一种云服务推送的大数据分析方法及系统技术方案

本发明专利技术涉及数据分析技术领域，尤其涉及一种云服务推送的大数据分析方法及系统。该方法包括以下步骤：获取历史用户浏览数据，并对历史用户数据进行意向提取，从而生成用户历史意向数据；对用户历史意向数据进行缩放计算并构建用户推送模型；获取用户历史购买数据，对用户历史购买数据以及用户历史意向数据进行计算，从而获得用户历史购买意向数据；获取用户当前购买数据，基于用户历史购买意向数据对用户当前购买数据进行分类计算，从而生成第一意向评估数据；对第一意向评估数据进行计算，从而获得可发展用户数据。本发明专利技术采用数据分析技术实现云服务的精准推送。术实现云服务的精准推送。术实现云服务的精准推送。

【技术实现步骤摘要】
一种云服务推送的大数据分析方法及系统


[0001]本专利技术涉及数据分析
，尤其涉及一种云服务推送的大数据分析方法及系统。

技术介绍

[0002]随着云计算、大数据和人工智能等技术的快速发展，越来越多的企业和个人开始采用云服务，如云存储、云计算、云数据库等，为用户提供更多样化、高效率的服务。然而，如何准确且快速地推送服务内容，已成为云服务商关注的问题。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了一种云服务推送的大数据分析方法，以解决至少一个上述技术问题。
[0004]本申请提供了一种云服务推送的大数据分析方法，包括以下步骤：
[0005]步骤S1：获取历史用户浏览数据，并对历史用户数据进行意向提取，从而生成用户历史意向数据；
[0006]步骤S2：对用户历史意向数据进行缩放计算并构建用户推送模型；
[0007]步骤S3：获取用户历史购买数据，对用户历史购买数据以及用户历史意向数据进行计算，从而获得用户历史购买意向数据；
[0008]步骤S4：获取用户当前购买数据，基于用户历史购买意向数据对用户当前购买数据进行分类计算，从而生成第一意向评估数据；
[0009]步骤S5：对第一意向评估数据进行计算，从而获得可发展用户数据；
[0010]步骤S6：对历史用户浏览数据进行特征提取，从而获得用户浏览偏好特征以及用户浏览花费特征，利用用户浏览偏好特征以及用户浏览花费特征对用户推送模型进行修正处理，从而获得优化用户推送模型；
[0011]步骤S7：利用优化用户推送模型对可发展用户数据进行意向评估，从而获得第二意向评估数据，以将推送用户数据发送至云服务推送系统进行内容筛选推送处理。
[0012]本专利技术通过云平台获取历史用户浏览数据，并对历史用户数据进行意向提取，能够减少云平台不必要的推送，提高推送效果，从而生成用户历史意向数据。对用户历史意向数据进行缩放计算并构建用户推送模型，缩放计算可以将不同维度的历史意向数据进行统一，减少数据之间的差异性，可以减少数据集的特征维数，使得数据处理时的计算量减小，从而更加精准的构建用户推送模型，提升个性化推荐的准确度。获取用户历史购买数据，对用户历史购买数据以及用户历史意向数据进行计算，从而获得用户历史购买意向数据，通过结合用户历史购买数据和历史意向数据，可以更加精准的针对用户偏好进行推送，提高推送的准确率和精度。获取用户当前购买数据，基于用户历史购买意向数据对用户当前购买数据进行分类计算，从而生成第一意向评估数据，基于历史购买意向数据对用户当前购买数据进分类计算，能够快速的判断出用户当前购买的商品是否符合用户历史意向，进而
进行相应的推送，优化用户的购物体验。对第一意向评估数据进行计算，从而获得可发展用户数据，通过对第一意向评估数据进行计算，能够识别出可发展用户，这有助于将精力集中在最有可能购买或使用产品或服务的用户身上，提高推送精度。对历史用户浏览数据进行特征提取，从而获得用户浏览偏好特征以及用户浏览花费特征，利用用户浏览偏好特征以及用户浏览花费特征对用户推送模型进行修正处理，从而获得优化用户推送模型，对历史用户浏览数据进行特征提取能够更好的体现用户的兴趣和偏好，利用这些特征对用户推送模型进行修正处理，可以更加精准的实现个性化推送，可以更加充分地了解用户的兴趣爱好和消费需求，从而调整和优化广告投放策略，提高推送的效果和转化率，通过对历史用户浏览数据的特征提取和用户推送模型的优化修正，能够实现更精准的推荐，从而提高用户的活跃度，增加用户黏度。利用优化用户推送模型对可发展用户数据进行意向评估，从而获得第二意向评估数据，以将推送用户数据发送至云服务推送系统进行内容筛选推送处理，利用优化用户推送模型，对可发展用户数据进行意向评估，能够更加精准地判断用户对推送内容的偏好和意向，从而提高推送的效率和准确率，可以更好地了解用户的需求和兴趣点，从而实现个性化推送，提高用户满意度和忠诚度，第二意向评估数据能够帮助平台调整推送策略，实现内容筛选和推送效果的优化，提高推送效果和用户反馈率，同时减少用户反感率。
[0013]可选地，步骤S1具体为：
[0014]步骤S11：获取历史用户浏览数据；
[0015]步骤S12：对历史用户浏览数据进行网站浏览数据提取以及直播浏览数据提取，从而生成网站浏览数据以及直播浏览数据；
[0016]步骤S13：对网站浏览数据进行网站意向探查处理，从而生成网站意向数据；
[0017]步骤S14：对直播浏览数据进行直播意向探查处理，从而生成直播意向数据；
[0018]步骤S15：根据网站意向数据以及直播意向数据进行时序合并，从而获得用户意向合并数据。
[0019]本专利技术通过云平台获取历史用户浏览数据，对历史用户浏览数据进行网站浏览数据提取以及直播浏览数据提取，从而生成网站浏览数据以及直播浏览数据，通过对历史用户浏览数据进行网站浏览数据提取以及直播浏览数据提取，能够更加全面地了解用户的浏览行为和偏好，从而提高推送和个性化服务的准确度和精准度，优化用户体验。对网站浏览数据进行网站意向探查处理，从而生成网站意向数据，通过探查用户的网站意向，可以更加精准地推荐与用户兴趣相关的商品或服务，提高推荐的准确性和用户的满意度。对直播浏览数据进行直播意向探查处理，从而生成直播意向数据，直播意向数据能够帮助云平台了解用户的潜在需求和兴趣点，从而进行更加精准地推送直播主题和内容，提高直播营销效果和商品销售量。根据网站意向数据以及直播意向数据进行时序合并，从而获得用户意向合并数据，通过根据用户的网站和直播意向数据进行时序合并，可以综合分析用户的兴趣和需求，从而清晰了解用户的意向和倾向，提高推送和个性化服务的准确性。
[0020]可选地，步骤S13中网站消费意向探查处理包括以下步骤：
[0021]对网站浏览数据进行统计分析，从而获得网站高频意向数据；
[0022]对网站浏览数据进行方差分析，从而获得网站低频意向数据；
[0023]对网站浏览数据进行皮尔逊意向检测，从而获得网站潜在意向数据。
[0024]本专利技术对网站浏览数据进行统计分析，从而获得网站高频意向数据，通过对网站浏览数据进行统计分析，能够更好地了解用户行为和习惯，提高数据分析能力和准确性。对网站浏览数据进行方差分析，从而获得网站低频意向数据，通过对网站浏览数据进行方差分析，能够更好地了解用户行为和偏好，提高数据分析能力和准确性。对网站浏览数据进行皮尔逊意向检测，从而获得网站潜在意向数据，皮尔逊意向检测可以发现用户未曾意识到的需求和兴趣，从而对原有的推送进行补充和创新，提高用户体验和满意度，可以更好地了解用户的偏好和需求，从而实现更为有效和精确的个性化推送服务。
[0025]可选地，皮尔逊意向检测具体为：
[0026]步骤S1331：对网站浏览数据进行特征提取，从而获得网站浏览时间数据、网站页面访问量数据以及用户浏览相似页面频率数据，对用户浏览时间数据、用户页面访问量数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云服务推送的大数据分析方法，其特征在于，包括以下步骤：步骤S1：获取历史用户浏览数据，并对历史用户数据进行意向提取，从而生成用户历史意向数据；步骤S2：对用户历史意向数据进行缩放计算并构建用户推送模型；步骤S3：获取用户历史购买数据，对用户历史购买数据以及用户历史意向数据进行计算，从而获得用户历史购买意向数据；步骤S4：获取用户当前购买数据，基于用户历史购买意向数据对用户当前购买数据进行分类计算，从而生成第一意向评估数据；步骤S5：对第一意向评估数据进行计算，从而获得可发展用户数据；步骤S6：对历史用户浏览数据进行特征提取，从而获得用户浏览偏好特征以及用户浏览花费特征，利用用户浏览偏好特征以及用户浏览花费特征对用户推送模型进行修正处理，从而获得优化用户推送模型；步骤S7：利用优化用户推送模型对可发展用户数据进行意向评估，从而获得第二意向评估数据，以将推送用户数据发送至云服务推送系统进行内容筛选推送处理。2.根据权利要求1所述的方法，其特征在于，其中用户历史意向数据包括网站意向数据、直播意向数据以及用户意向合并数据，步骤S1包括以下步骤：步骤S11：获取历史用户浏览数据；步骤S12：对历史用户浏览数据进行网站浏览数据提取以及直播浏览数据提取，从而生成网站浏览数据以及直播浏览数据；步骤S13：对网站浏览数据进行网站意向探查处理，从而生成网站意向数据；步骤S14：对直播浏览数据进行直播意向探查处理，从而生成直播意向数据；步骤S15：根据网站意向数据以及直播意向数据进行时序合并，从而获得用户意向合并数据。3.根据权利要求2所述的方法，其特征在于，步骤S13中网站消费意向探查处理包括以下步骤：对网站浏览数据进行统计分析，从而获得网站高频意向数据；对网站浏览数据进行方差分析，从而获得网站低频意向数据；对网站浏览数据进行皮尔逊意向检测，从而获得网站潜在意向数据。4.根据权利要求3所述的方法，其特征在于，皮尔逊意向检测的步骤具体为：步骤S1331：对网站浏览数据进行特征提取，从而获得网站浏览时间数据、网站页面访问量数据以及用户浏览相似页面频率数据，对用户浏览时间数据、用户页面访问量数据以及用户浏览相似页面频率数据进行数据归并，从而获得网站综合数据集；步骤S1332：通过皮尔逊相关系数对综合数据集进行计算，从而获得皮尔逊数据；步骤S1333：对皮尔逊数据进行相关性筛选，从而获得潜在特征数据；步骤S1334：通过关联规则分析对潜在特征数据进行意向度计算，从而获得意向度数据；步骤S1335：对意向度数据进行意向度最大关联聚类计算，从而获得网站潜在意向数据；其中意向度最大关联聚类计算具体为：
基于意向度数据进行模型构建，从而获得意向度聚类模型；对意向度数据进行归一化处理，从而获得归一化意向度数据；通过皮尔逊相关系数对归一化意向度数据进行相似矩阵计算，从而获得相似矩阵；对相似矩阵进行归一化处理，...

【专利技术属性】
技术研发人员：车雨，廖文远，武孝城，
申请(专利权)人：车雨，
类型：发明
国别省市：