一种跨境消费者行为采集及分析检测的大数据方法

技术领域

本发明涉及大数据技术领域，具体为一种跨境消费者行为采集及分析检测的大数据方法。

背景技术

电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于客户端/服务端应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。各国政府、学者、企业界人士根据自己所处的地位和对电子商务参与的角度和程度的不同，给出了许多不同的定义。电子商务分为：ABC、B2B、B2C、C2C、B2M、M2C、B2A(即B2G)、C2A(即C2G)、O2O等。

跨境电子商务是指分属不同关境的交易主体，通过电子商务平台达成交易、进行电子支付结算，并通过跨境电商物流及异地仓储送达商品，从而完成交易的一种国际商业活动，跨境电商属于电子商务中的一种。

中国专利申请(CN105701675A)提出了及一种基于Webform的消费者行为分析系统。通过分析了解各类消费者的个性倾向、购买行为，了解购买过程中的各种参与者及其购买行为的影响，可以有效的制定市场营销计划，帮助商场留住每个顾客，刺激消费，提高商场的人流量。不同的人会有不同的消费行为，商场可以通过技术手段采集相关数据，透过分析系统分析消费者行为特征，为客户提供可靠的数据咨询解答和分析服务。我们可以通过消费者行为分析系统，分析消费者的购买心理和行为特征，让商场抓住每个顾客，让我们的营销与消费者达成良好的默契，由上述内容可以看出现有技术中通过信息采集为客户提供咨询以及解答，而上述内容中在对消费者行为采集以及消费分析的时候并不能根据消费者的消费习惯合理的制定所需客户的消费意向，因此对消费者信息进行收集评估并全面并且无法准确对消费者信息进行分析，为此，我们提出一种跨境消费者行为采集及分析检测的大数据方法。

发明内容

本发明的目的在于提供一种跨境消费者行为采集及分析检测的大数据方法，以解决背景技术中需要解决的问题。

为实现上述目的，本发明提供如下技术方案：一种跨境消费者行为采集及分析检测的大数据方法，所述跨境消费者行为采集及分析检测的大数据方法包括以下步骤：

步骤一：用户对消费者进行划分，并针对消费者的行为以及消费习惯进行数据统计，并将数据统计储存至服务器中；

步骤二：用户根据网页分析工具收集消费者在网页上的行为数据，用户通过在网页上特定位置嵌入代码，并跟踪消费者在页面上的具体行为，并将具体行为记录登记储存至服务器中；

步骤三：建立RFM模型，对消费者行为进行分析，用于评估和分割消费者关键维度的价值，形成完成的消费者数据评分；

步骤四：利用Transfer函数对消费者数据进行整合分析，整合分析完成后搭建可视化模型，并将消费者数据输入至可数化模型中搭建为图片形式便于用户操作提取；

步骤五：利用漏斗筛选模式，设置对应的筛选数据，并将收集后的消费者数据利用筛选数据进行分批次录入，从而对消费者的行为分析进行漏斗式筛选，从较宽范围的消费者行为信息中得到正确的行为信息。

现有技术中通过信息采集为客户提供咨询以及解答，而上述内容中在对消费者行为采集以及消费分析的时候并不能根据消费者的消费习惯合理的制定所需客户的消费意向，因此对消费者信息进行收集评估并全面并且无法准确对消费者信息进行分析，本发明通过设置对消费者进行划分，可以针对不同类型的消费者进行分类处理，随后用户通过网页数据跟踪消费者在网页上的停留时间等进行数据采集，并将消费者数据进行储存，随后再经过建立的RFM模型对消费者的消费信息进行登记以及评估，并且通过模型对消费者信息进行数据评分，随后用户便可以对数据进行整合分析，从而便可以搭建可视化模型，这样的设置便可以方便用户对数据进行操作提取，并且用户可以通过漏斗筛选模式对提取后的用户数据进行快速筛选，从而可以得到相应消费者信息；而设置的关键维度价值可以通过多组维度对消费者信息进行评价，从而方便用户和漏斗筛选模式相互配合根据自身需求来调整消费者筛选的条件，从而可以更加快速准确的找寻到合适的消费者信息。

作为上述技术方案的进一步描述：

所述步骤一中消费者划分将消费者通过年龄、消费习惯、购买商品品类、购买商品地区、购买频次以及购买行为数据。

作为上述技术方案的进一步描述：

所述步骤三中关键维度价值包括三种，分别为最近交互时间、交互频率和交互价值，所述RFM模型借助消费者的行为数据对消费者进行分类，从而帮助用户对消费者进行识别，并是用户针对性的指定营销策略以及服务信息。

