CN112184275B - 人群细分方法、装置、设备及存储介质 - Google Patents
人群细分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112184275B CN112184275B CN201910595231.4A CN201910595231A CN112184275B CN 112184275 B CN112184275 B CN 112184275B CN 201910595231 A CN201910595231 A CN 201910595231A CN 112184275 B CN112184275 B CN 112184275B
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- target
- category
- capability
- 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.)
- Active
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
- G06Q30/0204—Market segmentation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种人群细分方法、装置、设备及存储介质。所述方法包括:获取目标用户群体中各用户的属性数据,属性数据至少包括用户的至少一种感兴趣类别及与目标行为能力相对应的用户的至少一种行为能力数据;根据感兴趣类别及感兴趣类别与行为倾向之间的兴趣倾向对应关系确定各用户的用户行为倾向;根据行为能力数据确定各用户的目标行为能力等级;根据各用户的用户行为倾向和目标行为能力等级,对目标用户群体进行细分。本发明实施例的技术方案通过使用概括度较高的用户行为倾向及目标行为能力等级对消费群体进行细分,使消费群体的划分结果可对产品的研发设计提供有效的数据支持,使设计得到的产品更加符合各消费群体的消费需求。
Description
技术领域
本发明实施例涉及人群划分技术,尤其涉及一种人群细分方法、装置、设备及存储介质。
背景技术
为了使产品可以更好地迎合不同消费群体的消费需求,各个企业在市场调研、产品研发设计等阶段,都会对各个消费群体进行消费意愿、消费喜好、消费倾向等方面的分析,以对各个消费群体进行有效地划分,使得消费群体的划分结果可以对产品研发等方面进行有效、正确地指导。
现有技术中,一般来说,首先会根据消费人群的属性、与产品匹配的消费需求以及企业所关注的消费属性等因素,确定用于对消费人群进行划分的属性标签(例如:年龄、性别、职业、学历、是否喜欢新潮物品、是否为高收入人群等等);然后,使用各属性标签,直接对各消费人群进行划分。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:属性标签的分类往往较细,类别较多,直接使用属性标签对消费群体进行划分,难以从概括度较高的维度,对消费群体进行划分,由此,使得消费群体的划分结果难以对企业的产品研发设计进行有效的数据支持,进而难以设计出更加符合各消费群体需求的产品。
发明内容
本发明实施例提供了一种人群细分方法,以实现消费群体的划分结果可以对产品的研发设计提供有效的数据支持,使设计得到的产品更加符合各消费群体的消费需求。
第一方面,本发明实施例提供了一种人群细分方法,包括:
获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;
根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;
根据所述行为能力数据,确定各所述用户的目标行为能力等级;
根据各所述用户的用户行为倾向和目标行为能力等级,对所述目标用户群体进行细分。
第二方面,本发明实施例还提供了一种人群细分装置,包括:
属性数据获取模块,用于获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;
用户行为倾向确定模块,用于根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;
目标行为能力等级确定模块,用于根据所述行为能力数据,确定各所述用户的目标行为能力等级;
细分划分模块,用于根据各所述用户的用户行为倾向和目标行为能力等级,对所述目标用户群体进行细分。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的人群细分方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的人群细分方法。
