[发明专利]用于电商平台的用户回购时间预测方法及装置

权利要求书

1.一种用于电商平台的用户回购时间预测方法，其特征在于，包括：

获取用户的历史购物数据；

基于历史购物数据计算所购商品的净含量，汇总同类商品后得到各类商品的总含量；

根据用户n天次内所购某类商品的总含量及历史购物日期，计算待预测用户对该类商品的日均消耗量，其中n≥2，且n为整数；

结合所述日均消耗量及历史购物时间测算待预测用户对该类商品的再次回购时间。

2.根据权利要求1所述的方法，其特征在于，在获取用户的历史购物数据之后还包括：

清洗所述历史购物数据，去除刷单订单、退货订单和代购订单。

3.根据权利要求1或2所述的方法，其特征在于，基于历史购物数据计算所购商品的净含量，汇总同类商品后得到各类商品的总含量之前还包括：

预设商品合并规则，将相同类目或相似类目的商品标记为同类可合并商品。

4.根据权利要求3所述的方法，其特征在于，基于历史购物数据计算所购商品的净含量的方法包括：

从订单商品名称中提取所购商品的净含量；

若提取结果为空，根据订单商品名称从商品参数关系表中查找所购商品的净含量；

若查找结果为空，根据订单商品名称依据同品牌同类商品的单位元购买量与历史购物数据中所购商品的实际付款金额，预估所购商品的净含量；

若预估结果为空，根据订单商品名称依据非同品牌同类商品的单位元购买量与历史购物数据中所购商品的实际付款金额，预估所购商品的净含量。

5.根据权利要求1所述的方法，其特征在于，根据用户n天次内所购某类商品的总含量及历史购物日期，计算待预测用户对该类商品的日均消耗量的方法包括：

按照用户ID、商品种类和购买日期三个维度，分别统计每个用户在指定时间段内购买某类商品的总含量及购买日期；

对于购买了n天次的用户，获取至少一个间隔段的日均消耗数据；

以商品种类维度汇总全部日均消耗数据，排序并去除极值干扰后绘制每类商品的概率密度曲线；

将概率密度曲线的最高点作为对应类商品的日最佳消耗单位数，同时基于日最佳消耗单位数换算对应类商品的日合理消耗单位区间；

判断待预测用户是否为有效老用户，所述有效老用户是指购买该类商品的天次大余2且截至当前商品未用尽的用户；

当判断结果为是时，获取待预测用户对该类商品的购买日期及每天次购买的总含量，并计算每个间隔段的日均消耗数据；

将待预测用户在该类商品上的各日均消耗数据分别与所述日合理消耗单位区间比较，并在比较结果不处于所述日合理消耗单位区间内时动态调整待预测用户在该类商品上的日均消耗数据；

对多个所述日均消耗数据求均值得到待预测用户对该类商品的日均消耗量；

当判断结果为否时，将该类商品下所有用户日均消耗量的均值作为待预测用户的日均消耗量。

6.根据权利要求5所述的方法，其特征在于，间隔段的设置原则为：

当2≤n＜m时，则对应划分n-1个间隔段，其中m＞2，且m为整数；

当n≥m时，选取就近的m天次划分为m-1个间隔段。