CN114625975B - 一种基于知识图谱的客户行为分析*** - Google Patents
一种基于知识图谱的客户行为分析*** Download PDFInfo
- Publication number
- CN114625975B CN114625975B CN202210525471.9A CN202210525471A CN114625975B CN 114625975 B CN114625975 B CN 114625975B CN 202210525471 A CN202210525471 A CN 202210525471A CN 114625975 B CN114625975 B CN 114625975B
- Authority
- CN
- China
- Prior art keywords
- behavior
- data
- client
- portrait
- target
- 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.)
- Active
Links
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及客户行为分析技术领域,揭露了一种基于知识图谱的客户行为分析***;通过对客户的不同方面的行为进行监测和统计,先对客户行为的浏览方面和点击方面的各项数据进行联立整合,得到对应的浏览系数和点击系数,再将整合后的浏览系数和点击系数进行联立获取画像值,基于画像值来对客户的行为进行分析评估和归类,并将不同类别的客户进行展示,使得管理人员可以根据归类结果进行相适应的调整;同时还可以对行为的对象展示自适应的进行动态调整,有效提高了客户行为分析的整体效果;本发明可以解决现有方案中对客户的行为分析只能实现单一的总结和展示的问题。
Description
技术领域
本发明涉及客户行为分析技术领域,尤其涉及一种基于知识图谱的客户行为分析***。
背景技术
用户行为分析是指在获得网站访问量最基本数据的情况下,对有关数据进行统计、分析,从中发现用户访问网站的规律,并将这些规律与网络营销策略相结合,从而发现目前网络营销活动中可能存在的问题,并为进一步的修正或者是重新制定网络营销策略提供依据。
现有的客户行为分析方案在实施时,对于网站类产品,主要关注在点击率、点击量、访问量、访问率、访问模块、页面留存时间等等;对于移动应用产品,主要关注在下载量、使用频率、使用模块等等,通过对各项数据进行监测统计并进行直观的显示,没有对不同方面的各项数据进行整体评估,使得客户行为分析时各方面的关联度不佳,同时展示页面也不能根据客户行为分析的结果自适应的进行动态调整,使得客户行为分析的整体效果不佳。
发明内容
本发明提供一种基于知识图谱的客户行为分析***,其主要目的在于解决现有方案中对客户的行为分析只能实现单一的总结和展示的问题。
为实现上述目的,本发明提供的一种基于知识图谱的客户行为分析***,包括数据后台;
数据后台包含行为整合模块和知识图谱模块,知识图谱模块包含预构建的知识图谱;
行为整合模块:用于对监测采集的客户的行为信息中的各项数据进行特征提取和筛选分类,得到行为提取集;
根据行为提取集从行为方面对客户进行画像,得到画像数据;
根据画像数据进行描述和展示客户的行为分析并自适应的调整浏览页面的展示信息。
优选地,对行为信息中的各项数据进行特征提取和筛选分类,包括:
分别提取采集的行为统计集中浏览数据的分析总时长和分析次时长的数值并依次标记为FZSi和FCSi;
统计浏览数据的第一主时间点和第二主时间点之间点击进入副页面的总次数并取值标记为DLCi;标记的提取分析总时长、分析次时长和进入副页面的总次数构成第一标记数据;
获取点击数据中的咨询客服行为、加购物车行为和结算行为并分别与预构建的知识图谱中各个实体子类进行匹配获取到对应的实体大类及其关联的子类权重值,分别提取咨询客服行为、加购物车行为和结算行为对应的子类权重值的数值并标记为ZQZi、GQZi和JQZi;
标记的咨询客服行为、加购物车行为和结算行为对应的子类权重值构成第二标记数据;第一标记数据和第二标记数据构成行为提取集。
优选地,根据行为提取集从行为方面对客户进行画像,包括:
获取行为提取集中标记的各项数据,通过公式计算获取客户的画像值;该公式为:HX=(a1×LLX+a2×DJX)/(a1+a2+1.4773);a1、a2为不同的比例系数且均大于零;LLX为第一标记数据对应的浏览系数,DJX为第二标记系数对应的点击系数;
