[发明专利]基于历史商家记录及用户行为的电商消费客流量预测方法

说明书

本发明请求保护一种基于历史商家记录及用户行为的电商消费客流量预测方法，涉及计算机信息获取和机器学习技术。本发明通过读取商家的历史电商消费记录及用户的浏览消费记录，并进行数据预处理操作。然后对数据集进行提取添加新特征，通过建立一种时间序列的回归模型，最后进行预测未来每天通过电商消费客流量。本发明利用商家电商记录特性，对未来每天使用电商消费客流量进行预测，商家可以优化运营，降低成本，并改善用户体验。

技术领域

本发明属于数据挖掘和机器学习相关领域，以多种算法相结合处理现实生活问题，具体属于一种电商消费客流量预测方法。

背景技术

在技术、经济高度发达的现代社会里，通过掌握信息技术和商务规则的人，系统化地运用电子工具，高效率、低成本地从事以商品交换为中心的各种活动。电子商务将传统的商务流程电子化、数字化，一方面以电子流代替了实物流，可以大量减少人力、物力，降低了成本；另一方面突破了时间和空间的限制，使得交易活动可以在任何时间、任何地点进行，从而大大提高了效率。电子商务所具有的开放性和全球性的特点，为企业创造了更多的贸易机会。电子商务使企业可以以相近的成本进入全球电子化市场，使得中小企业有可能拥有和大企业一样的信息资源，提高了中小企业的竞争能力。电子商务重新定义了传统的流通模式，减少了中间环节，使得生产者和消费者的直接交易成为可能，从而在一定程度上改变了整个社会经济运行的方式。电子商务一方面破除了时空的壁垒，另一方面又提供了丰富的信息资源，为各种社会经济要素的重新组合提供了更多的可能，这将影响到社会的经济布局和结构。

随着移动定位服务的流行，各大主流交易平台积累大量来自用户和商家的海量线上线下交易数据。以蚂蚁金服为例，蚂蚁金服的O2O平台“口碑”用这些数据为商家提供了包括交易统计，销售分析和销售建议等定制的后端商业智能服务。口碑平台致力于为每个商家提供销售预测，基于预测结果，商家可以优化运营，降低成本，并改善用户体验。通过预测结果帮助口碑成为更加智能的商业平台，更好地服务社会。

另一方面，以数据为原料的数据挖掘和机器学习技术在生活中发挥着越加重要的作用，通过挖掘数据中的“知识”，达到利用数据的目的。平台上实时产生的数据，包括用户浏览记录和用户的支付行为，都能从中获得有价值的隐藏信息，能够为以后的服务质量得到极大的优化，合理的分配调度服务资源。

一般的时间序列回归方法无法分解出影响流量的关键细节，导致误差较大。基于回归模型的方法需要提取关键特征，并且需要在大量数据的支撑下才能取得较好的效果，但是往往现实应用场景中，数据的都是呈短期内具有周期性的分布，所以针对这种情况，将问题的影响因素进行分解处理会取得更好的结果。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种更有效的利用商家平台的资源，更好的为顾客进行服务的基于历史商家记录及用户行为的电商消费客流量预测方法。本发明的技术方案如下：

一种基于历史商家记录及用户行为的电商消费客流量预测方法，其包括以下步骤：

101、获取待预测商家的历史电商消费记录及用户的浏览消费记录，并进行数据预处理操作得到商家历史流量数据；

102、然后对进行预处理后的商家历史流量数据集进行分析并将影响商家流量的因素分解，建立一种加权时间序列的回归模型；

103、最后预测未来每天通过电商消费的客流量。

进一步的，所述步骤101获取需预测的商家最近n天的历史电商消费记录及用户的浏览消费记录，并进行数据预处理操作包括；

天气数据进行数值化处理，将天气的恶劣程度用数值表示；得到的数据为一天中的最高温，最低温，恶劣程度，PM2.5。记录中脏数据进行平滑处理；对某一项缺失数据用最近n天记录的均值进行填补。

进一步的，所述n取值为30天。