CN110069619A

CN110069619A - 房源展示方法、装置、设备及计算机可读存储介质

Info

Publication number: CN110069619A
Application number: CN201910200503.6A
Authority: CN
Inventors: 韩宁
Original assignee: Ping An Urban Construction Technology Shenzhen Co Ltd
Current assignee: Ping An Urban Construction Technology Shenzhen Co Ltd
Priority date: 2019-03-16
Filing date: 2019-03-16
Publication date: 2019-07-30

Abstract

本发明属于数据分析领域，提供一种房源展示方法、装置、设备及计算机可读存储介质，该方法包括：获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签；根据各个用户的所述特征标签构建各个用户对应的用户画像；根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。本发明能够提高房源成交率。

Description

房源展示方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及数据分析领域，尤其涉及一种房源展示方法、装置、设备及计算机可读存储介质。

背景技术

目前，市面上的一些房产信息平台在展示房源时，仅将热门房源或最新房源显示在房源列表前排，还有大量房源被淹没在海量的数据中，而热门房源或最新房源并不一定是用户的需求房源，用户还得在房产信息平台中花费较多的时间和精力搜寻自己需要的房源，导致用户的成交欲望下降，降低了房源成交率。

发明内容

本发明的主要目的在于提供一种房源展示方法、装置、设备及计算机可读存储介质，旨在解决现有房产信息平台的房源展示方式，降低了房源成交率的技术问题。

为实现上述目的，本发明提供一种房源展示方法，所述房源展示方法包括以下步骤：

获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；

将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签；

根据各个用户的所述特征标签构建各个用户对应的用户画像；

根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。

可选地，所述根据各个用户的所述特征标签构建各个用户对应的用户画像的步骤包括：

获取各个用户的特征标签对应的标签值；

分别将各个用户的所述标签值填充至预设用户画像模板中，生成各个用户对应的用户画像。

可选地，所述根据各个用户的所述用户画像生成房源展示列表的步骤包括：

根据各个用户的所述用户画像进行用户分类，得到若干个用户分类集合；

获取各个用户分类集合对应的偏好房源；

设置各个用户分类集合对应的偏好房源的排列顺序；

将获取的各个用户分类集合对应的偏好房源，按照设置的排列顺序进行排列，得到房源展示列表。

可选地，所述根据各个用户的所述用户画像进行用户分类，得到若干个用户分类集合的步骤包括：

分别将各个用户的所述用户画像中的行为标签值，与预设阈值进行比对，得到比对结果；

根据所述比对结果进行用户分类，得到若干个用户分类集合。

可选地，所述分别将各个用户的所述用户画像中的行为标签值，与预设阈值进行比对，得到比对结果的步骤包括：

从所述行为标签值中提取访问频次、访问距今时间差和行为转化率；

将所述访问频次、访问距今时间差和行为转化率，分别与预设阈值中的访问频次阈值、访问距今时间差阈值和行为转化率阈值进行比对，得到比对结果。

可选地，所述根据所述比对结果进行用户分类，得到若干个用户分类集合的步骤包括：

将所述访问频次高于所述访问频次阈值、所述访问距今时间差高于所述访问距今时间差阈值且所述行为转化率高于所述行为转化率阈值的用户，分类至重要价值用户集合；

将所述访问频次高于所述访问频次阈值、所述访问距今时间差高于所述访问距今时间差阈值且所述行为转化率低于所述行为转化率阈值的用户，分类至一般价值用户集合；

将所述访问频次低于所述访问频次阈值、所述访问距今时间差低于所述访问距今时间差阈值且所述行为转化率低于所述行为转化率阈值的用户，分类至一般挽留用户集合。

可选地，所述根据各个用户的所述特征标签构建各个用户对应的用户画像的步骤之后，还包括：

根据各个用户的所述用户画像生成各个用户对应的房源推荐列表；

将所述房源推荐列表推送至对应的用户。

此外，为实现上述目的，本发明还提供房源展示装置，所述房源展示装置包括：

获取模块，用于获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；

输入模块，用于将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签；

构建模块，用于根据各个用户的所述特征标签构建各个用户对应的用户画像；

展示模块，用于根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。

此外，为实现上述目的，本发明还提供一种房源展示设备，所述房源展示设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的房源展示程序，其中所述房源展示程序被所述处理器执行时，实现如上述的房源展示方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有房源展示程序，其中所述房源展示程序被处理器执行时，实现如上述的房源展示方法的步骤。