将画像值与预设的画像阈值进行匹配,得到包含第一画像指令和第一目标客户、第二画像指令和第二目标客户、第三画像指令和第三目标客户的画像数据。
优选地,浏览系数通过公式对第一标记数据中的各个数据项进行计算得到,该公式为:LLX=b1×FCSi/(FZSi+0.173)+b2×DLCi;b1、b2为不同的比例系数且均大于零;
点击系数通过公式对第二标记数据中的各个数据项进行计算得到,该公式为:DJX=c1×ZQZi+c2×GQZi+c3×JQZi;c1、c2、c3为不同的比例系数且均大于零。
优选地,将画像值与预设的画像阈值进行匹配:若画像值小于画像阈值,则生成第一画像指令并将对应的客户设定为第一目标客户;
若画像值不小于画像阈值且不大于画像阈值的p%,p为大于一百的实数,则生成第二画像指令并将对应的客户设定为第二目标客户;
若画像值大于画像阈值的p%,则生成第三画像指令并将对应的客户设定为第三目标客户;
第一画像指令和第一目标客户、第二画像指令和第二目标客户、第三画像指令和第三目标客户构成画像数据。
优选地,根据画像数据进行描述和展示客户的行为分析并自适应的调整浏览页面的展示信息,包括:
将画像数据中的若干个目标客户根据时间的顺序进行排列组合,得到第一目标客户对应的第一目标集、第二目标客户对应的第二目标集以及第三目标客户对应的第三目标集,并将第一目标集、第二目标集和第三目标集向管理人员进行展示,同时获取各个副页面对应的关联度,并根据副页面对应的关联度来进行关联并自适应的动态推荐。
优选地,根据副页面对应的关联度来进行关联并自适应的动态推荐,包括:将若干个展示值降序排列,并获取各个副页面对应的展示值之间的差值并将其设定为关联度,将关联值与预设的关联阈值进行匹配,将小于关联阈值的关联值对应的副页面设定为目标副页面,并将若干个目标副页面根据关联度降序排列,将排前k位的目标副页面设定为选中目标副页面,k为大于零的正整数,当客户点击进入任意一个选中目标副页面时,将剩余的选中目标副页面向客户推荐展示。
优选地,还包括数据前台,用于对客户的行为进行监测和统计,得到行为统计集;行为统计集包含浏览数据和点击数据。
优选地,对客户的行为信息进行监测和统计,包括:
获取客户在浏览网页时的行为,根据客户进入主页面的时间点和离开主页面的时间点得到两个时间点之间的时差并将其设定为分析总时长;
将主页面上显示的若干个副页面按从上往下的顺序进行排列,得到页面排序集,根据客户点击进入副页面的开始时间点和离开主页面的时间点得到两个时间点之间的时差并将其设定为分析次时长;根据时间的顺序将若干个客户的分析总时长和分析次时长排列组合得到浏览数据;
获取客户在副页面的咨询客服行为、加购物车行为和结算行为并根据时间的顺序排列组合得到点击数据。
相比于现有方案,本发明可以实现的有益效果为:
本发明通过对客户的不同方面的行为进行监测和统计,先对客户行为的浏览方面和点击方面的各项数据进行联立整合,得到对应的浏览系数和点击系数,再将整合后的浏览系数和点击系数进行联立获取画像值,基于画像值来对客户的行为进行分析评估和归类,并将不同类别的客户进行展示,使得管理人员可以根据归类结果进行相适应的调整;同时还可以对行为的对象展示自适应的进行动态调整,有效提高了客户行为分析的整体效果。
附图说明
图1为本发明一实施例提供的一种基于知识图谱的客户行为分析***的模块示意图;
图2为本发明一实施例提供的实现一种基于知识图谱的客户行为分析***的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于知识图谱的客户行为分析***。该一种基于知识图谱的客户行为分析***的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,该一种基于知识图谱的客户行为分析***可以由安装在终端设备或服务端设备的软件或硬件来执行,该软件可以是区块链平台。该服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的一种基于知识图谱的客户行为分析***,包括数据前台和数据后台;
本发明实施例中的应用场景可以为商品网页,通过对不同客户在商品网页的浏览行为和点击行为进行监测,并基于知识图谱进行分析和评估,可以生成不同的客户画像,同时还可以根据客户的行为自适应的调整不同的展示信息,来提高客户行为分析的整体效果。
数据前台包含监测统计模块,用于对客户的行为进行监测和统计,得到行为统计集;行为统计集包含浏览数据和点击数据;包括:
获取客户在浏览网页时的行为,将客户进入主页面的时间点设定为第一主时间点,这里的主页面是指商品网页的首页,并将第一主时间点对应的时间段设定为分析时间段,将客户离开主页面的时间点设定为第二主时间点,获取第一主时间点和第二主时间点之间的时差并将其设定为分析总时长;其中,分析总时长的单位为分钟;
