The present invention provides a method of prediction and a device for Car Buying ability, including the prediction method: user information and user behavior data Car Buying Car Buying data is constructed on the basis of the original training data; by default filtering rules of the original training data features filter processing, to obtain the features of training according to the training data; the characteristics of data to construct prediction model; forecast according to the characteristics of the Car Buying data prediction model forecast users treat. The technical scheme of the invention realizes the automation of data classification Car Buying characteristics reflect Car Buying ability through forecasting model; automated user Car Buying prediction ability, greatly reduces the cost of manpower and time spent in the prediction process; at the same time improve the prediction ability of Car Buying feature data reflect the accuracy of Car Buying.
【技术实现步骤摘要】
购车能力的预测方法和预测装置
本专利技术涉及数据挖掘领域,具体而言,本专利技术涉及一种购车能力的预测方法和预测装置。
技术介绍
近来,我国汽车销量正在缓慢增长,面对我国车市整体增速缓慢的局面,我国的汽车销售行业竞争也愈演愈烈,在如此激烈的市场竞争环境中,如何精确制定汽车营销方案成为了提高行业竞争力的关键。目前,我国购车网站的浏览日志数量非常庞大,在这些浏览日志中记录了用户对购车网站的访问行为数据,为了实现精细化的运营,需根据浏览日志准确挖掘潜在的购车用户,而潜在的购车用户是通过预测其购车能力来确定的。现有的对用户购车能力的预测主要依据预定的预测规则人工完成,但对于海量的购车网站浏览日志,人工预测具有较大的主观随意性,会造成预测结果类别过于集中,且预测结果的准确性不高的问题。
技术实现思路
为克服上述技术问题或者至少部分地解决上述技术问题,特提出以下技术方案:本专利技术的实施例提出了一种购车能力的预测预测方法,包括:基于用户购车信息数据和用户购车行为数据来构造原始训练特征数据;通过预设的过滤规则对原始训练特征数据进行过滤处理,以获取训练特征数据;根据训练特征数据构建预测模型;根据预测模型对待预测的用户的购车特征数据进行预测。优选地,基于用户购车信息数据和用户购车行为数据来构造原始训练特征数据,包括:对用户购车信息数据和用户购车行为数据进行整合处理,以生成基础变量;针对每一用户,基于预定的特征构造维度对相应的基础变量进行数据处理,以生成构造变量;基于获取到的构造变量构造针对每一用户的原始训练特征数据。更优选地,其中,预定的特征构造维度包括:预定时长内的总页面访问次 ...
【技术保护点】
一种购车能力的预测方法,其特征在于,包括:基于用户购车信息数据和用户购车行为数据来构造原始训练特征数据;通过预设的过滤规则对所述原始训练特征数据进行过滤处理,以获取训练特征数据;根据所述训练特征数据构建预测模型;根据所述预测模型对待预测的用户的购车特征数据进行预测。
【技术特征摘要】
1.一种购车能力的预测方法,其特征在于,包括:基于用户购车信息数据和用户购车行为数据来构造原始训练特征数据;通过预设的过滤规则对所述原始训练特征数据进行过滤处理,以获取训练特征数据;根据所述训练特征数据构建预测模型;根据所述预测模型对待预测的用户的购车特征数据进行预测。2.根据权利要求1所述的方法,其特征在于,基于用户购车信息数据和用户购车行为数据来构造原始训练特征数据,包括:对用户购车信息数据和用户购车行为数据进行整合处理,以生成基础变量;针对每一用户,基于预定的特征构造维度对相应的基础变量进行数据处理,以生成构造变量;基于获取到的构造变量构造针对每一用户的原始训练特征数据。3.根据权利要求2所述的方法,其中,所述预定的特征构造维度包括:预定时长内的总页面访问次数和预定时长内的在不同价格区间的页面访问次数和/或预定时长内的在不同价格区间的点击次数。4.根据权利要求1-3任一项所述的方法,其特征在于,所述预设的过滤规则包括以下至少一项:对用户的cookie信息不符合预定格式的原始训练特征数据进行过滤;对用户的点击次数属于预定异常值的原始训练特征数据进行过滤;对用户的页面访问次数小于预定次数阈值的原始训练特征数据进行过滤。5.根据权利要求1所述的方法,其特征在于,还包括:根据购车交易业务类型,将用户的购车能力基于用户购车信息数据进行分级;其中,根据所述训练特征数据构建预测模型,包括:基于对用户的购车能力的分级结果,确定获取到的训练特征数据相应的级别;根据所述训练特征数据,并结合与所述训练特征数据相应的级别,来构建预测模型。6.根据权利要求1-3任一项所述的方法,其特征在于,还包括:根据所述原始训练特征数据进行原始特征的提取,并确定每一特征分类下的原始特征数据的特征分类相关度;根据所述特征分类相关度对所述原始特征数据进行选择,以获取训练特征数据。7.根据权利要求6所述的方法,其特征在于,选取特征分类相关度大于预定的相关度阈值的所述每一特征分类下的原始特征数据作为所述训练特征数据。8.根据权利要求1所述的方法,其特征在于,还包括:对获取到的所述训练特征数据进行去重以及数据平衡化处理。9.根据权利要求1所述的方法,其特征在于,根据所述训练特征数据构建预测模型,包括:根据所述训练特征数据,依据多元逻辑回归模型来构建预测模型。10.一种购车能力的预测装置,其特征在于,包括:数据构造模块,用于基于用户购车信息数据和...
【专利技术属性】
技术研发人员:贾东,
申请(专利权)人:北京车慧互动广告有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。