CN113344604B - 一种基于用户行为数据及流计算的用户细分方法 - Google Patents
一种基于用户行为数据及流计算的用户细分方法 Download PDFInfo
- Publication number
- CN113344604B CN113344604B CN202110417051.4A CN202110417051A CN113344604B CN 113344604 B CN113344604 B CN 113344604B CN 202110417051 A CN202110417051 A CN 202110417051A CN 113344604 B CN113344604 B CN 113344604B
- Authority
- CN
- China
- Prior art keywords
- user
- instruction
- event
- data
- stream
- 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
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Generation (AREA)
Abstract
本发明提供了一种基于用户行为数据及流计算的用户细分方法,所述方法包括:S1.生成采集用户行为日志指令;S2.生成封装指令;S3.生成事件流标记指令;S4.生成数据建模指令;S5.生成模型规则应用指令;S6.生成累加指令;S7.生成构建符合计算事件指令;S8:生成实时更新用户画像指令。该方法在充分运用原有成熟模型的基础上,将原来的“日”级别的数据运算周期提升至“分钟”级别的运算周期,从而对营销的开展提供了更加强而有力的支撑;通过“流计算”技术特性,把集中时段的大数据量运算转换成小批量数据的离散时段或持续时段的运算方式,极大降低了IT硬件资源性能要求,真正意义上做到“提效降耗”,为企业节约大量的资金。
Description
技术领域
本发明涉及计算机营销技术领域,特别是涉及一种基于用户行为数据运用“流计算技术”给用户打标签的用户细分方法。
背景技术
随着互联网技术发展,尤其是移动互联网以来,诞生了无数的应用软件APP,其中不乏现象级的APP,人们在线上的活动愈发活跃与频繁,可以说,现在人们在日常生活中,有将近一半的时间是生活在线上的;在通讯、社交、购物、学习等多方面,均存在用户行为;科技的快速发展,使用户的大部分行为从线下迁移到了线上。而从营销技术的角度来说,描绘一个用户的“用户画像”,对于营销活动有非常大的意义,随着技术的发展,集中于线上的用户行为为我们带来大量的价值和研究意义,形成可供分析的“行为数据”。
在现有技术中,有些采用B/S结构进行数据采集并分析,例如中国专利CN106227832A公开了一种互联网大数据技术架构在企业内业务分析中的应用方法,所述方法基于大数据架构对电商平台用户行为进行收集,通过日志应用集群对用户行为日志数据进行清洗后,将数据放入mq消息队列中,经过流计算技术,综合访客和访问用户精确分析出用户访问指标,结合访问用户的附加信息赋予各种业务含义进行统计分析,并将分析的结构放入云数据库中备用。本发明协助企业收集用户行为信息,有力于企业实时掌握用户喜好,及时转变企业电商战略,精准的为用户投放广告,大幅度提高企业电商网站对市场需求的把控力度,最大程度的吸引客户消费,并且为用户提供个性化的广告展示,用户可以节省大量的互联网检索查找需要的信息的时间。
随着用户画像的数据应用得越来越深入,采用传统的离线计算来构建画像的方式,已经无法满足日益增长的营销时效性要求;同时,随着数据量的指数级别增长,离线计算方式为了保证“日”级别的计算周期,需要不断地追加大量的计算资源,给企业带来了比较大运营成本,ROI指标下降越来越严重。
为了解决现有技术的缺陷,在原有的模型和规则技术的基础上,进行了技术实现的重构,引入了“流计算”技术进行技术革新;流计算技术可以很好地对大规模流动数据在不断变化的运动过程中,实时地进行分析,捕捉到可能有用的信息,并把结果发送到下一计算节点。
因此,针对现有技术中存在的问题,亟需提供一种高效快速、硬件性能要求低且成本较低的基于用户行为数据及流计算的用户细分方法显得尤为重要。
发明内容
本发明的目的在于提供一种基于用户行为数据及流计算的用户细分方法,以解决上述背景技术中提出的问题;该方法在充分运用原有成熟模型的基础上,将原来的“日”级别的数据运算周期提升至“分钟”级别的运算周期,从而对营销的开展提供了更加强而有力的支撑;通过“流计算”技术特性,把集中时段的大数据量运算转换成小批量数据的离散时段或持续时段的运算方式,极大降低了IT硬件资源性能要求,真正意义上做到“提效降耗”,为企业节约大量的资金。
为了达到上述目的,本发明采用以下技术方案:
