CN112232888A - 一种消费者行为智能分析系统及方法 - Google Patents
一种消费者行为智能分析系统及方法 Download PDFInfo
- Publication number
- CN112232888A CN112232888A CN202011230430.4A CN202011230430A CN112232888A CN 112232888 A CN112232888 A CN 112232888A CN 202011230430 A CN202011230430 A CN 202011230430A CN 112232888 A CN112232888 A CN 112232888A
- Authority
- CN
- China
- Prior art keywords
- consumption
- consumer
- groups
- analysis system
- online 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.)
- Granted
Links
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q30/0203—Market surveys; Market polls
-
- 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)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种消费者行为智能分析系统及方法,包括以下步骤:收集消费者在线上平台的消费记录,且追踪消费者在线上平台的每一条消费记录的消费总过程;根据每个消费者的消费记录的数量将消费者划分为不同消费量的需求群体,推断消费者在线上平台的隐藏消费类型;建立消费行为分析系统,根据每个消费者的消费记录的内容分解不同的需求群体的消费心理状态,通过反向激励方式对比不同的需求群体的消费记录,综合对比结果和不同需求群体当前的消费心理状态独立制定不同的营销策略;根据每个消费者的消费有效信息和裙带消费类型向消费者推荐合适的商品。本发明对新用户的积极引导,改善线上平台的消费初印象,同时还不断的稳固老用户。
Description
技术领域
本发明涉及消费者行为分析技术领域,具体涉及一种消费者行为智能分析系统及方法。
背景技术
消费者行为研究,是市场调研中最普通、最经常实施的一项研究。是指对消费者为获取、使用、处理消费物品所采用的各种行动以及事先决定这些行动的决策过程的定量研究和定性研究,该项研究除了可以了解消费者是如何获取产品与服务,还可以了解消费者是如何消费产品,以及产品在用完或消费之后是如何被处置的。因此,它是营销决策的基础,与企业市场的营销活动密不可分,对消费者行为研究,对于提高营销决策水平,增强营销策略的有效性方面有着很重要意义。
而采用现有的消费者行为分析方法,例如申请号为201611226579.9的专利一种消费者行为分析管理系统及其分析方法,其主要通过对消费者信息进行分析,确定消费者的性别、年龄、媒体偏好、电商偏好等信息,通过建立标签模型对消费者进行贴标签,虽然使得线上平台能够准确简便的了解该消费者的消费兴趣点,在营销的过程中进行有效的推送产品,大大降低了营销成本,但其并没有考虑到消费者对线上平台的信任度对线上凭条营销的重要性。
举例来说,众所周知,闲鱼二手线上平台为消费者提供一个二手买卖的平台,但是当新用户使用闲鱼时购物时,经常会上当受骗,因此这个时候即使线上平台能够准确简便的了解该消费者的消费兴趣点,在营销的过程中进行有效的推送产品,也无法增加消费者对线上平台的信任感,没有针对性的营销策略,而采用统一推荐算法的营销策略,则无法增加线上平台的信誉,营销效果差,因此现有技术中缺少一种集提高新消费者的信用度、自动筛选商家用户和增加老消费者的使用体感的消费者行为分析方法。
发明内容
本发明的目的在于提供一种消费者行为智能分析系统及方法,以解决现有技术中没有针对性的营销策略,而采用统一推荐算法的营销策略,则无法增加线上平台的信誉,营销效果差的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种消费者行为智能分析方法,包括以下步骤:
步骤100、收集消费者在线上平台的消费记录,且追踪所述消费者在所述线上平台的每一条消费记录的消费总过程;
步骤200、根据每个所述消费者的消费记录的数量将所述消费者划分为不同消费量的需求群体,且对所述消费者的消费记录进行统计归纳,推断每个所述消费者在所述线上平台的隐藏消费类型爱好;
步骤300、建立消费行为分析系统,所述消费行为分析系统根据每个所述消费者的消费记录的内容分析不同的所述需求群体在所述线上平台的消费心理状态,并通过对比不同所述需求群体的消费记录正向和反向推演所述线上平台的消费对象,综合不同所述需求群体当前的消费心理状态独立制定不同的营销策略;
步骤400、所述线上平台根据每个所述消费者的消费记录中的消费有效信息和隐藏消费爱好类型主动向所述消费者推荐合适的商品。
作为本发明的一种优选方案,在步骤200中,所述消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费数量,且将所述消费对象按照不同领域划分消费类型,所述消费类型包括但不限于数码类、居家类、服饰类、运动类和美妆类;
通过所述消费者的消费记录进行统计归纳,推断所述消费者在所述线上平台的隐藏消费类型爱好的具体实现方法为:
建立多个存在需求同向的消费类型之间的裙带关系;
