CN110148022A - 一种实时预测更新用户下单概率的方法 - Google Patents
一种实时预测更新用户下单概率的方法 Download PDFInfo
- Publication number
- CN110148022A CN110148022A CN201910396067.4A CN201910396067A CN110148022A CN 110148022 A CN110148022 A CN 110148022A CN 201910396067 A CN201910396067 A CN 201910396067A CN 110148022 A CN110148022 A CN 110148022A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- probability
- probabilistic model
- platform
- 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
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
-
- 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
一种实时预测更新用户下单概率的方法,包括登陆模块、筛选模块、获取模块、判断模块和预测分析模块;登陆模块与筛选模块通讯连接,用户通过手机等设备登录购物平台内,用户通过人机交互技术点击购物网页,筛选模块与获取模块通讯连接;获取模块获取筛选模块后的存在购买概率的用户信息,获取模块与判断模块通讯连接,判断模块用于判断用户登录平台的次数,判断模块与预测分析模块通讯连接;预测分析模块根据用户登录平台的次数,选择大数据计算概率模型和个人数据计算概率模型对用户下单概率进行预测。本发明提出一种实时预测更新用户下单概率的方法,具有预测用户下单概率的准确性高的优点,并可以促进交易的完成。
Description
技术领域
本发明涉及网上购物平台领域,尤其涉及一种实时预测更新用户下单概率的方法。
背景技术
由于网络发展带动,网上购物已经成为一种时尚,而且将永存。故购物平台可以分为两大类,一般购物平台和网上购物平台。
一般购物平台就是现实生活中的商场、店铺等,有时销售渠道也统称为购物平台。
网上购物平台就是在虚拟的世界进行购物活动的平台,多运用数字化传递信息,达到实物交易的目的。在O2O(Online To Offlin,在线离线/线上到线下)领域,通过对用户下单概率进行预测,可以对用户购买的欲望用数据进行直观的表示出来,然后购物平台可以根据用户下单概率,通过人为销售的方法促进交易的完成,从而使得平台的交易额得到大大提升,个人的经济也得到改善,而现实中,并不存在着可以对用户下单概率进行预测的方法。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题,本发明提出一种实时预测更新用户下单概率的方法,具有预测用户下单概率的准确性高的优点,并可以促进交易的完成。
(二)技术方案
为解决上述问题,本发明提出了一种实时预测更新用户下单概率的方法,其特征在于,包括以下步骤:S1、用户通过手机等设备登录购物平台内,用户通过人机交互技术点击购物网页,用于检测用户点击进入购物网页内,然后根据设置的检测参数,筛选并分析用户是否操作失误或购买欲望为零而点击进入购物网页;
S2、获取筛选后的存在购买概率的用户信息,首先获取用户昵称的资料,然后根据用户昵称的资料检索用户登录的个人信息和检索获取得到用户登录平台的次数;
S3、判断用于判断用户登录平台的次数,是否超过预设的登录次数;
S4、预测分析模块根据用户登录平台的次数,选择大数据计算概率模型和个人数据计算概率模型对用户下单概率进行预测。
优选的,检测参数为页面停留时间和人机交互的次数;当用户进入购物网页内,停留时间短且直接点击退出键,退出购物网页,则筛选判断为购买概率为零的用户。
优选的,获取检索用户登录的个人信息包括用户来源渠道、访问时间、实时场景数据、浏览轨迹和用户的历史访问数据情况。
优选的,判断用户登录平台的次数值设置为50。
优选的,当用于登录平台的次数小于或等于50,将用户的个人数据传输给大数据计算概率模型进行分析,并预测该用户下单的概率,若大数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因和下单的原因,然后,根据得到的数据统计表,对大数据计算概率模型进行修正;若大数据计算概率模型预测的概率的数据与用户实际下单相同,将数据信息上传到的个人消费系统中,并根据个人消费信息生成的个人数据计算概率模型。
优选的,当用于登录平台的次数大于50,将用户的个人数据传输给个人数据计算概率模型进行分析,并预测该用户下单的概率,若个人数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因,然后,根据得到的数据统计表,对个人数据计算概率模型进行修正。
优选的,用户在填写数据统计表时,平台发放购物优惠券,用于奖励用户积极认真填写数据表格,保证预测下单概率的正确性。
优选的,大数据计算概率模型预测和个人数据计算概率模型的概率与用户实际下单出现的误差值为10%。
优选的,大数据计算概率模型预测是通过抽取购物平台不同年龄段的5000名用户生成计算得到的。
本发明的上述技术方案具有如下有益的技术效果:通过设置的筛选模块可以初步为购买概率为零的用户进行筛除,对需要购买下单的用户进行预测,而本发明的预测方法,可以针对客户登录的次数进行分类预测,登录次数少的用户,通过大数据计算概率模型进行预测,且并将登录次数少的用户信息保留,建立个人数据计算概率模型,可以对后期用户再次登录时进行预测,从而使得该预测用户下单概率的准确性高。
附图说明
图1为本发明提出的一种实时预测更新用户下单概率的方法的结构示意图。
