网约用户分析方法、装置及电子设备制造方法及图纸

本申请提供了一种网约用户分析方法、装置及电子设备，其中，该方法包括：获取设定时间段内目标网约用户组对应的网约用户终端发送的目标订单数据；根据所述目标订单数据计算得到订单数据矩阵，所述订单数据矩阵中的元素表征网约用户的订单频次；使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量；根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果。

【技术实现步骤摘要】
网约用户分析方法、装置及电子设备
本申请涉及数据处理
，具体而言，涉及一种网约用户分析方法、装置及电子设备。
技术介绍
各类网约服务的服务状况的最主要的指标是用户群体的行为习惯，因此，网约服务的运行状况可以通过用户行为习惯了解。基于此，现有技术中了解用户的行为习惯主要是计算用户的订单量进行从而实现对用户行为的了解。但是，仅仅依据订单量分析用户行为局限性较大，可能会导致分析结果相对不稳定。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种网约用户分析方法、装置及电子设备，能够通过将网约用户的订单使用行为抽象成数字矩阵，通过对矩阵的处理分析，从而实现对网约用户的行为的分析，解决现有技术中存在的过于依赖网约用户当前的状态，局限性较大比较不稳定的问题，达到对网约用户从整体分析，可以对网约用户的行为进行有效分析的效果。根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：获取设定时间段内目标网约用户组对应的网约用户终端发送的目标订单数据；根据所述目标订单数据计算得到订单数据矩阵，所述订单数据矩阵中的元素表征网约用户的订单频次；使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量；根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果。本申请实施例提供的网约用户分析方法，采用将需要了解的设定时间段的网约用户的订单使用行为抽象成数字矩阵，通过对矩阵的处理分析，从而实现对网约用户的行为的分析，与现有技术中的直接计算用户的订单使用量相比，其可以从设定时间段的订单数据分析出网约用户的行为习惯，避免因为订单量的不稳定导致分析的用户行为结果偏移，从而实现更好地了解网约用户的行为。在一些实施例中，所述根据所述目标订单数据计算得到订单数据矩阵的步骤，包括：根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个时间段中的第一使用频次；根据所述目标订单数据计算每个时间段的第一使用衡量，所述第一使用衡量表征一时间段内使用订单的网约用户数与目标网约用户组的总网约用户数的配比状况；基于所述第一使用频次及所述第一使用衡量构建所述目标网约用户组的订单数据矩阵。本申请实施例提供的网约用户分析方法，将单个网约用户的订单数据与目标网约用户组总的订单数据分别处理，然后得到有单个网约用户和目标网约用户的订单矩阵，从目标网约用户组的总的订单数据中分析出目标网约用户组中各个网约用户的订单情况，从而实现有效地分析各网约用户的行为习惯。进一步地，根据需求本申请实施例中基于时间维度对订单数据进行处理，可以实现了解网约用户在时间维度上的行为状况。在一些实施例中，一个或多个处理器可以执行以下操作：所述根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个时间段中的第一使用频次通过以下方式实现：其中，tik表示第i个网约用户在第k个时间段的第一使用频次；xik表示第i个网约用户在第k个时间段的订单使用次数；所述根据所述目标订单数据计算每个时间段的第一使用衡量通过以下方式实现：其中，fik表示在第k个时间段的第一使用衡量，M表示所述目标网约用户组中的总网约用户数；所述基于所述第一使用频次及所述第一使用衡量构建所述目标网约用户组的订单数据矩阵通过以下方式实现：其中，N表示所述目标网约用户组中的网约用户总数；T表示所述设定时间段内的时间段的总数；V2表示订单数据矩阵。在一些实施例中，一个或多个处理器可以执行以下操作：所述根据所述目标订单数据计算得到订单数据矩阵的步骤，包括：根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个地理区域中的第二使用频次；根据所述目标订单数据计算每个地理区域的第二使用衡量，所述第二使用衡量表征一地理区域内使用订单的网约用户数与目标网约用户组的总网约用户数的配比状况；基于所述第二使用频次及所述第二使用衡量构建所述目标网约用户组的订单数据矩阵。本申请实施例提供的网约用户分析方法，将单个网约用户的订单数据与目标网约用户组总的订单数据分别处理，然后得到有单个网约用户和目标网约用户的订单矩阵，从目标网约用户组的总的订单数据中分析出目标网约用户组中各个网约用户的订单情况，从而实现有效地分析各网约用户的行为习惯。进一步地，根据需求本申请实施例中基于空间维度对订单数据进行处理，可以实现了解网约用户在空间维度上的行为状况。在一些实施例中，一个或多个处理器可以执行以下操作：所述使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量的步骤，包括：根据设定的分类条件对所述订单数据矩阵进行分解，得到第一特征向量和第二特征向量，其中，第一特征向量表征目标网约用户组对应的各个网约用户分类权重；所述第二特征向量表征低维度的订单状况；所述根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果的步骤，包括：根据所述第一特征向量确定所述目标网约用户组中各网约用户的分类结果；根据所述第二特征向量确定所述目标网约用户组中的各个网约用户的行为状态结果，所述行为分析结果包括所述分类结果及所述行为状态结果。通过将订单数据矩阵分解成两个特征向量，其中一个表征各个网约用户分类权重，另一个表征低维度的订单状况，从而根据分解的特征向量则可以了解网约用户的分类以及行为状态结果。在一些实施例中，一个或多个处理器可以执行以下操作：所述根据设定的分类条件对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量的步骤，包括：按照设定的时间段分类量对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量。在一些实施例中，一个或多个处理器可以执行以下操作：所述根据设定的分类条件对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量的步骤，包括：按照设定的空间划分数量对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量。根据需求可以选择从时间维度或者空间维度下的分类条件将订单数据矩阵进行分类，从而实现可选地从不同交底了解用户的行为习惯。在一些实施例中，一个或多个处理器可以执行以下操作：所述使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量的步骤，包括：按照设定的指定数量的分类条件使用矩阵分解算法将所述订单数据矩阵进行分解，得到指定数量组的特征向量组；所述根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果的步骤，包括：计算所述订单数据矩阵与每一组所述特征向量组对应的重构矩阵的方差；获取所述指定数量组的特征向量组中对应的方差最小的目标特征向量本文档来自技高网...

【技术保护点】
1.一种网约用户分析方法，其特征在于，包括：/n获取设定时间段内目标网约用户组对应的网约用户终端发送的目标订单数据；/n根据所述目标订单数据计算得到订单数据矩阵，所述订单数据矩阵中的元素表征网约用户的订单频次；/n使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量；/n根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果。/n

【技术特征摘要】
1.一种网约用户分析方法，其特征在于，包括：
获取设定时间段内目标网约用户组对应的网约用户终端发送的目标订单数据；
根据所述目标订单数据计算得到订单数据矩阵，所述订单数据矩阵中的元素表征网约用户的订单频次；
使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量；
根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果。


2.如权利要求1所述的方法，其特征在于，所述根据所述目标订单数据计算得到订单数据矩阵的步骤，包括：
根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个时间段中的第一使用频次；
根据所述目标订单数据计算每个时间段的第一使用衡量，所述第一使用衡量表征一时间段内使用订单的网约用户数与目标网约用户组的总网约用户数的配比状况；
基于所述第一使用频次及所述第一使用衡量构建所述目标网约用户组的订单数据矩阵。


3.如权利要求2所述的方法，其特征在于，所述根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个时间段中的第一使用频次通过以下方式实现：



其中，tik表示第i个网约用户在第k个时间段的第一使用频次；xik表示第i个网约用户在第k个时间段的订单使用次数；
所述根据所述目标订单数据计算每个时间段的第一使用衡量通过以下方式实现：



其中，fik表示在第k个时间段的第一使用衡量，M表示所述目标网约用户组中的总网约用户数；
所述基于所述第一使用频次及所述第一使用衡量构建所述目标网约用户组的订单数据矩阵通过以下方式实现：



其中，N表示所述目标网约用户组中的网约用户总数；T表示所述设定时间段内的时间段的总数；V2表示订单数据矩阵。


4.如权利要求1所述的方法，其特征在于，所述根据所述目标订单数据计算得到订单数据矩阵的步骤，包括：
根据所述目标订单数据计算所述目标网约用户组中每个网约用户在每个地理区域中的第二使用频次；
根据所述目标订单数据计算每个地理区域的第二使用衡量，所述第二使用衡量表征一地理区域内使用订单的网约用户数与目标网约用户组的总网约用户数的配比状况；
基于所述第二使用频次及所述第二使用衡量构建所述目标网约用户组的订单数据矩阵。


5.如权利要求1-4任意一项所述的方法，其特征在于，所述使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量的步骤，包括：
根据设定的分类条件对所述订单数据矩阵进行分解，得到第一特征向量和第二特征向量，其中，第一特征向量表征目标网约用户组对应的各个网约用户分类权重；所述第二特征向量表征低维度的订单状况；
所述根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果的步骤，包括：
根据所述第一特征向量确定所述目标网约用户组中各网约用户的分类结果；
根据所述第二特征向量确定所述目标网约用户组中的各个网约用户的行为状态结果，所述行为分析结果包括所述分类结果及所述行为状态结果。


6.如权利要求5所述的方法，其特征在于，所述根据设定的分类条件对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量的步骤，包括：
按照设定的时间段分类量对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量。


7.如权利要求5所述的方法，其特征在于，所述根据设定的分类条件对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量的步骤，包括：
按照设定的空间划分数量对所述订单数据矩阵进行分解，得到所述第一特征向量和第二特征向量。


8.如权利要求1-4任意一项所述的方法，其特征在于，所述使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量的步骤，包括：
按照设定的指定数量的分类条件使用矩阵分解算法将所述订单数据矩阵进行分解，得到指定数量组的特征向量组；
所述根据所述多个特征向量确定所述目标网约用户组中各网约用户的行为分析结果的步骤，包括：
计算所述订单数据矩阵与每一组所述特征向量组对应的重构矩阵的方差；
获取所述指定数量组的特征向量组中对应的方差最小的目标特征向量组；
根据所述目标特征向量组确定目标网约用户组中各网约用户的行为分析结果。


9.如权利要求8所述的方法，其特征在于，所述计算所述订单数据矩阵与每一组所述特征向量组对应的重构矩阵的方差的步骤，包括：
使用弗罗贝尼乌斯范数计算所述订单数据矩阵与每一组所述特征向量组对应的重构矩阵的方差。


10.如权利要求1-4任意一项所述的方法，其特征在于，所述使用矩阵分解算法将所述订单数据矩阵进行分解，得到多个特征向量的步骤，包括：
使用非负矩阵分解算法将所述订单数据矩...

【专利技术属性】
技术研发人员：谢梁，吴凡，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11