其中,时间段可以划分为24个,可以基于整点来进行划分,比如8:00-9:00为一个时间段,设定分析时间段的目的是用于对不同时间段的客户的行为进行统计,来展示每天客户行为出现的分布情况;
将主页面上显示的若干个副页面按从上往下的顺序进行排列,得到页面排序集,这里的副页面是指商品的详情页,并将客户点击进入副页面的开始时间点设定为第一副时间点,将客户离开主页面的时间点设定为第二副时间点,获取第一副时间点和第二副时间点之间的时差并将其设定为分析次时长;其中,分析次时长的单位为分钟;
获取客户在副页面的咨询客服行为、加购物车行为和结算行为分别设定为第一点击行为、第二点击行为和第三点击行为;咨询客服行为、加购物车行为和结算行为对应的权重依次增加;
根据时间的顺序将若干个客户的第一主时间点、分析时间段、第二主时间点、分析总时长、第一副时间点、第二副时间点和分析次时长排列组合得到浏览数据,并根据时间的顺序将若干个客户的第一点击行为、第二点击行为和第三点击行为排列组合得到点击数据。
本发明实施例中,浏览数据和点击数据中的各个数据项可以基于现有的采集工具来实现,比如Cnzz、*** analytics等统计工具;通过对客户在主页面和副页面的行为进行监测得到浏览数据和点击数据,可以为客户行为的分析提供了有效的数据支持,并且咨询客服行为、加购物车行为和结算行为可以从点击方面进行全面的分析评估客户的需求倾向;
数据后台包含行为整合模块和知识图谱模块,知识图谱模块包含预构建的知识图谱;
其中,知识图谱是用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系;知识图谱的模式层一般为四层,本发明实施例中可以为行为分析、行为大类、行为子类以及对应状态量四层,对应状态量可以为各个行为子类对应的子类权重值,而子类权重值是用于实现行为子类的数字化来表示其重要性的数值。
行为整合模块包含行为特征提取单元、行为画像单元和展示单元;
行为特征提取单元用于对行为信息中的各项数据进行特征提取和筛选分类,得到行为提取集;包括:
获取行为统计集中的浏览数据和点击数据;
获取浏览数据中的第一主时间点、分析时间段、第二主时间点、分析总时长、第一副时间点、第二副时间点和分析次时长,分别提取分析总时长和分析次时长的数值并依次标记为FZSi和FCSi;i={1,2,3,...,n},n为正整数,i表示为不同的客户,n表示为总的数量;
统计第一主时间点和第二主时间点之间点击进入副页面的总次数并取值标记为DLCi;标记的提取分析总时长、分析次时长和进入副页面的总次数构成第一标记数据;
获取点击数据中的第一点击行为、第二点击行为和第三点击行为,并分别将第一点击行为、第二点击行为和第三点击行为与预构建的知识图谱中各个实体子类进行匹配获取到对应的实体大类及其关联的子类权重值,分别提取第一点击行为、第二点击行为和第三点击行为对应的子类权重值的数值并标记为ZQZi、GQZi和JQZi;比如,第一点击行为对应的子类权重值为15,第二点击行为对应的子类权重值为25,第三点击行为对应的子类权重值为35;基于子类权重值来表示不同行为的重要程度;
标记的第一点击行为、第二点击行为和第三点击行为对应的子类权重值构成第二标记数据;第一标记数据和第二标记数据构成行为提取集;
行为画像单元用于根据行为提取集从行为方面对客户进行画像,得到画像数据;包括:
获取行为提取集中标记的各项数据,通过公式计算获取客户的画像值HX;该公式为:HX=(a1×LLX+a2×DJX)/(a1+a2+1.4773);a1、a2为不同的比例系数且均大于零;LLX为第一标记数据对应的浏览系数,DJX为第二标记系数对应的点击系数;公式中的比例系数可以由本领域的技术人者根据实际情况设定或者通过大量数据模拟获取,比如a1的取值为0.473,a2的取值为2.256;通过比例系数来表示对应的浏览系数和点击系数对应的重要程度,而浏览系数和点击系数是分别将浏览方面和点击方面的各项数据进行联立来对不同方面进行整体评估的数值,通过将不同方面整体评估的数值进行联立,可以进一步对客户行为进行全面的分析,可以有效提高行为分析的整体效果;
浏览系数和点击系数均与画像值正相关,正相关的程度通过a1、a2来表示;
其中,浏览系数通过公式对第一标记数据中的各个数据项进行计算得到,该公式为:LLX=b1×FCSi/(FZSi+0.173)+b2×DLCi;b1、b2为不同的比例系数且均大于零,b1可以取值为1.733,b2可以取值为2.164;公式中DLCi和FCSi相同的情况下,FZSi越大,则浏览系数LLX越小;FZSi为负相关数据项,DLCi和FCSi为正相关数据项;