图2为本发明提出的一种实时预测更新用户下单概率的方法的流程框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1和2所示,本发明提出的一种实时预测更新用户下单概率的方法,其特征在于,包括以下步骤:S1、用户通过手机等设备登录购物平台内,用户通过人机交互技术点击购物网页,用于检测用户点击进入购物网页内,然后根据设置的检测参数,筛选并分析用户是否操作失误或购买欲望为零而点击进入购物网页;
S2、获取筛选后的存在购买概率的用户信息,首先获取用户昵称的资料,然后根据用户昵称的资料检索用户登录的个人信息和检索获取得到用户登录平台的次数;
S3、判断用于判断用户登录平台的次数,是否超过预设的登录次数;
S4、预测分析模块根据用户登录平台的次数,选择大数据计算概率模型和个人数据计算概率模型对用户下单概率进行预测。
在一个可选的实施例中,检测参数为页面停留时间和人机交互的次数;当用户进入购物网页内,停留时间短且直接点击退出键,退出购物网页,则筛选判断为购买概率为零的用户。
在一个可选的实施例中,获取检索用户登录的个人信息包括用户来源渠道、访问时间、实时场景数据、浏览轨迹和用户的历史访问数据情况。
在一个可选的实施例中,判断用户登录平台的次数值设置为50。
在一个可选的实施例中,当用于登录平台的次数小于或等于50,将用户的个人数据传输给大数据计算概率模型进行分析,并预测该用户下单的概率,若大数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因和下单的原因,然后,根据得到的数据统计表,对大数据计算概率模型进行修正;若大数据计算概率模型预测的概率的数据与用户实际下单相同,将数据信息上传到的个人消费系统中,并根据个人消费信息生成的个人数据计算概率模型。
在一个可选的实施例中,当用于登录平台的次数大于50,将用户的个人数据传输给个人数据计算概率模型进行分析,并预测该用户下单的概率,若个人数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因,然后,根据得到的数据统计表,对个人数据计算概率模型进行修正。
在一个可选的实施例中,用户在填写数据统计表时,平台发放购物优惠券,用于奖励用户积极认真填写数据表格,保证预测下单概率的正确性。
在一个可选的实施例中,大数据计算概率模型预测和个人数据计算概率模型的概率与用户实际下单出现的误差值为10%。
在一个可选的实施例中,大数据计算概率模型预测是通过抽取购物平台不同年龄段的5000名用户生成计算得到的。
本发明通过设置的筛选模块可以初步为购买概率为零的用户进行筛除,对需要购买下单的用户进行预测,而本发明的预测方法,可以针对客户登录的次数进行分类预测,登录次数少的用户,通过大数据计算概率模型进行预测,且并将登录次数少的用户信息保留,建立个人数据计算概率模型,可以对后期用户再次登录时进行预测,从而使得该预测用户下单概率的准确性高。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (9)
1.一种实时预测更新用户下单概率的方法,其特征在于,包括以下步骤:
S1、用户通过手机等设备登录购物平台内,用户通过人机交互技术点击购物网页,用于检测用户点击进入购物网页内,然后根据设置的检测参数,筛选并分析用户是否操作失误或购买欲望为零而点击进入购物网页;
S2、获取筛选后的存在购买概率的用户信息,首先获取用户昵称的资料,然后根据用户昵称的资料检索用户登录的个人信息和检索获取得到用户登录平台的次数;
S3、判断用于判断用户登录平台的次数,是否超过预设的登录次数;
S4、预测分析模块根据用户登录平台的次数,选择大数据计算概率模型和个人数据计算概率模型对用户下单概率进行预测。
2.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,检测参数为页面停留时间和人机交互的次数;当用户进入购物网页内,停留时间短且直接点击退出键,退出购物网页,则筛选判断为购买概率为零的用户。
3.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,获取检索用户登录的个人信息包括用户来源渠道、访问时间、实时场景数据、浏览轨迹和用户的历史访问数据情况。
4.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,判断用户登录平台的次数值设置为50。
5.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,当用于登录平台的次数小于或等于50,将用户的个人数据传输给大数据计算概率模型进行分析,并预测该用户下单的概率,若大数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因和下单的原因,然后,根据得到的数据统计表,对大数据计算概率模型进行修正;若大数据计算概率模型预测的概率的数据与用户实际下单相同,将数据信息上传到的个人消费系统中,并根据个人消费信息生成的个人数据计算概率模型。
6.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,当用于登录平台的次数大于50,将用户的个人数据传输给个人数据计算概率模型进行分析,并预测该用户下单的概率,若个人数据计算概率模型预测的概率与用户实际下单出现误差,则会生产数据统计表,用户可以进行调戏未下单的原因,然后,根据得到的数据统计表,对个人数据计算概率模型进行修正。
7.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,用户在填写数据统计表时,平台发放购物优惠券,用于奖励用户积极认真填写数据表格,保证预测下单概率的正确性。
8.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,大数据计算概率模型预测和个人数据计算概率模型的概率与用户实际下单出现的误差值为10%。