本发明实施例提供了一种人群细分方法、装置、设备及存储介质,通过使用根据用户的感兴趣类别所确定的用户行为倾向,以及根据用户的行为能力数据确定的用户的目标行为能力等级,对目标用户群体进行细分,解决了现有技术中难以从概括度较高的维度,对消费群体进行划分,由此,使得消费群体的划分结果难以对企业的产品研发设计进行有效的数据支持,进而难以设计出更加符合各消费群体需求的产品的技术缺陷,通过使用概括度较高的用户行为倾向以及用户的目标行为能力等级,这两个维度对消费群体进行细分,使得消费群体的划分结果可以对产品的研发设计提供有效的数据支持,使设计得到的产品更加符合各消费群体的消费需求。
附图说明
图1是本发明实施例一提供的人群细分方法的流程图;
图2是本发明实施例二提供的人群细分方法的流程图;
图3是本发明实施例三提供的人群细分装置的结构图;
图4是本发明实施例四提供的一种设备的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种人群细分方法的流程图,本实施例可适用于对人群进行划分的情况,该方法可以由人群细分装置来执行,该装置可以通过软件和/或硬件实现,该装置可集成在服务器等设备中。如图1所示,该方法具体包括如下步骤:
S101、获取目标用户群体中各用户的属性数据,其中,属性数据至少包括用户的至少一种感兴趣类别,以及与目标行为能力相对应的用户的至少一种行为能力数据。
在本实施例中,目标用户群体具体可以是具有某一种共同属性的用户的集合。例如,女性用户群体、年龄属于某年龄阶段的用户群体、居住于某地理范围内的用户群体等等。
在本实施例中,目标用户群体中的各用户都对应有属性数据。其中,属性数据中至少包括两种数据类型的数据,一类是用户的感兴趣类别,一类是与目标行为能力相对应的行为能力数据。进一步地,一个用户可以对应有一种或多种感兴趣类别(不同的用户对应的感兴趣类别的种类既可以相同,也可以不同),同时,该用户还可以对应有一种或多种行为能力数据(不同的用户对应的行为能力数据的种类既可以相同,也可以不同,但是,优选为“相同”,以使得步骤103中所确定的“目标行为能力等级”可以准确地体现各用户实施目标行为的能力的差别)。
其中,感兴趣类别具体可以涵盖多种行为分别对应的各行为偏好。示例性地,感兴趣类别具体可以包括视频观看对应的各行为偏好(例如喜剧、历史剧、悬疑剧等)、资讯信息获取对应的各行为偏好(例如娱乐类资讯信息、金融类资讯信息、军事类资讯信息等)、衣服购买对应的各行为偏好(例如运动装、职业装等)等等。
进一步地,由于感兴趣类别用于确定用户的用户行为倾向(见步骤102),因此,上面所述的“多种行为分别对应的各行为偏好”与各种“用户行为倾向”应具有关联。具体来说,当用户具有各种用户行为倾向中的一种时,应同时具有“多种行为分别对应的各行为偏好”中的一种或多种行为偏好。
其中,行为能力数据具体是指用于表征用户实施目标行为的能力大小的数据。示例性地,如果目标行为能力为消费能力,那么对应的行为能力数据可以包括收入、职业、学历以及地理位置等。
S102、根据感兴趣类别,以及感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各用户的用户行为倾向。
在本实施例中,用户行为倾向具体是指用户在实施一种行为时的行为取向。示例性地,用户在购买汽车时的用户行为倾向包括豪华体面、时尚潮流和传统稳重;用户在购买衣物时的行为倾向包括舒适、体面和时尚。
这里需要说明的是,本实施例中通过本步骤所确定的所有用户行为倾向优选为仅是一种行为所对应的各种行为倾向,以使得通过步骤101至步骤104可以对目标用户群体进行更加合理、有效的细分。
在本实施例中,感兴趣类别与行为倾向之间的兴趣倾向对应关系具体可以表征具有某种行为倾向的用户可能,或较有可能,或最有可能具有的感兴趣类别。一个行为倾向可以对应一种或多种感兴趣类别。
进一步地,各用户的用户行为倾向的确定方法具体可以是根据各感兴趣类别与各行为倾向之间的关联度,来确定用户的用户行为倾向,还可以是根据各感兴趣类别与各行为倾向之间的关联度,以及各感兴趣类别对于行为倾向所对应的行为的重要度,来确定用户的用户行为倾向等。
S103、根据行为能力数据,确定各用户的目标行为能力等级。
在本实施例中,会根据用户的行为能力数据,确定该用户实施目标行为能力的等级。一般可以设置为,等级越高,用户实施目标行为能力越强。进一步地,目标行为能力等级具体可以使用用于表征用户实施目标行为能力的能力值来划分等。
在本实施例中,确定各用户的目标行为能力等级的方法具体可以是根据各行为能力数据对于目标行为能力的重要度,以及各行为能力数据与目标行为能力对应的能力值,来确定各用户的目标行为能力等级。
S104、根据各用户的用户行为倾向和目标行为能力等级,对目标用户群体进行细分。
在本实施例中,在确定各用户的用户行为倾向以及目标行为能力等级之后,就可以对目标用户群体进行细分。具体来说可以是,先根据用户行为倾向对目标用户群体进行划分,得到多个行为倾向细分群,然后再根据目标行为能力等级对目标用户群体进行划分,得到多个行为能力等级细分群,最后,对多个行为倾向细分群以及多个行为能力等级细分群进行笛卡尔积式的组合,得到目标用户群体最终的细分结果。
