一种购房用户意向度计算方法及系统与流程

1.本发明涉及数据挖掘分析技术领域，更具体地，涉及一种购房用户意向度计算方法及系统。


背景技术：

2.在营销中，企业经常需要去挖掘客户需求，从而判断客户的意向度，并根据客户的意向度执行对应的营销操作。
3.目前有相关软件平台投入使用，其中配置有例如楼盘的文章、户型图、优惠活动等相关信息的网络页面。针对购房用户的需求，目前一般针对购房用户在软件平台的咨询记录或浏览记录，人为判断用户的购房意向度，然而仅通过人为进行判断，存在意向度获取准确性较差，且当咨询记录较多时，需要较长的时间进行数据筛查，存在意向度分析效率较低。


技术实现要素：

4.本发明为克服上述现有技术所述的意向度获取准确性较差，分析效率较低的缺陷，提供一种购房用户意向度计算方法及系统。
5.为解决上述技术问题，本发明的技术方案如下：一种购房用户意向度计算方法，应用于互联网平台，其中配置有带物料标签的物料数据。其中包括以下步骤：s1、当用户通过网络服务从所述互联网平台请求所述物料数据时，获取用户唯一信息及请求记录；所述请求记录包括物料标签、请求次数、访问时长，以及请求记录的时间戳；s2、根据用户唯一信息与数据库匹配：若存在已存储的用户唯一信息，将当前获取的用户请求记录进行关联并根据时间戳进行存储；若不存在已存储的用户唯一信息，根据所述用户唯一信息新建存储节点，并将当前获取的用户请求记录进行关联并根据时间戳进行存储；s3、对数据库中的节点进行遍历，根据任一节点中所存储的请求记录进行意向度计算；其中，对请求记录根据物料标签进行分类后，根据物料标签类别选取最近的至少两个时间段的请求记录进行数据统计；根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，生成相应用户的意向度。
6.进一步地，本发明还提出一种购房用户意向度计算系统，应用上述技术方案提出的购房用户意向度计算方法。所述系统应用于互联网平台，所述平台配置有带物料标签的物料数据。其中，系统包括：数据获取模块，用于获取向所述平台请求物料数据的用户的用户唯一信息及请求
记录；所述请求记录包括物料标签、请求次数、访问时长，以及请求记录的时间戳；数据库，用于以用户唯一信息为存储节点，根据时间戳存储有相应用户的请求记录；匹配关联模块，用于根据获取的用户的用户唯一信息与所述数据库进行匹配关联：若存在已存储的用户唯一信息，将当前获取的用户请求记录进行关联并根据时间戳进行存储；若不存在已存储的用户唯一信息，根据所述用户唯一信息新建存储节点，并将当前获取的用户请求记录进行关联并根据时间戳进行存储；意向度计算模块，用于对数据库中的节点进行遍历，根据任一节点中所存储的请求记录进行意向度计算；其中，对请求记录根据物料标签进行分类后，根据物料标签类别选取最近的至少两个时间段的请求记录进行数据统计；根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，生成相应用户的意向度。
7.与现有技术相比，本发明技术方案的有益效果是：本发明通过获取用户的物联网平台请求记录，并以用户唯一信息作为存储节点存储在数据库中，通过遍历数据库中的所有节点进行购房用户意向度计算，对数据统计以一定权重进行分值计算，能够高效生成高准确度的用户意向度，可进一步用于物料数据推送和线下沟通。
附图说明
8.图1为实施例1的购房用户意向度计算方法的流程图。
9.图2为实施例1的意向区间示意图。
10.图3为实施例2的购房用户意向度计算方法的流程图。
11.图4为实施例3的购房用户意向度计算系统的架构图。
具体实施方式
12.附图仅用于示例性说明，不能理解为对本专利的限制；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。
13.本发明的技术方案尤其适用于配置有带物料标签的购房物料数据的互联网平台。
14.在一具体实施例中，所述物料数据可选地包括楼盘介绍文章、楼盘户型图、楼盘促销活动等h5页面。
15.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。
