一種用戶行為信息的分析方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種用戶行為信息的分析方法和裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的發(fā)展，常常需要對用戶的行為信息進(jìn)行分析，以便預(yù)測用戶未來的 行為，進(jìn)而基于預(yù)測結(jié)果確定互聯(lián)網(wǎng)信息的分發(fā)策略或處理策略。
[0003]目前，通常通過建立模型的方式進(jìn)行用戶行為的分析，具體地，首先從歷史數(shù)據(jù)中 采集樣本，基于采集的樣本建立預(yù)測模型，然后根據(jù)預(yù)測模型中的預(yù)測系數(shù)，比如概率系 數(shù)、支持度系數(shù)或關(guān)系權(quán)重系數(shù)等，來預(yù)測用戶潛在的行為。
[0004] 比如，在電子商務(wù)領(lǐng)域，當(dāng)基于產(chǎn)品間的關(guān)聯(lián)規(guī)則來建立預(yù)測模型，對用戶的消費(fèi) 行為信息進(jìn)行分析，以便預(yù)測用戶未來的消費(fèi)行為時(shí)，需要先從歷史數(shù)據(jù)中采集一定數(shù)量 的樣本，統(tǒng)計(jì)這些樣本中同一時(shí)段內(nèi)被同時(shí)購買的商品類目、數(shù)量，根據(jù)統(tǒng)計(jì)結(jié)果計(jì)算各個(gè) 商品類目之間的關(guān)系權(quán)重系數(shù)，然后基于得到的關(guān)系權(quán)重系數(shù)建立預(yù)測模型，所述預(yù)測模 型根據(jù)用戶最新消費(fèi)的產(chǎn)品和該產(chǎn)品與其他產(chǎn)品間的關(guān)系權(quán)重系數(shù)來預(yù)測用戶的潛在消 費(fèi)行為，比如，如果鋼筆和鋼筆水的關(guān)系權(quán)重系數(shù)較高，用戶當(dāng)前購買了鋼筆，則可以預(yù)測 用戶未來可能購買鋼筆水。
[0005] 可見，當(dāng)通過建立模型來分析用戶行為時(shí)，由于所述模型是基于一定的規(guī)則建立 的，比如基于產(chǎn)品間的關(guān)聯(lián)規(guī)則建立模型，建立模型所基于的規(guī)則不一定能全面覆蓋所有 用戶的消費(fèi)行為，因此建立的模型存在一定的片面性和隨機(jī)性，不能保證適用于所有的用 戶，確定用戶潛在消費(fèi)行為的準(zhǔn)確率較低。
[0006] 而且，從時(shí)間維度考慮，一旦模型建立完成以后，除非重新選擇樣本并重新建立模 型，否則模型中的預(yù)測系數(shù)是固定不變的，因此不能夠適應(yīng)變化的消費(fèi)習(xí)慣、消費(fèi)趨勢等最 新的消費(fèi)行為信息，導(dǎo)致確定用戶潛在消費(fèi)行為的準(zhǔn)確率下降。

【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明提供了一種用戶行為信息的分析方法和裝置，能夠提高確定用 戶潛在消費(fèi)行為的準(zhǔn)確率。
[0008] 本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0009] -種用戶行為信息的分析方法，該方法包括：
[0010] 根據(jù)用戶的登錄信息，提取預(yù)設(shè)屬性的屬性值，其中，所述預(yù)設(shè)屬性包括所述用戶 的屬性和所述用戶上次購買的商品所屬的商品類目；
[0011] 根據(jù)提取的各個(gè)預(yù)設(shè)屬性的屬性值確定組合屬性關(guān)鍵詞KEY，查詢數(shù)據(jù)庫，得到所 述組合屬性KEY對應(yīng)的取值Value，其中，所述組合屬性KEY對應(yīng)的取值Value包括各個(gè)商 品類目的歷史購買次數(shù)；
[0012] 根據(jù)所述組合屬性KEY對應(yīng)的取值Value中各個(gè)商品類目的歷史購買次數(shù)，將歷 史購買次數(shù)最多的前N個(gè)商品類目確定為所述用戶的潛在消費(fèi)對象。
[0013] -種用戶行為信息的分析裝置，該裝置包括提取模塊、查詢模塊、確定模塊；
[0014] 所述提取模塊，用于根據(jù)用戶的登錄信息，提取預(yù)設(shè)屬性的屬性值，其中，所述預(yù) 設(shè)屬性包括所述用戶的屬性和所述用戶上次購買的商品所屬的商品類目；
[0015] 所述查詢模塊，用于根據(jù)提取的各個(gè)預(yù)設(shè)屬性的屬性值確定組合屬性關(guān)鍵詞KEY， 查詢數(shù)據(jù)庫，得到所述組合屬性KEY對應(yīng)的取值Value，其中，所述組合屬性KEY對應(yīng)的取值 Value包括各個(gè)商品類目的歷史購買次數(shù)；
[0016] 所述確定模塊，用于根據(jù)所述組合屬性KEY對應(yīng)的取值Value中各個(gè)商品類目的 歷史購買次數(shù)，將歷史購買次數(shù)最多的前N個(gè)商品類目確定為所述用戶潛在的消費(fèi)對象。
