[發(fā)明專利]一種數據分析的方法和裝置

在審

• 申請?zhí)枺?/td>: 201710002685.7
• 申請日: 2017-01-03
• 公開（公告）號: CN108269118A
• 公開（公告）日: 2018-07-10
• 發(fā)明（設計）人: 柯世喜
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30;H04N21/466;H04N21/478
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 江舟;董文倩

本發(fā)明提供了一種數據分析的方法和裝置，該方法包括：在交互式網絡電視IPTV系統中，通過在預先獲取的采樣區(qū)間中提取時間參數，并依據預設算法計算所述時間參數，得到消費意愿參數；提取采樣區(qū)間中的消費數據，得到消費能力參數，其中，消費能力參數用于指示購買力；依據消費意愿參數和消費能力參數之間的數學關系，得到價值參數；依據預設聚類算法劃分每個用戶的價值參數所處的區(qū)間，得到區(qū)間對應的數據群體，解決由于現有RFM模型對評估用戶數據反饋分析結果不精確，導致的分析報告可參考意義價值低的問題，達到提升用戶數據分析結果精確率效果。

技術領域

本發(fā)明涉及互聯網技術應用領域，具體而言，涉及一種數據分析的方法和裝置。

背景技術

目前在交互式網絡電視(Interactive Personality TV，簡稱IPTV)領域，用戶營銷手段偏向傳統：運營商在電視上展示可供用戶訂購的內容后，用戶瀏覽后在機頂盒上發(fā)起訂購。這種訂購方式全憑用戶興趣喜好，運營商完全處于被動，也無法有效識別用戶，因此，急需開發(fā)一套有效的數學模型來分析用戶消費行為。

最近一次消費、消費頻率、消費金額(Regency、Frequency、Monetary，簡稱RFM)模型是一種衡量用戶價值和分析消費行為的重要工具和手段，現有技術中用戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

其中，最近一次消費(Regency)：用戶最近一次購買時間與分析時間點的間隔天數。最近一次消費的時間間隔是用戶關系保持的一個重要指標。用戶最近一次消費的時間比較近，可以認為用戶再次購買的可能性比較大，即造成“回頭客”的概率比較大。因此，越是消費時間越近的用戶越優(yōu)質，對企業(yè)提供的相關的服務和促銷活動也最有吸引力。

消費頻率(Frequency)：統計期間內用戶購買產品的次數。在統計期間內，消費頻率較多，通常代表對產品滿意度較高，用戶對產品或品牌的忠誠度也比較高。

消費金額(Monetary)：統計期間內用戶消費的總金額。總金額越大，代表用戶為企業(yè)創(chuàng)造的價值也越大。

針對以上三個指標，每個指標按照從大到小劃分成五等份，結合 起來就是125類用戶群，對不同的用戶群進行數據分析，可以采取不同的營銷策略。比如，每項排前20％的用戶是優(yōu)質用戶，應該盡力維持好與他們的用戶關系。排在中間60％的用戶，是我們要盡量爭取的用戶，應加大對這些用戶群的投資力度。

RFM根據用戶的歷史消費行為，能夠較為精確的判斷出用戶價值和潛在價值，進一步細分成目標用戶群，為企業(yè)的營銷策略和經營決策提供參考依據。

RFM也存在一定的缺陷，首先，125類用戶群區(qū)分太細，實際應用中難以掌控如此多的用戶群并且制定相應的營銷策略；其次，不同用戶之間的消費間隔與消費頻率伴隨著消費習慣的不同而不一樣，不能對用戶之間對最后一次消費指標和消費頻率指標進行縱向比較，也無法直接反映出用戶的消費趨勢，而這個卻是用戶關系管理中比較重要的指標之一。

針對相關技術中由于現有RFM模型對評估用戶數據反饋分析結果不精確，導致的分析報告可參考意義價值低的問題，目前尚未提出有效的解決方案。

發(fā)明內容

本發(fā)明實施例提供了一種數據分析的方法和裝置，以至少解決由于現有RFM模型對評估用戶數據反饋分析結果不精確，導致的分析報告可參考意義價值低的問題。

根據本發(fā)明的一個實施例，提供了一種數據分析的方法，包括：在交互式網絡電視IPTV系統中，通過在預先獲取的采樣區(qū)間中提取時間參數，并依據預設算法計算時間參數，得到消費意愿參數；提取采樣區(qū)間中的消費數據，得到消費能力參數，其中，消費能力參數用于指示購買力；依據消費意愿參數和消費能力參數之間的數學關系，得到價值參數；依據預設聚類算法劃分每個用戶的價值參數所處的區(qū)間，得到區(qū)間對應的數據群體。