[发明专利]用户行为数据的分析方法、装置、介质和电子设备

说明书

本发明提供了一种用户行为数据的分析方法、装置、介质和电子设备。该分析方法包括：获取用户行为的样本数据；基于所述用户行为的样本数据，获得所述样本数据的特征集；根据所述样本数据的特征集，通过逻辑回归算法进行模型训练，以得到逻辑回归模型；根据所述用户行为的样本数据，通过所述逻辑回归模型对用户的行为进行分析。本发明的技术方案能够提高自动实现对用户的筛选，提高了用户筛选的准确度，进而在一定程度上能够提高用户转化率，降低用户流失的几率。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种用户行为数据的分析方法、装置、介质和电子设备。

背景技术

随着技术的发展，网上商城已经得到了广泛普及，对于网上商城的运营人员来说，如何提高用户转化率是一个重要问题。

目前，通用的做法是由运营人员凭经验来选择用户，并根据这些用户的信息生成相应的促销信息，然后将促销信息推送给用户。由于这种做法需要运营人员参与，并凭借经验在系统中筛选用户，因此不仅工作量较大，而且还存在用户筛选不准确等问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种用户行为数据的分析方法、装置、介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供了一种用户行为数据的分析方法，包括：获取用户行为的样本数据；基于所述用户行为的样本数据，获得所述样本数据的特征集；根据所述样本数据的特征集，通过逻辑回归算法进行模型训练，以得到逻辑回归模型；根据所述用户行为的样本数据，通过所述逻辑回归模型对用户的行为进行分析。

在本发明的一些实施例中，基于前述方案，获取用户行为的样本数据的步骤，包括：获取用户的历史浏览数据和历史订单数据；根据所述历史浏览数据和所述历史订单数据，生成用户的浏览及订单明细信息；根据所述浏览及订单明细信息，生成所述用户行为的样本数据。

在本发明的一些实施例中，基于前述方案，基于所述用户行为的样本数据，获得所述样本数据的特征集的步骤，包括：对所述用户行为的样本数据进行分类聚合，以得到所述样本数据的特征集。

在本发明的一些实施例中，基于前述方案，根据所述样本数据的特征集，通过逻辑回归算法进行模型训练的步骤，包括：从所述特征集包含的特征字段中选取第一预定数量个特征字段；根据选取出的预定数量个特征字段，从所述特征集中获取第二预定数量的特征数据；基于获取到的所述特征数据，通过逻辑回归算法进行模型训练。

在本发明的一些实施例中，基于前述方案，从所述特征集包含的特征字段中选取第一预定数量个特征字段的步骤，包括：确定所述特征集包含的各个特征字段的重要性级别；根据所述各个特征字段的重要性级别由高到低的顺序，从所述特征集包含的特征字段中选取所述第一预定数量个特征字段。

在本发明的一些实施例中，基于前述方案，确定所述特征集包含的各个特征字段的重要性级别的步骤，包括：从所述特征集中选取部分特征数据；基于所述部分特征数据，通过随机森林算法确定所述特征集包含的各个特征字段的重要性级别。

在本发明的一些实施例中，基于前述方案，基于获取到的所述特征数据，通过逻辑回归算法进行模型训练的步骤，包括：将获取到的所述特征数据进行随机打乱；将随机打乱后的所述特征数据分为训练数据和验证数据；根据所述训练数据和所述验证数据，通过逻辑回归算法进行模型训练。