CN110163686A - 基于消费者行为的预期消费画像方法及*** - Google Patents
基于消费者行为的预期消费画像方法及*** Download PDFInfo
- Publication number
- CN110163686A CN110163686A CN201910448038.8A CN201910448038A CN110163686A CN 110163686 A CN110163686 A CN 110163686A CN 201910448038 A CN201910448038 A CN 201910448038A CN 110163686 A CN110163686 A CN 110163686A
- Authority
- CN
- China
- Prior art keywords
- user
- home
- consumer
- businessman
- consumption
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于消费者行为的预期消费画像方法及***,利用网络爬虫从互联网爬取各电商平台的用户ID,对同一网络IP地址下的所有用户ID进行关联,将关联成功的用户ID彼此互联,视为一个家庭ID;记录所述家庭ID的消费清单,并通过聚类算法将同一类商品进行分析,生成相应的消费行为曲线,自动对商家和用户ID的消费目标进行匹配,并对资源池内的商家和匹配的用户ID进行双向信息推送,和传统的根据单个人的消费行为分析而言,本方案提供的以家庭为单位进行行为分析的模式可以弥补个人消费行为的偶然事件,从而将更多的消费行为特征纳入分析范畴,提高分析的准确性。
Description
技术领域
本发明涉及消费者行为分析领域,具体涉及一种基于消费者行为的预期消费画像方法及***。
背景技术
消费者行为研究,是市场调研中最普通、最经常实施的一项研究。是指对消费者为获取、使用、处理消费物品所采用的各种行动以及事先决定这些行动的决策过程的定量研究和定性研究。该项研究除了可以了解消费者是如何获取产品与服务,还可以了解消费者是如何消费产品,以及产品在用完或消费之后是如何被处置的。因此,它是营销决策的基础,与企业市场的营销活动密不可分,对消费者行为研究,对于提高营销决策水平,增强营销策略的有效性方面有着很重要意义。
目前的消费者行为研究都是以个人为单位进行研究,例如公开号为CN105701675A的中国专利,公开了一种基于Webform的消费者行为分析***。通过分析了解各类消费者的个性倾向、购买行为,了解购买过程中的各种参与者及其购买行为的影响,可以有效的制定市场营销计划,帮助商场留住每个顾客,刺激消费,提高商场的人流量。不同的人会有不同的消费行为,商场可以通过技术手段采集相关数据,透过分析***分析消费者行为特征,为客户提供可靠的数据咨询解答和分析服务。我们可以通过消费者行为分析***,分析消费者的购买心理和行为特征,让商场抓住每个顾客,让我们的营销与消费者达成良好的默契。
除去单个消费群体以外,家庭消费同样是不容忽视的消费群里,例如在一个家庭中,每一个个人都会为家庭购买共同消费品,例如晚辈为长辈购买衣服、日用品,妻子为丈夫购买衣服等等,这些行为并不带表该消费者所具有的特质,很有可能这些消费行为仅发生一次,如果针对该单次消费行为作为研究对象,其分析结果显然是不准确的,而目前还有一套完善的分析方法是以家庭为单位进行分析,其技术难点在于难以将众多的用户关联成一个家庭用户。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于消费者行为的预期消费画像方法及***,通过将个人用户的IP地址进行关联,从而得出一个家庭用户的模型,针对该家庭账户进行相应的商品推荐。
本发明的目的是通过以下技术方案来实现的:
基于消费者行为的预期消费画像方法,该方法包括如下步骤:
S1:利用网络爬虫从互联网爬取各电商平台的用户ID,对同一网络IP地址下的所有用户ID进行关联,将关联成功的用户ID彼此互联,视为一个家庭ID;
S2:记录所述家庭ID的消费清单,并通过聚类算法将同一类商品进行分析,生成相应的消费行为曲线;
S3:根据消费行为曲线预判该商品的下一消费行为时间节点,并在该时间节点的前后时间阈值T内将该家庭ID的所有用户ID推送至资源池内;
S4:对资源池进行权限设置,邀请通过权限的商家入驻资源池内,自动对商家和用户ID的消费目标进行匹配,并对资源池内的商家和匹配的用户ID进行双向信息推送。
在本方案中,利用同一家庭IP相同的特性进行分析,将同一IP下的所有个人用户,作为一个家庭用户清单,然后根据个人用户的特点进行分析,从而判断出该用户是否属于家庭用户成员,该判断仅仅是一种粗料的判断,并不能100%的精确判断,但依然可以为以家庭为单位的消费行为进行指导,从而获得相应的消费行为推荐。
进一步的,所述用户ID关联的方法为:
S01:获取同一IP地址下的各电商平台的用户ID名单;
S02:设Dn用于表示用户ID是否属于同一IP地址下的家庭ID;
