CN117271905B - 基于人群画像的侧向需求分析方法及系统 - Google Patents
基于人群画像的侧向需求分析方法及系统 Download PDFInfo
- Publication number
- CN117271905B CN117271905B CN202311552859.9A CN202311552859A CN117271905B CN 117271905 B CN117271905 B CN 117271905B CN 202311552859 A CN202311552859 A CN 202311552859A CN 117271905 B CN117271905 B CN 117271905B
- Authority
- CN
- China
- Prior art keywords
- user
- portrait
- portraits
- sub
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 99
- 238000003012 network analysis Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000003058 natural language processing Methods 0.000 claims abstract description 11
- 230000003993 interaction Effects 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000007717 exclusion Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006399 behavior Effects 0.000 description 23
- 230000008451 emotion Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Classifications
-
- 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
Abstract
本发明公开了基于人群画像的侧向需求分析方法及系统，属于自然语言处理领域，其中方法包括：配置主人群画像；建立监督数据集，并进行监督数据集的信息提取，建立信息特征集；分别以主人群画像中的子画像作为初始匹配画像，执行信息特征集与子画像的关联匹配，生成匹配关联集；进行消费比例解析，并根据消费比例解析结果和子画像顺序排序生成消费匹配值；通过消费匹配值和关联总值输入侧向需求分析网络，执行网络分析；根据网络分析结果生成用户侧向需求，将用户侧向需求添加至主人群画像。本申请解决了现有技术中无法精确捕捉用户个性化侧向需求的技术问题，达到了实现精确的侧向需求分析，提高个性化服务和用户满意度的技术效果。
Description
技术领域
本发明涉及自然语言处理领域，具体涉及基于人群画像的侧向需求分析方法及系统。
背景技术
随着互联网技术的快速发展，用户生成的数据量不断增加，用户参与的互联网活动也变得愈加多样化，导致广告、个性化推荐、市场分析等领域对用户需求的更深入理解和精确把握的迫切需求。然而，传统的需求分析方法往往受限于数据量庞大和多样性，难以实现用户需求的高精确度分析；同时，用户需求往往是多维度的，如何有效整合和分析这些多维度数据，以提供更精准的个性化服务和推荐，成为亟待解决的问题。
发明内容
本申请通过提供了基于人群画像的侧向需求分析方法及系统，旨在解决现有技术中无法精确捕捉用户个性化侧向需求的技术问题。
鉴于上述问题，本申请提供了基于人群画像的侧向需求分析方法及系统。
本申请公开的第一个方面，提供了基于人群画像的侧向需求分析方法，该方法包括：配置主人群画像，其中，主人群画像为根据用户数据建立的主要需求画像，主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，信息特征集带有特征值标识；分别以主人群画像中的子画像作为初始匹配画像，执行信息特征集与子画像的关联匹配，生成匹配关联集，其中，匹配关联集包括关联总值和子画像顺序排序；根据主人群画像进行消费比例解析，并根据消费比例解析结果和子画像顺序排序生成消费匹配值；通过消费匹配值和关联总值输入侧向需求分析网络，执行网络分析；根据网络分析结果生成用户侧向需求，将用户侧向需求添加至主人群画像。
