雙十一到了，未來你的手機會預測你的購買力？

久違的【專利權利要求書】系列來啦，帶你原汁原味地品味專利。

由於鄰近雙十一，為了讓大家在狂歡之前冷靜下來，下面的內容是嚴謹的且有技術含量的，並且比較難懂，請做好準備。（我刪掉了剩餘的一萬八千字左右的說明書哦(′-ω-`)）

如果你的手機能預測你的購買力，那麼你是否會因此改變自己購物車的選項呢？

專利名稱——購買力預測方法和裝置

摘要：

本公開揭示了一種購買力預測方法和裝置，屬於數據回歸預測領域。所述購買力預測方法包括：獲取購買力預測模型，該購買力預測模型為根據樣本用戶在第一歷史時間段內的購買因子訓練得到的模型，購買力預測模型包括預測購買力與購買因子之間的對應關係；獲取目標用戶在第二歷史時間段內的歷史購買信息，該歷史購買信息包括目標用戶在第二歷史時間段內的目標購買因子；根據歷史購買信息以及購買力預測模型，預測目標用戶在未來的目標時間段內的目標購買力。解決了相關技術中購買力預測準確度較低的問題；達到了提高預測得到的購買力的準確度的效果。

主權項：

一種購買力預測方法，其特徵在於，所述方法包括：獲取購買力預測模型，所述購買力預測模型為根據樣本用戶在第一歷史時間段內的購買因子訓練得到的模型，所述購買力預測模型包括預測購買力與所述購買因子之間的對應關係；獲取目標用戶在第二歷史時間段內的歷史購買信息，所述歷史購買信息包括所述目標用戶在所述第二歷史時間段內的目標購買因子；根據所述歷史購買信息以及所述購買力預測模型，預測所述目標用戶在未來的目標時間段內的目標購買力。

申請(專利)號：

CN201510729459.X

申請日：

2015.10.30

申請公布號：

CN105335875A

公開公告日：

2016.02.17

主分類號：

G06Q30/02(2012.01)I

分類號：

G06Q30/02(2012.01)I;

申請權利人：

小米科技有限責任公司;

發明設計人：

汪平仄; 張濤; 陳志軍;

地址：

100085 北京市海淀區清河中街68號華潤五彩城購物中心二期13層

國省代碼：

北京;11

代理機構：

北京三高永信知識產權代理有限責任公司 11138

代理人：

張所明

說明書附圖

權利要求

1.一種購買力預測方法，其特徵在於，所述方法包括：

獲取購買力預測模型，所述購買力預測模型為根據樣本用戶在第一歷史時 間段內的購買因子訓練得到的模型，所述購買力預測模型包括預測購買力與所 述購買因子之間的對應關係；

獲取目標用戶在第二歷史時間段內的歷史購買信息，所述歷史購買信息包 括所述目標用戶在所述第二歷史時間段內的目標購買因子；

根據所述歷史購買信息以及所述購買力預測模型，預測所述目標用戶在未 來的目標時間段內的目標購買力。

2.根據權利要求1所述的方法，其特徵在於，所述第二歷史時間段包括n 個子時間段，所述目標購買因子中包括所述目標用戶在所述n個子時間段中的 每個子時間段內的實際購買力，或者，所述歷史購買信息中還包括所述目標用 戶在所述n個子時間段中的每個子時間段內的實際購買力，n為大於0的整數；

所述根據所述歷史購買信息以及所述購買力預測模型，預測所述目標用戶 在未來的目標時間段內的目標購買力，包括：

對於所述n個子時間段中的每個子時間段，將所述子時間段內的所述目標 購買因子作為所述購買力預測模型的輸入，並將所述購買力預測模型的輸出確 定為所述目標用戶在所述子時間段內的預測購買力；

根據所述n個子時間段內的每個子時間段的實際購買力以及每個子時間段 所對應的預測購買力，確定所述目標用戶的實際購買力與所述預測購買力之間 的映射關係；

根據所述映射關係預測所述目標用戶在所述目標時間段內的目標購買力。

3.根據權利要求2所述的方法，其特徵在於，所述根據所述映射關係預測 所述目標用戶在所述目標時間段內的目標購買力，包括：

將根據所述購買力預測模型預測得到的第三歷史時間段內的預測購買力作 為所述映射關係的輸入，並將所述映射關係的輸出確定為所述目標購買力，所 述第三歷史時間段為所述目標時間段之前的最近的歷史時間段。

4.根據權利要求1所述的方法，其特徵在於，所述根據所述歷史購買信息 以及所述購買力預測模型，預測所述目標用戶在未來的目標時間段內的目標購 買力，包括：

將所述第二歷史時間段中所述目標時間段之前的最近一個子時間段內的所 述目標購買因子作為所述購買力預測模型的輸入，並將所述購買力預測模型的 輸出確定為所述目標購買力。

5.根據權利要求1所述的方法，其特徵在於，所述獲取購買力預測模型之 前，所述方法還包括：

對於每個樣本用戶，獲取所述樣本用戶在所述第一歷史時間段內的購買因 子，所述購買因子包括：所述樣本用戶在每個購買項上的購買額度、所述樣本 用戶在所述第一歷史時間段內的購買力、所述樣本用戶在第四歷史時間段中的i 個子時間段內的每個子時間段的購買力以及所述樣本用戶在所述第四歷史時間 段內的平均購買力中的至少一種，所述第四歷史時間段早於所述第一歷史時間 段，i≥1；

