基于大数据的文旅消费热度分析方法

摘要

本发明涉及文旅管理领域，具体涉及一种基于大数据的文旅消费热度分析方法，获取每个文旅消费项目的热点时间段，根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量，构建兴趣矩阵，对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，利用兴趣矩阵中每种文旅项目的兴趣向量的均值构建自分析向量，根据自分析向量得到每种文旅项目的综合消费热度指标，获取每种文旅项目的分流因子，利用每种文旅项目的分流因子对综合消费热度指标进行修正，根据修正后的综合消费热度指标进行文旅项目规划，方法智能、精准。

权利要求

1.一种基于大数据的文旅消费热度分析方法，其特征在于，包括：获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；

根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参加该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；

获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；

采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；

所述自分析向量的获取方法为：

获取每种文旅项目的兴趣向量的均值：

式中，为文旅项目j的兴趣向量的均值 ， 分别为优化兴趣矩阵中所有用户对文旅项目j的总消费金额均值、总参加次数均值，n为用户总数；

将每种文旅项目的兴趣向量的均值 转化为 ，即 记为 ，记为 ， ， 为文旅项目总数；

则自分析向量为：

式中， 为文旅项目j的自分析向量， 的含义为文旅项目 对应的差异指标， 是将用户i对文旅项目j的兴趣向量 转化为 后， 中的两个分量和 ， 为文旅项目j兴趣向量的均值 转化为 后，中的两个分量 和 ，为对每个兴趣向量中的两个分量的遍历；

根据自分析向量得到每种文旅项目的综合消费热度指标；

根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；

利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。

2.根据权利要求1所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每个用户对每种文旅项目的兴趣向量为：式中， 为用户i对文旅项目j的兴趣指标， 为一定时间内用户i在文旅项目j上的消费金额均值， 为一定时间内用户i在文旅项目j的热点时段内参加该文旅项目的次数。

3.根据权利要求1所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述构建的兴趣矩阵为：式中，m为文旅项目总数，n为用户总数。

4.根据权利要求1所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每种文旅项目的综合消费热度指标的计算方法为：式中， 为文旅项目j的综合消费热度指标，为超参数，为分析指数。

5.根据权利要求4所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每种文旅项目的分流因子的获取方法为：式中,  为文旅项目j的分流因子，为用户i在最终选取文旅项目j过程中所浏览的文旅项目的种类数， 为用户i在最终选取文旅项目j的选取过程中文旅项目c的权值系数，为用户i最终选取文旅项目j过程中对其他文旅项目的总点击数量， 为用户i对每种文旅项目c的浏览时间。

6.根据权利要求5所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述对每种文旅项目的综合消费热度指标进行修正方法为：式中， 为修正后的文旅项目j的综合消费热度指标， 为一定时间内文旅项目j在其热点时段内的退订次数均值。

7.根据权利要求6所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：若文旅项目的综合消费热度指标大于综合消费热度指标阈值 时，延长该文旅项目的开放时段，具体时段实施者可自行设定；

若文旅项目的综合消费热度指标等于综合消费热度指标阈值 时，该文旅项目不做调整；

若文旅项目的综合消费热度指标小于综合消费热度指标阈值 时，扩增、丰富该文旅项目的内容。

说明书

基于大数据的文旅消费热度分析方法

技术领域

[0001] 本发明涉及文旅管理领域，具体涉及一种基于大数据的文旅消费热度分析方法。

背景技术

[0002] 文化旅游产业是旅游产业的重要组成部分，当下，文旅产业正在经历深刻变革，从文旅供给端来看，资源为王让位于产品为王，从文旅需求端来看，游客需求从单一化转向个性化、多样化和细分化。文旅产业发展也迎来了融合推进年、夜游经济走红年、全域旅游验收年、景区质量提升年等历史叠加期，整体更新迭代，向阳而生。

[0003] 文旅产业发展的大趋势是高质量发展，同时旅游消费成为人们美好生活的日常化实践和惯性化选择，数字化技术与旅游发展的互嵌性日益加深，文旅消费呈现出全要素、全人群和全天候的新趋势，预算合理化、产品选择个性化、体验深度化、文化消费品味化成为新的体验特征。传统的文旅项目资源在分析和规划时，往往不够智能、精准，为了使得旅游项目资源的分配更加智能、合理，因此，需要对文旅项目的消费热度的进行分析，根据文旅项目的消费热度对旅游项目资源进行合理规划，也可为文旅从业者提供未来规划新政策，进而促进举办地的旅游发展、文旅消费等。

发明内容

[0004] 本发明提供一种基于大数据的文旅消费热度分析方法，解决传统文旅项目资源分析和规划不够智能、精准的问题，采用如下技术方案：

[0005] 获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；

[0006] 根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；

[0007] 获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；

[0008] 采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；

[0009] 根据自分析向量得到每种文旅项目的综合消费热度指标；

[0010] 根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；

[0011] 利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。

[0012] 所述每个用户对每种文旅项目的兴趣向量为：

[0013]

[0014] 式中， 为用户i对文旅项目j的兴趣指标， 为一定时间内用户i在文旅项目j上的消费金额均值， 为一定时间内用户i在文旅项目j的热点时段内参加该文旅项目的次数。

[0015] 所述构建兴趣矩阵为：

[0016]

[0017] 式中，m为文旅项目总数，n为用户总数。

[0018] 所述自分析向量的获取方法为：

[0019] 获取每种文旅项目的兴趣向量的均值：

[0020]

[0021] 式中，为文旅项目j的兴趣向量的均值 ， 分别为优化兴趣矩阵中所有用户对文旅项目j的总消费金额均值、总参加次数均值，n为用户总数；

[0022] 将每种文旅项目的兴趣向量的均值 转化为 ，即 记为， 记为 ， ， 为文旅项目总数；

[0023] 则自分析向量为：

[0024]

[0025] 式中， 为文旅项目j的自分析向量， 是将用户i对文旅项目j的兴趣向量转化为 后， 中的两个分量 和 ， 为文旅项目j兴趣向量的均值 转化为 后，中的两个分量 和 ，为对每个兴趣向量
中的两个分量的遍历。

[0026] 所述每种文旅项目的综合消费热度指标的计算方法为：

[0027]

[0028] 式中， 为文旅项目j的综合消费热度指标，为超参数，为分析指数。

[0029] 所述每种文旅项目的分流因子的获取方法为：

[0030]

[0031] 式中,  为文旅项目j的分流因子，为用户i在最终选取文旅项目j过程中所浏览的文旅项目的种类数， 为用户i在最终选取文旅项目j的选取过程中文旅项目c的权值系数， 为用户i最终选取文旅项目j过程中对其他文旅项目的总点击数量， 为用户i对每种文旅项目c的浏览时间。

[0032] 所述对每种文旅项目的综合消费热度指标进行修正方法为：

[0033]

[0034] 式中， 为修正后的文旅项目j的综合消费热度指标， 为一定时间内文旅项目j在其热点时段内的退订次数均值。

[0035] 所述根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：

[0036] 若文旅项目的综合消费热度指标大于综合消费热度指标阈值 时，延长该文旅项目的开放时段，具体时段实施者可自行设定；

[0037] 若文旅项目的综合消费热度指标等于综合消费热度指标阈值 时，该文旅项目不做调整；

[0038] 若文旅项目的综合消费热度指标小于综合消费热度指标阈值 时，扩增、丰富该文旅项目的内容。

[0039] 本发明的有益效果是：获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段，根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量，构建兴趣矩阵，采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量，根据自分析向量得到每种文旅项目的综合消费热度指标，获取每个用户对每种文旅项目的点击量和浏览时间，根据点击量和浏览时间得到每种文旅项目的分流因子，利用每种文旅项目的分流因子对综合消费热度指标进行修正，根据修正后的综合消费热度指标进行文旅项目规划，方法智能、精准。

附图说明

[0040] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0041] 图1是本发明的一种基于大数据的文旅消费热度分析方法流程示意图。

具体实施方式

[0042] 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。

[0043] 步骤一：获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；

[0044] 该步骤的目的是，统计待分析区域的文旅项目数量，并获取各个文旅项目大数据，包括文旅项目各个时段的消费者数量，消费者的消费情况，消费类型，然后获取到每种文旅项目的热点时间段。

[0045] 本实施例主要用于对文旅行业的消费热度进行分析，统计待分析区域内文旅项目数量，并获取各个文旅项目大数据，包括文旅项目各个时段的消费者数量，消费者的消费情况，消费类型，获取各个文旅项目的消费状况，以便为文旅从业者提供参考数据。首先，本发明将基于大数据获取每种文旅项目中用户的消费信息或调查问卷获取用户的文旅消费数据，为实现对文旅消费热度的准确分析，以便后期针对性地为文旅规划提供参考数据，本实施例将基于时段数据对大量文旅消费者的消费情况进行分析，根据所有文旅项目中的数据，获取到每个用户在一年内所消费的文旅项目信息，可以得到每种文旅项目对应的热点时段，以保证检测文旅消费热度的精度，以便针对性的对文旅消费状况进行分析。

[0046] 步骤二：根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；

[0047] 该步骤的目的是，对于每个用户在文旅项目上的消费情况构建每个用户对每种文旅项目的兴趣向量，根据每个用户对每种文旅项目的兴趣向量构建兴趣矩阵。

[0048] 其中，每个用户对每种文旅项目的兴趣向量的构建方法为:

[0049] 对于每个用户i，本发明将构建兴趣向量 ，其中 ，作为用户i对文旅项目j的兴趣指标， 为近一年内用户i对于文旅项目j的消费金额均值， 为近一年内用户i在文旅项目j的热点时段内参加该文旅项目的次数。

[0050] 进一步，基于所有用户的兴趣向量建立 的兴趣矩阵 ，每行代表一个用户，每列代表一种文旅项目，用于对文旅消费热度状况进行检测分析，其中，构建的兴趣矩阵为：

[0051]

[0052] 式中，m为文旅项目总数，n为用户总数。

[0053] 至此，即可根据本实施例所述方法获取用于检测文旅消费热度的兴趣矩阵，实现对文旅消费状况的检测分析。在此需要说明，为保证所构建兴趣矩阵的普遍性，包含较为广泛用户的文旅爱好，尽可能的获取较多的数据，采集较多用户的文旅相关数据，实现对文旅项目及对应消费状况热度的精确分析。

[0054] 步骤三：采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；

[0055] 该步骤的目的是，对兴趣矩阵进行降维处理，然后计算兴趣矩阵中每个每种文旅项目的兴趣向量的均值，基于每种文旅项目的兴趣向量的均值构建每种每种文旅项目的自分析向量用于后续分析。

[0056] 其中，降维处理方法如下：基于采集的数据所获取的兴趣矩阵对文旅项目的整体热度进行分析，对于所述兴趣矩阵，本实施例考虑到数据量过大将会导致计算量过大，检测速度慢效率低等问题，因此，本实施例将采用PCA主成分分析算法对所述兴趣矩阵进行分析处理，以获取特征较为明显的数据，实现数据的降维处理。至此，即可得到优化兴趣矩阵，用于对文旅项目的整体热度进行准确分析，避免无效数据以及无关因素的影响。

[0057] 其中，每种文旅项目的自分析向量的获取方法为：

[0058] （1）对于所述优化兴趣矩阵，本实施例将基于此对文旅项目的状况进行整体分析，首先，基于兴趣矩阵获取各列向量的均值：

[0059]

[0060] 式中，为文旅项目j的兴趣均值 ， 分别为优化兴趣矩阵中文旅项目j

[0061] 的总消费金额平均值、总参加次数均值；

[0062] （2）为便于后续分析，将 中的 、 分别用 表示，也即，然后计算所有文旅项目兴趣均值，本实施例将基于此构建自
分析向量，用于表征优化兴趣矩阵中文旅项目的各个兴趣指标之间的波动程度，实现对文旅项目对应的各个数据之间的差异程度进行分析；

[0063] （3）则自分析向量具体为 ：

[0064]

[0065] 式中，本实施例考虑到 为向量，为便于分析本实施例将 ，记为 ， 为数据 的贡献程度，以便对文旅项目的兴趣指标的差异程度
进行精确分析， 为文旅项目j对应的差异指标， 是将用户i对文旅项目j的兴趣向量转化为 ， 中的两个分量 和 ， 为文旅项目j兴趣向量
的均值 转化为 后，中的两个分量 和 ，为对每个兴趣向量中
的两个分量的遍历。

[0066] 步骤四：根据自分析向量得到每种文旅项目的综合消费热度指标；

[0067] 该步骤的目的是，基于自分析向量，本实施例将对文旅项目热度分析模型，以获取文旅项目综合消费热度指标。

[0068] 其中，文旅项目综合消费热度指标 计算方法为：

[0069]

[0070] 式中，为大于零的超参数，本实施例设置为 ，为分析指数，本实施例将其设置为 ，所述函数值越大，则认为该文旅项目消费热度较高，可在文旅项目的热点时期内初步为文旅从业者提供参考依据，以便针对性的提高区域文旅项目发展，并对 进行归一化。

[0071] 步骤五：根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；

[0072] 该步骤的目的是，对文旅项目的消费状况进行更准确的检测，构建分流因子，用于分析各文旅项目之间的影响情况，对步骤四种的综合消费热度指标进行修正。

[0073] 本步骤考虑到用户在进行文旅项目消费时，一般会进行项目之间的选取以及退订等，因此，对于用户i，本发明将每个用户作为起始节点，其最终选取的文旅项目记为j，将其作为终止节点，本发明将对其选取过程进行分析，通过大数据获取用户在选取文旅项目j之前对于其他文旅项目的点击量 ， 为用户i最终选取文旅项目j之间所点击的其他文旅项目的总点击数量，总点击量包括对同一文旅项目点击多次的数量，同时获取起始节点i到终止节点j过程中对每种文旅项目的浏览时间 ，在此需要说明，基于大数据可获取每个用户浏览文旅项目相关的数据信息，可从线上文旅相关软件通过网站爬虫等数据挖掘方式进行获取，数据统计获取过程通过现有方法均可获取，实施者可自行设定；

[0074] 其中，分流因子具体为：

[0075]

[0076] 式中,  代表文旅项目j的分流因子，对其进行归一化处理，保证函数值处于(0,1)，为用户i最终选取文旅项目j过程中所浏览的文旅项目的种类数， 为用户i到最终选取文旅项目j的选取过程中文旅项目c的权值系数，本实施例将选取过程中用户浏览文旅项目c的归一化时间作为其权值系数，根据本实施例所述方法可获取各个文旅项目的分流因子，用于对文旅消费热度进行准确分析。

[0077] 需要说明的是，本实施例将对文旅项目的消费状况进行准确检测，构建分流因子，用于分析各文旅项目之间的影响情况。

[0078] 步骤六：利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。

[0079] 该步骤的目的是，对文旅项目消费热度进行优化修正，提高文旅消费热度分析精度。

[0080] 本实施例将基于所述分流因子等参数对文旅项目消费热度进行优化修正，建立热度修正模型，以提高文旅消费热度检测精度；

[0081] 其中，对每种文旅项目的综合消费热度指标进行修正的方法具体为：

[0082]

[0083] 式中， 为近一年内文旅项目j在其热点时段内的退订（取消）次数均值，基于大数据进行统计获取， 为修正优化后的文旅项目j的综合消费热度指标，所述函数值越大，则认为该文旅项目的消费热度越高，对应时段内该文旅项目的受欢迎度越高，可基于此为相关管理部门以及文旅从业者提供参考依据，可实现对文旅行业的有效规划，提高文旅经济发展。

[0084] 其中，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：

[0085] （1）若文旅项目的综合消费热度指标大于综合消费热度指标阈值 时，延长该文旅项目的开放时段，具体时段实施者可自行设定；

[0086] （2）若文旅项目的综合消费热度指标等于综合消费热度指标阈值 时，该文旅项目不做调整；

[0087] （3）若文旅项目的综合消费热度指标小于综合消费热度指标阈值 时，扩增、丰富该文旅项目的内容，本实施例中， =0.7。

[0088] 需要说明的是，本实施例基于所获取的各个文旅项目的消费热度指标，以便针对性的进行文旅行业方向的规划，根据步骤一获取的各个文旅项目的热点时段，同时对各个文旅项目的消费热度进行准确提取，基于所述文旅消费热度，相关人员可针对性的进行文旅项目的发展，制定相应的文旅项目规划，推动文旅行业的经济发展。本实施例所述方法基于大数据统计分析，获取文旅消费热度指标，通过分析各文旅项目之间的影响关系，实现对文旅消费热度的准确分析，本发明具有计算量小，系统分析精度高等有益效果。

[0089] 本实施例首先通过大数据获取各个文旅项目的热点时段，进一步获取对应的兴趣矩阵，基于对所述兴趣矩阵的分析获取文旅项目的综合消费热度指标，为保证分析精度，本实施例将基于各个文旅项目之间的影响构建分流因子，以获取文旅项目之间的分流能力，作为文旅消费热度优化的特征因子，对文旅项目的综合消费热度指标进行修正优化，最终可实现对相关人员提供参考数据，便于文旅从业人员等针对性的进行文旅行业的规划，推动文旅行业经济发展。

[0090] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。