[发明专利]访客行为数据转化率的动态预测方法

说明书

本公开提供了一种访客行为数据转化率的动态预测方法，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。本发明能够解决现有技术的不足，有效提高了预测准确度。

技术领域

本公开涉及网络信息技术领域，尤其是一种访客行为数据转化率的动态预测方法。

背景技术

对于网站设计者来说，如何让网站访客的浏览行为更多的转化为实际点击率，是评价一个网站质量高低的一项重要指标。为了对网站内容进行及时更新，需要根据历史数据对访客行为转化率进行预测。现有的预测方法是根据历史数据进行直接评估，预测准确度较低。

发明内容

本公开要解决的技术问题是提供一种访客行为数据转化率的动态预测方法，能够解决现有技术的不足，有效提高了预测准确度。

为解决上述技术问题，本公开所采取的技术方案如下。

一个方面，一种访客行为数据转化率的动态预测方法，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。

根据本公开的一个实施方式，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。

根据本公开的一个实施方式，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’。

根据本公开的一个实施方式，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。

根据本公开的一个实施方式，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(A_n)-M(A_n+1)|＜α，

其中，M为预测模型，A_n为第n次预测时的转化关系矩阵，A_n+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。

根据本公开的一个实施方式，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。

另一方面，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：