本发明提供一种房源展示方法，基于用户在房源小程序中的特征数据，构建用户画像，实现了对用户高精准度的特征分析，然后根据用户画像进行房源展示，使得房源展示贴合用户特征，具有针对性，从而使得房源小程序实现了精准的房源营销，能够促成房源成交，提高房源小程序的房源成交率。

附图说明

图1为本发明实施例方案中涉及的房源展示设备的硬件结构示意图；

图2为本发明房源展示方法第一实施例的流程示意图；

图3为本发明房源展示方法第二实施例的流程示意图；

图4为本发明房源展示装置第一实施例的功能模块示意图。

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。

本发明实施例涉及的房源展示方法主要应用于房源展示设备，该房源展示设备可以是个人计算机(personal computer，PC)、服务器等具有数据处理功能的设备。

参照图1，图1为本发明实施例方案中涉及的房源展示设备的硬件结构示意图。本发明实施例中，房源展示设备可以包括处理器1001(例如中央处理器Central ProcessingUnit，CPU)，通信总线1002，用户接口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；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；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可以是高速随机存取存储器(random accessmemory，RAM)，也可以是稳定的存储器(non-volatile memory)，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中示出的硬件结构并不构成对本发明的限定，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。

继续参照图1，图1中作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块以及房源展示程序。在图1中，理器1001可以调用存储器1005中存储的房源展示程序，并执行本发明各实施例提供的房源展示方法。

本发明实施例提供了一种房源展示方法。

参照图2，图2为本发明房源展示方法第一实施例的流程示意图。

本实施例中，所述房源展示方法包括以下步骤：

步骤S10，获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；

目前，市面上的一些房产信息平台在展示房源时，仅将热门房源或最新房源显示在房源列表前排，还有大量房源被淹没在海量的数据中，而热门房源或最新房源并不一定是用户的需求房源，用户还得在房产信息平台中花费较多的时间和精力搜寻自己需要的房源，导致用户的成交欲望下降，降低了房源成交率。对此，本实施例提供一种房产信息平台-房源小程序，在房源小程序的基础上，根据用户在房源小程序中的特征数据构建用户画像，并基于用户画像进行房源展示，从而使得房源小程序实现精准的房源营销，提高房源小程序的房源成交率。

本实施例的房源展示方法是由房源小程序的服务器实现的。在本实施例中，房源小程序可以嵌入社交软件中，房源经纪人可以将房源分享链接分享至社交软件的社交平台或分享给好友列表中的用户。其中，该房源分享链接包括房源小程序首页分享链接、楼盘列表分享链接和楼盘详情页分享链接等，而楼盘详情页分享链接包括楼书分享链接、楼盘海报分享链接、楼盘多图图片分享链接等。房源分享链接携带有封面图片、房源小程序二维码和房源经纪人信息(房源经纪人的姓名和联系电话)。用户可以在社交软件的社交平台或聊天界面中点击房源分享链接，识别其中的房源小程序二维码，进入到房源小程序中的首页、楼盘列表或楼盘详情页进行访问。当用户进入到房源小程序中时，房源小程序的服务器便可获取到用户个人数据，该用户个人数据包括用户ID、头像、手机号码、地理位置、来源方式等。由于房源小程序中的首页、楼盘列表或楼盘详情页都携带有对应的标识，用户如果访问了房源小程序中的首页、楼盘列表或楼盘详情页，房源小程序的服务器便会在用户ID上贴上相应的标识，如此，房源小程序的服务器便可以获取到用户访问首页的次数、所访问的楼盘列表、所访问的楼盘及其详细信息(该楼盘的单价、总价、区域、户型、面积等)、访问时间等访问数据。如果用户在房源小程序中进行了收藏(或关注)、预约看房、拨打房源经纪人联系电话的操作以及转发了房源分享链接的操作，房源小程序的服务器也会进行记录，得到用户在房源小程序中收藏(或关注)、拨打电话、预约看房以及二次转发房源分享链接的行为数据。如此，通过将房源小程序嵌入到社交软件中，可以获取到精准的用户个人数据、以及用户在房源小程序中的访问数据和行为数据。在本实施例中，将各个用户的个人数据、在房源小程序中的访问数据和行为数据定义为特征数据。