根据所述消费者在所述线上平台的所有消费对象,以及消费类型的分类方式来确定每个所述消费对象的消费类型;
根据所述消费者现有的消费类型以及所述消费类型之间的裙带关系推断所述消费者的隐藏消费类型爱好。
作为本发明的一种优选方案,在步骤200中,根据每个所述消费者的消费记录数量将所述消费者划分不同消费量的需求群体,且所述需求群体根据每个所述消费者的消费记录的数量从少到多依次分为试验型群体、刚需型群体和忠诚型群体。
作为本发明的一种优选方案,所述消费行为分析系统根据所述消费体验反馈信息和所述消费记录数量确定所述消费者对所述线上平台当前的消费心理状态,所述消费行为分析系统综合不同所述需求群体当前的消费心理状态独立制定不同的营销策略的具体实现方法为:
步骤301、将所述需求群体根据每个所述消费者的消费体验反馈和消费心理状态划分为差评低情绪群体和购买预持续性群体;
步骤302、所述消费行为分析系统通过机器学习法遍历所述试验型群体内的所述差评低情绪群体的消费记录,以及所述刚需型群体和忠诚型群体内的所述所述购买预持续性群体的消费记录,并且利用正向推演和反向推演的方式对比不同所述消费对象之间的参数差异;
步骤303、所述消费行为分析系统确定所述消费对象之间的参数差异,并为所述试验型群体制定消费护航模式以激励所述试验型群体转入对所述线上平台的刚需型群体;
步骤304、所述消费行为分析系统根据所述刚需型群体和忠诚型群体的消费记录以及隐藏消费类型爱好,利用推荐算法提供多种消费对象。
作为本发明的一种优选方案,在步骤302中,所述消费行为分析系统利用正向推演和反向推演的方式对比不同所述消费对象的实现方法为:
所述消费行为分析系统利用机器学习法遍历所述试验型群体内的所述差评低情绪群体的所述消费对象,以及所述购买预持续性群体的所述消费对象,通过正向推演的方式确定差评低情绪群体的所述消费对象的共性以及所述购买预持续性群体的所述消费对象的共性;
所述消费行为分析系统通过反向推演的方式确定差评低情绪群体的所述消费对象与所述购买预持续性群体的所述消费对象之间的差异特征;
根据所述差异特征在所述所述差评低情绪群体的所述消费对象内的出现频率,确定每个所述差异特征对所述消费对象评分的加权平均值;
所述消费行为分析系统根据每个所述差异特征的加权平均值,对所述线上平台的每个所述消费对象设定隐形评分。
作为本发明的一种优选方案,所述线上平台根据所述消费护航模式为所述试验型群体提供的营销策略具体为:
所述消费行为分析系统根据不同所述消费对象之间的差异特征自动生成所述线上平台的消费基本准则,所述线上平台根据所述消费基本准则为所有消费者自动推送消费基本准则,将所述忠诚型群体的消费经验作为营销策略提供给所述试验型群体,主动带动所述试验型群体转入对所述线上平台的信任阶段;
所述消费行为分析系统在所述试验型群体购买时自动对所述消费对象按照所述差异特征对所述消费对象评分的加权平均值确定所述消费对象的信用等级。
作为本发明的一种优选方案,在步骤400中,所述消费有效信息包括所述消费行为分析系统得到的消费行动时间以及所述线上平台的数据分类模块得到的消费对象更新信息,具体的实现过程为;
步骤401、所述消费行为分析系统通过分析所述消费者的消费记录的产生时间确定所述消费者的购买情绪时间点,且根据所述消费者的浏览记录确定目标消费对象;
步骤402、所述消费行为分析系统结合所述目标消费对象和裙带消费对象在所述消费者所述购买情绪时间点推荐合适的商品。
为解决上述技术问题,本发明还进一步提供下述技术方案:
一种消费者行为智能分析系统,包括:
数据抓取模块,用于收集消费者在线上平台的消费记录;
消费群体分类模块,用于将所述消费者划分为不同消费量的需求群体,其中,所述需求群体根据每个所述消费者的消费记录的数量分为试验型群体、刚需型群体和忠诚型群体,所述需求群体根据消费心理状态划分为差评低情绪群体和购买预持续性群体;
标签互联模块,用于将所述线上平台的多个消费类型之间建立裙带关联关系,每组具有所述裙带关联关系的多个消费类型作为每个所述消费者的喜好消费类型;
消费行为分析系统,用于对所述消费者的消费记录进行深度学习,并分析不同所述消费记录中的消费对象的相同特征和差异特征,按照所述消费对象的差异特征自动生成在所述线上平台的消费基本准则;
营销策略指定模块,用于根据不同的所述需求群体的消费心理状态,为不同的所述需求群体提供不同的营销策略。
作为本发明的一种优选方案,还包括商品推荐模块,根据每个消费者的消费记录确定所述消费者当前的喜好消费类型,且根据所述标签互联模块确定所述消费者的隐藏消费类型,结合所述隐藏消费类型和当前的喜好消费类型,向所述消费者提供推荐对应的商品。
作为本发明的一种优选方案,所述消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费记录数量;
所述消费行为分析系统包括遍历对比模块、加权平均值设定模块、对比结果自动生成模块以及自动评分模块。
所述遍历对比模块用于通过正向对比和反向推演的方式确定所述消费对象的共性和差异特征;
所述加权平均值设定模块,用于根据所述差异特征在所述试验型群体中的差评低情绪群体出现频率,确定每个所述差异特征对所述消费对象的影响加权值;
所述对比结果自动生成模块用于将所述根据不同所述消费对象之间的差异特征自动生成所述线上平台的消费基本准则,并且将消费基本准则自动推送给所有的消费者;
所述自动评分模块在所述试验型群体购买时自动根据对应的消费对象与所述差异特征的对比结果确定所述消费对象的评分,以为所述试验型群体独立制定消费护航模式。
本发明与现有技术相比较具有如下有益效果:
