[發(fā)明專利]一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法

在審

• 申請?zhí)枺?/td>: 202010639118.4
• 申請日: 2020-07-06
• 公開（公告）號: CN111966951A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設(shè)計）人: 張文;崔浩亮;陳軼;牛少彰;王讓定;焦崇
• 申請（專利權(quán)）人: 東南數(shù)字經(jīng)濟(jì)發(fā)展研究院
• 主分類號: G06F17/10
• 分類號: G06F17/10;G06Q30/02;G06Q50/00;G06K9/62;G06N20/00
• 代理公司: 深圳紫晴專利代理事務(wù)所(普通合伙) 44646
• 代理人: 雒盛林

本發(fā)明提供了一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法，它解決了現(xiàn)有操作復(fù)雜精準(zhǔn)度不高的問題。其方法包括：步驟S1：取單位時間段內(nèi)的平臺使用天數(shù)、日均交易筆數(shù)、平均單筆建議金額和平均每天使用時長；步驟S2：對S1中數(shù)據(jù)進(jìn)行0?1規(guī)格化處理；步驟S3：將S2得到的純數(shù)值采用聚類算法計算，步驟S4：以k值為x軸，SSE值為y軸建立二維坐標(biāo)系。以坐標(biāo)系上k值的最小和最大值對應(yīng)的兩點確定直線L。對每個k值對應(yīng)的點計算其到直線L的垂直距離，選擇距離最長的點對應(yīng)的k值為最終為社交電商用戶群體按照交易數(shù)據(jù)劃分的階層數(shù)。本發(fā)明優(yōu)點在于更為精準(zhǔn)便捷的進(jìn)行階層劃分。

技術(shù)領(lǐng)域

本發(fā)明涉及電商數(shù)據(jù)整合技術(shù)領(lǐng)域，具體涉及一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法。

背景技術(shù)

隨著移動互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù)的日益成熟，社交電商這類以移動社交平臺為基礎(chǔ)進(jìn)行電商交易的群體正出于高速發(fā)展階段，也因此涌現(xiàn)出各類為社交電商從業(yè)者提供相關(guān)服務(wù)的社交電商平臺。這類平臺為了能更有針對性地為不同類型用戶推出相應(yīng)的服務(wù)策略和運(yùn)營策略，就須要對社交電商用戶群體進(jìn)行有效地階層劃分。

目前，多數(shù)網(wǎng)絡(luò)平臺在處理用戶階層劃分時多采用人工標(biāo)記的方式。然而，社交電商用戶群體相對于傳統(tǒng)用戶群體出現(xiàn)較晚且復(fù)雜度高，基于人工經(jīng)驗的方法在處理此類問題時會存在主觀性強(qiáng)、模糊性高、思慮不周等問題影響劃分標(biāo)準(zhǔn)的最終統(tǒng)一。此外，面對大規(guī)模數(shù)據(jù)集時人工操作的方式也會存在處理時間過長、人力成本過高等其他一系列問題影響決策者及時做出相應(yīng)的策略更改，因此急需一種便捷高效精準(zhǔn)的階層劃分方法。

發(fā)明內(nèi)容

鑒于此，本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法，更為精準(zhǔn)便捷的進(jìn)行階層劃分。

為實現(xiàn)以上目的，本發(fā)明采用如下技術(shù)方案：

一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法，包括以下步驟：

步驟S1：取單位時間段內(nèi)的平臺使用天數(shù)、日均交易筆數(shù)、平均單筆建議金額和平均每天使用時長；

步驟S2：對S1中數(shù)據(jù)進(jìn)行0-1規(guī)格化處理；

步驟S3：將S2得到的純數(shù)值采用聚類算法計算，公式如下：

步驟S4：以k值為x軸，SSE值為y軸建立二維坐標(biāo)系。以坐標(biāo)系上k值的最小和最大值對應(yīng)的兩點確定直線L。對每個k值對應(yīng)的點計算其到直線L的垂直距離，選擇距離最長的點對應(yīng)的k值為最終為社交電商用戶群體按照交易數(shù)據(jù)劃分的階層數(shù)。

在上述的一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法中，在S2中的0-1規(guī)格化處理的計算公式：

在上述的一種基于社交電商交易數(shù)據(jù)的用戶群體階層劃分方法中，S3中k值取1-10中的整數(shù)。

本發(fā)明相比于傳統(tǒng)手肘法以肉眼觀察SSE值拐點的方式確定k值，本發(fā)明k值確定方法自動化程度高；本發(fā)明計算量小且計算復(fù)雜度低，相對于深度學(xué)習(xí)方法更適合大規(guī)模數(shù)據(jù)分析場景。

附圖說明

附圖1為本發(fā)明提供的流程示意圖；

附圖2為本發(fā)明提供的K值與SSE值的關(guān)系圖；

附圖3為本發(fā)明提供的5月份K值與SSE值的關(guān)系圖；

附圖4為本發(fā)明提供的6月份K值與SSE值的關(guān)系圖。

具體實施方式

以下采用本發(fā)明的優(yōu)選實施例并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進(jìn)一步的描述，但本發(fā)明并不限于這些實施例。