步骤S20，将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签；

房源小程序的服务器在获取到各个用户的特征数据后，分别将各个用户的特征数据输入至训练好的神经网络模型中进行分析，得到神经网络模型输出的各个用户的特征标签，用户的特征标签包括属性标签、行为标签和需求标签，属性标签用于描述用户的个人信息，行为标签用于描述用户在房源小程序中的活跃程度，需求标签用于描述用户的偏好房源，其中，行为标签包括访问房源小程序频次、访问距今时间差和行为转化率(行为转化率是指关注或收藏、拨打电话、预约看房以及二次转发房源分享链接次数的总和占访问频次的百分比)。应当理解，在本实施例中需预先训练神经网络模型，训练神经网络模型的过程包括：首先创建神经网络模型，然后将预设的样本数据输入至创建的神经网络模型中，并设置参数，参数可以从最小值进行设置，随即开始训练，将训练输出的结果与预设的结果进行对比，获得训练结果与预设结果之间的差值，并在差值小于预设差值时将设置的参数保存为训练的参数，在差值大于或等于预设差值时，对参数进行更改，并继续进行训练，直到差值小于预设差值，即可获得训练好的神经网络模型，或者通过迭代算法对该神经网络模型的参数进行更新，并对预设的样本数据进行迭代训练，通过不断地循环迭代，直到达到先前设置的迭代次数或已经收敛，即可获得训练好的神经网络模型。

步骤S30，根据各个用户的所述特征标签构建各个用户对应的用户画像；

在获得各个用户的特征标签之后，房源小程序的服务器根据用户的特征标签构建各个用户对应的用户画像，即，获取各个用户的特征标签对应的标签值，然后分别将各个用户的特征标签对应的标签值填充至预设用户画像模板中，即可生成各个用户对应的用户画像，其中，该预设用户画像模板可以为表格、数据库或页签等，例如，ID为小明的用户画像：“小明”、“男“、“28岁”、“iPhone，13912345678”、“深圳市南山区”、“访问房源小程序50次”、“访问距今12天”、“行为转化率15％”、“两室，200-300万”。如此，便可更加直观地获知各个用户的个人信息、在房源小程序中的活跃程度以及偏好房源。由于各个用户在房源小程序中的特征数据较为精准，从而提高了用户画像的准确性。

步骤S40，根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。

在获得各个用户对应的用户画像之后，房源小程序的服务器即可根据各个用户对应的用户画像生成房源展示列表。即，首先根据各个用户的用户画像进行用户分类，将房源小程序的用户划分为重要价值用户集合、一般价值用户集合和一般挽留用户集合，具体地，分别将各个用户对应的用户画像中的行为标签值，与预设阈值进行比对，包括：提取出行为标签值中的访问频次、访问距今时间差和行为转化率，将提取出的访问频次、访问距今时间差和行为转化率，分别与预设阈值中的访问频次阈值、访问距今时间差阈值和行为转化率阈值进行比对，之后，根据比对结果进行用户分类，分类结果可参照下表：

访问房源小程序频次阈值	访问距今时间差阈值	行为转化率阈值	用户类型
				高于	高于	高于	重要价值用户
高于	高于	低于	一般价值用户
				低于	低于	低于	一般挽留用户

