一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统技术方案

本发明专利技术涉基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统，与现有技术相比解决了无法挖掘出潜在客户进行网络在线广告推送的缺陷。本发明专利技术包括以下步骤：数据收集和预处理，从在线移动终端上收集消费者的行为数据并建立数据池，对数据池中的数据进行预处理操作，为后续数据分析和建模提供数据支持；针对消费者的行为数据进行建模，建立一种面向消费者行为数据的主题模型，挖掘出消费者与在线广告类别、购买时间段之间的联系；针对消费者进行有效分类，针对不同的消费者类别在线推送对应类型的广告。本发明专利技术通过收集各种移动终端上消费者的行为数据，分析和建模消费者的行为，挖掘不同消费者的消费习惯，实现消费者有效分类。

【技术实现步骤摘要】

本专利技术涉及数据分析和预测
，具体来说是一种基于消费者行为数据分析 和分类技术的在线广告分类推送方法及其系统。
技术介绍
随着移动互联网技术的快速发展，诸如手机、平板电脑以及P0S机等各种移动终 端越来越普及，受到大众欢迎。它们使得人们可以尽量不受时间与空间的限制，随时随地完 成消费行为，购买到自己需求的商品。据TalkingData发布的《2014移动互联网数据报告》 显示，截止2014年年底，我国移动智能终端用户规模达10. 6亿，较2013年增长231. 7% ; 用户平均每天使用移动应用市场达1458秒。另有数据显示，我国P0S机的数量呈直线趋势 增长，到2014夏末，每万人拥有13. 7台P0S机。 这些移动终端在方便人们消费的同时，也记录下了消费者们的行为数据，例如消 费者刷P0S机购物后，设备会存下消费者的购物清单：商品名、价格、销售数量、销售时间以 及店铺名等；再例如消费者通过手机银行完成网上购物后，相关应用也会存下消费者的购 物清单，另外如果手机的GPS是打开的情况，消费者的位置信息也会被记录下来。事实上， 消费者的个人特点往往表现在日常的消费行为上，例如，一些消费者习惯去大卖场逛早市， 那么他们会经常在早上六点至八点出现在大卖场并产生消费行为，而另一些消费者习惯晚 上去大型购物中心Shopping，那么他们的消费行为数据多产生于晚上八点至十点。存留于 移动终端上的这些数据使得分析和建模消费者的行为成为一种可能。 那么如何通过分析和建模消费者的行为，再挖掘出不同消费者的消费习惯，从技 术上实现已有客户群体的粘性加固、潜在客户的精准营销和广告推送，已经成为急需解决 的技术问题。
技术实现思路
本专利技术的目的是为了解决现有技术中无法挖掘出潜在客户进行网络在线广告推 送的缺陷，提供一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系 统来解决上述问题。为了实现上述目的，本专利技术的技术方案如下：-种基于消费者行为数据分析和分类技术的在线广告分类推送方法，包括以下步 骤： 数据收集和预处理，从在线移动终端上收集消费者的行为数据并建立数据池，对 数据池中的数据进行预处理操作，为后续数据分析和建模提供数据支持； 针对消费者的行为数据进行建模，建立一种面向消费者行为数据的主题模型，挖 掘出消费者与在线广告类别、购买时间段之间的联系； 针对消费者进行有效分类，针对不同的消费者类别在线推送对应类型的广告。 所述的数据收集和预处理包括以下步骤： 收集数据，从在线移动终端上收集消费者的行为数据，并将消费者所对应的行为 数据建立数据池； 推送对象身份匹配，通过数据池中的消费者基本信息表，对消费者的身份进行了 逐级匹配，为具有多重身份的消费者赋予唯一身份标识； 数据清洗，删除数据池中购买商品总数和购买次数均较低的消费者及其对应的行 为数据； 划分时间片，将一天二十四小时划分成七个时间段，并将消费者购买的商品配以 相应的时间段标签。 