一种基于网购行为数据的用户品牌偏好度量方法

摘要

本发明公开了一种基于网购行为数据的用户品牌偏好度量方法。方法包括：步骤1、通过DPI技术提取用户网购数据中用户ID、商品类别、商品品牌、用户行为和行为发生时间。步骤2、计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。步骤3、根据P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)计算品牌偏好值。步骤4、归一计算用户的品牌偏好度P_G。本发明主要根据用户的一系列购买行为与浏览行为的变化实现更加准确地计算用户的品牌偏好度，从而为商家的精准营销提供决策依据。

主权项

一种基于网购行为数据的用户品牌偏好度量方法，其特征在于，使用网购数据分析用户的品牌偏好，主要步骤为：步骤1、分析用户网购数据，结合电商产品信息库，生成用户网购记录，每条记录包含用户ID、商品类别、商品品牌、用户行为和行为发生时间，其中用户行为指浏览和购买。步骤2、根据用户网购记录计算每个用户对每个品牌自转移购买次数(N_L)、品牌最长连续浏览次数(N_H)、品牌转入购买次数(N_T)。其中品牌自转移购买次数(N_L)代表用户对某一品牌的钟爱程度，代表相邻两次购买行为中购买同一品牌的次数，通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算；品牌最长连续浏览次数(N_H)代表用户对某一品牌的渴望程度，通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算；品牌转入购买次数(N_T)代表用户愿意使用某品牌商品的意愿大小，通过从其他品牌转入购买测定品牌的次数计算。步骤3、根据下面公式计算特定用户对特定品牌的偏好值(P)：P＝λ_B×(N_L/N_C+N_T/N_C)+λ_S×(N_H/N)其中，N代表用户所有行为记录条数，N_C代表在所有行为记录中转移购买次数(包括自转移购买次数、转入购买次数和转出购买次数)。λ_B与λ_S分别代表购买因子与浏览因子，由于购买行为影响度要大于浏览行为，所以通常λ_B大于λ_S，且两者之和为1。步骤4、根据下面公式归一计算用户对某类产品中第i个品牌的偏好度(P_Gi)：P_Gi＝P_i/Σ_iP_i其中，P_i代表该用户对该类产品中第i个品牌的偏好值。