一种商业空间内不同场景的用户消费行为分析方法及系统与流程

1.本发明涉及数据分析技术领域，更具体地，涉及一种商业空间内不同场景的用户消费行为分析方法及系统。


背景技术：

2.随着移动互联网技术的快速发展，手机、平板电脑以及pos机等各种移动终端越来越普及，消费者普遍习惯于使用移动终端进行消费。这些移动终端在方便人们消费的同时，也记录下了消费者们的行为数据，甚至记录有消费者的位置信息。目前现有技术有提出基于消费者行为数据分析和分类技术，通过分析和建模消费者的行为，再挖掘出不同消费者的消费习惯，便于对客户群体进行粘性加固、潜在客户的精准营销和广告推送。
3.然而在商业空间中，普遍存在多层次维度的场景，包括超市、商铺、停车场等等，消费者在不同的场景中的消费动作独立，难以对商业空间内的消费者用户进行识别。


技术实现要素：

4.本发明为克服上述现有技术中难以对商业空间内不同场景下的消费者用户进行识别的缺陷，提供一种商业空间内不同场景的用户消费行为分析方法及系统。
5.为解决上述技术问题，本发明的技术方案如下：一种商业空间内不同场景的用户消费行为分析方法，包括以下步骤：s1、获取商业空间内不同场景的消费者消费数据，对所述消费数据进行预处理，并对所述消费数据标注有属性标签；s2、采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类；s3、以消费者id作为端子对象，以消费数据作为节点，构建neo4j图数据库；s4、选择一个或多个目标分析属性，从所述neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，得到用户消费行为分析结果。
6.作为优选方案，所述消费数据包括消费对象、消费额和消费时间；所述属性标签包括消费者属性标签、场景类型标签、消费对象类型标签、消费层级标签和时间标签。
7.作为优选方案，所述s1步骤中，通过设置在商业空间内不同场景的pos系统、网上支付平台记录、停车场管理平台记录中的一种或多种获取消费者消费数据。
8.作为优选方案，所述s1步骤中，对所述消费数据进行预处理的步骤包括：s1.1、对所述消费数据进行清洗：对消费额低于预设的消费额阈值的消费数据删除；将连续的两次消费之间时间间隔大于预设的时间阈值的消费数据删除；s1.2、对所述消费数据进行分类：构建基于消费对象类型的语义文本分类模型，将经过清洗的消费数据输入所述语义文本分类模型中，所述语义文本分类模型对消费数据中的消费对象进行语义文本分析及分类，输出得到消费数据的消费对象类型分类标签和消费
场景类型标签；s1.3、将所述消费数据进行时间段划分，并按时间段对所述消费数据标注时间标签；s1.4、将所述消费数据按照消费额由小至大排序，并按消费额度层级对所述消费数据标注消费层级标签。
9.作为优选方案，所述s4步骤中，生成用户消费行为分析结果的步骤包括：s4.1、选择的一个或多个目标分析属性；s4.2、以消费者id为基础，对该消费者id的消费数据进行特征识别，生成消费数据特征值；s4.3、根据所述消费数据特征值按照目标分析属性的属性标签分别进行聚类，得到消费者-消费者属性分布、消费者-消费场景分布、消费者-消费对象分布、消费者-消费层级分布、消费者-消费时间分布中的一种或多种作为用户消费行为分析结果进行输出。
10.作为优选方案，所述方法还包括以下步骤：根据所述消费者id与目标分析属性标签之间的分布构建知识图谱并进行可视化展示。
11.进一步的，本发明还提出一种商业空间内不同场景的用户消费行为分析系统，应用于上述任一技术方案提出的一种商业空间内不同场景的用户消费行为分析方法。其中包括消费数据采集模块、消费数据预处理模块、消费数据标识模块、分类模块、neo4j图数据库和分析模块。