用户ID的登录频率为fn,其中fn单位为次/年;
性别为Xn,男性Xn取值为1,女性取值为-1;
用户实名姓氏Mn,其Mn取值为1;
用户ID的真实年龄Tn;
则有:
其中k表示该用户ID名单真实姓氏为Mn的数量,m为小于n的整数;
S03:当Dn-m大于等于0.5-1时,则将该用户并入家庭ID,反之则舍弃。
在本计算方法中,其计算原理是根据一般家庭成员的组成类型为模型进行判断的,其不适用与混住家庭用户,仅适用于一家多代或夫妻两的家庭模型,在这类家庭模型中其共同点在于,一般情况男女之间姓氏不同、男性成员之间姓氏一般相同、如男女姓氏相同且存在明显的年龄差可初步判断为血亲,无明显年龄差距则可视为兄妹,以此为模型建立上述计算模型,可推算出一般情况下是否属于同一家庭用户成员。
进一步的,所述用户ID在超过时间阈值T或发生目标消费行为以后自动退出资源池;
所述商家入驻资源池的时效由资源池后台进行设定。
过时间阈值T即表示该用户可能存在线下购买的情况,或无需购买的情况,因此为保证网络的清净,应禁止向其继续推送消息,避免打扰。
进一步的,所述消费清单是指以时间轴为主线的消费行为记录,每个家庭ID根据消费类型不同,利用聚类算法生成多个消费行为记录曲线。
进一步的,所述双向信息推送是根据家庭ID的消费行为曲线向该家庭ID下的所有用户ID推送商品信息,以及将该家庭ID下的所有用户ID信息推送至资源池内的商家,以供商家进行相应的商品推荐。
一种基于消费者行为的预期消费画像***,该***包括:
网络爬虫模块:用于实时爬取各各电商平台的用户ID;
用户处理模块:用于将同一网络IP地址下的所有用户ID进行关联,形成一个家庭ID;
数据分析模块:利用聚类算法,分析家庭ID各类商品的消费行为曲线并生成下一次消费的预测时间节点;
数据资源池:用于容纳商家以及处于消费时间节点内的家庭ID;
鉴权模块:用于数据资源池内商家进入的权限鉴定;
信息推送模块:用于自动匹配数据资源池内商家与家庭ID之间的信息推送。
本发明的有益效果是:和传统的根据单个人的消费行为分析而言,本方案提供的以家庭为单位进行行为分析的模式可以弥补个人消费行为的偶然事件,从而将更多的消费行为特征纳入分析范畴,例如李某仅购买过一次奶粉,作为数据分析,这样的数据必然会被丢弃,但是作为家庭为单位进行分析时,如果该家庭成员每月或定期购买奶粉,则可分析出该家庭中存在婴儿,从而为商家提供可靠的分析,弥补了个人消费行为出现离散数据的现象。
附图说明
图1为本发明的***框图。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
基于消费者行为的预期消费画像方法,该方法包括如下步骤:
S1:利用网络爬虫从互联网爬取各电商平台的用户ID,对同一网络IP地址下的所有用户ID进行关联,将关联成功的用户ID彼此互联,视为一个家庭ID;
在该步骤中,还利用GPS定位技术,分析用户的家庭和工作单位的地址,从而准确获取到用户的家庭IP地址,从而获得准确的IP地址下的用户名单,排除公司大群体范围内的用户。
S2:记录所述家庭ID的消费清单,并通过聚类算法将同一类商品进行分析,生成相应的消费行为曲线;
家庭ID的消费清单是指该家庭用户ID下的所有用户ID的消费记录,例如该家庭用户中统计人数为4名,则4名用户的消费记录作为一个整体进行分析,并将不同的商品进行分类,其分类方式可根据用途分类,具体可包括服饰、化妆品、日用品、厨房用品、个人电器等等。
S3:根据消费行为曲线预判该商品的下一消费行为时间节点,并在该时间节点的前后时间阈值T内将该家庭ID的所有用户ID推送至资源池内;
该步骤中的时间节点确定方式是根据每一类产品的消费周期进行预判,例如春夏换季进行服饰推荐,生活日用品则根据消耗速度进行推荐、个人电器如手机、电脑则根据使用寿命周期进行大致的推荐,再结合其历史消费记录,利用线性回归算法从而可得出一个基本准确的购买时间节点。
S4:对资源池进行权限设置,邀请通过权限的商家入驻资源池内,自动对商家和用户ID的消费目标进行匹配,并对资源池内的商家和匹配的用户ID进行双向信息推送。
进一步的,所述用户ID关联的方法为:
S01:获取同一IP地址下的各电商平台的用户ID名单;
S02:设Dn用于表示用户ID是否属于同一IP地址下的家庭ID;
用户ID的登录频率为fn,其中fn单位为次/年;
性别为Xn,男性Xn取值为1,女性取值为-1;
用户实名姓氏Mn,其Mn取值为1;
用户ID的真实年龄Tn;
则有:
其中k表示该用户ID名单真实姓氏为Mn的数量,m为小于n的整数;
S03:当Dn-m大于等于0.5-1时,则将该用户并入家庭ID,反之则舍弃。
进一步的,所述用户ID在超过时间阈值T或发生目标消费行为以后自动退出资源池;
所述商家入驻资源池的时效由资源池后台进行设定。
进一步的,所述消费清单是指以时间轴为主线的消费行为记录,每个家庭ID根据消费类型不同,利用聚类算法生成多个消费行为记录曲线。
