[发明专利]基于BBD或/和RF模型获取潜客级别的方法和系统

说明书

技术领域

本发明涉及潜在数据挖掘技术领域，尤其涉及一种基于BBD或/和RF模型获取潜客级别的方法和系统。

背景技术

每天，有一部分购车潜在用户会以很大的概率在短期内转化为实际购车用户(比如有过下SL行为的用户)，如果售车网站通过对网站用户的历史行为分析，预测出用户的潜在级别，就可以提前对用户做预判，从而帮助厂商、经销商和网站自己做相应的运营策略，以提高或影响用户的体验或决策过程。因此，整个潜在客户(简称潜客)的挖掘工作属于售车网站UP中重要的一部分。

目前，一般采用如下方法做潜客分析：

从数据库中抽样用户行为日志，但由于数据量问题，时间周期较短；人工对用户行为日志分析，比如，用户访问了网站的哪个频道，频次如何，时长怎样；人工对不同类型、不同来源行为做权重设置，比如：用户下过销售线索，权重为：0.5；人工对上述权重做组合，并人工确定阈值，划分潜客级别。

但是，现有技术均存在以下缺陷：

大部分数据都是基于数据库的，所以能够处理的数据量有限，而要想深入了解用户行为往往需要大量的数据分析；人工进行用户行为分析工作量较大，且容易出错；人工利用先验知识对用户的不同行为确定权重及做权重组合，导致人工干扰较多，且结果无法衡量，效果无法得到保证。

发明内容

本发明的目的在于提供一种基于BBD或/和RF模型获取潜客级别的方法和系统，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于BBD模型获取潜客级别的方法，包括如下步骤：

S1，构建BBD模型，所述BBD模型的形式如下：

式中，

C：用户历史下单行为次数，

I：用户历史浏览行为次数，

Ctr：用户潜在下单概率，

α、β：BBD模型的参数；

S2，采用MLE方法，建立如下算式：

式中，

n：样本的个数；

S3，对S2中的算式取ln后获得完全数据的loglikelihoodfunction；

S4，计算所述完全数据的loglikelihoodfunction的数学期望；

S5，根据所述数学期望获得如下形式的迭代式；

S6，根据S5中的迭代式计算所述BBD模型的参数：α、β的值；

S7，将α、β的值代入S1中的所述BBD模型中，根据所述BBD模型计算用户潜在下单概率。

其中，S1中，用户历史下单行为服从二项分布：

下单概率服从beta分布：

优选地，S3中，所述完全数据的loglikelihoodfunction为：

优选地，S4中，所述计算所述完全数据的loglikelihoodfunction的数学期望，采用EM算法，具体为：

优选地，S4中，计算所得的所述数学期望为：

其中，S5具体为，对S4中得到的所述数学期望的函数求解极值，采用Newton-Raphson迭代法，得到：

于是：

令：

利用迭代式：

得：

一种基于BBD模型获取潜客级别的系统，包括：

数据平台：包括特征数据层和画像数据层，所述特征数据层包括：网站用户的历史行为数据、由行为数据挖掘出的行为特征数据及由已有用户画像数据生成的特征数据；画像数据层包括：由所述特征数据通过模型学习得到的用户画像数据；

计算平台：包括模型层、算法层和计算层，所述模型层包括：BBD模型；所述算法层包括：SGD/GD、LBFGS和CD优化算法；所述计算层通过读取所述数据平台的所述特征数据，使用所述算法层提供的优化算法训练得到所述BBD模型参数；

应用平台：读取所述计算平台得到的BBD模型和所述数据平台存储的所述特征数据，应用BBD模型并输出潜客级别。

一种基于BBD模型和RF模型获取潜客级别的方法，包括如下步骤：