CN110348876A - 一种电子商务网站客户个性化数据建立方法 - Google Patents
一种电子商务网站客户个性化数据建立方法 Download PDFInfo
- Publication number
- CN110348876A CN110348876A CN201910449614.0A CN201910449614A CN110348876A CN 110348876 A CN110348876 A CN 110348876A CN 201910449614 A CN201910449614 A CN 201910449614A CN 110348876 A CN110348876 A CN 110348876A
- Authority
- CN
- China
- Prior art keywords
- data
- client
- contact point
- point data
- customer
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种电子商务网站客户个性化数据建立方法,其步骤包括:首先利用浏览器客户端通过定义事件和cookie跟踪客户,收集客户的属性接触点数据、行为接触点数据和参与接触点数据;然后对收集的数据聚合计算分析形成客户的个人喜好数据库。本发明将每个客户的属性、行为、参与数据汇集到一个统一的个人数据集中,数据集中的每个元素的值被单独评估以确定这些值的总和来构成个人层面标签,形成每个人的细分市场和业务的核心,利用客户数据将客户定位为一个细分市场,并协调交互,从而改善广告系列效果指标,降低客户互动成本并提高客户终身价值,及时获得客户的兴趣爱好和需求,便于电子商务的开展和成功。
Description
技术领域
本发明属于大数据及互联网信息技术领域,特别是涉及一种电子商务网站客户个性化数据建立方法。
背景技术
数据是个性化的动力,如何利用个人客户数据是成功个性化和错失机会之间的差异。目前电子商务行业中个人客户数据的每个属性通常都被存储在不同的位置,比如说它可以存在于CRM系统,订单履行系统,数据仓库,营销自动化系统,个性化平台中。保持存储在不同位置的属性通常意味着这些属性数据在孤岛中萎缩,它们不能用于个性化,不能及时掌握每个客户的兴趣爱好和需求,不利于电子商务的开展实施。
因此,如何解决上述问题成为本领域人员研究的重点。
发明内容
本发明的目的就是提供一种电子商务网站客户个性化数据建立方法,能完全解决上述现有技术的不足之处。
本发明的目的通过下述技术方案来实现:
1.一种电子商务网站客户个性化数据建立方法,其特征在于,包括以下步骤:
1)对客户的数据收集:
利用浏览器客户端通过定义事件和cookie跟踪客户,收集客户的属性接触点数据、行为接触点数据和参与接触点数据;
2)对步骤1)中收集的数据聚合计算分析形成客户的个人喜好数据库。
2.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中属性接触点数据收集的具体方法为:
11)通过浏览器客户端获取客户的属性接触点数据,属性接触点数据包括客户地理位置、客户从事行业、来源以及客户类型;
12)对上述11)中的数据进行清洗,剔除无效数据;
13)对上述12)中获得的数据进行打标签处理;
14)对上述13)中获得的数据进行整合形成客户的属性接触点数据集。
3.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中行为接触点数据收集的具体方法为:
101)通过浏览器客户端获取客户的行为接触点数据,行为接触点数据包括客户搜索内容、客户点击查看内容、客户加入购物车的商品以及客户点击电子邮件;
102)对上述101)中的数据进行清洗,剔除无效数据;
103)对上述102)中获得的数据进行打标签处理;
104)对上述103)中获得的数据进行整合形成客户的行为接触点数据集。
4.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中参与接触点数据收集的具体方法为:
1001)通过浏览器客户端获取客户的参与接触点数据,参与接触点数据包括客户点击次数、客户浏览某商品的时间、客户对评论区的查看以及客户与商家之间的语音文字咨询交流;
1002)对上述1001)中的数据进行清洗,剔除无效数据;
1003)对上述1002)中获得的数据进行打标签处理;
1004)对上述1003)中获得的数据进行整合形成客户的参与接触点数据集。
5.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中属性接触点数据的收集用于了解客户的人物肖像;行为接触点数据的收集用于识别客户利益需求;参与接触点数据的收集用于掌握客户的真正兴趣点。
6.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤2)中数据聚合计算分析的具体方法包括:
21)统一步骤1)中收集的所有接触点数据段类型;
22)对步骤1)中收集的接触点数据进行分类;
23)提取步骤1)中收集的接触点数据的相关信息;
