CN110969499A - 一种用户数据处理方法、装置和计算机可读存储介质 - Google Patents
一种用户数据处理方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110969499A CN110969499A CN201811139109.8A CN201811139109A CN110969499A CN 110969499 A CN110969499 A CN 110969499A CN 201811139109 A CN201811139109 A CN 201811139109A CN 110969499 A CN110969499 A CN 110969499A
- Authority
- CN
- China
- Prior art keywords
- user
- sliding window
- current
- data processing
- data
- 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
- 238000003672 processing method Methods 0.000 title abstract description 11
- 230000001186 cumulative effect Effects 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000009825 accumulation Methods 0.000 claims description 14
- 230000000717 retained effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用户数据处理方法、装置和计算机可读存储介质,其中方法包括:根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;根据所述分类的结果,为所述用户推送相匹配的产品信息。采用本发明,有利于提高产品信息与用户需求的匹配度。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种用户数据处理方法、装置和计算机可读存储介质。
背景技术
随着品牌商在电商网站销售的数据飞速增长,各品牌商急需深入了解自有品牌销售情况的用户组成结构,对销售数据历史轨迹进行分析,从而进行开发新产品或优化现有产品,以使产品与客户的需求更匹配,尽可能地满足用户需求。
现有的用户数据模型已提供了有商品粒度的销售订单情况的订单明细模型,该模型的最小粒度是产品,存储了每天的产品销售订单情况,包括下单用户、产品的优惠后金额、下单数量、产品库存进出计量的基本单元(sku)等信息。
在实现本发明过程中,通过发明人的研究分析发现:目前对于品牌品类维度下仅仅可以查看当月下单用户,无法追溯该下单用户的历史消费轨迹,无法判断在当月该用户在某维度下是新增、留存还是流失用户,故品牌商无法判断自有品牌到当前月为止的用户结构,进而无法划分出哪些是受当前营销策略影响来的新客户,也不知道哪些是品牌忠诚度高的老客户。这样,企业就无法获知不同用户的实际产品需求,进而无法对产品进行准确地优化、以及制定相匹配的产品推送信息,以提高产品信息与用户需求的匹配度。
发明内容
有鉴于此,本发明的主要目的在于提供一种用户数据处理方法、装置和计算机可读存储介质,有利于提高产品信息与用户需求的匹配度。
为了达到上述目的,本发明实施例提出的技术方案为:
一种用户数据处理方法,包括:
根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;
根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;
根据所述分类的结果,为所述用户推送相匹配的产品信息。
较佳地,所述对当前累计滑动窗口内产生订单数据的用户进行分类包括:
对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为对应产品属性组合的流失用户;
对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户;
对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
较佳地,所述数据处理周期的长度为一个月,所述累计滑动窗口的长度为。
较佳地,所述产品属性组合为产品所属品类和产品所属品牌的组合;
较佳地,所述销售数据累积值包括销售产品总数、总销售金额和父订单数量。
一种用户数据处理装置,包括:
周期累计单元,用于根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;
分类单元,根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;
信息匹配单元,根据所述分类的结果,为所述用户推送相匹配的产品信息。
较佳地,所述分类单元,用于对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为相应产品属性组合的流失用户;对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户;对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
较佳地,所述数据处理周期的长度为一个月。
较佳地,所述产品属性组合为产品所属品类和产品所属品牌的组合;
较佳地,所述销售数据累积值包括销售产品总数、总销售金额和父订单数量。
一种用户数据处理装置,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行上述用户数据处理方法。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述用户数据处理方法。
综上所述,上述发明中的实施例提出的用户数据处理方法、装置和计算机可读存储介质,基于对用户订单数据的周期性累计,并结合历史数据,分析某维度(即指定的产品属性组合)下的用户类型,根据用户类型,为用户推送相匹配的产品信息,因此,有利于提高产品信息与用户需求的匹配度,更大程度地满足用户的产品需求。
附图说明
图1为本发明实施例的方法流程示意图;
图2为本发明实施例的装置结构示意图。
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,下面将结合附图及具体实施例对本发明作进一步地详细描述。
图1为本发明实施例的方法流程示意图,如图1所示,该实施例实现的用户数据处理方法主要包括:
步骤101、根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值。
本步骤,用于对于每个数据处理周期,基于该周期内产生的用户订单数据,对于这些用户订单数据所涉及到的每个用户,计算该用户在某产品属性组合下相应的每种组合属性值分别对应的销售数据累积值,以便在后续过程中基于一段时间内各周期产生的上述销售数据累积值,对用户与产品的关联性进行分类。
在实际应用中,所述数据处理周期可由本领域技术人员根据实际需要进行设置。较佳地,所述数据处理周期的长度可以为一个月。
较佳地,所述产品属性组合可以为产品所属品类和产品所属品牌的组合。品类为产品所属的类别,例如,可以为电器。
