CN115587853A - 电子商务与大数据结合的业务画像分析方法及系统 - Google Patents
电子商务与大数据结合的业务画像分析方法及系统 Download PDFInfo
- Publication number
- CN115587853A CN115587853A CN202211305877.2A CN202211305877A CN115587853A CN 115587853 A CN115587853 A CN 115587853A CN 202211305877 A CN202211305877 A CN 202211305877A CN 115587853 A CN115587853 A CN 115587853A
- Authority
- CN
- China
- Prior art keywords
- current
- data
- consumption
- portrait
- generating
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 134
- 238000007405 data analysis Methods 0.000 claims abstract description 47
- 238000001914 filtration Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003703 image analysis method Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000013580 sausages Nutrition 0.000 description 1
- 230000003068 static 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种电子商务与大数据结合的业务画像分析方法及系统，包括获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；获取所述当前业务分析主体的消费点击指令时，生成当前主体预测消费情况，并获取当前实际消费情况数据；生成当前画像预测偏差；获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。本发明保证最后生成的所述当前主体实际业务画像是准确的，进而提升业务画像准确率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种电子商务与大数据结合的业务画像分析方法及系统。
背景技术
用户画像主要是为了刻画一个用户的特征，主要分为定量画像和定性画像，定量的主要是数量，定性的主要是一种特征，i并不能用数量表示，一般是使用标签来表示，比如：一个人的生活环境。标签是某一种用户特征的符号表示，每个标签都规定了我们观察、认识和描述用户的一个角度。用户画像是一个整体，各个维度不孤立，标签之间间有联系。用户画像是对现实世界中用户的数学建模，评价用户画像的二个指标：标签准不准、标签全不全，当然这个也具体的业务场景有关。
目前，关于业务画像的建立多为根据数据直接建立，并投入使用，如申请号为CN202110770366.7的专利文件中公开了一种电子商务与大数据结合的业务画像分析方法及系统，通过获取目标电商业务对象对使用电商服务平台的电商业务项目而产生的包括一个或多个电商业务项目的电商业务项目组，针对电商业务项目组中的每个电商业务项目包括的不同的操作行为单元进行大数据分析，得到目标电商业务对象业务画像特征，最后根据业务画像特征对所述目标电商业务对象进行业务信息推送。如此，在对目标电商业务对象的业务画像分析过程中，深入到所述目标电商业务对象针对各电商业务项目的操作行为单元进行深层次的分析，可以有效的提升针对目标业务对象的画像特征的分析准确性，进而提升后期的应用效果，例如，可以提升针对业务对象的业务信息推送的推送效果。
但是，该种技术方案是根据数据进行业务画像的直接建立，并直接投入使用，这样仅依靠历史数据导致出现业务画像不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高业务画像准确率的电子商务与大数据结合的业务画像分析方法及系统。
本发明技术方案如下：
一种电子商务与大数据结合的业务画像分析方法，所述方法包括：
获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
进一步地说，所述当前实际消费情况数据包括当前实际购买产品种类、当前购买实际选择时间、当前购买实际点击次数、当前实际消费数据和当前实际购买平台；所述当前主体预测消费情况包括预测购买种类、预测选择时间范围、预测点击次数范围、预测消费金额范围、预测消费平台；
根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；具体包括：
根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差。
进一步地说，获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，具体包括：
获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
进一步地说，获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像，具体包括：
获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画像。
进一步地说，获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据，具体包括：
获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
进一步地说，一种电子商务与大数据结合的业务画像分析系统，所述系统包括：
数据分析模块，用于获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；
主体预测模块，用于获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；
实际消费模块，用于根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；
业务生成模块，用于获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
