[發明專利]零售用戶價值分析系統及方法

有效

• 申請號: 201811592819.6
• 申請日: 2018-12-25
• 公開（公告）號: CN109858947B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 陳煜波;胡豫隴
• 申請（專利權）人: 清華大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 張超艷;李玉琦

1.一種零售用戶價值分析系統，其特征在于，包括：

采集模塊，采集用戶交易數據和用戶輪廓特征，所述交易數據包括交易次數和交易金額，所述用戶輪廓特征包括年齡、職業、城市、性別、籍貫和工資水平的一個或多個；

設定模塊，設定基本時間單位；

數據處理模塊，將交易數據為0的用戶作為新用戶，交易數據不為0的作為老用戶，將采集模塊采集的老用戶的交易數據按照基本時間單位劃分，在基本時間單位內，存在交易的交易次數設為1，不存在交易的，交易次數設為0；

未來交易次數模型構建模塊，采用NBD模型的似然函數構建未來交易次數模型；

未來交易金額模型構建模塊，采用Gamma-Gamma模型的似然函數構建未來交易金額模型；

未來價值模型構建模塊，根據未來交易次數模型和未來交易金額模型，采用用戶未來生命周期價值構建未來價值模型；

訓練模塊，將經過數據處理模塊處理后老用戶在每個基本時間單位的交易數據作為訓練集，將訓練集分別代入未來交易次數模型和未來交易金額模型進行訓練得到各模型的模型參數，并獲得每個老用戶未來交易次數和未來交易金額，輸入未來價值模型，得到每個老用戶的未來價值；

當前價值獲得模塊，將每個老用戶的交易總金額作為每個老用戶的當前價值；

分類模塊，根據未來價值和當前價值對老用戶進行分類，所述分類包括LL類，當前價值和未來價值均低的用戶類；HL類，當前價值高，未來價值低的用戶類；LH類，當前價值低，未來價值高的用戶類；HH類，當前價值和未來價值均高的用戶類；

類輪廓特征獲得模塊，對每一類中的老用戶的用戶輪廓特征進行描述性統計，獲得每類用戶的類輪廓特征；

新用戶價值獲得模塊，根據新用戶的用戶輪廓特征進行類匹配，得到新用戶歸屬的用戶類，對應預測用戶未來價值，

其中，所述未來交易次數模型構建模塊包括：

觀察周期獲得單元，將用戶進行第一次交易的時間點到當前觀察點之間的時間間隔作為觀察周期；

交易次數獲得單元，獲得用戶從第一次交易后，直到當前觀察點位置，不包括第一次交易進行過的重復交易次數，將各用戶的重復交易次數發送給數據處理模塊，獲得各用戶的交易次數；

新鮮度獲得單元，將用戶最后一次交易的時間點距離觀察點的時間間隔作為用戶的新鮮度；

用戶交易行為描述單元，根據下式(1)分別描述各用戶交易行為，

X_i＝(x_i，t_i，T_i) (1)

其中，i為用戶索引，X_i為第i個用戶的交易行為，x_i為第i個用戶的交易次數，t_i為第i個用戶的新鮮度，T_i為第i個用戶的觀察周期；

第一似然模型構建單元，通過各用戶的交易行為根據下式(2)構建各用戶的交易次數的似然模型，將所有用戶的似然模型相乘，得到整體似然函數，在似然函數中提取出了部分，進而對似然函數做對數處理

其中，LC_i為第i個用戶的交易次數的似然函數，γ，α，s，β為待確定的模型參數，當α≠β時，當α＝β時，a_i＝γ+s+x_i，b＝s+1，c_i＝γ+s+x_i+1，F代表高斯超幾何函數；通過對整體似然函數求最大值，確定模型中四個待確定參數γ，α，s，β；

第一模型構建單元，通過上述似然模型的四個參數以及用戶交易行為，根據下式(3)構建各用戶的未來交易次數模型，

其中，CE(x_i，t_i，T_i；γ，α，s，β)為第i個用戶的未來交易次數。