[发明专利]一种基于用户购买数据实时下发优惠券的方法及装置

权利要求书

1.一种基于用户购买数据实时下发优惠券的方法，其特征在于，包括如下步骤：

根据用户购买数据建立用户购买数据库，

判定所述用户是否为首次购买用户，若是则触发复购事件估计，

若否则根据产品购买周期进行复购提醒并下发优惠券，

根据用户购买周期进行流失用户判定并下发优惠券，

上述产品购买周期，根据所述用户购买数据库中同一用户购买同一产品的间隔，计算出的每个指定用户对指定产品的平均间隔，得到的所有用户在该产品购买间隔的平均值，

上述用户购买周期，根据用户各个产品的购买周期及各个产品最近一次的购买时间得到的该用户各产品中最晚的复购时间。

2.根据权利要求1所述的方法，其特征在于，所述用户购买数据包括：购买行为记录和/或用户基本属性信息，

所述购买行为记录，用以记录用户购买行为及所购买产品属性，

所述用户基本属性信息，用以作为用户基本元组信息。

3.根据权利要求1所述的方法，其特征在于，所述触发复购事件估计的方法具体包括：

若用户在购买后录入用户购买数据库的用户唯一号在数据库中第一次出现，则判定用户是首次购买，并计算用户复购概率，

根据得到的复购概率及第一次购买的产品，下发产品优惠券，

上述用户复购概率的计算是通过梯度提升树训练的学习模型对新的首次购买用户的复购概率预估得到。

4.根据权利要求3所述的方法，其特征在于，所述梯度提升树训练的学习模型为：

基于spark.mllib的二分类GBTs，类别Y的正样本为当前的复购用户，类别Y的负样本为当前的首购用户；

训练集的特征至少为：当前用户在首购时的购买产品、用户所在地、产品规格、产品价格、用户性别或用户年龄。

5.根据权利要求1所述的方法，其特征在于，所述产品购买周期的计算方法如下：

在所述用户购买数据库历史数据中找到同一用户购买同一产品的所有间隔，计算每个指定用户对指定产品的平均间隔，

将该同一产品的各个用户平均间隔在所有用户中求平均，得到所有用户在该产品购买间隔的平均值，并将其作为预估的产品购买周期，

根据写入用户购买数据库中的用户最近一次各个产品的购买时间、上一次购买量以及预估的产品购买周期、用户购买次数，判定用户距下一次购买该产品的分值，若所述分值大于设定阀值则准备对用户进行该产品的复购提醒，若下发优惠券阻拦机制未拦截，则下发优惠券。

6.根据权利要求5所述的方法，其特征在于，所述判定用户距下一次购买该产品的分值公式如下：

分值＝1/(2^(a*days+b*buycnt))

其中，a、b为调节系数，days＝产品购买周期-(当前时间-上次购买时间)，为一个天数值；buycnt为用户历史购买该产品的次数。

7.根据权利要求1所述的方法，其特征在于，所述根据用户购买周期进行流失用户判定的计算方法如下：

获取用户各个产品的购买周期及各个产品最近一次的购买时间，得到最晚购买的产品理论复购时间，即该用户各产品中最晚的复购时间；

其中，所述最晚复购时间max_产品i＝产品i上一次购买时间+产品i购买周期；

若到该时间用户对所有产品都没有再次购买，则判定为流失用户。

8.根据权利要求7所述的方法，其特征在于，更进一步还包括：

根据历史数据中所有被判定有发生过流失的用户为样本，

将流失发生后又再次购买的用户作为正样本，

将流失发生后未再次购买的样本作为负样本，

将用户性别、年龄、历史流失次数、购买次数、最近一次购买距离流失天数、历史累计消费总额信息作为特征，

进行逻辑回归的机器学习训练，根据训练模型，对流失样本进行预测，预测其流失召回概率，

根据流失召回概率，若流失召回概率低，且此时下发优惠券阻拦机制未拦截，则进行优惠券的下发。