即，将提取的访问频次高于访问频次阈值、提取的访问距今时间差高于访问距今时间差阈值且提取的行为转化率高于行为转化率阈值的用户，分类至重要价值用户集合；将所述访问频次高于所述访问频次阈值、所述访问距今时间差高于所述访问距今时间差阈值且所述行为转化率低于所述行为转化率阈值的用户，分类至一般价值用户集合；将提取的访问频次低于访问频次阈值、访问距今时间差低于访问距今时间差阈值且行为转化率低于行为转化率阈值的用户，分类至一般挽留用户集合。该预设阈值作为判定阈值，可以根据实际灵活设置，此处不作限定，当然，分类规则也不限于上述方式，进行用户分类后得到的分类集合也不限于上述三种，可根据实际进行调整。进一步地，房源小程序的服务器先将重要价值用户集合的偏好房源挑选出来，接着挑选一般价值用户集合的偏好房源，最后挑选一般挽留用户集合的偏好房源，挑选后按照挑选的顺序进行排列，从而得到房源展示列表，然后在房源小程序中按照房源展示列表展示房源，如此，在房源小程序中，重要价值用户集合对应的需求房源就显示在前排。通过上述方式，本实施例的房源小程序基于用户画像进行房源展示，具有针对性，尤其对于重要价值用户，也就是对有成交意向的用户来说，缩短了搜寻房源的时间，提高了搜寻体验，能够促成房源成交，提高房源小程序的房源成交率。

此外，房源小程序的服务器也可以定期更新用户画像，从而对房源在房源小程序页面的显示顺序进行更新。

本实施例提供一种房源展示方法，获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签；根据各个用户的所述特征标签构建各个用户对应的用户画像；根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。本实施例提供的房源展示方法，基于用户在房源小程序中的特征数据，构建用户画像，实现了对用户高精准度的特征分析，然后根据用户画像进行房源展示，使得房源展示贴合用户特征，具有针对性，从而使得房源小程序实现了精准的房源营销，能够促成房源成交，提高房源小程序的房源成交率。

进一步地，基于第一实施例提出本发明房源展示方法的第二实施例。房源展示方法的第二实施例与房源展示方法的第一实施例的区别在于，参照图3，所述步骤30之后，可以包括：

步骤S50，根据各个用户的所述用户画像生成各个用户对应的房源推荐列表；

在本实施例中，房源小程序的服务器在获得各个用户对应的用户画像之后，还可以根据用户画像中的需求标签，确定各个用户的偏好房源，然后创建针对用户的房源推荐列表，并设置房源推荐列表的房源数量和顺序，根据设置的房源数量从偏好房源中提取出进行推送的房源，再将提取到的房源按照设置的顺序在房源推荐列表中进行排列。

步骤S60，将所述房源推荐列表推送至对应的用户。

之后，将房源推荐列表推送至对应的用户，也可以推送至对应的房源经纪人，使得该用户与房源经纪人可以依据该房源推荐列表达成成交意向。

通过上述方式，本实施例基于构建的用户画像，可以为用户提供与需求匹配度较高的房源，从而节省了用户搜寻房源的时间，提升了用户体验，提升了房源交易效率。

此外，本发明实施例还提供一种房源展示装置。

参照图4，图4为本发明房源展示装置第一实施例的功能模块示意图。

本实施例中，所述房源展示装置包括：

获取模块10，用于获取各个用户在房源小程序中的特征数据，其中，所述特征数据包括个人数据、访问数据和行为数据；

输入模块20，用于将各个用户的所述特征数据输入至训练好的神经网络模型中进行分析，得到各个用户的特征标签，

构建模块30，用于根据各个用户的所述特征标签构建各个用户对应的用户画像；

展示模块40，用于根据各个用户的所述用户画像生成房源展示列表，并根据所述房源展示列表在所述房源小程序中展示房源。

其中，上述房源展示装置的各虚拟功能模块存储于图1所示房源展示设备的存储器1005中，用于实现房源展示程序的所有功能；各模块被处理器1001执行时，使得房源展示贴合用户特征，具有针对性，从而使得房源小程序实现了精准的房源营销，能够促成房源成交，提高房源小程序的房源成交率。

