CN113378040A - 一种用于推广的用户行为分析方法及设备 - Google Patents
一种用于推广的用户行为分析方法及设备 Download PDFInfo
- Publication number
- CN113378040A CN113378040A CN202110567129.0A CN202110567129A CN113378040A CN 113378040 A CN113378040 A CN 113378040A CN 202110567129 A CN202110567129 A CN 202110567129A CN 113378040 A CN113378040 A CN 113378040A
- Authority
- CN
- China
- Prior art keywords
- user
- behavior information
- information
- behavior
- promotion
- 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 57
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000001960 triggered effect Effects 0.000 claims abstract description 10
- 230000006399 behavior Effects 0.000 claims description 211
- 230000000007 visual effect Effects 0.000 claims description 17
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本说明书实施例公开了一种用于推广的用户行为分析方法及设备。用以解决用户行为信息中包含无效行为信息,无法精确分析用户意向,进行精准推荐的问题。该方案包括:获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间;在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息;对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种用于推广的用户行为分析方法及设备。
背景技术
目前,推广方式有多种,例如搜索引擎竞价、信息流和短视频推广。以搜索引擎竞价为例,在搜索引擎竞价页面中预留有用于与企业联系的联系方式,包括电话号,聊天工具等,用户可通过聊天工具添加客服,通过聊天工具向客服进行相关咨询。在添加客服聊天工具好友之前,用户一般会在相关网站上留存有用户行为信息,但留存的用户行为信息经常包含有无效行为信息,无法精确分析用户意向,进行精准推荐。
发明内容
本说明书一个或多个实施例提供一种用于推广的用户行为分析方法及设备。用以解决如下技术问题:用户行为信息中包含无效行为信息,无法精确分析用户意向,进行精准推荐的问题。
为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
一方面,本说明书一个或多个实施例提供一种用于推广的用户行为分析方法,包括:
获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;
基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间;
在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息;
对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
可选地,所述对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,具体包括:
确认所述第一用户的行为信息中的无效行为信息;
在所述第一用户的行为信息中将所述无效行为信息去除,得到有效行为信息;
根据所述有效行为信息,为所述第一用户生成用户画像,并根据所述用户画像得到所述第一用户的意向级别;
根据所述有效行为信息、所述意向级别,生成所述第一用户对应的有效行为分析图。
可选地,所述确认所述第一用户的行为信息中的无效行为信息,具体包括:
根据所述第一用户的行为信息确定所述第一用户在所述推广网站上点击的链接;
确定所述第一用户在所述链接对应的页面中进行的操作,以及停留在所述对应的页面中的时长;
若所述第一用户进行的操作次数、所述停留的时长均小于相应的预设阈值,则所述第一用户点击所述链接所产生的所述行为信息为无效行为信息。
可选地,所述确定所述第一用户在所述链接对应的页面中进行的操作之后,所述方法还包括:
通过预先训练的神经网络模型,根据所述第一用户的行为信息,确定所述第一用户在所述页面中进行的操作,与所述第一用户在点击所述链接之前进行的操作,是同一人执行的概率;
若所述概率小于预设阈值,则将所述第一用户在点击所述链接之前进行的操作确定为无效行为信息。
可选地,所述确定所述第一用户在所述链接对应的页面中进行的操作,具体包括:
确定所述第一用户复制的所述页面中的内容;或
确定所述第一用户点击的所述页面中的按钮;或
确定所述第一用户对所述页面进行滑动操作时的下滑速度。
可选地,在获取多个用户在推广网站的行为信息,并统一所述行为信息的格式之后,所述方法还包括:
统计并处理所述多个用户的所述行为信息,确定所述多个用户在所述推广网站共有的操作习惯以及意向商品排名;
