[發明專利]一種基于用戶和產品層面的多因子在線購買行為轉化預測方法

在審

• 申請號: 202011085876.2
• 申請日: 2020-10-12
• 公開（公告）號: CN112183875A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 曹杰;張佳禹;申冬琴;趙慕階;張威煊;徐桂瑩;馬麗娜;靖慧;羅婕;張興旺
• 申請（專利權）人: 云境商務智能研究院南京有限公司;南京理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q30/06
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;徐冬濤

本發明公開了一種基于用戶和產品層面的多因子在線購買行為轉化預測方法，其特征在于它基于用戶一系列頁面訪問事件，提取用戶瀏覽歷史中的預測因子，獲得各預測因子導致的用戶購買概率；結合產品層面的橋梁常數將獲得的用戶購買概率聚合獲得用戶轉化基數η_[t0:t0+△t](p)，η_[t0:t0+△t](p)表示用戶c在時間△t內購買產品p的概率。將本發明預測方法與5種基準方法預測結果進行誤差分析，本發明預測方法的RMSE值最低、PCC值最高，表明本方法具有較高的準確性。

技術領域

本發明涉及電子商務領域，并且更具體地涉及一種基于用戶和產品層面的多因子在線購買行為轉化預測方法。

背景技術

隨著電子商務的深入發展，電商網站及電商消費者規模呈現激增態勢，用戶在線購買習慣得以迅速形成，同時帶來了海量的產品信息和消費者在線行為數據，如何從海量的數據中提取和分析出有價值的用戶行為信息，較為準確的預測用戶偏好和購買行為，進而提高產品的購買轉化率，是企業提升競爭力的一個重要方面。

專利“基于用戶的行為順序預測購買概率的方法及其設備”(專利申請號201810745481.7)，發明了一種預測用戶購買概率的方法及其設備，該方法和設備將實時收集到的訪問購物網站的用戶日志按時間順序排列，生成與用戶的在線行為相對應的統一資源標識符(URI)序列，通過將URI序列與對應于購物網站的購買概率模型進行比較來計算用戶的產品購買概率，該專利提升了檢測用戶當前購買意圖的準確性。

專利“一種預測用戶購買商品行為的方法和裝置”(專利申請號201610356742.7)，提供了一種預測用戶購買商品行為的方案，該方案同時考慮了商品特征向量序列G、用戶特征向量U以及序列G之前的時間差因素，主要解決了現有技術中存在的預測準確度較低的缺陷。

專利“一種基于移動大數據的用戶購買意向預測方法”(專利申請號201910021407.5)，涉及一種基于移動大數據的用戶購買意向預測方法，包括根據用戶、商品基本信息進行特征工程構建，建立多個機器學習模型，同時對模型進行融合，并優化模型網絡參數優。通過大數據和算法構面向建移動電子商務的商品推薦模型，預測用戶購買意向，為移動用戶精準推薦合適的內容。

以上三個技術方案均存在以下缺陷：用戶購買行為轉化在線預測的準確性不高；相關產品精準推薦的準確度不高。

發明內容

為解決背景技術中存在的問題，本發明通過整合用戶購物行為多樣化、產品興趣水平和產品類型，構建產品和客戶模式轉換的相互依賴關系，提出用戶-產品多因子聯合預測模型，在提高瀏覽客戶轉換率的基礎上，最好的估計給定產品，根據產品轉化率進行產品推薦。

技術方案：

本發明公開了一種基于用戶和產品層面的多因子在線購買行為轉化預測方法，它基于用戶一系列頁面訪問事件，提取用戶瀏覽歷史中的預測因子，獲得各預測因子導致的用戶購買概率；結合產品層面的橋梁常數將獲得的用戶購買概率聚合獲得用戶轉化基數η_[t0:t0+△t](p)，η_[t0:t0+△t](p)表示用戶c在時間△t內購買產品p的概率。

優選的，所述預測因子包括購買轉移B¹_c,p、瀏覽比率B²_c,p、瀏覽時間B³_c,p，具體的：

購買轉移：采用用戶轉移權重W來表示用戶購買概率G(P,V,W)表示一個有權有向的節點的購買轉移圖，P＝{P₁，P₂…P_n}表示不同的產品，邊表示購買轉移：