本发明实施例提供了一种人群细分方法,通过使用根据用户的感兴趣类别所确定的用户行为倾向,以及根据用户的行为能力数据确定的用户的目标行为能力等级,对目标用户群体进行细分,解决了现有技术中难以从概括度较高的维度,对消费群体进行划分,由此,使得消费群体的划分结果难以对企业的产品研发设计进行有效的数据支持,进而难以设计出更加符合各消费群体需求的产品的技术缺陷,通过使用概括度较高的用户行为倾向以及用户的目标行为能力等级,这两个维度对消费群体进行细分,使得消费群体的划分结果可以对产品的研发设计提供有效的数据支持,使设计得到的产品更加符合各消费群体的消费需求。
实施例二
图2是本发明实施例二提供的一种人群细分方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种增加兴趣倾向对应关系的获取过程,具体化兴趣倾向对应关系的确定方法,具体化用户行为倾向的确定方法,具体化目标行为能力等级的确定方法以及增加目标行为能力合并等级的确定步骤的具体实施方式。与上述实施例相同或相应的术语解释,本实施例不再赘述。
相应的,本实施例的方法具体包括:
S201、使用设定判别规则,确定各感兴趣类别分别与各行为倾向相匹配的概率。
在本实施例中,通过步骤201和步骤202确定兴趣倾向对应关系。
首先,在本步骤201中,对各感兴趣类别和行为倾向使用设定判别规则,来确定任一个感兴趣类别与任一个行为倾向相匹配的概率,该概率可以表征用户在具有一个行为倾向时,对应具有一个感兴趣类别的可能性。其中,设定判别规则典型可以是贝叶斯判别规则。
进一步地,不同的感兴趣类别与同一个行为倾向相匹配的概率可以是相同的,也可以是不同的;同一个感兴趣类别与不同的行为倾向相匹配的概率可以是相同的,也可以是不同的。
S202、根据各感兴趣类别分别与各行为倾向相匹配的概率,以及兴趣倾向匹配规则,确定感兴趣类别与行为倾向之间的兴趣倾向对应关系。
在本实施例中,兴趣倾向匹配规则具体可以是仅选取相匹配的概率最大的感兴趣类别作为行为倾向对应的感兴趣类别,还可以是选取相匹配的概率大于设定概率阈值的感兴趣类别作为行为倾向对应的感兴趣类别,还可以是选取相匹配的概率中最大的N个概率对应的各感兴趣类别作为行为倾向对应的感兴趣类别等,本实施例对此不进行限制。
S203、获取目标用户群体中各用户的属性数据,其中,属性数据至少包括用户的至少一种感兴趣类别,以及与目标行为能力相对应的用户的至少一种行为能力数据。
S204、根据感兴趣类别与行为倾向之间的兴趣倾向对应关系,以及用户的感兴趣类别,确定用户对应的各待筛选行为倾向,以及待筛选行为倾向对应的目标感兴趣类别,其中,目标感兴趣类别属于用户的感兴趣类别。
在本实施例中,通过步骤204至步骤206确定用户的用户行为倾向。首先,在本步骤204中,确定待筛选行为倾向以及待筛选行为倾向对应的目标感兴趣类别。
其中,待筛选行为倾向具体是根据感兴趣类别与行为倾向之间的兴趣倾向对应关系,以及用户的感兴趣类别而确定。具体来说,可以将与用户的各感兴趣类别分别对应的行为倾向作为待筛选行为倾向。示例性的,用户的感兴趣类别为类别1、类别2以及类别3,类别1与行为倾向A对应,类别2和类别3与行为倾向B对应,那么用户对应的待筛选行为倾向为行为倾向A和行为倾向B。
其中,目标感兴趣类别具体是指用户的感兴趣类别中,与待筛选行为倾向对应的感兴趣类别中相同的感兴趣类别。示例性地,用户的感兴趣类别为类别1、类别2以及类别3,行为倾向A对应的感兴趣类别为类别1和类别4,行为倾向B对应的感兴趣类别为类别2、类别3、类别5和类别6,那么用户对应的待筛选行为倾向为行为倾向A和行为倾向B,且行为倾向A对应的目标感兴趣类别为类别1,行为倾向B对应的感兴趣类别为类别2和类别3。
S205、根据目标感兴趣类别与待筛选行为倾向相匹配的概率,确定待筛选行为倾向对应的筛选概率。
在本实施例中,每一个待筛选倾向对应有一个筛选概率,该筛选概率的确定方法具体可以是将各目标感兴趣类别与待筛选行为倾向相匹配的概率之和,作为该待筛选行为倾向对应的筛选概率。
示例性地,待筛选行为倾向中的行为倾向A对应的目标感兴趣类别为类别1,待筛选行为倾向中的行为倾向B对应的感兴趣类别为类别2和类别3,其中,类别1与行为倾向A相匹配的概率为50%,类别2与行为倾向B相匹配的概率为30%,类别3与行为倾向B相匹配的概率为30%,那么行为倾向A对应的筛选概率为50%,行为倾向B对应的筛选概率为60%。
S206、将最高的筛选概率对应的待筛选行为倾向,作为用户的用户行为倾向。
在本实施例中,会选取步骤205中确定的对大的筛选概率所对应的待筛选行为倾向,作为用户的用户行为倾向。
S207、根据行为能力数据与目标行为能力的能力分值之间的对应关系,以及用户的行为能力数据,确定用户的目标行为能力分值。
在本实施例中,通过步骤207和步骤208,确定用户的目标行为能力等级。首先,在本步骤中,确定用户的目标行为能力分值。
在本实施例中,通过能力分值来表征实施目标行为的能力,一般来说,能力分值越高,表征实施目标行为的能力越强。进一步地,在本实施例中,每一种行为能力数据都对应有一个目标行为能力的能力分值。