根據預設回歸方法對所述購買因子進行回歸，得到所述購買力預測模型。

6.根據權利要求1至5任一所述的方法，其特徵在於，所述方法還包括：

根據所述目標購買力以及預設對應關係，向所述目標用戶所對應的終端發 送所述目標購買力所對應的推薦信息；

所述預設對應關係包括所述目標購買力與所述推薦信息之間的對應關係。

7.一種購買力預測裝置，其特徵在於，所述裝置包括：

模型獲取模塊，被配置為獲取購買力預測模型，所述購買力預測模型為根 據樣本用戶在第一歷史時間段內的購買因子訓練得到的模型，所述購買力預測 模型包括預測購買力與所述購買因子之間的對應關係；

信息獲取模塊，被配置為獲取目標用戶在第二歷史時間段內的歷史購買信 息，所述歷史購買信息包括所述目標用戶在所述第二歷史時間段內的目標購買 因子；

預測模塊，被配置為根據所述信息獲取模塊獲取的所述歷史購買信息以及 所述模型獲取模塊獲取的所述購買力預測模型，預測所述目標用戶在未來的目 標時間段內的目標購買力。

8.根據權利要求7所述的裝置，其特徵在於，所述第二歷史時間段包括n 個子時間段，所述目標購買因子中包括所述目標用戶在所述n個子時間段中的 每個子時間段內的實際購買力，或者，所述歷史購買信息中還包括所述目標用 戶在所述n個子時間段中的每個子時間段內的實際購買力，n為大於0的整數；

所述預測模塊，包括：

第一確定子模塊，被配置對於所述n個子時間段中的每個子時間段，將所 述子時間段內的所述目標購買因子作為所述購買力預測模型的輸入，並將所述 購買力預測模型的輸出確定為所述目標用戶在所述子時間段內的預測購買力；

第二確定子模塊，被配置為根據所述n個子時間段內的每個子時間段的實 際購買力以及每個子時間段所對應的預測購買力，確定所述目標用戶的實際購 買力與所述預測購買力之間的映射關係；

預測子模塊，被配置為根據所述第二確定子模塊確定出的所述映射關係預 測所述目標用戶在所述目標時間段內的目標購買力。

9.根據權利要求8所述的裝置，其特徵在於，

所述預測子模塊，還被配置為：將根據所述購買力預測模型預測得到的第 三歷史時間段內的預測購買力作為所述映射關係的輸入，並將所述映射關係的 輸出確定為所述目標購買力，所述第三歷史時間段為所述目標時間段之前的最 近的歷史時間段。

10.根據權利要求7所述的裝置，其特徵在於，

所述預測模塊，還被配置為：將所述第二歷史時間段中所述目標時間段之 前的最近一個子時間段內的所述目標購買因子作為所述購買力預測模型的輸 入，並將所述購買力預測模型的輸出確定為所述目標購買力。

11.根據權利要求7所述的裝置，其特徵在於，所述裝置還包括：

因子獲取模塊，被配置為對於每個樣本用戶，獲取所述樣本用戶在所述第 一歷史時間段內的購買因子，所述購買因子包括：所述樣本用戶在每個購買項 上的購買額度、所述樣本用戶在所述第一歷史時間段內的購買力、所述樣本用 戶在第四歷史時間段中的i個子時間段內的每個子時間段的購買力以及所述樣 本用戶在所述第四歷史時間段內的平均購買力中的至少一種，所述第四歷史時 間段早於所述第一歷史時間段，i≥1；

回歸模塊，被配置為根據預設回歸方法對所述因子獲取模塊獲取的所述購 買因子進行回歸，得到所述購買力預測模型。

12.根據權利要求7至11任一所述的裝置，其特徵在於，所述裝置還包括：

發送模塊，被配置為根據所述目標購買力以及預設對應關係，向所述目標 用戶所對應的終端發送所述目標購買力所對應的推薦信息；

所述預設對應關係包括所述目標購買力與所述推薦信息之間的對應關係。

13.一種購買力預測裝置，其特徵在於，所述裝置包括：

處理器；

用於存儲所述處理器可執行指令的存儲器；

其中，所述處理器被配置為：

獲取購買力預測模型，所述購買力預測模型為根據樣本用戶在第一歷史時間段內的購買因子訓練得到的模型，所述購買力預測模型包括預測購買力與所 述購買因子之間的對應關係；

獲取目標用戶在第二歷史時間段內的歷史購買信息，所述歷史購買信息包 括所述目標用戶在所述第二歷史時間段內的目標購買因子；

根據所述歷史購買信息以及所述購買力預測模型，預測所述目標用戶在未 來的目標時間段內的目標購買力。

看完這份小米的專利申請，再默默看了眼我的購物車......???買？ (?_?) 買！

——

再來談談我對雙十一的看法。

雙十一購物節本質上是逼迫商家最大限度的還原商品本來的價值，而少賺一點利潤，消費者也得到了生活品質的提高。

為什麼喜歡性價比高的產品，因為更多的人買得起，讓更多的人享受購物的樂趣。如果商品價格一直處於性價比高的狀態，雙十一還能降到哪去？那就不存在什麼大型降價式購物節了。

最近正在寫一篇論文，可能過一陣子大家就能看到了～希望大家多多關注技術發展動態。