CN110197402B - 基于用户群的用户标签分析方法、装置、设备和存储介质 - Google Patents

Abstract

本申请提供一种基于用户群的用户标签分析方法、装置、设备和存储介质，其中，方法包括：获取预设范围之内的至少一个用户的身份信息；根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型。确定出的用户群标签准确度高、参考价值大，可实现根据营业厅周边用户群的第二标签，为营业厅的选商、选品、铺货、调拔等行为提供决策支持。

Description

基于用户群的用户标签分析方法、装置、设备和存储介质

技术领域

本发明涉及数据分析技术，尤其涉及一种基于用户群的用户标签分析方法、装置、设备和存储介质。

背景技术

随着通信技术的发展，用户对于通信服务商品的需求也越来越来大。目前，营业厅提供的通信服务商品，主要包括各类通信套餐商品和终端设备商品。

现有技术中，营业厅为用户提供通信服务商品的时候，根据预先设置的配额，配置各种通信服务商品；然后，针对个体用户的需要，提供具体的通信套餐商品和/或终端设备商品。

然而上述处理方法，只能针对个体用户需求提供通信服务商品，在面对用户群体的时候，无法确定不同用户群体的需求类型，进而无法根据用户群体的需求类型，确定出如何配置各类通信服务商品。

发明内容

本发明提供一种基于用户群的用户标签分析方法、装置、设备和存储介质，用以解决在面对用户群体的时候，无法确定出不同用户群体的需求类型的问题。

第一方面，本申请提供一种基于用户群的用户标签分析方法，包括：

获取预设范围之内的至少一个用户的身份信息；

根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；

对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；

对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型。

进一步地，所述获取预设范围之内的至少一个用户的身份信息，包括：

获取进入到营业厅的用户的身份信息；

根据进入到营业厅的各个用户的身份信息，确定属于所述预设范围之内的用户，以得到所述预设范围之内的至少一个用户的身份信息；

其中，所述预设范围为用户居住地址与营业厅的距离小于预设距离，或者，所述预设范围为用户出现在营业厅的频次高于预设频次。

进一步地，根据所述身份信息，获取每一个所述用户的行为数据，包括：

根据所述身份信息，获取预存的与所述身份信息对应的历史数据；

根据所述身份信息，获取所述用户在终端设备上的操作数据。

进一步地，所述操作数据包括以下的至少一种：商品的浏览时间、不同类型的商品的浏览时间、购买行为数据。

进一步地，所述身份信息中包括用户地址信息；对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，包括：

根据所述用户的用户地址信息，将所述至少一个用户划分为至少一个所述用户群；

对每一个所述用户群中的用户的第一标签进行聚类分析处理，得到每一个所述用户群的第二标签。

进一步地，在对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签之后，还包括：

根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个所述用户群的第二标签对应的营业厅标签；

或者，采用机器学习模型对每一个所述用户群的第二标签进行处理，得到与每一个所述用户群的第二标签对应的营业厅标签。

第二方面，本申请提供一种基于用户群的用户标签分析装置，包括：

第一获取单元，用于获取预设范围之内的至少一个用户的身份信息；

第二获取单元，用于根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；

第一处理单元，用于对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；

第二处理单元，用于对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型。

进一步地，第一获取单元，包括：

第一获取子单元，用于获取进入到营业厅的用户的身份信息；

第一处理子单元，用于根据进入到营业厅的各个用户的身份信息，确定属于所述预设范围之内的用户，以得到所述预设范围之内的至少一个用户的身份信息；

其中，所述预设范围为用户居住地址与营业厅的距离小于预设距离，或者，所述预设范围为用户出现在营业厅的频次高于预设频次。

进一步地，第二获取单元，包括：

第一获取子单元，用于根据所述身份信息，获取预存的与所述身份信息对应的历史数据；

第二获取子单元，用于根据所述身份信息，获取所述用户在终端设备上的操作数据。

进一步地，所述操作数据包括以下的至少一种：商品的浏览时间、不同类型的商品的浏览时间、购买行为数据。

进一步地，第二处理单元，包括：

第一处理子单元，用于根据所述用户的用户地址信息，将所述至少一个用户划分为至少一个所述用户群；

第二处理子单元，用于对每一个所述用户群中的用户的第一标签进行聚类分析处理，得到每一个所述用户群的第二标签。

进一步地，第二处理单元，还包括：

第三处理子单元，用于根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个所述用户群的第二标签对应的营业厅标签；

