[发明专利]用于分析用户行为数据的方法及装置

说明书

本申请公开一种用于分析用户行为数据的方法及装置。涉及计算机信息处理领域，该方法包括：获取用户在第一预定时间周期内的行为数据；根据所述第一预定时间周期内的行为数据，为所述用户指定多个类别标签中的一个作为所述用户的第一阶段类别标签；获取所述用户在第二预定时间周期内的行为数据；根据所述第二预定时间周期内的行为数据，为所述用户指定所述多个类别标签中的一个作为所述用户的第二阶段类别标签；根据所述第一阶段类别标签与所述第二阶段类别标签，生成所述用户的行为分析数据。本申请公开的用于分析用户行为数据的方法及装置，能够分析出目标品类下用户所处的购买阶段，并定期监控用户的阶段变化，从而干预用户的购买行为。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种用于分析用户行为数据的方法及装置。

背景技术

目前，互联网电商业务发展迅猛，各大品类都存在着大量的忠实用户群体，但随着规模的扩大，老用户所带来的GMV(Gross Merchandise Volume，成交总额)提升已经达到瓶颈，因此，识别品类新用户的需求越来越重要，对于任何品类来说，吸引的新用户越多，人群定位越准确，所带来的收益也会越大，这是一个长期可持续的运营策略，也是最具挑战性的研究课题。

拉新是指为产品带来新用户，这里“新”是指一段时间内未曾购买过该产品。目前，针对用户拉新的需求，所采用的手段有很多，大多数的方案，是制定一个强业务规则，根据采销和运营的经验，人工筛选出一部分目标人群作为拉新用户。现在的主流做法是，选择一定时间范围内(通常是1到2年)未曾下过订单的用户，对这些用户的行为进行分析，筛选出行为次数较多的用户群体，也可以综合考虑浏览行为、加购行为、关注行为等维度，最终得到一些业务规则，进而实现用户拉新。实践证明，虽然通过强业务规则可以筛选出一定的目标用户，但效果并不理想。通常来说，定义业务规则的难度很大，筛选条件的阈值很难合理的定义，例如多久未下单算“新”、浏览过多少次算“活跃”。同时，筛选出的目标人群波动很大，用户质量参差不齐，很难做到精准干预，经常把大量的优质资源发放给了并没有强烈购买意愿的用户上。

因此，需要一种新的用于分析用户行为数据的方法及装置。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种用于分析用户行为数据的方法及装置，能够分析出目标品类下用户所处的购买阶段，并定期监控用户的阶段变化，从而干预用户的购买行为。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提出一种用于分析用户行为数据的方法，该方法包括：获取用户在第一预定时间周期内的行为数据；根据所述第一预定时间周期内的行为数据，为所述用户指定多个类别标签中的一个作为所述用户的第一阶段类别标签；获取所述用户在第二预定时间周期内的行为数据；根据所述第二预定时间周期内的行为数据，为所述用户指定所述多个类别标签中的一个作为所述用户的第二阶段类别标签；根据所述第一阶段类别标签与所述第二阶段类别标签，生成所述用户的行为分析数据。

在本公开的一种示例性实施例中，还包括：通过所述用户行为分析数据，为所述用户制定推送信息。

在本公开的一种示例性实施例中，还包括：根据不同产品特点，为不同的产品类别确定不同的阶段类别标签数量。

在本公开的一种示例性实施例中，通过多个维度下的特征参数的数值区分不同的阶段类别标签。

在本公开的一种示例性实施例中，所述阶段类别标签包括：需求显现阶段，品类学习阶段，初期选品阶段，精细选品阶段，预备下单阶段。

在本公开的一种示例性实施例中，所述多个维度包括：浏览维度，搜索维度，加购维度，关注维度，下单维度，用户属性维度，附加条件维度。