【技术实现步骤摘要】
本专利技术涉及计算机，具体而言，涉及一种用户标签预测模型构建方法及用户标签预测方法。
技术介绍
1、随着短视频的兴起，用户在电商平台购物的需求量也在不断增加，用户的登录、浏览、点击、咨询都会产生数据，对这些数据进行深层次的分析则是构建用户画像的初衷，只有对用户的各个行为指标进行有效的分析，构建出不同的用户属性、行为模型，生成不同种类的用户标签，用户画像可以帮助企业精准定位目标用户，抓住用户喜好特征从而提高自身产品和服务的竞争力，并为公司提高商业价值和社会价值搭建起一座桥梁并指明了前进的方向。将用户标签丰富化、具体化、体系化，从而企业可更直观的对客户有深入的了解,发现用户的需求，做出针对性的调整。
2、现有的消费者用户画像标签的确定方法大多通过消费者的基本信息和简单的数据统计确定，且对于缺失的用户画像信息预测不够精准，从而影响了的企业广告宣传和市场营销活动的效果，造成人力和物力的浪费。
技术实现思路
1、本专利技术解决的问题是如何对用户画像信息进行准确预测。
2、为解...
【技术保护点】
1.一种用户标签预测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用户标签预测模型构建方法，其特征在于，所述性别模型的输出标签包括第一性别、第二性别及未知性别；所述城市级别模型的输出标签包括一线城市、二线城市、三至四线城市及五至六线城市；所述跃度模型的输出标签包括仅注册、活跃、沉睡及流失；所述消费能力模型的输出标签包括高、中及低；所述价值模型的输出标签包括重要保持、重要发展、重要价值、重要挽留、一般重要、一般对象、一般挽留及无价值。
3.根据权利要求2所述的用户标签预测模型构建方法，其特征在于，所述基于标准化处理后的特征数据...
【技术特征摘要】
1.一种用户标签预测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用户标签预测模型构建方法，其特征在于，所述性别模型的输出标签包括第一性别、第二性别及未知性别；所述城市级别模型的输出标签包括一线城市、二线城市、三至四线城市及五至六线城市；所述跃度模型的输出标签包括仅注册、活跃、沉睡及流失；所述消费能力模型的输出标签包括高、中及低；所述价值模型的输出标签包括重要保持、重要发展、重要价值、重要挽留、一般重要、一般对象、一般挽留及无价值。
3.根据权利要求2所述的用户标签预测模型构建方法，其特征在于，所述基于标准化处理后的特征数据，利用朴素贝叶斯算法，构建所述研究对象的预测模型包括：
4.根据权利要求3所述的用户标签预测模型构建方法，其特征在于，所述性别模型对应的样本特征数据包括购买男性特征品类下单数量、购买女性特征品类下单数量、浏览男性特征品类次数、浏览女性特征品类次数、浏览男性特征品类时长和/或浏览女性特征品类时长。
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。