一种分析用户行为周期的方法和装置制造方法及图纸

本申请提出一种分析用户行为周期的方法和装置，该方法包括：获取用户行为的时间间隔序列；寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算所有所述周期时间间隔子序列的分值；根据所述分值对用户进行分级评价。该方法通过判断构成序列的用户行为时间间隔的波动程度是否超过门限值，来寻找所述序列中以周期形式呈现的子序列，并对所有子序列进行评分，从而可以得到对该用户的分析结果。

A method and apparatus for user behavior analysis cycle

The invention provides a method and apparatus for user behavior analysis cycle, the method includes: obtaining interval sequences of user behavior; find the cycle time interval of adjacent elements in the time interval in the sequence of wave meets a predetermined condition sequence; calculate all the cycle time interval sequence according to the scores of scores; grading evaluation of user. The method by judging the degree of fluctuation of user behavior is composed of time interval sequence exceeds a threshold value, to find the sequence in the form of a periodic sequence, and the score of all sub sequences, which can get the results of the analysis of the user.

【技术实现步骤摘要】
一种分析用户行为周期的方法和装置
本申请涉及用户行为分析
，特别涉及一种分析用户行为周期的方法和装置。
技术介绍
很多现有技术都试图通过分析用户的交易行为，得到用户的潜在交易行为倾向，但是由于用户很难一直以一个稳定周期产生交易行为，因此，例如使用快速傅里叶变换等快速计算时域序列周期的方法都不能很好的适用于用户交易行为的分析，因此很难准确的得到用户对商户或者平台的忠诚度等数据。
技术实现思路
为解决现有技术中的上述问题，本申请的一个目的在于提出一种分析用户行为周期的方法和装置，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。为达到上述目的，本申请实施例提出了一种分析用户行为周期的方法，包括：获取用户行为的时间间隔序列；寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算所有所述周期时间间隔子序列的分值；根据所述分值对用户进行分级评价。为达到上述目的，本申请实施例提出了一种分析用户行为周期的装置，包括：获取单元，用于获取用户行为的时间间隔序列；子序列单元，用于寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算单元，用于计算所有所述周期时间间隔子序列的分值；评价单元，用于根据所述分值对用户进行分级评价。由以上本申请实施例提供的技术方案可见，通过上述本申请实施例的方法，可以找到用户行为的周期特性，并对该周期性的行为进行打分，量化了对用户评价的过程，用数字化的方式描述了用户的特征，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。当然实施本申请的任一产品或者方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1所示为本申请实施例一种分析用户行为周期的方法的流程图；图2所示为本申请实施例一种分析用户行为周期的装置的结构示意图；图3所示为本申请实施例一种分析用户行为周期方法的具体流程图；图4所示为本申请实施例的用户消费行为的时间序列示意图；图5所示为本申请实施例一种分析用户行为周期的方法的具体流程图。具体实施方式本申请实施例提供一种分析用户行为周期的方法及装置。为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。如图1所示为本申请实施例一种分析用户行为周期的方法的流程图，在本图中描述了通过对用户行为进行分析得到用户行为周期，以及根据该用户行为周期对用户进行分析评价的方法。在现有技术中通过EFM模型其中R代表最近一次消费(Recency)，F代表消费频率(Frequency)，M代表消费金额(Monetary)，主要通过这三个指标来分析用户对于商户或者平台的忠诚度，该方法虽然能够在一定程度上描述用户的行为，但无法精确的刻画用户在整个时间轴上的行为分布。而且，由于用户行为的离散性，现有技术中的快速傅里叶变换也不能很好的应用于用户行为周期的分析之中。通过本申请实施例中的方法判断构成序列的用户行为时间间隔的波动程度是否超过门限值，来寻找所述序列中以周期形式呈现的子序列，并对所有子序列进行评分，从而可以得到对该用户的分析结果。该方法具体包括步骤101，获取用户行为的时间间隔序列。步骤102，寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列。步骤103，计算所有所述周期时间间隔子序列的分值。步骤104，根据所述分值对用户进行分级评价。作为本申请的一个实施例，所述寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列进一步包括，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列。其中，用户行为的时间间隔序列可以例如为，用户在1月3号、1月7号，1月12号在肯德基有消费行为，以1月1号为起始日期，则生成相应用户行为的时间序列为(2，6，11)，即计算消费日期与起始日期的时间差，而该用户行为的时间间隔序列为所述用户行为的时间序列中各用户行为时间之间的间隔，也就是说用户行为的时间间隔序列为(4，5)，所述元素就是指时间间隔序列中的每个时间间隔。作为本申请的一个实施例，所述波动包括所述子序列中相邻元素的方差，或者子序列中相邻元素的比值。其中，对于相邻元素的比值，可以使用相邻两个元素中较大的作为分子，较小的作为分母，从而可以得到两个相邻元素的比值，对于相邻元素波动的判断还可以采用其它现有技术中的方法，本申请实施例只是列举了几种方式，并不限定使用哪种方式得到相邻元素的波动。作为本申请的一个实施例，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列，计算当前子序列是否为周期时间间隔子序列，若所述子序列为周期时间间隔子序列，则不再计算该子序列中是否还存在其它周期时间间隔子序列。其中，计算子序列是否为周期时间间隔子序列是一个遍历过程，如果一个子序列为周期时间间隔子序列则该子序列中的任何一段都为周期时间间隔子序列，这样就可以避免在寻找周期时间间隔子序列时，在该子序列中重复的寻找计算更短的周期时间间隔子序列，从而减小了计算复杂度。作为本申请的一个实施例，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列中进一步包括，选择所述子序列中头元素与尾元素时，以两者之间具有的元素越多越好。其中，可以选择整个时间间隔序列的头和尾元素作为子序列中的头和尾元素，然后所述子序列中的头和尾元素变为其它元素进行遍历，通过选择遍历长序列，可以减少遍历计算的次数，从而可以进一步减少计算复杂度。作为本申请的一个实施例，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，所述连续的子序列满足如下公式则为周期时间间隔子序列：Variance(list)/mean(list)＜epsilon/f(length(list))其中，Variance(list)是指子序列中相邻元素的波动，mean(list)是指子序列中元素的均值，epsilon是指根据场景的预设值，f(length(list))是指考虑到子序列长度的惩罚值。其中，例如子序列为(1，1，2，2，4)，则本文档来自技高网...