本发明先将消费者按照在线上平台的消费数量划分不同的群体,并且在不同的群体内分析消费反馈信息,通过对不同群体的消费反馈信息进行分析,确定消费者的消费心理状态,且通过分析正面的消费反馈信息和反面的消费反馈信息确定所述线上平台的消费经验,并且为不同群体的消费群体确定有效的营销策略,这样即可以保证对新用户的积极引导,改善线上平台的消费初印象,同时还不断的稳固老用户,为老用户提供更加便捷有效的消费方式。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的消费者行为分析方法的流程示意图;
图2为本发明实施例提供的消费者行为分析系统的结构框图。
图中的标号分别表示如下:
1-数据抓取模块;2-消费群体分类模块;3-标签互联模块;4-消费行为分析系统;5-营销策略指定模块;6-商品推荐模块。
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做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。
如图1所示,本发明提供了一种消费者行为智能分析方法,本实施方式针对线上平台的售卖来说,先将消费者按照在线上平台的消费数量划分不同的群体,并且在不同的群体内分析消费反馈信息,通过对不同群体的消费反馈信息进行分析,确定消费者的消费心理状态,且通过分析正面的消费反馈信息和反面的消费反馈信息确定线上平台的消费经验,并且为不同群体的消费群体确定有效的营销策略,这样即可以保证对新用户的积极引导,改善线上平台的消费初印象,同时还不断的稳固老用户,为老用户提供更加便捷有效的消费方式。
消费者行为智能分析方法具体包括以下步骤:
步骤100、收集消费者在线上平台的消费记录,且追踪消费者在线上平台的每一条消费记录的消费总过程。
消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费数量,且线上平台将消费对象按照不同领域划分消费类型,消费类型包括但不限于数码类、居家类、服饰类、运动类和美妆类。
进一步的,消费对象包括商品、卖家的信息、商品的价格,商品对应的品牌等特征关键字。
步骤200、根据每个消费者的消费记录的数量将消费者划分为不同消费量的需求群体,且对消费者的消费记录进行统计归纳,推断消费者在线上平台的隐藏消费类型。
在此步骤中,通过消费者的消费记录进行统计归纳,推断消费者在线上平台的隐藏消费类型爱好的具体实现方法为:
(1)、建立多个存在需求同向的消费类型之间的裙带关系;
(2)、根据消费者在线上平台的所有消费对象,以及消费类型的分类方式来确定每个消费对象的消费类型;
(3)、根据消费者现有的消费类型以及消费类型之间的裙带关系推断消费者的隐藏消费类型爱好。
根据每个消费者的不同消费记录的消费对象,消费对象在线上平台的消费类型,不同消费对象的购买频率,确定消费者对不同消费类型的喜爱等级,并根据不同消费者的喜爱等级针对性的确定不同的消费类型对于消费者的优先级。
众所周知,消费者实施消费购买一般分为三个阶段,1、认识阶段,即顾客对产品开始初步了解的阶段,2、情绪阶段,即顾客对产品产生兴趣并逐步信任阶段,3、意志阶段,即顾客实施购买行动的阶段,这三个阶段的推广和推销作用均不可忽视,因此本实施方式基于消费者实施消费购买的三个阶段,线上平台利用推荐算法刺激客户消费,使得客户进入对产品的认识阶段和情绪阶段。
在此步骤中,确定消费者的喜好消费类型,以及多个消费类型之间的裙带关系,方便了解消费者的爱好,且线上平台可以为消费者积极推荐合适的商品,以刺激消费者的消费心理。
根据上述,消费者实施消费购买一般分为三个阶段,对于闲鱼这一二手交易平台来说,刚入门的新手很容易在闲鱼等二手平台上当受骗,为了提高平台的信誉,需要对一些售假商家进行管理和评定,同时增加消费者对线上平台的信任度,因此,本实施方式的线上平台需要针对不同的消费者群体独立设置个性化的营销策略。
比如说,对于刚入门的新手,需要为新手提供如何识别异常商家的策略,以提高新手用户对闲鱼等二手线上交易平台的信任度,只有对线上平台的信任度够高,才能使得消费者进入购买阶段。
步骤300、步骤300、建立消费行为分析系统,消费行为分析系统根据每个消费者的消费记录的内容分析不同的需求群体在线上平台的消费心理状态,并通过对比不同需求群体的消费记录正向和反向推演线上平台的消费对象,综合不同需求群体当前的消费心理状态独立制定不同的营销策略。
为了解决上述问题,本实施方式的线上平台根据每个消费者的消费记录的数量将消费者划分不同消费量的需求群体,具体的实现过程为:
根据每个消费者的消费记录数量将消费者划分不同消费量的需求群体,且需求群体根据每个消费者的消费记录的数量从少到多依次分为试验型群体、刚需型群体和忠诚型群体。
消费行为分析系统根据消费体验反馈信息和消费记录数量确定消费者对线上平台当前的消费心理状态,消费行为分析系统综合不同需求群体当前的消费心理状态独立制定不同的营销策略的具体实现方法为:
步骤301、将需求群体根据每个消费者的消费体验反馈和消费心理状态划分为差评低情绪群体和购买预持续性群体;
步骤302、消费行为分析系统通过机器学习法遍历试验型群体内的差评低情绪群体的消费记录,以及刚需型群体和忠诚型群体内的购买预持续性群体的消费记录,并且利用正向推演和反向推演的方式对比不同消费对象之间的参数差异;
步骤303、消费行为分析系统确定消费对象之间的参数差异,并为试验型群体制定消费护航模式以激励试验型群体转入对线上平台的刚需型群体;
步骤304、消费行为分析系统根据刚需型群体和忠诚型群体的消费记录以及隐藏消费类型爱好,利用推荐算法提供多种消费对象。