一种基于用户行为数据及流计算的用户细分方法,所述方法包括以下步骤:
S1:生成采集用户行为日志指令,将所述采集用户行为日志指令发送至系统,根据该指令信息,埋设监测代码,在软件上采集用户的行为日志,形成用户行为日志数据;
S2:生成封装指令,将所述封装指令发送至系统,根据该指令信息,获取用户行为日志数据,并将用户行为日志数据封装为事件流;
S3:生成事件流标记指令,将所述事件流标记指令发送至系统,根据该指令信息,获取包含N个事件的事件流,对事件流附加标识信息,该标识信息包括全局唯一的流序号和时间戳;其中,N≥1;
S4:生成数据建模指令,将所述数据建模指令发送至系统,根据该指令信息,建立条件组模型,对于满足同一个条件组模型的用户,则进行标记;所述条件组模型由N个条件模型组成,每个条件模型之间采用与、或、非的逻辑关系任意组合;每个条件模型包括行为数据和频次数据,其表达式为:行为*频次;其中,N≥1;
S5:生成模型规则应用指令,将所述模型规则应用指令发送至系统,根据该指令信息,将每个事件流进行模型规则应用,通过规则转换器将事件流转换为逻辑元;其中,每个事件流的因素转换为对应的逻辑元的计算因子,将事件流的流序号、时间戳、用户行为日志数据转换为逻辑元的用户、规则ID、匹配结果;
S6:生成累加指令,将所述累加指令发送至系统,根据该指令信息,将转换后的逻辑元数据经过累加器进行累加计算,将相同用户、规则ID、匹配结果的数据进行累加和存储,并在逻辑元上附加累加次数属性;
S7:生成构建符合计算事件指令,将所述构建符合计算事件指令发送至系统,根据该指令信息,将累加器流出的逻辑元输入至逻辑元运算器,所述逻辑元运算器加载关联逻辑元,对相同用户、规则ID进行逻辑组合运算;所述逻辑元运算器判断规则ID所需的子逻辑元是否满足模型设定的要求;若规则ID所需的所有子逻辑元均满足模型设定的要求,则逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备;
S8:生成实时更新用户画像指令,将所述实时更新用户画像指令发送至系统,根据该指令信息,外部设备接收到来自逻辑元运算器的计算事件,抽取用户和规则ID,并根据规则配置为目标用户打上标签,实时更新用户画像。
优选的,在所述步骤S7中,所述逻辑组合运算包括与、或、非运算。
以上的,所述用户行为日志数据结构包括用户ID、终端、时间、地点、操作和对象。
优选的,所述操作包括用户的访问、点击、搜索和输入。
以上的,所述行为数据包括用户、操作和对象;所述条件模型的表达式为:(用户+操作+对象)*频次。
优选的,所述行为数据从用户行为日志数据中获取,所述频次数据从用户行为日志数据中的记录数来进行判定并获取。
以上的,所述计算事件包括用户、规则ID和时间戳。
以上的,在所述步骤S1中,软件包括APP和PC端的web页面。
优选的,在所述步骤S2中,生成封装指令包括以下步骤:
S2-1:提取关键元;
S2-2:形成字典映射;
S2-3:添加全局事件;
S2-4:全局唯一的流序号识别和转换;
S2-5:构建事件流,并进行封装。
优选的,在所述步骤S5~S7中,还包括规则事件过滤器;所述事件流进入规则事件过滤器,经规则运算单元转换后输出逻辑元数据至逻辑元累加器,将累加器流出的逻辑元输入至逻辑元运算器,由逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备。
本发明还提供了一种电子装置,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如前述的基于用户行为数据及流计算的用户细分方法。
本发明又提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如前述的基于用户行为数据及流计算的用户细分方法。
本发明的有益效果:
本发明提供了一种基于用户行为数据及流计算的用户细分方法,该方法在充分运用原有成熟模型的基础上,将原来的“日”级别的数据运算周期提升至“分钟”级别的运算周期,从而对营销的开展提供了更加强而有力的支撑;通过“流计算”技术特性,把集中时段的大数据量运算转换成小批量数据的离散时段或持续时段的运算方式,极大降低了IT硬件资源性能要求,真正意义上做到“提效降耗”,为企业节约大量的资金。
附图说明
图1为本发明提供的基于用户行为数据及流计算的用户细分方法的流程示意图;
图2为本发明提供的基于用户行为数据及流计算的用户细分方法的事件流结构示意图;
图3为本发明提供的基于用户行为数据及流计算的用户细分方法的条件组模型结构示意图;
图4为本发明提供的基于用户行为数据及流计算的用户细分方法的模型转换过程示意图;
图5为本发明提供的基于用户行为数据及流计算的用户细分方法的逻辑元累加过程示意图;
图6为本发明提供的基于用户行为数据及流计算的用户细分方法的逻辑元运算器运算过程示意图;