本申请公开的另一个方面，提供了基于人群画像的侧向需求分析系统，该系统包括：画像配置单元，用于配置主人群画像，其中，主人群画像为根据用户数据建立的主要需求画像，主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；信息提取单元，用于对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，信息特征集带有特征值标识；关联匹配单元，用于分别以主人群画像中的子画像作为初始匹配画像，执行信息特征集与子画像的关联匹配，生成匹配关联集，其中，匹配关联集包括关联总值和子画像顺序排序；消费比例解析单元，用于根据主人群画像进行消费比例解析，并根据消费比例解析结果和子画像顺序排序生成消费匹配值；网络分析单元，用于通过消费匹配值和关联总值输入侧向需求分析网络，执行网络分析；侧向需求生成单元，用于根据网络分析结果生成用户侧向需求，将用户侧向需求添加至主人群画像。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了配置主人群画像，包括职业特征、消费习惯、兴趣爱好、社交习惯和价值观子画像，以定义用户的特征和需求，为个性化需求分析奠定基础；对用户数据进行监督，建立监督数据集，并利用自然语言处理算法从数据集中提取信息特征，有助于高效提取用户数据中的信息，为后续的分析提供数据基础；使用主人群画像中的子画像作为初始匹配画像，将信息特征集与这些子画像进行关联匹配，生成匹配关联集，有助于了解用户需求与主人群画像的关系；根据主人群画像进行消费比例解析，以了解用户的消费行为；利用解析结果和子画像的顺序排序生成消费匹配值，进一步了解用户的消费习惯；通过输入消费匹配值和关联总值到侧向需求分析网络，执行网络分析，以精确分析用户的需求，实现更好的个性化服务；根据网络分析的结果，生成用户侧向需求，添加至主人群画像，以满足用户需求和提高用户满意度的技术方案，解决了现有技术中无法精确捕捉用户个性化侧向需求的技术问题，达到了实现精确的侧向需求分析，提高个性化服务和用户满意度的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于人群画像的侧向需求分析方法的一种流程示意图；
图2为本申请实施例提供了基于人群画像的侧向需求分析方法中获得网络分析结果的一种流程示意图；
图3为本申请实施例提供了基于人群画像的侧向需求分析系统的一种结构示意图。
附图标记说明：画像配置单元11，信息提取单元12，关联匹配单元13，消费比例解析单元14，网络分析单元15，侧向需求生成单元16。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了基于人群画像的侧向需求分析方法及系统。首先，通过配置主人群画像，该画像包括职业特征、消费习惯、兴趣爱好、社交习惯和价值观等多维度子画像，形成全面的用户特征描述，为个性化需求分析奠定基础。然后，利用数据监督和自然语言处理算法，建立监督数据集，然后从中提取信息特征，这些特征带有特征值标识，以实现从用户数据中的信息提取，为侧向需求分析提供有力支持。最后，通过信息特征与子画像的关联匹配，结合消费比例解析和网络分析，生成用户的侧向需求，从而全面了解目标群体的全面特征，更好地制定营销策略，提高个性化服务和用户满意度，实现更好的用户体验。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例1
如图1所示，本申请实施例提供了基于人群画像的侧向需求分析方法，该方法包括：
配置主人群画像，其中，所述主人群画像为根据用户数据建立的主要需求画像，所述主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；
在本申请实施例中，配置主人群画像，以确立用户需求和特点的详细描述，该主人群画像根据用户数据构建的，以便更好地了解用户的行为和偏好，由多个子画像组成，包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像。其中，职业特征子画像是关于用户职业、工作经历、工作时间、工作强度和相关信息的子画像；消费习惯子画像涵盖了用户的消费行为，例如购买历史、购物偏好、支出模式等，有助于了解用户的消费趋势和习惯；兴趣爱好子画像关注用户的兴趣、爱好和娱乐活动等，以理解用户的兴趣领域和可能的需求；社交习惯子画像包括用户的社交圈子、社交媒体活动和社交习惯，有助于了解用户的社交互动方式和可能的社交需求；价值观子画像涉及用户的价值观、信仰和伦理观，以更好地预测用户的需求和行为。
通过配置主人群画像，可以精细理解用户的需求和倾向，为后续的侧向需求分析提供关键的信息基础。
对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，所述信息特征集带有特征值标识；
在本申请实施例中，在用户明确许可的条件下，对用户数据的数据监督，确保用户数据的合法收集和使用。收集用户在网络中的详细操作信息，实现数据监督，对收集到的用户执行数据进行整理，从而构建监督数据集，其中包括用户数据的文本文档，例如评论、社交媒体帖子、问卷调查回答、浏览记录等，为更好地了解用户的需求和行为奠定基础。
然后，对监督数据集中的数据进行预处理，例如去除停用词、标点符号和特殊字符、进行文本分词以将文本拆分成单词或短语、进行词干提取和词形还原等操作。随后，识别数据中的人名、地名、组织名等实体，并确定文本中的关键词汇，再确定文本中的情感极性，例如正面、负面或中性情感，以理解用户的情感态度，之后识别文本中实体之间的关系，例如某用户是否喜欢某产品，得到对监督数据集的提取信息。接着，基于提取信息，构建信息特征集。该信息特征集包括文本特征，数字特征或结合特征，其中，文本特征包括关键词汇出现的频率、情感得分等；数字特征包括用户的统计信息，例如年龄、性别、地理位置等；结合特征包括文本信息和用户属性的组合特征，其中，每个特征包含特征值标识，有助于帮助快速识别和描述用户的特点和行为。