或者，第四处理子单元，用于采用机器学习模型对每一个所述用户群的第二标签进行处理，得到与每一个所述用户群的第二标签对应的营业厅标签。

第三方面，本申请提供一种基于用户群的用户标签分析设备，包括：包括：处理器、存储器以及计算机程序；

其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如上任一项的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上任一项所述方法。

本申请提供一种基于用户群的用户标签分析方法、装置、设备和存储介质，其中，方法包括获取预设范围之内的至少一个用户的身份信息；根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；对各所述用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型。确定出的用户群标签准确度高、参考价值大，可实现根据营业厅周边用户群的第二标签，为营业厅的选商、选品、铺货、调拔等行为提供决策支持。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本申请实施例提供的一种用户标签分析方法的流程示意图；

图2为本申请实施例提供的又一种用户标签分析方法的流程示意图；

图3为本申请实施例提供的一种用户标签分析装置的结构示意图；

图4为本申请实施例提供的又一种用户标签分析装置的结构示意图；

图5为本申请实施例提供的一种用户标签分析设备的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

首先对本发明所涉及的名词进行解释：

聚类分析：指将物理对象或抽象对象的集合，分组为由类似的对象组成的多个类的分析过程，其目标是在相似的基础上，收集数据来进行分类。

上述终端设备可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(Radio Access Network，简称RAN)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(Personal Communication Service，简称PCS)电话、无绳电话、会话发起协议(Session Initiation Protocol，简称SIP)话机、无线本地环路(Wireless Local Loop，简称WLL)站、个人数字助理(Personal Digital Assistant，简称PDA)等设备。可选的，上述终端设备还可以是手机、智能手表、平板电脑等设备。

本发明具体的应用场景：随着通信技术的发展，用户对于通信服务商品的需求也越来越来大。目前，营业厅提供的通信服务商品，主要包括各类通信套餐商品和终端设备商品。现有技术中，营业厅为用户提供通信服务商品的时候，根据预先设置的配额，配置各种通信服务商品；然后，针对个体用户的需要，提供具体的通信套餐商品和/或终端设备商品。

然而上述处理方法，只能针对个体用户需求提供通信服务商品，在面对用户群体的时候，无法确定出不同用户群体的需求类型，进而无法根据用户群体的需求类型，确定出如何配置各类通信服务商品。

本发明提供的基于用户群的用户标签分析方法、装置、设备和存储介质，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图1为本申请实施例提供的一种用户标签分析方法的流程示意图，如图1所示，该方法包括：

步骤101、获取预设范围之内的至少一个用户的身份信息。

在本实施例中，具体的，本实施例的执行主体为终端、或者控制器、或者其他可以执行本实施例的装置或设备。本实施例以执行主体为终端进行说明，可以在终端中设置应用软件，然后，终端控制应用软件执行本实施例提供的方法。

由于人的日常活动范围是有限的，获取以营业厅为中心预设范围之内的用户的身份信息，确定出预设范围之内的用户的需求类型和消费习惯，这对于营业厅配置通信服务商品而言，是具有参考价值和具有指导意义的。获取用户身份信息，是获取用户其他信息的前提，例如，在获取到用户的身份信息后，根据身份信息获取用户的用户地址信息、历史消费数据。

步骤102、根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据。

在本实施例中，具体的，根据获取到的用户的身份信息，获取与身份信息对应的行为数据，行为数据包括用户的消费行为的历史数据，具体包括用户在营业厅购买过的通信套餐商品和终端设备商品的历史记录，以及用户当前正在使用的通信套餐商品的信息。行为数据还包括用户进入营业厅后，在营业厅终端设备上的操作记录，其中，终端设备是营业厅提供的供用户了解与购买通信服务商品的设备，在一些可选的实施例中，终端设备可以是自助选购仪、自助选购平板、自助服务终端机等。获取用户在终端设备上的操作记录，包括获取用户在操作屏上浏览商品的时间、在不同类商品区域的停留时间、用户的最终购买行为数据等。

