一种个性化信息推送时间的确定方法及确定系统技术方案

本发明专利技术公开了一种个性化信息推送时间的确定方法,该方法包括以下步骤：S10采集用户在电子商务网站的历史访问记录，构建特征向量；S20利用生存分析模型对用户进行分类；S30对每一类用户分别确定信息推送时间。同时还公开了一种个性化信息推送时间的确定系统,包括：采集模块：用于采集用户在电子商务网站的历史访问记录；构建模块：用于构建特征向量；分类模块：用于利用生存分析模型对用户进行分类；确定模块：用于确定向每一类用户推送信息的时间。该个性化信息推送时间的确定方法及确定系统，基于用户行为反馈，选择合适时间给用户进行信息推送，避免盲目推送信息，影响用户体验。

【技术实现步骤摘要】

本专利技术涉及电子商务领域中的信息推送领域，具体来说，涉及一种个性化信息推送时间的确定方法及确定系统。
技术介绍
目前，很多网站在关于会员精准营销(例如电子邮件营销EDM，短信息服务SMS，服务信息PUSH等渠道)发送周期和频次方面，仅仅是根据经验主观判断决定发送时间和发送周期。这一方面造成成本浪费，另一方面在不恰当的时机推送信息，影响用户体验，导致客户流失。为了避免无节制的EDM，SMS和PUSH等狂轰滥炸式的、无规律的营销方式，如何选择合适的时间，向用户推送信息成为本领域的一个技术难题。
技术实现思路
本专利技术实施例提供一种个性化信息推送时间的确定方法及确定系统，基于用户行为反馈，选择合适时间给用户进行信息推送，避免盲目推送信息，影响用户体验。为解决上述技术问题，本专利技术实施例根据如下的技术方案：一方面，本实施例提供一种个性化信息推送时间的确定方法,该方法包括以下步骤：S10采集用户在电子商务网站的历史访问记录，构建特征向量；S20根据S10构建的特征向量，利用生存分析模型对用户进行分类；S30对S20分类后的每一类用户，分别确定信息推送时间。作为一种实施例，所述的步骤S10中，根据用户注册时间和访问的历史记录，将用户分为老用户和新用户。作为一种实施例，所述的步骤S10中，用户在电子商务网站的历史访问记录包括用户在PC端、APP端以及WAP端的历史行为记录。作为一种实施例，所述的步骤S20中，运用生存分析模型对老用户和新用户分别进行分类，首先利用式(1)测算用户的特征值：COX＝X1*B1+X2*B2+…+Xn*Bn式(1)式(1)中，COX表示用户的特征值，X1表示该用户的第一个特征向量，B1表示X1的对应系数，X2表示该用户的第二个特征向量，B2表示X2的对应系数，Xn表示该用户的第n个特征向量，Bn表示Xn的对应系数；n为大于等于3的整数；然后根据各用户的特征值和事先设定的阈值，对老用户和新用户分别进行分类。作为一种实施例，所述的步骤S30，对于老用户中每类用户，利用逻辑回归模型测算用户未来W天最有可能回访或者最有可能购买的概率，然后按照事先设定的概率阈值，进行比较后，选择推送时间；对于新用户中每类用户，根据事先设定确定推送时间。作为一种实施例，所述的逻辑回归模型如式(2)所示，P＝exp(A0+Y1*A1+Y2*A2+…+Yn*An)/(1+exp(A0+Y1*A1+Y2*A2+…+Yn*An))式(2)式(2)中，P表示用户最有可能回访或者最有可能购买的概率,A0表示常数项，Y1表示影响用户购买行为的第一因素，A1表示Y1的对应系数，Y2表示影响用户购买行为的第二因素，A2表示Y2的对应系数，Yn表示影响用户购买行为的第n因素，An表示Yn的对应系数；n为大于等于3的整数。另一方面，本实施例提供一种个性化信息推送时间的确定系统,该系统包括：采集模块：用于采集用户在电子商务网站的历史访问记录；构建模块：用于利用采集模块采集的历史访问记录，构建特征向量；分类模块：用于根据构建模块构建的特征向量，利用生存分析模型对用户进行分类；确定模块：用于根据分类模块对用户的分类，确定向每一类用户推送信息的时间。作为一种实施例，所述的分类模块运用生存分析模型对用户进行分类：首先利用式(1)测算用户的特征值：COX＝X1*B1+X2*B2+…+Xn*Bn式(1)式(1)中，COX表示用户的特征值，X1表示该用户的第一个特征向量，B1表示X1的对应系数，X2表示该用户的第二个特征向量，B2表示X2的对应系数，Xn表示该用户的第n个特征向量，Bn表示Xn的对应系数；n为大于等于3的整数；然后根据各用户的特征值和事先设定的阈值，对老用户和新用户分别进行分类。作为一种实施例，所述的确定模块包括：测算子模块：用于对老用户利用逻辑回归模型测算用户未来最有可能回访或者最有可能购买的概率；比较子模块：用于将测算子模块测算的概率，与事先设定的概率阈值，进行比较；确定子模块：用于根据比较子模块的比较结果，确定推送时间。作为一种实施例，所述的逻辑回归模型如式(2)所示，P＝exp(A0+Y1*A1+Y2*A2+…+Yn*An)/(1+exp(A0+Y1*A1+Y2*A2+…+Yn*An))式(2)式(2)中，A0表示常数项，Y1表示影响用户购买行为的第一因素，A1表示Y1的对应系数，Y2表示影响用户购买行为的第二因素，A2表示Y2的对应系数，Yn表示影响用户购买行为的第n因素，An表示Yn的对应系数；n为大于等于3的整数。本专利技术实施例提供的一种个性化信息推送时间的确定方法及确定系统，根据用户在电子商务网站的历史访问记录，构建特征向量。利用该特征向量，对用户进行分类，以及测算其回访或购物概率，从而确定推送时间。本实施例对用户进行信息推送，是依据用户的历史行为测算得带的，更符合用户的需求。同时，本实施例对用户进行信息推送，是依据不同分类的用户分别进行的，而不是所有用户都采用同一推送时间。这使得信息推送能够因人而异，实现精准推送，更符合用户的需求，提高用户体验。附图说明图1是本专利技术实施例的流程框图。图2是本专利技术实施例的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚的描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部实施例。如图1所述，本专利技术实施例提供了一种个性化信息推送时间的确定方法,该方法包括以下步骤：S10采集用户在电子商务网站的历史访问记录，构建特征向量；S20根据S10构建的特征向量，利用生存分析模型对用户进行分类；S30对S20分类后的每一类用户，分别确定信息推送时间。上述方法中，确定信息推送时间时，首先采集用户在电子商务网站的历史访问记录，构建特征向量。也就是说，推送时间的确定，需要依据用户的历史访问记录，而不是人为任意设定一时间。正是基于构建的特征向量，后续步骤对用户进行分类以及计算用户的购买或回访概率。对用户进行分类后，对每类用户分别确定推送时间，而不是所有用户都采用同一推送时间。这使得信息推送能够因人而异，实现精准推送，更符合用户的需求，提高了用户体验。步骤S10中，用户在电子商务网站的历史访问记录包括用户在PC端、APP端以及WAP端的历史行为记录。用户在电子商务网站的历史访问记录，例如：用户根据用户名/密码等登录电子商务网站，点击、商品搜索与查询、浏览、页面停留、将商品放入购物车、询价、与客服人员交互、确认支付、要求售后服务。步骤S10采集的历史访问记录来源于多终端。多终端的数据来源，确保了构建特征向量更加丰富、完整，为后续步骤提供了良好的数据基础。根据用户注册时间和访问的历史记录，将用户分为老用户和新用户。新用户是指当天注册的用户，包括有历史访问记录或者没有历史访问记录的。老用户是指非当天注册的用户，包括有历史访问记录或者没有历史访问记录。对于老用户而言，构建的特征向量，例如可以是：是否电话验证：IS_PHONE_VERIFY、是否邮箱验证：IS_EMAIL_VERIFY、注册至今天数：RGST_TIME、是否访问列表页：在最近2天是否访问列表页、是否访问商品详情页、最近2天是否访问、是否访问促销页、本文档来自技高网...

【技术保护点】
一种个性化信息推送时间的确定方法,其特征在于，该方法包括以下步骤：S10采集用户在电子商务网站的历史访问记录，构建特征向量；S20根据S10构建的特征向量，利用生存分析模型对用户进行分类；S30对S20分类后的每一类用户，分别确定信息推送时间。

【技术特征摘要】
1.一种个性化信息推送时间的确定方法,其特征在于，该方法包括以下步骤：S10采集用户在电子商务网站的历史访问记录，构建特征向量；S20根据S10构建的特征向量，利用生存分析模型对用户进行分类；S30对S20分类后的每一类用户，分别确定信息推送时间。2.根据权利要求1的方法，其特征在于，所述的步骤S10中，根据用户注册时间和访问的历史记录，将用户分为老用户和新用户。3.根据权利要求1的方法，其特征在于，所述的步骤S10中，用户在电子商务网站的历史访问记录包括用户在PC端、APP端以及WAP端的历史行为记录。4.根据权利要求2的方法，其特征在于，所述的步骤S20中，利用生存分析模型对老用户和新用户分别进行分类，首先利用式(1)测算用户的特征值：COX＝X1*B1+X2*B2+…+Xn*Bn式(1)式(1)中，COX表示用户的特征值，X1表示该用户的第一个特征向量，B1表示X1的对应系数，X2表示该用户的第二个特征向量，B2表示X2的对应系数，Xn表示该用户的第n个特征向量，Bn表示Xn的对应系数；n为大于等于3的整数；然后根据各用户的特征值和事先设定的阈值，对老用户和新用户分别进行分类。5.根据权利要求4所述的方法，其特征在于，所述的步骤S30，对于老用户中每类用户，利用逻辑回归模型测算用户未来W天最有可能回访或者最有可能购买的概率，然后按照事先设定的概率阈值，进行比较后，选择推送时间；对于新用户中每类用户，根据事先设定确定推送时间。6.根据权利要求5的方法，其特征在于，所述的逻辑回归模型如式(2)所示，P＝exp(A0+Y1*A1+Y2*A2+…+Yn*An)/(1+exp(A0+Y1*A1+Y2*A2+…+Yn*An))式(2)式(2)中，P表示用户最有可能回访或者最有可能购买的概率,A0表示常数项，Y1表示影响用户购买行为的第一因素，A1表示Y1的对应系数，Y2表示影响用户购买行为的第二因素，A2表示...

【专利技术属性】
技术研发人员：张侦，罗琨，沈海旺，阙开伟，
申请(专利权)人：苏宁云商集团股份有限公司，
类型：发明
国别省市：江苏;32