CN110415024A - 一种基于用户行为的用户画像方法及装置 - Google Patents
一种基于用户行为的用户画像方法及装置 Download PDFInfo
- Publication number
- CN110415024A CN110415024A CN201910625375.XA CN201910625375A CN110415024A CN 110415024 A CN110415024 A CN 110415024A CN 201910625375 A CN201910625375 A CN 201910625375A CN 110415024 A CN110415024 A CN 110415024A
- Authority
- CN
- China
- Prior art keywords
- user
- amendment
- score
- portrait
- commodity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000003542 behavioural effect Effects 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 16
- 239000013065 commercial product Substances 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
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
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
本发明公开了一种基于用户行为的用户画像方法,至少包括以下步骤:获取用户的行为数据;根据用户的行为数据设置行为数据对应商品的分数值;根据min函数对分数进行计算,得到每一商品对应的修正分;对修正分数进行分析,生成用户画像。本发明提供一种基于用户行为的用户画像方法,能够准确得到用户的购物喜好并对用户潜在的购物喜好进行准确的挖掘,从而能够有效提高商品推荐的准确性和全面性。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种基于用户行为的用户画像方法及装置。
背景技术
用户画像又称用户角色,作为一种勾画目标用户、联系用户诉求与设计方向的有效工具,用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表,用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的,形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
现有的用户画像方法中对每个用户的处理是孤立的,无法提供全面的用户画像,容易导致商品推荐的准确性和成功率降低。
发明内容
本发明实施例提供的一种基于用户行为的用户画像方法,能够准确得到用户的购物喜好并对用户潜在的购物喜好进行准确的挖掘,从而能够有效提高商品推荐的准确性和全面性。为实现上述目的,一方面,本发明的一个实施例提供了一种基于用户行为的用户画像方法,至少包括以下步骤:
获取用户的行为数据;
根据所述用户的行为数据设置所述行为数据对应商品的分数值;
根据min函数对所述分数进行计算,得到每一商品对应的修正分;
对所述修正分数进行分析,生成用户画像。
进一步地,所述用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
进一步地,对所述修正分数进行分析,生成用户画像,具体为:
根据所述修正分建立用户评分矩阵,所述用户评分矩阵包括用户ID、商品ID和修正分,所述修正分越高说明用户越喜欢所述修正分对应的商品。
另一方面,本发明的另一实施例提供了一种基于用户行为的用户画像装置,包括数据获取模块、分数设置模块、计算模块和分析模块;
所述数据获取模块,用于获取用户的行为数据;
所述分数设置模块,用于根据所述用户的行为数据设置所述行为数据对应商品的分数值;
所述计算模块,用于根据min函数对所述分数进行计算,得到每一商品对应的修正分;
所述分析模块,用于对所述修正分数进行分析,生成用户画像。
进一步地,所述用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
进一步地,所述分析模块,具体用于根据所述修正分建立用户评分矩阵,所述用户评分矩阵包括用户ID、商品ID和修正分,所述修正分越高说明用户越喜欢所述修正分对应的商品。
本发明实施例的目的是提供一种基于用户行为的用户画像方法,能够准确得到用户的购物喜好并对用户潜在的购物喜好进行准确的挖掘,从而能够有效提高商品推荐的准确性和全面性。
附图说明
图1是本发明提供的一种基于用户行为的用户画像方法的流程示意图;
图2是本发明提供的一种基于用户行为的用户画像方法的评分矩阵示意图;
图3是本发明提供的一种基于用户行为的用户画像装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的第一实施例:
请参阅图1。
本发明实施例提供了一种基于用户行为的用户画像方法,至少包括以下步骤:
S1、获取用户的行为数据;
S2、根据用户的行为数据设置行为数据对应商品的分数值;
S3、根据min函数对分数进行计算,得到每一商品对应的修正分;
S4、对修正分数进行分析,生成用户画像。
·在本发明实施例中,可以理解的是,在本发明实施例中,根据用户的行为数据得到用户的浏览记录、加购记录和下单记录,将用户行为对应的商品设置合理的分数值,能够全面获取用户的行为数据进行用户画像,有利于提高用户之间的关联性,有效地提高用户画像的全面性和准确性。在本发明实施例中,用户每购买一个商品则为该商品的分数值sum(score)设置为4分,通过min函数将分数值转换为修正分cate_score,具体为:cate_score=min(sum(score)/5,5),例如:当用户购买1个同类商品时,商品的分数值为sum(score)=4,修正分为分数为2.5;当用户购买5个同类商品时,商品的分数值为sum(score)=20,修正分为分数为4.5;当修正分高于预设分数值时,则认为该修正分对应的商品为用户的喜好商品,分数越高,证明用户对所购买类目商品越喜欢,能够准确且全面得到用户的购物喜好,以及准确挖掘用户潜在的购物喜好,提高商品推荐的准确性,从而有利于提高用户画像的准确性和可靠性。
作为本发明实施例的一种具体实施方式,用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
作为本发明实施例的一种具体实施方式,对修正分数进行分析,生成用户画像,具体为:
根据修正分建立用户评分矩阵,用户评分矩阵包括用户ID、商品ID和修正分,修正分越高说明用户越喜欢修正分对应的商品。
在本发明实施例中,通用户评分矩阵能够直观显示每一用户对应每一商品的修正分,通过将同一用户的不同商品修正分进行比对,能够快速得知用户喜欢的商品,有利于进行用户购物喜好的挖掘以及用户画像的生成。
可以理解的是,在本发明实施例中,挖掘用户购物喜好具体为:通过比对两个或多个用户的购物喜好,从而得到每一用户的购物喜好。请参阅图2,为本发明实施例提供的一种基于用户行为的用户画像方法的评分矩阵示意图,当A用户喜欢P1、P2、P3商品,B用户喜欢P2、P3、P4商品,因为A用户和B用户喜欢的商品P2、P3重复,可以间接挖掘出A用户的购物喜好包括商品P4,B用户的购物喜好包括P1。
实施本发明实施例,具有如下有益效果:
在本发明实施例中,可以理解的是,在本发明实施例中,根据用户的行为数据得到用户的浏览记录、加购记录和下单记录,将用户行为对应的商品设置合理的分数值,能够全面获取用户的行为数据进行用户画像,有利于提高用户之间的关联性,有效地提高用户画像的全面性和准确性。在本发明实施例中,用户每购买一个商品则为该商品的分数值sum(score)设置为4分,通过min函数将分数值转换为修正分cate_score,具体为:cate_score=min(sum(score)/5,5),例如:当用户购买1个同类商品时,商品的分数值为sum(score)=4,修正分为分数为2.5;当用户购买5个同类商品时,商品的分数值为sum(score)=20,修正分为分数为4.5;当修正分高于预设分数值时,则认为该修正分对应的商品为用户的喜好商品,分数越高,证明用户对所购买类目商品越喜欢,从而能够准确挖掘用户的购物喜好,有利于提高用户画像的准确性和可靠性。
本发明的第二实施例:
请参阅图3。
本发明实施例提供了一种基于用户行为的用户画像装置,包括数据获取模块101、分数设置模块102、计算模块103和分析模块104;
数据获取模块101,用于获取用户的行为数据;
分数设置模块102,用于根据用户的行为数据设置行为数据对应商品的分数值;
计算模块103,用于根据min函数对分数进行计算,得到每一商品对应的修正分;
分析模块104,用于对修正分数进行分析,生成用户画像。
在本发明实施例中,可以理解的是,在本发明实施例中,数据获取模块101根据用户的行为数据得到用户的浏览记录、加购记录和下单记录,分数设置模块102将用户行为对应的商品设置合理的分数值,能够全面获取用户的行为数据进行用户画像,有利于提高用户之间的关联性,有效地提高用户画像的全面性和准确性。在本发明实施例中,用户每购买一个商品则为该商品的分数值sum(score)设置为4分,通过计算模块103根据min函数将分数值转换为修正分cate_score,具体为:cate_score=min(sum(score)/5,5),例如:当用户购买1个同类商品时,商品的分数值为sum(score)=4,修正分为分数为2.5;当用户购买5个同类商品时,商品的分数值为sum(score)=20,修正分为分数为4.5;当修正分高于预设分数值时,则认为该修正分对应的商品为用户的喜好商品,分数越高,证明用户对所购买类目商品越喜欢,从而能够准确挖掘用户的购物喜好,有利于提高用户画像的准确性和可靠性。
作为本发明实施例的一种具体实施方式,用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
作为本发明实施例的一种具体实施方式,分析模块,具体用于根据修正分建立用户评分矩阵,用户评分矩阵包括用户ID、商品ID和修正分,修正分越高说明用户越喜欢修正分对应的商品。
在本发明实施例中,通用户评分矩阵能够直观显示每一用户对应每一商品的修正分,通过将同一用户的不同商品修正分进行比对,能够快速得知用户喜欢的商品,有利于进行用户购物喜好的挖掘以及用户画像的生成。
可以理解的是,在本发明实施例中,挖掘用户购物喜好具体为:通过比对两个或多个用户的购物喜好,从而得到每一用户的购物喜好。
