CN107481066A - 一种基于大数据的竞品分析方法及*** - Google Patents
一种基于大数据的竞品分析方法及*** Download PDFInfo
- Publication number
- CN107481066A CN107481066A CN201710757129.0A CN201710757129A CN107481066A CN 107481066 A CN107481066 A CN 107481066A CN 201710757129 A CN201710757129 A CN 201710757129A CN 107481066 A CN107481066 A CN 107481066A
- Authority
- CN
- China
- Prior art keywords
- product
- mrow
- msub
- target product
- competing
- 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 86
- 238000013459 approach Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000007405 data analysis Methods 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002860 competitive effect Effects 0.000 abstract description 8
- 239000000047 product Substances 0.000 description 470
- 230000006399 behavior Effects 0.000 description 71
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
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
本发明涉及竞品分析技术领域,提出了一种基于大数据的竞品分析方法及***,该方法包括:获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对互联网历史行为数据进行分析,得到目标产品的同类产品,同类产品为与目标产品的市场定位相同的产品;分别获取同类产品中各个产品与目标产品的关联度;选取对应的关联度大于第一预设阈值的产品作为目标产品的竞品;对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成目标产品相对于竞品的攻防策略。本发明能够有效、准确地实现竞品的定位和分析,为目标产品提供更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
Description
技术领域
本发明涉及竞品分析技术领域,尤其涉及一种基于大数据的竞品分析方法及***。
背景技术
在各行业中,针对竞品的研究一般都会极受重视,竞品分析或者品***是很多企业在市场做品牌市场战略研究的重要手段之一,而且也是企业对竞争对手市场经营情况最好的调研分析。每个企业都需要分析改进自身产品来占领更多市场,因此竞品分析是市场上最普遍,也是最重要的分析途径。产品研发上线后,所有企业或者品牌都需要竞品分析,对现有或潜在的竞争产品优势劣势进行评价。根据这个分析来对自身产品进行更全面、更专业的战略定位和产品优化。竞品分析主要从几个维度对比分析:战略定位、盈利模式、用户群体、产品功能、产品操作性能体验等。
在做竞品分析之前,选择定义竞品是很重要的环节。目前的定义竞品的方案主要包括:A.以技术规格、价格定位和销售数量等作为衡量指标,取相近者作为竞品。该方法虽然可以作为竞品参考之一,因为价格是很多用户群体选择产品的重要因素之一,技术规格是产品功能的竞争,销售数量是出于企业和企业之间产品的利润竞争考虑,但是该方法仅仅只能是相关人员从经验来判断这些指标的权重,从而定义竞品,忽略了用户真正的需求。一个产品是否被选中并购买的核心是该产品是否满足了用户需求,用户的需求才是产品真正选择的核心。B.根据用户对相关产品的关键词搜索量对比,选择被搜索次数多的产品作为竞品。这种方法只能确定用户总的搜索量,不能精准判断搜索的用户一定是目标人群,一次行为并不代表用户真正的需求全部。同时,当搜索两个产品关键词的两种人群出现比较大的重叠时,才能判断这两个产品可能互为竞品,然而仅通过关键词搜索量无法判断这两种人群的重叠情况,因此在这一点上,通过关键词搜索量选择竞品的方法具有很大缺陷。此外,根据产品被搜索的次数定义竞品无法找打相关产品具体功能和特性,如具体无法分析了解哪个特性最吸引客户。C.市场调研进行相应的统计,用户关注点的总体分析。该方法统计的首先是人,具有较强的主观色彩统计数据。而且主观性的东西无法通过普通的交流和问卷调查得信息,交流不够深入,不够全面都会带来竞品选择的误差。虽然调查问卷的行为数据较为具体,用户关注点较为明确,调查结果广而不深,用户在填问卷也会因为调查问卷问题的固定式设定,用户暂时性的发散性思维的回答,导致结果数据会脱离实际。此外问卷调查经常采用由用户自己填答问卷的方式,所以其调查结果的质量常常得不到保证,被调查者的分布不均匀,被调查人群有相对集中的现象。
定义竞品之后,市场上竞品分析的方法主要包括:SWTO、表格式对比评估等分析方法。其中,SWTO方法,主要以相关人员凭主观及经验,对具体竞品的某些具体细节功能的分析和比较,与市场的分析会存在很大的偏差。同样是忽略了用户需求的分析部分。表格统计对比评估分析法,主要以相关专业行业人员带有根据多年经验进行分析,而不是目标用户群的真正实在行为,与实际有偏差,带有的主观性比较强,对于具体的产品分析仅在表面。漏斗分析法,这种行为判断分析,只能分析出产品某一个环节出问题,不能精确找出某个环节的具体细节哪个功能出问题,具有很大的局限性,对产品功能特点分析对比没有达到一个很好的目的。搜索引擎关注量对比分析法,由于搜索关键词的量只是宏观上展现关键词的搜索热度和关注度,基于搜索的人群很可能不是同一批人群,导致搜索量的差异,误认为某功能特性是更受关注的,带来的误导性会很大,而且,这种单纯的搜索量的比较,无法明确某产品和竞品之间功能差异性。
因此,如何提供一种能够有效、准确地定位竞品、分析竞品的基于大数据的竞品分析方法对于品牌竞争策略的制定具有重要意义。
发明内容
鉴于上述问题,本发明提出了一种基于大数据的竞品分析方法及***,能够有效、准确地定位竞品,并量化目标产品和竞品各个细节之间的关注度,并基于关注度的高低进行竞品分析,为目标产品提供更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的策略。
本发明的一个方面,提供了一种基于大数据的竞品分析方法,包括:
获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品;
分别获取所述同类产品中各个产品与所述目标产品的关联度;
选取对应的关联度大于第一预设阈值的产品作为目标产品的竞品;
对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
可选地,在所述获取采样用户群中各用户的互联网历史行为数据之后,所述方法还包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
可选地,所述方法还包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。
可选地,所述分别获取所述同类产品中各个产品与所述目标产品的关联度,包括:
统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
计算所述同类产品中某一产品A的用户关注概率,公式如下:
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
其中,RIAB为产品A与所述目标产品B的关联指数;
根据所述关联指数确定所述产品A与所述目标产品B的关联度。
可选地,所述通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,还包括:
根据所述同类产品在所述目标用户群中对应的用户关注概率,对所述同类产品进行产品排名。
可选地,所述对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略,包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,从所述互联网历史行为数据中搜索用户的相关行为数据,所述相关行为数据为与所述目标产品和/或同类产品相关的且在单位时间内高频次同时进行的行为数据;
根据所述相关行为数据确定所述目标产品和对应竞品的用户关注内容;
获取所述竞品与所述目标产品在同一用户关注内容对应的关联指数;
基于所述关联指数以及所述竞品和所述目标产品在同一用户关注内容的用户关注概率,生成所述目标产品相对于所述竞品的攻防策略。
本发明的另一个方面,提供了一种基于大数据的竞品分析***,包括:
数据分析模块,用于获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品;
获取模块,用于分别获取所述同类产品中各个产品与所述目标产品的关联度;
选择模块,用于选取对应的关联度大于第一预设阈值的产品作为所述目标产品的竞品;
竞品分析模块,用于对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
可选地,所述数据分析模块,在获取采样用户群中各用户的互联网历史行为数据之后,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
所述获取模块,还用于获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
所述竞品分析模块,还用于对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
可选地,所述数据分析模块,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。
可选地,所述获取模块,包括:
统计单元,用于统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
计算单元,用于计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
所述计算单元,还用于计算所述同类产品中某一产品A的用户关注概率,公式如下:
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
所述计算单元,还用于根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
其中,RIAB为产品A与所述目标产品B的关联指数;
第一确定单元,用于根据所述关联指数确定所述产品A与所述目标产品B的关联度。
可选地,所述数据分析模块,具体还用于根据所述同类产品在所述目标用户群中对应的用户关注概率,对所述同类产品进行产品排名。
可选地,所述竞品分析模块,包括:
分析单元,用于通过漏斗分析法对所述互联网历史行为数据进行分析,从所述互联网历史行为数据中搜索用户的相关行为数据,所述相关行为数据为与所述目标产品和/或同类产品相关的且在单位时间内高频次同时进行的行为数据;
第二确定单元,用于根据所述相关行为数据确定所述目标产品和对应竞品的用户关注内容;
获取单元,用于获取所述竞品与所述目标产品在同一用户关注内容对应的关联指数;
生成单元,用于基于所述关联指数以及所述竞品和所述目标产品在同一用户关注内容的用户关注概率,生成所述目标产品相对于所述竞品的攻防策略。
本发明实施例提供的基于大数据的竞品分析方法及***,根据同类产品中各个产品与目标产品的关联度,实现目标产品的竞品选择,能够有效、准确地定位竞品,然后通过对与目标产品和竞品相关的用户的互联网历史行为数据进行分析,更为有效生成目标产品相对于竞品的攻防策略,进而为目标产品提供更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
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
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例的一种基于大数据的竞品分析方法的流程图;
图2为本发明实施例的一种基于大数据的竞品分析方法中步骤S12的细分流程图;
图3为本发明实施例的一种基于大数据的竞品分析方法中步骤S14的细分流程图;
图4为本发明实施例中漏斗分析法中各个环节的漏斗筛选规则的示意图;
图5为本发明实施例的一种基于大数据的竞品分析***的结构示意图;
图6为本发明实施例的一种基于大数据的竞品分析***中获取模块的内部结构示意图;
图7为本发明实施例的一种基于大数据的竞品分析***中竞品分析模块的内部结构示意图。
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。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非被特定定义,否则不会用理想化或过于正式的含义来解释。
为了解决现有技术中存在的技术问题,本发明实施例提出一种基于大数据的竞品分析方法及***,实现有效、准确地定位竞品、分析竞品,进而为品牌竞争策略的制定提供重要的指导意义。
图1示意性示出了本发明一个实施例的基于大数据的竞品分析方法的流程图。参照图1,本发明实施例的基于大数据的竞品分析方法具体包括以下步骤:
S11、获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品。
其中,互联网历史行为数据包含采样用户群中各用户在互联网上各种搜索、浏览、关注、评论等数据,这些行为通常发生在各大搜索引擎、产品相关网站、论坛、APP等互联网平台上。在一个具体示例中,漏斗分析法中各个环节的漏斗筛选规则由上至下配置如下:在漏斗的最上方首先通过用户在搜索引擎中搜索过某一产品的相关关键词,以从海量大数据中筛选出目标产品、目标产品的相关产品以及各产品相关内容的搜索、浏览、关注、评论等数据;然后依次是用户关注该产品在相关产品垂直类平台的新闻资讯类内容、该产品在相关产品垂直类平台的图集类内容、该产品在相关产品垂直类平台的使用评测类内容、该产品在相关产品垂直类平台的产品对比类内容以及用于的消费能力即该产品的定价范围,最后分析得到目标产品的同类产品。
S12、分别获取所述同类产品中各个产品与所述目标产品的关联度。
S13、选取对应的关联度大于第一预设阈值的产品作为所述目标产品的竞品。
S14、对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
本发明实施例提供的基于大数据的竞品分析方法,根据同类产品中各个产品与目标产品的关联度,实现目标产品的竞品选择,能够有效、准确地定位竞品,然后通过对与目标产品和竞品相关的用户的互联网历史行为数据进行分析,更为有效生成目标产品相对于竞品的攻防策略,进而为目标产品提供更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
在本发明实施例中,在所述获取采样用户群中各用户的互联网历史行为数据之后,所述方法还包括以下步骤:
通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
在实际应用中,在对采样用户群中各用户的互联网历史行为数据进行分析时,除了得到目标产品的同类产品之外,还可以是不同类的第三方产品。当不同类的第三方产品中的一些产品与所述目标产品对应的人群关注信息领域具有很大一部分重合度时,说明两者产品的人群关注度重合度很高,具有很高的关联度,则可以对与目标产品、关联产品相关的互联网历史行为数据进行分析,制定目标产品与关联产品有效的合作策略,实现合作共赢。
其中,获取采样用户群中各用户的互联网历史行为数据之后,所述方法还包括:通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。进一步地,在通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品时,具体的实现方式为根据所述同类产品在所述目标用户群中对应的用户关注概率,根据所述用户关注概率对所述同类产品进行产品排序,进而从产品排序中选取对应的关联度最大的产品作为目标产品的竞品。
本发明实施例通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群。该目标用户群可以看作是目标产品的真实消费者或潜在消费者。通过消费者(真实消费者或潜在消费者)对产品的关注行为分析定义该产品的竞品对象,同时通过消费者对产品相关功能及内容的关注行为,分析目标产品及竞品功能方面的差异。本发明实施例采用漏斗思维模式,通过对消费者在某产品上的相关行为数据,进行层层递推地分析,从而确定该产品的对应竞品。同时根据这一波目标人群的搜索相关关键词的功能特性的占比分析。其中,相关行为数据通常这些数据包含消费者在互联网上对产品及产品相关内容的搜索、浏览、关注、评论等数据,这些行为通常发生在各大搜索引擎、产品相关网站、论坛、APP等互联网平台上。
本实施例中,如图2所示,步骤S12中关联度的确定具体可通过以下步骤实现:
S121、统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
S122、计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
S123、计算所述同类产品中某一产品A的用户关注概率,公式如下:
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
S124、根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
其中,RIAB为产品A与所述目标产品B的关联指数;
S125、根据所述关联指数确定所述产品A与所述目标产品B的关联度。
其中,A与B的类别可视具体业务情况进行详细定义,也可根据客户分析需要直接设置。在实际应用中,当A与B在市场定位上一致,则认为A与B形成竞争关系,当A与B在市场上定位不一致,甚至处于不同行业,则认为他们面向相同的用户人群。通过这样的竞品选择以及分析方法,则能够精准的确认竞品,甚至能找出人群相应的特征,从而对企业营销发展战略的制定提供中重要的信息基础。
本实施例中,如图3所示,步骤S14中的对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略,具体通过以下步骤实现:
S141、通过漏斗分析法对所述互联网历史行为数据进行分析,从所述互联网历史行为数据中搜索用户的相关行为数据,所述相关行为数据为与所述目标产品和/或同类产品相关的且在单位时间内高频次同时进行的行为数据;
S142、根据所述相关行为数据确定所述目标产品和对应竞品的用户关注内容;
S143、获取所述竞品与所述目标产品在同一用户关注内容对应的关联指数;
S144、基于所述关联指数以及所述竞品和所述目标产品在同一用户关注内容的用户关注概率,生成所述目标产品相对于所述竞品的攻防策略。
