用戶的業(yè)務(wù)偏好分析應(yīng)用模型

用戶的業(yè)務(wù)偏好分析應(yīng)用模型目錄1業(yè)務(wù)偏好應(yīng)用模型研究的需求如何根據(jù)客戶的數(shù)據(jù)業(yè)務(wù)行為、基礎(chǔ)畫像、互聯(lián)網(wǎng)行為，研究客戶的業(yè)務(wù)偏好以及內(nèi)容、時間等偏好，針對當(dāng)前數(shù)據(jù)業(yè)務(wù)沉默客戶、潛在客戶開展激活與推薦。研究業(yè)務(wù)偏好應(yīng)用模型的意義以用戶為導(dǎo)向，滿足用戶個性化需求，比傳統(tǒng)的大眾推薦效果更好。以真實數(shù)據(jù)為依據(jù)進(jìn)行分析，實現(xiàn)對用戶的精準(zhǔn)定位和精確推薦。有利于節(jié)約成本、提高利潤水平，保留和吸引更多用戶。背景意義2基于結(jié)構(gòu)化數(shù)據(jù)的偏好分析模型通過用戶的月基礎(chǔ)畫像信息自動對用戶分群生成用戶標(biāo)簽。在每個用戶群內(nèi)，通過用戶的業(yè)務(wù)使用行為做內(nèi)容關(guān)聯(lián)分析針對每類用戶推薦不同的內(nèi)容。用戶基礎(chǔ)畫像數(shù)據(jù)用戶使用行為數(shù)據(jù)用戶分群內(nèi)容推薦商務(wù)人士上網(wǎng)一族……用戶標(biāo)簽小喬布斯精彩演說概念車竟水上飛馳……視頻名稱3輸入數(shù)據(jù)用戶基礎(chǔ)畫像數(shù)據(jù)業(yè)務(wù)使用行為數(shù)據(jù)以手機視頻業(yè)務(wù)為例手機號碼收看過的視頻內(nèi)容ID1視頻內(nèi)容ID2視頻內(nèi)容ID3…頻內(nèi)容ID1視頻內(nèi)容ID2視頻內(nèi)容ID3……基本信息行為信息費用信息語音使用行為短信使用行為GPRS使用行為WLAN使用行為4業(yè)務(wù)偏好計算用戶分群：數(shù)據(jù)變換、歸一化：解決各個特征的計量單位、大小范圍差異大的問題。K-means聚類：使用基礎(chǔ)畫像信息自動聚出8個類型不同的用戶群。5業(yè)務(wù)偏好計算（1）高資費人群：該類人群特征是絕大部分?jǐn)?shù)值均大于平均值，即消費水平高于平均水平，特別是總費用是各類人群中最高的。（2）標(biāo)準(zhǔn)用戶群：該類人群特征是絕大部分?jǐn)?shù)值與平均值持平或低于平均值。值得一提的是，雖然GPRS套餐費較高，但使用時能嚴(yán)格控制流量，使流量不超過標(biāo)準(zhǔn)套餐的額度，不產(chǎn)生額外的GPRS通信費。（3）低資費人群：該類人群特征是通話時長、短信量、上網(wǎng)流量均低于平均水平，特別是總費用是各類人群中最低的。（4）上網(wǎng)發(fā)燒友：該類人群特征是上網(wǎng)的流量和費用超高，同時通話等傳統(tǒng)業(yè)務(wù)量少。（5）上網(wǎng)一族：該類人群特征是上網(wǎng)流量經(jīng)常超出GPRS套餐額度，導(dǎo)致GPRS通信費超高。與上網(wǎng)發(fā)燒友相比，通話等傳統(tǒng)業(yè)務(wù)使用顯得更活躍。（6）理性上網(wǎng)群：該類人群特征是訂閱GPRS套餐較為理性，套餐費高于平均值，屬于喜愛上網(wǎng)的上群。同時，GPRS套餐外產(chǎn)生的額外費用幾乎沒有。（7）商務(wù)人士：該類人群特征是套餐月租費、漫游通話費、無線上網(wǎng)流量在各類人群中最高，符合商務(wù)人士出差、經(jīng)常無線上網(wǎng)的特點。（8）通話達(dá)人：該類人群特征是語音業(yè)務(wù)套餐費顯著高于其他各個用戶群。另外，有了語音業(yè)務(wù)套餐，本地通話仍很頻繁。6基于文本的內(nèi)容過濾推薦模型功能根據(jù)用戶訪問過的項集的文本主題特征，向其推薦可能感興趣的新內(nèi)容適用范圍業(yè)務(wù)產(chǎn)品、互聯(lián)網(wǎng)內(nèi)容資訊、廣告等內(nèi)容推薦，要求能夠獲得項集的文本特征描述模型輸入有歷史訪問行為的目標(biāo)用戶u、該用戶訪問過的內(nèi)容項（頁面、文章、書籍）集合Iu及集合中元素的關(guān)鍵詞描述、該用戶未訪問過的內(nèi)容項集合RIu以及集合中元素的關(guān)鍵詞描述模型輸出目標(biāo)用戶u可能喜歡的內(nèi)容項Top-N列表出于效率考慮，用戶數(shù)據(jù)分析平臺以每個用戶訪問過的項集的文本特征分別建立該用戶的Profile并按日更新，然后通過比對Profile和推薦候選項集的文本特征來實現(xiàn)內(nèi)容過濾推薦。相比于傳統(tǒng)算法，主要進(jìn)行了如下改進(jìn)：a.分層多粒度的標(biāo)簽體系。用戶偏好特征按照大類-子類-關(guān)鍵詞的方式進(jìn)行組織，能夠適應(yīng)不同的營銷場景需求。例如，進(jìn)行手機閱讀推薦時主要使用“閱讀”類的標(biāo)簽，進(jìn)行游戲推薦時主要使用“游戲”類的標(biāo)簽；b.潛在語義分析。解決不同語境下的多義詞問題。7基于文本的內(nèi)容過濾推薦模型用戶A用戶B用戶閱讀的文章雅虎重組自救，勝算幾何？正文……家用熱銷2012款新車行情調(diào)查正文…………Profile數(shù)據(jù)[IT/互聯(lián)網(wǎng)：德克爾_0.227451][汽車：經(jīng)濟型_0.160784][IT/互聯(lián)網(wǎng)：楊致遠(yuǎn)_0.454902][汽車：省油_23.470320][IT/互聯(lián)網(wǎng)：總裁_0.5681205][汽車：熱銷_0.176471]……推薦的文章雅虎欲撤換楊致遠(yuǎn)新一輪裁員不可避雅虎董事會欲撤換楊致遠(yuǎn)新一輪裁員雅虎股票跌回2月初微軟提出收購前價新寶來現(xiàn)金優(yōu)惠6000元店內(nèi)現(xiàn)車供應(yīng)低油耗對抗高油價5款小排量增壓車行情六款配自動空調(diào)時尚小車推薦示例8基于文本的內(nèi)容過濾推薦模型對于在某一特定文件里的詞語

來說，它的重要性可表示為：

是該詞在文件

中的出現(xiàn)次數(shù)，而分母則是在文件

中所有字詞的出現(xiàn)次數(shù)之和。逆向文件頻率IDF則計算一個詞語普遍重要性。某一特定詞語的IDF，可以由總文件數(shù)目除以包含該詞語之文件的數(shù)目，再對數(shù)得到。則一個詞語的權(quán)重為：根據(jù)用戶訪問過的文件，用向量wc=(wc1,wc2,...,