由于忠诚型群体在二手平台的买假概率要比试验型群体的买假概率低,因此根据购买预持续性群体的消费记录,分析得到正面消费体验反馈的消费对象包含的特征,同时解析差评低情绪群体的消费记录,分析得到反面消费体验反馈的消费对象包含的特征,再对比不同消费对象的特征,确定在闲鱼等二手线上平台上的优质消费对象的基本特征。
具体的,消费行为分析系统利用正向推演和反向推演的方式对比不同消费对象的实现方法为:
消费行为分析系统利用机器学习法遍历试验型群体内的差评低情绪群体的消费对象,以及购买预持续性群体的消费对象,通过正向推演的方式确定差评低情绪群体的消费对象的共性以及购买预持续性群体的消费对象的共性;
消费行为分析系统通过反向推演的方式确定差评低情绪群体的消费对象与购买预持续性群体的消费对象之间的差异特征;
根据差异特征在差评低情绪群体的消费对象内的出现频率,确定每个差异特征对消费对象评分的加权值;
消费行为分析系统根据每个差异特征的加权平均值,对线上平台的每个消费对象设定隐形评分。
需要补充说明的是,本实施方式的消费行为分析系统通过对比好评的购买预持续性群体的消费记录,分析其消费对象包含的特征,以及对比差评的差评低情绪群体的消费记录,分析其消费对象包含的特征,统计差评低情绪群体对应差评的消费对象的所有参数,以及购买预持续性群体对应好评的消费对象的所有参数,保证统计操作的全面,提高分析准确度。
另一方面,本实施方式再通过反向推演的方式确定差评低情绪群体的消费对象与购买预持续性群体的消费对象之间的差异特征,进一步的剔除相同的共性,从而提高对消费对象评断的准确性。
另外,统计不同的差异特征在差评低情绪群体的所有消费对象出现的频率,来确定每个差异特征影响消费对象的等级,一般来说,差异特征出现频率越高的,则影响消费对象的等级比较高,加权值较大,而出现频率越低,则影响消费对象的等级比较低,加权值较小。
线上系统根据差异特征的加权值,可自动对每个消费对象自动计算得分,并为试验型群体标注消费对象的评估得分,为试验型群体提供消费护航模式以降低试验型群体上当受骗的概率。
进一步的,线上平台根据消费护航模式为试验型群体提供的营销策略具体为:因此本实施方式的消费行为分析系统根据不同消费对象之间的差异特征自动生成线上平台的消费基本准则,线上平台根据消费基本准则为所有消费者自动推送消费基本准则,将忠诚型群体的消费经验作为营销策略提供给试验型群体,主动带动试验型群体转入对线上平台的信任阶段。
消费行为分析系统在试验型群体购买时自动对消费对象按照差异特征对消费对象评分的加权平均值确定消费对象的信用等级。
因此,本实施方式根据购买预持续性群体在忠诚型群体和购买预持续性群体内的占比,分析购买预持续性群体的消费记录,利用深度学习法确定购买预持续性群体的消费记录对应的消费对象并总结消费经验,且将忠诚型群体的消费经验作为营销策略提供给试验型群体,主动带动试验型群体转入对线上平台的信任阶段。
同时,线上平台根据消费行为分析系统确定的消费对象,可以在消费者未上当受骗之前,筛选出优质的商家和信用较低的商家,方便闲鱼等二手平台监控信用较低的商家,且为入门新手提供营销策略以防止新入手的用户上当受骗。
步骤400、线上平台根据每个消费者的消费记录中的消费有效信息和隐藏消费爱好类型主动向消费者推荐合适的商品。
而对于刚需型群体和忠诚型群体,线上平台通过每个消费者的消费有效信息和裙带消费类型向消费者推荐合适的商品,从而刺激消费者的购买欲望,因此对于刚需型群体和忠诚型群体的主要营销策略是为消费者提供合理的推荐商品。
其中,消费有效信息包括消费行为分析系统得到的消费行动时间以及线上平台的数据分类模块得到的消费对象更新信息,具体的实现过程为;
步骤401、消费行为分析系统通过分析消费者的消费记录的产生时间确定消费者的购买情绪时间点,且根据消费者的浏览记录确定目标消费对象;
步骤402、消费行为分析系统结合目标消费对象和裙带消费对象在消费者购买情绪时间点推荐合适的商品。
综上,本实施方式的消费者行为智能分析方法,可以为二手线上平台的不同群体的消费者针对性的提供营销策略,一方面提高新用户对二手线上平台的信任度和快速适应性,另一方面也稳固老用户的消费情绪,为老用户提供更加贴近消费欲望的商品,从而提高消费者对二手线上平台整体的产品认知。
另外,在消费者购买过程中,本实施方式通过不断的总结分析消费记录,确定二手线上平台的优质商家和信用差商家,一方面为线上平台本身提供一种商家监控方式,同时也为消费者的购买消费过程中保驾护航,避免消费者上当受骗,从而进一步的提高新用户和老用户对二手线上平台的信任度和快速适应性。
最后,通过在合适的消费时间,分析消费者当前的消费喜好,为消费者提供优质商家的商品,准确找到消费者的消费刺激点,从而主动引导用户进入情绪阶段和意志阶段进行消费,提高线上平台的售卖效率。
另外如图2所示,基于上述消费者行为智能分析方法,本实施方式还提供了一种消费者行为智能分析系统,包括:
数据抓取模块1,用于收集消费者在线上平台的消费记录;
消费群体分类模块2,用于将消费者划分为不同消费量的需求群体,其中,需求群体根据每个消费者的消费记录的数量分为试验型群体、刚需型群体和忠诚型群体,需求群体根据消费心理状态划分为差评低情绪群体和购买预持续性群体;
标签互联模块3,用于将线上平台的多个消费类型之间建立裙带关联关系,每组具有裙带关联关系的多个消费类型作为每个消费者的喜好消费类型;
消费行为分析系统4,用于对消费者的消费记录进行深度学习,并分析不同消费记录中的消费对象的相同特征和差异特征,按照消费对象的差异特征自动生成在线上平台的消费基本准则;
营销策略指定模块5,用于根据不同的需求群体的消费心理状态,为不同的需求群体提供不同的营销策略。
商品推荐模块6,根据每个消费者的消费记录确定消费者当前的喜好消费类型,且根据标签互联模块3确定消费者的隐藏消费类型,结合隐藏消费类型和当前的喜好消费类型,向消费者提供推荐对应的商品。
消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费记录数量;
消费行为分析系统4包括遍历对比模块、加权平均值设定模块、对比结果自动生成模块以及自动评分模块。
遍历对比模块用于通过正向对比和反向推演的方式确定消费对象的共性和差异特征;
加权平均值设定模块,用于根据差异特征在试验型群体中的差评低情绪群体出现频率,确定每个差异特征对消费对象的影响加权值;
对比结果自动生成模块用于将根据不同消费对象之间的差异特征自动生成线上平台的消费基本准则,并且将消费基本准则自动推送给所有的消费者;
自动评分模块在试验型群体购买时自动根据对应的消费对象与差异特征的对比结果确定消费对象的评分,以为试验型群体独立制定消费护航模式。
消费行为分析系统4用于分析不同需求群体的消费体验反馈,通过对比每个正面的消费体验反馈的消费对象以及每个反面的消费体验反馈的消费对象并分解消费对象的相同特征和差异特征,利用对比的差异特征总结每个正面的消费体验反馈对应的消费对象总特征。
从而本实施方式一方面为线上平台本身提供一种商家监控方式,同时也为消费者的购买消费过程中保驾护航,避免消费者上当受骗,从而进一步的提高新用户和老用户对二手线上平台的信任度和快速适应性。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种消费者行为智能分析方法,其特征在于,包括以下步骤:
步骤100、收集消费者在线上平台的消费记录,且追踪所述消费者在所述线上平台的每一条消费记录的消费总过程;
步骤200、根据每个所述消费者的消费记录的数量将所述消费者划分为不同消费量的需求群体,且对所述消费者的消费记录进行统计归纳,推断每个所述消费者在所述线上平台的隐藏消费类型爱好;
步骤300、建立消费行为分析系统,所述消费行为分析系统根据每个所述消费者的消费记录的内容分析不同的所述需求群体在所述线上平台的消费心理状态,并通过对比不同所述需求群体的消费记录正向和反向推演所述线上平台的消费对象,综合不同所述需求群体当前的消费心理状态独立制定不同的营销策略;
步骤400、所述线上平台根据每个所述消费者的消费记录中的消费有效信息和隐藏消费爱好类型主动向所述消费者推荐合适的商品。
2.根据权利要求1所述的一种消费者行为智能分析方法,其特征在于:在步骤200中,所述消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费数量,且将所述消费对象按照不同领域划分消费类型,所述消费类型包括但不限于数码类、居家类、服饰类、运动类和美妆类;
通过所述消费者的消费记录进行统计归纳,推断所述消费者在所述线上平台的隐藏消费类型爱好的具体实现方法为:
建立多个存在需求同向的消费类型之间的裙带关系;
根据所述消费者在所述线上平台的所有消费对象,以及消费类型的分类方式来确定每个所述消费对象的消费类型;
根据所述消费者现有的消费类型以及所述消费类型之间的裙带关系推断所述消费者的隐藏消费类型爱好。
3.根据权利要求2所述的一种消费者行为智能分析方法,其特征在于:在步骤200中,根据每个所述消费者的消费记录数量将所述消费者划分不同消费量的需求群体,且所述需求群体根据每个所述消费者的消费记录的数量从少到多依次分为试验型群体、刚需型群体和忠诚型群体。
4.根据权利要求3所述的一种消费者行为智能分析方法,其特征在于:所述消费行为分析系统根据所述消费体验反馈信息和所述消费记录数量确定所述消费者对所述线上平台当前的消费心理状态,所述消费行为分析系统综合不同所述需求群体当前的消费心理状态独立制定不同的营销策略的具体实现方法为:
步骤301、将所述需求群体根据每个所述消费者的消费体验反馈和消费心理状态划分为差评低情绪群体和购买预持续性群体;
步骤302、所述消费行为分析系统通过机器学习法遍历所述试验型群体内的所述差评低情绪群体的消费记录,以及所述刚需型群体和忠诚型群体内的所述所述购买预持续性群体的消费记录,并且利用正向推演和反向推演的方式对比不同所述消费对象之间的参数差异;
步骤303、所述消费行为分析系统确定所述消费对象之间的参数差异,并为所述试验型群体制定消费护航模式以激励所述试验型群体转入对所述线上平台的刚需型群体;
步骤304、所述消费行为分析系统根据所述刚需型群体和忠诚型群体的消费记录以及隐藏消费类型爱好,利用推荐算法提供多种消费对象。
5.根据权利要求4所述的一种消费者行为智能分析方法,其特征在于:在步骤302中,所述消费行为分析系统利用正向推演和反向推演的方式对比不同所述消费对象的实现方法为:
所述消费行为分析系统利用机器学习法遍历所述试验型群体内的所述差评低情绪群体的所述消费对象,以及所述购买预持续性群体的所述消费对象,通过正向推演的方式确定差评低情绪群体的所述消费对象的共性以及所述购买预持续性群体的所述消费对象的共性;
所述消费行为分析系统通过反向推演的方式确定差评低情绪群体的所述消费对象与所述购买预持续性群体的所述消费对象之间的差异特征;
根据所述差异特征在所述所述差评低情绪群体的所述消费对象内的出现频率,确定每个所述差异特征对所述消费对象评分的加权平均值;
所述消费行为分析系统根据每个所述差异特征的加权平均值,对所述线上平台的每个所述消费对象设定隐形评分。
6.根据权利要求5所述的一种消费者行为智能分析方法,其特征在于:所述线上平台根据所述消费护航模式为所述试验型群体提供的营销策略具体为:
所述消费行为分析系统根据不同所述消费对象之间的差异特征自动生成所述线上平台的消费基本准则,所述线上平台根据所述消费基本准则为所有消费者自动推送消费基本准则,将所述忠诚型群体的消费经验作为营销策略提供给所述试验型群体,主动带动所述试验型群体转入对所述线上平台的信任阶段;
所述消费行为分析系统在所述试验型群体购买时自动对所述消费对象按照所述差异特征对所述消费对象评分的加权平均值确定所述消费对象的信用等级。
7.根据权利要求1所述的一种消费者行为智能分析方法,其特征在于:在步骤400中,所述消费有效信息包括所述消费行为分析系统得到的消费行动时间以及所述线上平台的数据分类模块得到的消费对象更新信息,具体的实现过程为;
步骤401、所述消费行为分析系统通过分析所述消费者的消费记录的产生时间确定所述消费者的购买情绪时间点,且根据所述消费者的浏览记录确定目标消费对象;
步骤402、所述消费行为分析系统结合所述目标消费对象和裙带消费对象在所述消费者所述购买情绪时间点推荐合适的商品。
8.一种基于权利要求1-7任一项所述消费者行为智能分析方法的分析系统,其特征在于,包括:
数据抓取模块(1),用于收集消费者在线上平台的消费记录;
消费群体分类模块(2),用于将所述消费者划分为不同消费量的需求群体,其中,所述需求群体根据每个所述消费者的消费记录的数量分为试验型群体、刚需型群体和忠诚型群体,所述需求群体根据消费心理状态划分为差评低情绪群体和购买预持续性群体;
标签互联模块(3),用于将所述线上平台的多个消费类型之间建立裙带关联关系,每组具有所述裙带关联关系的多个消费类型作为每个所述消费者的喜好消费类型;
消费行为分析系统(4),用于对所述消费者的消费记录进行深度学习,并分析不同所述消费记录中的消费对象的相同特征和差异特征,按照所述消费对象的差异特征自动生成在所述线上平台的消费基本准则;
营销策略指定模块(5),用于根据不同的所述需求群体的消费心理状态,为不同的所述需求群体提供不同的营销策略。
9.根据权利要求8所述的一种消费者行为智能分析系统,其特征在于,还包括商品推荐模块(6),根据每个消费者的消费记录确定所述消费者当前的喜好消费类型,且根据所述标签互联模块(3)确定所述消费者的隐藏消费类型,结合所述隐藏消费类型和当前的喜好消费类型,向所述消费者提供推荐对应的商品。
10.根据权利要求8所述的一种消费者行为智能分析系统,其特征在于,所述消费记录包括消费对象、消费行动时间、消费体验反馈和单次消费记录数量;
所述消费行为分析系统(4)包括遍历对比模块、加权平均值设定模块、对比结果自动生成模块以及自动评分模块。
所述遍历对比模块用于通过正向对比和反向推演的方式确定所述消费对象的共性和差异特征;
所述加权平均值设定模块,用于根据所述差异特征在所述试验型群体中的差评低情绪群体出现频率,确定每个所述差异特征对所述消费对象的影响加权值;
所述对比结果自动生成模块用于将所述根据不同所述消费对象之间的差异特征自动生成所述线上平台的消费基本准则,并且将消费基本准则自动推送给所有的消费者;
所述自动评分模块在所述试验型群体购买时自动根据对应的消费对象与所述差异特征的对比结果确定所述消费对象的评分,以为所述试验型群体独立制定消费护航模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230430.4A CN112232888B (zh) | 2020-11-06 | 2020-11-06 | 一种消费者行为智能分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230430.4A CN112232888B (zh) | 2020-11-06 | 2020-11-06 | 一种消费者行为智能分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232888A true CN112232888A (zh) | 2021-01-15 |
CN112232888B CN112232888B (zh) | 2021-05-14 |
Family
ID=74123328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011230430.4A Active CN112232888B (zh) | 2020-11-06 | 2020-11-06 | 一种消费者行为智能分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232888B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049442A (zh) * | 2022-08-12 | 2022-09-13 | 南京中昇智建网络科技有限责任公司 | 一种数据分析方法及应用系统 |
CN116777504A (zh) * | 2023-08-24 | 2023-09-19 | 北京信索咨询股份有限公司 | 基于消费研究分析的产品购入评估系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110761A1 (en) * | 2013-11-01 | 2016-04-21 | Efstratios Ioannidis | Finding the space spanned by user profiles from binary feedback |