实施本发明实施例,具有如下有益效果:
在本发明实施例中,可以理解的是,在本发明实施例中,数据获取模块101根据用户的行为数据得到用户的浏览记录、加购记录和下单记录,分数设置模块102将用户行为对应的商品设置合理的分数值,能够全面获取用户的行为数据进行用户画像,有利于提高用户之间的关联性,有效地提高用户画像的全面性和准确性。在本发明实施例中,用户每购买一个商品则为该商品的分数值sum(score)设置为4分,通过计算模块103根据min函数将分数值转换为修正分cate_score,具体为:cate_score=min(sum(score)/5,5),例如:当用户购买1个同类商品时,商品的分数值为sum(score)=4,修正分为分数为2.5;当用户购买5个同类商品时,商品的分数值为sum(score)=20,修正分为分数为4.5;当修正分高于预设分数值时,则认为该修正分对应的商品为用户的喜好商品,分数越高,证明用户对所购买类目商品越喜欢,从而能够准确挖掘用户的购物喜好,有利于提高用户画像的准确性和可靠性。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种基于用户行为的用户画像方法,其特征在于,至少包括以下步骤:
获取用户的行为数据;
根据所述用户的行为数据设置所述行为数据对应商品的分数值;
根据min函数对所述分数进行计算,得到每一商品对应的修正分;
对所述修正分数进行分析,生成用户画像。
2.如权利要求1所述的基于用户行为的用户画像方法,其特征在于,所述用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
3.如权利要求1所述的基于用户行为的用户画像方法,其特征在于,对所述修正分数进行分析,生成用户画像,具体为:
根据所述修正分建立用户评分矩阵,所述用户评分矩阵包括用户ID、商品ID和修正分,所述修正分越高说明用户越喜欢所述修正分对应的商品。
4.一种基于用户行为的用户画像装置,其特征在于,包括数据获取模块、分数设置模块、计算模块和分析模块;
所述数据获取模块,用于获取用户的行为数据;
所述分数设置模块,用于根据所述用户的行为数据设置所述行为数据对应商品的分数值;
所述计算模块,用于根据min函数对所述分数进行计算,得到每一商品对应的修正分;
所述分析模块,用于对所述修正分数进行分析,生成用户画像。
5.如权利要求4所述的基于用户行为的用户画像装置,其特征在于,所述用户的行为数据包括:浏览行为数据、加购行为数据和下单行为数据。
6.如权利要求4所述的基于用户行为的用户画像装置,其特征在于,所述分析模块,具体用于根据所述修正分建立用户评分矩阵,所述用户评分矩阵包括用户ID、商品ID和修正分,所述修正分越高说明用户越喜欢所述修正分对应的商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625375.XA CN110415024A (zh) | 2019-07-11 | 2019-07-11 | 一种基于用户行为的用户画像方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625375.XA CN110415024A (zh) | 2019-07-11 | 2019-07-11 | 一种基于用户行为的用户画像方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415024A true CN110415024A (zh) | 2019-11-05 |
Family
ID=68361127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625375.XA Pending CN110415024A (zh) | 2019-07-11 | 2019-07-11 | 一种基于用户行为的用户画像方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415024A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021020A (zh) * | 2021-11-17 | 2022-02-08 | 南京工业大学 | 一种基于用户偏好修正的智能推荐方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574159A (zh) * | 2015-12-16 | 2016-05-11 | 浙江汉鼎宇佑金融服务有限公司 | 一种基于大数据的用户画像建立方法和用户画像管理系统 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN107730289A (zh) * | 2016-08-11 | 2018-02-23 | 株式会社理光 | 一种用户行为分析方法及用户行为分析装置 |
CN109344992A (zh) * | 2018-08-21 | 2019-02-15 | 广东工业大学 | 一种融合时空因素的智能家居用户操控行为习惯建模方法 |
CN109558530A (zh) * | 2018-10-23 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和系统 |