12.其中，消费数据采集模块用于获取商业空间内不同场景的消费者消费数据，消费数据预处理模块用于对采集的消费者消费数据进行清洗处理；消费数据标识模块用于对消费数据标注有属性标签；分类模块用于采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类；neo4j图数据库用于以消费者id作为端子对象，以消费数据作为节点对消费数据进行存储；分析模块用于所述neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，输出用户消费行为分析结果。
13.作为优选方案，所述消费数据标识模块包括：类型标签标识单元，所述类型标签标识单元内预设有经过训练的语义文本分类模型；将消费数据输入所述语义文本分类模型中，所述语义文本分类模型对消费数据中的消费对象进行语义文本分析及分类，输出得到消费数据的消费对象类型分类标签和消费场景类型标签；时间标签标识单元，用于将所述消费数据进行时间段划分，并按时间段对所述消费数据标注时间标签；层级标签标识单元，用于将所述消费数据按照消费额由小至大排序，并按消费额度层级对所述消费数据标注消费层级标签。
14.作为优选方案，所述消费数据采集模块包括pos系统、线上支付平台、停车场车辆识别管理平台中的一种或多种。
15.作为优选方案，所述系统还包括图谱模块和交互模块，所述图谱模块从所述neo4j图数据库调取标注有相应属性标签的数据，基于知识图谱技术生成树状图和/或星状图的知识图谱；所述交互模块用于将从所述neo4j图数据库调取标注有相应属性标签的数据进
行可视化展示，以及将图谱模块生成的树状图和/或星状图的知识图谱进行可视化展示。
16.与现有技术相比，本发明技术方案的有益效果是：本发明通过获取商业空间内不同场景的消费者消费数据，并基于用户的消费者id将消费数据存储在neo4j图数据库中，完成对商业空间内不同场景下的消费者用户进行识别，进一步通过社区发现算法neo4j和聚类算法识别及分析同一用户在商业空间内不同场景的用户消费行为进行分析，便于对客户群体进行粘性加固、潜在客户的精准营销和广告推送。
附图说明
17.图1为实施例1的商业空间内不同场景的用户消费行为分析方法的流程图。
18.图2为实施例2的商业空间内不同场景的用户消费行为分析方法的流程图。
19.图3为实施例3的商业空间内不同场景的用户消费行为分析系统的架构图。
具体实施方式
20.附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
21.下面结合附图和实施例对本发明的技术方案做进一步的说明。
22.实施例1本实施例提出一种商业空间内不同场景的用户消费行为分析方法，如图1所示，为本实施例的商业空间内不同场景的用户消费行为分析方法的流程图。
23.本实施例提出的商业空间内不同场景的用户消费行为分析方法中，包括以下步骤：s1、获取商业空间内不同场景的消费者消费数据，对所述消费数据进行预处理，并对所述消费数据标注有属性标签。
24.本步骤中，所获取的所述消费数据包括消费对象、消费额和消费时间。
25.在一具体实施过程中，本实施例通过设置在商业空间内不同场景的pos系统、网上支付平台记录、停车场管理平台记录中的一种或多种获取消费者消费数据。
26.进一步的，本步骤所述消费数据进行预处理，其具体步骤如下：s1.1、对所述消费数据进行清洗：对消费额低于预设的消费额阈值的消费数据删除；将连续的两次消费之间时间间隔大于预设的时间阈值的消费数据删除；s1.2、对所述消费数据进行分类：构建基于消费对象类型的语义文本分类模型，将经过清洗的消费数据输入所述语义文本分类模型中，所述语义文本分类模型对消费数据中的消费对象进行语义文本分析及分类，输出得到消费数据的消费对象类型分类标签和消费场景类型标签；s1.3、将所述消费数据进行时间段划分，并按时间段对所述消费数据标注时间标签；s1.4、将所述消费数据按照消费额由小至大排序，并按消费额度层级对所述消费
数据标注消费层级标签。
27.本实施例中的属性标签包括消费者属性标签、场景类型标签、消费对象类型标签、消费层级标签和时间标签，用于对商业空间内不同场景的用户消费记录进行分类。
28.s2、采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类。