CN105701675A (zh) * | 2014-11-26 | 2016-06-22 | 镇江雅迅软件有限责任公司 | 一种基于Webform的消费者行为分析系统 |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN107123032A (zh) * | 2017-05-02 | 2017-09-01 | 北京邮电大学 | 一种物品推荐方法及装置 |
CN107833112A (zh) * | 2017-12-01 | 2018-03-23 | 四川世语者科技有限公司 | 基于生理参数的消费行为分析方法和装置、以及系统和存储介质 |
CN109034983A (zh) * | 2018-09-18 | 2018-12-18 | 安徽千界信息科技有限公司 | 网上商城商品的推荐方法及其系统 |
CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
CN110517060A (zh) * | 2019-07-09 | 2019-11-29 | 广州品唯软件有限公司 | 一种基于品类购买次数的数据分析处理方法及系统 |
CN110599308A (zh) * | 2019-09-18 | 2019-12-20 | 云南师范大学 | 基于卷积神经网络的体貌特征识别分类的服装推荐系统 |
CN111199418A (zh) * | 2019-12-16 | 2020-05-26 | 北京淇瑀信息科技有限公司 | 基于图数据和反向传播算法的数据传播方法、装置和电子设备 |
CN111626842A (zh) * | 2020-04-22 | 2020-09-04 | 北京芯盾时代科技有限公司 | 一种消费行为数据的分析方法和装置 |
-
2020
- 2020-11-06 CN CN202011230430.4A patent/CN112232888B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110761A1 (en) * | 2013-11-01 | 2016-04-21 | Efstratios Ioannidis | Finding the space spanned by user profiles from binary feedback |
CN105701675A (zh) * | 2014-11-26 | 2016-06-22 | 镇江雅迅软件有限责任公司 | 一种基于Webform的消费者行为分析系统 |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN107123032A (zh) * | 2017-05-02 | 2017-09-01 | 北京邮电大学 | 一种物品推荐方法及装置 |
CN107833112A (zh) * | 2017-12-01 | 2018-03-23 | 四川世语者科技有限公司 | 基于生理参数的消费行为分析方法和装置、以及系统和存储介质 |
CN109034983A (zh) * | 2018-09-18 | 2018-12-18 | 安徽千界信息科技有限公司 | 网上商城商品的推荐方法及其系统 |
CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
CN110517060A (zh) * | 2019-07-09 | 2019-11-29 | 广州品唯软件有限公司 | 一种基于品类购买次数的数据分析处理方法及系统 |
CN110599308A (zh) * | 2019-09-18 | 2019-12-20 | 云南师范大学 | 基于卷积神经网络的体貌特征识别分类的服装推荐系统 |
CN111199418A (zh) * | 2019-12-16 | 2020-05-26 | 北京淇瑀信息科技有限公司 | 基于图数据和反向传播算法的数据传播方法、装置和电子设备 |
CN111626842A (zh) * | 2020-04-22 | 2020-09-04 | 北京芯盾时代科技有限公司 | 一种消费行为数据的分析方法和装置 |
Non-Patent Citations (2)
Title |
---|
YU-CHING CHEN,ETC: "User Behavior Analysis and Commodity Recommendation for Point-Earning Apps", 《2016 CONFERENCE ON TECHNOLOGIES AND APPLICATIONS OF ARTIFICIAL INTELLIGENCE (TAAI)》 * |
刘小刚: "虚拟营销研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 经济与管理科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049442A (zh) * | 2022-08-12 | 2022-09-13 | 南京中昇智建网络科技有限责任公司 | 一种数据分析方法及应用系统 |
CN115049442B (zh) * | 2022-08-12 | 2022-10-28 | 南京中昇智建网络科技有限责任公司 | 一种数据分析方法及应用系统 |
CN116777504A (zh) * | 2023-08-24 | 2023-09-19 | 北京信索咨询股份有限公司 | 基于消费研究分析的产品购入评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112232888B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Mining changes in customer behavior in retail marketing | |
