基于大数据的用户需求预测方法技术

用户需求预测通过分析用户行为、市场趋势、竞争对手等因素来预测用户未来的需求，有助于企业更好地制定产品研发、营销、定价等方面的市场策略，更好地了解市场走向和用户需求，从而减少决策风险。大数据时代的到来和用户需求日益个性化多样化，促使大数据用户需求预测成为企业决策和市场营销的重要工具。为此，本发明专利技术提出一种基于大数据的用户需求预测方法，综合考虑促销营销活动、历史需求和其他因素实现精准的需求预测，帮助企业在生产、采购和销售方面做出更明智的决策。购和销售方面做出更明智的决策。购和销售方面做出更明智的决策。

【技术实现步骤摘要】
基于大数据的用户需求预测方法


[0001]本专利技术属于用户需求预测领域，尤其涉及一种基于大数据的用户需求预测方法。

技术介绍

[0002]用户需求预测通过分析用户行为、市场趋势、竞争对手等因素来预测用户未来的需求，有助于企业更好地制定产品研发、营销、定价等方面的市场策略，更好地了解市场走向和用户需求，从而减少决策风险。已有的用户需求预测方法主要包括以下四类：1)市场调研。通过问卷调查、焦点小组、用户访谈等方式来获取数据，从而预测未来的用户需求；2)竞争分析。通过分析竞争对手的产品和市场策略，可以了解市场的趋势和用户需求，从而预测未来的用户需求；3)社交媒体分析。通过对社交媒体上用户的讨论和反馈进行分析，可以预测未来的用户需求；4)专家意见。专家意见可以提供有价值的市场信息和预测，从行业角度来分析市场趋势和用户需求。随着互联网、移动互联网和物联网等技术的发展，数据的规模和种类呈现爆炸式增长。然而，大数据时代的到来和用户需求日益个性化多样化，促使大数据用户需求预测成为企业决策和市场营销的重要工具。另一方面。预测模型的发展和技术支持，使得大数据用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的用户需求预测方法，其特征在于，该方法包括以下步骤：S1、对于待预测的产品，采集该产品在电视广告、短信、网络推文、广告邮件和网络新闻5种渠道的营销投入时序数据，采集销售量和销售利润两种销售时序数据，对上述采集的7类时序数据进行数据补全和数据转换；S2、利用营销组合模型计算广告媒体的营销效果，计算不同营销活动的累计影响效果并提取广告营销特征；S202、根据步骤S1采集到的营销投入时序数据，计算广告营销活动的贡献S204、根据S202中的促销营销活动的贡献，提取广告营销特征S3、分析用户需求时序变化趋势，利用时序卷积网络对步骤S1采集的销售时序数据和消费者信心指数、生产者价格指数和消费者价格指数进行因果卷积，提取用户需求时序特征；S4、融合步骤S3提取的用户需求时序特征和步骤S2提取的广告营销特征，预测用户需求；S402、利用注意力机制，计算不同特征的权重，将注意力权重应用于用户需求时序特征和广告营销特征，得到最终的特征表示S404、利用两层全连接网络，进行最终用户需求的回归预测。2.如权利要求1所述的一种基于大数据的用户需求预测方法，其特征在于，S102所述的从数据采集、补全和转换，包括：从互联网采集用户需求预测所需的时间序列数据，数据包括营销投入数据和销售的时序数据。其中销售数据包括销售量和销售利润，营销投入数据包括电视广告、短信、网络推文、广告邮件和网络新闻等5种营销渠道的投入。对于时序数据中的缺失值，采用以下处理策略：1)使用均值、中位数作为估计值填充缺失数据；2)当数据仅在一天内发生交易或促销活动时可用时，可简单地用零替换丢失的数据，以表示当天没有交易或促销；3)若缺失值较多时，删除缺少数据。为贴合现实情况，考虑电视广告、短信、网络推文、广告邮件和网络新闻的衰减效应，即广告的延迟效应：A
t
＝A
t
+r*A
t
‑1其中A
t
表示时刻t时广告营销的影响，A
t
‑1表示时刻t
‑
1时广告营销的影响，r为广告影响的延迟因子，其取值在0到1之间。为了贴合实际的收益递减效应，对营销投入时序数据进行数据转换，其计算如下：其中Y表示转换后的数据，x表示转换前的数据，a、b、c和d为4个参数，其设置根据具体的营销类型而设定。3.如权利要求1所述的一种基于大数据的用户需求预测方法，其特征在于，S202所述的数据转换与序列分解，包括：为衡量不同营销方式对消费者当前的影响贡献，需要计算持续性营销活动的当前影响力，即营销投入历史时序数据在当前时刻的权重因子，其计算方式如下：
其中t表示当前时刻，t
i
为一个历史时刻，d表示广告营销效果的衰减因子，表示时刻t
i
营销活动到时刻t的残留营销效果权重。则当前时刻t的累计营销效果计算为：其中表示当前时刻t营销活动的贡献，表示时刻t
i
营销活动的贡献，表示时刻t
i
营销活...

【专利技术属性】
技术研发人员：杨彬，周海燕，
申请(专利权)人：杨彬，
类型：发明
国别省市：