CN105678578A - 一种基于网购行为数据的用户品牌偏好度量方法 - Google Patents
一种基于网购行为数据的用户品牌偏好度量方法 Download PDFInfo
- Publication number
- CN105678578A CN105678578A CN201610006726.5A CN201610006726A CN105678578A CN 105678578 A CN105678578 A CN 105678578A CN 201610006726 A CN201610006726 A CN 201610006726A CN 105678578 A CN105678578 A CN 105678578A
- Authority
- CN
- China
- Prior art keywords
- user
- brand
- purchase
- behavior
- preference
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网购行为数据的用户品牌偏好度量方法。方法包括:步骤1、通过DPI技术提取用户网购数据中用户ID、商品类别、商品品牌、用户行为和行为发生时间。步骤2、计算每个用户对每个品牌自转移购买次数(NL)、品牌最长连续浏览次数(NH)、品牌转入购买次数(NT)。步骤3、根据P=λB×(NL/NC+NT/NC)+λS×(NH/N)计算品牌偏好值。步骤4、归一计算用户的品牌偏好度PG。本发明主要根据用户的一系列购买行为与浏览行为的变化实现更加准确地计算用户的品牌偏好度,从而为商家的精准营销提供决策依据。
Description
技术领域
本发明涉及网络数据分析领域,特别涉及使用用户网购行为数据度量用户品牌偏好领域。
背景技术
网购数据中包含海量的个人用户行为信息,通过分析用户对商品的行为特征并借助数据挖掘技术便可获知用户对品牌的偏好度,本发明主要借助DPI技术从用户的网购行为中分析出同一用户对同类商品不同品牌的偏好度和不同用户对同类商品相同品牌的偏好度。目前公开发表的文章或专利大部分都是简单的从购买行为发生次数和加入购物车行为发生次数来做统计分析用户的品牌偏好,此种方法并没有体现用户在长期网购过程中对商品的使用满意程度以及钟爱程度,另外多用户对同一品牌的偏好度分析目前还很少有人涉及。本发明主要根据用户的一系列购买行为与浏览行为的变化实现更加准确地计算同一用户对不同品牌和不同用户对同一品牌的偏好度,从而为商家的精准营销提供决策依据。
发明内容
本发明的主要目的在于提出一种借助手机网购行为数据度量用户品牌偏好的方法,以实现商家对用户的精准营销。
针对以上目的,本发明提出了一种基于网购行为数据的用户品牌偏好度量方法,其特征描述:
步骤1、分析用户网购数据,结合电商产品信息库,生成用户网购记录,每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间,其中用户行为指浏览和购买。
步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(NL)、品牌最长连续浏览次数(NH)、品牌转入购买次数(NT)。其中品牌自转移购买次数(NL)代表用户对某一品牌的钟爱程度,代表相邻两次购买行为中购买同一品牌的次数,通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算;品牌最长连续浏览次数(NH)代表用户对某一品牌的渴望程度,通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算;品牌转入购买次数(NT)代表用户愿意使用某品牌商品的意愿大小,通过从其他品牌转入购买测定品牌的次数计算。
步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P):
P=λB×(NL/NC+NT/NC)+λS×(NH/N)
其中,N代表用户所有行为记录条数,NC代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λB与λS分别代表购买因子与浏览因子,由于购买行为影响度要大于浏览行为,所以通常λB大于λS,且两者之和为1。
步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(PGi):
PGi=Pi/ΣiPi
其中,Pi代表该用户对该类产品中第i个品牌的偏好值。
采用本发明中的技术方案具有如下有益效果:
由于用户使用网络购物的频次在快速增加,从海量数据中可以提取出足够多的用户行为特征来反映用户的消费变化情况,再结合自转移购买次数、最大连续浏览次数和转入购买次数等多个因素来准确计算用户与品牌之间的偏好值。
附图说明
图1是网购行为数据度量品牌偏好架构示意图。
具体实施例
下面结合附图和实施例,对本发明的具体实施方式做进一步描述。图1是本发明的网购行为数据度量品牌偏好架构示意图,所述方法包括:
步骤1、分析用户网购数据,结合电商产品信息库,生成用户网购记录,每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间,其中用户行为指浏览和购买。
步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(NL)、品牌最长连续浏览次数(NH)、品牌转入购买次数(NT)。其中品牌自转移购买次数(NL)代表用户对某一品牌的钟爱程度,代表相邻两次购买行为中购买同一品牌的次数,通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算;品牌最长连续浏览次数(NH)代表用户对某一品牌的渴望程度,通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算;品牌转入购买次数(NT)代表用户愿意使用某品牌商品的意愿大小,通过从其他品牌转入购买测定品牌的次数计算。
步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P):
P=λB×(NL/NC+NT/NC)+λS×(NH/N)
其中,N代表用户所有行为记录条数,NC代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λB与λS分别代表购买因子与浏览因子,由于购买行为影响度要大于浏览行为,所以通常λB大于λS,且两者之和为1。
步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(PGi):
PGi=Pi/ΣiPi
其中,Pi代表该用户对该类产品中第i个品牌的偏好值。
本发明实施例提供的一种基于网购行为数据的用户品牌偏好度量方法,根据用户的行为特征并结合DPI技术能够快速准确地分析出同一用户对不同品牌和不同用户对同一品牌的偏好度,有助于向用户提供精准营销服务。
