购车用户行为数据分析处理方法、装置及设备与流程

技术特征：
1.一种购车用户行为数据分析处理方法，其特征在于，包括：获取潜在购车用户的用户行为特征，其中所述用户行为特征包括所述潜在购车用户的汽车类应用工具的安装和/或登录数据、在所述汽车类应用工具中的操作数据；根据所述潜在购车用户的用户行为特征和预设概率模型，输出所述潜在购车用户的购车概率；在所述购车概率高于预设阈值时，将对应的潜在购车用户确定为目标用户；生成所述目标用户的辅助促销数据。2.根据权利要求1所述的方法，其特征在于，所述预设概率模型按以下方式预先生成：获取第一设定时段内的预设用户的所述用户行为特征；从所述预设用户中选择设定数量的未购车用户，根据所述未购车用户在第二设定时段内的购车结果，将所述未购车用户分别标记为不同样本；将所述不同样本和对应的用户行为特征输入机器学习模型进行拟合训练；根据所述拟合训练结果，输出模型文件。3.根据权利要求2所述的方法，其特征在于，所述不同样本包括正样本与负样本；其中，所述正样本包括所述购车结果为已购车的用户，所述负样本包括所述购车结果为未购车的用户；或，所述正样本包括所述购车结果为未购车的用户，所述负样本包括所述购车结果为已购车的用户。4.根据权利要求2所述的方法，其特征在于，所述将所述不同样本和对应的用户行为特征输入机器学习模型进行拟合训练，包括：将所述不同样本和对应的用户行为特征输入机器学习模型后，采用最大似然估计算法进行拟合训练。5.根据权利要求2所述的方法，其特征在于，所述根据所述拟合训练结果，输出模型文件，包括：根据所述拟合训练结果，进行测试，在测试准确率符合测试阈值时，输出模型文件。6.根据权利要求1所述的方法，其特征在于，所述生成所述目标用户的辅助促销数据之后，还包括：将所述目标用户的辅助促销数据分配给符合预设条件的销售门店和/或销售人员。7.根据权利要求6所述的方法，其特征在于，所述预设条件包括：销售门店位于所述目标用户的出行区域的预设距离内；和/或，所述销售人员的评分位于评分排序前列。8.一种购车用户行为数据分析处理装置，其特征在于，包括：获取模块，用于获取潜在购车用户的用户行为特征，其中所述用户行为特征包括所述潜在购车用户的汽车类应用工具的安装和/或登录数据、在所述汽车类应用工具中的操作数据；预测模块，用于根据所述获取模块获取的潜在购车用户的用户行为特征和预设概率模型，输出所述潜在购车用户的购车概率；确定模块，用于在所述预测模块输出的购车概率高于预设阈值时，将对应的潜在购车用户确定为目标用户；
生成模块，用于生成所述确定模块确定的目标用户的辅助促销数据。9.根据权利要求8所述的装置，其特征在于，所述装置还包括：构建模块，用于构建预设概率模型，所述预设概率模型按以下方式预先生成：获取第一设定时段内的预设用户的所述用户行为特征；从所述预设用户中选择设定数量的未购车用户，根据所述未购车用户在第二设定时段内的购车结果，将所述未购车用户分别标记为不同样本；将所述不同样本和对应的用户行为特征输入机器学习模型进行拟合训练；根据所述拟合训练结果，输出模型文件。10.根据权利要求8或9所述的装置，其特征在于，所述装置还包括：分配模块，用于将所述生成模块生成的目标用户的辅助促销数据分配给符合预设条件的销售门店和/或销售人员。11.一种电子设备，其特征在于，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1
‑
7中任一项所述的方法。12.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1
‑
7中任一项所述的方法。

技术总结
本申请是关于一种购车用户行为数据分析处理方法、装置及设备。该方法包括：获取潜在购车用户的用户行为特征，其中所述用户行为特征包括所述潜在购车用户的汽车类应用工具的安装和/或登录数据、在所述汽车类应用工具中的操作数据；根据所述潜在购车用户的用户行为特征和预设概率模型，输出所述潜在购车用户的购车概率；在所述购车概率高于预设阈值时，将对应的潜在购车用户确定为目标用户；生成所述目标用户的辅助促销数据。本申请提供的方案，能够为相关企业的销售服务工作提供辅助支持，便于销售人员为用户提供更好的销售服务，用户也将能够获得更好的购车体验。将能够获得更好的购车体验。将能够获得更好的购车体验。


技术研发人员：谢振宇
受保护的技术使用者：广州小鹏汽车科技有限公司
技术研发日：2021.07.31
技术公布日：2021/11/2