用于确定用户价值的信息处理方法与流程

1.本公开涉及数据处理技术领域，具体涉及到一种用于确定用户价值的信息处理方法。


背景技术：

2.用户(顾客)价值理论兴起于上世纪80年代。尽管对于顾客价值的内涵及其构成维度的认知则见仁见智，很多研究者承认对利得和利失的取舍和权衡是顾客价值的主要特征。而对于用户(顾客)来说，对于产品和服务在消费和使用过程中的体验满意度(或不满意)是其利得
‑
利失感受的重要组成部分。这也是顾客体验越来越被重视、进而形成“体验经济”概念的重要原因。体验经济时代，用户(顾客)满意度的价值不断提升。用户(顾客)在消费时，健康、精致、个性等“悦己”的情感诉求正在不断上升。以服务为舞台、以商品作道具、从生活与情境出发，塑造感官体验及思维认同，以此抓住用户(顾客)的注意力，改变消费行为，并为商品找到新的生存价值与空间，正是体验经济的核心理念。体验经济的互动性和高溢价性，都使得商家们越来越重视顾客的体验满意度和对顾客体验的管理。由态度促活行为、由行为增进消费、由消费进一步改进态度，建立态度
‑
行为
‑
消费的良性闭环，是体验管理的目标。
3.但相关技术中，用户(顾客)价值的研究模型存在局限性，均无法精准、全面地衡量用户的价值，从而无法有效管理和提升用户的价值。例如，现在使用广泛的rfm顾客价值分析模型，就是基于各大企业普遍建立的crm系统中收集的会员行为和消费信息形成的，rfm是对客户进行分类的一种算法。而基于顾客体验管理系统(cem)的满意度
‑
nps研究模型，则注重顾客体验的价值，认为忠诚用户形成的前提是良好的顾客体验。因此，cem注重顾客体验的变化，并在此基础上建立预警机制，以确保顾客体验的水平、提升顾客的粘性和良性转化。因此，对于体验提升与顾客消费力提升之间的关系并不明确，进而影响到了顾客价值的有效管理和提升。


技术实现要素：

4.本公开的主要目的在于提供一种用于确定用户价值的信息处理方法，以解决通过相关技术确定的用户价值，并不能全面反映用户对于对象的价值，也无法以数据化的方式呈现用户价值的问题。
5.为了实现上述目的，根据本公开的第一方面，提供了一种用于确定用户价值的信息处理方法，包括：获取不同类型用户的行为数据、以及获取不同类型用户的用于表示用户态度的数据；基于所述数据、以及预建立的用于确定用户价值分值的模型确定不同类型用户的行为评价得分、以及确定不同类型用户的态度评价得分，其中，所述模型包括多个评价指标，每个评价指标包括至少一个指标项；基于为各个评价指标配置的权重值、所述行为评价得分、以及所述态度评价得分确定不同类型用户价值的分值。
6.根据本公开的第二方面，提供了一种计算机可读存储介质，存储有计算机指令，所
述计算机指令用于使所述计算机执行第一方面任意一项实现方式所述的用于确定用户价值的信息处理方法
7.根据本公开的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实现方式所述的用于确定用户价值的信息处理方法。
8.在本公开实施例用于确定用户价值的信息处理方法，包括针对不同类型的用户，获取不同类型用户的行为数据、以及获取不同类型用户的用于表示用户态度的数据；基于数据、以及预建立的用于确定用户价值分值的模型确定不同类型用户的行为评价得分、以及确定不同类型用户的态度评价得分，其中，所述模型包括多个评价指标，每个评价指标包括至少一个指标项；基于为各个评价指标配置的权重值、所述行为评价得分、以及所述态度评价得分确定不同类型用户价值的分值。通过将用户的行为和消费指标与态度指标结合起来，可以全面、明确、以及细粒度确定用户之于品牌/产品的价值。进而解决了通过相关技术确定的用户价值，并不能全面反映用户对于对象的价值，也无法以数据化的方式呈现用户价值的问题。
附图说明
9.为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
10.图1是根据本公开实施例的用于确定用户价值的信息处理方法的流程图；
11.图2是根据本公开实施例的电子设备的示意图。
具体实施方式
12.为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
13.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
