CN117370446A - 一种基于用户行为的分析标记方法 - Google Patents
一种基于用户行为的分析标记方法 Download PDFInfo
- Publication number
- CN117370446A CN117370446A CN202311358295.5A CN202311358295A CN117370446A CN 117370446 A CN117370446 A CN 117370446A CN 202311358295 A CN202311358295 A CN 202311358295A CN 117370446 A CN117370446 A CN 117370446A
- Authority
- CN
- China
- Prior art keywords
- user
- analysis
- analysis result
- marking
- behavior
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000006399 behavior Effects 0.000 claims abstract description 43
- 229910003460 diamond Inorganic materials 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 abstract description 8
- 238000007418 data mining Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013618 yogurt Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured 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
- G06F16/95—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种基于用户行为的分析标记方法,所述标记方法包括:样本标注,对用户的操作行为进行记录,获得埋点数据;对用户进行多维分析,获得分析结果;将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。通过用户评分矩阵,根据相似用户的喜好或者通过相似物品来进行推荐。
Description
技术领域
本发明涉及商业智能系统和数据挖掘领域,尤其涉及一种基于用户行为的分析标记方法。
背景技术
随着商业智能系统和数据挖掘技术的发展,用户的行为数据对企业决策产生了重要的影响。网络电子商务平台可以利用这些数据分析后的结果,对特定的用户推送他们感兴趣的商品,这样能增强用户黏度,提高平台的商业价值。提出一种基于用户行为分析的个性化推荐算法,将用户的行为信息转化为用户评分矩阵,且提出一种改进的正则化非负矩阵分解算法,在原始正则化非负矩阵分解算法的基础上加入偏置信息。改进算法充分挖掘用户在网页上点击、购买、浏览、收藏等行为信息,将用户感兴趣的商品及时推送给用户。
目前app中对用户行为的埋点分析主要来源于几种基本的参数,比如常用的关键字、关注的信息、商品等,基于已知的信息对用户进行推送。
现有的方案无法增加用户粘性,长时间浏览会导致用户疲惫、没有新鲜感,并且推送的信息、商品多数并不是用户所喜爱的。
发明内容
鉴于上述问题,提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种基于用户行为的分析标记方法。
根据本发明的一个方面,提供了一种基于用户行为的分析标记方法,所述标记方法包括:
样本标注,对用户的操作行为进行记录,获得埋点数据;
对用户进行多维分析,获得分析结果。
可选的,所述对用户的操作行为进行记录具体包括:商品的浏览、收藏、加购物车、分享商品的行为。
可选的,所述获得埋点数据之后还包括:对所述埋点数据进行存储。
可选的,所述对用户进行多维分析,获得分析结果具体包括:
通过行为事件分析、页面点击分析、漏斗模型分析、用户画像分析,对用户进行多维分析,获得分析结果。
可选的,所述对用户进行多维分析,获得分析结果之后还包括:
将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。
可选的,所述漏斗模型分析用来观察用户在使用过程中路径,多个关键行为之间的转化及流失。
可选的,所述用户的参数变量具体包括:全量用户、活跃用户、普通会员用户、钻石会员用户、普通用户。
本发明还提供了一种基于用户行为的分析标记系统,应用上述所述的一种基于用户行为的分析标记方法,所述标记系统包括:
用户行为埋点模块,用于样本标注,对用户的操作行为进行记录,获得埋点数据;
行为分析模块,用于对用户进行多维分析,获得分析结果;
分析结果库,用于将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。
本发明提供的一种基于用户行为的分析标记方法,所述标记方法包括:样本标注,对用户的操作行为进行记录,获得埋点数据;对用户进行多维分析,获得分析结果;将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。通过用户评分矩阵,根据相似用户的喜好或者通过相似物品来进行推荐。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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本发明的一些实施例,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,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的算法模型图;
