一种电子商务用户购买力分类方法及系统的制作方法
【技术领域】
[0001]本发明设计电子商务相关技术领域，特别是一种电子商务用户购买力分类方法及系统。
【背景技术】
[0002]随着电商行业的飞速发展，满足用户的个性化购物需求也变得迫在眉睫。在用户浏览购物的过程中给用户推荐合理的商品将会大大提升用户体验。然而一个个性化的购物推荐系统的背后需要大量的用户标签来支撑。其中，用户的购买力标签是必不可少。对于购买力高的用户，在挑选同一类商品时，往往买的是品质和价格都较高的商品，比如一个购买力高的用户想要买一部手机，他会买苹果或三星品牌中的高端手机；而对于购买力低的用户，比如他想要买一个耳机，他会买十几块钱或者二十块钱能满足一般使用即可的低端产品。由此，对于一个用户的购买力的定义是，用户在购买同一类商品时，支付能力的高低。
[0003]对于电商领域用户的购买力区分，现有的技术大多基于用户对高、中、低档商品购买次数占比的方法，把用户划分为高中低三个档次。具体做法是:对每一个底级品类，价格段处在最尚的20 %的商品定义为尚端商品，价格段处在最低的20%的商品为低端商品，中间60%的商品为中端商品。然后计算每个用户的购买高端商品的次数占比，购买中端商品的次数占比，购买低端商品的次数占比。最后看用户在哪个等级商品的购买次数占比最大，则把该用户划分到该购买等级用户群当中。最终得到购买力高、中、低三个等级。
[0004]现有技术的缺点主要有四个方面:
[0005]I)在区分价格段高、中、低时，使用的商品的价格段，但是实际情况中，很多品类的高价格段的购买情况非常稀疏，甚至没有销量，所以这样的“一刀切”规则很容易导致结果集分布的不均衡。
[0006]2)计算用户在各个档次购买商品占比的时，计算购买频次占比，没有加入商品本身的价格因素，导致准确率降低。比如，一个用户虽然买了很多某品类的高档的商品，但是这个品类的价格本身就很低(尿布、家居用品等)，那么把他和其他买高档手机、电脑等价格昂贵的用户群中，自然会有失公平。
[0007]3)在得到用户高、中、低三种商品购买占比的时候，直接用占比最多的来确定最终的购买力等级，会降低准确率。比如，一个用户A在购买高、中、低端商品的占比分别是(0.8，0.2，O)，而用户B在购买高、中、低端商品的占比分别是(0.4，0.3，0.3)。根据现有的判断方法，用户A和B都是购买力高的用户，而实际观察，我们会很容易发现，用户B并不像是高端用户。这是因为用户的购买占比在分布上也对用户最终的购买力也应该起着一定的作用，而简单的最大占比规则判断，并不科学。
[0008]4)现有的购买力的等级一般分为高中低三个级别，分类较少，使用起来不够灵活。
【发明内容】
[0009]基于此，有必要针对现有技术对用户购买力的分类不准确的技术问题，提供一种电子商务用户购买力分类方法及系统。
[0010]一种电子商务用户购买力分类方法，包括:
[0011]商品档次确定步骤，包括:将同一品类中的商品基于价格和销量分布确定出档次为高档的商品，同一品类中的其他商品的档次确定为非高档，将档次为非高档的商品按照价格从高到低依次分为X个从高到低的档次，其中，X为预设的大于或等于I的自然数；
[0012]用户购买占比计算步骤，包括:计算每个用户购买每个档次商品的占比，将所述占比基于每个用户进行向量化，得到每个用户的购买力向量，所述购买力向量为X+1维向量，且每一维与一个档次对应；
[0013]用户归类步骤，包括:对所述购买力向量进行聚类运算，得到X+1个关于购买力向量的点簇，每个点簇分别对应一个档次，将用户对应的购买力向量所在点簇相应的档次作为用户的购买力档次。
[0014]一种电子商务用户购买力分类系统，包括:
[0015]商品档次确定模块，用于:将同一品类中的商品基于价格和销量分布确定出档次为高档的商品，同一品类中的其他商品的档次确定为非高档，将档次为非高档的商品按照价格从高到低依次分为X个从高到低的档次，其中，X为预设的大于或等于I的自然数；
[0016]用户购买占比计算模块，用于:计算每个用户购买每个档次商品的占比，将所述占比基于每个用户进行向量化，得到每个用户的购买力向量；
[0017]用户归类模块，用于:对所述购买力向量进行聚类运算，得到x+1个关于购买力向量的点簇，每个点簇分别对应一个档次，将用户对应的购买力向量所在点簇相应的档次作为用户的购买力档次。
