一种基于数据全局搜索和特征分类的预测方法技术

本发明专利技术涉及一种基于数据全局搜索和特征分类的预测方法，将用户群体分为品牌人群和非品牌人群；提取品牌人群的属性特征、偏好特征以及品类特征；提取非品牌人群的属性特征，偏好特征，品类特征，竞品特征和搜索特征；将提取到的特征形成特征集；根据特征集，基于改进的随机森林算法，建立面向O2O的潜在客户识别模型。本发明专利技术建立的预测模式和算法具有全局搜索能力强，收敛速度快，识别精度高等优点，并在面向O2O电子商务领域中潜在客户识别与预测中取得了成功应用。

【技术实现步骤摘要】
一种基于数据全局搜索和特征分类的预测方法
本专利技术涉及数据挖掘和分类领域，具体地说是一种基于数据全局搜索和特征分类的预测方法。
技术介绍
随着当今社会的信息化程度越来越高，电子商务行业蓬勃发展，每天都会有大量的用户在电子商务网站中浏览商品或者进行购物等，因此在电子商务网站中每天都会有大量的用户行为信息被保存下来，这些数据不仅能够反映出用户当前的浏览行为，更重要的是能够反映出每个用户潜在的购买意愿。因此，如果能够从这些数据中准确高效的挖掘出电子商务企业的潜在客户，商家就可以针对这些客户进行个性化的服务，实现精准营销，商家就能够最大程度地将潜在客户转化成实际客户，从而获得更多的利润，最终在竞争激烈的电子商务市场竞争中占据有利地位。O2O营销模式能够充分的利用线上线下的资源，经营方式多样化，用户能够在线上进行咨询或者支付等行为，并在线下进行消费，能够充分满足用户的需求，是一种非常重要且受欢迎的电子商务营销模式。但是面对如此庞大的O2O市场，不仅用户数量巨大，同时商品和商家数量巨大且种类繁多。因此，对用户来说，他们无法从大量的商品类目中快速的本文档来自技高网...

【技术保护点】
1.一种基于数据全局搜索和特征分类的预测方法，其特征在于，包括以下步骤：/n步骤1：将用户群体分为品牌人群和非品牌人群；/n步骤2：提取品牌人群的属性特征、偏好特征以及品类特征；提取非品牌人群的属性特征，偏好特征，品类特征，竞品特征和搜索特征；将提取到的特征形成特征集；/n步骤3：根据特征集，基于改进的随机森林算法，建立面向O2O的潜在客户识别模型。/n

【技术特征摘要】
1.一种基于数据全局搜索和特征分类的预测方法，其特征在于，包括以下步骤：
步骤1：将用户群体分为品牌人群和非品牌人群；
步骤2：提取品牌人群的属性特征、偏好特征以及品类特征；提取非品牌人群的属性特征，偏好特征，品类特征，竞品特征和搜索特征；将提取到的特征形成特征集；
步骤3：根据特征集，基于改进的随机森林算法，建立面向O2O的潜在客户识别模型。


2.根据权利要求1所述的基于数据全局搜索和特征分类的预测方法，其特征在于，所述品牌人群为：在一段时间内，只对特定品牌的商品进行浏览或收藏行为，而对其它的品牌商品没有进行过任何操作的用户群体；
所述非品牌人群为：在总的用户群体中除去品牌人群外的用户群体。


3.根据权利要求1所述的基于数据全局搜索和特征分类的预测方法，其特征在于：所述属性特征为用户群体自身的属性特征。


4.根据权利要求1所述的基于数据全局搜索和特征分类的预测方法，其特征在于：所述偏好特征为用户在进行商品浏览或者消费时的兴趣与倾向。


5.根据权利要求1所述的基于数据全局搜索和特征分类的预测方法，其特征在于：所述品类特征指为用户所浏览的所有商品品牌中相关品类的特征。


6...

【专利技术属性】
技术研发人员：库涛，林乐新，翟鹏华，熊艳彬，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21