图7为本发明提供的基于用户行为数据及流计算的用户细分方法的生成封装事件流的流程示意图;
图8为本发明提供的基于用户行为数据及流计算的用户细分方法的规则应用流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
如图1~8所示,本实施例提供了一种基于用户行为数据及流计算的用户细分方法,所述方法包括以下步骤:
S1:生成采集用户行为日志指令,将所述采集用户行为日志指令发送至系统,根据该指令信息,埋设监测代码,在软件上采集用户的行为日志,形成用户行为日志数据;具体为,首先,在应用终端(APP、Web或小程序等)引入与之匹配的采集SDK,例如Web页面引入基于JavaScript的JS-SDK,并进行SDK初始化(APP程序则通过引入安卓或者IOS的SDK版本完成类似的初始化),装配就绪后即可利用SDK提供的采集能力进行数据埋点(SDK也能自动将一些行为上报到数据采集系统)。使用方可根据实际的需要指令信息,埋设监测代码,在软件上采集用户的行为日志,形成用户行为日志数据;具体的,进行采集用户行为日志时,在IT技术层面,通过埋设监测代码,实现在软件上采集用户的行为日志,其中,用户行为日志数据的结构为:
S2:生成封装指令,将所述封装指令发送至系统,根据该指令信息,获取用户行为日志数据,并将用户行为日志数据封装为事件流;
S3:生成事件流标记指令,将所述事件流标记指令发送至系统,根据该指令信息,获取包含N个事件的事件流,对事件流附加标识信息,该标识信息包括全局唯一的流序号和时间戳;其中,事件流的结构详见图2;
S4:生成数据建模指令,将所述数据建模指令发送至系统,根据该指令信息,获取多个用户标签,建立与每一个用户标签相对应的条件组模型,对于满足同一个条件组模型的用户,则采用同一用户标签进行标记;所述条件组模型由N个条件模型组成,每个条件模型之间采用与、或、非的逻辑关系任意组合;每个条件模型包括行为数据和频次数据,其表达式为:行为*频次;在本实施例中,将一个用户标签,用一个“条件组模型”(如图3所示)进行表示,满足同一个“条件组模型”的用户,会被标记上同一个标签。一个“条件组模型”将由n个“条件模型”组成,每个“条件模型”之间,可以使用“与或非”等3个逻辑关系进行组合。每个条件模型,由一定“频次”的“行为”来表达:(人+操作+对象)*频次。而“人+操作+对象”这样的数据,均纪录在1的用户行为日志里面,“频次”则可以通过用户行为日志数据里面的记录数来进行判定;举例说明“商品A潜在客户”这个标签可以表达为:{[(用户+搜索商品+商品A)>=3]and[(用户+查看商品+商品A)>=2]}or[(用户+生成订单+商品A)>=1]![(用户+支付订单+商品A)>=1];其含义为:查找满足以下条件的用户:
“搜索过商品A大于等于3次”并且“查看商品A大于等于2次”或者生成过商品A的订单大于等于1次却没有支付过商品A订单的用户,并将这些用户标记为“商品A潜在客户”。
S5:生成模型规则应用指令,将所述模型规则应用指令发送至系统,根据该指令信息,将每个事件流进行模型规则应用,通过规则转换器将事件流转换为逻辑元;其中,每个事件流的因素转换为对应的逻辑元的计算因子,将事件流的流序号、时间戳、用户行为日志数据转换为逻辑元的用户、规则ID、匹配结果;具体为,将每个事件流进行模型规则应用,转换成三元逻辑计算因子,其转换如图4所示;
S6:生成累加指令,将所述累加指令发送至系统,根据该指令信息,将转换后的逻辑元数据经过累加器进行累加计算,将相同用户、规则ID、匹配结果的数据进行累加和存储,并在逻辑元上附加累加次数属性;具体如图5所示;
S7:生成构建符合计算事件指令,将所述构建符合计算事件指令发送至系统,根据该指令信息,将累加器流出的逻辑元输入至逻辑元运算器,所述逻辑元运算器加载关联逻辑元,对相同用户、规则ID进行逻辑组合运算;所述逻辑元运算器判断规则ID所需的子逻辑元是否满足模型设定的要求;若规则ID所需的所有子逻辑元均满足模型设定的要求,则逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备;具体如图6所示;
S8:生成实时更新用户画像指令,将所述实时更新用户画像指令发送至系统,根据该指令信息,外部设备接收到来自逻辑元运算器的计算事件,抽取用户和规则ID,并根据规则配置为目标用户打上标签,实时更新用户画像。
在本实施例中,如图7所示,在所述步骤S2中,生成封装指令包括以下步骤:
S2-1:提取关键元:
从日志指令中抽取关键的数据元素,转换成原始的事件指令属性,构建原始事件的关键元;
S2-2:形成字典映射:
对原始事件指令的属性值通过映射字典进行转换,变成流处理系统友好的事件指令;
S2-3:添加全局事件ID:
为映射处理完毕的事件指令附带上一个全局唯一的事件ID;
S2-4:用户ID识别和转换:
对事件指令中的用户ID、终端ID进行进行识别,并且进行统一转换成事件流处理过程中可识别,可追踪的关键标识;通过本步骤为事件指令附带上了明确的关键对象;
S2-5:构建事件流,并进行封装:
将N个经过抽取、映射、全局标识、对象ID识别和转换的事件指令按照时间顺序写入流处理通道,构建事件流。
在本实施例中,如图8所示,在所述步骤S5~S7中,还包括规则事件过滤器;所述事件流进入规则事件过滤器,经规则运算单元转换后输出逻辑元数据至逻辑元累加器,将累加器流出的逻辑元输入至逻辑元运算器,由逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此,本发明并不局限于上面揭示和描述的具体实施方式,对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对本发明构成任何限制。
Claims (9)
1.一种基于用户行为数据及流计算的用户细分方法,其特征在于,所述方法包括以下步骤:
S1:生成采集用户行为日志指令,将所述采集用户行为日志指令发送至系统,根据该指令信息,埋设监测代码,在软件上采集用户的行为日志,形成用户行为日志数据;
S2:生成封装指令,将所述封装指令发送至系统,根据该指令信息,获取用户行为日志数据,并将用户行为日志数据封装为事件流;
S3:生成事件流标记指令,将所述事件流标记指令发送至系统,根据该指令信息,获取包含N个事件的事件流,对事件流附加标识信息,该标识信息包括全局唯一的流序号和时间戳;其中,N≥1;
S4:生成数据建模指令,将所述数据建模指令发送至系统,根据该指令信息,建立条件组模型,对于满足同一个条件组模型的用户,则进行标记;所述条件组模型由N个条件模型组成,每个条件模型之间采用与、或、非的逻辑关系任意组合;每个条件模型包括行为数据和频次数据,其表达式为:行为*频次;其中,N≥1;
S5:生成模型规则应用指令,将所述模型规则应用指令发送至系统,根据该指令信息,将每个事件流进行模型规则应用,通过规则转换器将事件流转换为逻辑元;其中,每个事件流的因素转换为对应的逻辑元的计算因子,将事件流的流序号、时间戳、用户行为日志数据转换为逻辑元的用户、规则ID、匹配结果;
S6:生成累加指令,将所述累加指令发送至系统,根据该指令信息,将转换后的逻辑元数据经过累加器进行累加计算,将相同用户、规则ID、匹配结果的数据进行累加和存储,并在逻辑元上附加累加次数属性;
S7:生成构建符合计算事件指令,将所述构建符合计算事件指令发送至系统,根据该指令信息,将累加器流出的逻辑元输入至逻辑元运算器,所述逻辑元运算器加载关联逻辑元,对相同用户、规则ID进行逻辑组合运算;所述逻辑元运算器判断规则ID所需的子逻辑元是否满足模型设定的要求;若规则ID所需的所有子逻辑元均满足模型设定的要求,则逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备;
S8:生成实时更新用户画像指令,将所述实时更新用户画像指令发送至系统,根据该指令信息,外部设备接收到来自逻辑元运算器的计算事件,抽取用户和规则ID,并根据规则配置为目标用户打上标签,实时更新用户画像;
在所述步骤S2中,生成封装指令包括以下步骤:
S2-1:提取关键元:
从日志指令中抽取关键的数据元素,转换成原始的事件指令属性,构建原始事件的关键元;
S2-2:形成字典映射:
对原始事件指令的属性值通过映射字典进行转换,变成流处理系统友好的事件指令;
S2-3:添加全局事件ID:
为映射处理完毕的事件指令附带上一个全局唯一的事件ID;
S2-4:用户ID识别和转换:
对事件指令中的用户ID、终端ID进行识别,并且进行统一转换成事件流处理过程中可识别,可追踪的关键标识;通过本步骤为事件指令附带上了明确的关键对象;
S2-5:构建事件流,并进行封装:
将N个经过抽取、映射、全局标识、对象ID识别和转换的事件指令按照时间顺序写入流处理通道,构建事件流。
2.根据权利要求1所述的用户细分方法,其特征在于,在所述步骤S7中,所述逻辑组合运算包括与、或、非运算。
3.根据权利要求1所述的用户细分方法,其特征在于,所述用户行为日志数据结构包括用户ID、终端、时间、地点、操作和对象。
4.根据权利要求3所述的用户细分方法,其特征在于,所述操作包括用户的访问、点击、搜索和输入;所述行为数据包括用户、操作和对象;所述条件模型的表达式为:(用户+操作+对象)*频次。
5.根据权利要求4所述的用户细分方法,其特征在于,所述行为数据从用户行为日志数据中获取,所述频次数据从用户行为日志数据中的记录数来进行判定并获取。
6.根据权利要求1所述的用户细分方法,其特征在于,所述计算事件包括用户、规则ID和时间戳。
7.根据权利要求1所述的用户细分方法,其特征在于,在所述步骤S5~S7中,还包括规则事件过滤器;所述事件流进入规则事件过滤器,经规则运算单元转换后输出逻辑元数据至逻辑元累加器,将累加器流出的逻辑元输入至逻辑元运算器,由逻辑元运算器构建符合计算事件,并将计算事件发送到外部设备。
8.一种电子装置,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1~7中任一所述的基于用户行为数据及流计算的用户细分方法。
9.一种计算机可读介质,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权利要求1~7中任一所述的基于用户行为数据及流计算的用户细分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110417051.4A CN113344604B (zh) | 2021-04-16 | 2021-04-16 | 一种基于用户行为数据及流计算的用户细分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110417051.4A CN113344604B (zh) | 2021-04-16 | 2021-04-16 | 一种基于用户行为数据及流计算的用户细分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344604A CN113344604A (zh) | 2021-09-03 |
CN113344604B true CN113344604B (zh) | 2023-05-16 |
Family
ID=77468108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110417051.4A Active CN113344604B (zh) | 2021-04-16 | 2021-04-16 | 一种基于用户行为数据及流计算的用户细分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344604B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114020762A (zh) * | 2021-11-09 | 2022-02-08 | 中国建设银行股份有限公司 | 一种用户评价规则引擎系统及其方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118296A (zh) * | 2018-09-04 | 2019-01-01 | 南京星邺汇捷网络科技有限公司 | 活动推送方法、装置及电子设备 |
WO2019134274A1 (zh) * | 2018-01-05 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 兴趣探索方法、存储介质、电子设备及系统 |
CN111953763A (zh) * | 2020-08-06 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种业务数据推送方法、装置及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090886B (zh) * | 2013-12-09 | 2015-09-09 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
CN104331270B (zh) * | 2014-10-24 | 2017-07-21 | 华为技术有限公司 | 一种流数据处理的方法、装置及系统 |
JP6784124B2 (ja) * | 2016-09-29 | 2020-11-11 | 株式会社リコー | 情報処理システム、使用量情報生成方法、情報処理装置及びプログラム |
CN107016103A (zh) * | 2017-04-12 | 2017-08-04 | 北京焦点新干线信息技术有限公司 | 一种构建用户画像的方法及装置 |
CN107944929A (zh) * | 2017-12-14 | 2018-04-20 | 互动派科技股份有限公司 | 一种基于用户行为数据进行建模的用户画像建立方法 |
CN107944059A (zh) * | 2017-12-29 | 2018-04-20 | 深圳市中润四方信息技术有限公司西安分公司 | 一种基于流计算的用户行为分析方法及系统 |
CN109284195A (zh) * | 2018-08-27 | 2019-01-29 | 广东电网有限责任公司信息中心 | 一种实时画像数据计算方法及系统 |
