用户数据处理方法和装置的制造方法
【技术领域】
[0001]本申请涉及数据处理技术领域，尤其涉及一种用户数据处理方法和装置。
【背景技术】
[0002]在一些场景下需要对用户数据进行处理以获取相关信息，例如，对用户数据处理确定用户价值指数，以便根据该用户价值指数提供服务等。
[0003]传统的客户关系管理系统(Customer Relat1nship Management, CRM)可以计算用户的价值指数，CRM基于R、F、M三个维度计算用户的价值指数，其中，R表示最近一次消费(recency)、F表示消费频率(frequency) ,M表示消费金额(monetary)。在传统CRM中，由于数据来源单一，可以很容易确定出上述每个维度中采用的数据，例如，在传统CRM中，R维度可能只有最近购买时间这一数据。
[0004]但是，在大数据时代，数据来源非常多，在每个维度上会存在很多的数据，例如，在R维度上，会存在成为会员的时间，最近一次搜索商品时间，最近一次浏览商品网页时间等数据，因此，在大数据时代，需要考虑如何从大量数据中提取出有效数据并进行所需参数的运算。
【发明内容】
[0005]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本申请的一个目的在于提出一种用户数据处理方法，该方法可以从大量数据中提取有效数据参与计算，并确定用户价值指数。
[0007]本申请的另一个目的在于提出一种用户数据处理装置。
[0008]为达到上述目的，本申请第一方面实施例提出的用户数据处理方法，包括:获取用户的用户行为数据；根据所述用户行为数据获取数据变换矩阵以及数据权重，并根据所述数据变换矩阵获取所述用户行为数据的投影值，所述数据变换矩阵用于提取所述用户行为数据中的主要数据；根据所述数据权重和所述投影值，确定所述用户的价值指数。
[0009]本申请第一方面实施例提出的用户数据处理方法，通过根据用户行为数据获取数据变换矩阵和数据权重，根据数据变换矩阵获取投影值，并根据投影值和数据权重确定用户价值指数，可以实现根据获取的用户行为数据确定出用户价值指数，而不需要事先确定选择哪些数据，选择多少个数据等，可以根据实际获取的数据实现用户价值的确定，从而可以从大量数据中提取有效数据参与计算，并确定用户价值指数。
[0010]为达到上述目的，本申请第二方面实施例提出的用户数据处理装置，包括:获取模块，用于获取用户的用户行为数据；处理模块，用于根据所述用户行为数据获取数据变换矩阵以及数据权重，并根据所述数据变换矩阵获取所述用户行为数据的投影值，所述数据变换矩阵用于提取所述用户行为数据中的主要数据；确定模块，用于根据所述数据权重和所述投影值，确定所述用户的价值指数。
[0011]本申请第二方面实施例提出的用户数据处理装置，通过根据用户行为数据获取数据变换矩阵和数据权重，根据数据变换矩阵获取投影值，并根据投影值和数据权重确定用户价值指数，可以实现根据获取的用户行为数据确定出用户价值指数，而不需要事先确定选择哪些数据，选择多少个数据等，可以根据实际获取的数据实现用户价值的确定，从而可以从大量数据中提取有效数据参与计算，并确定用户价值指数。
[0012]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
【附图说明】
[0013]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中:
[0014]图1是本申请一实施例提出的用户数据处理方法的流程示意图；
[0015]图2是本申请另一实施例提出的用户数据处理方法的流程示意图；
[0016]图3是本发明实施例中用户行为数据在RFM三个维度划分示意图；
[0017]图4是本发明实施例中确定用户价值指数方法的实现过程示意图；
[0018]图5是本申请另一实施例提出的用户数据处理装置的结构示意图；
[0019]图6是本申请另一实施例提出的用户数据处理装置的结构示意图。
【具体实施方式】
[0020]下面详细描述本申请的实施例,所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0021]图1是本申请一实施例提出的用户数据处理方法的流程示意图，该方法包括:
[0022]Sll:获取用户的用户行为数据。
[0023]其中，可以通过数据收集方法获取用户行为数据，在大数据时代可以收集到很多数据，包括用户行为数据。
[0024]可以理解的是，数据也可以称为指标，因此，该用户行为数据也可以称为用户行为指标。
[0025]可选的，用户行为数据可以包括:预设维度上的用户行为数据。
[0026]预设维度可以包括:R(时间)维度，F(频率)维度和M(金额)维度。
[0027]具体的，各维度上的数据可以包括:
[0028]R维度上的数据包括:
[0029]用户成为会员时间、用户关注公众账号时间、用户最近一次浏览商品的时间、用户最近一次收藏商品的时间、用户最近一次交易的时间、用户最近一次获得优惠券的时间、用户最近一次使用优惠券的时间、用户最近一次浏览推送消息的时间、用户最近一次使用预付卡时间。
[0030]F维度上的数据包括:最近I个月的浏览次数、最近6个月的浏览次数、最近12个月的浏览次数、最近I个月的交易笔数、最近6个月的交易笔数、最近12个月的交易笔数、最近I个月的优惠券获得张数、最近I个月的优惠券使用张数、最近6个月的优惠券获得张数、最近6个月的优惠券使用张数、最近12个月的优惠券获得张数、最近12个月的优惠券使用张数、最近I个月的推送消息总量、最近I个月的推送消息阅读数、最近6个月的推送消息总量、最近6个月的推送消息阅读数、最近12个月的推送消息总量、最近12个月的推送消息阅读数。
[0031]M维度上的数据包括:最近I个月的交易金额累计、最近6个月的交易金额累计、最近12个月的交易金额累计、最近I个月的优惠券使用金额累计、最近6个月的优惠券使用金额累计、最近12个月的优惠券使用金额累计、最近I个月的使用预付卡金额累计、最近6个月的使用预付卡金额累计、最近12个月的使用预付卡金额累计中的至少一种。
[0032]可以理解的是，上述收集的数据只是示例，并不限于此，例如，随着业务类型的增长，我们完全可以扩展每种维度的数据。
[0033]S12:根据所述用户行为数据获取数据变换矩阵以及数据权重，并根据所述数据变换矩阵获取所述用户行为数据的投影值，所述数据变换矩阵用于提取所述用户行为数据中的主要数据。
[0034]该数据变换矩阵也可以称为指标变换矩阵，数据权重也可以称为指标权重。
[0035]其中，当用户行为数据包括多个维度上的数据时，可以对应每个维度计算上述的数据变换矩阵和数据权重。例如，根据R维度上的用户行为数据，计算R维度上的数据变换矩阵和数据权重，根据F维度上的用户行为数据，计算F维度上的数据变换矩阵和数据权重，根据M维度上的用户行为数据，计算M维度上的数据变换矩阵和数据权重。
[0036]由于大数据时代每个维度上会存在很多数据，但是，在衡量用户价值时，不同数据具有的重要度不同，因此，可以获取主要数据，根据主要数据的值以及权重计算用户价值。
[0037]在提取主要数据时，可以采用主成分分析法。具体的，所述根据所述用户行为数据获取数据变换矩阵以及数据权重，包括:
[0038]计算第一矩阵的协方差矩阵，其中，所述第一矩阵是由不同用户的用户行为数据组成的矩阵；
[0039]计算所述协方差矩阵的特征值和特征向量；
[00