其中,目标产品相对于所述竞品的攻防策略中包括有进攻、无关联、防守以及争取等具体策略。在一个具体实施例中,如果竞品与目标产品在同一用户关注内容对应的关联指数高于预设阈值,则证明竞品与目标产品在这一用户关注内容方面成为竞品,则进一步根据竞品和目标产品在同一用户关注内容的用户关注概率确定具体攻防策略。例如,若竞品在某一用户关注内容的用户关注概率高于目标产品在同一用户关注内容的用户关注概率,则目标产品需要再这一方面制定进攻策略;若竞品在某一用户关注内容的用户关注概率低于目标产品在同一用户关注内容的用户关注概率,则目标产品需要再这一方面制定防守策略。
本发明实施例通过有效的竞品选择,以及根据用户关注内容,建立相应的产品类别对比,通过对目标产品与竞品的关注关联分析,在不同的产品关注方面,用户展现了不同的关注倾向,结合进攻、防守等策略运用,可以获得目标产品需要改善、调整及加强竞争力的方面,同时也可以看到竞品待补充、待完善的机会方面,为目标产品提供了更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
下面以某车型竞品分析为例,对本发明技术方案进行详细地解释说明:
首先,定义漏斗分析法中各个环节的漏斗筛选规则,参见图4,图4为本发明实施例中漏斗分析法中各个环节的漏斗筛选规则的示意图,由上至下依次为:
用户在搜索引擎中搜索过该车型的相关关键词;
用户关注该车型在汽车垂直类平台的新闻资讯类内容;
用户关注该车型在汽车垂直类平台的图片类内容;
用户关注该车型在汽车垂直类平台的试驾评测类内容;
用户关注该车型在汽车垂直类平台的车型对比类内容;
用户的消费能力(符合该车型定价范围)。
以上信息用户在单位时间内高频次同时进行的相关网上行为信息都会进行相应的监测并获取相应的数据,从而通过数据整合得出具体关注度高的产品排名,已选出目标产品对应的竞品。此外,还可以再结合线下调研数据进行对比分析,来更加准确地选择出相应的竞品,从而进行竞品分析。
进一步地,本实施例采用攻防图的分析方法论进行对目标产品和竞品有效的分析。复杂的网络数据,竞品的多样特性,客户需求的变化莫测,让品牌和企业对市场需求以及用户需求越来越难整理和分析。状态攻防图技术是对其进行建模分析的一种有效方案,传统的攻防图思维分析存在众多的局限性,如数据获取的局限性,竞品选择的不确定性,使得实际应用中如果分析人员经验不足,则会很难反应出真实市场需求和竞品间的细节比较。
本发明实施例,通过有效的竞品选择,以及建立相应的产品类别对比,通过对目标品牌与竞品品牌的关注关联分析,在不同的产品关注方面,用户展现了不同的关注倾向,结合进攻、防守等策略运用,可以获得目标品牌需要改善、调整及加强竞争力的方面,同时也可以看到竞品品牌待补充、待完善的机会方面,为目标品牌提供了更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。如下,在一个具体实施例中,以汽车品牌的竞品分析为例进行说明,前提条件是两者市场定位一致:
其中,以车型A作为目标产品,车型B作为分析出的竞品,具体如表1所示:
表1车型A与车型B的攻防图分析
表1中的百分比为对应人群的用户关注概率,通过比较分析,我们可以判断产品的市场状况,是否要改进或者加大营销理念。关注概率越高,甚至可以作为品牌广告营销的一个卖点。在该攻防图分析中,能看到两者是定位同样市场,用户人群特定关联指数随着交叉重合度越高而越大,则成为竞品的可能性就最大。本具体实施例中,攻防图分析建立在基于汽车市场研究中。可理解的,本发明技术方案还可以扩展为其他品牌市场研究。两者如果是并非同一个定位,关联度很大的情况下,该模型也具有很大的研究意义。基于此,可知两者面对市场人群有很大的共性,可以进行有必要的相应合作,实现合作双赢的战略。可见本发明实施例提供的基于大数据的竞品分析对产品具有很大的指导意义。
本发明实施例,通过大数据分析定义竞品,是根据互联网大数据背景意义,跟传统数据相比,数据源更广。传统是单纯的竞品网站,线下调研,统计平台,他们的定义竞品的方法论是不够精准人群,而本发明实施例是层层递进式抓取用户搜索行为数据并不断剔除,从而最后到搜索的人群是精准目标人群。分析竞品和产品更细,甚至还将其他品牌产品进行了分析和参照,可以作为合作发展对象的选择。攻防图是基于产品竞品各个细节之间的关注度高低进行比较分析,从而得出面对市场,产品如何做出相应的改进。
本发明实施例提供的基于大数据的竞品分析方法,通过有效的竞品选择,以及建立相应的产品类别对比,通过对目标品牌与竞品品牌的关注关联分析,在不同的产品关注方面,用户展现了不同的关注倾向,结合进攻、防守等策略运用,可以获得目标品牌需要改善、调整及加强竞争力的方面,同时也可以看到竞品品牌待补充、待完善的机会方面,为目标品牌提供了更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
图5示意性示出了本发明一个实施例的基于大数据的竞品分析***的结构示意图。参照图5,本发明实施例的基于大数据的竞品分析***具体包括数据分析模块501、获取模块502、选择模块503以及竞品分析模块504,其中,数据分析模块501,用于获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品;获取模块502,用于分别获取所述同类产品中各个产品与所述目标产品的关联度;选择模块503,用于选取对应的关联度大于第一预设阈值的产品作为所述目标产品的竞品;竞品分析模块504,用于对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
在本发明的一个可选实施例中,所述数据分析模块501,在获取采样用户群中各用户的互联网历史行为数据之后,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
所述获取模块502,还用于获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
所述竞品分析模块504,还用于对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
本发明实施例中,所述数据分析模块501,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。
具体的,如图6所示,所述获取模块502,进一步包括统计单元5021、计算单元5022和第一确定单元5023,其中:
统计单元5021,用于统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
