[发明专利]零售用户价值分析系统及方法

权利要求书

1.一种零售用户价值分析系统，其特征在于，包括：

采集模块，采集用户交易数据和用户轮廓特征，所述交易数据包括交易次数和交易金额，所述用户轮廓特征包括年龄、职业、城市、性别、籍贯和工资水平的一个或多个；

设定模块，设定基本时间单位；

数据处理模块，将交易数据为0的用户作为新用户，交易数据不为0的作为老用户，将采集模块采集的老用户的交易数据按照基本时间单位划分，在基本时间单位内，存在交易的交易次数设为1，不存在交易的，交易次数设为0；

未来交易次数模型构建模块，采用NBD模型的似然函数构建未来交易次数模型；

未来交易金额模型构建模块，采用Gamma-Gamma模型的似然函数构建未来交易金额模型；

未来价值模型构建模块，根据未来交易次数模型和未来交易金额模型，采用用户未来生命周期价值构建未来价值模型；

训练模块，将经过数据处理模块处理后老用户在每个基本时间单位的交易数据作为训练集，将训练集分别代入未来交易次数模型和未来交易金额模型进行训练得到各模型的模型参数，并获得每个老用户未来交易次数和未来交易金额，输入未来价值模型，得到每个老用户的未来价值；

当前价值获得模块，将每个老用户的交易总金额作为每个老用户的当前价值；

分类模块，根据未来价值和当前价值对老用户进行分类，所述分类包括LL类，当前价值和未来价值均低的用户类；HL类，当前价值高，未来价值低的用户类；LH类，当前价值低，未来价值高的用户类；HH类，当前价值和未来价值均高的用户类；

类轮廓特征获得模块，对每一类中的老用户的用户轮廓特征进行描述性统计，获得每类用户的类轮廓特征；

新用户价值获得模块，根据新用户的用户轮廓特征进行类匹配，得到新用户归属的用户类，对应预测用户未来价值，

其中，所述未来交易次数模型构建模块包括：

观察周期获得单元，将用户进行第一次交易的时间点到当前观察点之间的时间间隔作为观察周期；

交易次数获得单元，获得用户从第一次交易后，直到当前观察点位置，不包括第一次交易进行过的重复交易次数，将各用户的重复交易次数发送给数据处理模块，获得各用户的交易次数；

新鲜度获得单元，将用户最后一次交易的时间点距离观察点的时间间隔作为用户的新鲜度；

用户交易行为描述单元，根据下式(1)分别描述各用户交易行为，

X_i＝(x_i，t_i，T_i) (1)

其中，i为用户索引，X_i为第i个用户的交易行为，x_i为第i个用户的交易次数，t_i为第i个用户的新鲜度，T_i为第i个用户的观察周期；

第一似然模型构建单元，通过各用户的交易行为根据下式(2)构建各用户的交易次数的似然模型，将所有用户的似然模型相乘，得到整体似然函数，在似然函数中提取出了部分，进而对似然函数做对数处理

其中，LC_i为第i个用户的交易次数的似然函数，γ，α，s，β为待确定的模型参数，当α≠β时，当α＝β时，a_i＝γ+s+x_i，b＝s+1，c_i＝γ+s+x_i+1，F代表高斯超几何函数；通过对整体似然函数求最大值，确定模型中四个待确定参数γ，α，s，β；

第一模型构建单元，通过上述似然模型的四个参数以及用户交易行为，根据下式(3)构建各用户的未来交易次数模型，

其中，CE(x_i，t_i，T_i；γ，α，s，β)为第i个用户的未来交易次数。