点击系数通过公式对第二标记数据中的各个数据项进行计算得到,该公式为:DJX=c1×ZQZi+c2×GQZi+c3×JQZi;c1、c2、c3为不同的比例系数且均大于零,c1可以取值为1.644,c2可以取值为2.837,c3可以取值为3.652;式中,各个数据项均为正相关,通过c1、c2、c3来表示对应的权重;
本发明实施例中,浏览系数是用于将客户在浏览方面的各项数据进行联立来对其浏览状态进行整体评估的数值;点击系数是用于将客户在点击方面的各项数据进行联立来对其点击状态进行整体评估的数值;画像值是用于对客户行为不同方面的各项数据进行整体联立来分析的数值;通过分总的模式来将各方面的数据进行整合和分析,可以有效提高不同方面数据分析的效果,通过将各方面的数据进一步进行整合,可以有效提高客户行为分析的整体效果。
将画像值与预设的画像阈值进行匹配;
若画像值小于画像阈值,则判定对应客户的行为为清晰行为,并生成第一画像指令,根据第一画像指令将对应的客户设定为第一目标客户;其中,清晰行为是指客户有目的性的行为,有目的的观察副页面的商品是否降价或者是否满足客户的购物需求而购买的行为;
若画像值不小于画像阈值且不大于画像阈值的p%,p为大于一百的实数,可以取值为150,则判定对应客户的行为为正常行为,并生成第二画像指令,根据第二画像指令将对应的客户设定为第二目标客户;
若画像值大于画像阈值的p%,则判定对应客户的行为为模糊行为,并生成第三画像指令,根据第三画像指令将对应的客户设定为第三目标客户;其中,模糊行为是指客户只是单纯的浏览而不是有目的性的行为;
画像值与第一画像指令和第一目标客户、第二画像指令和第二目标客户、第三画像指令和第三目标客户构成画像数据;
本发明实施例中,基于客户的行为分析情况来对客户进行分类,既可以便捷高效的进行展示,又可以为后续的不同副页面的动态展示提供了数据支持,有效提高了画像数据的使用效果。
展示单元用于根据画像数据进行描述和展示客户的行为分析并自适应的调整浏览页面的展示信息,包括:
将画像数据中的若干个目标客户根据时间的顺序进行排列组合,得到第一目标客户对应的第一目标集、第二目标客户对应的第二目标集以及第三目标客户对应的第三目标集,并将第一目标集、第二目标集和第三目标集向管理人员进行展示,同时获取各个副页面对应的关联度,并根据副页面对应的关联度来进行关联并自适应的动态推荐。
其中,获取各个副页面对应的关联度,包括:
在预设的监测时间段内统计第二目标客户和第三目标客户的总人数并分别取值标记为EKi和SKi;预设的监测时间段可以为一周;
获取副页面的类型并将与预构建的页面类型表进行匹配获取对应的页面类型值并标记为YLZi;其中,页面类型表由若干个不同的页面类型及其对应的页面类型值构成,不同的页面类型预先设置一个对应的页面类型值;页面类型可以基于现有的商品网页的分类来获取;
将标记的各项数据通过公式计算获取副页面的展示值;该公式为:ZS=YLZi×(d1×EKi+d2×SKi);d1、d2为不同的比例系数且均大于零,d1可以取值为1.325,d2可以取值为3.574;
本发明实施例中,展示值是用于将不同类型的副页面的不同客户的浏览数据进行联立来对其展示情况进行整体评估的数值;通过对展示值进行分析评估来实现精准高效的将相似的副页页的产品进行推荐,区别于现有方案中通过单一的浏览量或者成交量的推荐展示,本发明实施例可以在客户行为分析的基础进一步提高页面推荐展示的效果;并且上述的公式均是去除量纲取其数值计算,通过采集大量数据进行软件模拟和训练得到最接近真实情况的一个公式。
将若干个展示值降序排列,并获取各个副页面对应的展示值之间的差值,将该差值设定为关联度,将关联值与预设的关联阈值进行匹配;
将小于关联阈值的关联值对应的副页面设定为目标副页面,并将若干个目标副页面根据关联度降序排列,将排前k位的目标副页面设定为选中目标副页面,k为大于零的正整数,可以取值为4;
当客户点击进入任意一个选中目标副页面时,将剩余的选中目标副页面向客户推荐展示。
本发明实施例中,设定的若干个选中目标副页面通过客户行为的分析表示产品的吸引宣传方面的效果相似,通过针对性的推荐展示可以有效提高产品的成交效果,区别于现有方案中通过对客户的行为分析只能实现单一的总结和展示,本发明实施中在此基础上还可以来对行为的对象(网页)的展示自适应的进行动态调整,有效提高了客户行为分析的整体效果。
实施例2:
如图2所示,是本发明一实施例提供的实现一种基于知识图谱的客户行为分析***的电子设备的结构示意图。
电子设备可以包括处理器、存储器和总线,还可以包括存储在存储器中并可在处理器上运行的计算机程序,如一种基于知识图谱的客户行为分析程序。
其中,存储器至少包括一种类型的可读存储介质,可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。存储器在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(FlashCard)等。进一步地,存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于电子设备的应用软件及各类数据,例如一种基于知识图谱的客户行为分析程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在存储器内的程序或者模块(例如一种基于知识图谱的客户行为分析程序等),以及调用存储在存储器内的数据,以执行电子设备的各种功能和处理数据。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现存储器以及至少一个处理器等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,电子设备还可以包括网络接口,可选地,网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,该电子设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
电子设备中的存储器存储的一种基于知识图谱的客户行为分析程序是多个指令的组合,具体地,处理器对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,可读存储介质存储有计算机程序,计算机程序在被电子设备的处理器所执行。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
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。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于知识图谱的客户行为分析***,其特征在于,包括数据后台;
数据后台包含行为整合模块和知识图谱模块,知识图谱模块包含预构建的知识图谱;
行为整合模块:用于对监测采集的客户的行为信息中的各项数据进行特征提取和筛选分类,得到行为提取集;
根据行为提取集从行为方面对客户进行画像,得到画像数据;
根据画像数据进行描述和展示客户的行为分析并自适应的调整浏览页面的展示信息;
对行为信息中的各项数据进行特征提取和筛选分类,包括:
分别提取采集的行为统计集中浏览数据的分析总时长和分析次时长的数值并依次标记为FZSi和FCSi;
统计浏览数据的第一主时间点和第二主时间点之间点击进入副页面的总次数并取值标记为DLCi;标记的提取分析总时长、分析次时长和进入副页面的总次数构成第一标记数据;
获取点击数据中的咨询客服行为、加购物车行为和结算行为并分别与预构建的知识图谱中各个实体子类进行匹配获取到对应的实体大类及其关联的子类权重值,分别提取咨询客服行为、加购物车行为和结算行为对应的子类权重值的数值并标记为ZQZi、GQZi和JQZi;
标记的咨询客服行为、加购物车行为和结算行为对应的子类权重值构成第二标记数据;第一标记数据和第二标记数据构成行为提取集;
根据行为提取集从行为方面对客户进行画像,包括:
获取行为提取集中标记的各项数据,通过公式计算获取客户的画像值;该公式为:HX=(a1×LLX+a2×DJX)/(a1+a2+1.4773);a1、a2为不同的比例系数且均大于零;LLX为第一标记数据对应的浏览系数,DJX为第二标记系数对应的点击系数;
将画像值与预设的画像阈值进行匹配,得到包含第一画像指令和第一目标客户、第二画像指令和第二目标客户、第三画像指令和第三目标客户的画像数据;
浏览系数通过公式对第一标记数据中的各个数据项进行计算得到,该公式为:LLX=b1×FCSi/(FZSi+0.173)+b2×DLCi;b1、b2为不同的比例系数且均大于零;
点击系数通过公式对第二标记数据中的各个数据项进行计算得到,该公式为:DJX=c1×ZQZi+c2×GQZi+c3×JQZi;c1、c2、c3为不同的比例系数且均大于零。
2.如权利要求1所述的一种基于知识图谱的客户行为分析***,其特征在于,将画像值与预设的画像阈值进行匹配:若画像值小于画像阈值,则生成第一画像指令并将对应的客户设定为第一目标客户;
若画像值不小于画像阈值且不大于画像阈值的p%,p为大于一百的实数,则生成第二画像指令并将对应的客户设定为第二目标客户;
若画像值大于画像阈值的p%,则生成第三画像指令并将对应的客户设定为第三目标客户;
第一画像指令和第一目标客户、第二画像指令和第二目标客户、第三画像指令和第三目标客户构成画像数据。
3.如权利要求1所述的一种基于知识图谱的客户行为分析***,其特征在于,根据画像数据进行描述和展示客户的行为分析并自适应的调整浏览页面的展示信息,包括:
将画像数据中的若干个目标客户根据时间的顺序进行排列组合,得到第一目标客户对应的第一目标集、第二目标客户对应的第二目标集以及第三目标客户对应的第三目标集,并将第一目标集、第二目标集和第三目标集向管理人员进行展示,同时获取各个副页面对应的关联度,并根据副页面对应的关联度来进行关联并自适应的动态推荐。
4.如权利要求3所述的一种基于知识图谱的客户行为分析***,其特征在于,根据副页面对应的关联度来进行关联并自适应的动态推荐,包括:将若干个展示值降序排列,并获取各个副页面对应的展示值之间的差值并将其设定为关联度,将关联值与预设的关联阈值进行匹配,将小于关联阈值的关联值对应的副页面设定为目标副页面,并将若干个目标副页面根据关联度降序排列,将排前k位的目标副页面设定为选中目标副页面,k为大于零的正整数,当客户点击进入任意一个选中目标副页面时,将剩余的选中目标副页面向客户推荐展示。
5.如权利要求1所述的一种基于知识图谱的客户行为分析***,其特征在于,还包括数据前台,用于对客户的行为进行监测和统计,得到行为统计集;行为统计集包含浏览数据和点击数据。
6.如权利要求5所述的一种基于知识图谱的客户行为分析***,其特征在于,对客户的行为信息进行监测和统计,包括:
获取客户在浏览网页时的行为,根据客户进入主页面的时间点和离开主页面的时间点得到两个时间点之间的时差并将其设定为分析总时长;
将主页面上显示的若干个副页面按从上往下的顺序进行排列,得到页面排序集,根据客户点击进入副页面的开始时间点和离开主页面的时间点得到两个时间点之间的时差并将其设定为分析次时长;根据时间的顺序将若干个客户的分析总时长和分析次时长排列组合得到浏览数据;
获取客户在副页面的咨询客服行为、加购物车行为和结算行为并根据时间的顺序排列组合得到点击数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210525471.9A CN114625975B (zh) | 2022-05-16 | 2022-05-16 | 一种基于知识图谱的客户行为分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210525471.9A CN114625975B (zh) | 2022-05-16 | 2022-05-16 | 一种基于知识图谱的客户行为分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625975A CN114625975A (zh) | 2022-06-14 |
CN114625975B true CN114625975B (zh) | 2022-08-09 |
Family
ID=81907120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210525471.9A Active CN114625975B (zh) | 2022-05-16 | 2022-05-16 | 一种基于知识图谱的客户行为分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625975B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362426B (zh) * | 2023-06-01 | 2023-08-11 | 贵州开放大学(贵州职业技术学院) | 基于人工智能和深度学习的学习行为预测管理***和方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060224583A1 (en) * | 2005-03-31 | 2006-10-05 | Google, Inc. | Systems and methods for analyzing a user's web history |
US11061974B2 (en) * | 2015-12-14 | 2021-07-13 | Microsoft Technology Licensing, Llc | Facilitating discovery of information items using dynamic knowledge graph |
CN111310034B (zh) * | 2020-01-23 | 2023-04-07 | 深圳市雅阅科技有限公司 | 一种资源推荐方法及相关设备 |
CN111506849B (zh) * | 2020-04-07 | 2023-08-11 | 口碑(上海)信息技术有限公司 | 页面生成方法及装置 |
CN112104714A (zh) * | 2020-08-31 | 2020-12-18 | 广州携龙商务服务有限公司 | 一种基于用户互动元素权重精准推送方法 |
CN112650909A (zh) * | 2020-12-29 | 2021-04-13 | 平安消费金融有限公司 | 产品展示方法、装置、电子设备及存储介质 |
CN113204636B (zh) * | 2021-01-08 | 2023-12-05 | 北京欧拉认知智能科技有限公司 | 基于知识图谱的用户动态个性化画像方法 |
CN113822727B (zh) * | 2021-11-23 | 2022-03-01 | 中通服建设有限公司 | 基于智能分析技术的客户关系管理*** |
CN114398560B (zh) * | 2022-03-24 | 2022-05-27 | 深圳市秦丝科技有限公司 | 基于web平台的营销界面设置方法、装置、设备及介质 |
-
2022
- 2022-05-16 CN CN202210525471.9A patent/CN114625975B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114625975A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
CN109784736A (zh) | 一种基于大数据的分析决策*** | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN115391669B (zh) | 一种智能推荐方法、装置、电子设备 | |
CN113688923A (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
CN114398560B (zh) | 基于web平台的营销界面设置方法、装置、设备及介质 | |
CN115423535A (zh) | 基于市场先验大数据的产品采购方法、装置、设备及介质 | |
CN114625975B (zh) | 一种基于知识图谱的客户行为分析*** | |
CN112733531A (zh) | 虚拟资源分配方法、装置、电子设备及计算机存储介质 | |
CN115048174A (zh) | 基于用户的个性化菜单生成方法、装置、设备及存储介质 | |
CN107679883A (zh) | 广告生成的方法及*** | |
CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN114238777B (zh) | 基于行为分析的负反馈流量分配方法、装置、设备及介质 | |
CN115641186A (zh) | 直播产品偏好的智能分析方法、装置、设备及存储介质 | |
CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
CN114461630A (zh) | 智能归因分析方法、装置、设备及存储介质 | |
CN114840660A (zh) | 业务推荐模型训练方法、装置、设备及存储介质 | |
CN113434660A (zh) | 基于多领域分类的产品推荐方法、装置、设备及存储介质 | |
CN114742412A (zh) | 一种软件技术服务***及方法 | |
CN113987206A (zh) | 异常用户的识别方法、装置、设备及存储介质 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113298530A (zh) | 基于行情数据分类的交易配置方法、装置、设备及介质 | |
CN108109002B (zh) | 数据处理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |