基于移动用户位置和用户行为的商圈信息推送方法与流程

本发明涉及移动网络技术，特别是涉及一种基于移动用户位置和用户行为的商圈信息推送方法的技术。

背景技术：

移动互联网的高速发展，除了带来庞大的移动用户上网行为数据，同时也带来了无限的商机可能，更多的商户希望借助移动互联网完成自己的商业广告推送业务，从而获取更多的商机，然而如何在面对庞大移动用户群的前提下进行精确商户广告推送业务，成为了目前技术的一大难题，如何确保将用户感兴趣的商户广告信息及时、准确地推送到最大可能性的潜在消费用户的终端上，成为了当下各行业中研究的重点内容

现有的商圈信息推送方法都没有针对性，普遍采用区域广播方式进行商户广告信息内容推送，相对成本较大，收效却甚微，导致移动用户收到大量的垃圾信息，一方面给移动用户造成了干扰，易引起用户投诉，造成用户体验下降，另一方面也有损商圈形象。

技术实现要素：

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种能够针对用户实时/准实时位置和用户行为偏好推送商圈信息，实现针对性的有效推送，从而避免推送过多垃圾信息的基于移动用户位置和用户行为的商圈信息推送方法。

为了解决上述技术问题，本发明所提供的一种基于移动用户位置和用户行为的商圈信息推送方法，其特征在于，具体步骤如下：

1)设定各个商圈的商圈地理有效范围，并获取移动网络的用户数据，并对所获取的用户数据实施数据清洗，清洗后的移动网络用户数据中包含有移动网络用户的实时数据及上网行为历史数据；

2)对清洗后的移动网络用户数据进行用户位置坐标定位，根据移动网络用户所接收到的移动网络基站信号发射场强，及移动网络用户所接收到的移动网络基站信号的单向时延或往返时延，利用三角定位结合无线电波空间路径损耗计算方法，得到移动网络用户的当前位置信息；

3)将移动网络用户的当前位置信息与各个商圈的商圈地理有效范围进行关联匹配，找出移动网络用户当前位置所在的商圈；

4)根据清洗后的移动网络用户数据中的上网行为历史数据，构建移动网络用户的上网行为偏好画像模型；

5)根据移动网络用户的上网行为偏好画像模型，对移动网络用户的上网行为偏好进行分级，得到移动网络用户的上网行为偏好向量；

6)将移动网络用户的上网行为偏好向量与所在商圈内的商户信息进行相似度匹配分析，计算移动网络用户的上网行为偏好向量与移动网络用户所在商圈内的各个商户的特征向量的余弦相似度，并通过移动网络将相似度最高的各个商户的商户信息推送给移动网络用户。

进一步的，预先设定商圈内的热门商户，如果移动网络用户的上网行为偏好向量与移动网络用户所在商圈内的各个商户的特征向量的余弦相似度完全不匹配，则通过移动网络将移动网络用户所在商圈内的热门商户的商户信息推送给移动网络用户。

本发明提供的基于移动用户位置和用户行为的商圈信息推送方法，基于移动网络基站信号实现移动用户的定位，并根据移动网络用户的上网行为偏好有目标性的对移动用户推送商圈用户信息，实现针对性的有效推送，从而能避免推送过多垃圾信息。

附图说明

图1是本发明实施例的基于移动用户位置和用户行为的商圈信息推送方法的流程图；

图2是本发明实施例的基于移动用户位置和用户行为的商圈信息推送方法的具体实施方式流程图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系。

如图1所示，本发明实施例所提供的一种基于移动用户位置和用户行为的商圈信息推送方法，具体步骤如下：

1)设定各个商圈的商圈地理有效范围，并获取移动网络的用户数据，并对所获取的用户数据实施数据清洗，清洗后的移动网络用户数据中包含有移动网络用户的实时数据及上网行为历史数据(上网行为是指访问互联网的行为)；

移动网络的用户数据一般通过运营商网络实时采集，用户历史上网行为数据也可从现有数据库中抽取；

对移动网络用户数据实施数据清洗的方式是对用户数据中的非法数据及冗余字段进行过滤，并对用户数据中的超常值(异常值/空值)进行检测并处理，实现数据清洗；

2)对清洗后的移动网络用户数据进行用户位置坐标定位，根据移动网络用户所接收到的移动网络基站信号发射场强，及移动网络用户所接收到的移动网络基站信号的单向时延或往返时延，利用三角定位结合无线电波空间路径损耗计算方法，得到移动网络用户的当前位置信息(即移动网络用户所在位置的具体经纬度信息)；

定位算法包括室内基站单点定位算法、室外基站单点定位算法、室外基站两点交叉定位算法、室外基站三点交叉定位算法、室外基站多点复杂交叉定位算法；

3)将移动网络用户的当前位置信息与各个商圈的商圈地理有效范围进行关联匹配，找出移动网络用户当前位置所在的商圈；

4)根据清洗后的移动网络用户数据中的上网行为历史数据，构建移动网络用户的上网行为偏好画像模型；

构建上网行为偏好画像的方法为现有技术，该方法根据移动网络用户的上网行为历史数据，创建移动网络用户的上网行为画像规则，并对结果数据进行最大最小值归一化处理，得到消除量纲影响的移动网络用户上网行为偏好刻画数据，再进行盒图(boxplot)分析，并动态设定打分阈值，获得移动网络用户的上网行为偏好矩阵，完成移动网络用户的上网行为偏好画像模型；

5)根据移动网络用户的上网行为偏好画像模型，对移动网络用户的上网行为偏好进行分级，得到移动网络用户的上网行为偏好向量；

6)将移动网络用户的上网行为偏好向量与所在商圈内的商户信息进行相似度匹配分析，计算移动网络用户的上网行为偏好向量与移动网络用户所在商圈内的各个商户的特征向量的余弦相似度(商户的特征向量为预先设定)，并通过移动网络将相似度最高的各个商户的商户信息推送给移动网络用户；

预先设定商圈内的热门商户，如果移动网络用户的上网行为偏好向量与移动网络用户所在商圈内的各个商户的特征向量的余弦相似度完全不匹配，则通过移动网络将移动网络用户所在商圈内的热门商户的商户信息推送给移动网络用户。

如图2所示，本发明实施例的具体实施方式如下：

步骤1：明确数据规格，数据各字段说明及数据量大小评估，利用kafka技术完成移动网络用户数据的实时采集和大数据平台入库工作，移动用户历史上网行为数据也可采用sqoop技术导入到大数据平台的hdfs系统中；

步骤2：将实时采集或导入的文本文件数据/压缩文件/采集文件数据put到大数据分布式存储系统(hdfs)上，并使用sql根据数据字段说明，建立相应hive表；对数据中非法数据及冗余字段进行过滤；对数据中超常值(异常值/空值)进行检测并处理；

步骤3：对清洗后的当前用户数据进行实时/准实时用户位置坐标定位，定位算法采用scala语言利用spark的高效分布式计算系统实现，算法原理基于移动用户接收上报的运营商基站信号发射场强及时延，利用无线电波空间路径损耗结合三角定位技术，并扩展为：室内基站单点定位算法、室外基站单点定位算法/两点交叉定位算法/三点交叉定位算法/多点复杂交叉定位算法，定位移动用户所在位置的具体经纬度信息；

步骤4：将步骤3结果中的移动用户的实时/准实时位置信息结合商圈地理有效范围信息，实现对落在具体商圈有效范围内移动用户的关联匹配；

步骤5：基于移动用户的移动互联网历史行为数据，完成用户偏好画像，根据用户历史访问的appid和host，创建用户行为画像规则，对结果数据进行最大最小值归一化处理，得到消除量纲影响的用户上网行为偏好刻画数据，再进行boxplot分析，动态设定打分阈值，获得每个用户上网行为偏好矩阵，完成用户画像模型；

步骤6：基于自定义rule规则，完成用户上网行为打分(偏好标签打分)及误差校正，输出用户画像模型结果数据；

步骤7：将步骤4结果中的移动用户当前位置归属的商圈内的商户信息与用户的画像模型结果数据进行相似度匹配分析，计算商圈内的用户偏好向量与每个商户的特征向量的余弦相似度，并将结果中匹配度最高的推荐商户信息发送到消息队列中；对于用户画像模型与该商圈内商户信息无法匹配的，则根据热门商户统计结果，将热门商户信息发送到消息队列中。

步骤8：消息队列中的商户推送信息通过运营商的短信网关及时发送给用户，完成整个商户信息推送过程。