14.需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
15.根据本公开实施例，提供了一种用于确定用户价值的信息处理方法，如图1所示，
该方法包括如下的步骤101至步骤103：
16.步骤101：获取不同类型用户的行为数据、以及获取不同类型用户的用于表示用户态度的数据。
17.在本实施例中，用户的类型可以基于用户标签确定，用户的类型可以包括现有用户类型、以及潜在用户类型。在获取不同类型用户的态度数据时，可以从问卷系统获取问卷数据。问卷数据可以是围绕预设对象(例如，品牌、产品/产品概念等等需要确定用户价值的对象)进行多维度评估的评分数据。不同类型用户通过问卷系统对预设对象进行多维度评分后，系统将评分数据存储至数据库中，而后本方法实施例的执行主体在获取用于表示用户态度的数据时，可以从数据库中获取上述评分数据。
18.在获取不同类型用户的行为数据时，可以从顾客管理系统(例如crm)中获取用户的行为数据；也可以同时从顾客管理系统、问卷系统获取用户的行为数据，用户行为的数据包括用户围绕预设对象(例如，品牌、或者具体的产品)所产生实际行为数据，以及一段时间内的时间的消费变化数据。
19.传统的rfm模型只能搭载在企业的会员(顾客)管理系统(crm)上进行数据收集，无法脱离系统收集数据。本实施例的用户价值模型，模型指标对应的数据并不一定要从企业的crm系统中获取：其态度因子的数据，来源于调研问卷；其行为因子和消费因子部分的数据来源，既可以是来自企业crm的客观数据记录，也可以是通过问卷调研、由被访者的回忆获取。因此，本发明的数据收集并不需要依附于crm或cem系统存在。而是既可以在两系统上进行数据收集，也可以通过常规的市场调研(主要是网络调研)的方式进行阶段性的数据收集。这不仅使模型的应用范围得到了扩展，更有效解决了既往调研数据和系统数据难以贯通使用的难题。
20.作为本实施例一种可选的实现方式，获取不同类型用户的行为数据、以及获取不同类型用户的用于表示用户态度的数据：获取现有类型任一用户的行为数据、以及获取用于表示用户态度的数据；或者，获取潜在类型任一用户的行为数据、以及获取用于表示用户态度的数据。
21.在本可选的实现方式中，确定用户价值分值的模型可以分别针对现有用户、潜在用户之于企业的价值分值进行计算。通过实现模型针对潜在用户群体进行价值分值计算，使得模型可以兼具确定现状和预判未来的效果。
22.作为本实施例一种可选的实现方式，获取不同类型用户的行为数据包括：获取现有类型任一用户实际发生的行为数据；以及获取现有类型用户的行为变化数据；或者，获取潜在类型任一用户的预期使用行为数据；以及获取潜在类型用户的预期行为变化数据。
23.在本可选的实现方式中，可以获取不同类型用户的不同行为数据。不同类型的用户其行为数据是不同的。现有类型的用户，其存在实际使用行为，产生了实际使用数据；而潜在类型用户不存在实际使用行为，则可以获取的是预期使用行为数据(可通过问卷系统确定)、以及预期消费数据(可从问卷系统获取)。
24.本实施例的模型可以基于不同类型用户的不同数据，确定各个用户类型的价值。
25.步骤102：基于所述数据、以及预建立的用于确定用户价值分值的模型确定不同类型用户的行为评价得分、以及确定不同类型用户的态度的评价得分，其中，所述模型包括多个评价指标，每个评价指标包括至少一个指标项。
26.在本实施例中，用于确定用户价值分值的模型可以由多个评价指标组成，包括但是不限于态度指标(因子)、行为指标(因子)、以及消费指标(因子)，每一个评价指标包括至少一个指标项。本实施例可通过模型确定不同类型用户的态度评价得分，以及行为评价得分。
27.态度评价得分由态度指标确定；通过态度指标确定的该指标下的价值分值，可以用于表示现有用户、或者潜在用户对于品牌/产品的成长与粘性价值。
28.行为评价得分包括由行为指标确定的实际行为评价得分、以及由消费指标确定的用户的行为变化的评价得分。
29.通过行为指标确定的价值分值可以用于表示现有用户对于品牌/产品的活跃与传播价值；以及潜在用户对于品牌/产品的预期活跃价值。
30.通过消费指标确定价值分值可以用于表示现有用户对于品牌/产品的盈利和增值价值；以及体现潜在用户对于品牌/产品的预期盈利价值。
31.作为本实施例一种可选的实现方式，确定用户态度的评价得分包括：从不同类型用户的用于表示用户态度的数据中，确定第一评价指标下各个第一指标项相对应的第一数据；所述模型基于第一预设指标项对应的权重、以及所述第一数据，确定用户态度的评价得分，其中，所述用户态度的评价得分大小用于表示用户对于预设对象的第一预设价值贡献度的大小。
