一种基于动态消费数据的全链路智能商业决策分析方法

专利主权项内容

1.一种基于动态消费数据的全链路智能商业决策分析方法，其特征在于，包括以下步骤：S1、基于个体消费者实时浏览情况以及消费数据进行个体消费者动态兴趣收集，得到个体消费者动态兴趣数据；S2、基于聚类算法对个体消费者动态兴趣数据进行聚类；S3、基于随机图模型推测演化群体消费者；S4、根据个体消费者动态电子购物车的序列进行决策建模；S5、基于对消费者的意图进行实时检测实现对智能商业的决策分析；其中，所述基于随机图模型推测演化群体消费者包括以下步骤：S31、构建群体消费者共同购买网络；S32、根据共同购买网络G={N, E}的链接先后顺序，设定网络G的拓扑属性，并基于网络G中的拓扑属性推测演化消费者的消费观念；所述构建群体消费者共同购买网络包括：设定共同购买网络G={N, E}，其中N为一组产品节点，E为一组互联它们的共同购买链接E；通过一个n×n维的邻接矩阵y={y}，i，j=1, 2，...，n表示共同购买网络G={N, E}；ij当y=1，表示从产品i到产品j的链接存在，当y=0，表示从产品i到产品j的链接不存在；ijij基于产品的价格，通过二元组设定邻接矩阵内每个产品的权重，二元组(1, z)中1表示从产品i到产品j的链接存在, z为产品i的价格；所述基于网络G中的拓扑属性推测演化消费者的消费观念包括：产品出度：表示共同购买网络y={y}中由起点产品i的外向共同购买链接边数；ij
；其中，表示产品i的产品出度；产品入度：表示共同购买网络y={y}中由其他产品流向产品i的内向共同购买链接边数；ij
；其中，表示产品i的产品入度；产品外向强度：表示加权邻接矩阵W={w}表示的共同购买网络中由起点产品i的外向共同购买链接的累计购买量；ij
；其中，表示产品i的产品外向强度；产品内引强度：表示加权邻接矩阵W={w}表示的共同购买网络中由其他产品流向产品i的内向共同购买链接的累计购买量；ij
；其中，表示产品i的产品内引强度；基于连续型幂律模型拟合/>，/>，/>，/>；基于拟合结果，高产品入度的产品表示具有高人气，表示这类产品为通用型产品，能够为其产品页面带来更多的流量，以便与大量其他商品一起销售；高产品出度的产品表示个体消费者可从该类产品的详情网页上可直接跳转到更多其他产品，表明该类产品与其他产品之间存在互补关系；所述根据个体消费者动态电子购物车的序列进行决策建模包括：设定个体消费者在一次购物浏览中进行的交互选项, 包括点击、收藏、加购、删除、购买五种交互行为Shop∈{click, tag, add, remove, purchase}；设定个体消费者一次访问的购物浏览阈值，当一次购物浏览过程中，个体消费者从进入电子商务网站的浏览开始，若一次交互行为发生后在超过30分钟，个体消费者没有发出任何的网页请求，标志着此次购物浏览过程的完结；而之后的下一层网页请求会标记为新的一次购物浏览过程的初始点；在个体消费者一次访问的购物浏览过程中，基于个体消费者的浏览行为构建时序产品路径图；设定个体消费者行为的权重大小，设置为删除<点击<收藏<加购<支付, 并基于个体消费者行为权重设置五种行为的评分值设置为[-1, 1, 2, 3, 4]，个体消费者在一次访问的购物浏览过程中有过上述五种行为都为对应产品增加相应的积分；设定为个体消费者点击的评分，为产品对应行为的次数，/>为点击的次数，/>为对应点击行为的奖励因子，/>为点击有效因子；num
；
=/>×/>×/>；设定为个体消费者收藏评分，/>为对应收藏行为的奖励因子，/>为个体消费者加购评分，/>为对应加购行为的奖励因子，/>为个体消费者支付评分，/>为对应支付行为的奖励因子，/>为个体消费者删除评分，/>为对应删除行为的奖励因子，为产品收藏次数，/>为产品加购次数，/>为产品支付次数，/>产品删除次数；
=/>×/>；
=/>×/>；
=/>×/>；
=/>×/>；收集个体消费者对产品的行为，并进行量化，基于五种行为对最终评分的影响程度不同，对不同行为设置不同权重，基于权重最终量化该产品的评分；R=×/>+/>×/>+/>×/>+/>×/>+/>×/>；u, i
+/>+/>+/>+/>=1；其中，R为个体消费者u对产品i量化后的评分，为点击的权重因子，/>为收藏的权重因子，/>为加购的权重因子，/>为支付的权重因子，/>为删除的权重因子。u, i。 （来 自 马 克 数 据 网）