【技术保护点】
一种分析用户行为周期的方法，其特征在于包括：获取用户行为的时间间隔序列；寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算所有所述周期时间间隔子序列的分值；根据所述分值对用户进行分级评价。

【技术特征摘要】
1.一种分析用户行为周期的方法，其特征在于包括：获取用户行为的时间间隔序列；寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算所有所述周期时间间隔子序列的分值；根据所述分值对用户进行分级评价。2.根据权利要求1所述的方法，其特征在于，所述寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列进一步包括，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列。3.根据权利要求2所述的方法，其特征在于，所述波动包括所述子序列中相邻元素的方差，或者子序列中相邻元素的比值。4.根据权利要求2所述的方法，其特征在于，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列，计算当前子序列是否为周期时间间隔子序列，若所述子序列为周期时间间隔子序列，则不再计算该子序列中是否还存在其它周期时间间隔子序列。5.根据权利要求4所述的方法，其特征在于，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列中进一步包括，选择所述子序列中头元素与尾元素时，以两者之间具有的元素越多越好。6.根据权利要求2所述的方法，其特征在于，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，所述连续的子序列满足如下公式则为周期时间间隔子序列：Variance(list)/mean(list)＜epsilon/f(length(list))其中，Variance(list)是指子序列中相邻元素的波动，mean(list)是指子序列中元素的均值，epsilon是指根据场景的预设值，f(length(list))是指考虑到子序列长度的惩罚值。7.根据权利要求2所述的方法，其特征在于，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，所述连续的子序列满足如下公式则为周期时间间隔子序列：Variance(list)＜epsilon其中，Variance(list)是指子序列中相邻元素的波动，epsilon是指根据场景的预设值。8.根据权利要求1所述的方法，其特征在于，计算所有所述周期时间间隔子序列的分值进一步包括，提取所述周期时间间隔子序列的周期、波动以及长度，分配以不同的权重值，并获得所述周期时间间隔子序列结束至当前时间的时间信息，计算得到该周期时间间隔子序列的分值，并计算所有周期时间间隔子序列分值的和。9.根据权利要求8所述的方法，其特征在于，计算得到该周期时间间隔子序列的分值进一步包括，所述周期时间间隔子序列的分值按照以下公式计算：s＝(a*period+b*variance+c*times)*f(toNow)其中，s为周期时间子序列的分值，a、b、c为权值，period为所述周期时间子序列的周期，variance为所述周期时间子序列中相邻元素的波动，times为所述周期时间子序列的元素个数；toNow为所述周期时间间隔子序列结束至当前时间的时间信息，f()为对所述时间信息的函数运算。10.根据权利要求1所述的方法，其特征在于，计算所有所述周期时间间隔子序...

【专利技术属性】
技术研发人员：杨一品，毛仁歆，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY