CN114240518A - 一种基于大数据的用户管理分析方法及系统 - Google Patents

一种基于大数据的用户管理分析方法及系统 Download PDF

Info

Publication number
CN114240518A
CN114240518A CN202210144920.5A CN202210144920A CN114240518A CN 114240518 A CN114240518 A CN 114240518A CN 202210144920 A CN202210144920 A CN 202210144920A CN 114240518 A CN114240518 A CN 114240518A
Authority
CN
China
Prior art keywords
data
user
users
category
preset
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
Application number
CN202210144920.5A
Other languages
English (en)
Inventor
高伟哲
吴碧珊
孟德一
傅奕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tanmu Information Technology Shenzhen Co ltd
Original Assignee
Tanmu Information Technology Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tanmu Information Technology Shenzhen Co ltd filed Critical Tanmu Information Technology Shenzhen Co ltd
Priority to CN202210144920.5A priority Critical patent/CN114240518A/zh
Publication of CN114240518A publication Critical patent/CN114240518A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F16/906—Clustering; Classification
    • 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
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/0277—Online advertisement
    • 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]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明本申请涉及数据分析领域，涉及基于大数据的用户管理分析方法，步骤如下：S1，从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据；S2，按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将多个用户按照预设类别进行分类；预设类别包括高价值用户类别、使用用户类别及活跃用户类别；S3，存储采集、分析和分类数据，S4，对用户进行标记，S5，将标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，向所述用户智能终端输出服务策略数据；本发明基于大数据的用户管理分析方法实现客户精准推送相关产品，实现精准营销同时为后续产品研发提供重大参考价值。