进一步地说，所述实际消费模块还用于：
根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差；
所述业务生成模块还用于：获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
进一步地说，所述数据分析模块还用于：
获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画
所述主体预测模块还用于：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电子商务与大数据结合的业务画像分析方法所述的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电子商务与大数据结合的业务画像分析方法所述的步骤。
本发明实现技术效果如下：
上述电子商务与大数据结合的业务画像分析方法及系统，依次通过获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，本发明首先基于所述当前主体初始业务画像生成一个当前主体预测消费情况，此为预测数据，然后获取实际的数据，也即所述当前业务分析主体的当前实际消费情况数据，通过设置所述预设特定数量，这样实现了通过所述预设特定数量次矫正，进而能够根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，来保证最后生成的所述当前主体实际业务画像是准确的，进而提升业务画像准确率。
附图说明
图1为一个实施例中电子商务与大数据结合的业务画像分析方法的流程示意图；
图2为一个实施例中电子商务与大数据结合的业务画像分析系统的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，提供一种电子商务与大数据结合的业务画像分析方法的应用场景，该应用场景中包括一数据处理终端，所述数据处理终端用于获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
在一个实施例中，如图1所示，提供了一种电子商务与大数据结合的业务画像分析方法，所述方法包括：
步骤S100：获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；
进一步地说，基于历史数据和大数据分析，进而实现生成了初始的当前主体初始业务画像。
步骤S200：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；
本实施例中，当获取所述当前业务分析主体的消费点击指令时，说明此时所述是所述当前业务分析主体需要进行消费时，此时根据所述当前业务分析主体的消费点击指令的具体内容来进行相应的当前主体预测消费情况生成。
所述消费点击指令的具体内容，可以包括，但不限于搜索、浏览、查询记录以及售后服务等。搜索具体为搜索所需要的产品信息，如搜索游艇、飞机以及烤肠等。浏览具体为浏览进入消费界面后，消费界面所展示的信息，具体包括但不限于浏览网站、浏览淘宝、京东等购物网站。查询记录具体为查询自己的消费情况，售后服务具体为对已经购买的订单进行时退换货处理等。
步骤S300：根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；
步骤S400：获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
进一步地说，本实施例中，为了能够提高业务画像准确率，进而通过先获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；然后，根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；最后，获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，这样首先基于所述当前主体初始业务画像生成一个当前主体预测消费情况，此为预测数据，然后获取实际的数据，也即所述当前业务分析主体的当前实际消费情况数据，通过设置所述预设特定数量，这样实现了通过所述预设特定数量次矫正，进而能够根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，来保证最后生成的所述当前主体实际业务画像是准确的，进而提升业务画像准确率。
在一个实施例中，所述当前实际消费情况数据包括当前实际购买产品种类、当前购买实际选择时间、当前购买实际点击次数、当前实际消费数据和当前实际购买平台；所述当前主体预测消费情况包括预测购买种类、预测选择时间范围、预测点击次数范围、预测消费金额范围、预测消费平台；
步骤S300：根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；具体包括：
步骤S310：根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；
步骤S320：根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；
步骤S330：根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；
步骤S340：根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；
步骤S350：根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；
步骤S360：判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；
具体为对所述当前业务分析主体进行主体认证，具体为通过远程通话的方式，进行实时消费跟踪认证，以判断是否是当前业务分析主体做出的消费行为。这样可以筛选出其他的消费主体的消费情况对所述当前业务分析主体的业务画像的影响，提升后续根据对所述当前业务分析主体而建立的业务画像进行推荐的准确率和可靠性。
步骤S370：若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差。
本实施例中，根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差，其中若判断为是，则为判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是为当前业务分析主体所进行，那么此时建立的业务画像确定是所述当前业务分析主体的，进而保证了业务画像与当前业务分析主体的匹配性。