较佳地,为确保用户分类的准确性,所述销售数据累积值可以至少包括销售产品总数、总销售金额和父订单数量。
步骤102、根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期。
本步骤中,将基于当前一段时间(即当前累计滑动窗口)内各周期的所述销售数据累积值,对相应的用户进行分类。
在实际应用中,所述累计滑动窗口设置的过长会导致运算开销较大,而所述累计滑动窗口设置的过短则会由于数据量不够而导致影响用户分类的准确性,具体本领域技术人员可根据上述规律结合实际需要设置累计滑动窗口的长度,例如,可以为两年,即从当前月份往前推24个月所覆盖的时间段为当前累计滑动窗口,但不限于此。
较佳地,可以采用下述方法对当前累计滑动窗口内产生订单数据的用户进行分类:
流失用户的判断:
对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为对应产品属性组合的流失用户。
所述t用于衡量用户是否为某种产品属性组合下的流失用户的参数指标,如果用户在最近t时间长度内没有购买过某种产品属性组合下的产品,即用户在该种产品属性组合下的销售数据累积值在t时间长度内没有发生变化,则会认为该用户为该产品属性组合的流失用户。所述t可由本领域技术人员根据实际需要进行设置,例如可以为一年、半年等,不限于此。
新增用户的判断:
对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户。
留存用户的判断:
对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
步骤103、根据所述分类的结果,为所述用户推送相匹配的产品信息。
本步骤用于根据步骤102得到的用户分类结果,为用户匹配相应的产品信息,以最大程度地满足用户需求。
从上述方法实施例可以看出,上述本发明实施例通过对用户订单数据的周期性累计,并结合历史数据,分析指定产品属性组合下的用户类型(即新用户、流失用户或留存用户),从而可以根据用户类型,为用户推送相匹配的产品信息。因此,采用本发明,有利于提高产品信息与用户需求的匹配度,更大程度地满足用户的产品需求。
图2为与上述方法实施例相对应的一种用户数据处理装置结构示意图,如图2所示,该装置包括:
周期累计单元201,用于根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;
分类单元202,根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;
信息匹配单元203,根据所述分类的结果,为所述用户推送相匹配的产品信息。
较佳地,所述分类单元202,用于对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为相应产品属性组合的流失用户;对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户;对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
较佳地,所述数据处理周期的长度为一个月。
较佳地,所述产品属性组合为产品所属品类和产品所属品牌的组合;
较佳地,所述销售数据累积值包括销售产品总数、总销售金额和父订单数量。
本发明实施例还提供了一种用户数据处理装置,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行上述用户数据处理方法实施例。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述用户数据处理方法实施例。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种用户数据处理方法,其特征在于,包括:
根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;
根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;
根据所述分类的结果,为所述用户推送相匹配的产品信息。
2.根据权利要求1所述的方法,其特征在于,所述对当前累计滑动窗口内产生订单数据的用户进行分类包括:
对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为对应产品属性组合的流失用户;
对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户;
对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
3.根据权利要求1所述的方法,其特征在于,所述数据处理周期的长度为一个月,所述累计滑动窗口的长度为。
4.根据权利要求1所述的方法,其特征在于,所述产品属性组合为产品所属品类和产品所属品牌的组合。
5.根据权利要求1所述的方法,其特征在于,所述销售数据累积值包括销售产品总数、总销售金额和父订单数量。
6.一种用户数据处理装置,其特征在于,包括:
周期累计单元,用于根据当前数据处理周期内产生的用户订单数据,对于所述用户订单数据对应的每个用户,计算当前数据处理周期内该用户在所对应的每种指定的产品属性组合下产生的销售数据累积值;
分类单元,根据当前累计滑动窗口内计算得到的所有所述销售数据累积值,对当前累计滑动窗口内产生订单数据的用户进行分类;所述累计滑动窗口包括至少两个所述数据处理周期;
信息匹配单元,根据所述分类的结果,为所述用户推送相匹配的产品信息。
7.根据权利要求6所述的装置,其特征在于,所述分类单元,用于对于当前累计滑动窗口内产生订单数据的每个用户,计算在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,该用户在当前累计滑动窗口内对应的所述销售数据累积值的总和M,以及在该用户在当前累计滑动窗口内前T-t个数据处理周期对应的所述销售数据累积值的总和N,T为所述累计滑动窗口包括的数据处理周期数量,t为预设的流失判决周期数,T>t,如果M-N=0,则判定该用户为相应产品属性组合的流失用户;对于当前数据处理周期内产生用户订单数据的每个用户,判断在该用户在当前数据处理周期内对应的每种所述产品属性组合下,该用户在上一个相邻数据处理周期内在对应的产品属性组合下是否产生销售数据,如果没有,则判定该用户为对应产品属性组合的新增用户;对于当前累计滑动窗口内产生订单数据的每个用户,在该用户在当前累计滑动窗口内对应的每种所述产品属性组合下,如果该用户不属于相应产品属性组合的流失用户也不属于相应产品属性组合的新增用户,则判定该用户为相应产品属性组合的留存用户。
8.根据权利要求6所述的装置,其特征在于,所述数据处理周期的长度为一个月。
9.根据权利要求6所述的装置,其特征在于,所述产品属性组合为产品所属品类和产品所属品牌的组合。
10.根据权利要求6所述的装置,其特征在于,所述销售数据累积值包括销售产品总数、总销售金额和父订单数量。
11.一种用户数据处理装置,其特征在于,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139109.8A CN110969499A (zh) | 2018-09-28 | 2018-09-28 | 一种用户数据处理方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139109.8A CN110969499A (zh) | 2018-09-28 | 2018-09-28 | 一种用户数据处理方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110969499A true CN110969499A (zh) | 2020-04-07 |
