[发明专利]一种基于品类购买次数的数据分析处理方法及系统

说明书

本发明公开了一种基于品类购买次数的数据分析处理方法，包括S1：获取用户购买数据，根据用户购买数据按照品类维度进行分类；其中用户购买数据包括用户账号、购买品类、购买时间和购买次数；S2：对分类后的每个品类按照购买次数维度进行统计，获取每个品类中购买次数的人群数量数据；S3：基于每个品类中购买次数的人群数量数据建立实际模型；S4：将实际模型与预测模型进行对比分析，从中获取用户购买情报数据；S5：通过用户数据平台筛选用户信息，结合用户购买情报数据向用户推送相对应的促销信息。本发明的数据分析处理系统执行上述数据分析处理方法，提供基于品类购买次数的数据分析处理方法，可准确圈选人群，提高精准运营效率。

技术领域

本发明涉及电商数据分析领域，尤其涉及一种基于品类购买次数的数据分析处理方法及系统。

背景技术

随着科技的发展，网上购物已经逐渐融入人们的生活中，用户会在网购平台上进行搜索并查看各类商品进行选购，与此同时，网购平台也会将用户在网购平添上购买的数据记录下来。面对庞大的用户购买数据，如何正确利用并从中获取有价值的规律，从而针对性的制定促销策略，提高销售量成为电商平台的重点研究对象。

现有的用户购买数据量非常庞大，用户购买数据中包括了非常多的信息，而用户购买数据中的用户购买商品次数的数据最能直接反映出每个用户的购买情况，但是直接把用户购买的商品次数进行统计后，并没有发现这些数据太多的规律，无法充分利用数据来提高销售额，造成大数据资源的浪费。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供基于品类购买次数的数据分析处理方法，可准确圈选人群，提高精准运营效率。

本发明的目的之二在于提供基于品类购买次数的数据分析处理系统，执行上述数据分析处理方法，从而增加销售量。

本发明的目的之一采用如下技术方案实现：

一种基于品类购买次数的数据分析处理方法，包括：

步骤S1：获取用户购买数据，根据用户购买数据按照品类维度进行分类；其中用户购买数据包括用户账号、购买品类、购买时间和购买次数；

步骤S2：对分类后的每个品类按照购买次数维度进行统计，获取每个品类中购买次数的人群数量数据；

步骤S3：基于每个品类中购买次数的人群数量数据建立实际模型；

步骤S4：将实际模型与预测模型进行对比分析，从中获取用户购买情报数据；

步骤S5：通过用户数据平台筛选用户信息，结合用户购买情报数据向用户推送相对应的促销信息。

进一步地，所述步骤S2后还包括步骤S2’：对每个品类中购买次数的人群数量数据进行过滤处理，过滤掉每个品类中少于设定购买频率的人群。

进一步地，所述实际模型是通过对购买次数的人群数量数据进行自然对数处理，再将做过自然对数处理之后的数据进行线性回归所得，其中购买次数的人群数量数据是从用户购买数据中所获取的。

进一步地，所述预测模型是通过对购买次数的人群数量数据进行自然对数处理，再将做过自然对数处理之后的数据进行线性回归所得，其中购买次数的人群数量数据是通过预设推算所得。

进一步地，所述购买情报数据包括但不限于通过预测模型和实际模型的对比所获知的用户实际购买次数转换情况、通过模型斜率下降速度所获知的用户再次购买倾向。

进一步地，所述品类包括但不限于日常家用类和家电3C类，其中日常家用类包括但不限于美妆类、服饰类。

进一步地，所述日常家用类的实际模型的回归方程为：k＝e^{-0.147*n+15.269}；其中n为用户购买美妆商品的次数，k为购买n次的人群数量。