[发明专利]一种用户行为信息的分析方法和装置

说明书

技术领域

本申请涉及互联网技术领域，尤其涉及一种用户行为信息的分析方法和装置。

背景技术

随着互联网的发展，常常需要对用户的行为信息进行分析，以便预测用户未来的行为，进而基于预测结果确定互联网信息的分发策略或处理策略。

目前，通常通过建立模型的方式进行用户行为的分析，具体地，首先从历史数据中采集样本，基于采集的样本建立预测模型，然后根据预测模型中的预测系数，比如概率系数、支持度系数或关系权重系数等，来预测用户潜在的行为。

比如，在电子商务领域，当基于产品间的关联规则来建立预测模型，对用户的消费行为信息进行分析，以便预测用户未来的消费行为时，需要先从历史数据中采集一定数量的样本，统计这些样本中同一时段内被同时购买的商品类目、数量，根据统计结果计算各个商品类目之间的关系权重系数，然后基于得到的关系权重系数建立预测模型，所述预测模型根据用户最新消费的产品和该产品与其他产品间的关系权重系数来预测用户的潜在消费行为，比如，如果钢笔和钢笔水的关系权重系数较高，用户当前购买了钢笔，则可以预测用户未来可能购买钢笔水。

可见，当通过建立模型来分析用户行为时，由于所述模型是基于一定的规则建立的，比如基于产品间的关联规则建立模型，建立模型所基于的规则不一定能全面覆盖所有用户的消费行为，因此建立的模型存在一定的片面性和随机性，不能保证适用于所有的用户，确定用户潜在消费行为的准确率较低。

而且，从时间维度考虑，一旦模型建立完成以后，除非重新选择样本并重新建立模型，否则模型中的预测系数是固定不变的，因此不能够适应变化的消费习惯、消费趋势等最新的消费行为信息，导致确定用户潜在消费行为的准确率下降。

发明内容

有鉴于此，本发明提供了一种用户行为信息的分析方法和装置，能够提高确定用户潜在消费行为的准确率。

本发明的技术方案是这样实现的：

一种用户行为信息的分析方法，该方法包括：

根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

一种用户行为信息的分析装置，该装置包括提取模块、查询模块、确定模块；

所述提取模块，用于根据用户的登录信息，提取预设属性的属性值，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目；

所述查询模块，用于根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，其中，所述组合属性KEY对应的取值Value包括各个商品类目的历史购买次数；

所述确定模块，用于根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户潜在的消费对象。

由上述技术方案可见，本发明实施例中，根据用户的登录信息，提取预设属性的属性值，根据提取的各个预设属性的属性值确定组合属性关键词KEY，查询数据库，得到所述组合属性KEY对应的取值Value，根据所述组合属性KEY对应的取值Value中各个商品类目的历史购买次数，将历史购买次数最多的前N个商品类目确定为所述用户的潜在消费对象。

由于本发明实施例基于数据库来确定用户的潜在消费对象，并且所述数据库基于组合属性关键词KEY来存储各个商品类目的历史购买次数，其中，所述预设属性包括所述用户的属性和所述用户上次购买的商品所属的商品类目，因此，针对属性值不同的各个用户，即便其上次购买的商品所属的商品类目相同，由于由用户属性值和上次购买的商品所属的商品类目所组成的组合属性关键词KEY的值不同，因此在数据库中将对应不同的Value值，相当于针对不同属性的用户的行为信息分别进行分析，因此能够保证确定出的用户潜在消费对象能够符合该用户自身的特点。