图2为本发明实施例提供的模型预设路径图;
图3为本发明实施例提供的系统用户划分示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元。
下面结合附图和实施例,对本发明的技术方案做进一步的详细描述。
如图1-图3所示,基于用户行为的分析标记系统。
所述系统,包括:用户行为埋点系统、行为分析模块和分析结果库。
基于用户行为的分析标记方法包括:
样本标注,对用户的操作行为进行记录,比如商品的浏览、收藏、加购物车、分享商品等行为,埋点的数据会进行存储。
行为分析模块,通过行为事件分析、页面点击分析、漏斗模型分析、用户画像分析,对用户进行多维分析,从而得到分析结果。
分析结果库,将行为分析模块的分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。
漏斗分析模型是用来观察用户在使用过程中(路径),多个关键行为之间的转化及流失。
通过漏斗知道多少人加入购物车、多少人提交订单以及付款成功。
步骤包括:
1、明确观察目标;
2、整理全部可触达目标页面的“入口”,即为流量流入;
3、梳理核心路径。标定首要观察的路径;
4、梳理可能存在的跳转“出口”,即为流失;
5、使用脑图勾画出整体结构框架。
通过对目标结构框架整理,很容易明确待观察路径,已经流量引入的起始点和分流场景。
确定相关参数变量,包括:全量用户、活跃用户、普通会员用户、钻石会员用户、普通用户。
根据以上信息建立模型算法:
采用关联规则分析算法,关联规则分析是数据挖掘中最活跃的研究方法之一,目的是在一个数据集中找出各项之间的关联关系,而这种关系并没有在数据中直接表示出来。
项目:交易数据库中的一个属性字段,每个字段有一定的取值范围。对超级市场来讲,项目一般是指一次交易中的一个物品,
例如,用户在某次交易中购买了“卫衣”、“牙刷”和“酸奶”就代表了三个不同的品类。
交易:某个客户在一次交易中,发生的所有项目的集合。
项目集:包含若干个项目的集合。项目集可能是一个交易,也可能不是一个交易,但一个交易一定是一个项目集。
项目集的维数:把一个项目集所包含的项目的个数称为此项目集的维数或项目集的长度。长度为k的项目集,称作k维项目集。
例如:项目集I={"卫衣","牙刷","酸奶"}的维数或长度为3,记作3-项目集。
支持度:假定X是一个项目集,D是一个交易集合或交易数据库,称D中包含X的交易的个数与D中总的交易个数之比为X在D中的支持度。
例如:D={T1,T2,T3,T4}包含4个交易,其中T1={A,B,C}、T2={B}、T3={A,B,C,D}、T4={B,C,D},如果X={B,C},则在D中包含X的交易有:T1,T3,T4,此时D中总的交易个数为4,故X在D中的支持度为75%。X的支持度记作sup(x),而关联规则的支持度则记作sup(X∪Y)。
可信度:对形如的关联规则,其中X和Y都是项目集,定义规则的可信度为交易集合D中既包含X也包含Y的交易个数与D中仅包含X而不包含Y的交易个数之比,或者说是项目集X∪Y的支持度与X的支持度之比,即/>把规则/>的可信度记作一个规则的可信度的范围在0到1之间。事实上可信度即是指在出现了项目集X的交易中,项目集Y也同时出现的概率有多大。
最小支持度:由用户定义的衡量支持度的一个阈值,表示项目集在统计意义上的最低重要性,记作minsup。
最小可信度:由用户定义的衡量可信度的一个阈值,表示规则的最低可靠性,记作minconf。
频繁项目集:对一个项目集X,如果X的支持度不小于用户定义的最小支持度阈值,即sup(x)≥minsup,称X为频繁项目集或大集LargItemset。
有益效果:协同过滤推荐技术是通过用户评分矩阵,根据相似用户的喜好或者通过相似物品来进行推荐。由于每个用户只可能与有限个商品有过交互行为,因此这个评分矩阵通常非常稀疏。如果估计评分矩阵中的空缺值,那么就知道用户对该商品的喜好程度,从而为用户自动推荐其喜好的商品。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于用户行为的分析标记方法,其特征在于,所述标记方法包括:
样本标注,对用户的操作行为进行记录,获得埋点数据;
对用户进行多维分析,获得分析结果。
2.根据权利要求1所述的一种基于用户行为的分析标记方法,其特征在于,所述对用户的操作行为进行记录具体包括:商品的浏览、收藏、加购物车、分享商品的行为。
3.根据权利要求1所述的一种基于用户行为的分析标记方法,其特征在于,所述获得埋点数据之后还包括:对所述埋点数据进行存储。
4.根据权利要求1所述的一种基于用户行为的分析标记方法,其特征在于,所述对用户进行多维分析,获得分析结果具体包括:
通过行为事件分析、页面点击分析、漏斗模型分析、用户画像分析,对用户进行多维分析,获得分析结果。
5.根据权利要求1所述的一种基于用户行为的分析标记方法,其特征在于,所述对用户进行多维分析,获得分析结果之后还包括:
将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。
6.根据权利要求4所述的一种基于用户行为的分析标记方法,其特征在于,所述漏斗模型分析用来观察用户在使用过程中路径,多个关键行为之间的转化及流失。
7.根据权利要求6所述的一种基于用户行为的分析标记方法,其特征在于,所述用户的参数变量具体包括:全量用户、活跃用户、普通会员用户、钻石会员用户、普通用户。
8.一种基于用户行为的分析标记系统,应用上述权利要求1-7任意一项所述的一种基于用户行为的分析标记方法,其特征在于,所述标记系统包括:
用户行为埋点模块,用于样本标注,对用户的操作行为进行记录,获得埋点数据;