示例性地,当行为能力数据为收入和职业,目标行为能力为消费能力时,月收入在10000以下对应的目标行为能力的能力分值为1,月收入为10000至30000对应的目标行为能力的能力分值为3,月收入30000以上对应的目标行为能力的能力分值为6,职业为纯劳动力类对应的目标行为能力的能力分值为1,职业为服务类对应的目标行为能力的能力分值为3,职业为科研类对应的目标行为能力的能力分值为6。
进一步地,一般来说,可以将任一种行为能力数据的每一个类别所对应的能力分值之和设置为相同的数值,如此设置,可以使得各种行为能力数据对用户的目标行为能力分值大小的影响是无差别的。示例性地,如上面的示例所示,“收入”这一行为能力数据的三个收入范围对应的能力分值之和为10,同时,“职业”这一行为能力数据的三类职业对应的能力分值之和也为10。
S208、根据用户的目标行为能力分值,确定用户的目标行为能力等级。
在本实施例中,不同的目标行为能力等级对应不同的能力分值范围。示例性地,目标行为能力等级十,对应的能力分值范围为90至100分;目标行为能力等级九,对应的能力分值范围为80至90分;目标行为能力等级八,对应的能力分值范围为70至80分;……;目标行为能力等级一,对应的能力分值范围为0至10分。
S209、根据各用户的目标能力等级,确定各目标行为能力等级对应的用户占比。
在本实施例中,在确定用户的目标行为能力等级之后,会对目标用户群体中所有用户的目标行为能力等级进行占比统计,得到具有各目标行为能力等级的用户的总数量,占目标用户群体中总用户数量的比例。
示例性地,目标用户群体中有50个用户,用户1至用户50,其中,用户1至用户5的目标行为能力等级均为等级三,用户5至用户20的目标行为能力等级均为等级二,用户21至50的目标行为能力等级均为等级一,那么,等级三对应的用户占比为10%,等级二对应的用户占比为30%,等级一对应的用户占比为60%。
S210、根据各目标行为能力等级对应的用户占比,以及占比合并规则,对各目标行为能力等级进行合并,得到多个目标行为能力合并等级。
在本实施例中,通过步骤210和步骤211,确定用户的目标行为能力合并等级。可以理解的是,在不同的应用场景下,对人群划分的精细程度要求不同。例如,有些情况下,需要对用户实施目标行为的能力进行较为细致的等级划分(例如划分为10级),有些情况下,仅需要对用户实施目标行为的能力进行粗略的划分(例如划分为4级)。因此,在本实施例中增加了本步骤210和步骤211,以适应对用户实施目标行为的能力进行粗略的划分的应用场景。
具体来说,首先需要根据占比合并规则,对较多的目标行为能力等级进行合并,得到较少的目标行为能力合并等级。示例性地,如果占比合并规则为从低至高,每三个目标行为能力等级合并为一个目标行为能力合并等级,那么,当目标行为能力等级为一至十级时,需要将等级一至等级三合并为目标行为能力合并等级一,将等级四至等级六合并为目标行为能力合并等级二,将等级七至等级九合并为目标行为能力合并等级三,最后将等级十设置为目标行为能力合并等级四。
S211、根据用户的目标行为能力等级,确定用户的目标行为能力合并等级。
在本实施例中,在得到目标行为能力合并等级之后,会根据用户的目标行为能力等级,确定用户的目标行为能力合并等级。
示例性地,如果目标行为能力等级中,等级一至等级三合并为目标行为能力合并等级一,将等级四至等级六合并为目标行为能力合并等级二,将等级七至等级九合并为目标行为能力合并等级三,最后将等级十设置为目标行为能力合并等级四,那么,目标行为能力等级为等级一至等级三的用户的目标行为能力合并等级为等级一,依次类推。
S212、根据各用户的用户行为倾向和目标行为能力合并等级,对目标用户群体进行细分。
在本实施例中,对目标用户群体进行划分不再依据目标行为能力合并等级,而是依据目标行为能力合并等级,对目标用户群体的目标行为能力进行粗划分。
本发明实施例提供了一种人群细分方法,该方法增加了兴趣倾向对应关系的获取过程,使得感兴趣类别与行为倾向之间的对应关系具有较为准确,具体化了用户行为倾向的确定方法,提高了用户行为倾向与用户的匹配准确度,具体化了目标行为能力等级的确定方法,使得目标行为能力分值可以更加准确地表征用户实施目标行为的能力,还增加了目标行为能力合并等级的确定步骤,实现了直接根据细粒度的目标行为能力等级,获取粗粒度的人群划分结果,简化了粗粒度人群划分的过程。
在上述各实施例的基础上,将根据各感兴趣类别分别与各行为倾向相匹配的概率,以及兴趣倾向匹配规则,确定感兴趣类别与行为倾向之间的兴趣倾向对应关系,具体化为:将与行为倾向相匹配的概率大于设定概率阈值的感兴趣类别,作为行为倾向对应的感兴趣类别;或,从大到小对各感兴趣类别分别与行为倾向相匹配的概率进行排序;将排序结果中靠前的设定数量的概率所对应的感兴趣类别,作为行为倾向对应的感兴趣类别。
在本实施例中,将兴趣倾向匹配规则具体化为选取与行为倾向相匹配的概率大于设定概率阈值的感兴趣类别,或选取与行为倾向相匹配的概率最大的设定数量的感兴趣类别,作为行为倾向对应的感兴趣类别。
这样设置到的好处是:提高了感兴趣类别与行为倾向之间的兴趣倾向对应关系的准确度。
