一种可标签区分客户的用户行为数据分析系统的制作方法

1.本发明涉及网络信息技术领域，具体为一种可标签区分客户的用户行为数据分析系统。


背景技术：

2.随着互联网的发展，在电子商务、电子政务、电子服务、休闲娱乐等各个领域都产生了大量的用户，也开发了多种浏览器类型的app，用户在app上浏览这些页面和信息的时候就会产生海量的行为日志，这些海量的日志信息包含了大量的隐藏价值，通过对用户行为信息的研究，可以从中发现用户在访问app时所表现出来的规律、个性化的习惯等信息，从而为提升用户体验、精准营销、信息推送等提供科学、准确的依据，同时可以根据规律和用户行为偏好，对网站的页面布局、功能完善、系统架构做出更加优化的调整。
3.针对用户行为的研究与应用，最有效的手段是记录用户的所有行为带来的全部用户行为信息，并对全部的用户行为信息日志进行统计、分析，但是，目前现有的用户操作日志数据，只能简单的获取用户做了什么操作，而不能深度分析用户的操作意图，无法提前快速地了解用户在市场上的需求，不能做到用标签区分用户，精准推送信息，不能满足人们的要求。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种可标签区分客户的用户行为数据分析系统，解决了现有用户行为数据分析系统无法提前快速地了解用户在市场上的需求，不能做到用标签区分用户，精准推送信息的问题。
6.(二)技术方案
7.为实现上述目的，本发明提供如下技术方案：
8.一种可标签区分客户的用户行为数据分析系统，包括以下步骤：
9.s1：社会调查，先确定目标app，然后进行随机的用户调查，以问卷的形式收集用户的基本信息和喜好特征；
10.s2：信息采集，采集目标app的用户信息，用户信息包括人口属性，信用信息、行为特征，在收集用户信息后，针对日志中的数据，合并、去除日志中不需要的字段，填充缺失内容，并对数据进行归约化表示，得到精简的数据；
11.s3：构建标签库，根据采集的用户信息构建用户标签库；
12.s4：匹配标签库，获取目标app应用程序集合中与每一app应用程序对应的用户信息中与所设置的目标场景相对应的强相关数据，以得到每一app应用程序对应的强相关数据集合，然后将目标app应用程序集合中各app应用程序的强相关数据集合根据预先构建的标签库对应转化为标签，对应不同的用户；
13.s5：信息推送，根据不同的标签，给不同的用户推送其喜好的信息内容；
14.s6：精准度检验，首先收集信息推送后1
‑
15天中用户的浏览记录，然后与信息推送的内容相比对，并与社会调查结果相比对，查看推送的精准度。
15.作为本发明再进一步的方案，所述s1中包括信息采集模块，问卷为电子问卷和人工问卷。
16.进一步的，所述s2中行为特征包括1
‑
31天中的浏览时间、浏览次数、浏览内容。
17.在前述方案的基础上，所述s2中在采集信息时收集用户输入的关键词，基于自主的高速多关键字匹配算法，当多个关键字同时出现时，触发该规则，并进行记录。
18.进一步的，所述s3中包括标签库构建模块，标签库根据用户的属性，信息特征、行为特征进行区分，还包括用户的喜好、用户的关注点，实时热点关注程度。
19.在前述方案的基础上，所述s4中包括是数据分析模块，采用关联分析算法对所述行为分类结果进行挖掘分析，得到用户行为分析结果，并进行标签匹配。
20.本发明再进一步的方案，所述s4中在标签对应用户时要在采集用户信息的基础上对用户进行区分，根据用户的行为记录提取行为特征，然后划分出不同的用户类型，根据用户的基础画像信息生成不同用户类型对应的用户属性标签。
21.进一步的，所述s5中包括信息推送模块，信息推送模块连接有信息储存模块。
22.(三)有益效果
23.与现有技术相比，本发明提供了一种可标签区分客户的用户行为数据分析系统，具备以下有益效果：
24.1、本发明通过信息的采集能够更好的区分不同类型的用户，在收集用户信息后，针对日志中的数据，合并、去除日志中不需要的字段，填充缺失内容，并对数据进行归约化表示，得到精简的数据，减少工作量，而且得到的标签库更加精准，通过问卷的形式能够提高信息采集的多样性，提高用户行为数据分析的精准性。
25.2、本发明中，根据不同的标签，给不同的用户推送其喜好的信息内容，深度分析用户的操作意图，提前快速地了解用户在市场上的需求，用标签区分用户，精准推送信息。
26.3、本发明，通过精准度的检验能够了解信息推送的效果，从而发现问题，解决问题，完善用户行为分析系统，根据用户类型、用户属性、偏好等，确定与目标用户相匹配的银行业务并推荐给所述目标用户，根据用户类型、用户标签等区分，能够确定与目标用户相匹配的业务并推荐给所述目标用户，精准推送能够争取更多的客户。
27.4、本发明通过构建的标签库能够在后面的区分中很快的与之对应，把不同类别的用户区分成不同的类型，然后与标签库的标签相对应，来提高标签区分客户的效率。
附图说明
28.图1为本发明提出的一种可标签区分客户的用户行为数据分析系统的流程结构示意图。
29.图2为本发明提出的一种可标签区分客户的用户行为数据分析系统的系统结构示意图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.实施例1
32.参照图1
‑
2，一种可标签区分客户的用户行为数据分析系统，包括以下步骤：
33.s1：社会调查，先确定目标app，然后进行随机的用户调查，以问卷的形式收集用户的基本信息和喜好特征；
34.s2：信息采集，采集目标app的用户信息，用户信息包括人口属性，信用信息、行为特征，通过信息的采集能够更好的区分不同类型的用户，在收集用户信息后，针对日志中的数据，合并、去除日志中不需要的字段，填充缺失内容，并对数据进行归约化表示，得到精简的数据；
35.s3：构建标签库，根据采集的用户信息构建用户标签库；
36.s4：匹配标签库，获取目标app应用程序集合中与每一app应用程序对应的用户信息中与所设置的目标场景相对应的强相关数据，以得到每一app应用程序对应的强相关数据集合，然后将目标app应用程序集合中各app应用程序的强相关数据集合根据预先构建的标签库对应转化为标签，对应不同的用户；
37.s5：信息推送，根据不同的标签，给不同的用户推送其喜好的信息内容，深度分析用户的操作意图，提前快速地了解用户在市场上的需求，用标签区分用户，精准推送信息；
38.s6：精准度检验，首先收集信息推送后10天中用户的浏览记录，然后与信息推送的内容相比对，并与社会调查结果相比对，查看推送的精准度，通过精准度的检验能够了解信息推送的效果，从而发现问题，解决问题，完善用户行为分析系统。
39.本发明的s1中包括信息采集模块，问卷为电子问卷和人工问卷，通过问卷的形式能够提高信息采集的多样性，提高用户行为数据分析的精准性，s2中行为特征包括30天中的浏览时间、浏览次数、浏览内容，s2中在采集信息时收集用户输入的关键词，基于自主的高速多关键字匹配算法，当多个关键字同时出现时，触发该规则，并进行记录，s3中包括标签库构建模块，标签库根据用户的属性，信息特征、行为特征进行区分，还包括用户的喜好、用户的关注点，实时热点关注程度，通过构建的标签库能够在后面的区分中很快的与之对应，把不同类别的用户区分成不同的类型，然后与标签库的标签相对应，来提高标签区分客户的效率。
40.需要特别说明的是，s4中包括是数据分析模块，采用关联分析算法对所述行为分类结果进行挖掘分析，得到用户行为分析结果，并进行标签匹配，s4中在标签对应用户时要在采集用户信息的基础上对用户进行区分，根据用户的行为记录提取行为特征，然后划分出不同的用户类型，根据用户的基础画像信息生成不同用户类型对应的用户属性标签，根据用户类型、用户属性、偏好等，确定与目标用户相匹配的银行业务并推荐给所述目标用户，根据用户类型、用户标签等区分，能够确定与目标用户相匹配的业务并推荐给所述目标用户，精准推送能够争取更多的客户，s5中包括信息推送模块，信息推送模块连接有信息储存模块。
41.实施例2
42.参照图1
‑
2，一种可标签区分客户的用户行为数据分析系统，包括以下步骤：
43.s1：社会调查，先确定目标app，然后进行随机的用户调查，以问卷的形式收集用户的基本信息和喜好特征；
44.s2：信息采集，采集目标app的用户信息，用户信息包括人口属性，信用信息、行为特征，通过信息的采集能够更好的区分不同类型的用户，在收集用户信息后，针对日志中的数据，合并、去除日志中不需要的字段，填充缺失内容，并对数据进行归约化表示，得到精简的数据；
45.s3：构建标签库，根据采集的用户信息构建用户标签库；
46.s4：匹配标签库，获取目标app应用程序集合中与每一app应用程序对应的用户信息中与所设置的目标场景相对应的强相关数据，以得到每一app应用程序对应的强相关数据集合，然后将目标app应用程序集合中各app应用程序的强相关数据集合根据预先构建的标签库对应转化为标签，对应不同的用户；
47.s5：信息推送，根据不同的标签，给不同的用户推送其喜好的信息内容，深度分析用户的操作意图，提前快速地了解用户在市场上的需求，用标签区分用户，精准推送信息；
48.s6：精准度检验，首先收集信息推送后15天中用户的浏览记录，然后与信息推送的内容相比对，并与社会调查结果相比对，查看推送的精准度，通过精准度的检验能够了解信息推送的效果，从而发现问题，解决问题，完善用户行为分析系统。
49.本发明的s1中包括信息采集模块，问卷为电子问卷和人工问卷，通过问卷的形式能够提高信息采集的多样性，提高用户行为数据分析的精准性，s2中行为特征包括20天中的浏览时间、浏览次数、浏览内容，s2中在采集信息时收集用户输入的关键词，基于自主的高速多关键字匹配算法，当多个关键字同时出现时，触发该规则，并进行记录，s3中包括标签库构建模块，标签库根据用户的属性，信息特征、行为特征进行区分，还包括用户的喜好、用户的关注点，实时热点关注程度，通过构建的标签库能够在后面的区分中很快的与之对应，把不同类别的用户区分成不同的类型，然后与标签库的标签相对应，来提高标签区分客户的效率。
50.需要特别说明的是，s4中包括是数据分析模块，采用关联分析算法对所述行为分类结果进行挖掘分析，得到用户行为分析结果，并进行标签匹配，s4中在标签对应用户时要在采集用户信息的基础上对用户进行区分，根据用户的行为记录提取行为特征，然后划分出不同的用户类型，根据用户的基础画像信息生成不同用户类型对应的用户属性标签，根据用户类型、用户属性、偏好等，确定与目标用户相匹配的银行业务并推荐给所述目标用户，根据用户类型、用户标签等区分，能够确定与目标用户相匹配的业务并推荐给所述目标用户，精准推送能够争取更多的客户，s5中包括信息推送模块，信息推送模块连接有信息储存模块。
51.在该文中的描述中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
52.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以
理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。