29.本步骤中，采用openid构建消费者的唯一身份标识，且由s1步骤获取的消费数据基于消费者的身份标识（即消费者id）进行分类，将属于该消费者id的消费数据进行归类。
30.s3、以消费者id作为端子对象，以消费数据作为节点，构建neo4j图数据库。
31.本步骤基于社区发现算法neo4j构建neo4j图数据库，在构建neo4j图数据库过程中，以消费者id作为端子对象，以消费数据作为节点，对消费数据节点分配对应标签，然后遍历n个节点，找到对应节点邻居，获取此节点邻居标签，找到出现次数最大标签，若出现次数最多标签不止一个，则随机选择一个标签替换成此节点标签。若标签不再变化，则迭代停止，否则重复上述步骤，得到neo4j图数据库。
32.s4、选择一个或多个目标分析属性，从所述neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，得到用户消费行为分析结果。
33.本步骤中，生成用户消费行为分析结果的步骤包括：s4.1、选择的一个或多个目标分析属性；s4.2、以消费者id为基础，对该消费者id的消费数据进行特征识别，生成消费数据特征值；s4.3、根据所述消费数据特征值按照目标分析属性的属性标签分别进行聚类，得到消费者-消费者属性分布、消费者-消费场景分布、消费者-消费对象分布、消费者-消费层级分布、消费者-消费时间分布中的一种或多种作为用户消费行为分析结果进行输出。
34.在具体实施过程中，通过设置在商业空间内不同场景的pos系统、网上支付平台记录、停车场管理平台记录获取同一用户的交易消费、会员、停车收费、消费偏好数据。例如，用户驾驶汽车停入目标商业空间内的停车场时，停车场管理平台获取用户车牌信息，以及通过线上扫码缴费进一步获取车主（用户）的身份标识信息，与消费者id匹配关联。用户完成停车操作后，在目标商业空间内游逛或消费时，通过pos系统、网上支付平台记录获取用户的移动路径以及消费数据，所获取的消费数据具体可包括消费对象、消费额和消费时间，其中消费对象数据包含了消费店铺名称、消费店铺类型（如美食、服饰、美妆、服务等）、消费层次（通过消费金额定义），然后基于用户的消费者id将消费数据存储在neo4j图数据库中，再进一步通过社区发现算法neo4j，计算发现不同场景的用户消费层次结构，最终通过聚类算法实现识别同一用户不同场景的数据联合，得到用户消费行为分析结果。
35.本实施例中，通过获取商业空间内不同场景的消费者消费数据，并基于用户的消费者id将消费数据存储在neo4j图数据库中，完成对商业空间内不同场景下的消费者用户进行识别，进一步通过社区发现算法neo4j和聚类算法识别及分析同一用户在商业空间内不同场景的用户消费行为进行分析，便于对客户群体进行粘性加固、潜在客户的精准营销和广告推送。
36.实施例2
本实施例在实施例1提出的一种商业空间内不同场景的用户消费行为分析方法的基础上作出改进。如图2所示，为本实施例的商业空间内不同场景的用户消费行为分析方法的流程图。
37.本实施例提出的商业空间内不同场景的用户消费行为分析方法中，包括以下步骤：s1、获取商业空间内不同场景的消费者消费数据，对所述消费数据进行预处理，并对所述消费数据标注有属性标签；s2、采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类；s3、以消费者id作为端子对象，以消费数据作为节点，构建neo4j图数据库；s4、选择一个或多个目标分析属性，从所述neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，得到用户消费行为分析结果。
38.进一步的，本实施例还包括以下步骤：根据所述消费者id与目标分析属性标签之间的分布构建知识图谱并进行可视化展示。
39.在具体实施过程中，根据存储在neo4j图数据库中的消费者id及消费数据，根据所述消费数据特征值按照目标分析属性的属性标签分别进行聚类，得到消费者-消费者属性分布、消费者-消费场景分布、消费者-消费对象分布、消费者-消费层级分布、消费者-消费时间分布中的一种或多种作为用户消费行为分析结果，并将上述消费者-消费者属性分布、消费者-消费场景分布、消费者-消费对象分布、消费者-消费层级分布和消费者-消费时间分布以知识图谱形式进行可视化展示，能够更直观地分析目标商业空间内的同一用户的消费行为。
40.实施例3本实施例提出一种商业空间内不同场景的用户消费行为分析系统，应用于实施例1提出的商业空间内不同场景的用户消费行为分析方法中。如图3所示，为本实施例的商业空间内不同场景的用户消费行为分析系统的架构图。
41.本实施例提出的商业空间内不同场景的用户消费行为分析系统中，包括：消费数据采集模块，用于获取商业空间内不同场景的消费者消费数据；消费数据预处理模块，用于对采集的消费者消费数据进行清洗处理；消费数据标识模块，用于对消费数据标注有属性标签；分类模块，用于采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类；neo4j图数据库，用于以消费者id作为端子对象，以消费数据作为节点对消费数据进行存储；分析模块，用于所述neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，输出用户消费行为分析结果。
42.进一步的，本实施例的消费数据标识模块包括：类型标签标识单元，所述类型标签标识单元内预设有经过训练的语义文本分类模型；将消费数据输入所述语义文本分类模型中，所述语义文本分类模型对消费数据中的消
费对象进行语义文本分析及分类，输出得到消费数据的消费对象类型分类标签和消费场景类型标签；时间标签标识单元，用于将所述消费数据进行时间段划分，并按时间段对所述消费数据标注时间标签；层级标签标识单元，用于将所述消费数据按照消费额由小至大排序，并按消费额度层级对所述消费数据标注消费层级标签。
43.进一步的，系统还包括图谱模块和交互模块，所述图谱模块从所述neo4j图数据库调取标注有相应属性标签的数据，基于知识图谱技术生成树状图和/或星状图的知识图谱；所述交互模块用于将从所述neo4j图数据库调取标注有相应属性标签的数据进行可视化展示，以及将图谱模块生成的树状图和/或星状图的知识图谱进行可视化展示。
44.在一实施例中，所述消费数据采集模块包括pos系统、线上支付平台、停车场车辆识别管理平台中的一种或多种。
45.在具体实施过程中，消费数据采集模块获取商业空间内不同场景的消费者消费数据后传输到消费数据预处理模块中。
46.消费数据预处理模块对接收的消费数据进行清洗处理，具体的，消费数据预处理模块对消费额低于预设的消费额阈值的消费数据删除，将连续的两次消费之间时间间隔大于预设的时间阈值的消费数据删除。消费数据预处理模块将完成预处理的数据发送至消费数据标识模块中。
47.消费数据标识模块对经过预处理的消费数据进行分类，并对消费数据标注消费者属性标签、场景类型标签、消费对象类型标签、消费层级标签和时间标签。具体的，消费数据标识模块中的类型标签标识单元通过其预设的语义文本分类模型对消费数据中的消费对象进行语义文本分析及分类，输出得到消费数据的消费对象类型分类标签和消费场景类型标签；时间标签标识单元将所述消费数据进行时间段划分，并按时间段对所述消费数据标注时间标签；层级标签标识单元将所述消费数据按照消费额由小至大排序，并按消费额度层级对所述消费数据标注消费层级标签。消费数据标识模块将完成标识的消费数据发送至分类模块中。
48.分类模块采用openid构建消费者的唯一身份标识，将所述消费数据基于消费者的身份标识进行初步分类，然后发送至neo4j图数据库中以消费者id作为端子对象，以消费数据作为节点进行数据存储。
49.在对用户消费行为进行分析时，分析模块从neo4j图数据库调取标注有相应属性标签的数据，利用聚类算法得到消费者id与目标分析属性标签之间的分布，输出用户消费行为分析结果。
50.相同或相似的标号对应相同或相似的部件；显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。