根据所述共有的操作习惯以及所述意向商品排名对所述推广网站进行优化。
可选地,在对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图之后,所述方法还包括:
对所述第一用户多次浏览所述推广网站生成的不同的所述第一用户的行为信息进行统计分析;
确定所述不同的所述第一用户的行为信息中的相同行为信息;
将所述第一用户的行为信息中与所述相同行为信息相似的行为信息确认为所述有效行为信息。
可选地,在所述基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间之后,所述方法还包括:
将所述统一格式后的所述行为信息存储于临时数据库;
将所述时间与所述相关信息存储于所述临时数据库;
定时比较所述临时数据库中存储的所述行为信息的存储时间与当前***时间;
在所述存储时间与所述当前***时间的差值大于预设范围时,删除所述行为信息。
可选地,所述行为信息包括:静态信息和动态信息;
所述静态信息包括所述用户浏览器信息、操作***信息、url中携带的信息;
所述动态信息包括所述触摸事件、复制内容事件、点击预置埋点事件,所述用户在当前推广页面的视觉停留区域;
所述点击预置埋点事件包括点击事件、曝光事件、所述当前推广页面停留时间事件。
另一方面,本说明书一个或多个实施例提供一种用于推广的用户行为分析设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如下指令:
获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;
基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间;
在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的第一用户的行为信息;
对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
通过本申请提出的一种用于推广的用户行为分析方法及设备能够带来如下有益效果:能够根据用户行为信息确定有效行为信息,确定用户有效行为分析图,能够更精准的判断出客户转化意向程度级别,让客服合理分配精力对用户进行精准推广,促进订单完成。此外,适配各种浏览器,统一用户行为信息,便于数据分析。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的一种用于推广的用户行为分析方法流程示意图;
图2为本说明书一个或多个实施例提供的一种浏览器层获取的行为信息;
图3为本说明书一个或多个实施例提供的一种数据采集层采集的信息;
图4为本说明书一个或多个实施例提供的一种分析层提供的数据服务;
图5为本说明书一个或多个实施例提供的一种技术链条示意图;
图6为本说明书一个或多个实施例提供的一种用于推广的用户行为分析设备结构示意图。
具体实施方式
本申请实施例提供一种用于推广的用户行为分析方法及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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申请一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
目前,推广方式有多种,例如搜索引擎竞价、信息流和短视频推广,以搜索引擎竞价为例,在搜索引擎竞价页面中预留有用于与企业联系的联系方式,包括电话号,聊天工具等,用户可通过聊天工具添加客服,通过聊天工具向客服进行相关咨询。在添加客服聊天工具好友之前,用户一般会在相关网站上留存有用户行为信息,但留存的用户行为信息经常包含有无效行为信息,无法精确分析用户意向,进行精准推荐。
为解决上述问题,本说明书实施例提供一种用于推广的用户行为分析方法及设备。能够根据用户行为信息确定有效行为信息,确定用户有效行为分析图,能够更精准的判断出客户转化意向程度级别,让客服合理分配精力对用户进行精准推广,促进订单完成。此外,适配各种浏览器,统一用户行为信息,便于数据分析。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书一个或多个实施例提供的一种用于推广的用户行为分析方法流程示意图。如图1所示,用于推广的用户行为方法包括以下步骤:
S101:获取多个用户在推广网站的行为信息,并统一所述行为信息的格式。
图2为本说明书一个或多个实施例提供的一种浏览器层获取的行为信息。
在本说明书的一个或多个实施例中,行为信息包括静态信息和动态信息。静态信息包括用户浏览器信息、操作***信息、url中携带的信息,动态信息包括触摸事件、复制内容事件、点击预置埋点事件、用户在当前推广页面的视觉停留区域;点击预置埋点事件包括点击事件、曝光事件、当前推广页面停留时间事件。
具体的,浏览器信息包括浏览器名称、浏览器版本信息、显示器高度、显示器宽度、浏览器安装插件数量、浏览器安装插件信息列表等,操作***是指window系列操作***、安卓***、IOS***、Linux操作***等。url中携带的信息是指能够通过url访问获取当前推广页面的信息。url中携带的信息包括用户在进入推广页时的搜索关键词信息和其他竞价信息等。
进一步的,触摸事件提供了在触摸屏或触控板上解释手指(或触控笔)活动的能力,一次触摸事件是指触摸物在屏幕上停留的整个过程,当触摸物离开触控屏时,交互结束。触摸物是指手指(或者胳膊肘、耳朵、鼻子)或者触控笔。复制内容事件是指用户在当前推广页面对页面内容进行复制的操作,当前推广页面是指屏幕中当前时刻所展示的页面。若浏览器有调用摄像头的权限,通过摄像头捕捉用户的眼睛,确定用户视觉的停留区域并统计视觉停留时间,或者通过监听用户鼠标光标的停留位置与停留时间,确定用户视觉的停留区域并统计视觉停留时间。比如用户视觉停留在浏览器的左上方的时间较长,用户视觉停留在浏览器右下方的时间较短,根据视觉停留区域和视觉停留区域停留时间的长短,形成视觉热力图,在视觉热力图中,以特殊的高亮形式显示用户视觉停留时间长的区域。
进一步的,当用户的行为满足某种条件时,比如用户行为的每一次点击、每一次跳转、每一次登录等,会自动触发记录和存储。点击事件是指用户点击当前页面的按钮。成功打开一次页面记一次曝光事件,刷新页面一次记一次曝光事件,加载下一页新页面,加载一次记一次曝光事件。当前推广页面停留时间事件表示一个用户在当前页面的停留时长记为停留时长。例如,客户A9:00访问了推广网站的首页,此时分析工具则开始为客户A这个访问者记录1个会话。接着9:01客户A又浏览了另外一个列表页,然后离开了推广网站(离开推广网站可以是通过关闭浏览器,或在地址栏键入一个不同的网址,或是点击了推广网站上链接到其他网站的链接),这一个过程当做一个会话,最终客户A在推广网站的首页的停留时间为1分钟。
在本说明书的一个或多个实施例中,统计并处理多个用户的行为信息,确定多个用户在推广网站共有的操作习惯以及意向商品排名;根据共有的操作习惯以及意向商品排名对推广网站进行优化。
具体的,用户在浏览推广网站时会有共有的操作习惯,比如用户集中浏览推广网页的时间段、用户在浏览推广网页时的视觉停留区域等。例如,用户浏览推广网页的时间段集中在12:00-14:00以及20:00-22:00,说明用户在这两个时间点自由时间充足,客服可在该时间段向用户进行推广。
进一步的,用户在浏览推广网页时的视觉停留区域表明,浏览器左上方的区域为用户视觉停留时间最长的区域,浏览器右下方的区域为用户视觉停留时间最少的区域,工作人员可把新上产品或者主打产品的推广放置在推广网页的左上方,把不重要的推广放置在推广网页的右下方,有利于新上产品或主打产品推广的转化。
S102:基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间。
图3为本说明书一个或多个实施例提供的一种数据采集层采集的信息。本发明中,聊天工具包括封闭型聊天工具和非封闭型聊天工具。开放型聊天工具是指第三方能够合法的获取用户相关信息的聊天工具。对于封闭型聊天工具,如果与封闭型聊天工具的管理方达成一致协议,且提前告知了用户,并在用户同意的基础上,可以获取用户相关信息。基于浏览器开发工具获取触发添加好友事件的HTML节点变化情况,获得第一用户和/或聊天工具的相关信息,其中第一用户的相关信息包括第一用户的操作***信息,搜索关键词信息等。
进一步的,对获得的第一用户和/或聊天工具的相关信息进行处理,将第一用户和/或聊天工具的相关信息的格式改变为与用户行为信息相同的格式,便于第一用户的相关信息与多个用户行为信息相比较。
在本说明书的一个或多个实施例中,将统一格式后的所述行为信息存储于临时数据库;将时间与相关信息存储于临时数据库;定时比较临时数据库中存储的行为信息的存储时间与当前***时间;在存储时间与当前***时间的差值大于预设范围时,删除行为信息。
具体的,临时数据库本身存储空间偏小,删除临时数据库中存储时间较长的用户行为信息,能够节省临时数据库的内存空间。值得注意的是,若某用户添加了客服聊天工具好友,生成有效行为分析图之后,会删除临时数据库中其行为信息,临时数据库中存储时间较长的用户行为信息为长时间未添加客服聊天工具好友的用户行为信息,这些用户在浏览推广网页后长时间并未添加客服聊天工具好友,其意向较低,删除意向较低用户的行为信息节省临时数据库的存储空间。
S103:在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息。
通常情况下,用户在添加客服聊天工具好友之前,会先浏览推广网站的推广网页,此时,会留下用户的行为信息,之后,第一用户通过推广网页中预留的聊天工具联系方式添加客服聊天工具好友,获取添加好友的时间。第一用户的行为信息产生在该时间之前,将获得的第一用户的相关信息与该时间之前的第一时间范围内存储于临时数据库中的行为信息作比较,例如,在第一时间范围内比较所述第一用户的操作***信息和搜索关键字信息与临时数据库中存储的操作***信息和搜索关键字信息是够存在相同,若存在,确定第一用户的行为信息。需要说明的是,不仅仅比较操作***信息和搜索关键字信息。其中,第一时间范围可以为时间节点之前5分钟到30分钟内。
S104:对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
在本说明书的一个或多个实施例中,确认第一用户的行为信息中的无效行为信息;在第一用户的行为信息中将无效行为信息去除,得到有效行为信息;根据有效行为信息,为第一用户生成用户画像,并根据用户画像得到第一用户的意向级别;根据有效行为信息、意向级别,生成第一用户对应的有效行为分析图。
图4为本说明书一个或多个实施例提供的一种分析层提供的数据服务。具体的,为第一用户做用户画像,例如,第一用户在推广页面点击了某几个推广链接,此时分析该第一用户对点击的推广链接有竞价意向,在有效行为下,点击的次数越多,表明该第一用户对该推广的意向级别越高,意向级别越高在有效行为分析图中的颜色越深。
进一步的,有效行为分析图中还包括根据第一用户对点击推广链接的意向级别所作出的与推广链接相近的推广,便于客服第一时间了解第一用户的潜在需求。
进一步的,有效行为分析图中包括根据第一用户的浏览重点、浏览推广页面时的复制动作、触摸事件、点击预置埋点事件和在当前推广页面的视觉停留区域所做出的一系列图表。需要说明的是,上述所述的一系列事件,并不只是收集的第一用户在一个网页留下的行为信息,而是第一用户在浏览整个推广网页所留下的行为信息。
在本说明书的一个或多个实施例中,根据第一用户的行为信息确定第一用户在推广网站上点击的链接;确定第一用户在链接对应的页面中进行的操作,以及停留在对应的页面中的时长;若第一用户进行的操作次数、所述停留的时长均小于相应的预设阈值,则第一用户点击链接所产生的行为信息为无效行为信息。
在本说明书的一个或多个实施例中,确定第一用户复制的页面中的内容;或确定第一用户点击的页面中的按钮;或确定第一用户对页面进行滑动操作时的下滑速度。
具体的,用户在浏览推广页面时可能会出现并不想点击推广链接却点击了推广链接的情况,此种情况下,用户一般会在进入链接对应的页面后立即退出,并不会在页面中进行任何操作,或者,进行少量操作,因此,在这种情况下所产生的行为信息是无效的。例如,第一用户在点击推广链接进入其相对应的页面之后,没有进行任何操作,或者只点击了一个取消按钮,在预设阈值内的停留时间关闭了该页面。其中停留时长的预设阈值可以为1秒、2秒等,操作次数的预设阈值可以为1次,2次等。
进一步的,第一用户误操作所生成的行为信息也为无效行为信息,比如,第一用户的鼠标等被压到刷新了数次推广页面等,此时,在短时间内,生成了多条相同的行为信息,认为该行为信息为无效行为信息。
在本说明书的一个或多个实施例中,通过预先训练的神经网络模型,根据第一用户的行为信息,确定第一用户在页面中进行的操作,与第一用户在点击链接之前进行的操作,是同一人执行的概率;若概率小于预设阈值,则将第一用户在点击链接之前进行的操作确定为无效行为信息。
具体的,在日常生活中,有时会出现不同用户使用同一个终端的情况,例如夫妻之间、情侣之间,会出现一个人浏览完另一个人继续浏览的情况,通常情况下,不同用户的意向不同。在一种情况下,丈夫在点击链接前使用妻子的终端浏览了足球、篮球等信息,之后妻子使用自己的终端点击了包、鞋子、衣服等推广链接,进入相应的页面之后进行了一系列操作,之后添加了客服的聊天工具好友,此时妻子才是真正有意向的客户。在妻子点击链接之间进行的操作为为无效行为信息。
在本说明书的一个或多个实施例中,对第一用户多次浏览推广网站生成的不同的第一用户的行为信息进行统计分析;确定不同的第一用户的行为信息中的相同行为信息;将第一用户的行为信息中与相同行为信息相似的行为信息确认为有效行为信息。具体的,第一用户会多次浏览推广网站,每一次浏览推广网站都会留下一次第一用户的行为信息,通常情况下,不同用户使用同一个终端的情况很少出现,多次留下的第一用户的行为信息出现明显分类的情况相对较少,同一个用户的操作***均每个推广页面的停留时长等,基于相同行为信息能够判断哪些第一用户的行为信息是第一用户浏览推广网站生成的,能够有效判断哪些是第一用户的有效行为信息。
进一步的,获取所述客服的聊天工具账号,将所述第一用户的聊天工具账号与所述客服的聊天工具账号进行绑定,定时向所述客服发送最新生成的所述第一用户的有效行为分析图。
具体的,在第一用户添加客服的聊天工具好友后,获取该客服的聊天工具账号,将第一用户与该客服进行绑定,形成以专人的形式对第一用户进行接待,有利于该客服精准掌握该第一用户的意向。通常情况下,第一用户不止一次会浏览推广网站,定时向该客服发送最新生成的第一用户的有效行为分析图,有利于该客服对第一用户的后续维持与推广。
进一步的,客服可根据第一用户的有效行为分析图,通过聊天工具与该第一用户的聊天窗口向该第一用户分享其意向推广或与其意向推广相近的推广,或者通过聊天工具自带的分享动态等功能,间接向该第一用户分享其意向推广或与其意向推广相近的推广。
需要说明的是,本说明书仅以推广网站网页作为例子,但并不局限于推广网页网站,还可以是信息流推广、电商网站等。
图5为本说明书一个或多个实施例提供的一种技术链条示意图。如图5所示,浏览器提供用户行为信息和添加好友事件等数据信息,数据采集与分析对浏览器提供的数据信息进行分析,分析结果展示给客服以及数据分析师或企业相关人员等。
图6为本说明书一个或多个实施例提供的一种用于推广的用户行为分析设备结构示意图。
如图6所示,用于推广的用户行为分析设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如下指令:
获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;
基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间;
在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息;
对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
通过本申请提出的一种用于推广的用户行为分析方法及设备能够带来如下有益效果:能够根据用户行为信息确定有效行为信息,确定用户有效行为分析图,能够更精准的判断出客户转化意向程度级别,让客服合理分配精力对用户进行精准推广,促进订单完成。此外,适配各种浏览器,统一用户行为信息,便于数据分析。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种用于推广的用户行为分析方法,其特征在于,包括:
获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;
基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服终端添加所述第一用户的时间;
在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息;
对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服终端基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
2.根据权利要求1所述的一种用于推广的用户行为分析方法,其特征在于,所述对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,具体包括:
确认所述第一用户的行为信息中的无效行为信息;
在所述第一用户的行为信息中将所述无效行为信息去除,得到有效行为信息;
根据所述有效行为信息,为所述第一用户生成用户画像,并根据所述用户画像得到所述第一用户的意向级别;
根据所述有效行为信息、所述意向级别,生成所述第一用户对应的有效行为分析图。
3.根据权利要求2所述的一种用于推广的用户行为分析方法,其特征在于,所述确认所述第一用户的行为信息中的无效行为信息,具体包括:
根据所述第一用户的行为信息确定所述第一用户在所述推广网站上点击的链接;
确定所述第一用户在所述链接对应的页面中进行的操作,以及停留在所述对应的页面中的时长;
若所述第一用户进行的操作次数、所述停留的时长均小于相应的预设阈值,则所述第一用户点击所述链接所产生的所述行为信息为无效行为信息。
4.根据权利要求3所述的一种用于推广的用户行为分析方法,其特征在于,所述确定所述第一用户在所述链接对应的页面中进行的操作之后,所述方法还包括:
通过预先训练的神经网络模型,根据所述第一用户的行为信息,确定所述第一用户在所述页面中进行的操作,与所述第一用户在点击所述链接之前进行的操作,是同一人执行的概率;
若所述概率小于预设阈值,则将所述第一用户在点击所述链接之前进行的操作确定为无效行为信息。
5.根据权利要求3所述的一种用于推广的用户行为分析方法,其特征在于,所述确定所述第一用户在所述链接对应的页面中进行的操作,具体包括:
确定所述第一用户复制的所述页面中的内容;或
确定所述第一用户点击的所述页面中的按钮;或
确定所述第一用户对所述页面进行滑动操作时的下滑速度。
6.根据权利要求1所述的一种用于推广的用户行为分析方法,其特征在于,在获取多个用户在推广网站的行为信息,并统一所述行为信息的格式之后,所述方法还包括:
统计并处理所述多个用户的所述行为信息,确定所述多个用户在所述推广网站共有的操作习惯以及意向商品排名;
根据所述共有的操作习惯以及所述意向商品排名对所述推广网站进行优化。
7.根据权利要求1所述的一种用于推广的用户行为分析方法,其特征在于,在对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图之后,所述方法还包括:
对所述第一用户多次浏览所述推广网站生成的不同的所述第一用户的行为信息进行统计分析;
确定所述不同的所述第一用户的行为信息中的相同行为信息;
将所述第一用户的行为信息中与所述相同行为信息相似的行为信息确认为所述有效行为信息。
8.根据权利要求1所述的一种用于推广的用户行为分析方法,其特征在于,在所述基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间之后,所述方法还包括:
将所述统一格式后的所述行为信息存储于临时数据库;
将所述时间与所述相关信息存储于所述临时数据库;
定时比较所述临时数据库中存储的所述行为信息的存储时间与当前***时间;
在所述存储时间与所述当前***时间的差值大于预设范围时,删除所述行为信息。
9.根据权利要求1所述的一种用于推广的用户行为分析方法,其特征在于,所述行为信息包括:静态信息和动态信息;
所述静态信息包括所述用户浏览器信息、操作***信息、url中携带的信息;
所述动态信息包括所述触摸事件、复制内容事件、点击预置埋点事件,所述用户在当前推广页面的视觉停留区域;
所述点击预置埋点事件包括点击事件、曝光事件、所述当前推广页面停留时间事件。
10.一种用于推广的用户行为分析设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如下指令:
获取多个用户在推广网站的行为信息,并统一所述行为信息的格式;
基于所述多个用户中的第一用户在聊天工具中触发的添加好友事件,获得所述第一用户和/或所述聊天工具的相关信息、客服添加所述第一用户的时间;
在所述行为信息中,根据所述时间和所述相关信息进行检索,确定所述第一用户的行为信息;
对所述第一用户的行为信息进行分析,得到所述第一用户对应的有效行为分析图,以使所述客服基于所述有效行为分析图,向所述第一用户进行商品推荐服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567129.0A CN113378040A (zh) | 2021-05-24 | 2021-05-24 | 一种用于推广的用户行为分析方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567129.0A CN113378040A (zh) | 2021-05-24 | 2021-05-24 | 一种用于推广的用户行为分析方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113378040A true CN113378040A (zh) | 2021-09-10 |
Family
ID=77571727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110567129.0A Pending CN113378040A (zh) | 2021-05-24 | 2021-05-24 | 一种用于推广的用户行为分析方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378040A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580435A (zh) * | 2022-02-18 | 2022-06-03 | 深圳数鉴科技有限公司 | 基于用户行为数据的会话分析方法及*** |
CN114926222A (zh) * | 2022-06-06 | 2022-08-19 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的推广方法、设备及介质 |
CN115049403A (zh) * | 2022-04-15 | 2022-09-13 | 山东浪潮爱购云链信息科技有限公司 | 一种针对企业采购的电子超市下单方法及设备 |
CN117037279A (zh) * | 2023-08-25 | 2023-11-10 | 北京智芯微电子科技有限公司 | 动作检测、计数方法、装置、异构芯片、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
CN107437189A (zh) * | 2016-05-25 | 2017-12-05 | 腾讯科技(深圳)有限公司 | 一种推广信息的投放方法、装置及*** |
CN107507041A (zh) * | 2017-09-08 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 用户模型的构建方法和构建装置 |
CN109145194A (zh) * | 2017-06-27 | 2019-01-04 | 北京国双科技有限公司 | 用户行为数据的采集方法及装置 |
CN109992717A (zh) * | 2019-03-29 | 2019-07-09 | 珠海豹好玩科技有限公司 | 信息推荐方法、装置、终端及计算机可读存储介质 |
CN110415022A (zh) * | 2019-07-05 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 处理用户行为序列的方法及装置 |
CN110516151A (zh) * | 2019-08-27 | 2019-11-29 | 咪咕文化科技有限公司 | 有效行为检测和个性化推荐方法 |
CN112100156A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 基于用户行为构建知识库的方法、装置、介质、*** |
CN112232933A (zh) * | 2020-12-11 | 2021-01-15 | 深圳市房多多网络科技有限公司 | 房源信息的推荐方法、装置、设备及可读存储介质 |
-
2021
- 2021-05-24 CN CN202110567129.0A patent/CN113378040A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
CN107437189A (zh) * | 2016-05-25 | 2017-12-05 | 腾讯科技(深圳)有限公司 | 一种推广信息的投放方法、装置及*** |
CN109145194A (zh) * | 2017-06-27 | 2019-01-04 | 北京国双科技有限公司 | 用户行为数据的采集方法及装置 |
CN107507041A (zh) * | 2017-09-08 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 用户模型的构建方法和构建装置 |
CN109992717A (zh) * | 2019-03-29 | 2019-07-09 | 珠海豹好玩科技有限公司 | 信息推荐方法、装置、终端及计算机可读存储介质 |
CN110415022A (zh) * | 2019-07-05 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 处理用户行为序列的方法及装置 |
CN110516151A (zh) * | 2019-08-27 | 2019-11-29 | 咪咕文化科技有限公司 | 有效行为检测和个性化推荐方法 |
CN112100156A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 基于用户行为构建知识库的方法、装置、介质、*** |
CN112232933A (zh) * | 2020-12-11 | 2021-01-15 | 深圳市房多多网络科技有限公司 | 房源信息的推荐方法、装置、设备及可读存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580435A (zh) * | 2022-02-18 | 2022-06-03 | 深圳数鉴科技有限公司 | 基于用户行为数据的会话分析方法及*** |
CN114580435B (zh) * | 2022-02-18 | 2022-10-25 | 深圳数鉴科技有限公司 | 基于用户行为数据的会话分析方法及*** |
CN115049403A (zh) * | 2022-04-15 | 2022-09-13 | 山东浪潮爱购云链信息科技有限公司 | 一种针对企业采购的电子超市下单方法及设备 |
CN114926222A (zh) * | 2022-06-06 | 2022-08-19 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的推广方法、设备及介质 |
CN114926222B (zh) * | 2022-06-06 | 2024-05-10 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的推广方法、设备及介质 |
CN117037279A (zh) * | 2023-08-25 | 2023-11-10 | 北京智芯微电子科技有限公司 | 动作检测、计数方法、装置、异构芯片、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113378040A (zh) | 一种用于推广的用户行为分析方法及设备 | |
US10902462B2 (en) | System and method of providing a platform for managing data content campaign on social networks | |
US7610276B2 (en) | Internet site access monitoring | |
CN101882162B (zh) | 一种网络信息推送方法及*** | |
US8756224B2 (en) | Methods, systems, and media for content ranking using real-time data | |
Adar et al. | Resonance on the web: web dynamics and revisitation patterns | |
CN102799610B (zh) | 网络信息收藏方法及*** | |
CN101681488A (zh) | 知晓上下文的客户端应用程序 | |
EP2339526A1 (en) | System and method for monitoring visits to a target site | |
Festic et al. | How long and what for? Tracking a nationally representative sample to quantify internet use | |
CN111447575A (zh) | 短信息推送方法、装置、设备及存储介质 | |
Wani et al. | Design and implementation of iMacros-based data crawler for behavioral analysis of Facebook users | |
CN113392358A (zh) | 静态资源的预加载方法及装置 | |
CN117370660A (zh) | 一种互联网网页显示管理方法、设备及计算机存储介质 | |
JP4770445B2 (ja) | 情報推薦装置 | |
CN103605742A (zh) | 识别网络资源实体目录页的方法及装置 | |
US12045295B2 (en) | Indexable and searchable replay of website user behavior | |
US10594809B2 (en) | Aggregation of web interactions for personalized usage | |
JP6347532B1 (ja) | 評価装置、評価方法及び評価プログラム | |
CN110751526A (zh) | 广告推送方法、装置、计算机设备以及存储介质 | |
Mowla et al. | Analysis of web server logs to understand internet user behaviour and develop digital marketing strategies | |
CN110798742B (zh) | 节目推荐方法、装置、存储介质和计算机设备 | |
Vasconcelos et al. | Exploiting client logs to support the construction of adaptive e-commerce applications | |
CN102662567B (zh) | 触发网页内操作的方法及设备 | |
CN112818217A (zh) | 一种基于区块链分片的Web服务推荐方法及*** |
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: 20210910 |
|
RJ01 | Rejection of invention patent application after publication |