用户画像获取方法及装置与流程

本发明涉及通信领域，尤其涉及一种用户画像获取方法及装置。

背景技术：

用户画像，是一种勾画目标用户、联系用户诉求与设计方向的有效工具。目前，用户画像被广泛地应用于各种领域，如产品研发时，通过用户画像，进行产品定位、回话；产品推广时，应用用户画像，找到潜在用户等。

目前，很多用户画像的方法都是通过分析用户在访问网页时的行为实现，例如，现有技术中可以通过对网站进行特征标识，根据用户是否访问过该网站，获取用户的用户画像。但是，现有的用户画像获取方案，由于其分析的数据往往相对片面，因此获得的用户画像无法真实准确地反映用户特性。

技术实现要素：

本发明提供一种用户画像获取方法及装置，用于解决现有的用户画像获取方案无法真实准确地获得用户画像的问题。

本发明的第一个方面是提供一种用户画像获取方法，包括：记录用户在预设周期内每天不同时段的驻留小区对应的驻留次数；根据所述驻留小区对应的驻留次数，确定用户在所述不同时段的常驻小区；根据所述用户在所述不同时段的常驻小区的场景标签，获得所述用户在不同时段的用户画像，所述常驻小区的场景标签用于表征所述常驻小区的场景特征。

本发明的另一个方面是提供一种用户画像获取装置，包括：记录模块，用于记录用户在预设周期内每天不同时段的驻留小区对应的驻留次数；分析模块，用于根据所述驻留小区对应的驻留次数，确定用户在所述不同时段的常驻小区；处理模块，用于根据所述用户在所述不同时段的常驻小区的场景标签，获得所述用户在不同时段的用户画像，所述常驻小区的场景标签用于表征所述常驻小区的场景特征。

本发明提供的用户画像获取方法及装置，通过在一定周期内记录每天不同时段下用户在驻留小区的驻留次数，确定用户在不同时段下的常驻小区，并根据常驻小区的场景标签获得不同时段下的用户画像，本方案利用覆盖全面的运营商数据，结合用户在不同时段下常驻小区的场景标签，能够全面直观地分析用户的行为特征，从而基于用户在不同时段下的常驻小区更加准确地获取用户在不同时段下的用户画像，该用户画像能够真实全面地反映用户特征。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a～图1d为本发明实施例一提供的用户画像获取方法的流程示意图；

图2a～图2d为本发明实施例二提供的用户画像获取装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

图1a为本发明实施例一提供的一种用户画像获取方法的流程示意图，本实施例以该用户画像获取方法应用于用户画像获取装置来举例说明，如图1a所示，该方法包括：

101、记录用户在预设周期内每天不同时段的驻留小区对应的驻留次数；

102、根据所述驻留小区对应的驻留次数，确定用户在所述不同时段的常驻小区；

103、根据所述用户在所述不同时段的常驻小区的场景标签，获得所述用户在不同时段的用户画像，所述常驻小区的场景标签用于表征所述常驻小区的场景特征。

实际应用中，本实施例的执行主体可以为用户画像获取装置，该用户画像获取装置可以独立设置，也可以设置在其它设备中，例如，电脑、后台服务器等。

其中，所述周期可以根据统计的需要进行设定，例如，设定为一周，本实施例在此不对其进行限制。进一步的，通过周期的设定还可以进行工作日和周末的区分。实际应用中，由于用户在工作日和周末的用户行为特征可能存在差异，因此可以基于工作日和周末进行周期划分，进而分析出用户在工作日的不同时段下的用户画像，以及用户在周末不同时段下的用户画像。具体的，当设定所述周期为一周的工作日时，则基于本实施例的方案，最终获得的用户画像为工作日的不同时段下的用户画像，类似的，假设设定所述周期为一周的周末，则基于本实施例的方案，最终获得的用户画像为周末不同时段下的用户画像。

所述时段的划分同样可以根据用户画像的精度要求确定，时段可以为1个小时或几个小时。例如，将一天中的每三个小时划分为一个时段；或者，也可以根据用户通常的生活习惯进行划分，例如，晚上9点之后，用户可能通常在家休息，不同时段的用户画像区分不大，且各用户在此时间内的特征区别较小，因此，可以将每天的晚上9点之后早上6点之前的时间段进行粗略划分，例如将其划分成两个时段即可；而用户在白天的活动场所变化较大，且能够有效反映用户特征，因此对白天时段进行精细划分，例如可以每两个小时划分为一个时段。

以实际场景举例来说，分时段记录不同时段内用户在其驻留过的驻留小区的驻留次数。具体的，可以通过针对各时段建立用户在该时段内的驻留小区与驻留次数之间的对应关系来进行记录所述驻留次数。例如，假设用户a在时段9点-12点内在驻留小区111的驻留次数为十次，则可记录为如下对应关系：a-(9-12)-111-10(用户-时段-驻留小区-驻留次数)。根据记录的驻留次数，可以分析出用户在不同时段的常驻小区，该常驻小区能够反映用户在不同时段的行为习惯和用户特征。进一步的，根据这些常驻小区的场景标签，即可获得用户在不同时段的用户画像。例如，假设分析得出用户a在工作日时段9-12点、时段14-17点的常驻小区的场景标签都是学校，则可推测出用户a在工作日时段9-12点、时段14-17点的用户画像为学生用户；用户b在工作日时段18-20点、周末时段14-17点的常驻小区的场景标签为商圈，则可推测出用户b在工作日时段18-20点、周末时段14-17点的用户画像为商圈用户。

具体的，可以通过将常驻小区的场景标签作为用户的用户画像，获得用户在不同时段下的用户画像。实际应用中，某常驻小区可能对应多个场景标签，相应的，则将该常驻小区的多个场景标签都作为用户的用户画像。

可选的，为了确定用户画像，需要预先分析出各基站小区的场景标签，相应的，如图1b所示，图1b为本发明实施例一提供的另一种用户画像获取方法的流程示意图，本实施例仍以用户画像获取方法应用于用户画像获取装置来举例说明，在实施例一中任一实施方式的基础上，在103之前，所述方法还可以包括：

104、计算每个基站所覆盖的基站小区内不同种类建筑物的占地面积的百分比，将其对应的所述百分比大于第一阈值的建筑物的种类设置为所述基站小区的场景标签。

以实际场景举例来说：所述场景标签用于反映基站小区的覆盖情况，例如，所述场景标签可以包括但不限于：学校、商圈、办公区、高铁、乡村等。具体的，可以根据各基站小区的覆盖情况，为各基站小区设置场景标签。例如，假设某基站小区覆盖范围内主要为学校，则将该基站小区的场景标签设为学校。进一步的，由于实际的基站小区覆盖范围内的建筑种类比较多样化，因此可以根据基站小区内不同种类的建筑物所占的占地面积百分比来确定基站小区的场景标签。这里的占地面积百分比指的是建筑物占地面积与基站小区的覆盖面积之间的百分比。具体的，可以将其占地面积的百分比大于一定阈值的建筑物的种类设定为其所在基站小区的场景标签。

本实施方式，基于基站小区下不同种类建筑物的占地比例来分析出基站小区的场景标签，该场景标签能够真实可靠地反映基站小区的场景特征，从而提高用户画像的准确性和可靠性。

具体的，为了确定驻留次数，如图1c所示，图1c为本发明实施例一提供的又一种用户画像获取方法的流程示意图，本实施例仍以用户画像获取方法应用于用户画像获取装置来举例说明，在实施例一中任一实施方式的基础上，101具体可以包括：

1011、针对所述周期内每天的每个时段，将所述时段内用户发生位置更新时的基站小区记录为当天所述时段的驻留小区；

1012、针对所述周期内每天的每个时段，统计所述时段内用户在驻留小区的位置更新次数，作为所述周期内每天不同时段的驻留小区对应的驻留次数。

以实际场景举例来说：所述驻留小区为用户驻留的基站小区，这里的驻留指的是用户在该基站小区至少发生过一次位置更新，即视该基站小区为用户的驻留小区，相应的，驻留次数指用户在该基站小区驻留期间，用户发生位置更新的次数。具体的，针对所述周期内每天中每个时段，记录所述用户的驻留小区，并统计用户在驻留小区内的驻留次数。

本实施方式中，基于用户在不同时段的驻留小区和驻留次数，基于驻留次数进一步分析能够反映用户在不同时段内的行为习惯和特征的常驻小区，从而准确获取用户的用户画像。

可选的，为了准确确定能够反映用户行为的常驻小区，如图1d所示，图1d为本发明实施例一提供的又一种用户画像获取方法的流程示意图，本实施例仍以用户画像获取方法应用于用户画像获取装置来举例说明，在实施例一中任一实施方式的基础上，102具体可以包括：

1021、计算所述周期的所有天数内同一时段的驻留小区对应的驻留次数之和；

1022、将同一时段的驻留小区中，驻留次数之和最大且其被记录为驻留小区的天数大于第二阈值的驻留小区，作为所述用户在所述时段的常驻小区。

以实际场景举例来说：在获取一定周期内每天的不同时段下用户的驻留小区及对应的驻留次数后，先基于该周期内所有天数的记录数据，计算每个时段中每个驻留小区的驻留次数之和，之后将每个时段中驻留次数之和最大，并且在该时段均被记录为驻留小区的天数大于一定阈值的驻留小区，作为该时段下用户的常驻小区。例如，假设所述第二阈值为3天，用户a在一周的工作日的时段9点-12点内在驻留小区111的驻留次数最多，且用户a在这一周的工作日中的4天里，驻留小区111均被记录为当天时段9点-12点下用户的驻留小区，则可确定用户a在工作日9点-12点时段内的常驻小区是111。

本实施方式，通过统计不同时段下用户的每个驻留小区在一定周期内所有天数中的驻留次数之和，并且还通过设定基站小区在一定周期内被标记为某时段的驻留小区的天数阈值，既考虑用户在小区驻留的单次时长，还避免因偶尔的长期驻留导致筛选的常驻小区不准确，以使常驻小区能够更准确真实地反映用户的经常性行为和习惯，从而进一步提高用户画像的准确性。

此外，基于获取的用户画像，还可以对基站小区的场景标签进行补充和更新，相应的，在前述任一实施方式的基础上，在103之后，所述方法还可以包括：

获取当前每个基站所覆盖的基站小区内各驻留用户的用户画像；

统计各驻留用户中，不同用户画像对应的驻留用户的数量；

将其对应的驻留用户的数量大于预设的第三阈值的用户画像，作为当前所述基站小区的场景标签。

以实际场景举例来说：实际应用中，基站小区覆盖下的建筑物的所有权人可以将该建筑物出租给不同类型的租户。比如，某建筑物在2016年出租给华联超市，那么建筑物在此期间的类型为超市。假设租赁合同到期，该建筑物的所有权人还可以将该建筑物出租给某公司作为办公楼，那么该建筑物的类型会变更为写字楼。而基站小区覆盖范围内的建筑物类型如果发生变化，例如，某建筑物的类型由写字楼变更为商场、某建筑物的类型由超市变更为写字楼等，相应的，基站小区的场景特征也可能会发生变化。本实施方式中，根据各基站小区内驻留用户的用户画像，统计各基站小区的覆盖范围内，不同用户画像对应的用户量，并根据达到一定用户量的用户画像，对基站小区的场景标签进行更新。例如，假设某基站小区下的某建筑物的类型由超市变更为办公楼，相应的，之前用户画像包括超市的用户在该基站小区内的活动频率会减少，相应的，用户画像为超市的用户量也会减少，而相反，该基站小区覆盖范围内，用户画像包括办公的用户量会增多，因此通过本实施方式，能够动态观测基站小区下不同用户画像的用户量的变化，从而实现对基站小区的场景标签进行及时有效的更新。

本实施例提供的用户画像获取方法，通过在一定周期内记录每天不同时段下用户在驻留小区的驻留次数，确定用户在不同时段下的常驻小区，并根据常驻小区的场景标签获得不同时段下的用户画像，本方案利用覆盖全面的运营商数据，结合用户在不同时段下常驻小区的场景标签，能够全面直观地分析用户的行为特征，从而基于用户在不同时段下的常驻小区更加准确地获取用户在不同时段下的用户画像，该用户画像能够真实全面地反映用户特征。

图2a为本发明实施例二提供的一种用户画像获取装置的结构示意图，如图2a所示，该装置包括：

记录模块21，用于记录用户在预设周期内每天不同时段的驻留小区对应的驻留次数；

分析模块22，用于根据所述驻留小区对应的驻留次数，确定用户在所述不同时段的常驻小区；

处理模块23，用于根据所述用户在所述不同时段的常驻小区的场景标签，获得所述用户在不同时段的用户画像，所述常驻小区的场景标签用于表征所述常驻小区的场景特征。

实际应用中，该用户画像获取装置可以独立设置，也可以设置在其它设备中，例如，电脑、后台服务器等。其中，所述周期可以根据统计的需要进行设定，例如，设定为一周，本实施例在此不对其进行限制。所述时段的划分同样可以根据用户画像的精度要求确定。

以实际场景举例来说，记录模块21分时段记录不同时段内用户在其驻留过的驻留小区的驻留次数；分析模块22根据记录的驻留次数，可以分析出用户在不同时段的常驻小区；进一步的，处理模块23根据这些常驻小区的场景标签，即可获得用户在不同时段的用户画像。

具体的，处理模块23可以通过将常驻小区的场景标签作为用户的用户画像，获得用户在不同时段下的用户画像。实际应用中，某常驻小区可能对应多个场景标签，相应的，处理模块23将该常驻小区的多个场景标签都作为用户的用户画像。

可选的，为了确定各基站小区的场景标签，如图2b所示，图2b为本发明实施例二提供的另一种用户画像获取装置的结构示意图，在实施例二中任一实施方式的基础上，所述装置还可以包括：

标签模块24，用于计算每个基站所覆盖的基站小区内不同种类建筑物的占地面积的百分比，将其对应的所述百分比大于第一阈值的建筑物的种类设置为所述基站小区的场景标签。

以实际场景举例来说：标签模块24根据各基站小区的覆盖情况，为各基站小区设置场景标签；记录模块21分时段记录不同时段内用户在其驻留过的驻留小区的驻留次数；分析模块22根据记录的驻留次数，可以分析出用户在不同时段的常驻小区；进一步的，处理模块23根据这些常驻小区的场景标签，即可获得用户在不同时段的用户画像。

本实施方式，基于基站小区下不同种类建筑物的占地比例来分析出基站小区的场景标签，该场景标签能够真实可靠地反映基站小区的场景特征，从而提高用户画像的准确性和可靠性。

具体的，为了确定驻留次数，如图2c所示，图2c为本发明实施例二提供的又一种用户画像获取装置的结构示意图，在实施例二中任一实施方式的基础上，记录模块21包括：

记录单元211，用于针对所述周期内每天的每个时段，将所述时段内用户发生位置更新时的基站小区记录为当天所述时段的驻留小区；

统计单元212，用于针对所述周期内每天的每个时段，统计所述时段内用户在驻留小区的位置更新次数，作为所述周期内每天不同时段的驻留小区对应的驻留次数。

以实际场景举例来说：所述驻留小区为用户驻留的基站小区，这里的驻留指的是用户在该基站小区至少发生过一次位置更新，即视该基站小区为用户的驻留小区，相应的，驻留次数指用户在该基站小区驻留期间，用户发生位置更新的次数。具体的，针对所述周期内每天中每个时段，记录单元211记录所述用户的驻留小区，统计单元212统计用户在驻留小区内的驻留次数。

本实施方式中，基于用户在不同时段的驻留小区和驻留次数，基于驻留次数进一步分析能够反映用户在不同时段内的行为习惯和特征的常驻小区，从而准确获取用户的用户画像。

可选的，为了准确确定能够反映用户行为的常驻小区，如图2d所示，图2d为本发明实施例二提供的又一种用户画像获取装置的结构示意图，在实施例二中任一实施方式的基础上，分析模块22包括：

计算单元221，用于计算所述周期的所有天数内同一时段的驻留小区对应的驻留次数之和；

处理单元222，用于将同一时段的驻留小区中，驻留次数之和最大且其被记录为驻留小区的天数大于第二阈值的驻留小区，作为所述用户在所述时段的常驻小区。

以实际场景举例来说：记录模块21在获取一定周期内每天的不同时段下用户的驻留小区及对应的驻留次数后，计算单元221先基于该周期内所有天数的记录数据，计算每个时段中每个驻留小区的驻留次数之和，之后处理单元222将每个时段中驻留次数之和最大，并且在该时段均被记录为驻留小区的天数大于一定阈值的驻留小区，作为该时段下用户的常驻小区；处理模块23根据这些常驻小区的场景标签，即可获得用户在不同时段的用户画像。

本实施方式，通过统计不同时段下用户的每个驻留小区在一定周期内所有天数中的驻留次数之和，并且还通过设定基站小区在一定周期内被标记为某时段的驻留小区的天数阈值，既考虑用户在小区驻留的单次时长，还避免因偶尔的长期驻留导致筛选的常驻小区不准确，以使常驻小区能够更准确真实地反映用户的经常性行为和习惯，从而进一步提高用户画像的准确性。

此外，基于获取的用户画像，还可以对基站小区的场景标签进行补充和更新，相应的，在前述任一实施方式的基础上，所述用户画像获取装置还可以包括：获取模块，用于获取当前每个基站所覆盖的基站小区内各驻留用户的用户画像；统计模块，用于统计各驻留用户中，不同用户画像对应的驻留用户的数量；更新模块，用于将其对应的驻留用户的数量大于预设的第三阈值的用户画像，作为当前所述基站小区的场景标签。

以实际场景举例来说：实际应用中，基站小区覆盖范围内的建筑物类型可能会发生变化，例如，某写字楼变更为商场、某超市变更为写字楼等。本实施方式中，根据各基站小区内驻留用户的用户画像，统计各用户画像对应的用户量，根据达到一定用户量的用户画像，对基站小区的场景标签进行更新。

本实施例提供的用户画像获取装置，通过在一定周期内记录每天不同时段下用户在驻留小区的驻留次数，确定用户在不同时段下的常驻小区，并根据常驻小区的场景标签获得不同时段下的用户画像，本方案利用覆盖全面的运营商数据，结合用户在不同时段下常驻小区的场景标签，能够全面直观地分析用户的行为特征，从而基于用户在不同时段下的常驻小区更加准确地获取用户在不同时段下的用户画像，该用户画像能够真实全面地反映用户特征。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。