[發明專利]消費者研究方法和系統

在審

• 申請號: 202010054120.5
• 申請日: 2020-01-17
• 公開（公告）號: CN111275486A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 常樂貴
• 申請（專利權）人: 北京光速斑馬數據科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 賈耀梅

本發明提供一種消費者研究方法和系統，所述方法包括以下步驟：基于XGBOOST模型、知識圖譜、網絡爬蟲和自然語義識別模型構建大數據研究平臺；在大數據研究平臺上，根據研究需求選擇預設數量的待研究消費者的典型行為標簽，并進行非結構化倉庫儲存，以及通過TGI指數算法將待研究消費者與網絡使用群體的行為標簽進行對比，以生成和輸出待研究消費者的差異化畫像特征；通過Dashboard對待研究消費者的差異化畫像特征進行可視化展示。本發明能夠方便、快速、高質量、低成本地實現對消費者的研究，有效解決廠商具有針對性的需求。

技術領域

本發明涉及市場研究技術領域，具體涉及一種消費者研究方法和一種消費者研究系統。

背景技術

新車消費者研究是歷年來汽車行業研究的難題，也是非常重要的研究方向。新車調研關注消費者購車動機、考慮因素以及購車體驗的好壞，新車消費者的反饋評價會直接影響新車銷售，也會影響汽車廠商的利潤收入和品牌影響力。

傳統新車用戶研究主要通過線下一對一面訪搜集數據，數據不穩定，數據結果受人為影響較大，這種傳統的收集數據方式不僅周期長(3-6個月)、效率低、成本高、呈現結果不佳(以PPT報告為交付形式，還需要不斷的溝通調整修改)，對時間和研究人員自身素質的依賴也較強。

發明內容

本發明為解決上述技術問題，提供了一種消費者研究方法和系統，能夠方便、快速、高質量、低成本地實現對消費者的研究，有效解決廠商具有針對性的需求。

本發明采用的技術方案如下：

一種消費者研究方法，包括以下步驟：基于XGBOOST(eXtreme GradientBoosting，極端梯度增強)模型、知識圖譜、網絡爬蟲和自然語義識別模型構建大數據研究平臺；在所述大數據研究平臺上，根據研究需求選擇預設數量的待研究消費者的典型行為標簽，并進行非結構化倉庫儲存，以及通過TGI(Target Group Index，目標群體指數)指數算法將所述待研究消費者與網絡使用群體的行為標簽進行對比，以生成和輸出所述待研究消費者的差異化畫像特征；通過Dashboard(可視化儀表盤)對所述待研究消費者的差異化畫像特征進行可視化展示。

所述的消費者研究方法還包括：在所述大數據研究平臺上，根據研究需求生成和輸出對應的營銷策略；通過Dashboard對所述營銷策略進行可視化展示。

基于XGBOOST模型、知識圖譜、網絡爬蟲和自然語義識別模型構建大數據研究平臺，具體包括：將多個消費咨詢項目中的信息和數據導入XGBOOST模型進行分類匹配，通過XGBOOST模型將多個消費咨詢案例的決策樹集成形成一個提升樹強分類，通過不斷訓練從而找出最優的樹形結構及相應葉子節點的輸出值；將XGBOOST模型輸出的信息、數據及其載體進行可視化，并挖掘、分析、構建、繪制和顯示XGBOOST模型輸出的信息、數據及其載體之間的相互聯系并搭建成平臺框架；使用網絡爬蟲抓取和搜集千萬級數量的消費者對相應產品的文本評價材料，并開發相應產品所屬行業的自然語義識別模型，以豐富所述平臺框架的生產資料，構成所述大數據研究平臺。

根據研究需求選擇預設數量的待研究消費者的典型行為標簽，并進行非結構化倉庫儲存，具體包括：將收集的到店客流、消費者名單、搜索過相關關鍵詞的用戶ID進行大數據匹配，找到滿足研究需求既定條件的消費者對應的大數據信息，通過洛倫茲曲線模型、Precision曲線模型、Lift曲線模型和ROC曲線模型進行閾值比對和準確性評估，最后選取超過2萬待研究消費者的典型行為標簽進行邏輯分級整理和儲存。

使用atan函數模型、pow函數模型在Dashboard上實現數據可視化。

所述待研究消費者為新車消費者，所述自然語義識別模型為汽車行業自然語義識別模型。

導入XGBOOST模型的數據包括咨詢框架結構、研究背景、研究目的、研究思路與方法、研究設計、實施規劃、數據分析、數據解讀、結論撰寫中的一個或多個。