, stripping, and quenching of satellite galaxies in the EAGLE simulations
CN106156040A (zh) 多维度数据管理方法及装置
Sellwood et al. Uncertainties in galaxy rotation curves
CN110060108A (zh) 一种用户行为分析方法及装置
CN106161091B (zh) 一种统计互联网用户行为的方法和系统
Wu Applying grey model to prioritise technical measures in quality function deployment
Kremers et al. Two‐step clustering for data reduction combining DBSCAN and k‐means clustering
Lim et al. A new neural network approach to reservoir permeability estimation from well logs
CN108446343A (zh) 区域聚合的方法、装置及电子设备
CN109445697A (zh) 一种组块方法及装置
CN112132690B (zh) 外汇产品信息的推送方法、装置、计算机设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401121 b7-7-2, Yuxing Plaza, No.5 Huangyang Road, Yubei District, Chongqing

Applicant after: Chongqing duxiaoman Youyang Technology Co.,Ltd.

Address before: 201800 room j1328, 3 / F, building 8, 55 Huiyuan Road, Jiading District, Shanghai

Applicant before: SHANGHAI YOUYANG NEW MEDIA INFORMATION TECHNOLOGY Co.,Ltd.

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

Effective date of registration: 20211220

Address after: 100193 Room 606, 6 / F, building 4, West District, courtyard 10, northwest Wangdong Road, Haidian District, Beijing

Applicant after: Du Xiaoman Technology (Beijing) Co.,Ltd.

Address before: 401121 b7-7-2, Yuxing Plaza, No.5 Huangyang Road, Yubei District, Chongqing

Applicant before: Chongqing duxiaoman Youyang Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190726