行为分析模块,用于对用户进行多维分析,获得分析结果;
分析结果库,用于将所述分析结果进行存储,用户客户端直接进行调用,根据分析结果库的数据直接给用户推送相关信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311358295.5A CN117370446A (zh) | 2023-10-19 | 2023-10-19 | 一种基于用户行为的分析标记方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311358295.5A CN117370446A (zh) | 2023-10-19 | 2023-10-19 | 一种基于用户行为的分析标记方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117370446A true CN117370446A (zh) | 2024-01-09 |
Family
ID=89403644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311358295.5A Pending CN117370446A (zh) | 2023-10-19 | 2023-10-19 | 一种基于用户行为的分析标记方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117370446A (zh) |
-
2023
- 2023-10-19 CN CN202311358295.5A patent/CN117370446A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685631B (zh) | 一种基于大数据用户行为分析的个性化推荐方法 | |
CN107944913B (zh) | 基于大数据用户行为分析的高潜在用户购买意向预测方法 | |
Bagher et al. | User trends modeling for a content-based recommender system | |
JP5368665B2 (ja) | リンクに重み付けされたアソシエーションルールに戻って転送されるエキスパートデータベース | |
US20130054497A1 (en) | Systems and methods for detection of satisficing in surveys | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
Chu et al. | A case study of behavior-driven conjoint analysis on Yahoo! Front Page Today module | |
Alves Gomes et al. | A review on customer segmentation methods for personalized customer targeting in e-commerce use cases | |
CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
CN105488697A (zh) | 一种基于客户行为特征的潜在客户挖掘方法 | |
CN112269805A (zh) | 数据处理方法、装置、设备及介质 | |
KR100792700B1 (ko) | 신경망을 가지는 협업 필터링 시스템을 이용하여 클릭패턴에 기초한 웹 광고 추천 방법 및 그 시스템 | |
CN116431931B (zh) | 实时增量数据统计分析方法 | |
Dhillon et al. | Modeling dynamic user interests: A neural matrix factorization approach | |
CN113076484A (zh) | 基于深度学习的产品推荐方法、装置、设备和存储介质 | |
CN113343077A (zh) | 一种融合用户兴趣时序波动的个性化推荐方法及系统 | |
CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
Nanayakkara et al. | A survey of finding trends in data mining techniques for social media analysis | |
CN105389714B (zh) | 一种从行为数据识别用户特性的方法 | |
Zhang et al. | Discovering consumers’ purchase intentions based on mobile search behaviors | |
Bhargavi et al. | Comparative study of consumer purchasing and decision pattern analysis using pincer search based data mining method | |
TWM573493U (zh) | 藉由訪客瀏覽路徑預測轉換機率之系統 | |
CN117370446A (zh) | 一种基于用户行为的分析标记方法 | |
KR102405503B1 (ko) | 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램 | |
CN113609270A (zh) | 一种可标签区分客户的用户行为数据分析系统 |
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 |