Family
ID=70026828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811139109.8A Pending CN110969499A (zh) | 2018-09-28 | 2018-09-28 | 一种用户数据处理方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969499A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709842A (zh) * | 2020-06-18 | 2020-09-25 | 中国工商银行股份有限公司 | 由电子设备执行的产品参数调整方法和装置、系统和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996293A (zh) * | 2006-12-31 | 2007-07-11 | 华为技术有限公司 | 一种分析门户系统及分析门户业务的实现方法 |
CN108171553A (zh) * | 2018-01-17 | 2018-06-15 | 焦点科技股份有限公司 | 一种周期性服务或产品的潜在客户挖掘系统与方法 |
CN108270842A (zh) * | 2017-06-09 | 2018-07-10 | 广州市动景计算机科技有限公司 | 推送权益任务的方法、系统及服务器 |
-
2018
- 2018-09-28 CN CN201811139109.8A patent/CN110969499A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996293A (zh) * | 2006-12-31 | 2007-07-11 | 华为技术有限公司 | 一种分析门户系统及分析门户业务的实现方法 |
CN108270842A (zh) * | 2017-06-09 | 2018-07-10 | 广州市动景计算机科技有限公司 | 推送权益任务的方法、系统及服务器 |
CN108171553A (zh) * | 2018-01-17 | 2018-06-15 | 焦点科技股份有限公司 | 一种周期性服务或产品的潜在客户挖掘系统与方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709842A (zh) * | 2020-06-18 | 2020-09-25 | 中国工商银行股份有限公司 | 由电子设备执行的产品参数调整方法和装置、系统和介质 |
CN111709842B (zh) * | 2020-06-18 | 2024-04-05 | 中国工商银行股份有限公司 | 由电子设备执行的产品参数调整方法和装置、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102385601B (zh) | 一种产品信息的推荐方法及系统 | |
Yan et al. | On machine learning towards predictive sales pipeline analytics | |
TWI564829B (zh) | Method and apparatus for generating traffic quality comparison parameters, advertising charging method | |
Wang | A comparison study between fuzzy time series model and ARIMA model for forecasting Taiwan export | |
TWI587229B (zh) | Push method and device for product information | |
CN104915846A (zh) | 一种电子商务时间序列数据的异常检测方法及系统 | |
Milner et al. | On the complementary value of accurate demand information and production and supplier flexibility | |
US20180300748A1 (en) | Technologies for granular attribution of value to conversion events in multistage conversion processes | |
Yeo et al. | Predicting online purchase conversion for retargeting | |
KR101963817B1 (ko) | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 | |
Yeo et al. | Conversion prediction from clickstream: Modeling market prediction and customer predictability | |
CN106920119A (zh) | 一种用户价值的评价方法及装置 | |
CN108932625B (zh) | 用户行为数据的分析方法、装置、介质和电子设备 | |
CN103020274A (zh) | 文献分析方法和系统 | |
CN104008495A (zh) | 面向产品的零售点营销推荐方法 | |
CN105678578A (zh) | 一种基于网购行为数据的用户品牌偏好度量方法 | |
CN104992348A (zh) | 一种信息展示的方法和装置 | |
CN105303447A (zh) | 利用网络信息进行信用评级的方法和系统 | |
Bachmann et al. | The role of time-varying contextual factors in latent attrition models for customer base analysis | |
JP4386973B2 (ja) | 階層的予測モデル構築装置及びその方法 | |
CN110969499A (zh) | 一种用户数据处理方法、装置和计算机可读存储介质 | |
US20170068962A1 (en) | Forecasting customer channel choice using cross-channel loyalty | |
CN106919609B (zh) | 产品信息推送方法和装置 | |
US10956631B2 (en) | Distribution selection and simulation of intermittent data using machine learning (ML) | |
KR101409273B1 (ko) | 사용자의 구매 영향력 지수를 산출하는 방법 및 장치 |
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 |