电子商务潜在用户识别的方法和装置制造方法及图纸

本发明专利技术提供一种电子商务潜在用户识别的方法和装置，能够准确识别潜在用户。该方法包括：步骤一：根据关联规则计算用户购买过其他品类的商品后购买目标品类的商品的购买概率指标；步骤二：根据用户购买前针对所述目标品类的一个或多个行为计算用户一个或多个购买前行为指标；步骤三：利用逻辑回归模型，将步骤一所得的购买概率指标和步骤二所得的购买前行为指标作为逻辑回归模型的自变量，并根据所述目标品类的历史购买数据训练逻辑回归模型中的回归系数；步骤四：根据训练得到的回归系数的值，利用逻辑回归模型计算潜在用户购买所述目标品类的潜力值大小并加以排序，以识别所述目标品类的潜在用户。

【技术实现步骤摘要】

本专利技术涉及计算机
，尤其涉及一种基于逻辑回归和关联规则的电子商务潜在用户识别的方法和装置。
技术介绍
电子商务业务中，经常需要识别哪些用户是潜在用户(潜在用户是指那些还没有使用，有购买某种产品或服务的需要、有购买能力、有购买决策权，但对产品所提供的功能有所需求的那些用户)，以便采销精准营销以及后续的仓储备货等，从而提升电商收入，降低库存等成本，提高用户满意度。现有技术中，通常是利用用户购买前浏览、搜索商品或加入购物车等行为数据来估算用户潜在需求。具体而言，如果用户在购买商品前有浏览、搜索或加入购物车等行为就将其列为潜在用户；然后利用浏览、搜索、加入购物车等数据的多少作为潜在用户潜力的强弱。但是现有技术存在如下缺陷：一方面，购买前搜索、浏览或加入购物车等行为数据依赖浏览器对于缓存的记录策略，如果用户不是在同一个浏览器登录或者清除缓存或转移到移动设备浏览或下单，则无法获取用户的此类数据，造成大量的数据丢失，减少潜在用户的覆盖，r>使得潜在用户覆盖本文档来自技高网...

【技术保护点】
一种电子商务潜在用户识别的方法，其特征在于，包括：步骤一：根据关联规则计算用户购买过其他品类的商品后购买目标品类的商品的购买概率指标；步骤二：根据用户购买前针对所述目标品类的一个或多个行为计算用户一个或多个购买前行为指标；步骤三：利用逻辑回归模型，将步骤一所得的购买概率指标和步骤二所得的购买前行为指标作为逻辑回归模型的自变量，并根据所述目标品类的历史购买数据训练逻辑回归模型中的回归系数；步骤四：根据训练得到的回归系数的值，利用逻辑回归模型计算潜在用户购买所述目标品类的潜力值大小并加以排序，以识别所述目标品类的潜在用户。

【技术特征摘要】
1.一种电子商务潜在用户识别的方法，其特征在于，包括：
步骤一：根据关联规则计算用户购买过其他品类的商品后购买目
标品类的商品的购买概率指标；
步骤二：根据用户购买前针对所述目标品类的一个或多个行为计
算用户一个或多个购买前行为指标；
步骤三：利用逻辑回归模型，将步骤一所得的购买概率指标和步
骤二所得的购买前行为指标作为逻辑回归模型的自变量，并根据所述
目标品类的历史购买数据训练逻辑回归模型中的回归系数；
步骤四：根据训练得到的回归系数的值，利用逻辑回归模型计算
潜在用户购买所述目标品类的潜力值大小并加以排序，以识别所述目
标品类的潜在用户。
2.根据权利要求1所述的方法，其特征在于，所述步骤一包括：
从目标品类与其他品类组成的项集中选择关联规则满足最小支持
度和最小置信度阈值的频繁项集；
将所述频繁项集的关联规则的支持度、置信度和提升度中的一个
或多个作为衡量用户购买过其他品类的商品后购买目标品类的商品的
购买概率指标。
3.根据权利要求1所述的方法，其特征在于，所述步骤二包括：
根据用户购买前针对目标品类的浏览、搜索、关注、加入购物车
的行为计算用户购买前浏览指标、搜索指标、关注指标、加入购物车
指标。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
步骤三中，将步骤一所得的购买概率指标和步骤二所得的购买前行为
指标进行特征融合后，加入到逻辑回归模型中，作为逻辑回归模型的
自变量。
5.根据权利要求1所述的方法，其特征在于，所述步骤三中逻辑
回归模型为：Y＝1/(1+a*exp(b1*x1+b2*x2+……+bk*xk))，其中，x1、
x2、……xk代表各自变量，Y为因变量，a代表回归函数的截距，b1、
b2……bk分别代表回归函数的斜率，经过训练，得出误差最小的回归
系数a和b1、b2、……bk。
6.一种电子商务潜在用户识别的装置，其特征在于，包括：...

【专利技术属性】
技术研发人员：刘朋飞，侯捷，李爱华，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11