一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)及方法
【專利摘要】本發(fā)明涉及一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)及方法。所述方法包括如下步驟：步驟一，通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序，選取用戶較為關注的關注點形成實時偏好組合；步驟二，應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評估，得到各個偏好的得分以及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好組合內(nèi)各個偏好之間的關聯(lián)程度；步驟三，利用用戶偏好分類與商企營銷信息分類的匹配、以及營銷信息提供方商鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營銷信息三者的精準匹配，然后推送營銷信息。本發(fā)明提高了傳統(tǒng)信息推送方法的精準度及最終客戶感受，更客觀的評估用戶的偏好程度。
【專利說明】
-種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)及方法
技術領域
[0001] 本發(fā)明設及一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)及方法，屬于移動 通信精準營銷領域。
【背景技術】
[0002] 隨著移動通信行業(yè)的發(fā)展、智能手機終端的普及，移動互聯(lián)網(wǎng)的用戶參與度越來 越高，針對移動互聯(lián)網(wǎng)用戶的營銷信息推送也越來越受到商業(yè)營銷需求的青睞?，F(xiàn)有的營 銷信息推薦技術主要通過大量獲取用戶終端硬件信息或者用戶移動軌跡信息，然后運用傳 統(tǒng)互聯(lián)網(wǎng)用戶上網(wǎng)日志分析的方法，結合大量的歷史記錄獲得用戶在一段較長時間內(nèi)的偏 好信息，之后分析用戶終端類型與營銷信息之間、基于用戶軌跡的用戶偏好與營銷信息之 間、終端的開關機時間與營銷信息之間的信息匹配與觸發(fā)規(guī)則，將運些匹配信息與觸發(fā)結 果發(fā)送給信息推送服務器，最終形成針對不同用戶的營銷信息匹配與推送。
[0003] 伴隨著智能手機的普及，手機用戶與移動互聯(lián)網(wǎng)之間的聯(lián)系也越來越緊密，同時 用戶對于受到商業(yè)營銷短信息的行為也越來越敏感，不合時宜的、頻繁的商業(yè)信息推送讓 用戶越來越反感，商業(yè)營銷行為將越來越注重人文關懷及最終客戶感受?，F(xiàn)有信息推薦技 術的分析角度較為單一，比如通過只分析較長時間段內(nèi)用戶的終端信息、位置信息或者上 網(wǎng)信息的某一方面獲取用戶長期偏好，形成的用戶偏好認知較為滯后，無法準確把握用戶 在某個時刻或某幾個小時的關注重點，面對用戶關注的實時隨機變化，無法實時了解用戶 需求，進而為用戶提供實時的個性化的信息體驗。
[0004] 伴隨著移動互聯(lián)網(wǎng)的發(fā)展，商業(yè)營銷的需求越來越追求精細化，能夠?qū)崟r的想用 戶所想，為用戶提供此刻最需要的服務信息是越來越多商企所追尋的終極目標。現(xiàn)有的技 術手段在營銷信息的推送過程中，為了追求營銷信息的準確性，需要利用大量的用戶歷史 數(shù)據(jù)來進行分析，最終獲取的用戶需求偏好，可能是幾天前、甚至更久W前的用戶需求，而 且無法根據(jù)用戶所處的環(huán)境為用戶提供相應的精準消費與服務推薦，營銷信息的推送無法 達到實時分析實時發(fā)送的效果，造成實際營銷信息的嚴重滯后。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)。聯(lián)合 分析方法主要應用于擁有多種特性或特征的產(chǎn)品的用戶偏好程度分析。本發(fā)明將該分析方 法創(chuàng)新性的應用于用戶行為偏好分析領域。
[0006] 在數(shù)據(jù)準備過程中，通過對用戶幾小時內(nèi)的通信行為、上網(wǎng)行為等數(shù)據(jù)的分析，將 用戶的關注點進行關注頻率排序，選取用戶較為關注的幾個關注點形成實時偏好組合，實 現(xiàn)用戶實時行為及偏好傾向的全面掌握，提升用戶偏好識別的時效性。