24)添加除步骤1)中收集到的接触点数据以外的相关信息;
25)调用第三方Aggregations API进行聚合计算,统计分析形成数据库。
7.根据权利要求6所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤22)中接触点数据进行分类,其分类类别包括:产品类数据、互动类数据和语音类数据。
与现有技术相比,本发明的有益效果在于:
本发明将每个客户的属性、行为、参与数据汇集到一个统一的个人数据集中,数据集中的每个元素的值被单独评估以确定这些值的总和来构成个人层面标签,形成每个人的细分市场和业务的核心,利用客户数据将客户定位为一个细分市场,并协调交互,从而改善广告系列效果指标,降低客户互动成本并提高客户终身价值,及时获得客户的兴趣爱好和需求,便于电子商务的开展和成功。
附图说明
图1是属性接触点数据的收集过程示意图;
图2是行为接触点数据的收集过程示意图;
图3是参与接触点数据的收集过程示意图;
图4是数据聚合计算分析过程示意图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步的说明。
如图1至图4所示,一种电子商务网站客户个性化数据建立方法,包括以下步骤:
1)利用浏览器客户端通过定义事件和cookie跟踪客户,收集客户的属性接触点数据、行为接触点数据和参与接触点数据;
其中属性接触点数据的收集通常由系统数据库、网络接口获取,该数据包括客户登录地理位置、客户从事行业、来源以及客户类型,其中来源可以是从不同网站收集的数据信息,比如客户登录淘宝、京东或其他电子商务网站留下的登录信息,客户类型包括客户性别、年龄;行为接触点数据和参与接触点数据通常由系统日志获取;行为接触点数据包括客户搜索内容、客户点击查看内容、客户加入购物车的商品以及客户点击的电子邮件,其中一些电商平台会通过电子邮件的方式向客户推送产品介绍及近期一些商家活动,客户点击的电子邮件可以从中获知客户是否对这些推送感兴趣;参与接触点数据包括客户点击次数、客户浏览某商品的时间、客户对评论区的查看以及客户与商家之间的语音文字咨询交流,其中客户点击次数指的是客户对商品的查看次数,一定程度上反映出客户对该产品的亲睐,同时又有些犹豫;
对于属性接触点数据收集的具体方法为:
11)通过浏览器客户端获取客户的属性接触点数据;
12)对上述11)中的数据进行清洗,剔除无效数据,数据清洗是对原始数据中存在的差错、缺失、奇异值等问题进行发现并纠正,使它们满足数据质量要求,数据清洗主要工作是数据残缺值处理,通常对于缺失的数据采用均值替换法,将变量的属性分为数值型和非数值型来分别进行处理,如果缺失值是数值型的,就根据该变量在其他所有对象取值的平均值来填充该缺失的变量值,如果缺失值是非数值型的,根据统计学中的众数原理,用该变量在这个用户的取值次数最多的值来补齐该缺失的变量值;
13)对上述12)中获得的数据进行打标签处理,根据属性接触点数据给出的标签可以类似于青少年男/女、中年男/女、老年男/女等;
14)对上述13)中获得的数据进行整合形成客户的属性接触点数据集。
同理,对于行为接触点数据收集的具体方法为:
101)通过浏览器客户端获取客户的行为接触点数据;
102)对上述101)中的数据进行清洗,剔除无效数据;
103)对上述102)中获得的数据进行打标签处理,根据行为接触点数据给出的标签可以类似于日韩系风格、美系风格、运动风格、休闲风格;
104)对上述103)中获得的数据进行整合形成客户的行为接触点数据集。
同理,对于参与接触点数据收集的具体方法为:
1001)通过浏览器客户端获取客户的参与接触点数据;
1002)对上述1001)中的数据进行清洗,剔除无效数据,
1003)对上述1002)中获得的数据进行打标签处理,根据参与接触点数据给出的标签可以为购买意愿强烈、一般、无兴趣或者犹豫不决;
1004)对上述1003)中获得的数据进行整合形成客户的参与接触点数据集。
2)对步骤1)中收集的数据聚合计算分析形成客户的个人喜好数据库;
实现数据聚合计算的具体方法为:
21)统一步骤1)中收集的所有接触点数据段类型,此步骤的目的是将数据转化为可计算的数值类型,使用到的主要方法有:1)标称数据标准化。对于地点、性别等标称数据,转化为数值类型进行标准化。2)标识符数据处理。用户ID、事物对象ID在本发明的分析中并不参与计算,只将它们作为标识符,因此可以不进行处理。3)类别型数据标准化。有些数据自身具有一定的数据规则,属于类别型,则需要利用类别特征编码,转化为可以用于计算的数值。4)数值信息标准化。数值信息标准化主要是对数值类型的数据进行标准化处理。5)还有一些数据需要用到特征二值化的方法进行预处理。特征二值化阈值的过程是将数值型数据转化为布尔型的二值数据,通过设置一个阈值,将数据转换为0/1;
22)对步骤1)中收集的接触点数据进行分类,根据数据反映出的不同信息,将数据分为;产品类数据、互动类数据和语音类数据,产品类数据主要存储客户信息及客户对应查看的产品,互动类数据主要存储客户与商家交流的文字信息,语音类数据主要存储客户与商家的语音交流信息;
