[发明专利]通过网站访问数据识别购买模式的方法及装置

说明书

本申请公开一种通过网站访问数据分析购物模式的方法及装置，通过网站访问数据分析购物模式的方法包括：对网站访问数据进行处理，得到因变量数据与自变量数据；对所述自变量数据进行离散化处理，得到离散自变量数据；建立分位数回归算法模型；以及通过所述分位数回归算法模型获得所述因变量数据与所述离散自变量数据之间的关系数据。本申请公开的通过网站访问数据分析购物模式的方法，通过建立分位数回归算法模型，可以识别不同情况下用户访问与购买之间的多种模式，进而更加精确细分用户行为。

技术领域

本发明涉及信息数据处理领域，具体而言，涉及一种通过网站访问数据识别购买模式的方法及装置。

背景技术

在电商业务中，用户主要通过电商提供的商品描述页面来了解商品信息，进而决定是否购买该商品。访问电商的用户对于商品网页的访问数量、时长等信息和该用户实际购买商品之间，存在很强的时间上先后关系，以及过程上的强关联关系。如果能识别不同访问网页的特点与实际购买商品之间的模式以及关系，有针对性的根据不同的用户习惯，制定不同的营销策略，就可以提高电商运营效率，也可以提升用户的购物体验。

在识别用户对于网页的访问特点与实际购买商品之间关系的方法中，应用最广泛的方法是经典的回归方法。经典回归方法将用户访问行为数据作为自变量，将用户之后的购买行为作为因变量，用自变量来估计因变量的均值。经典回归方法主要基于因变量的均值来进行数据分析处理，经典回归方法采用因变量条件均值的函数来描述自变量每一特定数值下的因变量均值，从而揭示自变量与因变量的关系。但是，经典回归方法在实际应用中，并不能精确地估计因变量，另外，经典回归方法的回归模型容易受偏态分布和离群值的影响，会造成数据模型的拟合精度不高等负面影响。

因此，需要一种新的通过网站访问数据识别购买模式的方法及装置。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种通过网站访问数据识别购买模式的方法及装置，能够识别不同情况下用户访问与购买之间的关系，提升用户体验，扩大营销效果。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种通过网站访问数据分析购物模式的方法，包括：对网站访问数据进行处理，得到因变量数据与自变量数据；对自变量数据进行离散化处理，得到离散自变量数据；以及建立分位数回归算法模型；以及通过所述分位数回归算法模型获得所述因变量数据与所述离散自变量数据之间的关系数据。

在本公开的一种示例性实施例中，建立分位数回归算法模型，包括：确定分位数回归算法模型的目标函数；确定分位数回归算法模型的分位数个数与回归形式；利用最优化方法确定分位数回归算法模型的回归参数；以及进行分位数回归算法模型的回归检验。

在本公开的一种示例性实施例中，目标函数为：

其中，d_q(y，q)为目标函数公式，p∈(0,1)，p表示数值小于第p个分位数的比例，q是p分位数对应的数值。

在本公开的一种示例性实施例中，利用最优化方式求解回归参数，最优化目标公式为：

其中τ∈(0,1)，为第τ分位数下的回归系数估计，ρ_τ(z)＝τZI_[0.∞)(Z)-(1-τ)ZI_(-∞,0)(Z)，其中，I(·)为示性函数，x_i为自变量，y_i为因变量。