[发明专利]面向服装行业的用户行为分析系统

说明书

本发明公开了一种面向服装行业的用户行为分析系统。目前“互联网+制造”是国家的重要战略，其利用互联网信息技术与制造资源和制造过程相结合，打通所有生产环节的数据壁垒和管理壁垒。通过对互联网技术进行制造业的分析与管理，能够精准地根据消费者的不同需求组织和匹配制造资源，为消费者提供个性化制造服务的创新生产模式。通过互联网技术可以实现动态灵敏地根据消费者需求和市场变化组织和使用制造资源，促进企业优势互补，资源共享，降低成本及能耗，实现多方共赢。本发明的目的即为通过应用机器学习和数据挖掘技术进行用户行为分析，解决服装制造业目前所面临的快速响应和个性化需求的挑战。

技术领域

本发明涉及一种面向服装行业的用户行为分析系统，利用大数据分析和机器学习算法对服装行业，尤其是女装行业的相关企业的决策提供技术支持，并给出参考意见。

背景技术

制造业面临的个性化需求及快速响应等挑战在服装行业尤为突出，因此服装制造业迫切需求进行“互联网+制造”的变革。本系统旨在通过应用机器学习和数据挖掘技术进行用户行为分析，解决服装制造业目前所面临的快速响应和个性化需求的挑战。

发明内容

本发明针对现有技术存在的问题和不足，提供一种面向服装行业的用户行为分析系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明建立了基于销售量时间序列和月份时间序列的双重输入特征的神经网络预测模型，同时将自然销售时间序列预测与统一月份历年销售时间序列预测两种方法相结合，提升了流行趋势预测模型的准确率和鲁棒性。

本发明还通过词向量之间的相似度聚类划分出对目标促销产品有购买意愿的消费者，通过RFM模型进行聚类分析并建立了不同客户群体的价格反应函数。之后使用遗传算法对价格函数的最优解进行求解。

本发明的意义在于：

1、收集互联网上服装销售大数据，建立了服装流行趋势的预测模型。通过本模型进行流行趋势预测，服装厂家可以提前估计未来流行的产品特性，从而及时调整生产链与采购链，对市场的变化作出动态灵敏的反应。

2、从用户行为分析的角度，建立了基于内容推荐的RFM模型聚类个性化定价模型。通过个性化定价，制造商家可以知道目标促销产品用户群有多少种、每个用户群的属性如何、如何制定最佳促销价格并获取最大利益。进一步制造商家还可以在了解客户属性的基础上作出相应的服务策略和产品策略。

3、建立了流行趋势预测和个性化定价的可视化模，利用可视化模型对流行趋势预测系统和个性化定价的分析结果进行直观生动的展示，为企业制定决策提供有效的参考信息。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明采用销售量时间序列和对应的月份时间序列作为LSTM神经网络的输入特征，并同时建立了能同时接收这两个输入特征的双LSTM神经网络的合并模型。从而将销售时间序列中的数据结构与月份等季节因素相结合起来，进而提升预测模型的准确度和鲁棒性。同时本发明进行了两种形式的销售时间序列预测，第一种为自然销售时间序列预测，第二种为同一月份历年销售时间序列的预测。第一种由于波动较大适合通过挖掘数据内在结构能力更强的神经网络进行学习。第二种由于同一月份历年销售趋势波动和干扰因素较少，变化趋势较为稳定因此可以采用指数平滑法进行预测。将同一月份历年销售时间序列的预测结果作为第一种预测的神经网络模型的训练数据，可以规范预测值的输出范围进而提升预测模型的准确度。

附图说明

图1为本发明较佳实施例的面向服装行业的用户行为分析系统的结构示意图。

图2为本发明较佳实施例的流行趋势预测系统框架图。