显然,本领域的技术人员可以对本发明处理过程中使用的部分技术及计算公式进行改动,而并不脱离本发明的方法和思想。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种基于网购行为数据的用户品牌偏好度量方法,其特征在于,使用网购数据分析用户的品牌偏好,主要步骤为:
步骤1、分析用户网购数据,结合电商产品信息库,生成用户网购记录,每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间,其中用户行为指浏览和购买。
步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(NL)、品牌最长连续浏览次数(NH)、品牌转入购买次数(NT)。其中品牌自转移购买次数(NL)代表用户对某一品牌的钟爱程度,代表相邻两次购买行为中购买同一品牌的次数,通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算;品牌最长连续浏览次数(NH)代表用户对某一品牌的渴望程度,通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算;品牌转入购买次数(NT)代表用户愿意使用某品牌商品的意愿大小,通过从其他品牌转入购买测定品牌的次数计算。
步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P):
P=λB×(NL/NC+NT/NC)+λS×(NH/N)
其中,N代表用户所有行为记录条数,NC代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λB与λS分别代表购买因子与浏览因子,由于购买行为影响度要大于浏览行为,所以通常λB大于λS,且两者之和为1。
步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(PGi):
PGi=Pi/ΣiPi
其中,Pi代表该用户对该类产品中第i个品牌的偏好值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610006726.5A CN105678578A (zh) | 2016-01-05 | 2016-01-05 | 一种基于网购行为数据的用户品牌偏好度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610006726.5A CN105678578A (zh) | 2016-01-05 | 2016-01-05 | 一种基于网购行为数据的用户品牌偏好度量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105678578A true CN105678578A (zh) | 2016-06-15 |
Family
ID=56299068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610006726.5A Pending CN105678578A (zh) | 2016-01-05 | 2016-01-05 | 一种基于网购行为数据的用户品牌偏好度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678578A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN108022150A (zh) * | 2017-11-29 | 2018-05-11 | 金色家园网络科技有限公司 | 基于o2o数据的推荐方法和*** |
CN108021889A (zh) * | 2017-12-05 | 2018-05-11 | 重庆邮电大学 | 一种基于姿态外形和运动信息的双通道红外行为识别方法 |
CN108121737A (zh) * | 2016-11-29 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 一种业务对象属性标识的生成方法、装置和*** |
CN109359246A (zh) * | 2018-12-07 | 2019-02-19 | 上海宏原信息科技有限公司 | 一种基于论坛用户言论的品牌亲密度计算方法 |
CN110175884A (zh) * | 2019-04-15 | 2019-08-27 | 深圳壹账通智能科技有限公司 | 商品推荐页面的展示方法、装置、计算机设备和存储介质 |
CN110533454A (zh) * | 2019-07-24 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 一种识别业务对象群体的方法及*** |
CN111768218A (zh) * | 2019-04-15 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615277A (zh) * | 2008-06-26 | 2009-12-30 | 阿里巴巴集团控股有限公司 | 一种统计数据的方法和装置 |
CN103325047A (zh) * | 2012-03-22 | 2013-09-25 | 纽海信息技术(上海)有限公司 | 网购引导装置及方法 |
CN104331817A (zh) * | 2014-10-29 | 2015-02-04 | 深圳先进技术研究院 | 电子商务推荐模型的用户特征提取方法及*** |
-
2016
- 2016-01-05 CN CN201610006726.5A patent/CN105678578A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615277A (zh) * | 2008-06-26 | 2009-12-30 | 阿里巴巴集团控股有限公司 | 一种统计数据的方法和装置 |
CN103325047A (zh) * | 2012-03-22 | 2013-09-25 | 纽海信息技术(上海)有限公司 | 网购引导装置及方法 |
CN104331817A (zh) * | 2014-10-29 | 2015-02-04 | 深圳先进技术研究院 | 电子商务推荐模型的用户特征提取方法及*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN108121737A (zh) * | 2016-11-29 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 一种业务对象属性标识的生成方法、装置和*** |
CN108022150A (zh) * | 2017-11-29 | 2018-05-11 | 金色家园网络科技有限公司 | 基于o2o数据的推荐方法和*** |