进一步的，所述构建模块30包括：

标签值获取单元，用于获取各个用户的特征标签对应的标签值；

生成单元，用于分别将各个用户的所述标签值填充至预设用户画像模板中，生成各个用户对应的用户画像。

进一步的，所述构建40包括：

分类单元，用于根据各个用户的所述用户画像进行用户分类，得到若干个用户分类集合；

偏好获取单元，用于获取各个用户分类集合对应的偏好房源；

设置单元，用于设置各个用户分类集合对应的偏好房源的排列顺序；

排列单元，用于将获取的各个用户分类集合对应的偏好房源，按照设置的排列顺序进行排列，得到房源展示列表。

进一步的，所述分类单元包括：

比对子单元，用于分别将各个用户的所述用户画像中的行为标签值，与预设阈值进行比对，得到比对结果；

分类子单元，用于根据所述比对结果进行用户分类，得到若干个用户分类集合。

进一步的，所述比对子单元包括：

提取子子单元，用于从所述行为标签值中提取访问频次、访问距今时间差和行为转化率；

比对子单元，用于将所述访问频次、访问距今时间差和行为转化率，分别与预设阈值中的访问频次阈值、访问距今时间差阈值和行为转化率阈值进行比对，得到比对结果。

进一步的，所述分类子单元包括：

第一分类子子单元，用于将所述访问频次高于所述访问频次阈值、所述访问距今时间差高于所述访问距今时间差阈值且所述行为转化率高于所述行为转化率阈值的用户，分类至重要价值用户集合；

第二分类子子单元，用于将所述访问频次高于所述访问频次阈值、所述访问距今时间差高于所述访问距今时间差阈值且所述行为转化率低于所述行为转化率阈值的用户，分类至一般价值用户集合；

第三分类子子单元，用于将所述访问频次低于所述访问频次阈值、所述访问距今时间差低于所述访问距今时间差阈值且所述行为转化率低于所述行为转化率阈值的用户，分类至一般挽留用户集合。

进一步的，所述房源展示装置还包括：

生成模块，用于根据各个用户的所述用户画像生成各个用户对应的房源推荐列表；

推荐模块，用于将所述房源推荐列表推送至对应的用户。

其中，上述房源展示装置中各个模块的功能实现与上述房源展示方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

此外，本发明实施例还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有房源展示程序，其中所述房源展示程序被处理器执行时，实现如上述的房源展示方法的步骤。

其中，房源展示程序被执行时所实现的方法可参照本发明房源展示方法的各个实施例，此处不再赘述。

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。

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如上所述的一个存储介质(如ROM/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

1.一种房源展示方法，其特征在于，所述房源展示方法包括以下步骤：

2.如权利要求1所述的房源展示方法，其特征在于，所述根据各个用户的所述特征标签构建各个用户对应的用户画像的步骤包括：

获取各个用户的特征标签对应的标签值；

3.如权利要求2所述的房源展示方法，其特征在于，所述根据各个用户的所述用户画像生成房源展示列表的步骤包括：

获取各个用户分类集合对应的偏好房源；

设置各个用户分类集合对应的偏好房源的排列顺序；

4.如权利要求3所述的房源展示方法，其特征在于，所述根据各个用户的所述用户画像进行用户分类，得到若干个用户分类集合的步骤包括：

5.如权利要求4所述的房源展示方法，其特征在于，所述分别将各个用户的所述用户画像中的行为标签值，与预设阈值进行比对，得到比对结果的步骤包括：

6.如权利要求5所述的房源展示方法，其特征在于，所述根据所述比对结果进行用户分类，得到若干个用户分类集合的步骤包括：

7.如权利要求1所述的房源展示方法，其特征在于，所述根据各个用户的所述特征标签构建各个用户对应的用户画像的步骤之后，还包括：

将所述房源推荐列表推送至对应的用户。

8.一种房源展示装置，其特征在于，所述房源展示装置包括：

9.一种房源展示设备，其特征在于，所述房源展示设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的房源展示程序，其中所述房源展示程序被所述处理器执行时，实现如权利要求1至7中任一项所述的房源展示方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有房源展示程序，其中所述房源展示程序被处理器执行时，实现如权利要求1至7中任一项所述的房源展示方法的步骤。