US6507851B1 (en) | Customer information retrieving method, a customer information retrieving apparatus, a data preparation method, and a database | |
US8341102B2 (en) | User state presumption system, user state presumption method, and recording media storing user state presumption program | |
Luo et al. | Recovering hidden buyer–seller relationship states to measure the return on marketing investment in business-to-business markets | |
Sheu et al. | Segmenting online game customers–The perspective of experiential marketing | |
US7062477B2 (en) | Information-processing apparatus, information-processing method and storage medium | |
Bae et al. | Fuzzy web ad selector based on web usage mining | |
CN112232888B (zh) | 一种消费者行为智能分析系统及方法 | |
WO2009137153A1 (en) | System and process for improving product recommendations for use in providing personalized advertisements to retail customers | |
Wu et al. | Private label management: A literature review | |
WO2009137151A1 (en) | System and process for boosting recommendations for use in providing personalized advertisements to retail customers | |
CN110751537A (zh) | 一种基于线上线下的智能营销方法和装置 | |
Mao | Understanding retail quality of sporting goods stores: a text mining approach | |
Liu et al. | Success and survival in livestream shopping | |
Rausch et al. | Gotta buy'em all? Online shopping cart abandonment among new and existing customers | |
Srikumar et al. | Personalized product selection in Internet business | |
Garver | A maximum difference scaling application for customer satisfaction researchers. | |
CN116503142A (zh) | 一种合伙人智慧营销调度数据处理系统 | |
Kalaivani et al. | Multi process prediction model for customer behaviour analysis | |
Albadvi et al. | Integrating rating-based collaborative filtering with customer lifetime value: New product recommendation technique | |
Rho et al. | Internet customer segmentation using web log data | |
CN116402565B (zh) | 一种基于大数据分析的商品推荐方法及系统 | |
Sheu et al. | Applying decision tree data mining for online group buying consumers' behaviour | |
Bahri et al. | Data Mining Techniques To Uncovering Customer Segments: K-Means Clustering Using The Elbow Method Approach In Medium-Scale Grocery | |
KR102473802B1 (ko) | 키워드 분석 방법 및 이를 활용한 온라인 광고 제공 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |