[发明专利]访客行为数据转化率的动态预测方法在审

专利信息
申请号: 201811279926.3 申请日: 2018-10-30
公开(公告)号: CN109522506A 公开(公告)日: 2019-03-26
发明(设计)人: 林正春;王静;赵慧民 申请(专利权)人: 广东原昇信息科技有限公司
主分类号: G06F16/958 分类号: G06F16/958;G06F16/2458
代理公司: 北京鼎承知识产权代理有限公司 11551 代理人: 李伟波;韩德凯
地址: 510000 广东省广州市番禺区小谷围*** 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: 访客行为 结果数据 转化 动态预测 关系矩阵 函数关系 抓取 历史记录 数据预测 准确度 矩阵化 预测
【权利要求书】:

1.一种访客行为数据转化率的动态预测方法,其特征在于,包括以下步骤:

A、抓取访客行为数据与转化结果数据的历史记录;

B、建立访客行为数据与转化结果数据的函数关系;

C、将访客行为数据与转化结果数据的函数关系矩阵化,得到转化关系矩阵;

D、根据转化关系矩阵与实时访客行为数据预测转化率。

2.根据权利要求1所述的访客行为数据转化率的动态预测方法,其特征在于,步骤A中,根据访客行为的特征,对访客行为数据进行分类,建立任意两类访客行为数据的关联函数F。

3.根据权利要求2所述的访客行为数据转化率的动态预测方法,其特征在于,步骤B中,对每一类访客行为数据与其对应的转化结果数据建立函数关系G,然后使用访客行为之间的关联函数F与其对应的两类访客行为数据的函数关系G进行归一化处理,得到访客行为数据与其对应的转化结果数据之间的综合函数关系G’。

4.根据权利要求3所述的访客行为数据转化率的动态预测方法,其特征在于,步骤C中,对综合函数关系G’进行矩阵化包括以下步骤,

C1、以访客行为数据为自变量,对综合函数关系G’进行分段,每段综合函数关系G’的函数值作为转化关系矩阵的一个行向量;

C2、在每个行向量的起始元素之前加入两个行特征元素,行特征元素代表此行向量的访客行为数据覆盖范围。

5.根据权利要求4所述的访客行为数据转化率的动态预测方法,其特征在于,步骤D中,根据转化关系矩阵与实时访客行为数据预测转化率包括以下步骤,

D1、建立预测模型;

D2、建立预测模型与转化关系矩阵之间的迭代关系;

D3、设置迭代收敛条件,

|M(An)-M(An+1)|<α,

其中,M为预测模型,An为第n次预测时的转化关系矩阵,An+1为第n+1次预测时的转化关系矩阵;

D4、对预测模型进行迭代,直至预测模型符合收敛条件。

6.根据权利要求5所述的访客行为数据转化率的动态预测方法,其特征在于,步骤D4中,对预测模型进行迭代包括以下步骤,

D41、根据上一次预测转化率的结果与实际转化率的差值,对预测模型进行修改正;

D42、设定修正后的预测模型与修正前的预测模型的线性相关度最小值,以此为标准对修正后的预测模型进行二次修正。

7.一种访客行为数据转化率的动态预测系统,其特征在于,包括:

抓取模块:抓取访客行为数据与转化结果数据的历史记录;

建立模块:建立访客行为数据与转化结果数据的函数关系;

矩阵化模块:将访客行为数据与转化结果数据的函数关系矩阵化,得到转化关系矩阵;

预测模块:根据转化关系矩阵与实时访客行为数据预测转化率。

8.根据权利要求1所述的访客行为数据转化率的动态预测系统,其特征在于:抓取模块中,根据访客行为的特征,对访客行为数据进行分类,建立任意两类访客行为数据的关联函数F。

9.根据权利要求8所述的访客行为数据转化率的动态预测系统,其特征在于:建立模块中,对每一类访客行为数据与其对应的转化结果数据建立函数关系G,然后使用访客行为之间的关联函数F与其对应的两类访客行为数据的函数关系G进行归一化处理,得到访客行为数据与其对应的转化结果数据之间的综合函数关系G’。

10.根据权利要求9所述的访客行为数据转化率的动态预测系统,其特征在于:矩阵化模块中,对综合函数关系G’进行矩阵化包括:以访客行为数据为自变量,对综合函数关系G’进行分段,每段综合函数关系G’的函数值作为转化关系矩阵的一个行向量;在每个行向量的起始元素之前加入两个行特征元素,行特征元素代表此行向量的访客行为数据覆盖范围。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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广东原昇信息科技有限公司,未经广东原昇信息科技有限公司许可,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/201811279926.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top