CN108022150B (zh) * | 2017-11-29 | 2021-07-06 | 金色家园网络科技有限公司 | 基于o2o数据的推荐方法和*** |
CN108021889A (zh) * | 2017-12-05 | 2018-05-11 | 重庆邮电大学 | 一种基于姿态外形和运动信息的双通道红外行为识别方法 |
CN109359246A (zh) * | 2018-12-07 | 2019-02-19 | 上海宏原信息科技有限公司 | 一种基于论坛用户言论的品牌亲密度计算方法 |
CN110175884A (zh) * | 2019-04-15 | 2019-08-27 | 深圳壹账通智能科技有限公司 | 商品推荐页面的展示方法、装置、计算机设备和存储介质 |
CN111768218A (zh) * | 2019-04-15 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
WO2020211616A1 (zh) * | 2019-04-15 | 2020-10-22 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
CN110533454A (zh) * | 2019-07-24 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 一种识别业务对象群体的方法及*** |
CN110533454B (zh) * | 2019-07-24 | 2023-07-07 | 创新先进技术有限公司 | 一种识别业务对象群体的方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678578A (zh) | 一种基于网购行为数据的用户品牌偏好度量方法 | |
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
Hsieh et al. | Store format choice in organic food consumption | |
Yeo et al. | Predicting online purchase conversion for retargeting | |
Kamakura | Sequential market basket analysis | |
Ahmed et al. | E-banking customer satisfaction and loyalty: Evidence from serial mediation through modified ES-QUAL model and second-order PLS-SEM | |
KR20160065429A (ko) | 하이브리드 개인화 상품추천 방법 | |
CN104615721B (zh) | 用于基于退货关联信息推荐商品的方法和*** | |
CN107563857B (zh) | 基于逻辑推理负关联规则修剪技术的客户购买行为分析方法 | |
CN104933595A (zh) | 一种基于马尔科夫预测模型的协同过滤推荐方法 | |
CN104008495A (zh) | 面向产品的零售点营销推荐方法 | |
Karthiyayini et al. | Affinity analysis and association rule mining using apriori algorithm in market basket analysis | |
Dongjin et al. | Exploring Chinese consumer repurchasing intention for services: An empirical investigation | |
Arivazhagan et al. | Pattern discovery and analysis of customer buying behavior using association rules mining algorithm in e-commerce | |
Chou et al. | The RFM Model Analysis for VIP Customer: A case study of golf clothing brand | |
CN111815351A (zh) | 一种基于协同过滤与关联规则的服装推荐方法 | |
Metilda | A Study on Customer Segmentation Using K-Means Clustering for Online Shoppers | |
Gupta et al. | Demographic Customer Segmentation of banking users Based on k-prototype methodology | |
Lin et al. | Mathematical formulation of the purchase funnel by using knowledge space theory | |
Tabaei et al. | Developing W-RFM model for customer value: An electronic retailing case study | |
Yan et al. | Customer segmentation using real transactional data in e-commerce platform: A case of online fashion bags shop | |
Lee | Factors Affecting Consumers' Willingness to Pay More for Socially Responsible Fashion Products | |
Sharma et al. | Analysis Of Customers’ Shopping Behaviour By Segmenting Customers Using K-Means Clustering Approach | |
CN116911960B (zh) | 基于大数据的电子商务数据推荐方法 | |
Long | Research on purchasing behaviour prediction of e-commerce platform users based on multidimensional data mining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160615 |
|
WD01 | Invention patent application deemed withdrawn after publication |