步骤103、对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型。

在本实施例中，具体的，获取到的用户的历史数据和操作数据为离散的没有规律的数据，无法从这些数据中确定出该用户的行为类型。对获取到的各用户的历史数据和操作数据，进行聚类分析处理，得到每一个用户的第一标签，第一标签描述了用户的偏好信息、消费能力信息、购买意愿信息等，用于表征用户的行为类型。其中，聚类分析处理可采用现有分析方法实现，在此不做赘述。

步骤104、对各用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，第二标签用户表征用户群的行为类型。

在本实施例中，具体的，根据用户居住地址到营业厅的距离，将用户划分为不同的用户群。用户群内所有用户的第一标签是离散的没有规律的数据，无法从这些数据中确定出该用户群的行为类型。划分出用户群范围后，获取预设时间段内统计的所有用户的第一标签，或者获取预设数量的用户的第一标签，对获取的所有用户的第一标签进行聚类分析处理，得到用户群的第二标签，第二标签用户表征用户群的行为类型。其中，聚类分析处理可采用现有分析方法实现，在此不做赘述。

本实施例通过获取预设范围之内的至少一个用户的身份信息；根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据；对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型；对各用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，第二标签用户表征用户群的行为类型。通过获取营业厅周边用户的行为数据，确定出用户的第一标签，行为数据不仅包括用户在营业厅内的操作数据，还包括存储的与用户身份信息对应的历史数据，根据用户的操作数据和历史数据，确定出的用户的第一标签参考价值大，客观性强；划分出用户群后，根据用户群内所有用户的第一标签，确定出营业厅周边用户群的第二标签，第二标签准确度高、参考价值大，可实现根据营业厅周边用户群的第二标签，为营业厅的选商、选品、铺货、调拔等行为提供决策支持。

图2为本申请实施例提供的一种用户标签分析方法的流程示意图，如图2所示，该方法包括：

步骤201、获取进入到营业厅的用户的身份信息。

在本实施例中，具体的，用户进入营业厅后，通过人脸识别技术，获取用户的身份信息。

步骤202、根据进入到营业厅的各个用户的身份信息，确定属于预设范围之内的用户，以得到预设范围之内的至少一个用户的身份信息。

在本实施例中，具体的，根据获取到的用户的身份信息，获取与身份信息对应的用户地址信息。根据用户地址信息，判断用户居住地址与营业厅的距离是否小于设定距离，是则判断该用户为营业厅周边用户，该用户的需求类型对营业厅而言，是具有参考意义的。用户的需求类型通常由用户的偏好信息、消费能力、购买意愿等因素决定。判断用户属于营业厅预设范围之内的用户后，获取到的该用户的身份信息即为预设范围之内的用户的身份信息。当无法获取用户的用户地址信息时，根据用户身份信息，获取用户的历史行为数据，判断用户出现在营业厅的频次是否高于设定值，是则判断该用户为营业厅周边用户。如果用户为新用户，且无法获取该用户的用户地址信息，直接判断该用户为非营业厅周边用户。

步骤203、根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据。

在本实施例中，具体的，根据获取到的用户的身份信息，获取与该用户身份信息对应的行为数据，具体包括：根据身份信息，获取预存的与身份信息对应的历史数据；和根据身份信息，获取用户在终端设备上的操作数据。根据身份信息，获取预存的与身份信息对应的历史数据，包括根据身份信息，获取预存的该用户的通信服务商品购买记录，具体包括用户的通信套餐商品的订阅记录和终端设备商品的购买记录，以及获取该用户正在使用的通信套餐数据信息。根据身份信息，获取用户在终端设备上的操作数据，操作数据包括以下的至少一种：商品的浏览时间、不同类型的商品的浏览时间、购买行为数据。终端设备为营业厅提供的用于供用户了解与购买通信服务商品的设备，用户在终端设备上进行操作时，终端设备能够实时采集用户的人脸信息，通过人脸识别技术获取用户的身份信息，实现将用户的身份信息与用户在终端设备上的操作信息对应起来。即使用户离开了营业厅，仍能够根据身份信息，获取用户在营业厅终端设备上的历史操作信息。

步骤204、对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型。

在本实施例中，具体的，对获取到的每一个用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，第一标签描述了该用户的偏好信息、消费能力信息、购买意愿信息等内容。聚类分析处理将本身没有类别参考的用户的行为数据进行分析，根据行为数据本身，发掘行为数据对象及其关系信息，并将行为数据划分为不同的组，每个分组内的行为数据是相似的，组之间的对象是不相关的，每个分组对应一个数据标签，所有分组的数据标签构成了第一标签。聚类分析处理可采用K均值算法、层次聚类算法、BRICH算法、CURE算法等现有算法实现，在此，本申请不做赘述。

步骤205、根据用户的用户地址信息，将至少一个用户划分为至少一个用户群。

在本实施例中，具体的，在获取到用户的身份信息后，根据身份信息，获取用户的用户地址信息。根据用户地址信息，将不同预设条件下的营业厅周边用户划分为至少一个用户群。在一些可选的实施例中，分别将用户地址到营业厅距离为3km、5km、10km以内的营业厅周边用户，划分为三个不同的用户群。不同的用户的第一标签是离散无规律的，根据用户的用户地址信息，将至少一个用户划分为至少一个用户群，可实现根据用户的用户地址信息，对不同用户的第一标签进行归纳划分。

步骤206、对每一个用户群中的用户的第一标签进行聚类分析处理，得到每一个用户群的第二标签，其中，第二标签用于表征用户群的行为类型。

在本实施例中，具体的，划分出用户群后，获取预设时间段内统计的用户群内所有用户的第一标签，或者获取用户群内预设数量的用户的第一标签，对获取的第一标签进行二次聚类分析处理，得到每一个用户群的第二标签，其中，第二标签用于表征用户群的行为类型。聚类分析处理原理可参考步骤204，在此不做赘述。

在对各用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签之后，还包括：根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个用户群的第二标签对应的营业厅标签；或者，采用机器学习模型对每一个用户群的第二标签进行处理，得到与每一个用户群的第二标签对应的营业厅标签。根据确定出的营业厅标签，为营业厅的选商、选品、铺货、调拔等行为提供决策支持。

本实施例通过获取进入到营业厅的用户的身份信息；根据进入到营业厅的各个用户的身份信息，确定属于预设范围之内的用户，以得到预设范围之内的至少一个用户的身份信息；根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据；对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型；根据用户的用户地址信息，将至少一个用户划分为至少一个用户群；对每一个用户群中的用户的第一标签进行聚类分析处理，得到每一个用户群的第二标签，其中，第二标签用于表征用户群的行为类型。通过获取营业厅周边用户的行为数据，确定出用户的第一标签，行为数据不仅包括用户在营业厅内的操作数据，还包括存储的与用户身份信息对应的历史数据，根据用户的操作数据和历史数据，确定出的用户的第一标签准确度高；根据用户地址信息，确定以营业厅为中心预设范围之内的用户，为营业厅周边用户，确定出的营业厅周边用户的第一标签参考价值大，用户标签分析工作量可控；根据预设条件，将营业厅周边用户划分为不同的用户群，根据用户群内所有用户的第一标签，确定出用户群的第二标签，确定出的第二标签准确度高、参考价值大，因不同用户群的划分条件明确，因此，第二标签对应的划分条件明确，适用场景清晰，能够为营业厅的选商、选品、铺货、调拔等行为提供有效的决策支持。

图3为本申请实施例提供的一种用户标签分析装置的结构示意图，如图3所示，该装置包括：

第一获取单元1，用于获取预设范围之内的至少一个用户的身份信息；

第二获取单元2，用于根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据；

第一处理单元3，用于对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型；

第二处理单元4，用于对各用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，第二标签用于表征用户群的行为类型。

本实施例通过获取预设范围之内的至少一个用户的身份信息；根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据；对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型；对各用户的第一标签进行聚类分析处理，得到每一个预设的用户群的第二标签，其中，第二标签用户表征用户群的行为类型。通过获取营业厅周边用户的行为数据，确定出用户的第一标签，行为数据不仅包括用户在营业厅内的操作数据，还包括存储的与用户身份信息对应的历史数据，根据用户的操作数据和历史数据，确定出的用户的第一标签参考价值大，客观性强；划分出用户群后，根据用户群内所有用户的第一标签，确定出营业厅周边用户群的第二标签，第二标签准确度高、参考价值大，可实现根据营业厅周边用户群的第二标签，为营业厅的选商、选品、铺货、调拔等行为提供决策支持。

图4为本申请实施例提供的又一种用户标签分析装置的结构示意图，如图4所示：

第一获取单元1，包括：

第一获取子单元11，用于获取进入到营业厅的用户的身份信息；

第一处理子单元12，用于根据进入到营业厅的各个用户的身份信息，确定属于预设范围之内的用户，以得到预设范围之内的至少一个用户的身份信息；

其中，预设范围为用户居住地址与营业厅的距离小于预设距离，或者，预设范围为用户出现在营业厅的频次高于预设频次。

第二获取单元2，包括：

第一获取子单元21，用于根据身份信息，获取预存的与身份信息对应的历史数据；

第二获取子单元22，用于根据身份信息，获取用户在终端设备上的操作数据。

进一步地，操作数据包括以下的至少一种：商品的浏览时间、不同类型的商品的浏览时间、购买行为数据。

第二处理单元4，包括：

第一处理子单元41，用于根据用户的用户地址信息，将至少一个用户划分为至少一个用户群；

第二处理子单元42，用于对每一个用户群中的用户的第一标签进行聚类分析处理，得到每一个用户群的第二标签。

第二处理单元4，还包括：

第三处理子单元43，用于根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个用户群的第二标签对应的营业厅标签；

或者，第四处理子单元44，用于采用机器学习模型对每一个用户群的第二标签进行处理，得到与每一个用户群的第二标签对应的营业厅标签。

本实施例通过获取进入到营业厅的用户的身份信息；根据进入到营业厅的各个用户的身份信息，确定属于预设范围之内的用户，以得到预设范围之内的至少一个用户的身份信息；根据身份信息，获取每一个用户的行为数据，其中，行为数据包括历史数据和操作数据；对各用户的行为数据进行聚类分析处理，得到每一个用户的第一标签，其中，第一标签用于表征用户的行为类型；根据用户的用户地址信息，将至少一个用户划分为至少一个用户群；对每一个用户群中的用户的第一标签进行聚类分析处理，得到每一个用户群的第二标签，其中，第二标签用于表征用户群的行为类型。通过获取营业厅周边用户的行为数据，确定出用户的第一标签，行为数据不仅包括用户在营业厅内的操作数据，还包括存储的与用户身份信息对应的历史数据，根据用户的操作数据和历史数据，确定出的用户的第一标签准确度高；根据用户地址信息，确定以营业厅为中心预设范围之内的用户，为营业厅周边用户，确定出的营业厅周边用户的第一标签参考价值大，用户标签分析工作量可控；根据预设条件，将营业厅周边用户划分为不同的用户群，根据用户群内所有用户的第一标签，确定出用户群的第二标签，确定出的第二标签准确度高、参考价值大，因不同用户群的划分条件明确，因此，第二标签对应的划分条件明确，适用场景清晰，能够为营业厅的选商、选品、铺货、调拔等行为提供有效的决策支持。

图5为本申请实施例提供的一种用户标签分析的结构示意图，如图5所示，本申请实施例提供了一种用户标签分析设备，可以用于执行图1-图2所示实施例中用户标签分析设备动作或步骤，具体包括：处理器501，存储器502和通信接口503。

存储器502，用于存储计算机程序。

处理器501，用于执行存储器502中存储的计算机程序，以实现图1-图4所示实施例中用户标签分析设备的动作，不再赘述。

可选的，用户标签分析设备还可以包括总线504。其中，处理器501、存储器502以及通信接口503可以通过总线504相互连接；总线504可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。上述总线504可以分为地址总线、数据总线和控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

在本申请实施例中，上述各实施例之间可以相互参考和借鉴，相同或相似的步骤以及名词均不再一一赘述。

或者，以上各个模块的部分或全部也可以通过集成电路的形式内嵌于该用户标签分析设备的某一个芯片上来实现。且它们可以单独实现，也可以集成在一起。即以上这些模块可以被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现上述处理方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、用户标签分析设备或数据中心通过有线(例如，同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如，红外、无线、微波等)方式向另一个网站站点、计算机、用户标签分析设备或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的用户标签分析设备、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (6)

1.一种基于用户群的用户标签分析方法，其特征在于，包括：

获取进入到营业厅的用户的身份信息，所述身份信息中包括用户地址信息；

根据进入到营业厅的各个用户的身份信息，确定属于预设范围之内的用户，以得到所述预设范围之内的至少一个用户的身份信息；

其中，所述预设范围为用户居住地址与营业厅的距离小于预设距离，或者，所述预设范围为用户出现在营业厅的频次高于预设频次；

根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；

对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；

根据所述用户的用户地址信息，将所述至少一个用户划分为至少一个所述用户群；

对每一个所述用户群中的用户的第一标签进行聚类分析处理，得到每一个所述用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型；

根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个所述用户群的第二标签对应的营业厅标签；

或者，采用机器学习模型对每一个所述用户群的第二标签进行处理，得到与每一个所述用户群的第二标签对应的营业厅标签，所述营业厅标签用于为所述营业厅提供决策支持。

2.根据权利要求1所述的方法，其特征在于，根据所述身份信息，获取每一个所述用户的行为数据，包括：

根据所述身份信息，获取预存的与所述身份信息对应的历史数据；

根据所述身份信息，获取所述用户在终端设备上的操作数据。

3.根据权利要求2所述的方法，其特征在于，所述操作数据包括以下的至少一种：商品的浏览时间、不同类型的商品的浏览时间、购买行为数据。

4.一种基于用户群的用户标签分析装置，其特征在于，包括：

第一获取单元，用于获取预设范围之内的至少一个用户的身份信息；所述身份信息中包括用户地址信息；

第二获取单元，用于根据所述身份信息，获取每一个所述用户的行为数据，其中，所述行为数据包括历史数据和操作数据；

第一处理单元，用于对各所述用户的行为数据进行聚类分析处理，得到每一个所述用户的第一标签，其中，所述第一标签用于表征用户的行为类型；

第二处理单元，包括：

第一处理子单元，用于根据用户的用户地址信息，将至少一个用户划分为至少一个用户群；第二处理子单元，用于对每一个用户群中的用户的第一标签进行聚类分析处理，得到每一个用户群的第二标签，其中，所述第二标签用于表征用户群的行为类型；

第三处理子单元，用于根据预设的营业厅标签与第二标签之间的对应关系，确定与每一个所述用户群的第二标签对应的营业厅标签；

或者，第四处理子单元，用于采用机器学习模型对每一个所述用户群的第二标签进行处理，得到与每一个所述用户群的第二标签对应的营业厅标签，所述营业厅标签用于为所述营业厅提供决策支持；

所述第一获取单元，包括：

第一获取子单元，用于获取进入到营业厅的用户的身份信息；

第一处理子单元，用于根据进入到营业厅的各个用户的身份信息，确定属于所述预设范围之内的用户，以得到所述预设范围之内的至少一个用户的身份信息；

其中，所述预设范围为用户居住地址与营业厅的距离小于预设距离，或者，所述预设范围为用户出现在营业厅的频次高于预设频次。

5.一种基于用户群的用户标签分析设备，其特征在于，包括：处理器、存储器以及计算机程序；

其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如权利要求1-3任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至3任一项所述方法。

Images