所述的针对推送对象的行为数据进行建模包括以下步骤： 行为数据的转换，将数据池中的消费者购物清单中的用户ID、数据元素、时间段标 签组合成行为数据结构，行为数据结构如下所示：〈用户ID，〈购买商品，时间段标签》； 主题模型的建立与分析，建立面向消费者行为数据的TMCBD主题模型，其包括以 下步骤： 设定模型参数， ff = {ConShopList^ ConShopList2, . . . , ConShopListJ ,W为消费者行为数据库，ConShopListm表示第m个消费者的购物清单详情，M表示 消费者的个数； ConShopListm= {〈product，timeLabel> "〈product，timeLabel>2,…，〈product， timeLabel>Nm} ，〈product，timeLabel>n表示第m个消息者购买第n个商品及其购买时间，Nm表 示第m个消费者购买商品的总数量； 〇为商品类别集合，其中魏表示第k个商品类别，K表示商品类别数； W = { 1]) ^2, . . . ,i])M}, 表示第m个消费者在不同时间段上的购买欲望分布； ?为消费者在不同时间段内对不同商品类别的购买兴趣，其中0^表示第m个消 费者在时间段h上对不同商品类别的购买兴趣分布，H表示时间段数； 训练初始TMCBD主题模型，具体步骤如下： 随机初始化，对消费者行为数据库w中每位消费者购买的每个商品p，随机地赋一 个商品类别z; 重新扫描数据库w，对每个商品p，按照以下公式重新采样它的商品类别，并在w中 进行更新，5 i= (m，n)表示二维下标，表示第m个消费者在第h个时间段在商品类别上 的分布情况，表示第k个商品类别在商品上的分布情况，a和0为狄利克雷分布参数， Z",n为中间变量，表示第m个消费者购买的第n个商品对应的商品类别编号；E为期望平均 值； 重复以上w的重新采样过程直到采样收敛或满足预设的迭代次数； 计算公式如下：其中，獨笔^表示除去Pni,n，由第k个商品类别产生的商品中productv的个数； 0t表示常量； 计算屯，公式如下： 其中，？表示第m个消费者在第h个时间段内购买的商品数量； 计算?，公式如下： 其中，隶示除去Pni,n，第m个消费者在第h个时间段内购买的商品中由第 k个商品类别产生的商品的个数；ak表示常量； 将〇、W和0保存并输出; 对TMCBD主题模型进行更新，生成〇_new、W_new和?_new; 商品类别更新和新增消费者预测，对更新学习得到〇_neW、W_ne^P?_new进行 后处理操作；其包括以下步骤： 对〇_new中每个商品类别，计算其与〇中所有商品类别的余弦相似度，若相似度最小值小于阈值S，则将该商品类别添加至〇中； 基于更新后的①和W_new，调整W， 若W_new中存在W中的消费者，则结合W_new中的购买欲望分布更新该消费者 的购买欲望分布，并替换W中相应的值；若W_new中存在W中没有的消费者，则直接将该 消费者的购买欲望分布添加至W中； 基于更新后的①和和?_new，调整?， 若?_new中存在?中的消费者，则结合?_new中的购买欲望分布更新该消费者 的购买欲望分布，并替换?中相应的值；若?_new中存在?中没有的消费者，则直接将该 消费者的购买欲望分布添加至?中。 所述建立消费者行为数据库W包括以下步骤： 设现有消费者行为数据中涉及K个商品类别，则 定义消费兴趣，设第m个消费者在第h个时间段上的消费兴趣为0 _，其中h取值 1至H，消费兴趣0^为商品类别上的多项式分布； 生成商品类别， 针对第m个消费者的购物清单ConShopListm中的每个商品productn及其时间标 签timeLabeln，择消费者在第timeLabeln个时间段上的消费兴趣分布0 m,h;从9h采样生成商品productn的商品类别zn; 生成商品，从K个商品类别中挑出编号为2_的ffc; 再从參V中采样生成商品products 重复定义消费兴趣、生成商品类别和生成商品步骤，直至生成整个数据库W。 所述的针对消费者进行有效分类包括以下步骤： 设定类别识别器A或类别识别器B本文档来自技高网...

【技术保护点】
一种基于消费者行为数据分析和分类技术的在线广告分类推送方法，其特征在于，包括以下步骤：11)数据收集和预处理，从在线移动终端上收集消费者的行为数据并建立数据池，对数据池中的数据进行预处理操作，为后续数据分析和建模提供数据支持；12)针对消费者的行为数据进行建模，建立一种面向消费者行为数据的主题模型，挖掘出消费者与在线广告类别、购买时间段之间的联系；13)针对消费者进行有效分类，针对不同的消费者类别在线推送对应类型的广告。

【技术特征摘要】

【专利技术属性】
技术研发人员：李焱，金琦，黄牧，范红，黄甜甜，
申请(专利权)人：金鹃传媒科技股份有限公司，
类型：发明
国别省市：安徽;34