[发明专利]一种基于全埋点与潜在因子模型的用户行为分析方法和装置

权利要求书

1.一种基于全埋点与潜在因子模型的用户行为分析方法，其特征在于，包括如下步骤：

(1)编写埋点采集插件并搭建日志服务器，用于存放埋点采集得到的数据；

(2)搭建云端大数据分析平台，对埋点采集得到的数据进行分析；

(3)搭建电脑PC浏览器端数据展示平台，在平台展示分析结果；

(4)企业在目标网站进行埋点，采集用户行为数据到日志服务器；

(5)大数据分析平台根据采集得到的数据进行数据清洗；

(6)清洗后的数据使用基于用户的潜在因子模型的推荐算法进行计算，生成用户行为分析结果；

(7)企业管理者通过PC浏览器端进入平台后，查看各项用户行为分析数据。

2.如权利要求1所述的基于全埋点与潜在因子模型的用户行为分析方法，其特征在于，步骤(1)中，采用全埋点技术，针对金融行业进行针对性埋点。

3.如权利要求2所述的基于全埋点与潜在因子模型的用户行为分析方法，其特征在于，步骤(1)中，通过用户点击浏览、点击事件获得账号来源域名、ip各项必备数据项以及深度行为数据项。

4.如权利要求1所述的基于全埋点与潜在因子模型的用户行为分析方法，其特征在于，步骤(2)中，搭建云端大数据分析平台，对埋点采集得到的数据进行分析具体包括如下步骤：

(21)使用flume框架将采集到的用户日志信息存放到HDFS中；

(22)再使用HiveQL进行数据清洗将数据存放在Hbase数据库中；

(23)最后利用最新的Hadoop集群计算引擎进行边缘计算大数据平台的搭建，将清洗后的数据使用基于用户的潜在因子模型的推荐算法进行计算，结果存放在Hive仓库中，并通过Sqoop导入MySQL数据库。

5.如权利要求4所述的基于全埋点与潜在因子模型的用户行为分析方法，其特征在于，步骤(23)中，利用最新的Hadoop集群计算引擎进行边缘计算大数据平台的搭建，将清洗后的数据使用基于用户的潜在因子模型的推荐算法进行计算，结果存放在Hive仓库中，并通过Sqoop导入MySQL数据库具体包括如下步骤：

(231)根据用户账号的行为信息确定用户的终端信息；

(232)根据用户账号的多次终端登录行为信息确定用户的包括访问时间、操作系统、来源域名、浏览器类型；

(233)根据用户账号的行为信息确定包括网站的浏览量、访客数、访问次数、访客独立IP个数、跳出率、平均在线时长；

(234)根据用户账号的行为信息确定包括实时用户分析、留存用户分析并提供用户画像功能；

(235)根据用户账号的行为信息使用潜在因子模型进行计算，确定针对不同用户的产品推荐；

(236)根据用户账号的行为信息确定包括包括用户群、访问量、浏览量、访问者分析。