进一步的,所述双向信息推送是根据家庭ID的消费行为曲线向该家庭ID下的所有用户ID推送商品信息,以及将该家庭ID下的所有用户ID信息推送至资源池内的商家,以供商家进行相应的商品推荐。
如图1所示,一种基于消费者行为的预期消费画像***,该***包括:
网络爬虫模块:用于实时爬取各各电商平台的用户ID;
用户处理模块:用于将同一网络IP地址下的所有用户ID进行关联,形成一个家庭ID;
数据分析模块:利用聚类算法,分析家庭ID各类商品的消费行为曲线并生成下一次消费的预测时间节点;
数据资源池:用于容纳商家以及处于消费时间节点内的家庭ID;
鉴权模块:用于数据资源池内商家进入的权限鉴定;
信息推送模块:用于自动匹配数据资源池内商家与家庭ID之间的信息推送。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.基于消费者行为的预期消费画像方法,其特征在于,该方法包括如下步骤:
S1:利用网络爬虫从互联网爬取各电商平台的用户ID,对同一网络IP地址下的所有用户ID进行关联,将关联成功的用户ID彼此互联,视为一个家庭ID;
S2:记录所述家庭ID的消费清单,并通过聚类算法将同一类商品进行分析,生成相应的消费行为曲线;
S3:根据消费行为曲线预判该商品的下一消费行为时间节点,并在该时间节点的前后时间阈值T内将该家庭ID的所有用户ID推送至资源池内;
S4:对资源池进行权限设置,邀请通过权限的商家入驻资源池内,自动对商家和用户ID的消费目标进行匹配,并对资源池内的商家和匹配的用户ID进行双向信息推送。
2.根据权利要求1所述的基于消费者行为的预期消费画像方法,其特征在于,所述用户ID关联的方法为:
S01:获取同一IP地址下的各电商平台的用户ID名单;
S02:设Dn用于表示用户ID是否属于同一IP地址下的家庭ID;
用户ID的登录频率为fn,其中fn单位为次/年;
性别为Xn,男性Xn取值为1,女性取值为-1;
用户实名姓氏Mn,其Mn取值为1;
用户ID的真实年龄Tn;
则有:
其中k表示该用户ID名单真实姓氏为Mn的数量,m为小于n的整数;
S03:当Dn-m大于等于0.5-1时,则将该用户并入家庭ID,反之则舍弃。
3.根据权利要求2所述的基于消费者行为的预期消费画像方法,其特征在于,所述用户ID在超过时间阈值T或发生目标消费行为以后自动退出资源池;
所述商家入驻资源池的时效由资源池后台进行设定。
4.根据权利要求3所述的基于消费者行为的预期消费画像方法,其特征在于,所述消费清单是指以时间轴为主线的消费行为记录,每个家庭ID根据消费类型不同,利用聚类算法生成多个消费行为记录曲线。
5.根据权利要求1所述的基于消费者行为的预期消费画像方法,其特征在于,所述双向信息推送是根据家庭ID的消费行为曲线向该家庭ID下的所有用户ID推送商品信息,以及将该家庭ID下的所有用户ID信息推送至资源池内的商家,以供商家进行相应的商品推荐。
6.一种实现权利要求1-5中任一项所述的的基于消费者行为的预期消费画像***,其特征在于,该***包括:
网络爬虫模块:用于实时爬取各各电商平台的用户ID;
用户处理模块:用于将同一网络IP地址下的所有用户ID进行关联,形成一个家庭ID;
数据分析模块:利用聚类算法,分析家庭ID各类商品的消费行为曲线并生成下一次消费的预测时间节点;
数据资源池:用于容纳商家以及处于消费时间节点内的家庭ID;
鉴权模块:用于数据资源池内商家进入的权限鉴定;
信息推送模块:用于自动匹配数据资源池内商家与家庭ID之间的信息推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910448038.8A CN110163686A (zh) | 2019-05-27 | 2019-05-27 | 基于消费者行为的预期消费画像方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910448038.8A CN110163686A (zh) | 2019-05-27 | 2019-05-27 | 基于消费者行为的预期消费画像方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163686A true CN110163686A (zh) | 2019-08-23 |
Family
ID=67629162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910448038.8A Pending CN110163686A (zh) | 2019-05-27 | 2019-05-27 | 基于消费者行为的预期消费画像方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163686A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079000A (zh) * | 2019-11-25 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 内容处理方法、装置、设备及存储介质 |
CN113096403A (zh) * | 2021-04-19 | 2021-07-09 | 重庆交通大学 | 基于互联网+的智慧高速大数据服务平台 |
CN113191799A (zh) * | 2020-09-25 | 2021-07-30 | 汪洋 | 基于大数据的商场智能导购*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693502A (zh) * | 2012-06-04 | 2012-09-26 | 南京中兴软创科技股份有限公司 | 面向用户消费行为的时间推移数据分析模型的建立方法 |
CN105023175A (zh) * | 2015-07-24 | 2015-11-04 | 金鹃传媒科技股份有限公司 | 一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其*** |
CN106570014A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 用于确定用户的家庭属性信息的方法与设备 |
CN106910136A (zh) * | 2017-02-23 | 2017-06-30 | 北京小米移动软件有限公司 | 为家庭画像的方法及装置、*** |
CN107578272A (zh) * | 2017-08-10 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种为家庭成员画像的方法及装置 |
CN107741996A (zh) * | 2017-11-30 | 2018-02-27 | 北京奇虎科技有限公司 | 基于人脸识别的家庭图谱构建方法及装置、计算设备 |
CN108805615A (zh) * | 2018-05-28 | 2018-11-13 | 广州招点信息科技有限公司 | 一种基于用户消费行为的优惠活动推送方法及*** |
CN109615432A (zh) * | 2018-12-14 | 2019-04-12 | 成都德迈安科技有限公司 | 基于大数据的消费者行为画像工具 |
-
2019
- 2019-05-27 CN CN201910448038.8A patent/CN110163686A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693502A (zh) * | 2012-06-04 | 2012-09-26 | 南京中兴软创科技股份有限公司 | 面向用户消费行为的时间推移数据分析模型的建立方法 |
CN105023175A (zh) * | 2015-07-24 | 2015-11-04 | 金鹃传媒科技股份有限公司 | 一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其*** |
CN106570014A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 用于确定用户的家庭属性信息的方法与设备 |
CN106910136A (zh) * | 2017-02-23 | 2017-06-30 | 北京小米移动软件有限公司 | 为家庭画像的方法及装置、*** |
CN107578272A (zh) * | 2017-08-10 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种为家庭成员画像的方法及装置 |
CN107741996A (zh) * | 2017-11-30 | 2018-02-27 | 北京奇虎科技有限公司 | 基于人脸识别的家庭图谱构建方法及装置、计算设备 |
CN108805615A (zh) * | 2018-05-28 | 2018-11-13 | 广州招点信息科技有限公司 | 一种基于用户消费行为的优惠活动推送方法及*** |
CN109615432A (zh) * | 2018-12-14 | 2019-04-12 | 成都德迈安科技有限公司 | 基于大数据的消费者行为画像工具 |
Non-Patent Citations (1)
Title |
---|
刘馨璐: ""基于大数据分析的宽带家庭划线刚研究与应用"", 《中国优秀硕士学位论文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079000A (zh) * | 2019-11-25 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 内容处理方法、装置、设备及存储介质 |
CN113191799A (zh) * | 2020-09-25 | 2021-07-30 | 汪洋 | 基于大数据的商场智能导购*** |
CN113096403A (zh) * | 2021-04-19 | 2021-07-09 | 重庆交通大学 | 基于互联网+的智慧高速大数据服务平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Using customer-related data to enhance e-grocery home delivery | |
Gu et al. | The influence of online word-of-mouth on long tail formation | |
Cha et al. | The effect of food delivery application on customer loyalty in restaurant | |
US20130268317A1 (en) | Arrangement for facilitating shopping and related method | |
US8775323B2 (en) | Method and system for providing user tailored service using social network service | |
CN110163686A (zh) | 基于消费者行为的预期消费画像方法及*** | |
Li et al. | A social route recommender mechanism for store shopping support | |
CN105225129B (zh) | 移动o2o推荐方法及其*** | |
JP6978871B2 (ja) | 販売促進システム、機械学習装置および機械学習用データ提供装置 | |
JP2011516947A (ja) | トランザクションデータの分析方法 | |
Suel et al. | Empirical application of expenditure diary instrument to quantify relationships between in-store and online grocery shopping: Case study of greater London | |
Flores et al. | The role of attitudes and marketing in consumer behaviours in the British retail electricity market | |
CN104573108A (zh) | 信息处理方法和信息处理装置 | |
Liu et al. | Function recommender system for product planning and design | |
KR102483635B1 (ko) | 상품 정보 제공 방법 및 장치 | |
Zaim et al. | Developing a geomarketing solution | |
Gbadamosi | Buyer behaviour in the 21st century: Implications for SME marketing | |
Mao et al. | Utilizing multi-source data in popularity prediction for shop-type recommendation | |
Nishino et al. | Customer preference based optimization in selecting product/service variety | |
CN106067129A (zh) | 推送信息的方法和装置 | |
Piatykop et al. | Model Selection of the Target Audience in Social Networks in Order to Promote the Product. | |
Kim et al. | People recommendation based on aggregated bidirectional intentions in social network site | |
Yin et al. | From big data to great services | |
Negricea et al. | CHARACTERISTICS OF THE BUYING DECISION PROCESS FOR JAPANESE PRODUCTS-A EUROPEAN CUSTOMER'S MARKET PERSPECTIVE | |
Wen et al. | Mining Willing-to-Pay Behavior Patterns from Payment Datasets |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |