画像体系建立方法和系统与流程

本申请涉及大数据分析，尤其涉及一种画像体系建立方法和系统。

背景技术：

1、用户画像应用领域较为广泛，适合于各个产品周期，从新用户的引流到潜在用户的挖掘、从老用户的培养到流失用户的回流等，通过挖掘用户兴趣、偏好、行为等画像标签，可以直接作用于提升营销精准度、推荐匹配度，最终提升产品服务和企业利润。

2、目前用户画像体系的现状如下：(1)当前用户画像标签人群覆盖度不够，例如：业务缺失偏好类标签，特定人群画像标签；(2)当前用户画像标签以业务方所提需求为主，缺乏从公司业务运营角度思考进而开发对业务运营有价值意义的标签；(3)应用场景覆盖不够全面，例如当前适用的业务场景仅包含搜索推荐以及运营，缺失市场营销精准获客、帮助销售进行新客转化等场景。因此，如何提高建立全面的标签体系的准确性成为目前亟待解决的技术问题。

技术实现思路

1、本申请提供了一种画像体系建立方法，以提高建立全面的标签体系的准确性。

2、第一方面，本申请提供了一种画像体系建立方法，所述画像体系建立方法包括：

3、s10，对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签；

4、s20，基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分；

5、s30，根据所述偏好权重得分和所述实时意愿得分，生成所述目标离线数据和所述目标实时数据对应的用户画像。

6、进一步地，所述步骤s10对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签，包括：

7、s101，通过文本识别模型，提取所述目标离线数据和所述目标实时数据的目标关键词；

8、s102，将所述目标关键词与预设行为标签库中的全部行为标签进行匹配；

9、s103，将与所述目标关键词相匹配的行为标签确定为所述目标行为标签。

10、进一步地，所述步骤s20中，基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分，之前还包括：

11、s11，基于预设行为标签库，对所述目标离线数据和所述目标实时数据进行有效数据筛选。

12、进一步地，所述步骤s11中，基于预设行为标签库，对所述目标离线数据

13、和所述目标实时数据进行有效数据筛选，包括：

14、s111，获取所述目标离线数据对应的第一数据集合以及所述目标实时数据对应的第二数据集合；

15、s112，根据所述第一数据集合和第二数据集合，分别生成第一散点图和第二散点图；

16、s113，基于所述第一散点图和所述第二散点图，确定对应的第一离散点拟合度和第二离散点拟合度；

17、s114，将所述第一离散点拟合度与所述第二离散点拟合度符合预设置信度区间的离散点对应的数据确定为所述有效数据。

18、进一步地，所述步骤s20中，所述基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分，包括：

19、s201，基于所述目标行为标签与所述预设预测模型中的偏好得分计算公式，计算所述偏好权重得分；

20、s202，基于所述目标行为标签与所述预设预测模型中的实时意愿得分计算公式，计算所述实时意愿得分；

21、所述步骤s30中，偏好权重得分包括兴趣偏好得分、渠道偏好得分和时间偏好得分。

22、进一步地，所述偏好得分计算公式为：偏好得分＝(接触点+行为类型+时间聚合)*预设行为类型权重*衰减因子；

23、所述实时意愿得分计算公式为：实时意愿得分＝历史行为标签得分+实时行为标签得分。

24、进一步地，所述目标实时数据包括埋点数据和实时事件数据。

25、第二方面，本申请还提供了一种画像体系建立系统，所述画像体系建立装置包括：

26、目标行为标签生成模块，用于对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签；

27、得分计算模块，用于基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分；

28、用户画像生成模块，用于根据所述偏好权重得分和所述实时意愿得分，生成所述目标离线数据和所述目标实时数据对应的用户画像。

29、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的画像体系建立方法。

30、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的画像体系建立方法。

31、本申请公开了一种画像体系建立方法和系统，包括对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签；基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分；根据所述偏好权重得分和所述实时意愿得分，生成所述目标离线数据和所述目标实时数据对应的用户画像。通过上述方式，本申请通过对用户的离线数据和实时数据进行分析并生成行为标签，进一步根据行为标签生成对应的偏好权重得分和实时意愿得分，进而生成用户画像，提高了建立全面的标签体系的准确性。

技术特征：

1.一种画像体系建立方法，其特征在于，所述画像体系建立方法包括：

2.根据权利要求1所述的画像体系建立方法，其特征在于，所述步骤s10对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签，包括：

3.根据权利要求1所述的画像体系建立方法，其特征在于，所述步骤s20中，基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分，之前还包括：

4.根据权利要求3所述的画像体系建立方法，其特征在于，所述步骤s11中，基于预设行为标签库，对所述目标离线数据和所述目标实时数据进行有效数据筛选，包括：

5.根据权利要求1所述的画像体系建立方法，其特征在于，

6.根据权利要求5所述的画像体系建立方法，其特征在于，

7.根据权利要求1至6中任一项所述的画像体系建立方法，其特征在于，所述目标实时数据包括埋点数据和实时事件数据。

8.一种画像体系建立系统，其特征在于，所述画像体系建立系统包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的所述的画像体系建立方法。

技术总结
本申请涉及大数据分析技术领域，公开了一种画像体系建立方法，所述画像体系建立方法包括对目标离线数据和目标实时数据进行统计分析，生成对应的目标行为标签；基于预设预测模型与所述目标行为标签，生成所述目标行为标签的偏好权重得分和实时意愿得分；根据所述偏好权重得分和所述实时意愿得分，生成所述目标离线数据和所述目标实时数据对应的用户画像。通过上述方式，本申请通过对用户的离线数据和实时数据进行分析并生成行为标签，进一步根据行为标签生成对应的偏好权重得分和实时意愿得分，进而生成用户画像，提高了建立全面的标签体系的准确性。

技术研发人员：蒋华,孙红升,张惠,庄崇,宋晓文,田缓,於发达,吕冠军,黄振烜,惠权立,王泓栋,许洋
受保护的技术使用者：北京网聘信息技术有限公司
技术研发日：
技术公布日：2024/1/15