[0017] 由上述技術(shù)方案可見，本發(fā)明實(shí)施例中，根據(jù)用戶的登錄信息，提取預(yù)設(shè)屬性的屬 性值，根據(jù)提取的各個(gè)預(yù)設(shè)屬性的屬性值確定組合屬性關(guān)鍵詞KEY，查詢數(shù)據(jù)庫，得到所述 組合屬性KEY對應(yīng)的取值Value，根據(jù)所述組合屬性KEY對應(yīng)的取值Value中各個(gè)商品類 目的歷史購買次數(shù)，將歷史購買次數(shù)最多的前N個(gè)商品類目確定為所述用戶的潛在消費(fèi)對 象。
[0018] 由于本發(fā)明實(shí)施例基于數(shù)據(jù)庫來確定用戶的潛在消費(fèi)對象，并且所述數(shù)據(jù)庫基 于組合屬性關(guān)鍵詞KEY來存儲各個(gè)商品類目的歷史購買次數(shù)，其中，所述預(yù)設(shè)屬性包括所 述用戶的屬性和所述用戶上次購買的商品所屬的商品類目，因此，針對屬性值不同的各個(gè) 用戶，即便其上次購買的商品所屬的商品類目相同，由于由用戶屬性值和上次購買的商品 所屬的商品類目所組成的組合屬性關(guān)鍵詞KEY的值不同，因此在數(shù)據(jù)庫中將對應(yīng)不同的 Value值，相當(dāng)于針對不同屬性的用戶的行為信息分別進(jìn)行分析，因此能夠保證確定出的用 戶潛在消費(fèi)對象能夠符合該用戶自身的特點(diǎn)。
[0019] 可見，本發(fā)明實(shí)施例提供的基于包含用戶屬性的組合屬性關(guān)鍵詞KEY來建立數(shù)據(jù) 庫、并基于該數(shù)據(jù)庫確定用戶潛在消費(fèi)對象的方法，能夠全面覆蓋所有用戶的消費(fèi)行為，因 此不存在片面性和隨機(jī)性，適用于所有的用戶，確定用戶潛在消費(fèi)行為的準(zhǔn)確率較高。
【附圖說明】
[0020] 圖1是本發(fā)明實(shí)施例提供的用戶行為信息的分析方法流程圖。
[0021] 圖2是本發(fā)明實(shí)施例提供的用于圖1所示用戶行為分析方法的數(shù)據(jù)更新流程圖。
[0022] 圖3是本發(fā)明實(shí)施例提供的基于示例性的數(shù)據(jù)庫確定用戶潛在行為信息的流程 圖。
[0023] 圖4是本發(fā)明實(shí)施例提供的基于用戶實(shí)時(shí)的訂單信息更新示例性的數(shù)據(jù)庫的流 程圖。
[0024]圖5是本發(fā)明實(shí)施例提供的用戶行為信息的分析裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0025] 圖1是本發(fā)明實(shí)施例提供的用戶行為信息的分析方法流程圖。
[0026] 如圖1所示，該流程包括：
[0027] 步驟101，根據(jù)用戶的登錄信息，提取預(yù)設(shè)屬性的屬性值，其中，所述預(yù)設(shè)屬性包括 所述用戶的屬性和所述用戶上次購買的商品所屬的商品類目。
[0028] 步驟102,根據(jù)提取的各個(gè)預(yù)設(shè)屬性的屬性值確定組合屬性關(guān)鍵詞KEY，查詢數(shù)據(jù) 庫，得到所述組合屬性KEY對應(yīng)的取值Value，其中，所述組合屬性KEY對應(yīng)的取值Value包 括各個(gè)商品類目的歷史購買次數(shù)。
[0029] 步驟103,根據(jù)所述組合屬性KEY對應(yīng)的取值Value中各個(gè)商品類目的歷史購買次 數(shù)，將歷史購買次數(shù)最多的前N個(gè)商品類目確定為所述用戶的潛在消費(fèi)對象。
[0030] 可見，圖1所示的方法基于包含用戶屬性的組合屬性關(guān)鍵詞KEY來建立數(shù)據(jù)庫，所 述數(shù)據(jù)庫基于組合屬性關(guān)鍵詞KEY來存儲各個(gè)商品類目的歷史購買次數(shù)，其中，所述預(yù)設(shè) 屬性包括所述用戶的屬性和所述用戶上次購買的商品所屬的商品類目，因此，針對屬性值 不同的各個(gè)用戶，即便其上次購買的商品所屬的商品類目相同，由于由用戶屬性值和上次 購買的商品所屬的商品類目所組成的組合屬性關(guān)鍵詞KEY的值不同，因此在數(shù)據(jù)庫中將對 應(yīng)不同的Value值，相當(dāng)于針對不同屬性的用戶的行為信息分別進(jìn)行分析，因此，當(dāng)基于該 數(shù)據(jù)庫確定用戶潛在消費(fèi)對象時(shí)，能夠保證確定出的用戶潛在消費(fèi)對象能夠符合該用戶自 身的特點(diǎn)，因此圖1提供的用戶行為分析方法能夠全面覆蓋所有用戶的消費(fèi)行為，不存在 片面性和隨機(jī)性，適用于所有的用戶，確定用戶潛在消費(fèi)行為的準(zhǔn)確率較高。
[0031] 圖2是本發(fā)明實(shí)施例提供的用于圖1所示用戶行為分析方法的數(shù)據(jù)更新流程圖。
[0032] 如圖2所示，該流程包括：
[0033] 步驟201，根據(jù)用戶的登錄信息，提取預(yù)設(shè)屬性的屬性值，其中，所述預(yù)設(shè)屬性包括 所述用戶的屬性和所述用戶上次購買的商品所屬的商品類目。
[0034] 步驟202,根據(jù)提取的各個(gè)預(yù)設(shè)屬性的屬性值確定所述用戶對應(yīng)的組合屬性關(guān)鍵 詞 KEY。
[0035] 步驟203,當(dāng)用戶產(chǎn)生訂單時(shí)，接收所述用戶的訂單信