大数据精准模型的构建方法及装置制造方法及图纸

本发明专利技术涉及大数据分析技术领域，具体为一种大数据精准模型的构建方法及一种大数据精准模型的构建装置，该方法包括：数据采集步骤，采集用户的基本信息和网购数据信息；用户网购模型建立步骤，用户网购模型建立步骤包括：S100：生成用户的购买偏好和经济能力；S200：生成用户的需求列表；S300：生成用户的推荐列表；S400：分析用户与其他用户之间的亲密度和社交关系，生成用户的社交关系网络；S500：向用户的推荐列表中增加其他用户的需求列表的商品。本发提供的一种大数据精准模型的构建方法及装置，能够基于社交关系网络为用户提供精准的用户模型，实现精准营销。

Construction Method and Device of Large Data Precision Model

【技术实现步骤摘要】
大数据精准模型的构建方法及装置
本专利技术涉及大数据分析
，具体为一种大数据精准模型的构建方法及装置。
技术介绍
近年来，以互联网、移动互联网为基础的信息化、全球化趋势，已经深入的改变了我们的生活模式、生产模式、竞争模式。随着大数据时代的到来，对于精准营销的需求也正在上升。如何通过技术手段，挖掘大数据下的深层次关系，让营销更准确、有效已经成为营销中重中之重。用户画像即用户信息标签化，是一种勾画目标用户、联系用户诉求和设计方向的有效方式，其目标是在很多的维度上建立针对用户的描述性标签属性。它是通过收集与分析用户基本属性、社会属性、生活习惯、消费行为等信息的数据，抽象出一个用户全貌来挖掘用户需求和分析用户偏好，进而可以挖掘潜在客户群体，进行有针对性的商品推荐，实现精准营销。目前的电商行业中，构建用户画像的方法一般是根据用户在站内的访问商品类目等行为的日志保存下来，然后在一定的时间窗口内，遍历所有的用户行为日志，按照某些权重衰减函数对其进行计算，得到当前最新用户画像。现有的用户画像模型的构件方法中对每个用户的处理时孤立的，不会考虑用户的社交关系网络，这样的用户画像是不全面的，这就容易导致商品推荐的准确性和成功率降低。
技术实现思路
本专利技术意在提供一种大数据精准模型的构建方法，能够基于社交关系网络为用户提供精准的用户模型，实现精准营销。为了解决上述技术问题，本申请提供如下技术方案：大数据精准模型的构建方法，包括以下内容：数据采集步骤，采集用户的基本信息和网购数据信息；用户网购模型建立步骤，根据用户的基本信息和网购数据信息建立用户网购模型，所述用户网购模型包括购买偏好、社交关系网络、经济能力、需求列表以及推荐列表；所述网购数据信息包括购买记录、浏览记录、购物车信息、代付信息、网购账号信息；所述用户网购模型建立步骤包括：S100：根据用户的购买记录、浏览记录生成用户的购买偏好和经济能力；S200：根据用户的购买偏好、浏览记录、购物车信息生成用户的需求列表；S300：根据用户的需求列表以及购买偏好、经济能力生成用户的推荐列表；S400：根据用户的购买记录、代付信息、网购账号信息分析用户与其他用户之间的亲密度和社交关系，生成用户的社交关系网络；S500：向用户的推荐列表中增加与其关系为预设关系类型的用户或者与其亲密度超过预设值的用户的需求列表的商品。本申请技术方案中，通过S400根据用户的购买行为、购买账号等数据来分析用户之间的社交关系，使得最终生成的用户网购模型中包含用户的社交关系网络，可以使得最终的用户画像模型更加准确，同时利用亲密度以及社交关系，将与用户亲密的其他用户，如用户的亲人、配偶、朋友等的需求列表的商品推送给用户，可以让用户得知其朋友最近的需求，一方面，使得用户在为亲人、配偶或者朋友挑选礼物时，可以让用户挑选的商品是对方所需要的，进而降低用户挑选礼物的难度，确保挑选的礼物对方真的需要和喜欢；另一方面通过这种方式，可以实现精准的推荐，有利于提高推荐的成功率和商品的成交率。进一步，还包括反馈调节步骤，所述反馈调节步骤包括社交关系更新步骤，判断用户是否购买了推荐列表中其他用户的需求商品，若是则更新这两个用户之间的亲密度。