[发明专利]基于用户数据分析的自动推送方法、装置和计算机设备

说明书

本申请提供的一种基于用户数据分析的自动推送方法、装置和计算机设备，通过获取用户数据；依据推荐算法与搜索引擎中预设的兴趣信息进行匹配，以得对应该用户的多个兴趣信息以及相应的兴趣点坐标；按照兴趣点坐标距离用户由近至远的顺序向用户推送对应兴趣信息的产品或娱乐信息。本申请能够根据用户的操作来判断用户对产品与内容的喜爱程度并进行自动推送，且无需专门人员维护，降低了维护成本和匹配错误率。可实现向用户推送从当前坐标由近到远所匹配上的感兴趣的产品及娱乐信息。无论用户身处世界各地，只要打开APP就能看到自己周围附近的各种感兴趣的信息以及自己感兴趣的产品，能够浏览到世界各地人民的信息与产品，让用户不再为信息差而烦恼。

技术领域

本发明涉及数据分析技术领域，特别是涉及一种基于用户数据分析的自动推送方法、装置和计算机设备。

背景技术

基于用户行为分析是将登录APP的用户在APP上的操作所纪录下来，并根据用户的喜爱与讨厌，将来自不同平台跟渠道的产品与内容进行智能匹配。

搜索产品自动推荐计算原理是根据用户在APP上的各种操作，比如点赞、收藏、关注等操作来进行一个等分值，并按照一定的权重匹配后给每个用户推荐用户偏好的内容，做到千人千面的个性化效果。

但普通的智能匹配，有以下不足：

1)无法根据用户的操作来判断用户对产品与内容的喜爱程度；

2)无法根据用户的喜爱程度来自动推送用户喜爱的产品，进而无法提高产品内容的转换率；

3)维护成本太高，需要人员专门去维护这些推送给用户的喜爱产品；并且这些产品的丰富程度会受人员主观因素而产生较大的影响；

4)很多产品的名字或命名不规范，造成匹配错误。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于用户数据分析的自动推送方法、装置和计算机设备，以解决现有技术中产品与内容推荐由于多种原因造成用户对商家推荐的产品不满意的问题。

为实现上述目的及其他相关目的，本申请提供一种基于用户数据分析的自动推送方法，所述方法包括：获取用户数据；依据推荐算法与搜索引擎中预设的兴趣信息进行匹配，以得对应该用户的多个兴趣信息以及相应的兴趣点坐标；按照兴趣点坐标距离用户由近至远的顺序向用户推送对应兴趣信息的产品或娱乐信息。

于本申请的一实施例中，所述依据用户操作记录收集行为数据，包括：获取用户的唯一标识，以获取该用户在应用程序或平台上的至少包括用户画像、行为数据、订单数据及产品数据的用户数据。

于本申请的一实施例中，所述推荐算法包括：依据销售经验形成初始匹配规则；根据用户、产品、场景构建特征工程，利用相关性算法挑选出有效指标；运用机器学习算法训练监督学习模型，以供预测用户在具体场景对具体产品的热度，并根据预测的热度按序对用户展示产品。

于本申请的一实施例中，所述根据用户、产品、场景构建特征工程，包括：对用户数据进行清洗；依据相关系数法筛选出显著影响匹配的目标特征；利用递归特征消除法得到每个目标特征对学习模型的准确率的影响；根据主成分分析法将目标特征进行降维并采用min-max标准法进行归一化处理，以提取最终的目标特征。

于本申请的一实施例中，所述对训练数据进行清洗包括：去除明显违背逻辑数据；缺失值处理；其中，对缺失值极多的字段进行删除去掉；对缺失值少的字段，根据相似情景，补充对应字段；数据变换；其中，对类别型特征数据进行one-hot编码。

于本申请的一实施例中，所述根据主成分分析法将目标特征进行降维，包括：对样本集矩阵X中心化；计算样本矩阵的协方差矩阵C；求样本集矩阵X的协方差矩阵C的特征值和特征向量；构建降维转换矩阵U，按照特征值最大的k个特征值对应的特征向量组成矩阵U；由降维转换公式Z＝XU求得X的降维矩阵Z。