在上述各实施例的基础上,属性数据还可以包括:用户对感兴趣类别的感兴趣程度;
相应地,将根据目标感兴趣类别与待筛选行为倾向相匹配的概率,确定待筛选行为倾向对应的筛选概率,具体化为:根据目标感兴趣类别与待筛选行为倾向相匹配的概率,以及用户对目标感兴趣类别的感兴趣程度,确定待筛选行为倾向对应的筛选概率。
在本实施例中增加了“用户对感兴趣类别的感兴趣程度”,该感兴趣程度用于确定待筛选行为倾向对应的筛选概率。具体来说,可以根据用户对目标感兴趣类别的感兴趣程度,以及该目标感兴趣类别与待筛选行为倾向相匹配的概率的乘积,来确定待筛选行为倾向对应的筛选概率。
示例性的,待筛选行为倾向A对应的目标感兴趣类别为类别1和类别2,类别1与待筛选行为倾向A相匹配的概率为30%,类别2与待筛选行为倾向A相匹配的概率为50%,用户对类别1的感兴趣程度为0.8,用户对类别2的感兴趣程度为0.4,那么待筛选行为倾向A对应的筛选概率为44%(30%×0.8+50%×0.4=44%)。
这样设置的好处是:使得筛选概率可以更加准确地体现用户与待筛选行为倾向的匹配程度。
实施例三
图3是本发明实施例三提供的一种人群细分装置的结构图,本实施例在上述各实施例的基础上,提供了“人群细分方法”的实施方式。与上述实施例相同或相应的术语解释,本实施例不再赘述。
如图3所示,所述装置包括:属性数据获取模块301、用户行为倾向确定模块302、目标行为能力等级确定模块303以及人群细分模块304,其中:
属性数据获取模块301,用于获取目标用户群体中各用户的属性数据,其中,属性数据至少包括用户的至少一种感兴趣类别,以及与目标行为能力相对应的用户的至少一种行为能力数据;
用户行为倾向确定模块302,用于根据感兴趣类别,以及感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各用户的用户行为倾向;
目标行为能力等级确定模块303,用于根据行为能力数据,确定各用户的目标行为能力等级;
人群细分模块304,用于根据各用户的用户行为倾向和目标行为能力等级,对目标用户群体进行细分。
本发明实施例提供了一种人群细分装置,该装置首先通过属性数据获取模块301获取目标用户群体中各用户的属性数据,其中,属性数据至少包括用户的至少一种感兴趣类别,以及与目标行为能力相对应的用户的至少一种行为能力数据,然后通过用户行为倾向确定模块302根据感兴趣类别,以及感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各用户的用户行为倾向,再通过目标行为能力等级确定模块303根据行为能力数据,确定各用户的目标行为能力等级,最后通过人群细分模块304根据各用户的用户行为倾向和目标行为能力等级,对目标用户群体进行细分。
该装置解决了现有技术中难以从概括度较高的维度,对消费群体进行划分,由此,使得消费群体的划分结果难以对企业的产品研发设计进行有效的数据支持,进而难以设计出更加符合各消费群体需求的产品的技术缺陷,通过使用概括度较高的用户行为倾向以及用户的目标行为能力等级,这两个维度对消费群体进行细分,使得消费群体的划分结果可以对产品的研发设计提供有效的数据支持,使设计得到的产品更加符合各消费群体的消费需求。
在上述各实施例的基础上,还可以包括:
匹配概率确定模块,用于在根据感兴趣类别,以及感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各用户的用户行为倾向之前,使用设定判别规则,确定各感兴趣类别分别与各行为倾向相匹配的概率;
兴趣倾向对应关系确定模块,用于根据各感兴趣类别分别与各行为倾向相匹配的概率,以及兴趣倾向匹配规则,确定感兴趣类别与行为倾向之间的兴趣倾向对应关系。
在上述各实施例的基础上,兴趣倾向对应关系确定模块具体可以用于:
将与行为倾向相匹配的概率大于设定概率阈值的感兴趣类别,作为行为倾向对应的感兴趣类别;或,
从大到小对各感兴趣类别分别与行为倾向相匹配的概率进行排序;
将排序结果中靠前的设定数量的概率所对应的感兴趣类别,作为行为倾向对应的感兴趣类别。
在上述各实施例的基础上,用户行为倾向确定模块302可以包括:
待筛选行为倾向确定单元,用于根据感兴趣类别与行为倾向之间的兴趣倾向对应关系,以及用户的感兴趣类别,确定用户对应的各待筛选行为倾向,以及待筛选行为倾向对应的目标感兴趣类别,其中,目标感兴趣类别属于用户的感兴趣类别;
筛选概率确定单元,用于根据目标感兴趣类别与待筛选行为倾向相匹配的概率,确定待筛选行为倾向对应的筛选概率;
行为倾向确定单元,用于将最高的筛选概率对应的待筛选行为倾向,作为用户的用户行为倾向。
在上述各实施例的基础上,属性数据还可以包括:用户对感兴趣类别的感兴趣程度;
相应地,筛选概率确定单元具体可以用于:
根据目标感兴趣类别与待筛选行为倾向相匹配的概率,以及用户对目标感兴趣类别的感兴趣程度,确定待筛选行为倾向对应的筛选概率。
在上述各实施例的基础上,目标行为能力等级确定模块303可以包括:
目标行为能力分值确定单元,用于根据行为能力数据与目标行为能力的能力分值之间的对应关系,以及用户的行为能力数据,确定用户的目标行为能力分值;
