【技术实现步骤摘要】
本专利技术涉及数据挖掘领域，尤其涉及一种用户行为动态数据精准挖掘系统。
技术介绍
1、数据挖掘，指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，数据挖掘是一种决策支持过程，主要基于机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策；
2、现有的数据挖掘系统中，通常都是对用户的搜索内容进行捕捉分析，根据搜索内容直接推送相关的商品，该方法无法判断用户是否真的对搜索内容感兴趣，申请公开号为cn110555717a的中国专利公开了基于用户行为特征挖掘用户潜在购买商品和品类的方法，该方法仅通过预测模型结果对用户行为特征进行加权和减权处理，这种处理方式不够智能，对于用户的特征数据的有效性没有进行筛选，因此在分析时会囊括很多的无效数据，导致对用户的需求挖掘不够精准，同时，现有的数据挖掘系统中缺少对用户此次浏览是否值得参考进行分析，导致在数据处理中含有大量无效数据，而在推送完成后还缺少对推送结果的分析，导致系统会进行多次重复的无效推送，因此，现有的数据挖掘系统在数据挖掘过程中存在精确度不足以及数据有效性不足的问题。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了一种用户行为动态数据精准挖掘系统，能够对用户的搜索内容进行分析，得到用户是否真的对搜索内容感兴趣，同时能够对用户的浏览数据进行监测分析，从中剔除无效的参考数据，再对用户的订
2、为了实现上述目的，本专利技术是通过如下的技术方案来实现：一种用户行为动态数据精准挖掘系统，包括用户行为捕捉模块、行为数据分析模块以及精准推送模块，所述用户行为捕捉模块以及精准推送模块分别与行为数据分析模块数据连接；
3、所述用户行为捕捉模块包括搜索捕捉单元、浏览捕捉单元以及订单捕捉单元，所述搜索捕捉单元用于捕捉用户的搜索内容；所述浏览捕捉单元用于捕捉用户的浏览内容、浏览时长以及浏览次数；所述订单捕捉单元用于捕捉用户购买的商品的商品属性，所述商品属性包括商品名称、商品类别以及商品价格；
4、所述行为数据分析模块包括搜索分析单元、浏览分析单元、订单分析单元、推送分析单元以及反馈分析单元，所述搜索分析单元用于分析用户的搜索内容，提取搜索内容中的关键字；
5、所述浏览分析单元用于分析用户的浏览内容、浏览时长以及浏览次数，得到用户对相关内容的兴趣值；所述兴趣值为反映用户对浏览内容的兴趣程度的数值；
6、所述订单分析单元用于分析用户的订单，得到用户的购买能力值以及推送购买率；所述购买能力值为反映用户购买物品的经济实力的数值；所述推送购买率为反映用户购买其感兴趣的物品的意愿的数值；
7、所述推送分析单元用于分析关键字、兴趣值、购买能力值以及推送购买率，得到对用户的推送参考值，通过分析推送参考值输出对应的推送策略信号；
8、所述反馈分析单元用于分析用户浏览推送内容的浏览时长以及浏览次数，得到此次推送是否成功；
9、所述精准推送模块用于接收推送策略信号并执行对应的推送策略。
10、进一步地，所述搜索分析单元配置有搜索分析策略，所述搜索分析策略包括：
11、捕捉用户在搜索框内提交的内容并标记为搜索内容；
12、通过关键字提取模型对搜索内容进行关键字提取，标记为搜索关键字；
13、记录在第一评估时间内搜索关键字提取的次数，标记为兴趣搜索次数；
14、获取用户在第一评估时间内的总搜索次数，通过公式计算用户的兴趣搜索率；其中，isr为用户的兴趣搜索率，in为兴趣搜索次数，sn为总搜索次数。
15、进一步地，所述浏览分析单元配置有浏览分析策略，所述浏览分析策略包括：
16、获取用户的浏览页面的页面主题，通过关键字提取模型提取其中的关键字，并标记为浏览内容；
17、通过内置计时器对用户在页面内浏览的时长进行记录，标记为浏览总时长，同时捕捉其鼠标指针是否处于移动状态，当用户鼠标指针停止移动后，再启动另一计时器进行计时，并将计时结果标记为悬停时长，当用户鼠标指针移动后停止悬停时长的计时；
18、将悬停时长与第一悬停阈值进行比对，若悬停时长小于等于第一悬停阈值，则将悬停时长标记为正常浏览时长；若悬停时长大于第一悬停阈值，则将悬停时长更改为无效浏览时长；
19、通过公式t=ta-tb计算得到用户的浏览时长；其中，t为用户在当前页面的浏览有效时长，ta为浏览总时长，tb为无效浏览时长；
20、将用户的浏览有效时长与第一浏览阈值进行比对，若浏览有效时长小于等于第一浏览阈值，则判定此次浏览为无效浏览；若浏览有效时长大于第一浏览阈值，则判定此次浏览为有效浏览；将第一评估时间内用户的无效浏览以及有效浏览的次数总和标记为总浏览次数；
21、记录用户浏览相同浏览内容的有效浏览的时长总和以及次数，分别标记为有效浏览时长以及有效浏览次数；将用户在第一评估时间内所有的浏览有效时长相加，标记为浏览有效时长之和；
22、获取用户的总浏览次数，通过公式；其中，iv为用户对浏览内容的兴趣值，st为有效浏览时长，tal为浏览有效时长之和，l为有效浏览次数，a为总浏览次数，k1为第一权重，k2为第二权重。
23、进一步地，所述订单分析单元配置有订单分析策略，所述订单分析策略包括：
24、获取用户第一评估时间内的订单，记录订单的数量，标记为总订单数，并提取订单内的物品名称；
25、通过关键字提取模型对物品名称进行关键字提取，标记为购买关键字，并记录下每种购买关键字提取的次数，将当前分析的关键字所属分类相同的关键字的购买次数相加，标记为兴趣购买次数；
26、获取用户第一评估时间内所有订单的总金额，标记为总消费金额；同时获取用户的兴趣购买次数对应的订单的金额总和，标记为兴趣购买金额；
27、通过购买能力值公式计算用户的购买能力值；
28、所述购买能力值公式配置为：；其中，bp为用户的购买能力值，m为总消费金额，tc为第一评估时间；
29、通过推送购买率公式计算用户的推送购买率；
30、所述推送购买率公式配置为：；其中，ipr为用户的推送购买率，g为兴趣购买次数，ga为总订单数，mb为兴趣购买金额。
31、进一步地，所述推送分析单元配置有推送分析策略，所述推送分析策略包括：
32、针对当前分析的内容，获取用户的兴趣搜索率、兴趣值、购买能力值以及推送购买率；
33、通过推送分析公式计算对用户的推送参考值；
34、所述推送分析公式配置为：；其中，pa为推送参考本文档来自技高网...
【技术保护点】
1.一种用户行为动态数据精准挖掘系统，其特征在于，包括用户行为捕捉模块、行为数据分析模块以及精准推送模块，所述用户行为捕捉模块以及精准推送模块分别与行为数据分析模块数据连接；
2.根据权利要求1所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述搜索分析单元配置有搜索分析策略，所述搜索分析策略包括：
3.根据权利要求2所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述浏览分析单元配置有浏览分析策略，所述浏览分析策略包括：
4.根据权利要求3所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述订单分析单元配置有订单分析策略，所述订单分析策略包括：
5.根据权利要求4所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述推送分析单元配置有推送分析策略，所述推送分析策略包括：
6.根据权利要求5所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述精准推送模块包括精准推送策略，所述精准推送策略包括：
7.根据权利要求6所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述反馈分析单元配置有反馈分
...【技术特征摘要】
1.一种用户行为动态数据精准挖掘系统，其特征在于，包括用户行为捕捉模块、行为数据分析模块以及精准推送模块，所述用户行为捕捉模块以及精准推送模块分别与行为数据分析模块数据连接；
2.根据权利要求1所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述搜索分析单元配置有搜索分析策略，所述搜索分析策略包括：
3.根据权利要求2所述的一种用户行为动态数据精准挖掘系统，其特征在于，所述浏览分析单元配置有浏览分析策略，所述浏览分析策略包括：
4.根据权利要求3所述的一种用户行为动态...
【专利技术属性】
技术研发人员：田厚新，
申请(专利权)人：南京勤添科技有限公司，
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。