23)提取步骤1)中收集的接触点数据的相关信息,由于采用大数据采集技术,这些数据中包括客户兴趣相关的信息,也包括客户兴趣不相关的信息,比如客户对资料进行修改前后存储的数据,修改前存储的数据即为客户兴趣不相关的信息,此步骤的目的是过滤与用户兴趣分析不相关的系统数据,减少后续数据分析开销,采用的方法主要是数据筛选常用的垂直筛选法和水平筛选法;
24)添加除步骤1)中收集到的接触点数据以外的相关信息,此步骤主要通过手动输入的方式将收集到的接触点数据以外的相关信息录入数据库中;
25)调用第三方Aggregations API进行聚合计算,统计分析形成数据库。
通过上述方法,将每个客户的属性,行为,参与数据汇集到一个统一的个人数据集中,数据集中的每个元素的值被单独评估以确定这些值的总和来构成个人层面标签,形成每个人的细分市场和业务的核心,利用客户数据将客户定位为一个细分市场,并协调交互,从而改善广告系列效果指标,降低客户互动成本并提高客户终身价值,便于掌握客户需求和兴趣爱好,利于电子商务的开展。比如,如果一个人的数据集合里,客户的地理位置是瑞士,搜索的产品是滑雪服,点击了10个搜索结果,按价格排了序,停留时间大于3分钟,还看了评论,那则认为他的标签是很想购买滑雪服却对价格犹豫不定。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种电子商务网站客户个性化数据建立方法,其特征在于,包括以下步骤:
1)对客户的数据收集:
利用浏览器客户端通过定义事件和cookie跟踪客户,收集客户的属性接触点数据、行为接触点数据和参与接触点数据;
2)对步骤1)中收集的数据进行聚合计算分析形成客户的个人喜好数据库。
2.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中属性接触点数据收集的具体方法为:
11)通过浏览器客户端获取客户的属性接触点数据,属性接触点数据包括客户地理位置、客户从事行业、来源以及客户类型;
12)对上述11)中的数据进行清洗,剔除无效数据;
13)对上述12)中获得的数据进行打标签处理;
14)对上述13)中获得的数据进行整合形成客户的属性接触点数据集。
3.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中行为接触点数据收集的具体方法为:
101)通过浏览器客户端获取客户的行为接触点数据,行为接触点数据包括客户搜索内容、客户点击查看内容、客户加入购物车的商品以及客户点击的电子邮件;
102)对上述101)中的数据进行清洗,剔除无效数据;
103)对上述102)中获得的数据进行打标签处理;
104)对上述103)中获得的数据进行整合形成客户的行为接触点数据集。
4.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中参与接触点数据收集的具体方法为:
1001)通过浏览器客户端获取客户的参与接触点数据,参与接触点数据包括客户点击次数、客户浏览某商品的时间、客户对评论区的查看以及客户与商家之间的语音文字咨询交流;
1002)对上述1001)中的数据进行清洗,剔除无效数据;
1003)对上述1002)中获得的数据进行打标签处理;
1004)对上述1003)中获得的数据进行整合形成客户的参与接触点数据集。
5.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤1)中属性接触点数据的收集用于了解客户的人物肖像;行为接触点数据的收集用于识别客户利益需求;参与接触点数据的收集用于掌握客户的真正兴趣点。
6.根据权利要求1所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤2)中数据聚合计算分析的具体方法包括:
21)统一步骤1)中收集的所有接触点数据段类型;
22)对步骤1)中收集的接触点数据进行分类;
23)提取步骤1)中收集的接触点数据的相关信息;
24)添加除步骤1)中收集到的接触点数据以外的相关信息;
25)调用第三方Aggregations API进行聚合计算,统计分析形成数据库。
7.根据权利要求6所述的一种电子商务网站客户个性化数据建立方法,其特征在于:步骤22)中接触点数据进行分类,其分类类别包括:产品类数据、互动类数据和语音类数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449614.0A CN110348876A (zh) | 2019-05-28 | 2019-05-28 | 一种电子商务网站客户个性化数据建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449614.0A CN110348876A (zh) | 2019-05-28 | 2019-05-28 | 一种电子商务网站客户个性化数据建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110348876A true CN110348876A (zh) | 2019-10-18 |
Family