CN109685632A (zh) * | 2019-01-22 | 2019-04-26 | 重庆建筑工程职业学院 | 基于互联网的商品自动化共享系统及方法 |
-
2019
- 2019-07-11 CN CN201910625375.XA patent/CN110415024A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574159A (zh) * | 2015-12-16 | 2016-05-11 | 浙江汉鼎宇佑金融服务有限公司 | 一种基于大数据的用户画像建立方法和用户画像管理系统 |
CN107730289A (zh) * | 2016-08-11 | 2018-02-23 | 株式会社理光 | 一种用户行为分析方法及用户行为分析装置 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN109344992A (zh) * | 2018-08-21 | 2019-02-15 | 广东工业大学 | 一种融合时空因素的智能家居用户操控行为习惯建模方法 |
CN109558530A (zh) * | 2018-10-23 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和系统 |
CN109685632A (zh) * | 2019-01-22 | 2019-04-26 | 重庆建筑工程职业学院 | 基于互联网的商品自动化共享系统及方法 |
Non-Patent Citations (2)
Title |
---|
刘星: "《信息智能分析实验》", 31 December 2007, 重庆大学出版社 * |
王成: "《MTO-MTS混合模式下制造企业集成计划模型与优化方法研究》", 31 August 2015 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021020A (zh) * | 2021-11-17 | 2022-02-08 | 南京工业大学 | 一种基于用户偏好修正的智能推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815755B (zh) | 虚拟物体被遮挡的区域确定方法、装置及终端设备 | |
US20200366834A1 (en) | Automatic guided capturing and presentation of images | |
TWI640878B (zh) | Query word fusion method, product information publishing method, search method and system | |
CN104077693B (zh) | 商品对比方法、服务器、客户端及电子商务系统 | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
CN102880691B (zh) | 一种基于用户亲密度的混合推荐系统及方法 | |
CN105976212B (zh) | 一种商品展示方法、装置与电子商务平台 | |
CN110674359B (zh) | 多场景展示关系图谱的方法及系统 | |
WO2016188277A1 (zh) | 提供业务对象搭配信息的方法及装置 | |
CN106470110B (zh) | 向用户列表中的多个用户群发消息的方法及装置 | |
CN106354734A (zh) | 提供业务对象信息的方法及装置 | |
CN109903105B (zh) | 一种完善目标商品属性的方法和装置 | |
WO2022062466A1 (zh) | 芯片产品的对比方法、建模方法、装置及存储介质 | |
Tunç et al. | Fractional hermite hadamard's type inequality for the co-ordinated convex functions | |
US9424367B2 (en) | Interactive visualization of trending data | |
CN107918618A (zh) | 数据处理方法及装置 | |
CN104915860A (zh) | 一种商品推荐方法及装置 | |
CN107423430A (zh) | 数据处理方法、装置和计算机可读存储介质 | |
CN106855851A (zh) | 知识抽取方法及装置 | |
CN110135711A (zh) | 一种情报管理方法及装置 | |
CN110415024A (zh) | 一种基于用户行为的用户画像方法及装置 | |
CN106682206A (zh) | 一种大数据处理方法及系统 | |
CN103559413B (zh) | 一种数据处理方法和装置 | |
WO2018053889A1 (zh) | 分布式计算框架和分布式计算方法 | |
TW201721551A (zh) | 資料視覺化方法與資料視覺化裝置 |
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: 20191105 |
|
RJ01 | Rejection of invention patent application after publication |