Description

一种基于大数据的用户管理分析方法及系统
技术领域
本申请涉及数据分析领域，特别涉及一种基于大数据的用户管理分析方法及系统。
背景技术
大数据需要有效的分析处理才能发挥其强大的决策辅助能力、洞察发掘能力和业务流程优化能力，有针对性开发新产品，才能使得企业不断地完善和进步。随着智能与管理的相互融合，大数据的应用已涉及到各行各业，也正在潜移默化地改变着各行各业的经营方式。通过客户行为分析、市场信息采集、挖掘信息等方面提供的策略对现代的企业经营产生了深刻的营销；
当下，在互联网高速发展的今天，各类产品层出不穷；随着产品营销系统的不断深入应用，积累了海量的产品消费行为信息，如何从这些海量数据信息中判别客户价值的依据，挖掘对用户有价值的服务策略，实现产品数据有效与精准的推送，同时对后续产品研发提供很大可靠参考价值数据。
发明内容
本发明本发明的目的在于，提出一种用户数据管理系统及方法，解决现有方法对产品用户提供服务时，服务定位不精准，不能准确提供个性化服务的技术问题，对后续产品研发提供可靠参考数据。
为本发明提供的一种基于大数据的用户管理分析方法：包括步骤S1，从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据；
步骤S2，按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
所述预设类别包括高价值用户类别、使用用户类别及活跃用户类别；
步骤S3，存储从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据和按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析以及将所述多个用户按照预设类别进行分类的数据；
步骤S4，根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括高价值用户类别、使用产品用户类别及活跃用户类别；
步骤S5，将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据；
进一步，所述步骤S1包括：采集消费额度数据、消费时间数据、消费频率数据、存为用户消费数据；采集使用产品某功能、使用时长、使用频次数据存为用户使用产品数据；采集用户在电商平台上的操作记录数据存为用户操作日志数据；
进一步，所述步骤S2包括：
获取多个用户的使用产品数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别；
当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别；
进一步，所述步骤S2包括：
根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序；
如图2所示，本发明的实施例还提供一种用户数据管理系统，包括：用户数据采集模块，用以从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据，并将所述用户的消费数据、使用产品数据及用户操作日志数据输出给用户数据分析模块；
用户数据分析模块，用以按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
使用产品数据存储模块，用以存储所述用户数据采集模块、所述用户数据分析模块、用户分类模块的数据；
用户标记模块，用以获取所述等级划分结果，并根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括活跃用户、退货敏感用户、高价值用户；
进一步，还包括：用户服务模块，用以获取所述标记结果，并将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据；
进一步，所述用户数据采集模块采集的用户消费数据至少包括消费额度数据、消费时间数据、消费频率数据；所述用户数据采集模块采集的用户用电数据至少包括使用产品某功能、使用时长、使用频次数据；所述用户数据采集模块采集的用户操作日志数据至少包括用户在电商平台上的操作记录数据；
进一步，所述用户数据分析模块包括：
用户分类模块，用以获取多个用户的使用数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；还用以获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；以及用以获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别；
进一步，所述用户数据分析模块包括：
用户类别定位模块，用以获取所述用户分类模块输出的用户类别数据，当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
进一步，所述用户数据分析模块包括：
等级划分模块，用以根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；还用以根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；以及用以根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序；
综上，实施本发明的实施例，具有如下的有益效果：
通过本发明提供的基于大数据的用户管理分析方法及系统，利用数据采集完成数据的采集与处理，根据不同的客户群目标训练不同的分析完成对客户的分群，最后利用客户分群的结果完成不同的营销运用；从海量的数据集中找出数据的共同本性、发现数据的规律，并汇总数据特性，为客户分群管理提供坚实的基础；结合客户的需求，无论是产品价格中偏低、新潮，价格中偏高、口碑好货、优惠券服务还是降价促销服务，都能以客户价值为参考依据，为客户提供量身定制的个性化产品服务，给客户精准推送相关产品，实现精准营销，同时存储所述用户数据采集模块、所述用户数据分析模块、用户分类模块的数据，对后续产品研发提供很大可靠参考价值数据。
附图说明
以下附图仅对本发明作示意性的说明和解释，并不用于限定本发明的范围，其中：
图1：本发明实施例中一种基于大数据的用户管理分析方法的结构示意图；
图2；本发明实施例中一种基于大数据的用户管理系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案、设计方法及优点更加清楚明了，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
如图1所示，为本发明提供的一种基于大数据的用户管理分析方法的一个实施例的示意图。
在该实施例中，包括步骤S1，从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据；具体实施中，采集消费额度数据、消费时间数据、消费频率数据、存为用户消费数据；采集使用产品某功能、使用时长、使用频次数据存为用户使用产品数据；采集用户在电商平台上的操作记录数据存为用户操作日志数据；
步骤S2，按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
所述预设类别包括高价值用户类别、使用用户类别及活跃用户类别；具体实施中：
获取多个用户的使用产品数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别；
当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别；
具体实施中：
根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序；
步骤S3，存储从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据和按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析以及将所述多个用户按照预设类别进行分类的数据；
步骤S4，根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括高价值用户类别、使用产品用户类别及活跃用户类别；
步骤S5，将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据；
综上，实施本发明的实施例，具有如下的有益效果：通过本发明提供的用户数据管理系统及方法，利用数据采集完成数据的采集与处理，根据不同的客户群目标训练不同的分析完成对客户的分群，最后利用客户分群的结果完成不同的营销运用；从海量的数据集中找出数据的共同本性、发现数据的规律，并汇总数据特性，为客户分群管理提供坚实的基础；结合客户的需求，无论是产品价格中偏低、新潮，价格中偏高、口碑好货、优惠券服务还是降价促销服务，都能以客户价值为参考依据，为客户提供量身定制的个性化产品服务，给客户精准推送相关产品，实现精准营销；同时存储所述用户数据采集模块、所述用户数据分析模块、用户分类模块的数据，对后续产品研发提供很大可靠参考价值数据；
如图2所示，本发明的实施例还提供一种用户数据管理系统，包括：用户数据采集模块，用以从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据，并将所述用户的消费数据、使用产品数据及用户操作日志数据输出给用户数据分析模块；
需要说明的是，用于底层数据的采集与处理是系统的基础部分，主要是用户的消费数据、使用产品数据及用户操作日志三部分的数据；
具体实施例中，所述用户数据采集模块采集的用户消费数据至少包括消费额度数据、消费时间数据、消费频率数据；利用该数据来刻画用户的风险和等级标签。
所述用户数据采集模块采集的用户用电数据至少包括使用产品某功能、使用时长、使用频次数据；利用该数据来刻画用户的各种使用产品标签，所述用户数据采集模块采集的用户操作日志数据至少包括用户在电商平台上的操作记录数据；比如咨询、查询、投诉、建议等数据，利用该数据来刻画用户服务偏好标签；
用户数据分析模块，用以按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
需要说明的是，用于对数据的加工与处理，利用统计分析及机器学习算法模型，为客服分群提供服务；
具体实施例中，所述用户数据分析模块包括：用户分类模块用以获取多个用户的使用数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；
需要说明的是，以月均下单量、月均增长量、双月均增长量、总缴费金额、月均消费金额、充值金额、总充值次数等指标来衡量用户价值指标；具体的，将使用产品的指标和消费的指标作为正向计数，将充值类的指标作为负向计数，将正向负向的相加得到的分数指标作为最终的价值指标，分数越大的则代表用户的价值越高。
用户分类模块还用以获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；可以理解的，通过计算调取退货频率p、退货中的问题n，计算p/n的值作为用户的退货敏感指标，p/n越大代表用户对退货越敏感；
用户分类模块还用以获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别；可以理解的，通过收集用户在服务系统上的交互行为，如抽奖，缴费以及查阅通知，并规定每种操作的交互分数，将此类的活跃行为按分数进行累分，计分越多则代表用户越活跃；
具体的，所述用户数据分析模块包括：
用户类别定位模块，用以获取所述用户分类模块输出的用户类别数据，当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别；
可以理解的，利用KNN算法训练识别用户的最终类型，以充值高风险用户为例说明算法模型阶段的一般流程：利用KNN算法将用户充值风险等级划分为高潜在和低潜在两个等级；计算待标记样本与数据集中所有样本的距离，取距离最近的K个样本，投票即选择出现次数最多的类别作为待标记样本的类别；因此，通过收集用户用电的相关特征数据，如用户充值记录，消费记录等属性，通过数据预处理及特征转换，完成用户潜在消费等级的划分，从而识别高潜在消费用户；
再具体的，所述用户数据分析模块包括：等级划分模块，用以根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；还用以根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；以及用以根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序；可以理解的，通过预先定义的若干个阈值，来将用户划分为潜在高敏感客户群、潜在次高敏感客户群、潜在普通客户群、潜在低敏感客户群。以及用以根据多个第四预设规则区分所述活跃用户类 别内的用户，将所述用户按交互操作总分值由高到低依次排序；
使用产品数据存储模块，用以存储所述用户数据采集模块、所述用户数据分析模块、用户分类模块的数据；
用户标记模块，用以获取所述等级划分结果，并根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括活跃用户、退货敏感用户、高价值用户；可以理解的，对用户各种属性的分类，利用服务实现客户分群。客户分群体现为根据用户的各种数据，利用训练好的机器学习模型给用户打上相应的标签，如一个简单例子，利用用户的消费记录，充值记录，使用产品记录等数据，利用分类算法如决策树，生成每个用户的产品消费信用等级，相应的打上高信用，低信用标签；
用户服务模块，用以获取所述标记结果，并将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据；可以理解的，是对客户分群的运用，基于此可以优化运营，提升服务，实现精准营销。比如根据多样化的账单查询和缴费服务，对产品消费高风险等级客户提前通知及催费通知；重点保障高价值客户使用产品，合理配置重要客户使用产品，要求重要客户先试用后付款服务。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种基于大数据的用户管理分析方法，其特征在于，包括以下步骤：
步骤S1，从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据；
步骤S2，按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
步骤S3，存储从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据和按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析以及将所述多个用户按照预设类别进行分类的数据；
步骤S4，根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括高价值用户类别、使用产品用户类别及活跃用户类别；
步骤S5，将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据。
2.根据权利要求1所述的一种基于大数据的用户管理分析方法，其特征在于，所述步骤S1包括：采集消费额度数据、消费时间数据、消费频率数据、存为用户消费数据；采集使用产品某功能、使用时长、使用频次数据存为用户使用产品数据；采集用户在电商平台上的操作记录数据存为用户操作日志数据。
3.根据权利要求2所述的一种基于大数据的用户管理分析方法，其特征在于，所述步骤S2包括：
获取多个用户的使用产品数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别；
当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
4.根据权利要求3所述的一种基于大数据的用户管理分析方法，其特征在于，所述步骤S2包括：
根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序。
5.一种基于大数据的用户管理系统，其特征在于，包括：用户数据采集模块，用以从多个用户的智能终端采集所述用户的消费数据、使用产品数据及用户操作日志数据，并将所述用户的消费数据、使用产品数据及用户操作日志数据输出给用户数据分析模块；
用户数据分析模块，用以按照预设规则分别对多个用户的消费数据、使用产品数据及用户操作日志数据进行数据分析，将所述多个用户按照预设类别进行分类；并根据第一预设规则对每个类别内的多个用户进行等级划分，获取与所述类别对应的等级划分结果；其中，所述预设类别包括高价值用户类别、使用产品用户类别及活跃用户类别；
使用产品数据存储模块，用以存储所述用户数据采集模块、所述用户数据分析模块、用户分类模块数据；
用户标记模块，用以获取所述等级划分结果，并根据所述等级划分结果按照预设的标记规则对用户进行标记，获取标记结果；所述标记结果至少包括活跃用户、退货敏感用户、高价值用户。
6.如权利要求5所述的系统，其特征在于，还包括：用户服务模块，用以获取所述标记结果，并将所述标记结果根据第二预设规则与对应服务策略匹配并调用所述服务策略数据，响应于用户智能终端的服务请求向所述用户智能终端输出服务策略数据。
7.如权利要求6所述的系统，其特征在于，所述用户数据采集模块采集的用户消费数据至少包括消费额度数据、消费时间数据、消费频率数据；所述用户数据采集模块采集的用户用电数据至少包括使用产品某功能、使用时长、使用频次数据；所述用户数据采集模块采集的用户操作日志数据至少包括用户在电商平台上的操作记录数据。
8.如权利要求7所述的系统，其特征在于，所述用户数据分析模块包括：
用户分类模块，用以获取多个用户的使用数据和消费数据，根据预设标准调取使用产品数量参数和消费参数，将所述使用产品数量参数或所述消费参数作为正向计数值；以及根据预设标准调取潜在参数，将所述潜在参数作为负向计数值；根据所述正向计数值和所述负向计数值计算价值判定指标，并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别；还用以获取多个用户的操作日志数据，调取退货频率p、退货中的问题n，并计算用户退货敏感指标；将所述退货敏感指标大于第二预设判定阈值的用户列为退货敏感用户类别；以及用以获取多个用户的操作日志数据，调取交互操作数据；并根据预设的交互操作项分值计算用户的交互操作总分值，将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别。
9.如权利要求8所述的系统，其特征在于，所述用户数据分析模块包括：
用户类别定位模块，用以获取所述用户分类模块输出的用户类别数据，当识别到任一用户被归为多个类别项时，调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
10.如权利要求9所述的系统，其特征在于，所述用户数据分析模块包括：
等级划分模块，用以根据多个第三预设规则区分所述高价值用户类别内的用户，将所述用户按价值判定指标由高到低依次排序；还用以根据多个预设判定值区分所述退货敏感用户类别内的用户，将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户；以及用以根据多个第四预设规则区分所述活跃用户类别内的用户，将所述用户按交互操作总分值由高到低依次排序。
CN202210144920.5A 2022-02-17 2022-02-17 一种基于大数据的用户管理分析方法及系统 Pending CN114240518A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210144920.5A CN114240518A (zh) 2022-02-17 2022-02-17 一种基于大数据的用户管理分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210144920.5A CN114240518A (zh) 2022-02-17 2022-02-17 一种基于大数据的用户管理分析方法及系统

Publications (1)

Publication Number Publication Date
CN114240518A true CN114240518A (zh) 2022-03-25

Family

ID=80747550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210144920.5A Pending CN114240518A (zh) 2022-02-17 2022-02-17 一种基于大数据的用户管理分析方法及系统

Country Status (1)

Country Link
CN (1) CN114240518A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835057A (zh) * 2015-04-02 2015-08-12 百度在线网络技术（北京）有限公司 一种获取网络用户的消费特征信息的方法及装置
CN106157114A (zh) * 2016-07-06 2016-11-23 商宴通（上海）网络科技有限公司 基于用户用餐行为建模的首页推荐算法
CN112184489A (zh) * 2020-09-30 2021-01-05 深圳供电局有限公司 一种电力用户分群管理系统及方法
CN113807469A (zh) * 2021-11-16 2021-12-17 中国科学院理化技术研究所 一种多能源用户价值预测方法、装置、存储介质和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835057A (zh) * 2015-04-02 2015-08-12 百度在线网络技术（北京）有限公司 一种获取网络用户的消费特征信息的方法及装置
CN106157114A (zh) * 2016-07-06 2016-11-23 商宴通（上海）网络科技有限公司 基于用户用餐行为建模的首页推荐算法
CN112184489A (zh) * 2020-09-30 2021-01-05 深圳供电局有限公司 一种电力用户分群管理系统及方法
CN113807469A (zh) * 2021-11-16 2021-12-17 中国科学院理化技术研究所 一种多能源用户价值预测方法、装置、存储介质和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙新伟: "电商企业网购用户的客户分类识别研究", 《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》 *

Similar Documents

Publication Publication Date Title
CN109063945B (zh) 一种基于价值评估体系的售电公司360度客户画像构建方法
CN108363821A (zh) 一种信息推送方法、装置、终端设备及存储介质
CN111062757B (zh) 基于多路径寻优匹配的信息推荐方法及系统
CN103714139B (zh) 一种移动海量客户群识别的并行数据挖掘方法
CN102236663B (zh) 一种基于垂直搜索的查询方法、系统和装置
US7577579B2 (en) Method of predicting sales based on triple-axis mapping of customer value
CN112184489A (zh) 一种电力用户分群管理系统及方法
CN112232909A (zh) 一种基于企业画像的商机挖掘方法
CN110704572A (zh) 疑似非法集资风险的预警方法、装置、设备和存储介质
CN112184484B (zh) 一种电力用户差异化服务方法及系统
CN107292744A (zh) 基于机器学习的投资趋势分析方法及其系统
Azeem et al. A fuzzy based churn prediction and retention model for prepaid customers in telecom industry
CN114912905A (zh) 一种目标对象的挖掘方法及装置
CN112070126A (zh) 一种物联网数据挖掘方法
CN117495512B (zh) 订单数据的管理方法、装置、设备及存储介质
CN115130811A (zh) 电力用户画像的建立方法、装置及电子设备
Dong et al. Integrated Machine Learning Approaches for E-commerce Customer Behavior Prediction
Lewaaelhamd Customer segmentation using machine learning model: an application of RFM analysis
CN112258067A (zh) 基于高斯混合模型聚类算法的低压用户缴费行为分类方法
CN112150179B (zh) 一种信息推送方法和装置
CN114240518A (zh) 一种基于大数据的用户管理分析方法及系统
CN115965468A (zh) 基于交易数据的异常行为检测方法、装置、设备及介质
CN114078063A (zh) 一种利用电力客户用电负荷信息实现行业分类的方法
CN115563176A (zh) 一种电子商务数据处理系统及方法
Fang et al. Data mining technology and its Application In CRM of Commercial Banks

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