行为能力等级确定单元,用于根据用户的目标行为能力分值,确定用户的目标行为能力等级。
在上述各实施例的基础上,还可以包括:
用户占比确定模块,用于根据各用户的目标能力等级,确定各目标行为能力等级对应的用户占比;
行为能力合并等级获取单元,用于根据各目标行为能力等级对应的用户占比,以及占比合并规则,对各目标行为能力等级进行合并,得到多个目标行为能力合并等级;
行为能力合并等级确定单元,用于根据用户的目标行为能力等级,确定用户的目标行为能力合并等级;
相应地,人群细分模块304具体可以用于:
根据各用户的用户行为倾向和目标行为能力合并等级,对目标用户群体进行细分。
本发明实施例所提供的人群细分装置可执行本发明任意实施例所提供的人群细分方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的人群细分方法。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的人群细分方法。也即:获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;根据所述行为能力数据,确定各所述用户的目标行为能力等级;根据各所述用户的所述用户行为倾向和所述目标行为能力等级,对所述目标用户群体进行细分。
实施例五
本发明实施例五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如本发明任意实施例所述的人群细分方法。也即:获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;根据所述行为能力数据,确定各所述用户的目标行为能力等级;根据各所述用户的所述用户行为倾向和所述目标行为能力等级,对所述目标用户群体进行细分。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种人群细分方法,其特征在于,包括:
获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;
根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;
根据所述行为能力数据,确定各所述用户的目标行为能力等级;其中,所述目标行为能力为消费能力,所述行为能力数据包括收入、职业、学历以及地理位置;
根据各所述用户的所述用户行为倾向和所述目标行为能力等级,对所述目标用户群体进行细分;所述细分得到的结果用于对产品的研发设计提供数据支持。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向之前,还包括:
使用设定判别规则,确定各所述感兴趣类别分别与各所述行为倾向相匹配的概率;
根据各所述感兴趣类别分别与各所述行为倾向相匹配的概率,以及兴趣倾向匹配规则,确定所述感兴趣类别与所述行为倾向之间的兴趣倾向对应关系。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述感兴趣类别分别与各所述行为倾向相匹配的概率,以及兴趣倾向匹配规则,确定所述感兴趣类别与所述行为倾向之间的兴趣倾向对应关系,包括:
将与所述行为倾向相匹配的概率大于设定概率阈值的所述感兴趣类别,作为所述行为倾向对应的感兴趣类别;或,
从大到小对各所述感兴趣类别分别与所述行为倾向相匹配的概率进行排序;
将排序结果中靠前的设定数量的概率所对应的所述感兴趣类别,作为所述行为倾向对应的感兴趣类别。
4.根据权利要求2所述的方法,其特征在于,所述根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向,包括:
根据所述感兴趣类别与所述行为倾向之间的兴趣倾向对应关系,以及所述用户的感兴趣类别,确定所述用户对应的各待筛选行为倾向,以及所述待筛选行为倾向对应的目标感兴趣类别,其中,所述目标感兴趣类别属于所述用户的感兴趣类别;
根据所述目标感兴趣类别与所述待筛选行为倾向相匹配的概率,确定所述待筛选行为倾向对应的筛选概率;
将最高的所述筛选概率对应的所述待筛选行为倾向,作为所述用户的用户行为倾向。
5.根据权利要求4所述的方法,其特征在于,所述属性数据还包括:
所述用户对所述感兴趣类别的感兴趣程度;
相应地,所述根据所述目标感兴趣类别与所述待筛选行为倾向相匹配的概率,确定所述待筛选行为倾向对应的筛选概率,包括:
根据所述目标感兴趣类别与所述待筛选行为倾向相匹配的概率,以及用户对所述目标感兴趣类别的感兴趣程度,确定所述待筛选行为倾向对应的筛选概率。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据所述行为能力数据,确定各所述用户的目标行为能力等级,包括:
根据所述行为能力数据与所述目标行为能力的能力分值之间的对应关系,以及所述用户的行为能力数据,确定所述用户的目标行为能力分值;
根据所述用户的目标行为能力分值,确定所述用户的目标行为能力等级。
7.根据权利要求6所述的方法,其特征在于,还包括:
根据各所述用户的目标能力等级,确定各所述目标行为能力等级对应的用户占比;
根据各所述目标行为能力等级对应的用户占比,以及占比合并规则,对各所述目标行为能力等级进行合并,得到多个目标行为能力合并等级;
根据所述用户的目标行为能力等级,确定所述用户的目标行为能力合并等级;
相应地,所述根据各所述用户的用户行为倾向和目标行为能力等级,对所述目标用户群体进行细分,具体包括:
根据各所述用户的用户行为倾向和目标行为能力合并等级,对所述目标用户群体进行细分。
8.一种人群细分装置,其特征在于,包括:
属性数据获取模块,用于获取目标用户群体中各用户的属性数据,其中,所述属性数据至少包括所述用户的至少一种感兴趣类别,以及与目标行为能力相对应的所述用户的至少一种行为能力数据;
用户行为倾向确定模块,用于根据所述感兴趣类别,以及所述感兴趣类别与行为倾向之间的兴趣倾向对应关系,确定各所述用户的用户行为倾向;
目标行为能力等级确定模块,用于根据所述行为能力数据,确定各所述用户的目标行为能力等级;其中,所述目标行为能力为消费能力,所述行为能力数据包括收入、职业、学历以及地理位置;
细分划分模块,用于根据各所述用户的所述用户行为倾向和所述目标行为能力等级,对所述目标用户群体进行细分;所述细分得到的结果用于对产品的研发设计提供数据支持。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的人群细分方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的人群细分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595231.4A CN112184275B (zh) | 2019-07-03 | 2019-07-03 | 人群细分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595231.4A CN112184275B (zh) | 2019-07-03 | 2019-07-03 | 人群细分方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184275A CN112184275A (zh) | 2021-01-05 |
CN112184275B true CN112184275B (zh) | 2023-08-08 |
Family
ID=73915530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595231.4A Active CN112184275B (zh) | 2019-07-03 | 2019-07-03 | 人群细分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184275B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100117936A (ko) * | 2009-04-27 | 2010-11-04 | 주식회사 엔씨소프트 | 맞춤형 광고를 위한 광고 대상 분류 시스템 및 광고 의뢰 시스템 |
CN102760163A (zh) * | 2012-06-12 | 2012-10-31 | 奇智软件(北京)有限公司 | 一种特征信息的个性化推荐方法及装置 |
CN103325052A (zh) * | 2013-07-03 | 2013-09-25 | 姚明东 | 一种基于多维度用户消费倾向建模的商品推荐方法 |
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
CN109670848A (zh) * | 2018-09-11 | 2019-04-23 | 深圳平安财富宝投资咨询有限公司 | 基于大数据的客户细分方法、用户设备、存储介质及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11004115B2 (en) * | 2015-11-19 | 2021-05-11 | International Business Machines Corporation | Determining a user's shopping interests based on sensor data identifying attributes of the user's garment |
-
2019
- 2019-07-03 CN CN201910595231.4A patent/CN112184275B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100117936A (ko) * | 2009-04-27 | 2010-11-04 | 주식회사 엔씨소프트 | 맞춤형 광고를 위한 광고 대상 분류 시스템 및 광고 의뢰 시스템 |