将用户是否购买了推荐的商品作为一种反馈，来对用户之间的亲密度进行调节。进一步，所述社交关系包括朋友关系、情侣关系、家人关系，所述预设关系类型为情侣关系和家人关系。通过这三种社交关系基本可以涵盖用户日常所有相关的人际关系。进一步，S400具体包括：从用户网购记录中筛选收件人非用户本人的网购记录，得到网购赠送记录；根据网购赠送记录中的收件人电话号码、姓名关联到相应的用户；根据赠送的商品以及留言信息判断两个用户的关系，根据网购赠送记录的数量以及对应的价值判断两个用户的亲密度；根据用户的代付信息，查找相应的代付记录根据代付的留言、金额判断两个用户的关系和亲密度；根据用户网购账号的好友关系以及备注信息，分析用户与其好友之间的关系和亲密度。通过网购赠送记录，可以确定受赠人的身份信息、赠送的商品内容、价值，进而可以判断两个用户的关系。通过赠送记录、代付信息、账号好友信息三个方面，对用户的社交关系进行全面的分析和检测。进一步，S500中向用户的推荐列表中添加的商品与用户的经济能力对应。避免添加推荐的商品超出用户的经济能力范围，进而使得推荐更加精准。进一步，本专利技术的另一个目的在于提供一种大数据精准模型的构建装置，该装置包括：数据采集模块，用于采集用户的基本信息和网购数据信息；用户网购模型建立模块，用于根据用户的基本信息和网购数据信息建立用户网购模型，所述用户网购模型包括购买偏好、社交关系网络、经济能力、需求列表以及推荐列表；所述网购数据信息包括购买记录、浏览记录、购物车信息、代付信息、网购账号信息；所述用户网购模型建立模块包括：偏好和经济能力计算模块，用于根据用户的购买记录、浏览记录生成用户的购买偏好和经济能力；需求生成模块，用于根据用户的购买偏好、浏览记录、购物车信息生成用户的需求列表；推荐生成模块，用于根据用户的需求列表以及购买偏好、经济能力生成用户的推荐列表；社交关系分析模块，用于根据用户的购买记录、代付信息、网购账号信息分析用户与其他用户之间的亲密度和社交关系，生成用户的社交关系网络；推荐调整模块，用于向用户的推荐列表中增加与其关系为预设关系类型的用户或者与其亲密度超过预设值的用户的需求列表的商品。通过社交关系分析模块分析用户之间的亲密度和社交关系，推荐调整模块依据社交关系为用户推荐商品，可以让用户得知其朋友最近的需求，一方面，使得用户在为亲人、配偶或者朋友挑选礼物时，可以让用户挑选的商品是对方所需要的，进而降低用户挑选礼物的难度，确保挑选的礼物对方真的需要和喜欢；另一方面通过这种方式，可以实现精准的推荐，有利于提高推荐的成功率和商品的成交率。进一步，还包括反馈更新模块，用于判断用户是否购买了推荐列表中其他用户的需求商品，若是则更新这两个用户之间的亲密度。通过反馈更新模块，对用户之间的亲密度进行反馈调节，保证模型的准确性。附图说明图1为本专利技术大数据精准模型的构建方法实施例的流程图；图2为本专利技术大数据精准模型的构建装置实施例的逻辑框图。具体实施方式下面通过具体实施方式进一步详细说明：如图1所示，本实施例大数据精准模型的构建方法主要应用于电商平台，为用户提供更为精准的网购推荐服务，在电商平台内的每个商品都设有偏好标签、价值标签、类别标签以及亲密度标签；偏好标签代表着用户的购物偏好，如看中质量、性价比、中国风等标签，类别标签则代表商品的具体类型，如手机、电脑配件、冬装、夏装、上衣等，主要用于同类推荐，价值标签主要根据商品的价格在同类商品中的排名划分价值等级，以价值等级作为价值标签，本申请中，按照价格由低到高划分为十个等级，如某一个手机，它的价格在整个平台的所有手机里面按从低到高的顺序排序处在40％-50％的范围内，则该手机对应的价值标签为5级。亲密度标签则是根据商品的具体类型和价值提前预设好的属性。该方法包括以下内容：数据采集步骤，采集用户的基本信息和网购数据信息，基本信息包括用户的姓名、手机号、年龄、性别等信息，网购数据信息包括购买记录、浏览记录、购物车信息、代付信息、网购账号信息；用户网购模型本文档来自技高网...

