[发明专利]一种基于用户行为特征的优惠券额度动态调节方法

权利要求书

1.一种基于用户行为特征的优惠券额度动态调节方法，其特征在于，包括以下步骤：

步骤一：获取用户行为权重，采集并记录用户在t时间段内对商品的操作变量，进行组合后形成t时间段内的用户行为权重；

步骤二：计算用户调整权重，根据用户的优惠券购物信息计算出用户调整权重；

步骤三：用户特征权重分析，对每个用户的个人信息进行聚类分析，获取每个用户的特征权重；

步骤四：激励分数计算，根据激励分数计算公式并结合用户行为权重、用户调整权重和用户的特征权重计算出每个用户的激励分数；

步骤五：优惠额度等级划分，将用户的激励分数和优惠额度均划分为M个等级，并将划分等级后的激励分数和优惠额度一一对应，最后获得用户的优惠额度等级；

所述步骤一具体包括以下子步骤：

S101，分别并采集记录一段时间t内每个用户的商品操作变量x_j，操作变量x_j具体包括商品点击数、商品详情页面停留时间、购物车商品价值、已购商品价格、分享次数和优惠券使用次数，并将记录的操作变量x_j组成用户i的行为向量X_i，如下式所示：

，

同时将t时间段内m个用户的行为向量X组成形成用户行为矩阵U：

，n表示操作变量的个数，m表示用户的个数，表示第m个用户的第n个操作变量；

S102：取行为矩阵U中用户i的行为向量，把的操作变量平移1，即将行为向量的所有操作变量的值加1，获得平移后的行为向量：

,

根据上述公式，把所有m个用户的行为向量进行加1操作，此时行为矩阵U变换为：

S103：计算用户i的第j个操作变量的的标准化正向指标：

其中，为行为矩阵中的第i行j列的元素, 为矩阵中的第j个列的所有元素,min, max分别为求最小值和最大值的函数，表示计算行为矩阵中的第j个列的所有元素中的最小值，表示计算行为矩阵中第j个列的所有元素中的最大值，即求操作变量j中的最小值和最大值；

计算出行为矩阵中全体用户的所有操作变量的标准化正向指标，然后根据下标索引i和j，获得关于m个用户的标准化正向指标矩阵Y：

，n表示用户的n个标准化正向指标；

S104：基于标准化正向指标矩阵Y，定义用户i关于操作行为j的发生概率为：

，

计算每类操作变量j的熵：

；

定义熵向量E为所有操作变量j的熵的集合，所有的熵按操作变量的索引j排列，获得熵向量E为：

；

S105：每个操作变量的熵确定操作变量x_j的行为权重w_j，行为权重w_j的计算表达式为：

，

定义权重向量W为操作变量的权重的集合，所有的权重按操作变量的索引j排列，获得权重向量W为：

；

S106：根据权重向量W，计算第i个用户的行为的得分：

，

其中，i表示用户的索引，为U矩阵中的i行j列的元素，表示用户i的第j个操作变量；表示操作j的权重；

从而得到所有用户的行为评分的集合，以向量Z来表示，所有的评分按用户索引i排列；

；

所述步骤二具体包括以下子步骤：

S201: 计算一段时间t内m个用户使用优惠券购物的总金额，第i个用户使用购物的总金额用表示；

S202: 计算一段时间t内n个用户中每个用户使用优惠券购物所占的比例作为调整权重：

其中，为上一步骤中计算的第i个用户的购物券购物的总金额，表示第i个用户的总金额在所有用户的购物总金额中占的比重；

将所有m个用户的比重集合组成比重向量T，所有的比重按用户索引i排列；

；

所述步骤四中的激励分数计算公式如下式所示：

式中，α和β为超参数，由运营人员根据实际运营情况设置；为用户i的评分，为用户的比重，为购买力评价，最后，为用户i的激励分数。