CN109725899B (zh) * | 2019-01-04 | 2022-03-22 | 中国银行股份有限公司 | 数据流式处理方法及装置 |
-
2021
- 2021-04-16 CN CN202110417051.4A patent/CN113344604B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134274A1 (zh) * | 2018-01-05 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 兴趣探索方法、存储介质、电子设备及系统 |
CN109118296A (zh) * | 2018-09-04 | 2019-01-01 | 南京星邺汇捷网络科技有限公司 | 活动推送方法、装置及电子设备 |
CN111953763A (zh) * | 2020-08-06 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种业务数据推送方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113344604A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Social media data analytics for business decision making system to competitive analysis | |
Bharadiya | A comparative study of business intelligence and artificial intelligence with big data analytics | |
CN111444236B (zh) | 一种基于大数据的移动终端用户画像构建方法及系统 | |
Visconti et al. | Big data-driven value chains and digital platforms: From value co-creation to monetization | |
CN108021929A (zh) | 基于大数据的移动端电商用户画像建立与分析方法及系统 | |
CN106548381A (zh) | 智能用户标签系统及实现方法 | |
CN107016103A (zh) | 一种构建用户画像的方法及装置 | |
CN110516077A (zh) | 面向企业商情的知识图谱构建方法及装置 | |
CN111666490A (zh) | 基于kafka的信息推送方法、装置、设备及存储介质 | |
CN103678647A (zh) | 一种实现信息推荐的方法及系统 | |
CN110310163A (zh) | 一种精准制定营销策略的方法、设备及可读介质 | |
CN107368521B (zh) | 一种基于大数据和深度学习的知识推介方法及系统 | |
Xia et al. | An effective classification-based framework for predicting cloud capacity demand in cloud services | |
CN109783726A (zh) | 一种房地产大数据计算处理方法及其系统 | |
CN110955690A (zh) | 一种基于大数据技术的自助数据标签平台及自助数据标签方法 | |
CN113344604B (zh) | 一种基于用户行为数据及流计算的用户细分方法 | |
CN112165639A (zh) | 内容分发方法、装置、电子设备以及存储介质 | |
CN107944929A (zh) | 一种基于用户行为数据进行建模的用户画像建立方法 | |
CN110147286B (zh) | 一种基于消息队列的定制信息发送方法、装置、系统和记录介质 | |
CN114862520A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN116910567B (zh) | 推荐业务的在线训练样本构建方法及相关装置 | |
Pospiech et al. | A descriptive big data model using grounded theory | |
CN109146306B (zh) | 一种企业管理系统 | |
CN115438995A (zh) | 一种基于知识图谱的服装定制企业的业务处理方法及设备 | |
CN113407587A (zh) | 用于联机分析处理引擎的数据处理方法、装置、设备 |
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 |