【技术保护点】
1.大数据精准模型的构建方法，其特征在于：包括以下内容：数据采集步骤，采集用户的基本信息和网购数据信息；用户网购模型建立步骤，根据用户的基本信息和网购数据信息建立用户网购模型，所述用户网购模型包括购买偏好、社交关系网络、经济能力、需求列表以及推荐列表；所述网购数据信息包括购买记录、浏览记录、购物车信息、代付信息、网购账号信息；所述用户网购模型建立步骤包括：S100：根据用户的购买记录、浏览记录生成用户的购买偏好和经济能力；S200：根据用户的购买偏好、浏览记录、购物车信息生成用户的需求列表；S300：根据用户的需求列表以及购买偏好、经济能力生成用户的推荐列表；S400：根据用户的购买记录、代付信息、网购账号信息分析用户与其他用户之间的亲密度和社交关系，生成用户的社交关系网络；S500：向用户的推荐列表中增加与其关系为预设关系类型的用户或者与其亲密度超过预设值的用户的需求列表的商品。

【技术特征摘要】
1.大数据精准模型的构建方法，其特征在于：包括以下内容：数据采集步骤，采集用户的基本信息和网购数据信息；用户网购模型建立步骤，根据用户的基本信息和网购数据信息建立用户网购模型，所述用户网购模型包括购买偏好、社交关系网络、经济能力、需求列表以及推荐列表；所述网购数据信息包括购买记录、浏览记录、购物车信息、代付信息、网购账号信息；所述用户网购模型建立步骤包括：S100：根据用户的购买记录、浏览记录生成用户的购买偏好和经济能力；S200：根据用户的购买偏好、浏览记录、购物车信息生成用户的需求列表；S300：根据用户的需求列表以及购买偏好、经济能力生成用户的推荐列表；S400：根据用户的购买记录、代付信息、网购账号信息分析用户与其他用户之间的亲密度和社交关系，生成用户的社交关系网络；S500：向用户的推荐列表中增加与其关系为预设关系类型的用户或者与其亲密度超过预设值的用户的需求列表的商品。2.根据权利要求1所述的大数据精准模型的构建方法及装置，其特征在于：还包括反馈调节步骤，所述反馈调节步骤包括社交关系更新步骤，判断用户是否购买了推荐列表中其他用户的需求商品，若是则更新这两个用户之间的亲密度。3.根据权利要求2所述的大数据精准模型的构建方法及装置，其特征在于：所述社交关系包括朋友关系、情侣关系、家人关系，所述预设关系类型为情侣关系和家人关系。4.根据权利要求3所述的大数据精准模型的构建方法及装置，其特征在于：S400具体包括：从用户网购记录中筛选收件人非用户本人的网购记录，得到网购赠送记录；根据网购赠送记录中的收件人电话号码、姓名关联到相应的用户；根据赠送的商品以及留言信息判断...

【专利技术属性】
技术研发人员：童毅，周波依，
申请(专利权)人：博拉网络股份有限公司，
类型：发明
国别省市：重庆,50