CN110570251A - 一种基于大数据的用户购买意愿预测***及其方法 - Google Patents

一种基于大数据的用户购买意愿预测***及其方法 Download PDF

Info

Publication number
CN110570251A
CN110570251A CN201910858860.1A CN201910858860A CN110570251A CN 110570251 A CN110570251 A CN 110570251A CN 201910858860 A CN201910858860 A CN 201910858860A CN 110570251 A CN110570251 A CN 110570251A
Authority
CN
China
Prior art keywords
data
user
commodity
module
unit
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
Application number
CN201910858860.1A
Other languages
English (en)
Inventor
瞿秋昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910858860.1A priority Critical patent/CN110570251A/zh
Publication of CN110570251A publication Critical patent/CN110570251A/zh
Pending legal-status Critical Current

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
    • G06Q30/0203—Market surveys; Market polls

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

本发明公开了一种基于大数据的用户购买意愿预测***及其方法，该用户购买意愿预测***包括信息读取模块、数据采集模块、数据处理模块和数据存储模块，所述信息读取模块和数据采集模块的输出端均电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据存储模块的输入端，本发明科学合理，使用安全方便，利用算法对用户的购买意愿进行预测，并通过数据转化单元将中央处理器处理之后的数据以图表的形式进行展示，使得可以更加直观的对预测结果进行了解，并且，利用库存匹配单元将预测结果超过设定阈值的用户数量与库存量进行匹配，可以有效的得知库存量是否能够满足接下来的客户需求，有助于及时的补充库存。

Description

一种基于大数据的用户购买意愿预测***及其方法
技术领域
本发明涉及大数据技术领域，具体是一种基于大数据的用户购买意愿预测***及其方法。
背景技术
随着网络的不断发展，网络的应用范围也在不断的扩大，现在的人们很多会在网上开网店，作为自己的一份职业，但是网店的经营有一下特点：客户与店主不直接见面接触，客户通过店主对产品的介绍确定是否进行购买，客户的选择性更强，所以，在开网店时也存在以下问题：
1、无法得知接下来的一天营业额是多少，无法得知库存是否够接下来以下的使用，当库存不充足时，会导致交易周期增长，影响客户的购物体验，当库存较多时，存在库存堆积的问题，存在一定的经营风险；
2、无法得知客户的消费群体，使得无法根据消费群体来调整商品种类，无法对自己的店铺进行调整；
所以，人们急需一种基于大数据的用户购买意愿预测***及其方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的用户购买意愿预测***及其方法，以解决现有技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据的用户购买意愿预测***，该用户购买意愿预测***包括信息读取模块、数据采集模块、数据处理模块和数据存储模块；
所述信息读取模块和数据采集模块的输出端均电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据存储模块的输入端。
根据上述技术方案，所述数据处理模块用于对整个***所采集的数据进行处理和分析，根据采集的数据对用户的购买意愿进行预测；
所述数据处理模块包括中央处理器、数据转化单元、库存匹配单元、告急提醒单元和数据显示单元；
所述中央处理器的输出端电性连接数据转化单元和库存匹配单元的输入端，所述数据转化单元的输出端电性连接数据显示单元的输入端，所述库存匹配单元的输出端电性连接告急提醒单元的输入端；
所述中央处理器用于对数据的计算和比对，同时做出对用户购买意愿的预测，所述数据转化单元用于将中央处理器计算处理的数据转化成图表的形式进行显示，所述数据显示单元用于对数据转化单元转化的图表进行显示，使得可以更加直观的客户的购买意愿进行观察，所述库存匹配单元用于将中央处理器计算出的购买意愿达到设定阈值的人数与库存量进行比对，判断库存是否能够为购买意愿达到设定阈值的用户提供商品，所述告急提醒单元用于在库存量不足以满足用户购买时，对库存量不足的现象进行报警提醒，提醒及时的增大库存量，用以满足用户的需求。
根据上述技术方案，所述信息读取模块用于读取用户的相关信息，为购买意愿的预测提供更多的数据支持，减小客观因素对购买意愿预测结果的影响，提高购买意愿预测的准确度；
所述信息读取模块包括性别信息读取、年龄信息读取和住址信息读取；
所述性别信息读取、年龄信息读取和住址信息读取的输出端均电性连接中央处理器的输入端；
所述性别信息读取用于读取用户的性别，根据大数据计算男性和女性购买该商品的百分比，作为购买意愿预测的判断依据，所述年龄信息读取用于读取用户的年龄，根据大数据计算不同年龄段的用户购买该商品的百分比，作为购买意愿预测的判断依据，所述住址信息读取用于读取用户购买商品的住址，结合消费信息判断用户是否在意物流距离较长的城市进行商品的购买，作为购买意愿预测的判断依据。
根据上述技术方案，所述数据采集模块用于对用户消费的相关数据进行采集，用于预测用户的消费心理；
所述数据采集模块包括查看次数采集、浏览时长采集、浏览周期采集和历史预测数据；
所述查看次数采集、浏览时长采集、浏览周期采集和历史预测数据的输出端均电性连接中央处理器的输入端；
所述查看次数采集是指采集用户查看该商品的次数，所述浏览时长采集是指采集用户查看该商品所花费的时间，所述浏览周期采集是指采集用户每两次查看该商品所间隔的时间，所述历史预测数据是指采集该商品历史的预测购买意愿的数据，包括预测购买该商品的人数和预测的人数中实际购买该商品的人数。
根据上述技术方案，所述数据存储模块用于对采集的数据和预测的数据进行存储；
所述数据存储模块包括数据存储单元、存储数据库和数据调取单元；
所述数据处理单元的输出端电性连接数据存储单元的输入端，所述数据存储单元的输出端电性连接存储数据库的输入端，所述数据调取单元的输出端电性连接存储数据库的输入端；
所述数据存储单元用于将数据处理模块处理之后的数据存储进入存储数据库中，所述存储数据库用于对数据进行存储，所述数据调取单元用于从存储数据库中进行数据的调取和查看。
一种基于大数据的用户购买意愿预测方法，该用户购买意愿预测方法包括以下步骤：
S1、利用信息读取模块对用户的性别、年龄、住址和消费信息进行读取；
S2、利用数据采集模块对用户浏览商品的查看次数、浏览时长、浏览周期和历史预测数据进行采集；
S3、利用中央处理器对读取和采集的信息和数据进行处理和计算；
S4、利用数据转化单元对处理和计算之后的数据进行转化，利用数据显示单元对数据进行显示；
S5、利用库存匹配单元将预测的数据与现有的库存数据进行比对；
S6、利用告急提醒单元对库存不足的情况进行告急提醒；
S7、利用数据存储模块对处理和计算的数据进行存储和记录。
根据上述技术方案，所述步骤S1-S2中；
购买该商品的男性数量为X1，女性数量为X2；
购买该商品年龄段在10-20岁的人数为X3,年龄段在20-30岁的人数为X4，年龄段在30-40岁的人数为X5，年龄段在40-50岁的人数为X6，年龄段小于10岁和大于50岁的人数为X7；
购买该商品的总人数中，同城购买的人数为X8，非同城购买的人数为X9；
用户对该商品的查看次数为n次，用户对该商品的浏览时长为t，用户对该商品的浏览周期为T，用户对该用户的历史预测数据为Z1%。
根据上述技术方案，所述信息读取模块所读取的信息占总预测的X%，数据采集模块所采集的信息占总预测的Y%；
所述用户购买意愿预测的表示为Z；
1=X%+Y%；
通过信息读取模块读取的信息的预测男性购买该商品的概率为；
通过信息读取模块读取的信息的预测女性购买该商品的概率为；
通过信息读取模块读取的信息的预测不同年龄段的人群购买该商品的概率为，i∈[3,7]；
通过信息读取模块读取的信息的预测同城购买该商品的概率为；
通过信息读取模块读取的信息的预测非同城购买该商品的概率为；
根据上述技术方案，设定该店铺该商品一共被浏览次数为Y1次，售卖数量为Y2，则该商品浏览一次即交易成功的概率为*100%；
则用户浏览该商品的次数与购买概率的关系为；
设定该商品一共被浏览的时长为tX，售卖数量为Y2，则该商品平均被浏览tX/Y2时长就会被售卖一件；
则用户浏览该商品的时长与购买概率的关系为；
设定该商品的浏览周期分别为T1、T2、T3、…、Ti，则该商品的平均浏览周期为。
根据上述技术方案，所述信息读取模块读取的性别、年龄和住址信息所占百分比的乘积作为信息读取模块的预测百分比PX，所述数据采集模块的查看次数、浏览时长、浏览周期和历史预测数据的百分比平均值作为数据采集模块的预测百分比PY，则：
。
与现有技术相比，本发明的有益效果是：利用算法对用户的购买意愿进行预测，并通过数据转化单元将中央处理器处理之后的数据以图表的形式进行展示，使得可以更加直观的对预测结果进行了解，并且，利用库存匹配单元将预测结果超过设定阈值的用户数量与库存量进行匹配，可以有效的得知库存量是否能够满足接下来的客户需求，有助于及时的补充库存，避免出现交易周期加长的现象，可以有效的提高用户的购买体验，同时，利用性别信息、年龄信息和住址信息扩大用户购买意愿的影响因素，使得预测结果更加的准确。
附图说明
图1为本发明一种基于大数据的用户购买意愿预测***的模块组成框图；
图2为本发明一种基于大数据的用户购买意愿预测***的模块连接结构示意图；
图3为本发明一种基于大数据的用户购买意愿预测方法的步骤示意图；
图4为本发明一种基于大数据的用户购买意愿预测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-2所示，一种基于大数据的用户购买意愿预测***，该用户购买意愿预测***包括信息读取模块、数据采集模块、数据处理模块和数据存储模块；
所述信息读取模块和数据采集模块的输出端均电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据存储模块的输入端。
根据上述技术方案，所述数据处理模块用于对整个***所采集的数据进行处理和分析，根据采集的数据对用户的购买意愿进行预测；
所述数据处理模块包括中央处理器、数据转化单元、库存匹配单元、告急提醒单元和数据显示单元；
所述中央处理器的输出端电性连接数据转化单元和库存匹配单元的输入端，所述数据转化单元的输出端电性连接数据显示单元的输入端，所述库存匹配单元的输出端电性连接告急提醒单元的输入端；
所述中央处理器用于对数据的计算和比对，同时做出对用户购买意愿的预测，所述数据转化单元用于将中央处理器计算处理的数据转化成图表的形式进行显示，所述数据显示单元用于对数据转化单元转化的图表进行显示，使得可以更加直观的客户的购买意愿进行观察，所述库存匹配单元用于将中央处理器计算出的购买意愿达到设定阈值的人数与库存量进行比对，判断库存是否能够为购买意愿达到设定阈值的用户提供商品，所述告急提醒单元用于在库存量不足以满足用户购买时，对库存量不足的现象进行报警提醒，提醒及时的增大库存量，用以满足用户的需求。
根据上述技术方案，所述信息读取模块用于读取用户的相关信息，为购买意愿的预测提供更多的数据支持，减小客观因素对购买意愿预测结果的影响，提高购买意愿预测的准确度；
所述信息读取模块包括性别信息读取、年龄信息读取和住址信息读取；
所述性别信息读取、年龄信息读取和住址信息读取的输出端均电性连接中央处理器的输入端；
所述性别信息读取用于读取用户的性别，根据大数据计算男性和女性购买该商品的百分比，作为购买意愿预测的判断依据，所述年龄信息读取用于读取用户的年龄，根据大数据计算不同年龄段的用户购买该商品的百分比，作为购买意愿预测的判断依据，所述住址信息读取用于读取用户购买商品的住址，结合消费信息判断用户是否在意物流距离较长的城市进行商品的购买，作为购买意愿预测的判断依据。
根据上述技术方案，所述数据采集模块用于对用户消费的相关数据进行采集，用于预测用户的消费心理；
所述数据采集模块包括查看次数采集、浏览时长采集、浏览周期采集和历史预测数据；
所述查看次数采集、浏览时长采集、浏览周期采集和历史预测数据的输出端均电性连接中央处理器的输入端；
所述查看次数采集是指采集用户查看该商品的次数，所述浏览时长采集是指采集用户查看该商品所花费的时间，所述浏览周期采集是指采集用户每两次查看该商品所间隔的时间，所述历史预测数据是指采集该商品历史的预测购买意愿的数据，包括预测购买该商品的人数和预测的人数中实际购买该商品的人数。
根据上述技术方案，所述数据存储模块用于对采集的数据和预测的数据进行存储；
所述数据存储模块包括数据存储单元、存储数据库和数据调取单元；
所述数据处理单元的输出端电性连接数据存储单元的输入端，所述数据存储单元的输出端电性连接存储数据库的输入端，所述数据调取单元的输出端电性连接存储数据库的输入端；
所述数据存储单元用于将数据处理模块处理之后的数据存储进入存储数据库中，所述存储数据库用于对数据进行存储，所述数据调取单元用于从存储数据库中进行数据的调取和查看。
如图3-4所示，一种基于大数据的用户购买意愿预测方法，该用户购买意愿预测方法包括以下步骤：
S1、利用信息读取模块对用户的性别、年龄、住址和消费信息进行读取；
S2、利用数据采集模块对用户浏览商品的查看次数、浏览时长、浏览周期和历史预测数据进行采集；
S3、利用中央处理器对读取和采集的信息和数据进行处理和计算；
S4、利用数据转化单元对处理和计算之后的数据进行转化，利用数据显示单元对数据进行显示；
S5、利用库存匹配单元将预测的数据与现有的库存数据进行比对；
S6、利用告急提醒单元对库存不足的情况进行告急提醒；
S7、利用数据存储模块对处理和计算的数据进行存储和记录。
根据上述技术方案，所述步骤S1-S2中；
购买该商品的男性数量为X1，女性数量为X2；
购买该商品年龄段在10-20岁的人数为X3,年龄段在20-30岁的人数为X4，年龄段在30-40岁的人数为X5，年龄段在40-50岁的人数为X6，年龄段小于10岁和大于50岁的人数为X7；
购买该商品的总人数中，同城购买的人数为X8，非同城购买的人数为X9；
用户对该商品的查看次数为n次，用户对该商品的浏览时长为t，用户对该商品的浏览周期为T，对该用户的历史预测数据为Z1%。
根据上述技术方案，所述信息读取模块所读取的信息占总预测的X%，数据采集模块所采集的信息占总预测的Y%；
所述用户购买意愿预测的表示为Z；
1=X%+Y%；
通过信息读取模块读取的信息的预测男性购买该商品的概率为；
通过信息读取模块读取的信息的预测女性购买该商品的概率为；
通过信息读取模块读取的信息的预测不同年龄段的人群购买该商品的概率为，i∈[3,7]；
通过信息读取模块读取的信息的预测同城购买该商品的概率为；
通过信息读取模块读取的信息的预测非同城购买该商品的概率为；
根据上述技术方案，设定该店铺该商品一共被浏览次数为Y1次，售卖数量为Y2，则该商品浏览一次即交易成功的概率为*100%；
则用户浏览该商品的次数与购买概率的关系为；
设定该商品一共被浏览的时长为tX，售卖数量为Y2，则该商品平均被浏览tX/Y2时长就会被售卖一件；
则用户浏览该商品的时长与购买概率的关系为；
设定该商品的浏览周期分别为T1、T2、T3、…、Ti，则该商品的平均浏览周期为；
根据公式：；
其中为某一用户的平均浏览周期。
根据上述技术方案，所述信息读取模块读取的性别、年龄和住址信息所占百分比的乘积作为信息读取模块的预测百分比PX，所述数据采集模块的查看次数、浏览时长、浏览周期和历史预测数据的百分比平均值作为数据采集模块的预测百分比PY，则：
。
实施例一：设定该店铺位于江苏南京，该店铺中以商品的历史消费总人数为1000人，其中，
男性数量X1=358人，女性数量X2=642人；
10-20岁年龄段人数X3=102人，20-30岁年龄段人数X4=682人，30-40岁年龄段人数X5=153人，40-50岁年龄段人数X6=58人，0-10岁和50岁以上年龄段人数X7=5人；
同城购买人数X8=547人，非同城购买的人数X9=453人；
其中，一位用户对该店铺查看次数为5次，浏览时长分别为t1=5min、t2=8min、t3=3min、t4=7min、t5=5min，对该商品的浏览周期分别为T1=20h、T2=16h、T3=18h、T4=18h、T5=12h，平均浏览周期为，对该用户的历史预测数据为68%；
现利用信息读取模块对该用户的信息进行读取，该用户为“男”、“25岁”、“家住江苏南京”；
设定该商品一共被浏览次数Y1=5832次，一共被浏览的时长tX=42586min，售卖数量Y2=1035件，设定该商品的平均浏览周期=28h
则：=；
=（i=4）；
=；
则：；
则：该用户根据浏览次数购买该商品的概率为：
*100%=；
=5*17.75%=88.75%；
该用户根据浏览时长购买该商品的概率为：
=；
该用户根据浏览周期购买该商品的概率为：
=；
；
则，最终客户购买该商品的概率为：
=13.36%+72.27%=85.63%；
则该用户有85.63的几率会购买该商品。
实施例一：设定该店铺位于江苏南京，该店铺中以商品的历史消费总人数为1000人，其中，
男性数量X1=358人，女性数量X2=642人；
10-20岁年龄段人数X3=102人，20-30岁年龄段人数X4=682人，30-40岁年龄段人数X5=153人，40-50岁年龄段人数X6=58人，0-10岁和50岁以上年龄段人数X7=5人；
同城购买人数X8=547人，非同城购买的人数X9=453人；
其中，一位用户对该店铺查看次数为2次，浏览时长分别为t1=3min、t2=4min，对该商品的浏览周期分别为T1=36h、T2=26h，平均浏览周期为，对该用户的历史预测数据为52%；
现利用信息读取模块对该用户的信息进行读取，该用户为“男”、“32岁”、“家住江苏南京”；
设定该商品一共被浏览次数Y1=5832次，一共被浏览的时长tX=42586min，售卖数量Y2=1035件，设定该商品的平均浏览周期=35h；
则：=；
=（i=5）；
=；
则：；
则：该用户根据浏览次数购买该商品的概率为：
*100%=；
=2*17.75%=35.5%；
该用户根据浏览时长购买该商品的概率为：
=；
该用户根据浏览周期购买该商品的概率为：
=；
；
则，最终客户购买该商品的概率为：
=3%+42.03%=45.03%；
则该用户有45.03%的几率会购买该商品。
实施例三：设定仓库库存量为58件，浏览该商品的人数总量为83人，设定购买预测量高于80%时有购买欲望；
此时83人中有52人购买预测量高于80%；
其中根据历史数据，预测量高于80%的人群中实际购买商品的人数占总人数的63%；
则实际购买该商品的人数为32.76人，即为33人；
实际购买人数会小于库存量，表示库存量充足，不需要补充库存。 实施例四：设定仓库库存量为32件，浏览该商品的人数总量为102人，设定购买预测量高于80%时有购买欲望；
此时83人中有68人购买预测量高于80%；
其中根据历史数据，预测量高于80%的人群中实际购买商品的人数占总人数的72%；
则实际购买该商品的人数为48.96人，即为49人；
实际购买人数会大于库存量，表示库存量紧张，告急提醒单元报警提醒，需要及时补充库存。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于大数据的用户购买意愿预测***，其特征在于：该用户购买意愿预测***包括信息读取模块、数据采集模块、数据处理模块和数据存储模块；
所述信息读取模块和数据采集模块的输出端均电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据存储模块的输入端。
2.根据权利要求1所述的一种基于大数据的用户购买意愿预测***，其特征在于：所述数据处理模块用于对整个***所采集的数据进行处理和分析，根据采集的数据对用户的购买意愿进行预测；
所述数据处理模块包括中央处理器、数据转化单元、库存匹配单元、告急提醒单元和数据显示单元；
所述中央处理器的输出端电性连接数据转化单元和库存匹配单元的输入端，所述数据转化单元的输出端电性连接数据显示单元的输入端，所述库存匹配单元的输出端电性连接告急提醒单元的输入端；
所述中央处理器用于对数据的计算和比对，同时做出对用户购买意愿的预测，所述数据转化单元用于将中央处理器计算处理的数据转化成图表的形式进行显示，所述数据显示单元用于对数据转化单元转化的图表进行显示，所述库存匹配单元用于将中央处理器计算出的购买意愿达到设定阈值的人数与库存量进行比对，判断库存是否能够为购买意愿达到设定阈值的用户提供商品，所述告急提醒单元用于在库存量不足以满足用户购买时，对库存量不足的现象进行报警提醒，提醒及时的增大库存量，用以满足用户的需求。
3.根据权利要求1所述的一种基于大数据的用户购买意愿预测***，其特征在于：所述信息读取模块用于读取用户的相关信息；
所述信息读取模块包括性别信息读取、年龄信息读取和住址信息读取；
所述性别信息读取、年龄信息读取和住址信息读取的输出端均电性连接中央处理器的输入端；
所述性别信息读取用于读取用户的性别，所述年龄信息读取用于读取用户的年龄，所述住址信息读取用于读取用户购买商品的住址。
4.根据权利要求1所述的一种基于大数据的用户购买意愿预测***，其特征在于：所述数据采集模块用于对用户消费的相关数据进行采集，用于预测用户的消费心理；
所述数据采集模块包括查看次数采集、浏览时长采集、浏览周期采集和历史预测数据；
所述查看次数采集、浏览时长采集、浏览周期采集和历史预测数据的输出端均电性连接中央处理器的输入端；
所述查看次数采集是指采集用户查看该商品的次数，所述浏览时长采集是指采集用户查看该商品所花费的时间，所述浏览周期采集是指采集用户每两次查看该商品所间隔的时间，所述历史预测数据是指采集该商品历史的预测购买意愿的数据，包括预测购买该商品的人数和预测的人数中实际购买该商品的人数。
5.根据权利要求1所述的一种基于大数据的用户购买意愿预测***，其特征在于：所述数据存储模块用于对采集的数据和预测的数据进行存储；
所述数据存储模块包括数据存储单元、存储数据库和数据调取单元；
所述数据处理单元的输出端电性连接数据存储单元的输入端，所述数据存储单元的输出端电性连接存储数据库的输入端，所述数据调取单元的输出端电性连接存储数据库的输入端；
所述数据存储单元用于将数据处理模块处理之后的数据存储进入存储数据库中，所述存储数据库用于对数据进行存储，所述数据调取单元用于从存储数据库中进行数据的调取和查看。
6.一种基于大数据的用户购买意愿预测方法，其特征在于：该用户购买意愿预测方法包括以下步骤：
S1、利用信息读取模块对用户的性别、年龄、住址和消费信息进行读取；
S2、利用数据采集模块对用户浏览商品的查看次数、浏览时长、浏览周期和历史预测数据进行采集；
S3、利用中央处理器对读取和采集的信息和数据进行处理和计算；
S4、利用数据转化单元对处理和计算之后的数据进行转化，利用数据显示单元对数据进行显示；
S5、利用库存匹配单元将预测的数据与现有的库存数据进行比对；
S6、利用告急提醒单元对库存不足的情况进行告急提醒；
S7、利用数据存储模块对处理和计算的数据进行存储和记录。
7.根据权利要求6所述的一种基于大数据的用户购买意愿预测方法，其特征在于：所述中央处理单元计算得出购买预测为A%时，表示用户有购买欲望，其中预测会购买的人数中B%的人实际进行了购买，所述库存匹配单元将预测购买该商品的人数与现有库存数据进行对比，当库存量小于实际购买人数时，表示库存紧张，告急提醒单元进行报警提醒，需要及时补充库存，当库存量大于等于实际购买人数时，表示库存充足，不需要补充库存；
所述步骤S1-S2中：
购买该商品的男性数量为X1，女性数量为X2；
购买该商品年龄段在10-20岁的人数为X3,年龄段在20-30岁的人数为X4，年龄段在30-40岁的人数为X5，年龄段在40-50岁的人数为X6，年龄段小于10岁和大于50岁的人数为X7；
购买该商品的总人数中，同城购买的人数为X8，非同城购买的人数为X9；
用户对该商品的查看次数为n次，用户对该商品的浏览时长为t，用户对该商品的浏览周期为T，用户对该用户的历史预测数据为Z1%。
8.根据权利要求6所述的一种基于大数据的用户购买意愿预测方法，其特征在于：所述信息读取模块所读取的信息占总预测的X%，数据采集模块所采集的信息占总预测的Y%；
所述用户购买意愿预测的表示为Z；
1=X%+Y%；
通过信息读取模块读取的信息的预测男性购买该商品的概率为；
通过信息读取模块读取的信息的预测女性购买该商品的概率为；
通过信息读取模块读取的信息的预测不同年龄段的人群购买该商品的概率为，i∈[3,7]；
通过信息读取模块读取的信息的预测同城购买该商品的概率为；
通过信息读取模块读取的信息的预测非同城购买该商品的概率为。
9.根据权利要求6所述的一种基于大数据的用户购买意愿预测方法，其特征在于：设定该店铺该商品一共被浏览次数为Y1次，售卖数量为Y2，则该商品浏览一次即交易成功的概率为*100%；
则用户浏览该商品的次数与购买概率的关系为；
设定该商品一共被浏览的时长为tX，售卖数量为Y2，则该商品平均被浏览tX/Y2时长就会被售卖一件；
则用户浏览该商品的时长与购买概率的关系为；
设定该商品的浏览周期分别为T1、T2、T3、…、Ti，则该商品的平均浏览周期为。
10.根据权利要求6所述的一种基于大数据的用户购买意愿预测方法，其特征在于：所述信息读取模块读取的性别、年龄和住址信息所占百分比的乘积作为信息读取模块的预测百分比PX，所述数据采集模块的查看次数、浏览时长、浏览周期和历史预测数据的百分比平均值作为数据采集模块的预测百分比PY，则：
。
CN201910858860.1A 2019-09-11 2019-09-11 一种基于大数据的用户购买意愿预测***及其方法 Pending CN110570251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910858860.1A CN110570251A (zh) 2019-09-11 2019-09-11 一种基于大数据的用户购买意愿预测***及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910858860.1A CN110570251A (zh) 2019-09-11 2019-09-11 一种基于大数据的用户购买意愿预测***及其方法

Publications (1)

Publication Number Publication Date
CN110570251A true CN110570251A (zh) 2019-12-13

Family

ID=68779277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910858860.1A Pending CN110570251A (zh) 2019-09-11 2019-09-11 一种基于大数据的用户购买意愿预测***及其方法

Country Status (1)

Country Link
CN (1) CN110570251A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111400622A (zh) * 2020-02-27 2020-07-10 北京物资学院 一种分布式电商***中紧缺商品数量展现方法及装置
CN112348430A (zh) * 2020-10-19 2021-02-09 北京中恒云科技有限公司 一种用户数据分析方法、计算机设备及存储介质
CN115311020A (zh) * 2022-08-23 2022-11-08 佛山职业技术学院 一种农产品消费者行为分析管理方法及***
CN115423544A (zh) * 2022-07-04 2022-12-02 艾象科技(深圳)股份有限公司 一种商品订单数据采集***及数据采集方法
TWI786510B (zh) * 2021-01-08 2022-12-11 聚英企業管理顧問股份有限公司 對客戶的熟識度分析裝置
CN115730892A (zh) * 2022-12-12 2023-03-03 武汉逸飞物流有限公司 一种基于智慧物流的货物运输方法与装置
CN117151775A (zh) * 2023-10-27 2023-12-01 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高***购买意向预测方法
CN109636454A (zh) * 2018-12-05 2019-04-16 广州市弹弹旦电子商务有限公司 一种基于区域用户习惯大数据的商品推送方法
CN109741113A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于大数据的用户购买意向预测方法
CN110111151A (zh) * 2019-05-10 2019-08-09 四川合锐信息技术有限公司 一种基于人群标签数据的精准广告分析方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高***购买意向预测方法
CN109636454A (zh) * 2018-12-05 2019-04-16 广州市弹弹旦电子商务有限公司 一种基于区域用户习惯大数据的商品推送方法
CN109741113A (zh) * 2019-01-10 2019-05-10 博拉网络股份有限公司 一种基于大数据的用户购买意向预测方法
CN110111151A (zh) * 2019-05-10 2019-08-09 四川合锐信息技术有限公司 一种基于人群标签数据的精准广告分析方法及***

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111400622A (zh) * 2020-02-27 2020-07-10 北京物资学院 一种分布式电商***中紧缺商品数量展现方法及装置
CN111400622B (zh) * 2020-02-27 2023-12-22 北京物资学院 一种分布式电商***中紧缺商品数量展现方法及装置
CN112348430A (zh) * 2020-10-19 2021-02-09 北京中恒云科技有限公司 一种用户数据分析方法、计算机设备及存储介质
CN112348430B (zh) * 2020-10-19 2021-09-07 北京中恒云科技有限公司 一种用户数据分析方法、计算机设备及存储介质
TWI786510B (zh) * 2021-01-08 2022-12-11 聚英企業管理顧問股份有限公司 對客戶的熟識度分析裝置
CN115423544A (zh) * 2022-07-04 2022-12-02 艾象科技(深圳)股份有限公司 一种商品订单数据采集***及数据采集方法
CN115311020A (zh) * 2022-08-23 2022-11-08 佛山职业技术学院 一种农产品消费者行为分析管理方法及***
CN115311020B (zh) * 2022-08-23 2024-04-05 佛山职业技术学院 一种农产品消费者行为分析管理方法及***
CN115730892A (zh) * 2022-12-12 2023-03-03 武汉逸飞物流有限公司 一种基于智慧物流的货物运输方法与装置
CN117151775A (zh) * 2023-10-27 2023-12-01 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法
CN117151775B (zh) * 2023-10-27 2024-01-30 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法

Similar Documents

Publication Publication Date Title
CN110570251A (zh) 一种基于大数据的用户购买意愿预测***及其方法
Liao et al. Mining customer knowledge for exploring online group buying behavior
Bove et al. Customer relationships with service personnel: do we measure closeness, quality or strength?
US8583512B1 (en) Segregated electronic shopping lists for recurring item purchases
CN110443687B (zh) 一种基于大数据的电子商务平台
CN107492027A (zh) 基于小区智能服务终端的新零售***
Astuti et al. Study of impulse buying on Instagram users in Indonesia
Bartók et al. Online grocery shopping: the customers' perspective in the Czech Republic
CN108230035A (zh) 销售数据管理方法及***
JP2020149468A (ja) 商品管理システムおよび商品管理方法
CN110046926A (zh) 电商数据分析平台
Julander Basket analysis: a new way of analysing scanner data
Ali et al. Urban Youth Attitude toward Online Shopping: Evidence from Dhaka City
CN110232600A (zh) 一种基于多源异构数据分析的大屏广告定向投放***及方法
CN114282964A (zh) 一种基于用户偏好过滤推荐商品的方法
CN109493124A (zh) 一种基于第三方数据的商品反馈方法与装置
Shamdasani et al. An exploratory study of in-home shoppers in a concentrated retail market: the case of Singapore
JP2007213295A (ja) マーケティング支援装置
CN114219399A (zh) 一种中药饮片备货策略生成方法、装置及计算机设备
CN111400622A (zh) 一种分布式电商***中紧缺商品数量展现方法及装置
CN112561573A (zh) 基于移动端反馈的居民消费画像的统计算法
Yang et al. Assessing competitiveness of foreign and local supermarket chains in Vietnamese market by using Fuzzy TOPSIS method
Saraswat A comparative study of online shopping among the working and non-working women in the urban area of the Agra district
JP7097031B1 (ja) 販売員評価装置、販売員評価方法および販売員評価用プログラム
Iskandar et al. The Influence of Satisfaction on Quality Dimensions Services Financing Mudharabah to Customers Loyalty of Shariah Bank

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

Application publication date: 20191213

RJ01 Rejection of invention patent application after publication