ID=68174125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910449614.0A Pending CN110348876A (zh) | 2019-05-28 | 2019-05-28 | 一种电子商务网站客户个性化数据建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202022100697U1 (de) | 2022-02-07 | 2022-02-17 | Ganesh Agnihotri | Intelligentes hybrides Managementsystem zur Vorhersage der Abwanderung von E-Commerce-Benutzern im E-Commerce mittels Data Mining und Deep Learning |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1330341A (zh) * | 2000-06-21 | 2002-01-09 | 商通公司 | 实现个性化购物车的方法 |
US20090023428A1 (en) * | 2007-07-20 | 2009-01-22 | Arya Behzad | Method and system for creating a personalized journal based on collecting links to information and annotating those links for later retrieval |
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
CN102693498A (zh) * | 2012-05-16 | 2012-09-26 | 上海卓达信息技术有限公司 | 一种基于不完善数据的精准推荐方法 |
CN105975479A (zh) * | 2016-04-20 | 2016-09-28 | 重庆重邮汇测通信技术有限公司 | 一种基于标签库的电信用户兴趣度分析方法及系统 |
CN106204100A (zh) * | 2016-03-23 | 2016-12-07 | 四川长虹电器股份有限公司 | 一种数据处理方法及数据处理系统 |
CN106227832A (zh) * | 2016-07-26 | 2016-12-14 | 浪潮软件股份有限公司 | 互联网大数据技术架构在企业内业务分析中的应用方法 |
CN106408329A (zh) * | 2016-08-30 | 2017-02-15 | 杭州启冠网络技术有限公司 | 广告访客找回方法及广告投放系统 |
CN108510321A (zh) * | 2018-03-23 | 2018-09-07 | 北京焦点新干线信息技术有限公司 | 一种房产用户画像的构建方法及装置 |
CN109003057A (zh) * | 2018-06-12 | 2018-12-14 | 安徽博森互联网科技有限公司 | 一种大数据聚合支付系统 |
CN109064227A (zh) * | 2018-07-30 | 2018-12-21 | 广州新趋士网络科技有限公司 | 一种基于大数据的客户分析系统 |
CN109087140A (zh) * | 2018-08-07 | 2018-12-25 | 广州航海学院 | 一种基于spark大数据的闭环目标客户识别方法 |
-
2019
- 2019-05-28 CN CN201910449614.0A patent/CN110348876A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1330341A (zh) * | 2000-06-21 | 2002-01-09 | 商通公司 | 实现个性化购物车的方法 |
US20090023428A1 (en) * | 2007-07-20 | 2009-01-22 | Arya Behzad | Method and system for creating a personalized journal based on collecting links to information and annotating those links for later retrieval |
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
CN102693498A (zh) * | 2012-05-16 | 2012-09-26 | 上海卓达信息技术有限公司 | 一种基于不完善数据的精准推荐方法 |
CN106204100A (zh) * | 2016-03-23 | 2016-12-07 | 四川长虹电器股份有限公司 | 一种数据处理方法及数据处理系统 |
CN105975479A (zh) * | 2016-04-20 | 2016-09-28 | 重庆重邮汇测通信技术有限公司 | 一种基于标签库的电信用户兴趣度分析方法及系统 |
