CN105678578A - 一种基于网购行为数据的用户品牌偏好度量方法 - Google Patents

Abstract

本发明公开了一种基于网购行为数据的用户品牌偏好度量方法。方法包括：步骤1、通过DPI技术提取用户网购数据中用户ID、商品类别、商品品牌、用户行为和行为发生时间。步骤2、计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。步骤3、根据P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)计算品牌偏好值。步骤4、归一计算用户的品牌偏好度P_G。本发明主要根据用户的一系列购买行为与浏览行为的变化实现更加准确地计算用户的品牌偏好度，从而为商家的精准营销提供决策依据。

Description

一种基于网购行为数据的用户品牌偏好度量方法

技术领域

本发明涉及网络数据分析领域，特别涉及使用用户网购行为数据度量用户品牌偏好领域。

背景技术

网购数据中包含海量的个人用户行为信息，通过分析用户对商品的行为特征并借助数据挖掘技术便可获知用户对品牌的偏好度，本发明主要借助DPI技术从用户的网购行为中分析出同一用户对同类商品不同品牌的偏好度和不同用户对同类商品相同品牌的偏好度。目前公开发表的文章或专利大部分都是简单的从购买行为发生次数和加入购物车行为发生次数来做统计分析用户的品牌偏好，此种方法并没有体现用户在长期网购过程中对商品的使用满意程度以及钟爱程度，另外多用户对同一品牌的偏好度分析目前还很少有人涉及。本发明主要根据用户的一系列购买行为与浏览行为的变化实现更加准确地计算同一用户对不同品牌和不同用户对同一品牌的偏好度，从而为商家的精准营销提供决策依据。

发明内容

本发明的主要目的在于提出一种借助手机网购行为数据度量用户品牌偏好的方法，以实现商家对用户的精准营销。

针对以上目的，本发明提出了一种基于网购行为数据的用户品牌偏好度量方法，其特征描述：

步骤1、分析用户网购数据，结合电商产品信息库，生成用户网购记录，每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间，其中用户行为指浏览和购买。

步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。其中品牌自转移购买次数(N_L)代表用户对某一品牌的钟爱程度，代表相邻两次购买行为中购买同一品牌的次数，通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算；品牌最长连续浏览次数(N_H)代表用户对某一品牌的渴望程度，通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算；品牌转入购买次数(N_T)代表用户愿意使用某品牌商品的意愿大小，通过从其他品牌转入购买测定品牌的次数计算。

步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P)：

P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)

其中，N代表用户所有行为记录条数，N_C代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λ_B与λ_S分别代表购买因子与浏览因子，由于购买行为影响度要大于浏览行为，所以通常λ_B大于λ_S，且两者之和为1。

步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(P_Gi)：

P_Gi＝P_i/Σ_iP_i

其中，P_i代表该用户对该类产品中第i个品牌的偏好值。

采用本发明中的技术方案具有如下有益效果：

由于用户使用网络购物的频次在快速增加，从海量数据中可以提取出足够多的用户行为特征来反映用户的消费变化情况，再结合自转移购买次数、最大连续浏览次数和转入购买次数等多个因素来准确计算用户与品牌之间的偏好值。

附图说明

图1是网购行为数据度量品牌偏好架构示意图。

具体实施例

下面结合附图和实施例，对本发明的具体实施方式做进一步描述。图1是本发明的网购行为数据度量品牌偏好架构示意图，所述方法包括：

步骤1、分析用户网购数据，结合电商产品信息库，生成用户网购记录，每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间，其中用户行为指浏览和购买。

步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。其中品牌自转移购买次数(N_L)代表用户对某一品牌的钟爱程度，代表相邻两次购买行为中购买同一品牌的次数，通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算；品牌最长连续浏览次数(N_H)代表用户对某一品牌的渴望程度，通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算；品牌转入购买次数(N_T)代表用户愿意使用某品牌商品的意愿大小，通过从其他品牌转入购买测定品牌的次数计算。

步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P)：

P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)

其中，N代表用户所有行为记录条数，N_C代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λ_B与λ_S分别代表购买因子与浏览因子，由于购买行为影响度要大于浏览行为，所以通常λ_B大于λ_S，且两者之和为1。

步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(P_Gi)：

P_Gi＝P_i/Σ_iP_i

其中，P_i代表该用户对该类产品中第i个品牌的偏好值。

本发明实施例提供的一种基于网购行为数据的用户品牌偏好度量方法，根据用户的行为特征并结合DPI技术能够快速准确地分析出同一用户对不同品牌和不同用户对同一品牌的偏好度，有助于向用户提供精准营销服务。

显然，本领域的技术人员可以对本发明处理过程中使用的部分技术及计算公式进行改动，而并不脱离本发明的方法和思想。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (1)

1.一种基于网购行为数据的用户品牌偏好度量方法，其特征在于，使用网购数据分析用户的品牌偏好，主要步骤为：

步骤1、分析用户网购数据，结合电商产品信息库，生成用户网购记录，每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间，其中用户行为指浏览和购买。

步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。其中品牌自转移购买次数(N_L)代表用户对某一品牌的钟爱程度，代表相邻两次购买行为中购买同一品牌的次数，通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算；品牌最长连续浏览次数(N_H)代表用户对某一品牌的渴望程度，通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算；品牌转入购买次数(N_T)代表用户愿意使用某品牌商品的意愿大小，通过从其他品牌转入购买测定品牌的次数计算。

步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P)：

P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)

其中，N代表用户所有行为记录条数，N_C代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λ_B与λ_S分别代表购买因子与浏览因子，由于购买行为影响度要大于浏览行为，所以通常λ_B大于λ_S，且两者之和为1。

步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(P_Gi)：

P_Gi＝P_i/Σ_iP_i

其中，P_i代表该用户对该类产品中第i个品牌的偏好值。