本公开提供了一种用户流动性识别方法，可以应用于金融科技技术领域。该用户流动性识别方法包括：在用户授权后，获取多个用户在第一时间段和第二时间段内的行为数据；分别提取行为数据在第一时间段和第二时间段内的多个行为特征；基于多个预设的聚类中心和多个用户的行为特征，对多个用户聚类，得到多个用户分别在第一时间段和第二时间段内的用户聚类群体；统计第一时间段内的各用户聚类群体流动至第二时间段的各用户聚类群体的流动数量，以表示多个用户在第一时间段和第二时间段内的流动情况本公开还提供了一种用户流动性识别装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。
【技术实现步骤摘要】
用户流动性识别方法、装置、设备、介质和程序产品
[0001]本公开涉及金融科技领域，具体地涉及一种用户流动性识别方法、装置、设备、介质和程序产品。
技术介绍
[0002]网络直播卖货是一种近年来发展起来的电商运营模式，是一种通过在网络上开设直播间并由主播在直播间内售卖商品的销售模式。网络直播卖货的销售情况与直播间主播的个人能力、直播间的用户流量、用户偏好等有关。如果直播间内的商品对用户的吸引力减少，则会导致用户流失。如果直播间内的直播形式吸引人，或者折扣力度增加，则会吸引一些潜在用户，稳固老用户。可见，用户需求直接影响了直播间内的流量。及时掌握用户需求对于直播卖货行业十分重要。
[0003]然而，难以凭个人能力分析直播间用户的实际需求、商品销售情况等影响销售情况的因素。如何从巨大的网络流量中识别用户流动性特点，可以有效的帮助直播行业了解用户需求，将流失用户挽回，甚至增加用户流量。
技术实现思路
[0004]鉴于上述问题，本公开提供了用户流动性识别方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面提供了一种用户流动性识别方法，包括：在用户授权后，获取多个用户在第一时间段和第二时间段内的行为数据；分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征；基于多个预设的聚类中心和所述多个用户的行为特征，对所述多个用户聚类，得到所述多个用户分别在第一时间段和第二时间段内的用户聚类群体；统计第一时间段内的各所述用户聚类群体流动至第二时间段的各所述用户聚类群体的流动数量，以表示所述多个用户在第一时间段和第二时间段内的流动情况。
[0006]根据本公开的实施例，所述行为数据至少包括用户的最近一次消费、消费频率和消费金额，所述分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征包括：将所述最近一次消费、消费频率和消费金额输入预设的用户分层模型，计算所述最近一次消费、消费频率和消费金额的分层评分，各所述分层评分分别表示一项所述行为特征。
[0007]根据本公开的实施例，所述分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征还包括：基于所述最近一次消费、消费频率和消费金额的分层评分计算总行为评分，所述总行为评分表示一项所述行为特征。
[0008]根据本公开的实施例，所述基于所述最近一次消费、消费频率和消费金额的分层评分计算总行为评分包括：计算所述最近一次消费、消费频率和消费金额的分层评分的平方和，得到所述总行为评分。
[0009]根据本公开的实施例，所述基于多个预设的聚类中心和所述多个用户的行为特征，对所述多个用户聚类，得到所述多个用户分别在第一时间段和第二时间段内的用户聚类群体包括：分别对于第一时间段和第二时间段内所述多个用户，计算每个用户的行为特
征与各所述聚类中心的距离；将各所述用户分到距离最近的聚类中心所对应的用户聚类群体中，得到所述多个用户分别在第一时间段和第二时间段内的多个用户聚类群体。
[0010]根据本公开的实施例，还包括：当所述用户聚类群体间的流动数量大于预设阈值时，获取对应的流动用户的行为数据；分析所述行为数据，以识别用户的流动行为，包括：当所述行为数据中消费频率和/或消费金额在第二时间段相比于第一时间段减少，表明对应的用户在流失；当所述行为数据中的消费频率和/或消费金额在第二时间段相比于第一时间段增加，表明对应的用户的消费潜力在提升。
[0011]根据本公开的实施例，还包括：在绘制第一时间段和第二时间段各所述用户聚类群体的分布图，以观测所述多个用户在第一时间段和第二时间段内的流动情况。
[0012]根据本公开的第二个方面提供了一种用户流动性识别装置，包括：行为数据获取模块，用于在用户授权后，获取多个用户在第一时间段和第二时间段内的行为数据；行为特征提取模块，用于分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征；用户群体聚类模块，用于基于多个预设的聚类中心和所述多个用户的行为特征，对所述多个用户聚类，得到所述多个用户分别在第一时间段和第二时间段内的用户聚类群体；用户流动数据识别模块，用于统计第一时间段内的各所述用户聚类群体流动至第二时间段的各所述用户聚类群体的流动数量，以表示所述多个用户在第一时间段和第二时间段内的流动情况。
[0013]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述用户流动性识别方法。
[0014]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述用户流动性识别方法。
[0015]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述用户流动性识别方法。
附图说明
[0016]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0017]图1示意性示出了根据本公开实施例的用户流动性识别方法、装置、设备、介质和程序产品的应用场景图；
[0018]图2示意性示出了根据本公开实施例的用户流动性识别方法的流程图；
[0019]图3示意性示出了根据本公开实施例的RFM模型的示意图；
[0020]图4示意性示出了根据本公开实施例的聚类中心数目选择示意图；
[0021]图5示意性示出了根据本公开实施例的用户流动性识别装置的结构框图；以及
[0022]图6示意性示出了根据本公开实施例的适于实现用户流动性识别方法的电子设备的方框图。
具体实施方式
[0023]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性
的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0024]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0025]在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0026]在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。...
【技术保护点】
【技术特征摘要】
1.一种用户流动性识别方法，其特征在于，包括：在用户授权后，获取多个用户在第一时间段和第二时间段内的行为数据；分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征；基于多个预设的聚类中心和所述多个用户的行为特征，对所述多个用户聚类，得到所述多个用户分别在第一时间段和第二时间段内的用户聚类群体；统计第一时间段内的各所述用户聚类群体流动至第二时间段的各所述用户聚类群体的流动数量，以表示所述多个用户在第一时间段和第二时间段内的流动情况。2.根据权利要求1所述的方法，其特征在于，所述行为数据至少包括用户的最近一次消费、消费频率和消费金额，所述分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征包括：将所述最近一次消费、消费频率和消费金额输入预没的用户分层模型，计算所述最近一次消费、消费频率和消费金额的分层评分，各所述分层评分分别表示一项所述行为特征。3.根据权利要求2所述的方法，其特征在于，所述分别提取所述行为数据在第一时间段和第二时间段内的多个行为特征还包括：基于所述最近一次消费、消费频率和消费金额的分层评分计算总行为评分，所述总行为评分表示一项所述行为特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述最近一次消费、消费频率和消费金额的分层评分计算总行为评分包括：计算所述最近一次消费、消费频率和消费金额的分层评分的平方和，得到所述总行为评分。5.根据权利要求1所述的方法，其特征在于，所述基于多个预设的聚类中心和所述多个用户的行为特征，对所述多个用户聚类，得到所述多个用户分别在第一时间段和第二时间段内的用户聚类群体包括：分别对于第一时间段和第二时间段内所述多个用户，计算每个用户的行为特征与各所述聚类中心的距离；将各所述用户分到距离最近的聚类中心所对应的用户聚类群体中，得到所述多个用户分别在第一时间段和第二时间段内的多个用户聚...
【专利技术属性】
技术研发人员：何带容，暨光耀，张浩，孙德志，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
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。