分别以主人群画像中的子画像作为初始匹配画像，执行所述信息特征集与子画像的关联匹配，生成匹配关联集，其中，所述匹配关联集包括关联总值和子画像顺序排序；
在本申请实施例中，以主人群画像中的不同子画像作为初始匹配画像，来执行信息特征集与这些子画像之间的关联匹配，为每个子画像建立一个匹配关联集，以更好地理解用户的需求和行为。其中，匹配关联集包括两个重要组成部分，即关联总值和子画像的顺序排序。
首先，将主人群画像中的子画像，如职业特征子画像、消费习惯子画像等，视为潜在的初始匹配画像。然后，使用文本匹配技术、相似度分析等方法，将信息特征集与每个子画像进行关联匹配，确定信息特征集中的特征与每个子画像之间的相关性程度，得到各子画像与信息特征集的关联值，从而得到匹配关联集。该匹配关联集包括关联总值和子画像顺序排序，其中，关联总值表示信息特征集与子画像之间的总体匹配程度，反映信息特征集与子画像的相关性；子画像顺序排序是对匹配关联集中各子画像的关联值进行排序，以确定不同子画像与信息特征集之间的匹配顺序。
根据所述主人群画像进行消费比例解析，并根据消费比例解析结果和所述子画像顺序排序生成消费匹配值；
在本申请实施例中，根据配置好的主人群画像，进行消费比例解析，以更好地理解用户的消费行为和倾向，并基于消费比例解析结果以及子画像顺序，生成消费匹配值，从而更好地理解用户需求。
首先，对主人群画像中的不同子画像进行分析，解析出用户在不同消费领域的比例和趋势，包括用户在不同商品或服务类别中的消费比例，例如食品、娱乐、教育等，得到消费比例解析结果，提供有关用户消费行为的详细信息，以数值和百分比的形式呈现。然后，根据子画像顺序排序为不同的子画像分配对应的权重，以反映其在用户需求中的相对重要性。随后，将消费比例解析结果与子画像的权重相乘，并将这些值相加，以计算消费匹配值，反映用户的消费行为与其主要需求画像之间的相关性。
通过所述消费匹配值和所述关联总值输入侧向需求分析网络，执行网络分析；
在本申请实施例中，首先，将生成的消费匹配值和获得的关联总值作为输入数据传递给侧向需求分析网络。其中，侧向需求分析网络基于机器学习和数据分析技术，旨在分析用户的需求和行为。在侧向需求分析网络中，输入的消费匹配值和关联总值将被分析，以识别用户的偏好、兴趣、需求和行为趋势。例如，将用户分成不同的群组或类别，以理解不同用户群组的需求，实现用户细分；预测用户未来的需求和行为，以提前满足用户的需求；分析用户的个性化需求和服务建议等；分析用户的情感和反馈，以了解用户满意度和情感态度，从而实现网络分析，得到网络分析结果。
根据网络分析结果生成用户侧向需求，将所述用户侧向需求添加至所述主人群画像。
在本申请实施例中，通过侧向需求分析网络得到的网络分析结果中包含关于用户需求、兴趣和行为的详细分析信息。基于该网络分析结果，解析用户特定的产品偏好、服务需求、购买行为趋势等，例如用户在特定领域的需求增长或某种产品的热门需求，从而得到用户侧向需求。
随后，将生成的用户侧向需求添加到已有的主人群画像中，使主人群画像变得更加详细和全面，有助于更好地理解用户的需求，从而更好地了解目标群体的全面特征，以更加个性化的产品和服务，定制广告、促销和营销策略，以更好地满足用户的需求，提高用户满意度和体验。
进一步的，本申请实施例还包括：
设定排除阈值和数量约束；
以所述排除阈值作为第一优先级筛选约束，以所述数量约束作为第二优先级筛选约束，执行所述子画像顺序排序的筛选重构；
基于筛选重构结果重构子画像与信息特征集的关联值；
根据重构结果获得所述消费匹配值。
在一种优选的实施方式中，首先，设定排除阈值和数量约束，用于筛选和过滤子画像以获得更准确的消费匹配值参数。其中，排除阈值为数值或百分比，用于确定哪些子画像应被排除在分析之外，子画像与信息特征集的相关性得分低于排除阈值的将被排除；数量约束规定了在筛选过程中保留的子画像的最大数量。然后，以排除阈值作为第一优先级筛选约束，根据排除阈值，对子画像顺序排序进行筛选，过滤掉与信息特征集相关性低于该阈值的子画像，得到第一优先级筛选结果。随后，以数量约束作为第二优先级筛选约束，根据数量约束，对第一优先级筛选结果，仅保留前N个（N由数量约束规定）最相关的子画像，得到筛选重构结果，该筛选重构结果中的子画像与信息特征集的相关性得分均大于或等于排除阈值，并且，其中的子画像个数小于或等于数量约束。
接着，基于筛选重构结果中重构后的子画像，使用文本匹配技术、相似度分析等方法，重新计算这些子画像与信息特征集的关联值，以反映新的筛选后的子画像。最后，根据重构后的子画像与信息特征集的关联值，生成最终的消费匹配值，反映用户的消费行为与其主要需求画像之间的相关性，提高消费匹配值的准确性和相关性，确保只有最相关的子画像被用于生成消费匹配值，以更好地满足用户的需求。
进一步的，本申请实施例还包括：
对用户执行收入连续监督，生成收入监督数据；
根据所述收入监督数据进行整体收入稳态评价，基于评价结果初始化稳态系数；
基于所述收入监督数据确定收入均值，并根据当前节点收入数据与收入均值的差值和稳态系数进行收入影响分析；
根据收入影响分析结果对所述侧向需求分析网络优化，根据优化后的所述侧向需求分析网络完成网络分析。
在一种优选的实施方式中，在用户明确许可的条件下，对用户的收入情况进行连续的监督和数据采集，如银行交易记录、工资单、在线支付数据或其他财务信息来源等，得到收入监督数据，反映用户的经济状况。随后，根据用户的收入监督数据对用户的整体收入稳态进行评估，即分析用户的经济情况的长期趋势，以了解其是否经常经历收入波动，或者其收入水平是否相对稳定，得到评价结果，并由专家组根据评价结果初始化稳态系数，用于表示用户的经济稳定性。
然后，基于收入监督数据计算用户的收入均值，反映用户的经济状况的平均水平，作为用户的财务基准。接着，获取当前时间节点的实际收入数据，包括用户最近一段时间内的收入来源和金额，计算当前节点的收入数据与收入均值之间的差值，了解用户当前的经济状况是高于还是低于其平均水平。之后，综合当前节点收入数据与收入均值的差值和稳态系数，进行收入影响分析，以了解用户的财务健康状况，例如，识别用户是否处于收入稳定期，是否有收入增加或减少等，从而得到收入影响分析结果。
接下来，利用收入影响分析结果，对侧向需求分析网络进行优化，例如，根据用户的经济状况，调整产品或服务的个性化推荐；优化定价策略，以满足用户的财务能力和需求；重新分配资源，以更好地支持具有不同财务状况的用户等，得到优化后的侧向需求分析网络。然后，使用优化后的侧向需求分析网络进行网络分析，在考虑用户经济状况的情况下，更好地理解用户需求和行为，有助于提供更好的个性化服务，从而提高用户满意度和体验。
进一步的，如图2所示，本申请实施例还包括：
通过所述监督数据集建立信息特征集中各个特征的时限节点；
以所述时限节点对应的映射关系进行特征的时限逼近评价；
根据时限逼近评价结果对所述侧向需求分析网络进行网络分析补偿，根据补偿结果获得所述网络分析结果。
在一种优选的实施方式中，监督数据集中包含了用户的历史数据、行为等数据，其中数据包括时间戳，以反映数据的时间演化。信息特征集是用户特征的集合，包括职业特征、消费习惯、兴趣爱好、社交习惯、价值观等，每个特征都具有不同的特征值。通过分析监督数据集中的特征值变化和时间戳信息，确定了信息特征集中的各个特征的时限节点，表示在用户的历史数据中特征值发生显著变化的时间点。
然后，建立时限节点和特征值之间的联系，用于比较不同时限节点的特征值。对于每个特征，使用映射关系，评估特征在时限节点之间的变化情况，例如，分析特征值的增加或减少；检测特征值的趋势，如上升、下降或波动；识别特征值的稳定性或不稳定性等，从而得到时限逼近评价结果。
随后，使用时限逼近评价结果，对侧向需求分析网络进行调整和补偿，例如，重新分配侧向需求分析网络中的参数权重，以考虑特征的时序变化；修改分析算法，以更好地适应时序特性；改进网络模型，以更好地预测用户需求等。通过网络分析补偿，基于补偿后的侧向需求分析网络获得改进的网络分析结果，得到更准确的用户需求和行为预测。
进一步的，本申请实施例还包括：
获得所述用户的关联用户集，并对所述关联用户集和所述用户建立需求关联；
对所述关联用户集进行数据检测，并通过关联数据检测结果和所述需求关联生成实时关联匹配值；
依据所述实时关联匹配值生成用户的附加侧向需求，并将所述附加侧向需求添加至所述用户侧向需求。
在一种优选的实施方式中，首先，通过不同的方式（例如社交媒体、共同兴趣、购买历史等）获得与用户相关的关联用户集，其中，关联用户是与用户有社交联系或相似兴趣的其他人。其次，分析关联用户集中各关联用户的行为和特征，与用户建立需求关联，以识别潜在的共同需求或相似需求。
然后，对关联用户集的数据进行分析和检测，以确定关联用户的需求和行为是否与用户的需求和行为相匹配，得到关联数据监测结果，包括用户与关联用户的兴趣点、购买模式、行为趋势等。基于关联数据检测结果，生成实时关联匹配值，反映用户与关联用户的需求关联程度。随后，基于实时关联匹配值，生成用户的附加侧向需求，例如，如果用户与关联用户有相似的购物兴趣，附加侧向需求则包括与购物相关的建议或信息。之后，将附加侧向需求添加至用户侧向需求中，形成了更丰富和个性化的用户侧向需求信息，以更全面地理解用户的兴趣和需求。
进一步的，本申请实施例还包括：
根据所述关联用户集与所述用户的历史交互信息构建交互数据库；
提取所述交互数据库中的共性种类特征；
根据所述交互数据库的交互频率和所述共性种类特征完成所述需求关联的建立。
在一种优选的实施方式中，历史交互信息包括用户与关联用户之间的过去互动的详细记录，如社交媒体上的互动、共同购买的产品、共同兴趣的主题等。首先，创建一个数据库，按照关联用户集中的各关联用户对历史交互信息进行分别存储，得到交互数据库。然后，分析用户和关联用户之间共同出现或共同参与的特定类别或类型的活动、兴趣或行为，提取共性特征种类，例如共同兴趣，即用户与关联用户一起关注的话题、领域或主题；共同互动行为，即用户和关联用户一起进行的共同活动、讨论或购买；共同喜好，即用户和关联用户之间共享的喜好或品味；频繁的共同参与，即用户和关联用户之间频繁一起参与的活动或事件。
随后，对关联用户集中各关联用户与用户的交互次数进行统计，得到在特定时间段内的用户和关联用户之间的交互频率。接着，使用交互频率和共性种类特征，建立需求关联，表示用户和关联用户之间的需求和兴趣的共性特征。例如，如果用户与关联用户频繁一起参与某类活动并展现相似的兴趣，则建立需求关联，表明该关联用户与用户具有相似的需求。
通过建立需求关联，有助于更好地了解用户和关联用户之间的需求关系，用于改进侧向需求分析，以更好地理解用户的兴趣和需求。
进一步的，本申请实施例还包括：
建立主人群画像的衰减阈值；
当所述主人群画像的任意子画像可以满足所述衰减阈值时，则生成主人群画像调整指令；
通过所述主人群画像调整指令优化掉对应的子画像，完成主人群画像更新。
在一种优选的实施方式中，设定衰减阈值，以决定主人群画像中的子画像何时应该被优化或更新。该衰减阈值用于度量主人群画像中的子画像的实际表现，当子画像的表现低于或达到衰减阈值时，则表示主人群画像需要进行调整和更新。
通过交互用户的需求反馈，对主人群画像的子画像的当前实际表现进行评估，当主人群画像的任意子画像满足衰减阈值时，即存在任意一个子画像的当前实际表现低于或达到衰减阈值，则自动生成主人群画像调整指令，指示需要对主人群画像进行调整或更新，该指令包括哪些子画像需要调整，如何调整以及何时进行调整。
随后，根据主人群画像调整指令，对相应的子画像进行优化调整，包括修改子画像的特征、权重、属性或其他相关信息，以反映用户的实际需求和兴趣。通过对子画像的优化，整个主人群画像将得到更新，以更准确地反映用户的需求特征，有助于确保主人群画像的时效性和适应性，以提供更准确和个性化的侧向需求分析，有助于提高用户满意度。
综上所述，本申请实施例所提供的基于人群画像的侧向需求分析方法具有如下技术效果：
配置主人群画像，其中，主人群画像为根据用户数据建立的主要需求画像，主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像，有助于全面了解用户的多维度特征和需求，为后续分析提供基础。对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，信息特征集带有特征值标识，高效地从大规模用户数据中提取有用信息，为后续分析提供数据支持。分别以主人群画像中的子画像作为初始匹配画像，执行信息特征集与子画像的关联匹配，生成匹配关联集，其中，匹配关联集包括关联总值和子画像顺序排序，理解用户需求与主人群画像的关联，有助于个性化需求分析。根据主人群画像进行消费比例解析，并根据消费比例解析结果和子画像顺序排序生成消费匹配值，进一步了解用户的消费习惯，为个性化服务提供信息。通过消费匹配值和关联总值输入侧向需求分析网络，执行网络分析，以精确分析用户的需求和兴趣，有助于提供更准确的个性化服务和建议。根据网络分析结果生成用户侧向需求，将用户侧向需求添加至主人群画像，生成精确的用户侧向需求，以满足用户需求和提高用户满意度。
实施例2
基于与前述实施例中基于人群画像的侧向需求分析方法相同的发明构思，如图3所示，本申请实施例提供了基于人群画像的侧向需求分析系统，该系统包括：
画像配置单元11，用于配置主人群画像，其中，所述主人群画像为根据用户数据建立的主要需求画像，所述主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；
信息提取单元12，用于对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，所述信息特征集带有特征值标识；
关联匹配单元13，用于分别以主人群画像中的子画像作为初始匹配画像，执行所述信息特征集与子画像的关联匹配，生成匹配关联集，其中，所述匹配关联集包括关联总值和子画像顺序排序；
消费比例解析单元14，用于根据所述主人群画像进行消费比例解析，并根据消费比例解析结果和所述子画像顺序排序生成消费匹配值；
网络分析单元15，用于通过所述消费匹配值和所述关联总值输入侧向需求分析网络，执行网络分析；
侧向需求生成单元16，用于根据网络分析结果生成用户侧向需求，将所述用户侧向需求添加至所述主人群画像。
进一步的，本申请实施例还包括筛选重构单元，该单元包括以下执行步骤：
设定排除阈值和数量约束；
以所述排除阈值作为第一优先级筛选约束，以所述数量约束作为第二优先级筛选约束，执行所述子画像顺序排序的筛选重构；
基于筛选重构结果重构子画像与信息特征集的关联值；
根据重构结果获得所述消费匹配值。
进一步的，本申请实施例还包括网络优化单元，该单元包括以下执行步骤：
对用户执行收入连续监督，生成收入监督数据；
根据所述收入监督数据进行整体收入稳态评价，基于评价结果初始化稳态系数；
基于所述收入监督数据确定收入均值，并根据当前节点收入数据与收入均值的差值和稳态系数进行收入影响分析；
根据收入影响分析结果对所述侧向需求分析网络优化，根据优化后的所述侧向需求分析网络完成网络分析。
进一步的，本申请实施例还包括分析补偿单元，该单元包括以下执行步骤：
通过所述监督数据集建立信息特征集中各个特征的时限节点；
以所述时限节点对应的映射关系进行特征的时限逼近评价；
根据时限逼近评价结果对所述侧向需求分析网络进行网络分析补偿，根据补偿结果获得所述网络分析结果。
进一步的，本申请实施例还包括附加侧向需求单元，该单元包括以下执行步骤：
获得所述用户的关联用户集，并对所述关联用户集和所述用户建立需求关联；
对所述关联用户集进行数据检测，并通过关联数据检测结果和所述需求关联生成实时关联匹配值；
依据所述实时关联匹配值生成用户的附加侧向需求，并将所述附加侧向需求添加至所述用户侧向需求。
进一步的，附加侧向需求单元还包括以下执行步骤：
根据所述关联用户集与所述用户的历史交互信息构建交互数据库；
