本發(fā)明涉及大數(shù)據(jù)分析和用戶行為研究的，具體為基于lbs位置大數(shù)據(jù)的用戶產(chǎn)品需求計(jì)算方法。

背景技術(shù)：

1、大數(shù)據(jù)分析和用戶行為研究，特別是指在位置基礎(chǔ)服務(wù)(lbs)技術(shù)框架下，對(duì)用戶行為數(shù)據(jù)進(jìn)行深度挖掘和分析的應(yīng)用。

2、目前市場(chǎng)上的用戶產(chǎn)品需求計(jì)算主要包括以下幾種：

3、用戶需求分析方法：包括馬斯洛需求層次理論，用于觀察人類最根本、最基礎(chǔ)的需求水平；以及mvp(最小可行產(chǎn)品)方法，通過(guò)快速迭代，不斷根據(jù)用戶反饋優(yōu)化產(chǎn)品；

4、用戶研究方法：包括情境調(diào)查、用戶訪談、問(wèn)卷調(diào)查、a/b測(cè)試、可用性測(cè)試等，這些方法有助于理解用戶需求和優(yōu)化產(chǎn)品設(shè)計(jì)；

5、kano模型：一種對(duì)用戶需求分類和排序的工具，通過(guò)分析用戶對(duì)產(chǎn)品功能的滿意程度，將需求分為基本型需求、期望型需求、興奮型需求、無(wú)差異需求和反向型需求，幫助確定產(chǎn)品實(shí)現(xiàn)過(guò)程中的優(yōu)先級(jí)；

6、用戶行為分析：通過(guò)對(duì)用戶在自家產(chǎn)品上的產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，構(gòu)建用戶行為模型以實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)和業(yè)務(wù)增長(zhǎng)。

7、盡管上述技術(shù)在一定程度上能夠觀察用戶的產(chǎn)品需求，但它們存在以下問(wèn)題：

8、局限性：用戶行為分析一般僅能對(duì)自家產(chǎn)品數(shù)據(jù)進(jìn)行分析總結(jié)；用戶需求和滿意度隨時(shí)間和市場(chǎng)變化，kano模型可能無(wú)法及時(shí)反映這些變化；

9、隱私保護(hù)問(wèn)題：收集和分析用戶數(shù)據(jù)可能引發(fā)隱私保護(hù)和數(shù)據(jù)安全的擔(dān)憂；

10、數(shù)據(jù)覆蓋范圍問(wèn)題：容易選樣不當(dāng)，導(dǎo)致研究結(jié)果無(wú)法代表整個(gè)用戶群體；設(shè)計(jì)不良的問(wèn)卷可能無(wú)法準(zhǔn)確捕捉用戶的真實(shí)需求和感受。

11、為了解決上述問(wèn)題，學(xué)術(shù)界和工業(yè)界進(jìn)行了大量的研究，并申請(qǐng)了一系列相關(guān)專利，這些專利主要集中在以下幾個(gè)方面：

12、1、用戶需求數(shù)據(jù)處理：涉及獲取目標(biāo)對(duì)象的需求數(shù)據(jù)，對(duì)需求數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理、數(shù)據(jù)標(biāo)定和聚類計(jì)算，以提高服務(wù)費(fèi)用計(jì)算的準(zhǔn)確性。

13、2、用戶個(gè)性化需求預(yù)測(cè)：包括獲取用戶數(shù)據(jù)、產(chǎn)品數(shù)據(jù)和用戶興趣數(shù)據(jù)，形成歷史數(shù)據(jù)，基于此數(shù)據(jù)構(gòu)建模型，預(yù)測(cè)用戶個(gè)性化需求。

14、3、基于專利統(tǒng)計(jì)分析的用戶需求預(yù)測(cè)：使用web數(shù)據(jù)中的用戶顯性需求作為關(guān)鍵詞，檢索相關(guān)專利，挖掘?qū)＠R(shí)單元，結(jié)合需求進(jìn)化定律和馬斯洛需求等級(jí)來(lái)預(yù)測(cè)用戶需求，并依據(jù)kano屬性確定用戶需求權(quán)重。

15、4、用戶需求預(yù)測(cè)方法研究：結(jié)合專利知識(shí)單元和需求進(jìn)化定律，使用sas軟件進(jìn)行專利知識(shí)挖掘，構(gòu)建用戶需求預(yù)測(cè)模型，并通過(guò)kano問(wèn)卷確定需求權(quán)重，對(duì)用戶需求進(jìn)行分類和預(yù)測(cè)。

16、即當(dāng)前市面上還未出現(xiàn)結(jié)合用戶位置數(shù)據(jù)和興趣點(diǎn)產(chǎn)品結(jié)構(gòu)，計(jì)算不同用戶群體產(chǎn)品需求的方法，因此我們需要提出基于lbs位置大數(shù)據(jù)的用戶產(chǎn)品需求計(jì)算方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于lbs位置大數(shù)據(jù)的用戶產(chǎn)品需求計(jì)算方法，能夠?qū)崟r(shí)捕捉和分析用戶對(duì)興趣點(diǎn)的訪問(wèn)行為，從而精準(zhǔn)評(píng)估用戶偏好，為用戶提供個(gè)性化服務(wù)于產(chǎn)品推薦，并通過(guò)多維度分析，增強(qiáng)了對(duì)消費(fèi)者行為的洞察力，幫助企業(yè)深入理解市場(chǎng)和用戶需求；能夠處理的樣本量大，覆蓋面廣，可應(yīng)用于房產(chǎn)、零售、餐飲、娛樂(lè)、旅游等多個(gè)行業(yè)，促進(jìn)細(xì)分市場(chǎng)策略的制定，優(yōu)化了資源分配，提升用戶體驗(yàn)，并指導(dǎo)企業(yè)進(jìn)行商品創(chuàng)新，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于lbs位置大數(shù)據(jù)的用戶產(chǎn)品需求計(jì)算方法，包括以下步驟：

3、s1、數(shù)據(jù)采集：收集客戶的lbs位置數(shù)據(jù)和興趣點(diǎn)的產(chǎn)品布局；

4、s2、對(duì)lbs位置數(shù)據(jù)進(jìn)行清洗，清洗過(guò)程包括去除重復(fù)數(shù)據(jù)、剔除過(guò)路人員和工作人員的lbs位置數(shù)據(jù)；

5、s3、計(jì)算用戶對(duì)每個(gè)興趣點(diǎn)的偏好程度：評(píng)價(jià)用戶對(duì)興趣點(diǎn)的偏好程度有兩個(gè)指標(biāo)，主要指標(biāo)是到訪頻率，次要指標(biāo)是到訪的持續(xù)時(shí)間，在相同到訪頻率下，持續(xù)時(shí)間長(zhǎng)，用戶對(duì)該興趣點(diǎn)的偏好度高；

6、s4、結(jié)合用戶興趣點(diǎn)的產(chǎn)品布局計(jì)算用戶產(chǎn)品需求分布：篩選每個(gè)用戶80％分位數(shù)偏好度的興趣點(diǎn)，并結(jié)合興趣點(diǎn)的產(chǎn)品結(jié)構(gòu)計(jì)算每個(gè)用戶對(duì)每種產(chǎn)品的需求概率。

7、優(yōu)選的，在步驟s1中，客戶的lbs位置數(shù)據(jù)包括用戶匿名id、到訪興趣點(diǎn)id、用戶到訪詳情，用戶到訪詳情包括到訪日期、開(kāi)始時(shí)間、結(jié)束時(shí)間。

8、優(yōu)選的，在步驟s1中，興趣點(diǎn)的產(chǎn)品布局包括興趣點(diǎn)id、產(chǎn)品類型、產(chǎn)品成交/供應(yīng)結(jié)構(gòu)，且興趣點(diǎn)id和到訪興趣點(diǎn)id關(guān)聯(lián)。

9、優(yōu)選的，在步驟s1中，任意一個(gè)時(shí)間段內(nèi)，客戶到訪興趣點(diǎn)的lbs位置數(shù)據(jù)包括通用唯一識(shí)別碼uuid、停留位置、停留時(shí)長(zhǎng)。

10、優(yōu)選的，在步驟s3中，計(jì)算對(duì)用于興趣點(diǎn)的偏好程度時(shí)，提取到訪頻率和持續(xù)時(shí)間的特征，到訪頻率記為l，持續(xù)時(shí)間記為t，計(jì)算公式如下：

11、l＝count(day)

12、t＝∑(end_time-start_time)。

13、優(yōu)選的，在步驟s3中，在計(jì)算用戶對(duì)每個(gè)興趣點(diǎn)的偏好程度進(jìn)行用戶偏好度建模，并根據(jù)目標(biāo)時(shí)間段內(nèi)的lbs位置數(shù)據(jù)計(jì)算偏好度模型，公式如下：

14、p＝f(l,t)。

15、優(yōu)選的，在步驟s3中，計(jì)算用戶對(duì)每個(gè)興趣點(diǎn)的偏好程度的步驟如下：

16、s31、計(jì)算主要指標(biāo)到訪頻率的得分sl，對(duì)sl進(jìn)行極差法標(biāo)準(zhǔn)化：

17、

18、s32、將sl按照標(biāo)準(zhǔn)化的分?jǐn)?shù)劃分為10檔，分別為0～1分、1～2分、2～3分、3～4分、4～5分、5～6分、6～7分、7～8分、8～9分、9～10分；

19、s33、計(jì)算次要指標(biāo)持續(xù)時(shí)長(zhǎng)得分s，該得分即為用戶對(duì)每個(gè)興趣點(diǎn)的偏好程度，在相同到訪頻率得分檔sl下，持續(xù)時(shí)間長(zhǎng)，偏好程度高。

20、優(yōu)選的，在步驟s31和步驟s32中，統(tǒng)計(jì)每個(gè)用戶到訪每個(gè)興趣點(diǎn)的到訪頻率，并對(duì)到訪頻率進(jìn)行標(biāo)準(zhǔn)化得到sl，并將所有的sl通過(guò)聚類分析分為十檔，并統(tǒng)計(jì)同等檔位下sl的最大值sl_max及最小值sl_min，最大值sl_max及最小值sl_min即為sl標(biāo)準(zhǔn)化分?jǐn)?shù)檔位的兩個(gè)邊界值。

21、優(yōu)選的，在步驟s33中，到訪頻率標(biāo)準(zhǔn)化后，統(tǒng)計(jì)每檔sl的持續(xù)到訪時(shí)間，并對(duì)持續(xù)到訪時(shí)間進(jìn)行標(biāo)準(zhǔn)化，并其處于[sl_max，sl_min]之間，持續(xù)到訪時(shí)間標(biāo)準(zhǔn)化后的得分s記為用戶對(duì)每個(gè)興趣點(diǎn)的偏好度得分。

22、優(yōu)選的，在步驟s4中，結(jié)合興趣點(diǎn)的產(chǎn)品組合和布局，計(jì)算用戶的產(chǎn)品需求概率，公式如下：

23、pro＝f(s,product)。

24、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

25、1、本發(fā)明能夠?qū)崟r(shí)捕捉和分析用戶對(duì)興趣點(diǎn)的訪問(wèn)行為，從而精準(zhǔn)評(píng)估用戶偏好，為用戶提供個(gè)性化服務(wù)于產(chǎn)品推薦，并通過(guò)多維度分析，增強(qiáng)了對(duì)消費(fèi)者行為的洞察力，幫助企業(yè)深入理解市場(chǎng)和用戶需求；

26、2、本發(fā)明能夠處理的樣本量大，覆蓋面廣，可應(yīng)用于房產(chǎn)、零售、餐飲、娛樂(lè)、旅游等多個(gè)行業(yè)，促進(jìn)細(xì)分市場(chǎng)策略的制定，優(yōu)化了資源分配，提升用戶體驗(yàn)，并指導(dǎo)企業(yè)進(jìn)行商品創(chuàng)新。