本發(fā)明涉及零售平臺，具體為一種基于云計算的零售平臺用戶畫像生成方法及系統(tǒng)。

背景技術：

1、零售平臺是指用于在網(wǎng)上銷售產(chǎn)品或服務的電子商務平臺。這些平臺提供了一個方便的方式讓消費者瀏覽和購買商品，同時為賣家提供了一個在線銷售的渠道。常見的零售平臺包括亞馬遜、淘寶、京東等。它們?yōu)橄M者和賣家提供了交易、支付、物流等方面的服務，極大地方便了電子商務交易；

2、專利公開號為cn114943573a申請公開了一種基于零售saas平臺用戶畫像的構(gòu)建方法、系統(tǒng)、存儲介質(zhì)及電子設備，獲取商品信息、用戶信息，對用戶屬性行為進行畫像，建立用戶特征矩陣，建立商品特征矩陣，計算商品關聯(lián)度以及用戶興趣度，生成第一推薦列表，計算用戶興趣度排名在閾值范圍內(nèi)中每個商品的商品特征矩陣中特征值與當前用戶的用戶特征矩陣中特征值的相似度，根據(jù)相似度對商品進行排序，選取相似度滿足閾值的商品進行展示。本發(fā)明通過對商品關聯(lián)度進行多層卷積運算后再進行用戶興趣度計算，將商品關聯(lián)度與用戶興趣度緊密關聯(lián)，提高了用戶興趣度商品搜索的精度。

3、零售平臺在生成對應使用用戶的用戶畫像過程中，一般基于對應用戶的使用記錄，確認對應用戶的用戶習慣，隨后生成對應用戶的用戶畫像，但此種畫像生成方式，并未對歷史瀏覽信息依次進行詳細篩選，導致其用戶畫像的準確率不高，影響目標用戶的使用體驗。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種基于云計算的零售平臺用戶畫像生成方法及系統(tǒng)，解決了并未對歷史瀏覽信息依次進行詳細篩選，導致其用戶畫像的準確率不高，影響目標用戶的使用體驗的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種基于云計算的零售平臺用戶畫像生成系統(tǒng)，包括：

3、目標用戶確認端，從零售平臺內(nèi)確定對應用戶的具體購買量確認目標用戶；

4、瀏覽信息獲取端，基于所確認的目標用戶，從零售平臺內(nèi)直接提取此目標用戶的歷史瀏覽信息，其中還包括歷史瀏覽信息的具體瀏覽時長；

5、信息篩選端，對此目標用戶所產(chǎn)生的歷史瀏覽信息進行初步篩選，剔除無效的歷史瀏覽信息，并保留有效歷史瀏覽信息，具體方式為：

6、將若干組不同歷史瀏覽信息的瀏覽時長進行均值處理，確認若干組歷史瀏覽信息均時js，并生成此目標用戶的瀏覽時長區(qū)間[js-x1，js+x1]，且x1為js的?；

7、基于每組瀏覽信息的瀏覽時長，將屬于此瀏覽時長區(qū)間[js-x1，js+x1]的瀏覽信息標定為有效歷史瀏覽信息，反之不進行任何標定；

8、信息分析端對有效歷史瀏覽信息進行再分析，通過確認瀏覽時速的方式，來確定對應瀏覽信息是真實有效信息還是假定有效信息，具體方式為：

9、從零售平臺內(nèi)獲取每組有效歷史瀏覽信息的瀏覽時速，并將每組瀏覽時速標定為ssi，其中i代表不同的有效歷史瀏覽信息；

10、將若干組瀏覽時速ssi進行聚類處理，將若干組瀏覽時速按照從小至大的的方式進行排序，確認排序位置處的中間值，將其標定為中心值，若中間值存在兩組，則隨機選定一組數(shù)值即可；

11、將不同的瀏覽時速與中心值進行差值處理，再將若干組差值進行均值處理確定一組均值，將差值大于均值的有效歷史瀏覽信息標定為假定有效信息，反之，將其標定為真實有效信息，并將處理后的若干組真實有效信息傳輸至賦值處理端內(nèi)；

12、賦值處理端，基于對應目標用戶的真實有效信息確認對應信息的總瀏覽時長以及點擊次數(shù)，再根據(jù)所確認的兩組參數(shù)鎖定信息特征值，再將信息特征值與預設區(qū)間進行核對，確認對應真實有效信息的相應賦值，處理方式為：

13、將不同真實有效信息的總瀏覽時長標定為sck，將點擊次數(shù)標定為dck，其中k代表不同的真實有效信息；

14、采用tzk=sck×c1+dck×c2確定對應的信息特征值tzk，其中c1以及c2均為預設的固定系數(shù)因子，將所確定的信息特征值tzk分別與預設區(qū)間進行比對，其中預設區(qū)間包括三組分別為0區(qū)間[y1，y2]，1區(qū)間（y2，y3]，2區(qū)間（y3，y4]，其中y1、y2、y3以及y4均為預設的區(qū)間端值；

15、確認信息特征值tzk屬于哪組區(qū)間，便直接選取對應區(qū)間命名數(shù)值對此真實有效信息進行賦值處理，并將完成賦值后的真實有效信息傳輸至畫像生成端內(nèi)，當未查詢到所屬區(qū)間，則不進行賦值；

16、畫像生成端，接收賦值處理后的真實有效信息，并與零售平臺的銷售品類進行分析比對，確認真實有效信息的具體歸屬，再基于賦值，生成此目標用戶的用戶畫像，具體過程如下：

17、確定零售平臺所劃分的多個大品類，再基于真實有效信息的隸屬品類，確定隸屬品類個數(shù)最多的一組大品類；

18、再從此大品類內(nèi)依次確定若干個對應的小品類，再基于真實有效信息的具體ip歸屬，確認所屬的小品類；

19、將每個不同小品類內(nèi)若干個真實有效信息的賦值進行求和處理，將求和所得的具體數(shù)值標定為對應小品類的排序值；

20、基于排序值的數(shù)值大小，按照從大至小的方式，將若干個小品類進行排序，并提取排序名次為前三的三組小品類并生成三組用戶畫像，將所生成的三組用戶畫像傳輸至推送中心內(nèi)。

21、優(yōu)選的，所述推送中心，包括時段參數(shù)獲取單元、參數(shù)分析單元以及推送單元；

22、時段參數(shù)獲取單元，對目標用戶使用此零售平臺的不同時間段進行獲取，并將所獲取的不同時間段傳輸至參數(shù)分析單元內(nèi)；

23、其中參數(shù)分析單元，對所獲取的不同時間段與預設的可推送時間段進行綜合比值分析，選取最大比值，從而確定最佳的推送時間段，確定方式為：

24、按照早中晚的休息時間，確定三組可推送時間段，其可推送時間段均為提前擬定，由操作人員自行操作；

25、基于所獲取的不同時間段，確認每組不同可推送時間段對應目標用戶的總使用時長，隨后確定使用占比值，其中：使用占比值=總使用時長÷可推送時間段總時長；

26、從三組使用占比值內(nèi)，確定最大比值，并將此最大比值所屬的推送時間段標定為最佳的推送時間段；

27、推送單元，在此最佳的推送時間段內(nèi)以及目標用戶正在使用此零售平臺時，將三組用戶畫像隨機推送至對應目標用戶終端內(nèi)。

28、優(yōu)選的，一種基于云計算的零售平臺用戶畫像生成方法，包括：

29、基于注冊用戶的具體購買量，來確定目標用戶；

30、從零售平臺內(nèi)提取目標用戶所產(chǎn)生的歷史瀏覽信息，并確保歷史瀏覽信息達標；

31、對歷史瀏覽信息進行初步篩選，通過確認瀏覽時長均時的方式，剔除無效的歷史瀏覽信息，保留有效歷史瀏覽信息；

32、對有效歷史瀏覽信息的觀賞時速進行聚類處理，剔除聚類偏差較大的有效歷史瀏覽信息，保留真實有效信息；

33、基于真實有效信息的總瀏覽時長以及點擊次數(shù)，確定信息特征值，基于此信息特征值，確定真實有效信息的具體賦值；

34、基于不同真實有效信息的具體賦值以及具體分類，確認真實有效信息的具體歸屬并生成對應目標用戶的用戶畫像。

35、本發(fā)明提供了一種基于云計算的零售平臺用戶畫像生成方法及系統(tǒng)。與現(xiàn)有技術相比具備以下有益效果：

36、本發(fā)明通過根據(jù)目標用戶的確認，來鎖定目標用戶的歷史瀏覽信息，再基于歷史瀏覽信息的具體特性，首先進行初步篩分，再進行二次篩分，每次篩分的方式均不一致，確定最終所保留真實有效信息，隨后再根據(jù)真實有效信息內(nèi)部的具體參數(shù)，確定所屬賦值，為了使所生成的用戶畫像更為精準，采用賦值求和處理的方式，來確定對應品類的排序，隨后生成需要推送的用戶畫像，其處理方式更為精準，效率更高，以及精準度更高；

37、確認目標用戶的對應休息時段，再根據(jù)對應的休息時段內(nèi)對應用戶使用對應平臺的具體時長，來確定其使用過程的最佳時長，從而來確定一個使用時間最長的一個時間段，在此時間段內(nèi)進行推送，其整體推送效果更好，能較為合時的推送至對應目標用戶內(nèi)。