CN106227832A (zh) * | 2016-07-26 | 2016-12-14 | 浪潮软件股份有限公司 | 互联网大数据技术架构在企业内业务分析中的应用方法 |
CN106408329A (zh) * | 2016-08-30 | 2017-02-15 | 杭州启冠网络技术有限公司 | 广告访客找回方法及广告投放系统 |
CN108510321A (zh) * | 2018-03-23 | 2018-09-07 | 北京焦点新干线信息技术有限公司 | 一种房产用户画像的构建方法及装置 |
CN109003057A (zh) * | 2018-06-12 | 2018-12-14 | 安徽博森互联网科技有限公司 | 一种大数据聚合支付系统 |
CN109064227A (zh) * | 2018-07-30 | 2018-12-21 | 广州新趋士网络科技有限公司 | 一种基于大数据的客户分析系统 |
CN109087140A (zh) * | 2018-08-07 | 2018-12-25 | 广州航海学院 | 一种基于spark大数据的闭环目标客户识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202022100697U1 (de) | 2022-02-07 | 2022-02-17 | Ganesh Agnihotri | Intelligentes hybrides Managementsystem zur Vorhersage der Abwanderung von E-Commerce-Benutzern im E-Commerce mittels Data Mining und Deep Learning |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359244B (zh) | 一种个性化信息推荐方法和装置 | |
Meire et al. | The added value of social media data in B2B customer acquisition systems: A real-life experiment | |
US10489817B2 (en) | Method and system for correlating social media conversions | |
CN110147821B (zh) | 目标用户群体确定方法、装置、计算机设备及存储介质 | |
CN106445905B (zh) | 问答数据处理、自动问答方法及装置 | |
CN107730318A (zh) | 智能客户推荐平台及其推荐方法 | |
CN107515873A (zh) | 一种垃圾信息识别方法及设备 | |
US20030204437A1 (en) | Survey data processing | |
CN104394118A (zh) | 一种用户身份识别方法及系统 | |
CN108182605A (zh) | 一种基于用户画像的用户行为预测方法及系统 | |
CN103714139A (zh) | 一种移动海量客户群识别的并行数据挖掘方法 | |
CN110188268A (zh) | 一种基于标签和时间信息的个性化推荐方法 | |
CN108648038A (zh) | 一种基于子图挖掘的信用炒作与恶意评价识别方法 | |
CN109615437A (zh) | 销售获客跟踪管理方法 | |
CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
CN111461827A (zh) | 产品评价信息的推送方法和装置 | |
CN105978729A (zh) | 一种基于用户上网日志及位置的手机信息推送系统及方法 | |
CN110348876A (zh) | 一种电子商务网站客户个性化数据建立方法 | |
CN113674031A (zh) | 一种净推荐值问卷数据分析系统和方法 | |
CN106056497A (zh) | 一种知识产权互联网交易平台 | |
CN106056496A (zh) | 一种知识产权交易平台 | |
CN115880077A (zh) | 基于客户标签的推荐方法及其装置、电子设备及存储介质 | |
CN114996579A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
KR101664358B1 (ko) | 토픽분석을 활용한 다차원 고객 클러스터링 장치 및 방법 | |
CN109948665B (zh) | 基于长短时记忆神经网络的人体活动类型分类方法及系统 |
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: 20191018 |
|
RJ01 | Rejection of invention patent application after publication |