[0007] 在模型建設過程中，應用聯(lián)合分析方法對運些偏好組合的用戶關注度進行量化評 估，直觀的了解各個偏好的得分(聯(lián)合分析里運個得分用效用來表述），W及每個偏好組合 的效用總和，根據(jù)效用總和的大小來評估偏好組合內(nèi)各個偏好之間的關聯(lián)程度，全面的了 解用戶對于各個偏好的關注程度，在保證用戶偏好精準識別的基礎上提升對于用戶偏好傾 向的識別范圍。
[0008] 在營銷方案生成過程中，利用用戶偏好分類與商企營銷信息分類的匹配、W及營 銷信息提供方商鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營 銷信息=者的精準匹配，提高營銷信息推送的精準度。
[0009] 另外，本發(fā)明還提供了一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)，所述 系統(tǒng)包括如下模塊：
[0010] 數(shù)據(jù)準備模塊，用于通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序， 選取用戶較為關注的關注點形成實時偏好組合；
[0011] 模型建設模塊，用于應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評 估，得到各個偏好的得分W及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好 組合內(nèi)各個偏好之間的關聯(lián)程度；
[0012] 營銷方案生成模塊，用于利用用戶偏好分類與商企營銷信息分類的匹配、W及營 銷信息提供方商鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營 銷信息S者的精準匹配，然后推送營銷信息。
[0013] 本發(fā)明應用于用戶實時上網(wǎng)行為分析，并結合商戶進行中營銷手段，形成精準的 營銷信息投放，提高傳統(tǒng)信息推送的精準度及最終客戶感受；由于本發(fā)明提出了將應用于 產(chǎn)品分析的聯(lián)合分析方法應用到用戶的偏好分析中，將用戶的各個偏好看作商品，更能客 觀的評估用戶的偏好程度。
【附圖說明】
[0014] 圖1為本發(fā)明基于用戶上網(wǎng)日志及位置的手機信息推送方法的流程圖。
[0015] 圖2為本發(fā)明基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)的結構原理圖。
【具體實施方式】
[0016] 下面結合附圖和實施例對本發(fā)明進行詳細的描述。
[0017] 為實現(xiàn)W上目的，如圖1所示，本發(fā)明示例提供了一種基于用戶上網(wǎng)日志及位置的 手機信息推送系統(tǒng)，包括如下步驟：
[0018] 步驟一，通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序，選取用戶較 為關注的關注點形成實時偏好組合；
[0019] 步驟二，應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評估，得到各 個偏好的得分W及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好組合內(nèi)各個 偏好之間的關聯(lián)程度；
[0020] 步驟S，利用用戶偏好分類與商企營銷信息分類的匹配、W及營銷信息提供方商 鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營銷信息S者的精 準匹配，然后推送營銷信息。
[0021] W下是上述方法步驟的詳細實施例：
[0022] 步驟一中，首先提取商業(yè)繁華區(qū)域內(nèi)某一指定時間段內(nèi)的解析過的用戶手機上網(wǎng) 日志信息，并利用社會渠道獲取商鋪基本信息（名稱、行業(yè)類別、地址、電話、營銷信息等）、 網(wǎng)站分類信息（網(wǎng)站名、欄目名、欄目行業(yè)類別等）。
[0023] 用戶數(shù)據(jù)表
[0024]
[0025]
[0026]
[0027]
[002引商鋪信息表
[0029]
[0030] (1)針對提取數(shù)據(jù)進行數(shù)據(jù)預處理。整合用戶數(shù)據(jù)表、網(wǎng)址分類表、商鋪信息表，根 據(jù)通話記錄與商鋪電話的匹配，上網(wǎng)日志與網(wǎng)址分類表的匹配，形成用戶關注關鍵詞的分 類及頻率統(tǒng)計，并剔除缺失值、錯誤值等。形成數(shù)據(jù)預處理清單；
[0031] 數(shù)據(jù)預處理清單 r0032I