9.根据权利要求1所述的一种实时预测更新用户下单概率的方法,其特征在于,大数据计算概率模型预测是通过抽取购物平台不同年龄段的5000名用户生成计算得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396067.4A CN110148022A (zh) | 2019-05-14 | 2019-05-14 | 一种实时预测更新用户下单概率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396067.4A CN110148022A (zh) | 2019-05-14 | 2019-05-14 | 一种实时预测更新用户下单概率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110148022A true CN110148022A (zh) | 2019-08-20 |
Family
ID=67595185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910396067.4A Pending CN110148022A (zh) | 2019-05-14 | 2019-05-14 | 一种实时预测更新用户下单概率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110148022A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503482A (zh) * | 2019-08-26 | 2019-11-26 | 深圳乐信软件技术有限公司 | 一种物品处理方法、装置、终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
US20170357987A1 (en) * | 2015-06-09 | 2017-12-14 | Clickagy, LLC | Online platform for predicting consumer interest level |
CN109410009A (zh) * | 2018-10-31 | 2019-03-01 | 徐凤林 | 一种预测移动终端用户的购买意向的方法和装置 |
-
2019
- 2019-05-14 CN CN201910396067.4A patent/CN110148022A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
US20170357987A1 (en) * | 2015-06-09 | 2017-12-14 | Clickagy, LLC | Online platform for predicting consumer interest level |
CN109410009A (zh) * | 2018-10-31 | 2019-03-01 | 徐凤林 | 一种预测移动终端用户的购买意向的方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503482A (zh) * | 2019-08-26 | 2019-11-26 | 深圳乐信软件技术有限公司 | 一种物品处理方法、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11048530B1 (en) | Predictive action modeling to streamline user interface | |
Ricci et al. | Learning blockchain delays: A queueing theory approach | |
CN110417721A (zh) | 安全风险评估方法、装置、设备及计算机可读存储介质 | |
CN101110699B (zh) | 具有网络满意度预测预警功能的系统及其实现方法 | |
CN110991875B (zh) | 一种平台用户质量评估系统 | |
CN109670940A (zh) | 基于机器学习的信用风险评估模型生成方法及相关设备 | |
CN110147803B (zh) | 用户流失预警处理方法与装置 | |
CN105095411B (zh) | 一种基于app质量的app排名预测方法及系统 | |
CN107067274A (zh) | 一个基于混合学习模型的dsp实时竞价广告系统 | |
TWI740507B (zh) | 用戶購票行為檢測方法以及裝置 | |
CN109472018A (zh) | 企业舆情监测方法、装置、计算机设备和存储介质 | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN106408325A (zh) | 基于用户支付信息的用户消费行为预测分析方法及系统 | |
CN107067178A (zh) | 订单质量评估方法及系统 | |
CN107563816A (zh) | 电子商务网站的用户流失的预测方法及系统 | |
CN107862423A (zh) | 系统评估方法、智能评估系统及计算机可读存储介质 | |
CN106407477A (zh) | 一种多维互联推荐方法及系统 | |
CN112632179A (zh) | 模型构建方法、装置、存储介质及设备 | |
WO2018036402A1 (zh) | 模型中关键变量的探测方法及装置 | |
CN110148022A (zh) | 一种实时预测更新用户下单概率的方法 | |
CN114493208A (zh) | 工程项目全寿命周期的评价方法、装置、电子设备及介质 | |
CN110335143A (zh) | 基于多重时间验证的金融风险分析方法、装置及电子设备 | |
CN108074122A (zh) | 产品试用推荐方法、装置及服务器 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
KR101269874B1 (ko) | 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |
|
RJ01 | Rejection of invention patent application after publication |