用戶的業(yè)務偏好分析應用模型

1、1 用戶的業(yè)務偏好分析應用模型目錄2 業(yè)務偏好應用模型研究的需求 如何根據(jù)客戶的數(shù)據(jù)業(yè)務行為、基礎畫像、互聯(lián)網(wǎng)行為，研究客戶的業(yè)務偏好以及內(nèi)容、時間等偏好，針對當前數(shù)據(jù)業(yè)務沉默客戶、潛在客戶開展激活與推薦。 研究業(yè)務偏好應用模型的意義 以用戶為導向，滿足用戶個性化需求，比傳統(tǒng)的大眾推薦效果更好。 以真實數(shù)據(jù)為依據(jù)進行分析，實現(xiàn)對用戶的精準定位和精確推薦。 有利于節(jié)約成本、提高利潤水平，保留和吸引更多用戶。背景意義3基于結(jié)構(gòu)化數(shù)據(jù)的偏好分析模型 通過用戶的月基礎畫像信息自動對用戶分群生成用戶標簽。 在每個用戶群內(nèi)，通過用戶的業(yè)務使用行為做內(nèi)容關聯(lián)分析針對每類用戶推薦不同的內(nèi)容。用戶基礎畫像數(shù)據(jù)用

2、戶使用行為數(shù)據(jù)用戶分群內(nèi)容推薦商務人士上網(wǎng)一族用戶標簽小喬布斯精彩演說 概念車竟水上飛馳視頻名稱4輸入數(shù)據(jù) 用戶基礎畫像數(shù)據(jù) 業(yè)務使用行為數(shù)據(jù) 以手機視頻業(yè)務為例手機號碼收看過的視頻內(nèi)容ID1視頻內(nèi)容ID2視頻內(nèi)容ID313800000002視頻內(nèi)容ID1視頻內(nèi)容ID2視頻內(nèi)容ID3基本信息行為信息費用信息語音使用行為短信使用行為GPRS使用行為WLAN使用行為5業(yè)務偏好計算 用戶分群： 數(shù)據(jù)變換、歸一化 ：解決各個特征的計量單位、大小范圍差異大的問題。 K-means聚類聚類：使用基礎畫像信息自動聚出8個類型不同的用戶群。6業(yè)務偏好計算（1）高資費人群高資費人群：該

3、類人群特征是絕大部分數(shù)值均大于平均值，即消費水平高于平均水平，特別是總費用是各類人群中最高的。（2）標準用戶群標準用戶群：該類人群特征是絕大部分數(shù)值與平均值持平或低于平均值。值得一提的是，雖然GPRS套餐費較高，但使用時能嚴格控制流量，使流量不超過標準套餐的額度，不產(chǎn)生額外的GPRS通信費。（3）低資費人群低資費人群：該類人群特征是通話時長、短信量、上網(wǎng)流量均低于平均水平，特別是總費用是各類人群中最低的。（4）上網(wǎng)發(fā)燒友上網(wǎng)發(fā)燒友：該類人群特征是上網(wǎng)的流量和費用超高，同時通話等傳統(tǒng)業(yè)務量少。（5）上網(wǎng)一族上網(wǎng)一族：該類人群特征是上網(wǎng)流量經(jīng)常超出GPRS套餐額度，導致GPRS通信費超高。與上網(wǎng)發(fā)

4、燒友相比，通話等傳統(tǒng)業(yè)務使用顯得更活躍。（6）理性上網(wǎng)群理性上網(wǎng)群：該類人群特征是訂閱GPRS套餐較為理性，套餐費高于平均值，屬于喜愛上網(wǎng)的上群。同時，GPRS套餐外產(chǎn)生的額外費用幾乎沒有。（7）商務人士商務人士：該類人群特征是套餐月租費、漫游通話費、無線上網(wǎng)流量在各類人群中最高，符合商務人士出差、經(jīng)常無線上網(wǎng)的特點。（8）通話達人通話達人：該類人群特征是語音業(yè)務套餐費顯著高于其他各個用戶群。另外，有了語音業(yè)務套餐，本地通話仍很頻繁。7基于文本的內(nèi)容過濾推薦模型功能功能根據(jù)用戶訪問過的項集的文本主題特征，向其推薦可能感興趣的新內(nèi)容適用范圍適用范圍業(yè)務產(chǎn)品、互聯(lián)網(wǎng)內(nèi)容資訊、廣告等內(nèi)容推薦，要求能

5、夠獲得項集的文本特征描述模型輸入模型輸入有歷史訪問行為的目標用戶u、該用戶訪問過的內(nèi)容項（頁面、文章、書籍）集合Iu及集合中元素的關鍵詞描述、該用戶未訪問過的內(nèi)容項集合RIu以及集合中元素的關鍵詞描述模型輸出模型輸出目標用戶u可能喜歡的內(nèi)容項Top-N列表出于效率考慮，用戶數(shù)據(jù)分析平臺以每個用戶訪問過的項集的文本特征分別建立該用戶的Profile并按日更新，然后通過比對Profile和推薦候選項集的文本特征來實現(xiàn)內(nèi)容過濾推薦。相比于傳統(tǒng)算法，主要進行了如下改進：a.分層多粒度的標簽體系。分層多粒度的標簽體系。用戶偏好特征按照大類-子類-關鍵詞的方式進行組織，能夠適應不同的營銷場景需求。例如，進

6、行手機閱讀推薦時主要使用“閱讀”類的標簽，進行游戲推薦時主要使用“游戲”類的標簽；b.潛在語義分析潛在語義分析。解決不同語境下的多義詞問題。8基于文本的內(nèi)容過濾推薦模型用戶用戶A用戶用戶B用戶閱讀的文章用戶閱讀的文章雅虎重組自救，勝算幾何？正文家用熱銷2012款新車行情調(diào)查正文Profile數(shù)據(jù)數(shù)據(jù)IT/互聯(lián)網(wǎng)：德克爾_0.227451汽車：經(jīng)濟型_0.160784IT/互聯(lián)網(wǎng)：楊致遠_0.454902汽車：省油_23.470320IT/互聯(lián)網(wǎng)：總裁_0.5681205汽車：熱銷_0.176471推薦的文章推薦的文章雅虎欲撤換楊致遠 新一輪裁員不可避雅虎董事會欲撤換楊致遠 新一輪裁員雅虎股票跌回2月初微軟提出收購前價新寶來現(xiàn)金優(yōu)惠6000元 店內(nèi)現(xiàn)車供應低油耗對抗高油價 5款小排量增壓車行情六款配自動空調(diào)時尚小車推薦示例9基于文本的內(nèi)容過濾推薦模型對于在某一特定文件里的詞語 來說，它的重要性可表示為： 是該詞在文件 中的出現(xiàn)次數(shù)，而分母則是在文件 中所有字詞的出現(xiàn)次數(shù)之和。 逆向文件頻率IDF則計算一個詞語普遍重要性。某一特定詞語的IDF，可以由總文件數(shù)目除以包含該詞語之文件的數(shù)目，再對數(shù)得到。則一個詞語的權(quán)重為：根據(jù)用戶訪問過的文件，用向量wc=(wc1,wc2,.