16.实施例1本实施例提出一种购房用户意向度计算方法，如图1所示，为本实施例的购房用户意向度计算方法的流程图。
17.本实施例提出的购房用户意向度计算方法中，包括以下步骤：s1、当用户通过网络服务从所述互联网平台请求所述物料数据时，获取用户唯一信息及请求记录；所述请求记录包括物料标签、请求次数、访问时长，以及请求记录的时间戳。
18.s2、根据用户唯一信息与数据库匹配：若存在已存储的用户唯一信息，将当前获取
的用户请求记录进行关联并根据时间戳进行存储；若不存在已存储的用户唯一信息，根据所述用户唯一信息新建存储节点，并将当前获取的用户请求记录进行关联并根据时间戳进行存储。
19.s3、对数据库中的节点进行遍历，根据任一节点中所存储的请求记录进行意向度计算。
20.其中，对请求记录根据物料标签进行分类后，根据物料标签类别选取最近的至少两个时间段的请求记录进行数据统计；根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，生成相应用户的意向度。
21.本实施例中，其基本计算逻辑为根据用户请求次数和/或用户访问时长计算用户的意向分值，对所有物料数据请求记录的意向分值进行综合计算得到意向分值总分。
22.本实施例通过获取用户的物联网平台请求记录，并以用户唯一信息作为存储节点存储在数据库中，通过遍历数据库中的所有节点进行购房用户意向度计算，对数据统计以一定权重进行分值计算，能够高效生成高准确度的用户意向度，可进一步用于物料数据推送和线下沟通。
23.在一可选实施例中，所述用户唯一信息包括用户端的ip地址、客户端用户id和/或终端设备唯一识别码udid。
24.在一可选实施例中，所述物料数据的物料标签根据用户历史请求记录与用户成交记录关联生成，其步骤包括：获取历史用户请求记录与用户成交记录并对其进行关联，统计请求物料数据后达成成交的数量，对统计结果降序排序后对所述物料数据划分为至少三类，并对相应的物料数据标记为第一标签、第二标签和第三标签。
25.其中，所述物料标签与成交率关联，根据历史成交数据中的请求记录，对访问物料数据后达成成交概率较高的物料数据类别标记为第一标签，将其他物料数据同理标记为第二标签和第三标签，进一步通过赋予相应权重值，实现阶梯式一项分值计算，提高用户意向度计算的准确率。
26.进一步地，在一可选实施例中，根据物料标签类别选取至少两个时间段的请求记录进行数据统计的步骤包括：对于第一标签的物料数据，选取至少5个时间段的请求记录进行数据统计，得到当前用户请求带第一标签物料数据的总请求次数和访问总时长；对于第二标签的物料数据，选取至少4个时间段的请求记录进行数据统计，得到当前用户请求带第二标签物料数据的总请求次数和访问总时长；对于第三标签的物料数据，选取至少2个时间段的请求记录进行数据统计，得到当前用户请求带第三标签物料数据的总请求次数和访问总时长。
27.上述可选实施例基于经时间戳排序存储的请求记录数据进行分析及数据统计。其中，对于成交概率较高的物料标签的物料数据，本实施例选择选取更多时间段的请求记录进行数据统计，由此进一步形成阶级式意向分值计算，有效提高用户意向度计算的准确率。
28.进一步地，在一可选实施例中，根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算的步骤包括：对于第一标签、第二标签和第三标签的物料数据，分别设定有权重α1、α2和α3；对当前用户请求记录进行分析：
根据当前用户请求带第一标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a1；其表达式如下：根据当前用户请求带第二标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a2；其表达式如下：根据当前用户请求带第三标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a3；其表达式如下：式中，ci表示第i时间段的意向度分值，其中当总请求次数大于预设的阈值和/或访问总时长大于预设的阈值，ci取值为预设的分值；若总请求次数小于或等于预设的阈值，或访问总时长小于或等于预设的阈值，ci取值为0。
29.进一步地，根据用户请求记录进行分析结果进行意向分值计算，得到用户意向分值为x=a1 a2 a3。
30.在一具体实施例中，对于第一标签的物料数据，选取5个时间段的请求记录进行数据统计；对于第二标签的物料数据，选取4个时间段的请求记录进行数据统计；对于第三标签的物料数据，选取2个时间段的请求记录进行数据统计。
31.根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，得到如下表1所示的意向分值。
32.表1 物料数据及对应的意向分值
由上表得到用户的基础意向分值。
33.进一步地，在一可选实施例中，生成相应用户的意向度的步骤包括：对所有用户的意向分值进行分数标准化处理，其表达式如下：式中，x为用户的意向分值，x为标准化意向分值。由此得到分布在[0,100]区间的标准化意向分值，便于进一步分析用户意向度。
[0034]
进一步地，对所述标准化意向分值x进行分析：若用户的标准化意向分值x大于或等于90，则输出用户的意向度为高意向；若用户的标准化意向分值x大于50且小于90，则输出用户的意向度为中意向；若用户的标准化意向分值x小于或等于50，则输出用户的意向度为低意向。
[0035]
本实施例考虑意向分值是通过捕捉长尾流量判断意向度的，而意向分值的跨度较大，单个用户的分值可高达上千分，存在不利于前段展示和分析的问题，如图2所示，为本实施例的意向区间示意图。本实施例通过对用户的意向分值进行标准化处理，将分值大于90的意向分值映射在[90,100]区间，便于用户意向度的分析和计算结果显示。
[0036]
实施例2本实施例在实施例1提出的购房用户意向度计算方法的基础上作出改进。如图3所示，为本实施例的购房用户意向度计算方法的流程图。
[0037]
本实施例提出的购房用户意向度计算方法中，包括以下步骤：s1、当用户通过网络服务从所述互联网平台请求所述物料数据时，获取用户唯一信息及请求记录；所述请求记录包括物料标签、请求次数、访问时长，以及请求记录的时间
戳。
[0038]
s2、根据用户唯一信息与数据库匹配：若存在已存储的用户唯一信息，将当前获取的用户请求记录进行关联并根据时间戳进行存储；若不存在已存储的用户唯一信息，根据所述用户唯一信息新建存储节点，并将当前获取的用户请求记录进行关联并根据时间戳进行存储。
[0039]
s3、对数据库中的节点进行遍历，根据任一节点中所存储的请求记录进行意向度计算。
[0040]
其中，对请求记录根据物料标签进行分类后，根据物料标签类别选取最近的至少两个时间段的请求记录进行数据统计；根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，生成相应用户的意向度。
[0041]
进一步地，在一可选实施例中，还包括以下步骤：获取用户的访问来源；所述访问来源包括主动搜索访问和二维码扫描访问；对访问来源为主动搜索访问的用户意向分值x增加β1分；对访问来源为二维码扫描访问的用户意向分值x增加β2分；其中β1》β2。
[0042]
上述可选实施例中，对用户的访问来源进一步考虑分析，判定主动搜索访问的用户主动性较强，购房意向更高，由此对用户增加相应的访问来源分值β1；判定来源为二维码扫描访问的用户具有一定主动性，但购房意向相对较低，由此对用户增加相应的访问来源分值β2。此时，用户意向分值x=a1 a2 a3 β1或x=a1 a2 a3 β2。
[0043]
在一具体实施过程中，访问来源为二维码扫描访问的情况包括公域投放/线下广告，具体地，包括户外广告、路牌广告、楼宇广告、公共交通广告、报纸、杂志广告、电视广告、电台广告等。访问来源为主动搜索访问的情况包括用户主动搜索互联网平台相关信息进入互联网平台。由此得到如下表2所示的访问来源加分情况。
[0044]
表2 访问来源加分情况进一步地，在一可选实施例中，还包括以下步骤：
获取用户的地理位置，并计算当前用户的居住地分布信息和工作地分布信息；若当前用户的地理位置、居住地分布信息或工作地分布信息位于所述物料数据匹配的地理区域范围内，对当前用户的用户意向分值x增加γ分。此时，用户意向分值x=a1 a2 a3 γ。
[0045]
上述可选实施例中，考虑到用户购房意向与其地理位置关联性较大，本实施例结合用户的地缘分布增加相应的意向分值。
[0046]
进一步地，在一可选实施例中，所述请求记录还包括咨询请求、收藏请求和订阅请求。
[0047]
所述方法还包括以下步骤：对数据库中的节点进行遍历：若当前节点的请求记录中存在咨询请求记录、收藏请求、订阅请求中的任一请求记录，则对相应用户的意向分值x增加δ分。此时，用户意向分值x=a1 a2 a3 δ。
[0048]
上述可选实施例对用户的特殊行为进行意向分值加分。
[0049]
在一具体实施过程中，当用户通过网络服务从所述互联网平台请求咨询聊天对话、收藏楼盘页面、订阅楼盘价格变动提醒、订阅楼盘开盘提醒、订阅楼盘新闻动态提醒、订阅楼盘房刊更新提醒等操作时，对用户赋予特殊行为加分。
[0050]
进一步地，在一可选实施例中，还包括以下步骤：对数据库中的节点进行遍历，获取用户最近的请求记录的时间戳数据；若时间戳数据距离当前时间大于预设的第一时间阈值且小于预设的第二时间阈值，则对用户的意向分值x更新为0.75x；若时间戳数据距离当前时间大于预设的第二时间阈值且小于预设的第三时间阈值，则对用户的意向分值x更新为0.5x；若时间戳数据距离当前时间大于预设的第三时间阈值且小于预设的第四时间阈值，则对用户的意向分值x更新为0.25x；若时间戳数据距离当前时间大于预设的第四时间阈值，则对用户的意向分值x更新为0。
[0051]
上述可选实施例中，考虑用户在一定时间未向互联网平台发出请求记录，根据天数对用户进行减分操作。
[0052]
在一具体实施例中，若时间戳数据距离当前时间大于7日且小于15日，对用户的意向分值x更新为0.75x；若时间戳数据距离当前时间大于15日且小于30日，对用户的意向分值x更新为0.5x；若时间戳数据距离当前时间大于30日且小于90日，对用户的意向分值x更新为0.25x；若时间戳数据距离当前时间大于90日，对用户的意向分值x更新为0。
[0053]
实施例3本实施例提出一种购房用户意向度计算系统，应用上述实施例1或实施例2提出的购房用户意向度计算方法。如图4所示，为本实施例的购房用户意向度计算系统的架构图。
[0054]
本实施例提出的购房用户意向度计算系统中包括：数据获取模块，用于获取向所述平台请求物料数据的用户的用户唯一信息及请求记录。
[0055]
所述请求记录包括物料标签、请求次数、访问时长，以及请求记录的时间戳。
[0056]
数据库，用于以用户唯一信息为存储节点，根据时间戳存储有相应用户的请求记录。
[0057]
匹配关联模块，用于根据获取的用户的用户唯一信息与所述数据库进行匹配关联：若存在已存储的用户唯一信息，将当前获取的用户请求记录进行关联并根据时间戳进行存储；若不存在已存储的用户唯一信息，根据所述用户唯一信息新建存储节点，并将当前获取的用户请求记录进行关联并根据时间戳进行存储。
[0058]
意向度计算模块，用于对数据库中的节点进行遍历，根据任一节点中所存储的请求记录进行意向度计算；其中，对请求记录根据物料标签进行分类后，根据物料标签类别选取最近的至少两个时间段的请求记录进行数据统计；根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算，生成相应用户的意向度。
[0059]
在一可选实施例中，所述物料标签根据用户历史请求记录与用户成交记录关联生成。具体地，通过获取历史用户请求记录与用户成交记录并对其进行关联，统计请求物料数据后达成成交的数量，对统计结果降序排序后对所述物料数据划分为至少三类，并对相应的物料数据标记为第一标签、第二标签和第三标签。
[0060]
进一步地，在一可选实施例中，所述意向度计算模块根据物料标签类别选取至少两个时间段的请求记录进行数据统计时：对于第一标签的物料数据，选取至少5个时间段的请求记录进行数据统计，得到当前用户请求带第一标签物料数据的总请求次数和访问总时长；对于第二标签的物料数据，选取至少4个时间段的请求记录进行数据统计，得到当前用户请求带第二标签物料数据的总请求次数和访问总时长；对于第三标签的物料数据，选取至少2个时间段的请求记录进行数据统计，得到当前用户请求带第三标签物料数据的总请求次数和访问总时长。
[0061]
进一步地，在一可选实施例中，所述意向度计算模块根据数据统计结果，对于任一物料标签类别，以预设的权重分别与请求次数和时长进行意向分值计算时：对于第一标签、第二标签和第三标签的物料数据，分别设定有权重α1、α2和α3；对当前用户请求记录进行分析：根据当前用户请求带第一标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a1；其表达式如下：；根据当前用户请求带第二标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a2；其表达式如下：；根据当前用户请求带第三标签物料数据的总请求次数是否大于预设的阈值和/或访问总时长大于预设的阈值，计算第一分值a3；其表达式如下：；
式中，ci表示第i时间段的意向度分值，其中当总请求次数大于预设的阈值和/或访问总时长大于预设的阈值，ci取值为预设的分值；若总请求次数小于或等于预设的阈值，或访问总时长小于或等于预设的阈值，ci取值为0；根据用户请求记录进行分析结果进行意向分值计算，得到用户意向分值为x=a1 a2 a3。
[0062]
进一步地，在一可选实施例中，所述数据获取模块还用于获取用户的访问来源。所述访问来源包括主动搜索访问和二维码扫描访问。
[0063]
所述意向度计算模块根据用户的访问来源对用户的意向分值进行加分操作，其中，对访问来源为主动搜索访问的用户意向分值x增加β1分；对访问来源为二维码扫描访问的用户意向分值x增加β2分；其中β1》β2。
[0064]
进一步地，在一可选实施例中，所述数据获取模块还用于获取用户的地理位置，并计算当前用户的居住地分布信息和工作地分布信息。
[0065]
所述意向度计算模块根据用户的地理位置、居住地分布信息或工作地分布信息进行判断：若当前用户的地理位置、居住地分布信息或工作地分布信息位于所述物料数据匹配的地理区域范围内，对当前用户的用户意向分值x增加γ分。
[0066]
进一步地，在一可选实施例中，所述数据获取模块还用于获取用户的咨询请求、收藏请求和订阅请求记录。
[0067]
所述意向度计算模块根据用户的咨询请求、收藏请求和订阅请求记录执行相应的加分操作。其中，若当前节点的请求记录中存在咨询请求记录、收藏请求、订阅请求中的任一请求记录，则对相应用户的意向分值x增加δ分。
[0068]
进一步地，在一可选实施例中，所述意向度计算模块根据用户最近的请求记录的时间戳数据距离当前时间的时间差进行意向分值更新。
[0069]
具体地，若时间戳数据距离当前时间大于预设的第一时间阈值且小于预设的第二时间阈值，则对用户的意向分值x更新为0.75x；若时间戳数据距离当前时间大于预设的第二时间阈值且小于预设的第三时间阈值，则对用户的意向分值x更新为0.5x；若时间戳数据距离当前时间大于预设的第三时间阈值且小于预设的第四时间阈值，则对用户的意向分值x更新为0.25x；若时间戳数据距离当前时间大于预设的第四时间阈值，则对用户的意向分值x更新为0。
[0070]
进一步地，在一可选实施例中，所述意向度计算模块还用于对用户的意向分值进行分数标准化处理，将分值大于90的意向分值映射在[90,100]区间。
[0071]
进一步地，所述意向度计算模块对所述标准化意向分值x进行分析：若用户的标准化意向分值x大于或等于90，则输出用户的意向度为高意向；若用户的标准化意向分值x大于50且小于90，则输出用户的意向度为中意向；若用户的标准化意向分值x小于或等于50，则输出用户的意向度为低意向。
[0072]
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。