[發(fā)明專利]一種基于用戶行為特征的優(yōu)惠券額度動態(tài)調節(jié)方法

有效

• 申請?zhí)枺?/td>: 202110993110.2
• 申請日: 2021-08-27
• 公開（公告）號: CN113449818B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設計）人: 曾勝;曹權
• 申請（專利權）人: 四川特號商盟科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

1.一種基于用戶行為特征的優(yōu)惠券額度動態(tài)調節(jié)方法，其特征在于，包括以下步驟：

步驟一：獲取用戶行為權重，采集并記錄用戶在t時間段內對商品的操作變量，進行組合后形成t時間段內的用戶行為權重；

步驟二：計算用戶調整權重，根據(jù)用戶的優(yōu)惠券購物信息計算出用戶調整權重；

步驟三：用戶特征權重分析，對每個用戶的個人信息進行聚類分析，獲取每個用戶的特征權重；

步驟四：激勵分數(shù)計算，根據(jù)激勵分數(shù)計算公式并結合用戶行為權重、用戶調整權重和用戶的特征權重計算出每個用戶的激勵分數(shù)；

步驟五：優(yōu)惠額度等級劃分，將用戶的激勵分數(shù)和優(yōu)惠額度均劃分為M個等級，并將劃分等級后的激勵分數(shù)和優(yōu)惠額度一一對應，最后獲得用戶的優(yōu)惠額度等級；

所述步驟一具體包括以下子步驟：

S101，分別并采集記錄一段時間t內每個用戶的商品操作變量x_j，操作變量x_j具體包括商品點擊數(shù)、商品詳情頁面停留時間、購物車商品價值、已購商品價格、分享次數(shù)和優(yōu)惠券使用次數(shù)，并將記錄的操作變量x_j組成用戶i的行為向量X_i，如下式所示：

，

同時將t時間段內m個用戶的行為向量X組成形成用戶行為矩陣U：

，n表示操作變量的個數(shù)，m表示用戶的個數(shù)，表示第m個用戶的第n個操作變量；

S102：取行為矩陣U中用戶i的行為向量，把的操作變量平移1，即將行為向量的所有操作變量的值加1，獲得平移后的行為向量：

,

根據(jù)上述公式，把所有m個用戶的行為向量進行加1操作，此時行為矩陣U變換為：

S103：計算用戶i的第j個操作變量的的標準化正向指標：

其中，為行為矩陣中的第i行j列的元素, 為矩陣中的第j個列的所有元素,min, max分別為求最小值和最大值的函數(shù)，表示計算行為矩陣中的第j個列的所有元素中的最小值，表示計算行為矩陣中第j個列的所有元素中的最大值，即求操作變量j中的最小值和最大值；

計算出行為矩陣中全體用戶的所有操作變量的標準化正向指標，然后根據(jù)下標索引i和j，獲得關于m個用戶的標準化正向指標矩陣Y：

，n表示用戶的n個標準化正向指標；

S104：基于標準化正向指標矩陣Y，定義用戶i關于操作行為j的發(fā)生概率為：

，

計算每類操作變量j的熵：

；

定義熵向量E為所有操作變量j的熵的集合，所有的熵按操作變量的索引j排列，獲得熵向量E為：

；

S105：每個操作變量的熵確定操作變量x_j的行為權重w_j，行為權重w_j的計算表達式為：

，

定義權重向量W為操作變量的權重的集合，所有的權重按操作變量的索引j排列，獲得權重向量W為：

；

S106：根據(jù)權重向量W，計算第i個用戶的行為的得分：

，

其中，i表示用戶的索引，為U矩陣中的i行j列的元素，表示用戶i的第j個操作變量；表示操作j的權重；

從而得到所有用戶的行為評分的集合，以向量Z來表示，所有的評分按用戶索引i排列；

；

所述步驟二具體包括以下子步驟：

S201: 計算一段時間t內m個用戶使用優(yōu)惠券購物的總金額，第i個用戶使用購物的總金額用表示；

S202: 計算一段時間t內n個用戶中每個用戶使用優(yōu)惠券購物所占的比例作為調整權重：

其中，為上一步驟中計算的第i個用戶的購物券購物的總金額，表示第i個用戶的總金額在所有用戶的購物總金額中占的比重；

將所有m個用戶的比重集合組成比重向量T，所有的比重按用戶索引i排列；

；

所述步驟四中的激勵分數(shù)計算公式如下式所示：

式中，α和β為超參數(shù)，由運營人員根據(jù)實際運營情況設置；為用戶i的評分，為用戶的比重，為購買力評價，最后，為用戶i的激勵分數(shù)。