计算单元5022,用于计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
所述计算单元5022,还用于计算所述同类产品中某一产品A的用户关注概率,公式如下:
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
所述计算单元5022,还用于根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
其中,RIAB为产品A与所述目标产品B的关联指数;
第一确定单元5023,用于根据所述关联指数确定所述产品A与所述目标产品B的关联度。
本发明实施例中,所述数据分析模块501,具体用于根据所述同类产品在所述目标用户群中对应的用户关注概率,对所述同类产品进行产品排名。
本发明实施例中,如图7所示,所述竞品分析模块504,进一步包括分析单元5041、第二确定单元5042、获取单元5043以及生成单元5044,其中:
分析单元5041,用于通过漏斗分析法对所述互联网历史行为数据进行分析,从所述互联网历史行为数据中搜索用户的相关行为数据,所述相关行为数据为与所述目标产品和/或同类产品相关的且在单位时间内高频次同时进行的行为数据;
第二确定单元5042,用于根据所述相关行为数据确定所述目标产品和对应竞品的用户关注内容;
获取单元5043,用于获取所述竞品与所述目标产品在同一用户关注内容对应的关联指数;
生成单元5044,用于基于所述关联指数以及所述竞品和所述目标产品在同一用户关注内容的用户关注概率,生成所述目标产品相对于所述竞品的攻防策略。
对于***实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述各个基于大数据的竞品分析方法实施例中的步骤。
此外,本发明另一实施例还提供了一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,所述电路板安置在所述壳体围成的空间内部,所述处理器和所述存储器设置在所述电路板上;所述电源电路,用于为所述电子设备的各个电路或器件供电;所述存储器用于存储可执行程序代码;所述处理器通过读取所述存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于执行以下步骤:获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对互联网历史行为数据进行分析,得到目标产品的同类产品,同类产品为与目标产品的市场定位相同的产品;分别获取同类产品中各个产品与目标产品的关联度;选取对应的关联度最大的产品作为目标产品的竞品;对与目标产品和竞品相关的互联网历史行为数据进行分析,生成目标产品相对于竞品的攻防策略。
所述电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,本发明实施例中给出的仅仅是计算机设备的示例,并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机设备还可以包括输入输出设备、网络接入设备、总线等。
本发明实施例提供的基于大数据的竞品分析方法及***,根据同类产品中各个产品与目标产品的关联度,实现目标产品的竞品选择,能够有效、准确地定位竞品,然后通过对与目标产品和竞品相关的用户的互联网历史行为数据进行分析,更为有效生成目标产品相对于竞品的攻防策略,进而为目标产品提供更为有效的竞争策略制定依据,同时也通过用户的关注倾向从而制定更有效的投放策略。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于大数据的竞品分析方法,其特征在于,包括:
获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品;
分别获取所述同类产品中各个产品与所述目标产品的关联度;
选取对应的关联度大于第一预设阈值的产品作为所述目标产品的竞品;
对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
2.根据权利要求1所述的方法,其特征在于,在所述获取采样用户群中各用户的互联网历史行为数据之后,所述方法还包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。
4.根据权利要求3所述的方法,其特征在于,所述分别获取所述同类产品中各个产品与所述目标产品的关联度,包括:
统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
<mrow>
<msub>
<mi>FR</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>A</mi>
</msub>
<mo>&cap;</mo>
<msub>
<mi>FU</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
计算所述同类产品中某一产品A的用户关注概率,公式如下:
<mrow>
<msub>
<mi>FP</mi>
<mi>A</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>A</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>FU</mi>
<mrow>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
<mrow>
<msub>
<mi>RI</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>FR</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>FP</mi>
<mi>A</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,RIAB为产品A与所述目标产品B的关联指数;
根据所述关联指数确定所述产品A与所述目标产品B的关联度。
5.根据权利要求3所述的方法,其特征在于,所述通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,还包括:
根据所述同类产品在所述目标用户群中对应的用户关注概率,对所述同类产品进行产品排名。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略,包括:
通过漏斗分析法对所述互联网历史行为数据进行分析,从所述互联网历史行为数据中搜索用户的相关行为数据,所述相关行为数据为与所述目标产品和/或同类产品相关的且在单位时间内高频次同时进行的行为数据;
根据所述相关行为数据确定所述目标产品和对应竞品的用户关注内容;
获取所述竞品与所述目标产品在同一用户关注内容对应的关联指数;
基于所述关联指数以及所述竞品和所述目标产品在同一用户关注内容的用户关注概率,生成所述目标产品相对于所述竞品的攻防策略。
7.一种基于大数据的竞品分析***,其特征在于,包括:
数据分析模块,用于获取采样用户群中各用户的互联网历史行为数据,通过漏斗分析法对所述互联网历史行为数据进行分析,得到目标产品的同类产品,所述同类产品为与目标产品的市场定位相同的产品;
获取模块,用于分别获取所述同类产品中各个产品与所述目标产品的关联度;
选择模块,用于选取对应的关联度大于第一预设阈值的产品作为所述目标产品的竞品;
竞品分析模块,用于对与所述目标产品和所述竞品相关的互联网历史行为数据进行分析,生成所述目标产品相对于所述竞品的攻防策略。
8.根据权利要求7所述的***,其特征在于,所述数据分析模块,在获取采样用户群中各用户的互联网历史行为数据之后,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,确定与所述目标产品的类别不同的第三方产品;
所述获取模块,还用于获取所述第三方产品中与所述目标产品的关联度大于第二预设阈值的关联产品,其中,所述第一预设阈值大于所述第二预设阈值;
所述竞品分析模块,还用于对与所述目标产品和所述关联产品相关的互联网历史行为数据进行分析,生成所述目标产品与所述关联产品的合作策略。
9.根据权利要求7所述的***,其特征在于,所述数据分析模块,还用于通过漏斗分析法对所述互联网历史行为数据进行分析,以确定所述目标产品对应的目标用户群,其中,所述目标用户群为关注目标产品和/或同类产品的用户群。
10.根据权利要求7所述的***,其特征在于,所述获取模块,包括:
统计单元,用于统计采样用户群的用户数量、采样用户群中关注所述同类产品中某一产品A的用户群体和用户数量,以及关注所述目标产品B的用户群体和用户数量;
计算单元,用于计算所述同类产品中某一产品A对所述目标产品B的绝对关注度,公式如下:
<mrow>
<msub>
<mi>FR</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>A</mi>
</msub>
<mo>&cap;</mo>
<msub>
<mi>FU</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,FRAB表示某一产品A对B的绝对关注度,FUA表示关注A的用户群体,FUB表示关注B的用户群体。Count表示用户群体对应的用户数量;
所述计算单元,还用于计算所述同类产品中某一产品A的用户关注概率,公式如下:
<mrow>
<msub>
<mi>FP</mi>
<mi>A</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>FU</mi>
<mi>A</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>FU</mi>
<mrow>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中,FPA为产品A的用户关注概率,FUall为采样用户群的用户数量;
所述计算单元,还用于根据所述绝对关注度和用户关注概率,计算同类产品中某一产品A与所述目标产品B的关联指数,公式如下:
<mrow>
<msub>
<mi>RI</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>FR</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>FP</mi>
<mi>A</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,RIAB为产品A与所述目标产品B的关联指数;
第一确定单元,用于根据所述关联指数确定所述产品A与所述目标产品B的关联度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710757129.0A CN107481066A (zh) | 2017-08-29 | 2017-08-29 | 一种基于大数据的竞品分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710757129.0A CN107481066A (zh) | 2017-08-29 | 2017-08-29 | 一种基于大数据的竞品分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107481066A true CN107481066A (zh) | 2017-12-15 |
Family
ID=60603940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710757129.0A Pending CN107481066A (zh) | 2017-08-29 | 2017-08-29 | 一种基于大数据的竞品分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481066A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408695A (zh) * | 2018-09-27 | 2019-03-01 | 苏州创旅天下信息技术有限公司 | 竞品数据抓取方法及*** |
CN109993553A (zh) * | 2017-12-30 | 2019-07-09 | ***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 |
CN110443290A (zh) * | 2019-07-23 | 2019-11-12 | 广东数鼎科技有限公司 | 一种基于大数据的产品竞争关系量化生成方法及装置 |
CN110544140A (zh) * | 2018-05-29 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 一种处理浏览数据的方法和装置 |