32.在本可选的实现方式中，第一评价指标可以是态度指标，态度指标所包含的第一预设指标项可以包括：品牌/产品喜好度指标项、净推荐值(nps)或购买意愿程度指标项和首选意愿程度指标项。
33.在确定品牌/产品喜好度指标项对应的第一数据时，可以针对预设对象(品牌或者产品)设置问卷，现有或者潜在用户通过问卷对预设对象进行喜好度打分，得到喜好度分值，例如，8分。分值的大小可以用以表示现有或潜在用户对于品牌/产品的喜欢程度。可以理解的是针对不同类型的用户，问卷的问题也不同，但均可通过问题进行打分。
34.在确定净推荐值或购买意愿程度指标项对应的第一数据时，可以针对预设对象(品牌或者产品)设置问卷，用户通过问卷对推荐度或购买意愿进行打分，得到nps分值，例如，7分。该分值的大小可以用于表示现有用户或者潜在用户对于品牌/产品的续购意愿的程度大小。可以理解的是针对不同类型的用户，问卷的问题也不同，但均可通过问题进行打分，例如针对现有用户设计的对于品牌/产品的续购意愿程度的问卷；针对潜在用户设计的对于新品牌/产品的未来购买意愿问卷；基于问卷的评分数据，确定第一数据。
35.同理在确定首选意愿指标项对应的第一数据时，也可以通过问卷的方式，获取意愿评分分值，例如，6分。该分值的大小可以用于表示反映用户未来对品牌/产品的首选可能性的大小。
36.在得到各个指标项的分值后，可以直接基于该分值进行计算态度指标的价值分值。可以包括：对各个第一预设指标项配置权重值λ
n
，而后基于各个指标项下的分值确定用户态度评价指标的价值分值。
37.示例性地，可以基于计算用户态度的评价得分。各个参数的定义参考表1：
38.表1
[0039][0040]
最终确定的用户态度的评价得分大小，可用于表示用户对于预设对象的第一预设价值贡献度的大小。预设对象即需要确定用户价值的对象，包括但是不限于品牌、产品等等。第一预设价值的贡献度大小，可以用于表示对预设对象的成长价值与忠诚价值贡献程度的大小，态度评价得分越大，则该用户对预设对象的成长价值和忠诚价值越大。
[0041]
通过确定态度指标下的用户态度的评价得分，在现有用户层面，主要通过品牌/产品喜好度、净推荐值(nps)和未来的首选意愿，体现现有用户对于品牌/产品的成长与忠诚价值。在潜在用户层面，则主要通过品牌/产品概念的喜好度、购买意愿和未来的首选意愿，体现潜在用户对品牌/产品的预期成长价值和预期忠诚价值。
[0042]
作为本实施例一种可选的实现方式，针对现有类型的用户，基于用户实际产生的行为数据，确定用户行为的第一评价得分；以及针对现有类型的用户，基于用户的消费行为数据以及消费行为变化数据，确定用户行为的第二评价得分；和/或，针对潜在类型的用户，基于用户预期发生的使用行为数据，确定用户行为的第一评价得分；以及针对潜在类型的用户，基于用户的预期消费行为数据，确定用户的第二评价得分；其中，第一评价得分的大小用于表示用户对于预设对象的第二预设价值的贡献度的大小；所述第二评价得分的大小用于表示用户对于预设对象的第三预设价值的贡献度的大小。
[0043]
在本可选的实现方式中，不同类型的用户在确定行为评价得分时，所依据的计算数据并不同。实际产生的行为数据包括使用行为产生的数据和传播行为产生的数据。
[0044]
针对现有类型的用户，第一评价得分的大小可用于表示现有用户对于预设对象(品牌/产品等等)的活跃与传播价值大小；且第二评价得分的大小可用于表示现有用户对于预设对象(品牌/产品等等)的盈利价值和增值价值的大小。
[0045]
针对潜在类型的用户，第一评价得分的大小可用于表示潜在用户对预设对象的预期活跃价值的大小；且第二评价得分的大小可用于表示潜在用户对于预设对象预期盈利价值的大小。因此第二预设价值的贡献度大小可以包括用于表示现有用户对预设对象活跃与传播价值贡献度的大小、潜在用户对预设对象预期活跃值贡献度的大小。第三预设价值的贡献度大小可以包括用于表示现有用户对预设对象的盈利价值和增值价值贡献度的大小、潜在用户对预设对象预期盈利价值的大小。
[0046]
第二评价得分大小可以用表示现有用户对于预设对象(品牌/产品等等)的盈利价
值和增值价值；也可以用于表示潜在用户对于预设对象的预期盈利价值和/或增值价值。
[0047]
作为本实施例一种可选的实现方式，确定用户行为的第一评价得分包括：针对现有类型用户，从用户实际产生的行为数据中，确定第二评价指标下与各个第二指标项相对应的第二数据；基于预设的第一计算策略，确定所述第一数据所对应的第一数值；所述模型基于预配置的各个第二指标项对应的权重、以及所述第一数值，确定第一评价得分；和/或，针对潜在类型用户，从用户预期发生的使用行为数据中，确定第二评价指标下与各个第二指标项相对应的第二数据；基于预设的第一计算策略，确定所述第一数据所对应的第一数值；所述模型基于预配置的各个第二指标项对应的权重、以及所述第一数值，确定第一评价得分。
[0048]
在本可选的实现方式中，第二评价指标可以是行为指标，针对现有类型用户，该指标下的第二指标项可以包括使用行为指标项v
u
，该指标项对应的第二数据可以包括一段时期内的使用频率v
f
和使用数量v
q
；在计算第一数值时，通过v
u
＝v
f
*v
q
确定。针对现有类型用户，第二指标项还包括传播行为指标项，该指标项对应的第二数据可以包括分享率(s)和分享人数n；在计算第一数值时，可以通过公式：
[0049]
确定。
[0050]
而后可以基于为使用行为指标项配置的权重值、为传播行为指标项配置权重值，基于公式v
b
＝v
u
*λ4 v
s
*λ5确定用户行为的第一评价得分。
[0051]
针对潜在类型用户，第二评价指标可以是行为指标，该指标下的指标项可以包括预期使用行为指标项v
u
；该指标项对应的第二数据可以包括一段时期内的预期使用频率v
f
和预期使用数量v
q
；在计算第一数值时，通过v
u
＝v
f
*v
q
确定。而后可以基于为使用行为指标项配置的权重值、为传播行为指标项配置权重值，基于公式v
b
＝v
u
*λ4确定用户行为的第一评价得分。
[0052]
其中各个参数的含义可参考表2：
[0053]
表2
[0054][0055]
通过确定用户的行为指标的价值分，在现有用户层面，通过用户的使用行为和传播行为，体现现有用户对于品牌/产品的活跃与传播价值。在潜在用户层面，通过用户的预期使用行为(可通过预设方式计算使用频率、使用数量和/或)，体现潜在用户对于品牌/产品的预期活跃价值。
[0056]
作为本实施例一种可选的实现方式，确定用户行为的第二评价得分包括：针对现有类型用户，从用户的消费行为数据以及消费行为变化数据中，确定第三指标下与各个第三指标项相对应的第三数据；基于预设的第二计算策略，确定所述第三数据所对应的第二数值；所述模型基于预配置的第三指标项对应的权重、以及所述第二数值，确定用户行为的第二评价得分；针对潜在类型用户，从用户的预期消费行为数据中，确定第三评价指标下与各个第三指标项相对应的第三数据；基于预设的第二计算策略，确定所述第三数据所对应的第二数值；所述模型基于预配置的各个第二指标项对应的权重、以及所述第二数值，确定第二评价得分。
[0057]
在本可选的实现方式中，第三评价指标可以是消费指标，针对现有类型用户，第三指标项可以包括消费行为指标项，该指标项对应的第三数据可以包括最近一次的消费金额或预期消费金额p、最近一段时间的消费次数n；在计算第二数值时，通过p*n确定。第三指标项还包括消费变化指标项v
ch
，该指标项对应的第二数据由与上一时间段(依据需求不同而确定，可以是一个月、一个季度、半年或一年等)同期相比的消费变化量确定；在计算第二数值时，可以通过公式按比例缩小等数据处理方式确定第二数值(也可以直接运用获取的消费变化数据)。
[0058]
而后可以基于为消费行为指标项配置的权重值、为消费变化指标项配置权重值，基于公式v
c
＝(p*n)*λ6 v
ch
*λ7确定用户行为的第二评价得分。
[0059]
针对潜在类型的用户，第三指标可以是消费指标，针对现有类型用户，第三指标项可以包括预期消费行为指标项，该指标项对应的第三数据可以由预期消费金额p、预期消费次数n；在计算第二数值时，通过p*n确定。
[0060]
而后可以基于为消费行为指标项配置的权重值,基于公式v
c
＝(p*n)*λ6确定潜在用户第二评价得分。
[0061]
其中各个参数的含义可参考表3：
[0062]
表3
[0063][0064][0065]
通过确定用户行为的第二评价得分，在现有用户层面，通过用户的消费金额、消费频率和一段时间内的消费变化，体现现有用户对于品牌/产品的盈利价值和增值价值。在潜在用户层面，通过用户的预期消费金额和预期消费频率，体现潜在用户对于品牌/产品的预期盈利价值。
[0066]
本实施例的模型首次整合了用户的行为数据和体验(态度)数据，为用户价值的衡量与划分提供了更全面的依据。模型兼顾了模型架构的稳定性和应用的灵活性，能够基于品牌/产品发展的具体情况进行分析重点调整，提高分析结果的有效性应用。模型基于互联网技术的加持，首次将连续性的系统数据与阶段性的调研数据有机整合起来，实现不同平
台、统一套指标体系和分析方法。本模型通过对现有及潜在用户态度因子、行为因子和消费因子三大因子指标的数据收集，形成特有的算法模型，并据此形成用户价值指数。并且首次将用户价值指数前置到潜在用户群体中，使得模型结果兼具了反映现状和预判未来的双重价值。本模型将采用独有的互联网交互题型进行消费者信息采集，这将提升用户答题体验，进而提高采集信息的效率和准确率。本模型将研究的理论架构形成数学化的模型算法，使之成为可以搭载在系统上的产品模块，有助于获取连续性的结果。是对传统研究方式的创新。
[0067]
步骤103：基于为各个评价指标配置的权重值、所述用户行为的评价得分、以及所述用户态度的评价得分确定用户价值的分值。
[0068]
在本实施例中，以用户价值指数(v总)为最终得分，基于步骤102确定的得分、以及为各个指标配置的权重值，基于预设的计算规则v
总
＝v
a
*δ1 v
b
*δ2 v
c
*δ3确定最终的用户价值的分值(用户价值的指数)。其中，公式中各个参数的含义参考表4：
[0069]
表4
[0070][0071]
传统的rfm模型只能够面向现有用户进行评价，对于潜在用户无法进行价值评估；同时，rfm模型也只能单独运用，和其他研究模型难以进行整合。本实施例中的用户价值模型中的三大指标体系，分别针对现有用户和潜在用户设立了对应的细分指标项，使得模型可以同时适用于现有和潜在用户。应用的人群范围增加了。与此同时，本模型与用户画像研究相结合，可将目标人群基于企业品牌/产品自身的价值进行市场细分，能够让对细分市场的价值评估更具有针对性；本模型与品牌研究相结合，又能够基于用户之于品牌的价值高低对品牌用户分型，并根据各分型之间的比例来判断品牌用户构成的健康性，进而为品牌健康度研究增加了用户价值维度，使品牌研究的结果更具全面性。
[0072]
作为本实施例一种可选的实现方式，方法还包括：调整为各个评价指标配置的权重值，以重新确定用户价值的分值。
[0073]
在本可选的实现方式中，针对不同的业务场景，可以实时调整权重值的大小。各个
指标的的权重(即δn或λn)，可依据各要素在衡量用户(顾客)价值层面的重要性进行分配。例如：在用户价值问卷设计之前，与企业进行内部访谈，了解品牌/产品的现状表现、或者对于品牌/产品概念的预期表现，并据此制定三大因子指标体系的优先级。作为较为成熟的品牌/产品，应更关注用户的行为和消费表现，即v
c
和v
b
的权重高于v
a
；而作为新上市的品牌/产品，则应更关注用户的态度表现，即v
a
的权重更高。具体权重值的确定，可以采用德尔菲法确定权重。当获取了更多数据信息之后，可依据所在市场和用户情况，进行权重调适。
[0074]
用户价值模型在对数据结果进行分析时，可以因应品牌/产品发展的不同阶段，适当调整分析的侧重点，确保用户价值的评定结果与品牌/产品发展的阶段相适应。传统的用户(顾客)价值研究模型，对于用户(顾客)价值的划分标准往往是确定不变的。以rfm模型为例，模型将r/f/m三个因子最终都换算为“高
‑
中
‑
低”三个级别，并整合细分形成125类用户。不论面对什么样的企业和品牌/产品，这125类用户的划分标准基本都是一致的。这固然有助于品牌和行业之间的横向比较，但对于企业自身品牌/产品的针对性却不足。本模型更看重模型对具体品牌/产品的帮助作用，因而对于用户价值的评估，会根据企业自身及其所属行业的特点，以及企业拥有品牌/产品的发展阶段进行调适。如前所述，当品牌/产品尚处于萌芽阶段时，此时会更看重潜在用户的潜在价值，并且在用户价值中，也更看重他们的成长价值。而对于比较成熟稳定的品牌，则更看重用户的盈利和增值价值。此时，可以根据需要，通过调整权重系数的方式，在保持指标体系稳定的基础上，评估体系更灵活，对品牌/产品的个性化情况有更好的适应度。
[0075]
从以上的描述中，可以看出，本公开实现了如下技术效果：将用户(顾客)的行为和消费指标与态度指标有机结合起来，不仅可以评估用户(顾客)之于品牌/产品的现有价值，还能够预估他们之于品牌/产品未来的成长价值。并且，该指模型还具有灵活性，可以根据品牌/产品所处行业、发展阶段、以及关注要素的不同，在保持大的结构稳定的基础上，在细节指标上有所调整。不仅确保该指标体系对于多领域、多企业的适用性，而且也使该体系可以根据市场和调研理论的发展而不断迭代更新，具有自我提升功能。
[0076]
本实施例有利于企业更快速、全面、系统、具体地了解自己现有和潜在用户的价值表现，对企业管理自身品牌/产品用户、有针对性地吸引细分市场的潜在高价值用户提供了更具落地性的指导。
[0077]
还有利于整合cem和crm的数据资源，整合用户的行为与体验数据，对用户进行更全方位的价值描绘。有助于企业对其用户进行更科学的分型、并基于分型特点进行有针对性地管理。
[0078]
本模型能够同时应用于cem和crm的系统平台、以及专项研究领域。意味着在两个不同的渠道平台上，可以采用同样的问卷和指标体系。打通了系统数据和专项研究的渠道壁垒，可以针对连续性收集的系统数据和阶段性收集的研究数据进行跨平台研究，使得企业数据获得更充分的应用，并获取更丰富的研究成果。例如，可以在行为因子方面，通过对比用户(顾客)的客观数据和主观回忆数据之间的差异，能够对用户(顾客)的回忆颗粒度进行精准把握，有助于对未来回忆数据进行更准确地评估。
[0079]
本模型将用户价值分析前置到潜在用户群体中，使得新品牌/新产品的上市前研究过程中，能够对细分用户市场进行更明确的价值划分。对于制定品牌/产品上市策略提供更准确的评估和参考依据。
[0080]
本模型具有高度的灵活性，可以与用户画像、品牌健康研究等其他研究模型整合，有助于提高其他领域研究的科学性、准确性和针对性。
[0081]
用户价值表现的指数化呈现方式，有助于企业对于用户管理与发展制定可衡量的数据化目标。
[0082]
将研究模型与定制化的互联网信息采集技术结合，有利于提升采集效率和结果的准确性。
[0083]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0084]
本公开实施例提供了一种电子设备，如图2所示，该电子设备包括一个或多个处理器21以及存储器22，图2中以一个处理器21为例。
[0085]
该控制器还可以包括：输入装置23和输出装置24。
[0086]
处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接，图2中以通过总线连接为例。
[0087]
处理器21可以为中央处理器(centralprocessingunit，cpu)。处理器21还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field
‑
programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0088]
存储器22作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器21通过运行存储在存储器22中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的用于确定用户价值的信息处理方法。
[0089]
存储器22可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0090]
输入装置23可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置24可包括显示屏等显示设备。
[0091]
一个或者多个模块存储在存储器22中，当被一个或者多个处理器21执行时，执行如图1所示的方法。
[0092]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、
光盘、只读存储记忆体(read
‑
onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid
‑
statedrive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0093]
虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。