[发明专利]一种基于标签权重算法的用户对商品关注度的确定方法

说明书

本发明属于大数据、数据挖掘、人工智能、商业智能领域，提供了一种基于标签权重算法的用户对商品关注度的确定计算方法。获取电信、电商等用户原始数据。原始数据需要按照用户进行分组，再按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类。数据按照商品型号分组、时间排序、网址、次数分组。按照标签权重公式计算，计算用户对某种商品的关注度。标签权重=时间衰减因子×网址子权重×次数权重。根据标签权重公式计算各商品型号的关注度。最后按照关注度（标签权重）排序，确定用户对某商品型号的关注度。

技术领域

本发明涉及一种基于标签权重算法的用户对商品关注度的确定方法, 属于大数据、数据挖掘、人工智能、商业智能领域。

背景技术

大数据的核心是数据蕴含的价值，如何从海量数据中挖掘从商业价值是大数据、商业智能、人工智能的关键所在。

电商为代表的行业已经在利用大数据掘金，主要是因为电商本身就拥有大量的消费者行为记录，能够依据这些数据快速了解消费者的需求。如何快速、准确地帮助顾客找到想要的商品，如何加大商品的有效曝光度，如何根据顾客的需求，向其推荐偏好的商品，如何提高顾客的活跃度，降低顾客的弃单率，核心是消费者网上消费行为数据，它已经变得越来越重要，收集并分析这些消费者数据，将帮助商家预测顾客的下一步购物行为。利用顾客留在网站上的行为轨迹数据，分析顾客浏览商品类别，可以帮助商家预测顾客需要哪类商品，并推出相应的相关商品，根据顾客询价情况，商家还可以预测顾客购买力，从而对高级顾客推荐名牌商品，对普通顾客推荐物美价廉的商品，以满足不同的顾客对商品的不同心理价位；跟踪顾客经常购物的网店，对此类数据进行分析，可以预测用户的下一次购物行为将可能发生在哪个网店。其中的核心问题，确定消费者（用户）对某种商品型号的喜好，将决定营销成败的关键。

全球大的运营商中约有超过一半的运营商正在实施大数据业务。商业应用集中在两方面，市场与精准营销与数据商业化。市场与精准营销方向包括客户画像、精准营销、实时营销和个性化推荐。其中客户画像是基础，运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。数据商业化方面对外（各行业的商家）提供营销洞察和精准广告投放。电信运营商分析用户线上（上网）行为大数据，给用户打标签——其中的核心标签用户关注的商品型号等、完成用户画像后。把这些数据提供给各行业的商家，各商家利用这些数据获得客户，比如提供数据给手机制造行业利用用户数据，用户的手机型号标签，帮助手机制造商精准的营销。提供数据给汽车商、4S店经销商、房地产商等，用户的商品型号标签，帮助这些行业精准的营销。

大数据在金融、电商、电信应用的基础是获得足够多用户与获得用户足够全数据。金融大数据需要对用户做精确的画像，特别是资产、信用、消费能力等方面。电商大数据建立在海量消费者网上全面的消费行为数据。所以，如何获得足够多用户与获得用户足够全数据将成为应用成功的关键。本发明针对网上用户（包括有线宽带用户与移动互联网用户）提供了一种基于标签权重算法的用户对商品关注度的确定方法，精准地为线上用户打上某种商品型号标签，解决了根据用户对某类商品的喜好进行精准营销的问题。

发明内容

针对具有线上用户行为大数据的企业或者个人，提供了一种基于标签权重算法的用户对商品关注度的确定方法，精准地为线上用户打上某种商品型号的关注度标签，并给出了对某种商品的关注度排序，更有利于精准营销，挖掘出线上用户行为大数据的内在价值。

本发明的上述技术问题主要是通过下述技术方案实现的：一种基于标签权重算法的用户对商品关注度的确定方法，该方法包括以下步骤。

步骤1：获取电信、电商等用户原始数据。如：线上电信用户通过PC或者手机浏览商品的信息，线上用户浏览电商网站上的商品信息。这些海量的线上行为原始数据，通常储存在大数据平台上，或者超大型的数据库中。