在一个实施例中，步骤S400：获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，具体包括：
步骤S410：获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；
步骤S420：获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；
步骤S430：获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；
具体地，所述的实际需求原因、所述实际选择关注点、和所述当前阶段平台选择原因为所述当前业务分析主体对当前的消费情况做出的原因和考虑因素，通过所述当前业务分析主体的自我分析原因，能够更清楚且准确地获取所述当前业务分析主体的实际消费习惯和需求。
步骤S440：根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
当获取了所述当前业务分析主体的实际消费习惯和需求后，再生成当前新增画像特征，实现了与之前所不同的消费习惯的建立与丰富，进而提升生成的所述当前主体实际业务画像的准确性。
本实施例中，获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，当出现业务画像的预测与实际消费偏差时，通过了解所述当前业务分析主体做出此消费情况的真实原因，进而实现了更精准且符合所述当前业务分析主体的消费实际情况来生成所述当前新增画像特征，进而实现了对业务画像校准。
在一个实施例中，步骤S100：获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像，具体包括：
步骤S110：获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；
具体地，数据滤波为进行无效的数据滤除，具体为将不小心点击而产生的浏览界面滤除，如进入购物app中之后，不小心点进了弹窗广告，然后又立马退出的浏览记录，进而提升了后续业务画像生成的准确性。解决市面上不滤除此类消费记录而存在的业务画像生成误差情况。
步骤S120：对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；
步骤S130：根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；
步骤S140：根据各所述细化拆分数据消费特征生成当前主体消费总特征；
具体地，通过先对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征，然后将各所述细化拆分数据消费特征汇总生成当前主体消费总特征，实现最终当前主体消费总特征的生成与汇总。
步骤S150：根据所述当前主体消费总特征生成当前主体初始业务画像。
本实施例中，首先通过获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画像，因而实现了在数据细化拆分的基础上进行业务画像建立，从而保证初始业务画像的细化建立，提升准确性。
在一个实施例中，步骤S200：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据，具体包括：
步骤S210：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；
步骤S220：获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；
步骤S230：获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；
所述隐私消费标识为预先设置的关于购买隐私物品不纳入业务画像建立的标识，所述隐私消费标识的设置极大情况解决了隐私问题，避免了现有的app中自动分享消费者购物数据的情况，也避免了购物隐私记录泄露给好友的问题。
所述隐私消费标识包括内衣、床上用品以及其他隐私消费品的标识。
步骤S240：从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
本实施例中，先通过获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；然后，获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；接着，获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；最后，从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像，进而实现所述当前主体初始业务画像的生成。
在一个实施例中，所述电子商务与大数据结合的业务画像分析方法还包括以下步骤：
首先，获取所述当前业务分析主体对特定事件段内对弹窗的实际处理操作；
根据所述实际处理操作生成实际处理习惯；
并根据所述实际处理习惯生成弹窗处理特征，并基于所述弹窗处理特征对所述当前主体实际业务画像进行更新。
所述实际处理操作包括点进去弹窗以及关闭弹窗等操作。所述实际处理习惯包括，但不限于，关闭弹窗。也即通过所述实际处理习惯的生成，进而极大提升了后续对实际弹窗处理的可靠性，同时还能够保留所述当前业务分析主体对弹窗的处理习惯，如每次都对弹窗进行关闭，则可以通过所述实际处理习惯生成的弹窗处理特征在下次再进行消费时，进行弹窗关闭，在提升生成的当前主体实际业务画像的准确性的前提下，进行提升所述当前业务分析主体的使用体验的功能。
在一个实施例中，所述电子商务与大数据结合的业务画像分析方法还包括以下步骤：
首先，获取所述当前业务分析主体对视频观看应用中的推荐应用的实际操作处理，然后根据所述实际操作处理生成应用推荐提醒特征，并根据所述应用推荐提醒特征对所述当前主体业务实际画像进行更新。
所述当前业务分析主体对视频观看应用中的推荐应用包括观看和不管看两种操作模式，若观看后，则下次则不希望再被推荐该应用，因此针对此种情况，通过生成应用推荐提醒特征，并根据所述应用推荐提醒特征对所述当前主体业务实际画像进行更新，使在基于该应用场景下建立的当前主体实际业务画像后，能够使对观看过之后的视频不再进行推荐，进而提升用户体验。
在一个实施例中，如图2所示，一种电子商务与大数据结合的业务画像分析系统，所述系统包括：
数据分析模块，用于获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；
主体预测模块，用于获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；
实际消费模块，用于根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；
业务生成模块，用于获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
在一个实施例中，所述实际消费模块还用于：
根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差；
所述业务生成模块还用于：获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
在一个实施例中，所述数据分析模块还用于：
获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画
所述主体预测模块还用于：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
在一个实施例中，如图3所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电子商务与大数据结合的业务画像分析方法所述的步骤。
在一个实施例中，所述业务生成模块还用于：首先，获取所述当前业务分析主体对特定事件段内对弹窗的实际处理操作；根据所述实际处理操作生成实际处理习惯；并根据所述实际处理习惯生成弹窗处理特征，并基于所述弹窗处理特征对所述当前主体实际业务画像进行更新。
在一个实施例中，所述业务生成模块还用于：获取所述当前业务分析主体对视频观看应用中的推荐应用的实际操作处理，然后根据所述实际操作处理生成应用推荐提醒特征，并根据所述应用推荐提醒特征对所述当前主体业务实际画像进行更新。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电子商务与大数据结合的业务画像分析方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电子商务与大数据结合的业务画像分析方法，其特征在于，所述方法包括：
获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
2.根据权利要求1所述的电子商务与大数据结合的业务画像分析方法，其特征在于，所述当前实际消费情况数据包括当前实际购买产品种类、当前购买实际选择时间、当前购买实际点击次数、当前实际消费数据和当前实际购买平台；所述当前主体预测消费情况包括预测购买种类、预测选择时间范围、预测点击次数范围、预测消费金额范围、预测消费平台；
根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；具体包括：
根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差。
3.根据权利要求2所述的电子商务与大数据结合的业务画像分析方法，其特征在于，获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像，具体包括：
获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
4.根据权利要求1所述的电子商务与大数据结合的业务画像分析方法，其特征在于，获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像，具体包括：
获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画像。
5.根据权利要求4所述的电子商务与大数据结合的业务画像分析方法，其特征在于，获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据，具体包括：
获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
6.一种电子商务与大数据结合的业务画像分析系统，其特征在于，所述系统包括：
数据分析模块，用于获取当前业务分析主体的历史电商消费情况数据，并对所述历史电商消费情况数据进行大数据分析，在大数据分析完成后生成当前主体初始业务画像；
主体预测模块，用于获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况，并获取所述当前业务分析主体的当前实际消费情况数据；
实际消费模块，用于根据所述当前实际消费情况数据和所述当前主体预测消费情况生成当前画像预测偏差；
业务生成模块，用于获取预设特定数量的当前画像预测偏差，根据所述当前画像预测偏差生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
7.根据权利要求6所述的电子商务与大数据结合的业务画像分析系统，其特征在于，所述实际消费模块还用于：
根据所述当前实际购买产品种类和所述预测购买种类生成消费产品种类偏差数据；根据所述当前购买实际选择时间和所述预测选择时间范围，生成购买选择时间偏差数据；根据所述当前购买实际点击次数和所述预测点击次数范围，生成购买选择次数偏差数据；根据所述当前实际消费数据和所述预测消费金额范围，生成购买力消费偏差数据；根据所述当前实际购买平台和所述预测消费平台，生成购买平台选择偏差；判断所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差是否为当前业务分析主体所进行；若判断为是，则根据所述消费产品种类偏差数据、所述购买选择时间偏差数据、所述购买选择次数偏差数据、所述购买力消费偏差数据和所述购买平台选择偏差生成当前画像预测偏差；
所述业务生成模块还用于：获取所述当前业务分析主体对所述当前实际购买产品种类的实际需求原因，并根据所述实际需求原因和所述消费产品种类偏差数据生成新增购买种类特征；获取所述当前业务分析主体花费所述当前购买实际选择时间和点击所述当前购买实际点击次数的实际选择关注点，并根据所述实际选择关注点、所述购买选择时间偏差数据和所述购买选择次数偏差数据生成新增选择时间特征；获取所述当前业务分析主体选择当前实际消费数据和所述当前实际购买平台的当前阶段平台选择原因，并根据所述当前阶段平台选择原因、所述购买力消费偏差数据和所述购买平台选择偏差生成当前阶段消费能力特征；根据所述新增购买种类特征、所述新增选择时间特征和所述当前阶段消费能力特征生成当前新增画像特征，并基于所述前新增画像特征对所述当前主体初始业务画像进行画像纠正，并生成当前主体实际业务画像。
8.根据权利要求6所述的电子商务与大数据结合的业务画像分析系统，其特征在于，所述数据分析模块还用于：
获取历史电商消费情况数据，并对所述历史电商消费情况数据进行数据滤波，并在数据滤波后生成初始滤除消费情况数据；对所述初始滤除消费情况数据按照预设的消费时间阶段进行数据拆分，并分别生成拆分后消费情况数据；根据预设的大数据分析模块对各所述拆分后消费情况数据进行大数据分析，并分别生成细化拆分数据消费特征；根据各所述细化拆分数据消费特征生成当前主体消费总特征；根据所述当前主体消费总特征生成当前主体初始业务画
所述主体预测模块还用于：获取所述当前业务分析主体的消费点击指令时，根据所述当前主体初始业务画像生成当前主体预测消费情况；获取所述当前业务分析主体在预设标准时间段内的初始实际消费数据；获取所述当前业务分析主体预先设置的隐私消费标识，根据所述隐私消费标识对所述初始实际消费数据进行数据滤除，并生成初筛后实际消费数据；从所述初筛后实际消费数据中滤除非所述当前业务分析主体操作的购买数据，并生成当前主体初始业务画像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211305877.2A CN115587853B (zh) | 2022-10-24 | 2022-10-24 | 电子商务与大数据结合的业务画像分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211305877.2A CN115587853B (zh) | 2022-10-24 | 2022-10-24 | 电子商务与大数据结合的业务画像分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115587853A true CN115587853A (zh) | 2023-01-10 |
| CN115587853B CN115587853B (zh) | 2024-04-05 |
Family
ID=84782721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211305877.2A Active CN115587853B (zh) | 2022-10-24 | 2022-10-24 | 电子商务与大数据结合的业务画像分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115587853B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010111913A (ko) * | 2000-06-14 | 2001-12-20 | 김병도 | 전자상거래에서 데이터베이스 마케팅을 위한 복합적필터링장치 및 방법 |
| US20060015404A1 (en) * | 2004-05-28 | 2006-01-19 | Infinian Corporation | Service provider system and method for marketing programs |
| US7725366B1 (en) * | 2007-05-01 | 2010-05-25 | Hector Franco | Supply-chain management system |
| US8412656B1 (en) * | 2009-08-13 | 2013-04-02 | Videomining Corporation | Method and system for building a consumer decision tree in a hierarchical decision tree structure based on in-store behavior analysis |
| CN104820863A (zh) * | 2015-03-27 | 2015-08-05 | 北京智慧图科技有限责任公司 | 一种消费者画像生成方法及装置 |
| CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
| CN109615416A (zh) * | 2018-11-07 | 2019-04-12 | 爱保科技（横琴）有限公司 | 基于用户购买行为的商业服务推荐方法及系统 |
| CN111161104A (zh) * | 2019-12-20 | 2020-05-15 | 青岛聚好联科技有限公司 | 一种社区用户画像的生成方法及装置 |
| CN111815407A (zh) * | 2020-07-02 | 2020-10-23 | 杭州屏行视界信息科技有限公司 | 一种搭建用户画像的方法及装置 |
| CN112084223A (zh) * | 2020-09-02 | 2020-12-15 | 深圳市铭数信息有限公司 | 一种用户画像的生成方法、装置、设备和存储介质 |
| CN112561573A (zh) * | 2020-12-07 | 2021-03-26 | 宿州同创网络科技有限公司 | 基于移动端反馈的居民消费画像的统计算法 |
| WO2021196097A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳市欢太科技有限公司 | 用户画像列表构建方法、装置、服务器以及存储介质 |
| CN114240507A (zh) * | 2021-12-22 | 2022-03-25 | 上海睿丛摄智信息科技有限公司 | 一种消费者用户画像标签的确定方法 |
| WO2022142493A1 (zh) * | 2020-12-29 | 2022-07-07 | 京东城市(北京)数字科技有限公司 | 业务数据处理方法、装置、电子设备和存储介质 |
-
2022
- 2022-10-24 CN CN202211305877.2A patent/CN115587853B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010111913A (ko) * | 2000-06-14 | 2001-12-20 | 김병도 | 전자상거래에서 데이터베이스 마케팅을 위한 복합적필터링장치 및 방법 |
| US20060015404A1 (en) * | 2004-05-28 | 2006-01-19 | Infinian Corporation | Service provider system and method for marketing programs |
| US7725366B1 (en) * | 2007-05-01 | 2010-05-25 | Hector Franco | Supply-chain management system |
| US8412656B1 (en) * | 2009-08-13 | 2013-04-02 | Videomining Corporation | Method and system for building a consumer decision tree in a hierarchical decision tree structure based on in-store behavior analysis |
| CN104820863A (zh) * | 2015-03-27 | 2015-08-05 | 北京智慧图科技有限责任公司 | 一种消费者画像生成方法及装置 |
| CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
| CN109615416A (zh) * | 2018-11-07 | 2019-04-12 | 爱保科技（横琴）有限公司 | 基于用户购买行为的商业服务推荐方法及系统 |
| CN111161104A (zh) * | 2019-12-20 | 2020-05-15 | 青岛聚好联科技有限公司 | 一种社区用户画像的生成方法及装置 |
| WO2021196097A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳市欢太科技有限公司 | 用户画像列表构建方法、装置、服务器以及存储介质 |
| CN111815407A (zh) * | 2020-07-02 | 2020-10-23 | 杭州屏行视界信息科技有限公司 | 一种搭建用户画像的方法及装置 |
| CN112084223A (zh) * | 2020-09-02 | 2020-12-15 | 深圳市铭数信息有限公司 | 一种用户画像的生成方法、装置、设备和存储介质 |
| CN112561573A (zh) * | 2020-12-07 | 2021-03-26 | 宿州同创网络科技有限公司 | 基于移动端反馈的居民消费画像的统计算法 |
| WO2022142493A1 (zh) * | 2020-12-29 | 2022-07-07 | 京东城市(北京)数字科技有限公司 | 业务数据处理方法、装置、电子设备和存储介质 |
| CN114240507A (zh) * | 2021-12-22 | 2022-03-25 | 上海睿丛摄智信息科技有限公司 | 一种消费者用户画像标签的确定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李佳慧 等: ""基于大数据的电子商务用户画像构建研究"", no. 01, pages 46 - 49 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115587853B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101708444B1 (ko) | 키워드 및 자산 가격 관련성 평가 방법 및 그 장치 | |
| CN103118111B (zh) | 一种基于多个数据交互中心的数据进行信息推送的方法 | |
| WO2019080662A1 (zh) | 信息推荐方法及装置、设备 | |
| CN110135943B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN110609954A (zh) | 数据获取方法、装置、计算机设备和存储介质 | |
| CN109886772A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN107783861B (zh) | 交易回滚方法、装置、存储介质和计算机设备 | |
| CN112104505B (zh) | 应用推荐方法、装置、服务器和计算机可读存储介质 | |
| CN112418978A (zh) | 产品推荐方法、装置、设备及介质 | |
| JP7015927B2 (ja) | 学習モデル適用システム、学習モデル適用方法、及びプログラム | |
| US9779460B2 (en) | Systems, methods and non-transitory computer readable storage media for tracking and evaluating predictions regarding relationships | |
| CN113362143A (zh) | 基于大数据的互联网销售推荐方法及系统 | |
| CN110889748B (zh) | 店商平台产品推荐方法、装置、计算机设备以及存储介质 | |
| CN115587853B (zh) | 电子商务与大数据结合的业务画像分析方法及系统 | |
| JP7171275B2 (ja) | 画像評価装置、システム、画像評価装置の制御方法およびプログラム | |
| CN111159575A (zh) | 一种基于手机银行的交友方法及装置 | |
| CN116402581A (zh) | 基于人工智能的电商数据管理方法及系统 | |
| CN115687691A (zh) | 视频推荐方法及装置 | |
| CN111401395A (zh) | 一种数据处理方法、终端设备及存储介质 | |
| CN115374348A (zh) | 一种信息推荐方法、信息推荐装置和可读存储介质 | |
| CN110798742B (zh) | 节目推荐方法、装置、存储介质和计算机设备 | |
| US11244019B2 (en) | Enrichment of user specific information | |
| CN113806662A (zh) | 一种运营数据推送控制方法、装置、终端设备及存储介质 | |
| US20160066173A1 (en) | Method and System for Discovering and Connecting Device for Streaming Connection with a Computerized Communication Device | |
| CN113254760A (zh) | 自助设备的功能菜单推送方法、系统、设备和介质 |
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 |