[0033] (2)提取建模數(shù)據(jù)表，即選取各分類基于關注頻率匯總值及關注頻率按數(shù)值大小 排序的前=(默認，可配置)的分類及前=(默認，可配置)的關鍵詞。
[0034] 建模數(shù)據(jù)表 r00351
[0036] (3)聯(lián)合分析中設及=個專有名詞:屬性、水平、效用。屬性表示一個產(chǎn)品的各種固 有屬性(如手機商品的價格、質(zhì)量、功能），水平表示每種屬性的客戶評價標準(如價格的高、 中、低;質(zhì)量的好、一般、差;功能的全面、一般、少），效用表示根據(jù)客戶對每個屬性的各個水 平的評分而計算出的客戶的商品推薦信息的購買偏好程度。
[0037] 在運里利用聯(lián)合分析的思路，將客戶上網(wǎng)訪問關鍵詞的分類定義為屬性，表示為 Ul , U2，…，Un。將各個關鍵詞定義為水平，表不為Uil，Ui2，…，"/m, (J. = I，:2.，，Uij ( j = 1， 2,. . .，mi)為第i個類別第j關鍵詞的水平，mi為第i個類別的關鍵詞數(shù)數(shù)量。對各個關鍵詞的 用戶關注程度定義為效用。
[0038] (4)確定用戶偏好組合評估模型，W效用函數(shù)的形式建立：
[0039]
??? '>? '(' 1' )
[0040] 其中a(x)為所有類別組合的效用，n為類別個數(shù)，nil為類別Ui關鍵詞數(shù)目，au為第i 個類別的第j個關鍵詞的效用，au的數(shù)目隨著類別及其關鍵詞數(shù)目的增加迅速增加，給計算 帶來一定的困難。聯(lián)合分析在進行產(chǎn)品分析時通常采用啞元法減少參數(shù)，并應用最小二乘 法估計參數(shù)。XU為第i個類別的第j關鍵詞的特性變量，當在某一測試中，運一類別關鍵詞組 合出現(xiàn)時取1，不出現(xiàn)則取0。
[0041] 由于在建模數(shù)據(jù)選取時已經(jīng)確定的=種分類W及各分類中的=個關鍵詞，對于3 類別，3關鍵詞的研究對象，如采用上述特性變量XU表示時，第一特征的=個關鍵詞的取值 情況為
[0042] 各種類別關鍵詞組合將有27種取值形式。運時待確定的效用au達27個。但實際上 表示第一特征的關鍵詞，完全可W只用兩個特性變量Xl，X2 W如下取值形式表示
[0043] 同樣，表示第二特征的=個關鍵詞可用X3，X4表示，其取值為
[0044] 表示第S特征的S個關鍵詞可W用X5，X6,其取值為：
[0045] 運時。特性變量數(shù)只有6個，效用函數(shù)可W表示為：
[0046] a = bo+bixi+b2X2+b：3X3+b4X4+b 日X日+b6X6......(2)
[0047] 對應啞變元素如表1所示。
[004引表1啞變元素
[0049]
[OC
[0化1] 在表1中對于第一特征Ui,
[0052] 對應表1中的第一關鍵詞(取值1者)均用Xi取1，X2取0表示；
[0化3] 對應表1中的第二關鍵詞(取值2者)均用Xi取0，X2取1表示；
[0化4] 對應表1中的第=關鍵詞(取值3者)均用Xi取0，X2取0表示。
[0055]對化，U3依次類推。應用最小二乘法即可估計得出參數(shù)bo, bl，b2,…，b6。
[0056]多元線性回歸的模型采用最小二乘法估計參數(shù)方法如下：
[0化7]
[005引根據(jù)最小二乘法原理，參數(shù)估計值為如下方程組的解：
[0化9]
[0060] 其中
[0061]
[0062] 于是，得到關于待估參數(shù)估計值的正規(guī)方程組：
[0063]
[0064] 解該化+1)各方程組成的線性方程組，即可得至lKk+1)各待估參數(shù)的估計值名j:，j = 〇，l，2，...，k
[0065] 將上述方程用矩陣表示如下：
[0066] 尋求一組參數(shù)估計值;^，使得殘差平方和
[0067] 最小。
[006引
[0069]
[0070]針對方程(2)和方程(I)，各類別組合的效用有如下關系：
[0071 ] a (X) 1 = aii+a2i+a3i = bo+bi+bs+bs
[0072] a (X) 2 =日12+日21+日31 = bo+b2+b3+b 已
[0073 ] a (X) 3 =日13+日21+日31 = bo+b3+b 已
[0074] ……
[0075] 根據(jù)W上關系，W及對于關鍵詞的效用評分存在線性約束，即各分類的=個關鍵 詞的效用評分和為0,可列出方程組（3)~（5)。通過求解運一線性方程即可得出參數(shù)aij的 值：
[0076] …'… （.'3')
[0077] ( 4 )
[007引 -------- ( 5)
[0079] (5)預測用戶偏好出現(xiàn)不同關鍵詞組合對象的效用。
[0080] (6)根據(jù)不同關鍵詞組合的效用，發(fā)現(xiàn)不同關鍵詞在用戶行為習慣中的規(guī)則，生成 用戶行為偏好組合表。
[0081] 用戶行為偏好組合表 r00821
[0083] (7)將用戶行為偏好組合表中關鍵詞所屬類別與商鋪信息表中商企商業(yè)類別進行 匹配，從而形成偏好組合與商企營銷信息，用戶位置與商企位置的關聯(lián)，比如通過模型運算 得到的偏好組合為(山1，化1，1131)，某用戶目前關注偏好為(山1，1131)，可^向用戶推薦1131關鍵 詞所屬分類對應的商企營銷信息。
[0084] 由于面對眾多用戶關鍵詞時，在進行正交運算時，會生成幾何級的組合數(shù)量，而且 用戶訪問的眾多關鍵詞在訪問頻率不高的情況下我們可W認為用戶是臨時訪問，不作為用 戶偏好考慮，實際應用中一般選取用戶訪問頻率較高的=個分類及每個分類前=的關鍵 詞，算法示例如下：
[0085] 表2用戶訪問的分類及關鍵詞
[0086]
[0087]
[00則運里應用L9(33)正交表安排測試。所得分值如表3:
[0089] 表3用戶訪問分類及關鍵詞組合正交測試表
[0090]
[0091] 評分值為用戶手機上網(wǎng)日志的次數(shù)累計利用歸一法運算后乘WlO獲得。表3中的 評分值是根據(jù)提取的少量模擬用戶日志數(shù)據(jù)生成的一組數(shù)據(jù)。
[0092] 因此
[0093]
[0094]
[0095]
[0096]
[0097] 由此可W算出（2)式中的各個系數(shù)：
[009引 b0 = 4.222，bi = 1.000，b2 = -0.333，b3= 1.000，b4 = 0.667，bs = 2.333，b6= 1.333
[0099] 求解方程組
[0100]
[0101] L222；
[0102]
[0103]
[0104] 上述結果可表示如下：
[0105] 表4手機特性水平組合效果表
[01HA1
[0107]
[0108] 根據(jù)表4的效用值可W得到所有27種特性組合的效用值。計算得出下表：
[0109] 表5所有分類組合效用值 rniini
[0111] '上述數(shù)據(jù)預示了各種分類關鍵詞組合的用戶偏好關聯(lián)程度預測，表5中組合(澳口 風云II，西餐，KTV)的效用值為2.334,組合(澳口風云II，火鍋，KTV)的效用值為2,運兩種組 合是用戶偏好關聯(lián)程度最高的組合。運樣我們在制定營銷推薦時，就可W向歷史訪問行為 中具有"西餐、KTV"訪問關鍵詞的用戶推薦正在上映"澳口風云ir的影院的相關營銷信息； 或者向歷史訪問行為中具有"澳口風云II、KTr訪問關鍵詞的用戶推薦"西餐廳"或主營"火 鍋"的餐飲企業(yè)的相關營銷信息。
[0112] 根據(jù)W上用戶偏好組合的最終形成結果，我們通過結合用戶的位置信息與商戶資 料服務器中商戶地址的匹配，對用戶進行精準的實時信息推薦，比如根據(jù)用戶偏好關聯(lián)預 測結果，結合移動通信系統(tǒng)信令系統(tǒng)的位置信息，對用戶所處地理位置定位，并推薦附近的 相關商鋪的優(yōu)惠信息。
[0113] 如圖2所示，本發(fā)明還提供一種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)，所 述系統(tǒng)包括如下模塊：
[0114] 數(shù)據(jù)準備模塊，用于通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序， 選取用戶較為關注的關注點形成實時偏好組合；
[0115] 模型建設模塊，用于應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評 估，得到各個偏好的得分W及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好 組合內(nèi)各個偏好之間的關聯(lián)程度；
[0116] 營銷方案生成模塊，用于利用用戶偏好分類與商企營銷信息分類的匹配、W及營 銷信息提供方商鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營 銷信息S者的精準匹配，然后推送營銷信息。
[0117] 顯然，本領域的技術人員可W對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精 神和范圍。運樣，倘若對本發(fā)明的運些修改和變型屬于本發(fā)明權利要求及其同等技術的范 圍之內(nèi)，則本發(fā)明也意圖包含運些改動和變型在內(nèi)。
【主權項】
1. 一種基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在于所述方法包括如下 步驟： 步驟一，通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序，選取用戶較為關 注的關注點形成實時偏好組合； 步驟二，應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評估，得到各個偏 好的得分W及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好組合內(nèi)各個偏好 之間的關聯(lián)程度； 步驟Ξ，利用用戶偏好分類與商企營銷信息分類的匹配、W及營銷信息提供方商鋪的 地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營銷信息Ξ者的精準匹 配，然后推送營銷信息。2. 如權利要求1所述的基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在于： 所述步驟一中的用戶數(shù)據(jù)包括:商業(yè)繁華區(qū)域內(nèi)某一指定時間段內(nèi)的解析過的用戶手 機上網(wǎng)日志信息，W及利用社會渠道獲取的商鋪基本信息、網(wǎng)站分類信息。3. 如權利要求1或2所述的基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在 于： 所述步驟一中對用戶數(shù)據(jù)的分析包括W下內(nèi)容:針對用戶數(shù)據(jù)進行數(shù)據(jù)預處理，整合 用戶數(shù)據(jù)表、網(wǎng)址分類表、商鋪信息表，根據(jù)通話記錄與商鋪電話的匹配，上網(wǎng)日志與網(wǎng)址 分類表的匹配，形成用戶關注關鍵詞的分類及頻率統(tǒng)計，并剔除缺失值、錯誤值等，形成數(shù) 據(jù)預處理清單。4. 如權利要求1所述的基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在于： 所述步驟一中選取用戶較為關注的關注點的方法為：提取建模數(shù)據(jù)表，即選取各分類 基于關注頻率匯總值及關注頻率按數(shù)值大小排序的前Ξ的分類及前Ξ的關鍵詞。5. 如權利要求1所述的基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在于： 步驟二中所述的聯(lián)合分析方法中，將客戶上網(wǎng)訪問關鍵詞的分類定義為屬性，表示為 山，化，…，Un ;將各個關鍵詞定義為水平，表示為 ""，".3,…，。卻仁=I，2,，叫(j = l，2,. . . 'mO為第i個類別第j個關鍵詞的水 平，mi為第i個類別的關鍵詞數(shù)數(shù)量;對各個關鍵詞的用戶關注程度定義為效用。6. 如權利要求1所述的基于用戶上網(wǎng)日志及位置的手機信息推送方法，其特征在于： 所述步驟二中的評估方法為:確定用戶偏好組合評估模型，W效用函數(shù)的形式建立：其中a(x)為所有類別組合的效用，η為類別個數(shù)，m功類別m關鍵詞數(shù)目，au為第i個類 別的第j個關鍵詞的效用，XU為第i個類別的第j個關鍵詞的特性變量，當在某一測試中，運 一類別關鍵詞組合出現(xiàn)時取1，不出現(xiàn)則取0。7. -種基于用戶上網(wǎng)日志及位置的手機信息推送系統(tǒng)，其特征在于所述系統(tǒng)包括如下 模塊： 數(shù)據(jù)準備模塊，用于通過對用戶數(shù)據(jù)的分析，將用戶的關注點進行關注頻率排序，選取 用戶較為關注的關注點形成實時偏好組合； 模型建設模塊，用于應用聯(lián)合分析方法對上述偏好組合的用戶關注度進行量化評估， 得到各個偏好的得分W及每個偏好組合的效用總和，根據(jù)效用總和的大小來評估偏好組合 內(nèi)各個偏好之間的關聯(lián)程度； 營銷方案生成模塊，用于利用用戶偏好分類與商企營銷信息分類的匹配、W及營銷信 息提供方商鋪的地理位置與用戶地理位置的匹配，形成用戶偏好組合、用戶位置和營銷信 息Ξ者的精準匹配，然后推送營銷信息。
【文檔編號】G06Q30/02GK105978729SQ201610457440
【公開日】2016年9月28日
【申請日】2016年6月22日
【發(fā)明人】王廣善, 汪波, 徐小陽
【申請人】北京拓明科技有限公司