CN110659924A (zh) * | 2018-06-29 | 2020-01-07 | 北京奇虎科技有限公司 | 一种产品竞争关系可视化分析方法、装置及设备 |
CN110675205A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 基于应用的竞品分析方法、装置及存储介质 |
CN112598405A (zh) * | 2021-02-20 | 2021-04-02 | 汇正(广州)企业管理咨询有限公司 | 一种基于大数据的商业项目数据管理方法及*** |
CN112651781A (zh) * | 2020-12-29 | 2021-04-13 | 车主邦(北京)科技有限公司 | 竞品分析方法和装置 |
CN113743721A (zh) * | 2021-07-29 | 2021-12-03 | 深圳市东信时代信息技术有限公司 | 营销策略生成方法、装置、计算机设备及存储介质 |
CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN116758576A (zh) * | 2023-08-21 | 2023-09-15 | 苏州极易科技股份有限公司 | 基于机器学习的营销信息识别方法、装置、设备和介质 |
CN117094752A (zh) * | 2023-10-13 | 2023-11-21 | 广州市零脉信息科技有限公司 | 一种产品销售意向群体分析*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150242863A1 (en) * | 2012-07-19 | 2015-08-27 | Nikon Corporation | Electronic apparatus and method |
CN103077220B (zh) * | 2012-12-29 | 2016-06-29 | 中国科学院深圳先进技术研究院 | 一种基于用户群关联度的个性化推荐方法及*** |
-
2017
- 2017-08-29 CN CN201710757129.0A patent/CN107481066A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150242863A1 (en) * | 2012-07-19 | 2015-08-27 | Nikon Corporation | Electronic apparatus and method |
CN103077220B (zh) * | 2012-12-29 | 2016-06-29 | 中国科学院深圳先进技术研究院 | 一种基于用户群关联度的个性化推荐方法及*** |
Non-Patent Citations (2)
Title |
---|
姜浩: "消费者视角下的跨国公司品牌联合研究—以汽车行业为例", 《经济与管理科学辑》 * |
王贵苏: "消解与重构:大数据时代的品牌营销变革", 《经济与管理科学辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993553A (zh) * | 2017-12-30 | 2019-07-09 | ***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 |
CN109993553B (zh) * | 2017-12-30 | 2021-09-03 | ***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 |
CN110544140A (zh) * | 2018-05-29 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 一种处理浏览数据的方法和装置 |
CN110659924A (zh) * | 2018-06-29 | 2020-01-07 | 北京奇虎科技有限公司 | 一种产品竞争关系可视化分析方法、装置及设备 |
CN110659924B (zh) * | 2018-06-29 | 2023-09-01 | 北京奇虎科技有限公司 | 一种产品竞争关系可视化分析方法、装置及设备 |
CN110675205A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 基于应用的竞品分析方法、装置及存储介质 |
CN110675205B (zh) * | 2018-07-03 | 2022-11-29 | 百度在线网络技术(北京)有限公司 | 基于应用的竞品分析方法、装置及存储介质 |
CN109408695A (zh) * | 2018-09-27 | 2019-03-01 | 苏州创旅天下信息技术有限公司 | 竞品数据抓取方法及*** |
CN110443290A (zh) * | 2019-07-23 | 2019-11-12 | 广东数鼎科技有限公司 | 一种基于大数据的产品竞争关系量化生成方法及装置 |
CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN112651781A (zh) * | 2020-12-29 | 2021-04-13 | 车主邦(北京)科技有限公司 | 竞品分析方法和装置 |
CN112598405B (zh) * | 2021-02-20 | 2021-11-05 | 苏州天合启信科技有限公司 | 一种基于大数据的商业项目数据管理方法及*** |
CN112598405A (zh) * | 2021-02-20 | 2021-04-02 | 汇正(广州)企业管理咨询有限公司 | 一种基于大数据的商业项目数据管理方法及*** |
CN113743721A (zh) * | 2021-07-29 | 2021-12-03 | 深圳市东信时代信息技术有限公司 | 营销策略生成方法、装置、计算机设备及存储介质 |
CN116758576A (zh) * | 2023-08-21 | 2023-09-15 | 苏州极易科技股份有限公司 | 基于机器学习的营销信息识别方法、装置、设备和介质 |
CN116758576B (zh) * | 2023-08-21 | 2023-11-21 | 苏州极易科技股份有限公司 | 基于机器学习的营销信息识别方法、装置、设备和介质 |
CN117094752A (zh) * | 2023-10-13 | 2023-11-21 | 广州市零脉信息科技有限公司 | 一种产品销售意向群体分析*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481066A (zh) | 一种基于大数据的竞品分析方法及*** | |
US11659050B2 (en) | Discovering signature of electronic social networks | |
US20230351182A1 (en) | Systems and processes for bias removal in a predictive performance model | |
Gil et al. | Towards content trust of web resources | |
Au Yeung et al. | Strength of social influence in trust networks in product review sites | |
Ayub et al. | A Jaccard base similarity measure to improve performance of CF based recommender systems | |
US10147037B1 (en) | Method and system for determining a level of popularity of submission content, prior to publicizing the submission content with a question and answer support system | |
Johansson et al. | Comparison of methods for handling missing covariate data | |
Jansen et al. | Measuring user interactions with websites: A comparison of two industry standard analytics approaches using data of 86 websites | |
Dey et al. | Sample complexity for winner prediction in elections | |
Saleem et al. | Personalized decision-strategy based web service selection using a learning-to-rank algorithm | |
CN111079009A (zh) | 一种用于政务地图服务的用户兴趣检测方法及*** | |
Reda et al. | Assessing the quality of social media data: a systematic literature review | |
Bansal et al. | Trust evaluation of websites: a comprehensive study | |
CN116701772B (zh) | 数据推荐方法和装置、计算机可读存储介质、电子设备 | |
CN110309411A (zh) | 一种资源推荐方法及装置 | |
O’brien | Beyond reliable: Challenging and deciding expert admissibility in US civil courts | |
Khadangi et al. | Presenting novel application-based centrality measures for finding important users based on their activities and social behavior | |
Anderson et al. | Using Copulas to Model and Simulate Two‐dimensional Warranty Data | |
CN110210978A (zh) | 确定基金因子有效性的方法、装置、设备及存储介质 | |
Bhutani et al. | WSEMQT: a novel approach for quality‐based evaluation of web data sources for a data warehouse | |
Pajković et al. | Application of Fuzzy Linguistic Rating and Entropy‐Based GRA to Address Uncertainty in Safety Performance Index Construction | |
Šitum | Analysis of algorithms for determining trust among friends on social networks | |
Vranić et al. | Sustainability of Stack Exchange Q&A communities: the role of trust | |
CN115392992A (zh) | 商品推荐方法、终端设备及计算机可读存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180109 Address after: 100027 Fuhua building, No. 8, Chaoyangmen North Street, Dongcheng District, Beijing, Dongcheng District, F 17-C Applicant after: Liu Geng Address before: 100027 Fuhua building, No. 8, Chaoyangmen North Street, Dongcheng District, Beijing, Dongcheng District, F 17-C Applicant before: EPPs Shengguo (Beijing) intelligent Polytron Technologies Inc |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |