[发明专利]一种数据分析的方法和装置

说明书

本发明提供了一种数据分析的方法和装置，该方法包括：在交互式网络电视IPTV系统中，通过在预先获取的采样区间中提取时间参数，并依据预设算法计算所述时间参数，得到消费意愿参数；提取采样区间中的消费数据，得到消费能力参数，其中，消费能力参数用于指示购买力；依据消费意愿参数和消费能力参数之间的数学关系，得到价值参数；依据预设聚类算法划分每个用户的价值参数所处的区间，得到区间对应的数据群体，解决由于现有RFM模型对评估用户数据反馈分析结果不精确，导致的分析报告可参考意义价值低的问题，达到提升用户数据分析结果精确率效果。

技术领域

本发明涉及互联网技术应用领域，具体而言，涉及一种数据分析的方法和装置。

背景技术

目前在交互式网络电视(Interactive Personality TV，简称IPTV)领域，用户营销手段偏向传统：运营商在电视上展示可供用户订购的内容后，用户浏览后在机顶盒上发起订购。这种订购方式全凭用户兴趣喜好，运营商完全处于被动，也无法有效识别用户，因此，急需开发一套有效的数学模型来分析用户消费行为。

最近一次消费、消费频率、消费金额(Regency、Frequency、Monetary，简称RFM)模型是一种衡量用户价值和分析消费行为的重要工具和手段，现有技术中用户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：

其中，最近一次消费(Regency)：用户最近一次购买时间与分析时间点的间隔天数。最近一次消费的时间间隔是用户关系保持的一个重要指标。用户最近一次消费的时间比较近，可以认为用户再次购买的可能性比较大，即造成“回头客”的概率比较大。因此，越是消费时间越近的用户越优质，对企业提供的相关的服务和促销活动也最有吸引力。

消费频率(Frequency)：统计期间内用户购买产品的次数。在统计期间内，消费频率较多，通常代表对产品满意度较高，用户对产品或品牌的忠诚度也比较高。

消费金额(Monetary)：统计期间内用户消费的总金额。总金额越大，代表用户为企业创造的价值也越大。

针对以上三个指标，每个指标按照从大到小划分成五等份，结合 起来就是125类用户群，对不同的用户群进行数据分析，可以采取不同的营销策略。比如，每项排前20％的用户是优质用户，应该尽力维持好与他们的用户关系。排在中间60％的用户，是我们要尽量争取的用户，应加大对这些用户群的投资力度。

RFM根据用户的历史消费行为，能够较为精确的判断出用户价值和潜在价值，进一步细分成目标用户群，为企业的营销策略和经营决策提供参考依据。

RFM也存在一定的缺陷，首先，125类用户群区分太细，实际应用中难以掌控如此多的用户群并且制定相应的营销策略；其次，不同用户之间的消费间隔与消费频率伴随着消费习惯的不同而不一样，不能对用户之间对最后一次消费指标和消费频率指标进行纵向比较，也无法直接反映出用户的消费趋势，而这个却是用户关系管理中比较重要的指标之一。

针对相关技术中由于现有RFM模型对评估用户数据反馈分析结果不精确，导致的分析报告可参考意义价值低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种数据分析的方法和装置，以至少解决由于现有RFM模型对评估用户数据反馈分析结果不精确，导致的分析报告可参考意义价值低的问题。

根据本发明的一个实施例，提供了一种数据分析的方法，包括：在交互式网络电视IPTV系统中，通过在预先获取的采样区间中提取时间参数，并依据预设算法计算时间参数，得到消费意愿参数；提取采样区间中的消费数据，得到消费能力参数，其中，消费能力参数用于指示购买力；依据消费意愿参数和消费能力参数之间的数学关系，得到价值参数；依据预设聚类算法划分每个用户的价值参数所处的区间，得到区间对应的数据群体。