[0018]本发明通过对商品档次的智能划定，使得商品档次的划定更为合理，并基于智能划分的商品档次确定用户购买力，基于用户购买力进行分类，使得对用户购买力的分类更加准确。
【附图说明】
[0019]图1为本发明一种电子商务用户购买力分类方法的工作流程图；
[0020]图2为进行高档商品划分的工作流程图；
[0021]图3为本发明进行聚类运算的工作流程图；
[0022]图4为本发明一种电子商务用户购买力分类系统的结构模块图。
【具体实施方式】
[0023]下面结合附图和具体实施例对本发明做进一步详细的说明。
[0024]如图1所示为本发明一种电子商务用户购买力分类方法的工作流程图，包括:
[0025]步骤S101，包括:将同一品类中的商品基于价格和销量分布确定出档次为高档的商品，同一品类中的其他商品的档次确定为非高档，将档次为非高档的商品按照价格从高到低依次分为X个从高到低的档次，其中，X为预设的大于或等于I的自然数；
[0026]步骤S102，包括:计算每个用户购买每个档次商品的占比，将所述占比基于每个用户进行向量化，得到每个用户的购买力向量，所述购买力向量为x+1维向量，且每一维与一个档次对应；
[0027]步骤S103，包括:对所述购买力向量进行聚类运算，得到x+1个关于购买力向量的点簇，每个点簇分别对应一个档次，将用户对应的购买力向量所在点簇相应的档次作为用户的购买力档次。
[0028]本发明提出了一种更合理的划分用户购买力等级的方法。本发明并不是简单地仅仅依据商品价格来区分商品档次，而是根据商品价格和相应的商品销量来综合评估商品档次，由于商品档次最终确定用户的购买力档次，因此对商品档次的综合评估就是对用户购买力等级的综合评估。通过对高档商品基于价格和销量分布自动调节的划分方法，使得相应地用户购买力的等级评估也实现了自动调节，使得用户购买力的分类更为准确，从而大大地提升了用户在网站中的体验。
[0029]在其中一个实施例中，所述步骤S101，具体包括:将同一品类中价格段前3%的商品的档次确定为高档，a采用如下方法确认:
[0030]选择三个或三个以上取值范围为在O?100之间的待选择值，最大的待选择值作为最大选择值，最小待选择值为最小选择值，其他的待选择值为中间选择值，令m为同一品类中价格的前的价格统计值，令η为同一品类中最近预设时间段内有销量的商品中价格的前y %的价格统计值，如果m大于η超过预设第一阈值，则选择a为最大选择值，如果η大于m超过预设第二阈值，贝Ij选择a为最小选择值中的最小值，其他情况，选择a为中间选择值中的一个，其中，Y小于最大选择值且大于最小选择值。
[0031]首先，要对所有商品进行标注，因为购买力模型最终要将用户的购买能力分为X+1个等级，优选地，x+1为5，则用户的购买能力分为高、偏高、中、中低、低五个等级，所以在对商品标注的过程中，我们也要将所有商品也标为X个档次，优选地为高档、偏高挡、中档、中低档、低档五个档次。由于在【背景技术】中提到的“一刀切”方法会使很多品类的高档商品非常稀疏。所以对高档商品划分，本实施例根据各个品类商品的价格与销量分布情况自动调节划分百分比。对于一个品类，例如三级品类，选取处于价格段前a%的商品为高档商品，其中，a优选为三个，可以选择5、10或者20，即a%可以为5%、10或20%。a的具体取值需要先计算两个指标m、n，其中m为该品类价格位于前7%的价格统计值，η为该品类近一段时间内有销量的商品价格位于前的价格统计值(不去重复，如果一个商品被买多次，也计算在内)。I优选为10%，前的价格统计值优选为将前的商品去除后剩余商品中的最高值。这样，如果m?n，说明该品类价格前10%商品销量不好，高端商品的阈值应该提高，即a = 20% ;如果n?m，说明该品类的价格前10%商品销量很好，应该少取一些，降低阈值，即a = 5%;其他情况a= 10%。由此就做到了高端商品的判断阈值可以根据销售的实际情况进行自调节。m的值应介于a取值的中间，但是不一定是中间值。这里面的取值都是可以改变的。具体的流程图如图2所示:
[0032]步骤S201，计算该品类价格位于10前10%的价格统计值m ；
[0033]步骤S202，计算该品类近一段时间内有销量的商品价格位于前10%的价格统计值；
[0034]步骤S203，如果m?n，即m大于η超过第一阈值，第一阈值可以取一个较大的范围，则a% =