作为上述技术方案的进一步描述：

所述关键维度价值中的最近交互时间用于衡量消费者最近一次与产品或者服务进行交互的时间数据，从而判断消费者的活跃程度。

作为上述技术方案的进一步描述：

所述关键维度价值中的交互频率用于衡量消费者在同一定时间限制内与产品或者服务进行交互的次数，从而判断消费者的消费忠诚度。

作为上述技术方案的进一步描述：

所述关键维度价值中的交互价值用于衡量消费者在同一时间限制内完成的交互价值，从而方便对消费者的消费能力进行快速判断。

作为上述技术方案的进一步描述：

对所述步骤三中关键维度价值中的最近交互时间、交互频率和交互价值进行消费评价占比，所述最近交互时间、交互频率和交互价值的赋值分别为x1、x2和x3，所述步骤三中关键维度价值评分通过下述公式实现：

其中，f(x)为消费者通过关键维度价值评估得分，其中所述x1、x2和x3为最近交互时间、交互频率和交互价值的交互价值赋分，所述y1、y2和y3为最近交互时间、交互频率和交互价值的直接赋分。

作为上述技术方案的进一步描述：

所述步骤五中漏斗筛选模式使用时包括以下步骤：

A1：梳理漏斗节点，绘制流程以及漏斗路径，根据消费者数据设定漏斗筛选规则以及节点定义，绘制事件流程；

A2：收集漏斗中的各环节痕迹数据，进行数据收集，针对整个漏斗形成过程首先进行指标的定义和数据的收集；

A3：通过关键节点指标与同类消费者的平均水平、行业平均水平进行比较分析、从而找到消费者的关键维度价值匹配度，通过消费者与自身历史同期水平进行比较，确定漏斗模型中需要优化的节点，进行针对性整改。

作为上述技术方案的进一步描述：

所述步骤三中利用Transfer函数搭建的可视化图片生成之后对图片进行统一化处理，得到灰度直方图，随后根据灰度直方图的灰度级对评价附图进行划分，从而计算得到评价附图的向量，在通过余弦相似度算法计算出评价附图与其余评价附图的相似度，从而根据相似度对评价图片内容进行过滤处理。

与现有技术相比，本发明具有以下有益效果：

1、本发明通过设置对消费者进行划分，可以针对不同类型的消费者进行分类处理，随后用户通过网页数据跟踪消费者在网页上的停留时间等进行数据采集，并将消费者数据进行储存，随后再经过建立的RFM模型对消费者的消费信息进行登记以及评估，并且通过模型对消费者信息进行数据评分，随后用户便可以对数据进行整合分析，从而便可以搭建可视化模型，这样的设置便可以方便用户对数据进行操作提取，并且用户可以通过漏斗筛选模式对提取后的用户数据进行快速筛选，从而可以得到相应消费者信息；

2、而设置的关键维度价值可以通过多组维度对消费者信息进行评价，从而方便用户和漏斗筛选模式相互配合根据自身需求来调整消费者筛选的条件，从而可以更加快速准确的找寻到合适的消费者信息。

附图说明

图1为本发明正视图结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

请参阅图1，本发明提供一种技术方案：一种跨境消费者行为采集及分析检测的大数据方法，所述跨境消费者行为采集及分析检测的大数据方法包括以下步骤：

步骤一：用户对消费者进行划分，并针对消费者的行为以及消费习惯进行数据统计，并将数据统计储存至服务器中；

步骤二：用户根据网页分析工具收集消费者在网页上的行为数据，用户通过在网页上特定位置嵌入代码，并跟踪消费者在页面上的具体行为，并将具体行为记录登记储存至服务器中；

步骤三：建立RFM模型，对消费者行为进行分析，用于评估和分割消费者关键维度的价值，形成完成的消费者数据评分；

步骤四：利用Transfer函数对消费者数据进行整合分析，整合分析完成后搭建可视化模型，并将消费者数据输入至可数化模型中搭建为图片形式便于用户操作提取；

步骤五：利用漏斗筛选模式，设置对应的筛选数据，并将收集后的消费者数据利用筛选数据进行分批次录入，从而对消费者的行为分析进行漏斗式筛选，从较宽范围的消费者行为信息中得到正确的行为信息。

其中，通过设置对消费者进行划分，可以针对不同类型的消费者进行分类处理，随后用户通过网页数据跟踪消费者在网页上的停留时间等进行数据采集，并将消费者数据进行储存，随后再经过建立的RFM模型对消费者的消费信息进行登记以及评估，并且通过模型对消费者信息进行数据评分，随后用户便可以对数据进行整合分析，从而便可以搭建可视化模型，这样的设置便可以方便用户对数据进行操作提取，并且用户可以通过漏斗筛选模式对提取后的用户数据进行快速筛选，从而可以得到相应消费者信息；而设置的关键维度价值可以通过多组维度对消费者信息进行评价，从而方便用户和漏斗筛选模式相互配合根据自身需求来调整消费者筛选的条件，从而可以更加快速准确的找寻到合适的消费者信息。

实施例二：

请参阅图1，所述步骤一中消费者划分将消费者通过年龄、消费习惯、购买商品品类、购买商品地区、购买频次以及购买行为数据。

所述步骤三中关键维度价值包括三种，分别为最近交互时间、交互频率和交互价值，所述RFM模型借助消费者的行为数据对消费者进行分类，从而帮助用户对消费者进行识别，并是用户针对性的指定营销策略以及服务信息。

所述关键维度价值中的最近交互时间用于衡量消费者最近一次与产品或者服务进行交互的时间数据，从而判断消费者的活跃程度，最近交互时间较为活跃的维度价值可以使用户更加准确的追加推广以及广告投放等。

所述关键维度价值中的交互频率用于衡量消费者在同一定时间限制内与产品或者服务进行交互的次数，从而判断消费者的消费忠诚度，其中频繁交互的维度价值可能为对用户感兴趣的消费者，从而可以将其归类为较为重视的消费者，从而可以减少对消费者的追加推广和广告投放。

所述关键维度价值中的交互价值用于衡量消费者在同一时间限制内完成的交互价值，从而方便对消费者的消费能力进行快速判断，而交互价值较高的消费者设定为较高价值的客户。

对所述步骤三中关键维度价值中的最近交互时间、交互频率和交互价值进行消费评价占比，所述最近交互时间、交互频率和交互价值的赋值分别为x1、x2和x3，所述步骤三中关键维度价值评分通过下述公式实现：

其中，f(x)为消费者通过关键维度价值评估得分，其中所述x1、x2和x3为最近交互时间、交互频率和交互价值的交互价值赋分，所述y1、y2和y3为最近交互时间、交互频率和交互价值的直接赋分。

其中，设置的关键维度价值可以通过多组维度对消费者信息进行评价，从而方便用户和漏斗筛选模式相互配合根据自身需求来调整消费者筛选的条件，从而可以更加快速准确的找寻到合适的消费者信息，并且关键维度的价值评估得分可以通过用户进行自定义设定，通过用户自身来根据自身产品特性来着重赋值于哪一部分的关键维度，从而方便用户对消费者分析更加准确，也可以使广告等投放更加准确。

实施例三：

所述步骤五中漏斗筛选模式使用时包括以下步骤：

A1：梳理漏斗节点，绘制流程以及漏斗路径，根据消费者数据设定漏斗筛选规则以及节点定义，绘制事件流程；

A2：收集漏斗中的各环节痕迹数据，进行数据收集，针对整个漏斗形成过程首先进行指标的定义和数据的收集；

A3：通过关键节点指标与同类消费者的平均水平、行业平均水平进行比较分析、从而找到消费者的关键维度价值匹配度，通过消费者与自身历史同期水平进行比较，确定漏斗模型中需要优化的节点，进行针对性整改。

其中，漏斗筛选模式的设置可以使用户根据自身需求来对各环节的节点进行自定义规划，从容可以使用户根据自身需求来定义分析消费者的消费习惯，并且漏斗筛选模式中的节点指标可以与同类消费者的正常水平进行准确比对分析，从而也可以对节点信息进行针对性整改，从而可以保证用户对消费者查找的准确性。

所述步骤三中利用Transfer函数搭建的可视化图片生成之后对图片进行统一化处理，得到灰度直方图，随后根据灰度直方图的灰度级对评价附图进行划分，从而计算得到评价附图的向量，在通过余弦相似度算法计算出评价附图与其余评价附图的相似度，从而根据相似度对评价图片内容进行过滤处理。

其中，对可视化图片的处理可以增加图片内容的准确性，并且通过余弦相似度算法的处理可以更加直观快速的根据相似度内容对图片进行快速处理过滤，从而可以更加快速的得到所需图片数据。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化修改替换和变型，本发明的范围由所附权利要求及其等同物限定。