了解用户行为分析系统,做到精准获客,实现利益最大化,还在等什么,你值得拥有这个知识,去达到你想拥有的财富,赶快往下看吧!
我们采用矩阵运算的思维方式,以图书阅读为例说明。那么用户的行为矩阵可以表达为:图书,行表示用户我们暂只考虑图书的购买行为,0表示用户没有看过该图书,1表示用户看过该图书。
如何将上述用户行为矩阵转化为用户兴趣矩阵(即行代表用户,列代表兴趣维度),基于用户行为分析建立用户偏好模型的核心工作就是:将用户的行为转换为用户的偏好,一种显著的方法是我们先确定图书与兴趣维度的对应关系矩阵。而这个的前提是我们确定了使用何种兴趣空间。一种常见的方式是专家给出一些样本的分类结果,得到分类模型,然后应用到其余数据的分类问题当中,也就是一般意义的训练数据,然后通过分类算法,解决其余大量数据的分类问题。这种分类的特点是一本图书只被标记为一种类别,假如有3个类别。
那么图书-兴趣矩阵为:那么用户行为矩阵转换为用户兴趣矩阵的运算公式即可表示为下图,算出的矩阵再经过归一化后,行表示用户,列表示兴趣,每个值就代表某个用户在某个兴趣的偏好权重。
实际情况中,一本图书通常不只属于某个分类,并且当图书的数据巨大时,寄希望于编辑分类可能会越来越难以维持,选择这样的兴趣空间的局限显而易见:一本图书只能属于一个兴趣维度,所以通常是由用户主动给图书添加标签,或者机器基于内容,提取关键词。前面已经看到兴趣空间的选择真的是非常重要,直接影响所得到用户的兴趣矩阵,但是这种形式得到的标签集会存在同义,生僻,维度过多等情况,需要经过标签清洗的重要工作。所以同样的方法都得到了用户偏好,但是好不好用,就跟这部分工作有关了。
看到这里的小伙伴们,为你开心,因为你的知识又多了两麻袋。但其实,关于用户行为分析还有很多知识要学习,希望你不要懈怠啊,小编会满怀着期待去和你在下篇文章中不期而遇,你呢?
更多产品了解
欢迎扫码加入云巴巴企业数字化交流服务群
产品交流、问题咨询、专业测评
都在这里!
2022-11-21 15:54:07
2022-11-21 15:55:38
2021-12-03 11:20:51
2020-05-07 17:10:37
2020-03-11 17:47:16
2022-11-21 11:19:59
甄选10000+数字化产品 为您免费使用
申请试用
评论列表