提取所述交互数据库中的共性种类特征；
根据所述交互数据库的交互频率和所述共性种类特征完成所述需求关联的建立。
进一步的，本申请实施例还包括调整指令生成单元，该单元包括以下执行步骤：
建立主人群画像的衰减阈值；
当所述主人群画像的任意子画像可以满足所述衰减阈值时，则生成主人群画像调整指令；
通过所述主人群画像调整指令优化掉对应的子画像，完成主人群画像更新。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (5)
1.基于人群画像的侧向需求分析方法，其特征在于，所述方法包括：
配置主人群画像，其中，所述主人群画像为根据用户数据建立的主要需求画像，所述主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；
对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，所述信息特征集带有特征值标识；
分别以主人群画像中的子画像作为初始匹配画像，执行所述信息特征集与子画像的关联匹配，生成匹配关联集，其中，所述匹配关联集包括关联总值和子画像顺序排序；
根据所述主人群画像进行消费比例解析，并根据消费比例解析结果和所述子画像顺序排序生成消费匹配值；
通过所述消费匹配值和所述关联总值输入侧向需求分析网络，执行网络分析；
根据网络分析结果生成用户侧向需求，将所述用户侧向需求添加至所述主人群画像；
其中，所述方法还包括：
设定排除阈值和数量约束；
以所述排除阈值作为第一优先级筛选约束，以所述数量约束作为第二优先级筛选约束，执行所述子画像顺序排序的筛选重构；
基于筛选重构结果重构子画像与信息特征集的关联值；
根据重构结果获得所述消费匹配值；
其中，所述方法还包括：
对用户执行收入连续监督，生成收入监督数据；
根据所述收入监督数据进行整体收入稳态评价，基于评价结果初始化稳态系数；
基于所述收入监督数据确定收入均值，并根据当前节点收入数据与收入均值的差值和稳态系数进行收入影响分析；
根据收入影响分析结果对所述侧向需求分析网络优化，根据优化后的所述侧向需求分析网络完成网络分析；
其中，所述方法还包括：
通过所述监督数据集建立信息特征集中各个特征的时限节点；
以所述时限节点对应的映射关系进行特征的时限逼近评价；
根据时限逼近评价结果对所述侧向需求分析网络进行网络分析补偿，根据补偿结果获得所述网络分析结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述用户的关联用户集，并对所述关联用户集和所述用户建立需求关联；
对所述关联用户集进行数据检测，并通过关联数据检测结果和所述需求关联生成实时关联匹配值；
依据所述实时关联匹配值生成用户的附加侧向需求，并将所述附加侧向需求添加至所述用户侧向需求。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述关联用户集与所述用户的历史交互信息构建交互数据库；
提取所述交互数据库中的共性种类特征；
根据所述交互数据库的交互频率和所述共性种类特征完成所述需求关联的建立。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
建立主人群画像的衰减阈值；
当所述主人群画像的任意子画像可以满足所述衰减阈值时，则生成主人群画像调整指令；
通过所述主人群画像调整指令优化掉对应的子画像，完成主人群画像更新。
5.基于人群画像的侧向需求分析系统，其特征在于，用于实施权利要求1-4任意一项所述的基于人群画像的侧向需求分析方法，所述系统包括：
画像配置单元，所述画像配置单元用于配置主人群画像，其中，所述主人群画像为根据用户数据建立的主要需求画像，所述主人群画像包括职业特征子画像、消费习惯子画像、兴趣爱好子画像、社交习惯子画像和价值观子画像；
信息提取单元，所述信息提取单元用于对用户执行数据监督，建立监督数据集，并通过自然语言处理算法进行监督数据集的信息提取，建立信息特征集，其中，所述信息特征集带有特征值标识；
关联匹配单元，所述关联匹配单元用于分别以主人群画像中的子画像作为初始匹配画像，执行所述信息特征集与子画像的关联匹配，生成匹配关联集，其中，所述匹配关联集包括关联总值和子画像顺序排序；
消费比例解析单元，所述消费比例解析单元用于根据所述主人群画像进行消费比例解析，并根据消费比例解析结果和所述子画像顺序排序生成消费匹配值；
网络分析单元，所述网络分析单元用于通过所述消费匹配值和所述关联总值输入侧向需求分析网络，执行网络分析；
侧向需求生成单元，所述侧向需求生成单元用于根据网络分析结果生成用户侧向需求，将所述用户侧向需求添加至所述主人群画像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311552859.9A CN117271905B (zh) | 2023-11-21 | 2023-11-21 | 基于人群画像的侧向需求分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311552859.9A CN117271905B (zh) | 2023-11-21 | 2023-11-21 | 基于人群画像的侧向需求分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117271905A CN117271905A (zh) | 2023-12-22 |
| CN117271905B true CN117271905B (zh) | 2024-02-09 |
Family
ID=89219973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311552859.9A Active CN117271905B (zh) | 2023-11-21 | 2023-11-21 | 基于人群画像的侧向需求分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271905B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
| WO2018120425A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技（深圳）有限公司 | 个人财产状态评估方法、装置、设备和存储介质 |
| CN109993553A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团山西有限公司 | 基于逆向漏斗的数据分析方法、装置、设备及介质 |
| CN110442670A (zh) * | 2019-06-11 | 2019-11-12 | 天津交通职业学院 | 一种基于文本标引的消费者画像生成方法 |
| CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
| CN111784397A (zh) * | 2020-06-30 | 2020-10-16 | 广东奥园奥买家电子商务有限公司 | 基于用户画像的社群营销方法、装置、计算机设备 |
| WO2021189922A1 (zh) * | 2020-10-19 | 2021-09-30 | 平安科技（深圳）有限公司 | 用户画像生成方法、装置、设备及介质 |
| CN114511817A (zh) * | 2021-12-31 | 2022-05-17 | 重庆链图信息技术有限公司 | 面向微空间的人员行为全景画像智能监管系统 |
| 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 |
| CN116385037A (zh) * | 2023-03-10 | 2023-07-04 | 南京邮电大学 | 一种基于改进lda的特征融合的用户画像构建方法及系统 |
-
2023
- 2023-11-21 CN CN202311552859.9A patent/CN117271905B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
| WO2018120425A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技（深圳）有限公司 | 个人财产状态评估方法、装置、设备和存储介质 |
| CN109993553A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团山西有限公司 | 基于逆向漏斗的数据分析方法、装置、设备及介质 |
| CN110442670A (zh) * | 2019-06-11 | 2019-11-12 | 天津交通职业学院 | 一种基于文本标引的消费者画像生成方法 |
| CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
| CN111784397A (zh) * | 2020-06-30 | 2020-10-16 | 广东奥园奥买家电子商务有限公司 | 基于用户画像的社群营销方法、装置、计算机设备 |
| WO2021189922A1 (zh) * | 2020-10-19 | 2021-09-30 | 平安科技（深圳）有限公司 | 用户画像生成方法、装置、设备及介质 |
| 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 |
| CN114511817A (zh) * | 2021-12-31 | 2022-05-17 | 重庆链图信息技术有限公司 | 面向微空间的人员行为全景画像智能监管系统 |
| CN116385037A (zh) * | 2023-03-10 | 2023-07-04 | 南京邮电大学 | 一种基于改进lda的特征融合的用户画像构建方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Multiobjective Reinforcement Learning-Based Neural Architecture Search for Efficient Portrait Parsing;Lyu, Bo 等;IEEE TRANSACTIONS ON CYBERNETICS;第1158-1169页 * |
| 基于大数据和层次分析法的商场会员购买力评价模型;杜吉梁;;信息技术与信息化(05);第111-113页 * |
| 用户画像构建技术研究;巨星海;周刚;王婧;张凤娟;;信息工程大学学报(02);第242-250页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117271905A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101871747B1 (ko) | 유사성향 기반 사용자-관광상품 추천 방법 및 시스템 | |
| Çavdar et al. | Airline customer lifetime value estimation using data analytics supported by social network information | |
| EP4083857A1 (en) | Information prediction model training method and apparatus, information prediction method and apparatus, storage medium, and device | |
| CN110880127B (zh) | 消费水平的预测方法、装置、电子设备及存储介质 | |
| CN113157752B (zh) | 一种基于用户画像和情境的科技资源推荐方法及系统 | |
| US20210012363A1 (en) | Device, method and computer-readable medium for analyzing customer attribute information | |
| CN112149352B (zh) | 一种结合gbdt自动特征工程对营销活动点击的预测方法 | |
| Orogun et al. | Predicting consumer behaviour in digital market: a machine learning approach | |
| Espadinha-Cruz et al. | Lead management optimization using data mining: A case in the telecommunications sector | |
| CN117216419B (zh) | 基于ai技术的数据分析方法 | |
| Wu et al. | RETRACTED ARTICLE: Artificial neural network based high dimensional data visualization technique for interactive data exploration in E-commerce | |
| CN117056619A (zh) | 确定用户行为特征的方法和装置 | |
| CN117271905B (zh) | 基于人群画像的侧向需求分析方法及系统 | |
| CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
| KR102405503B1 (ko) | 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램 | |
| CN113743615A (zh) | 简化机器学习的特征移除框架 | |
| CN113674013A (zh) | 一种基于商户自定义规则的广告竞价调整方法及系统 | |
| Guo et al. | Contextual Collaborative Filtering Recommendation Model Integrated with Drift Characteristics of User Interest | |
| CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
| Liu et al. | Understanding Consumer Preferences---Eliciting Topics from Online Q&A Community | |
| CN117829914B (zh) | 一种数字媒体广告效果评估系统 | |
| CN116485352B (zh) | 会员管理和数据分析的方法、装置、设备及存储介质 | |
| Walters | Development and demonstration of a Customer Super-Profiling tool utilising data analytics for alternative targeting in marketing campaigns | |
| US20220385546A1 (en) | Systems and processes for iteratively training a network training module | |
| CN117911114A (zh) | 一种基于大数据的服装流行趋势捕捉和推荐方法 |
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 |