CN102760163A (zh) * | 2012-06-12 | 2012-10-31 | 奇智软件(北京)有限公司 | 一种特征信息的个性化推荐方法及装置 |
CN103325052A (zh) * | 2013-07-03 | 2013-09-25 | 姚明东 | 一种基于多维度用户消费倾向建模的商品推荐方法 |
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
CN109670848A (zh) * | 2018-09-11 | 2019-04-23 | 深圳平安财富宝投资咨询有限公司 | 基于大数据的客户细分方法、用户设备、存储介质及装置 |
Non-Patent Citations (1)
Title |
---|
P. Ambika 等.Comparative Study of Microblogging Behavior on Twitter and Facebook to Foster Continous Learning -- Educational Sector.2015 IEEE International Conference on Cloud Computing in Emerging Markets (CCEM).2015,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112184275A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11995112B2 (en) | System and method for information recommendation | |
CN107622326B (zh) | 用户分类、可用资源预测方法、装置及设备 | |
CN108108419B (zh) | 一种信息推荐方法、装置、设备和介质 | |
US20140244359A1 (en) | Using media information for improving direct marketing response rate | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN113393306A (zh) | 产品推荐方法、装置、电子设备及计算机可读介质 | |
CN113051317B (zh) | 一种数据挖掘模型更新方法、系统、计算机设备及可读介质 | |
CN115983900A (zh) | 用户营销策略的构建方法、装置、设备、介质和程序产品 | |
CN111310065A (zh) | 一种社交推荐方法、装置、服务器及存储介质 | |
CN112784159B (zh) | 内容推荐方法、装置、终端设备及计算机可读存储介质 | |
CN112346951A (zh) | 业务的测试方法及装置 | |
CN111383072A (zh) | 一种用户信用评分方法、存储介质及服务器 | |
US11308130B1 (en) | Constructing ground truth when classifying data | |
CN112184275B (zh) | 人群细分方法、装置、设备及存储介质 | |
CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
Bánhidi et al. | Sensitivity of TOPSIS ranks to data normalization and objective weights on the example of digital development | |
US9286349B2 (en) | Dynamic search system | |
US11379929B2 (en) | Advice engine | |
CN112732891A (zh) | 办公课程推荐方法、装置、电子设备及介质 | |
CN113254800A (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN112307029A (zh) | 账单数据存储和账单生成方法、装置、服务器及存储介质 | |
CN110852392A (zh) | 一种用户分群方法、装置、设备和介质 | |
CN113127750B (zh) | 信息列表生成方法及装置、存储介质、电子设备 | |
US20230126127A1 (en) | Financial information enrichment for intelligent credit decision making | |
CN108776679B (zh) | 一种搜索词的分类方法、装置、服务器及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |