[发明专利]一种数据分析的方法和装置在审
申请号: | 201710002685.7 | 申请日: | 2017-01-03 |
公开(公告)号: | CN108269118A | 公开(公告)日: | 2018-07-10 |
发明(设计)人: | 柯世喜 | 申请(专利权)人: | 中兴通讯股份有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06F17/30;H04N21/466;H04N21/478 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 江舟;董文倩 |
地址: | 518057 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 消费能力 方法和装置 采样区间 价值参数 时间参数 数据分析 消费意愿 用户数据 交互式网络电视 反馈分析 聚类算法 数学关系 消费数据 预设算法 预先获取 预设 参考 评估 群体 分析 | ||
1.一种数据分析的方法,其特征在于,包括:
在交互式网络电视IPTV系统中,通过在预先获取的采样区间中提取时间参数,并依据预设算法计算所述时间参数,得到消费意愿参数;
提取所述采样区间中的消费数据,得到消费能力参数,其中,所述消费能力参数用于指示购买力;
依据所述消费意愿参数和所述消费能力参数之间的数学关系,得到价值参数;
依据预设聚类算法划分每个用户的所述价值参数所处的区间,得到所述区间对应的数据群体。
2.根据权利要求1所述的方法,其特征在于,在所述通过在预先获取的采样区间中提取时间参数,并依据预设算法计算所述时间参数,得到消费意愿参数之前,所述方法还包括:
在预设的采样时间中,统计采样时长;
在所述采样时间中,提取距离所述采样时长的采样截止时间为预设阈值的消费间隔时间;
统计在所述采样时长中的消费总次数和总消费金额。
3.根据权利要求2所述的方法,其特征在于,所述通过在预先获取的采样区间中提取时间参数,并依据预设算法计算所述时间参数,得到消费意愿参数包括:
依据所述采样时长和所述消费总次数之间的第一数学关系,得到在所述采样时长中消费平均间隔时间;
依据所述消费平均间隔时间和所述距离所述采样时长的采样截止时间为预设阈值的消费间隔时间之间的第二数学关系,得到所述消费意愿参数,其中,所述第一数学关系包括:
AT=T/F;
其中,AT为所述消费平均间隔时间,T为所述采样时长,F为所述消费总次数;
所述第二数学关系包括:
其中,I为所述消费意愿参数,AT为所述消费平均间隔时间,NT为所述距离所述采样时长的采样截止时间为预设阈值的消费间隔时间;所述预设算法包括:第一数学关系和第二数学关系。
4.根据权利要求2所述的方法,其特征在于,所述提取所述采样区间中的消费数据,得到消费能力参数包括:
将所述消费总次数确定为所述消费能力参数。
5.根据权利要求1所述的方法,其特征在于,所述依据所述消费意愿参数和所述消费能力参数之间的数学关系,得到价值参数包括:
将所述消费意愿参数和所述消费能力参数相乘,得到所述价值参数。
6.根据权利要求5所述的方法,其特征在于,所述依据预设聚类算法划分每个用户的所述价值参数所处的区间,得到所述区间对应的数据群体包括:
在所述采样区间中随机采集k个用户的所述价值参数,其中,k为整数,且k大于1;
提取与所述k个用户的所述价值参数距离小于预设阈值的N个用户标本,其中,N为整数,且N大于1;
依据所述N个用户标本与所述k个用户的所述价值参数之间的关系进行分类,得到所述区间;
划分所述区间,得到所述区间对应的数据群体。
7.一种数据分析的装置,其特征在于,包括:
第一计算模块,用于在交互式网络电视IPTV系统中,通过在预先获取的采样区间中提取时间参数,并依据预设算法计算所述时间参数,得到消费意愿参数;
第一提取模块,用于提取所述采样区间中的消费数据,得到消费能力参数,其中,所述消费能力参数用于指示购买力;
第二计算模块,用于依据所述消费意愿参数和所述消费能力参数之间的数学关系,得到价值参数;
分类模块,用于依据预设聚类算法划分每个用户的所述价值参数所处的区间,得到所述区间对应的数据群体。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一统计模块,用于在所述通过在预先获取的采样区间中提取时间参数,并依据预设算法计算所述时间参数,得到消费意愿参数之前,在预设的采样时间中,统计采样时长;
第二提取模块,用于在所述采样时间中,提取距离所述采样时长的采样截止时间为预设阈值的消费间隔时间;
第二统计模块,用于统计在所述采样时长中的消费总次数和总消费金额。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中兴通讯股份有限公司,未经中兴通讯股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710002685.7/1.html,转载请声明来源钻瓜专利网。