[发明专利]一种精准分析用户行为和特征的方法

说明书

本发明公开了一种精准分析用户行为和特征的方法，包括留存分析、漏斗分析、事件分析、画像分析和提取出用户行为和特征的方法，将结果解析并生成特定的可视化图表展现出来，获取用户直观的数据全面分析结论；本发明通过构建用户画像，利用自然语言，机器学习等技术将业务而复杂多变的多维度用户标签融合为一体，再对其重要特征进行分析，理解可视化，从而更精确的推断出用户真实需求；抓住了不同保险场景、不同环节下的产品特点，对产品进行了全方位分析，提升实际应用分析的效果，提高决策效率；通过对目标用户的研究，使所有参与产品的人都基于一致的用户进行讨论和决策，很容易约束各方能保持在同一个大方向上，提高决策的效率。

技术领域

本发明涉及大数据分析领域，具体为一种精准分析用户行为和特征的方法。

背景技术

目前保险公司有着庞大的用户数据，这些数据就是一个巨大财富资源库，囊括了大量用户的基本属性数据：性别，年龄，用户所在地点，生活，学历，互动行为，爱好，等等。在产品设计流程中，各个环节的参与者非常多，分歧总是不可避免，决策效率无疑影响着项目的进度。这些属性数据揭示着人们的用户行为和用户特征，将这些数据提取，加工，集成，整合，从而来驱动业务增长，为战略决策做指导。目前，在保险领域尚没有将此种技术进行应用。

发明内容

本发明的目的在于提供一种精准分析用户行为和特征的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种精准分析用户行为和特征的方法，包括如下具体步骤：

S1：留存分析：分析用户的参与情况或活跃程度，考察进行初始行为的用户的留存率，并对留存率进行计算，以图表的形式进行展现，分析用户震荡期、选择期和平稳期三个使时期的趋势；

S2：漏斗分析：对用户在APP，PC网页等网络上的“数字足迹”数据进行采集并进行流程分析，分析参数为流程中每一步的转化与流失，对网站用户和APP用户进行行为分析、流量监控、产品目标转化等日常数据运营，把握转化率和流失率两个互补型指标，得出用户行为状态以及从起点到终点各阶段用户转化率情况；

S3：事件分析：利用行为事件分析法来研究某行为事件的发生对企业组织价值的影响以及影响程度，追踪或记录的用户行为或业务过程，包括用户注册、浏览产品详情页、成功核保等，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等；

S4：画像分析：以用户的属性、用户偏好、生活习惯、用户行为等信息而抽象生成出标签化用户模型作为用户画像；

S5：系统通过上述留存分析、漏斗分析、事件分析和画像分析得出的数据，提取出用户行为和特征的方法，将结果解析并生成特定的可视化图表展现出来，获取用户直观的数据全面分析结论。

作为本发明的一种优选方案，所述留存率指单位时间内的用户留存数量，留存图表的横轴为时间，纵轴为留存率，用于直观展示留存率的变化情况。

作为本发明的一种优选方案，所述用户的参与情况或活跃程度的分析参数包括用户数量、用户留存率、新增用户数、次日或一日留存率、渠道留存率、留存率的经典数据校验、用户留存重要因素等。

作为本发明的一种优选方案，所述标签化用户模型的建立通过权重分配、权重计算、数学建模等形式形成。

作为本发明的一种优选方案，所述事件分析过程中，获取用户对多个商品的行为记录，并确定多个商品中的每个商品在预设的商品特征空间中的商品特征向量，得到由所述多个商品的商品特征向量组成的商品特征矩阵，根据同一用户对同一商品的行为记录，计算该用户对该商品的喜好度评分，从而对用户的行为特征进行分析。

作为本发明的一种优选方案，所述漏斗分析中，基于网络数据获取，将用户的网页浏览进行区域性划分，并记录用户在各个区域内的停留时间以及登录频率，并计算出用户在各个区域内的活动程度。