用户价值分类方法和装置制造方法及图纸

本发明专利技术提出一种用户价值分类方法和装置，该方法包括确定所采集到的行为信息中，每种行为信息对应的权重值；根据对应的权重值将行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。通过本发明专利技术能够取得更优的用户价值表达效果。

User value classification method and device

The invention provides a user value classification method and device. The method includes determining the weight value of each behavior information in the collected behavior information, mapping the behavior information into a preset behavior information according to the corresponding weight value, and the user value of the preset line based on the mapping and the RFM model. Classification. The invention can achieve better user value expression effect.

【技术实现步骤摘要】
用户价值分类方法和装置
本专利技术涉及互联网
，尤其涉及一种用户价值分类方法和装置。
技术介绍
相关技术中，在对用户价值分类时，常常会采用RFM模型，在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M(Monetary)表示客户在时间内购买的金额。这种方式下，由于是采用用户的阅读数、点赞数、访问深度等特征对RFM直接进行特征替换，或者是将新特征在RFM模型上进行横向扩展，所采用的特征不够全面，对用户价值的表达效果不佳。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种用户价值分类方法，能够取得更优的用户价值表达效果。本专利技术的另一个目的在于提出一种用户价值分类装置。本专利技术的另一个目的在于提出一种非临时性计算机可读存储介质。本专利技术的另一个目的在于提出一种计算机程序产品。为达到上述目的，本专利技术第一方面实施例提出的用户价值分类方法，包括：确定所采集到的行为信息中，每种行为信息对应的权重值；根据所述对应的权重值将所述行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。在本专利技术的一个实施例中，在所述确定所采集到的行为信息中，每种行为信息对应的权重值之前，还包括：采集多个用户中，每个用户所产生的多种行为信息。在本专利技术的一个实施例中，所述每个用户所产生的多种行为信息相同或者不相同，所述确定所采集到的行为信息中，每种行为信息对应的权重值，包括：采用熵值法确定所采集到的行为信息中每种行为信息对应的权重值并作为第一权重值；确定每个用户，在相同行为信息下的价值信息，并将所述价值信息映射为所述行为信息发生的次数；对不同用户的行为信息，在时间维度上进行归一化处理；根据所述次数、归一化处理后的用户行为信息，以及所述第一权重值确定所述对应的权重值。在本专利技术的一个实施例中，所述根据映射得到的预设行为信息和RFM模型对用户价值进行分类，包括：采用所述映射得到的预设行为信息对所述RFM模型的参数信息进行替换，得到替换后的RFM模型；采用所述替换后的RFM模型对用户价值进行分类。在本专利技术的一个实施例中，所述映射得到的预设行为信息还包括：所述预设行为信息的权重值，所述采用所述映射得到的预设行为信息对所述RFM模型的参数信息进行替换，得到替换后的RFM模型，包括：将所述RFM模型的参数信息中的金额信息替换为所述预设行为信息的权重值，得到所述替换后的RFM模型。在本专利技术的一个实施例中，所述预设行为信息为浏览行为信息。本专利技术第一方面实施例提出的用户价值分类方法，通过确定所采集到的行为信息中，每种行为信息对应的权重值，并根据对应的权重值将行为信息映射为一个预设行为信息，以及根据映射得到的预设行为信息和RFM模型对用户价值进行分类，能够取得更优的用户价值表达效果。为达到上述目的，本专利技术第二方面实施例提出的用户价值分类装置，包括：确定模块，用于确定所采集到的行为信息中，每种行为信息对应的权重值；映射模块，用于根据所述对应的权重值将所述行为信息映射为一个预设行为信息；分类模块，用于根据映射得到的预设行为信息和RFM模型对用户价值进行分类。在本专利技术的一个实施例中，还包括：采集模块，用于采集多个用户中，每个用户所产生的多种行为信息。在本专利技术的一个实施例中，所述每个用户所产生的多种行为信息相同或者不相同，所述确定模块，具体用于：采用熵值法确定所采集到的行为信息中每种行为信息对应的权重值并作为第一权重值；确定每个用户，在相同行为信息下的价值信息，并将所述价值信息映射为所述行为信息发生的次数；对不同用户的行为信息，在时间维度上进行归一化处理；根据所述次数、归一化处理后的用户行为信息，以及所述第一权重值确定所述对应的权重值。在本专利技术的一个实施例中，所述分类模块，包括：替换子模块，用于采用所述映射得到的预设行为信息对所述RFM模型的参数信息进行替换，得到替换后的RFM模型；分类子模块，用于采用所述替换后的RFM模型对用户价值进行分类。在本专利技术的一个实施例中，所述映射得到的预设行为信息还包括：所述预设行为信息的权重值，所述替换子模块，具体用于：将所述RFM模型的参数信息中的金额信息替换为所述预设行为信息的权重值，得到所述替换后的RFM模型。在本专利技术的一个实施例中，所述预设行为信息为浏览行为信息。本专利技术第二方面实施例提出的用户价值分类装置，通过确定所采集到的行为信息中，每种行为信息对应的权重值，并根据对应的权重值将行为信息映射为一个预设行为信息，以及根据映射得到的预设行为信息和RFM模型对用户价值进行分类，能够取得更优的用户价值表达效果。为达到上述目的，本专利技术第三方面实施例提出的非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器被执行时，使得移动终端能够执行一种用户价值分类方法，所述方法包括：确定所采集到的行为信息中，每种行为信息对应的权重值；根据所述对应的权重值将所述行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。本专利技术第三方面实施例提出的非临时性计算机可读存储介质，通过确定所采集到的行为信息中，每种行为信息对应的权重值，并根据对应的权重值将行为信息映射为一个预设行为信息，以及根据映射得到的预设行为信息和RFM模型对用户价值进行分类，能够取得更优的用户价值表达效果。为达到上述目的，本专利技术第四方面实施例提出的计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行一种用户价值分类方法，所述方法包括：确定所采集到的行为信息中，每种行为信息对应的权重值；根据所述对应的权重值将所述行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。本专利技术第四方面实施例提出的计算机程序产品，通过确定所采集到的行为信息中，每种行为信息对应的权重值，并根据对应的权重值将行为信息映射为一个预设行为信息，以及根据映射得到的预设行为信息和RFM模型对用户价值进行分类，能够取得更优的用户价值表达效果。本专利技术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，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术一实施例提出的用户价值分类方法的流程示意图；图2是本专利技术另一实施例提出的用户价值分类方法的流程示意图；图3为本专利技术实施例中映射模型示意图；图4是本专利技术另一实施例提出的用户价值分类方法的流程示意图；图5是本专利技术一实施例提出的用户价值分类装置的结构示意图；图6是本专利技术另一实施例提出的用户价值分类装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。相反，本专利技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。图1是本专利技术一实施例提出的用户价值分类方法的流程示意图。本实施例以该用户价值分类方法被配置为用户价值分类装置本文档来自技高网...

【技术保护点】
1.一种用户价值分类方法，其特征在于，包括以下步骤：确定所采集到的行为信息中，每种行为信息对应的权重值；根据所述对应的权重值将所述行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。

【技术特征摘要】
1.一种用户价值分类方法，其特征在于，包括以下步骤：确定所采集到的行为信息中，每种行为信息对应的权重值；根据所述对应的权重值将所述行为信息映射为一个预设行为信息；根据映射得到的预设行为信息和RFM模型对用户价值进行分类。2.如权利要求1所述的用户价值分类方法，其特征在于，在所述确定所采集到的行为信息中，每种行为信息对应的权重值之前，还包括：采集多个用户中，每个用户所产生的多种行为信息。3.如权利要求2所述的用户价值分类方法，其特征在于，所述每个用户所产生的多种行为信息相同或者不相同，所述确定所采集到的行为信息中，每种行为信息对应的权重值，包括：采用熵值法确定所采集到的行为信息中每种行为信息对应的权重值并作为第一权重值；确定每个用户，在相同行为信息下的价值信息，并将所述价值信息映射为所述行为信息发生的次数；对不同用户的行为信息，在时间维度上进行归一化处理；根据所述次数、归一化处理后的用户行为信息，以及所述第一权重值确定所述对应的权重值。4.如权利要求1所述的用户价值分类方法，其特征在于，所述根据映射得到的预设行为信息和RFM模型对用户价值进行分类，包括：采用所述映射得到的预设行为信息对所述RFM模型的参数信息进行替换，得到替换后的RFM模型；采用所述替换后的RFM模型对用户价值进行分类。5.如权利要求4所述的用户价值分类方法，其特征在于，所述映射得到的预设行为信息还包括：所述预设行为信息的权重值，所述采用所述映射得到的预设行为信息对所述RFM模型的参数信息进行替换，得到替换后的RF...

【专利技术属性】
技术研发人员：王菊，邹存璐，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21