本发明涉及计算机领域，特别涉及一种基于计算机软件分析消费习惯的方法。
背景技术：
消费习惯是指消费主体在长期消费实践中形成的对一定消费事物具有稳定性偏好的心理表现，是消费者在日常消费生活中积久形成的某种较为定型化的消费行为模式。如消费者出于某种需要、动机、情感、经验或心理偏好等原因，喜欢使用某种品牌的某种商品，经常地且不加挑选和比较地购买。表现在消费者的各种消费活动中。同时消费习惯也是人们对于某类商品或某种品牌长期维持的一种消费需要，它是个人的一种稳定性消费行为，是人们在长期的生活中慢慢积累而成的，反过来它又对人们的购买行为有着重要的影响。随着社会的不断进步，商品化社会程度不断提高，居民的消费能力不断提升，另一方面，信息社会的不断进步导致居民的消费方式的多样性和多选择性。如何判断终端消费者的消费习惯，从而制订出自己的商品销售策略成了当务之急。目前也出现了一些针对于消费习惯的分析方法，但分析时间过长，实时性较差，无法快速及时的为客户提供符合消客户习惯的商品。
因此，发明一种基于计算机软件分析消费习惯的方法来解决上述问题很有必要。
技术实现要素：
为了克服现有技术的上述缺陷，本发明提供了一种基于计算机软件分析消费习惯的方法，本发明所要解决的问题是：如何如何缩短消费习惯分析时间、增强实时性，快速及时的为客户提供符合客户习惯的商品。
为实现上述目的，本发明提供如下技术方案：一种基于计算机软件分析消费习惯的方法，其具体操作步骤为：
步骤一：采集客户对于商品的历史行为数据；所述商品的历史行为数据包括：商品基本信息、商品浏览信息、商品标记信息，对商品的历史行为数据进行采集，可为消费习惯的分析提供基础数据；
步骤二：整合所述商品的历史行为数据；将数据整理成统计格式的数据，对基础数据进行整合处理，便于下一步的数据分析处理；
步骤三：分析步骤二中整理出的数据，得出商品特征；所述商品特征包括商品分类、商品品牌在同类商品中的定位、商品品质在同类商品中的定位，商品价格在同类商品中的定位、商品评价在同类商品中的定位，可整理出商品特征，使用商品特征对商品进行分类和定位，可在分析消费习惯之前，对数据进行预处理，减小分析消费习惯的数据分析负担，实现数据的分步处理，数据处理速度更快，消费习惯的实时分析处理效果更佳；
步骤四：整合所述商品特征，将对不同种类的商品特征整理成统计格式的数据，对预处理之后的数据可进行整合处理，便于下一步对数据进行分析处理；
步骤五：分析步骤四中整理出的数据，得出消费习惯和消费特征，分步处理分析数据更加快速，实时性更佳，消费特征对消费习惯进行数据支撑，消费特征可供后续选择提供数据基础；
步骤六：根据所述消费习惯推荐商品，客户查看商品，产生商品的历史行为数据，并导入到步骤一，在得出消费习惯之后，向客户推荐相应商品，实时性效果佳，客户查看商品之后，数据自动导入步骤一，充实商品的历史行为数据，不断循环之后，数据基础更加丰富，客户的消费习惯也越来越来准确，推荐的商品也更加符合客户的消费习惯；
步骤七：根据所述消费习惯和所述消费特征整理出消费习惯报告，将客户的消费习惯整理出来，生成实质性消费习惯报告；
步骤八：客户可查看所述消费习惯报告，对消费特征进行选择，客户可根据消费习惯报告及时了解自己的消费习惯，查看各种消费特征，客户可根据自己的意愿，选择不同消费特征或更改消费特征数据，可对消费习惯进行自我选择调整，督促自己养成合理的消费习惯；
步骤九：根据步骤八中的选择的消费特征整理出新的消费习惯，并将新的消费习惯导入到步骤五，根据客户自己的要求生成新的符合客户自已意愿的消费习惯，并将新的消费习惯导入到步骤五，在步骤六中根据新的消费习惯推荐商品，实现循环。
优选的，所述商品基本信息包括商品种类、商品品牌、商品品质、商品价格和商品评价，可对商品的种类、品牌、品质、价格和评价信息进行采集，便于对商品信息进行分析，使得所述商品的历史行为数据更加准确。
优选的，所述商品浏览信息包括商品的浏览时间和浏览次数，便于对客户对商品的关注程度提供分析数据，使得所述商品的历史行为数据更加准确。
优选的，所述商品标记信息包括是否收藏商品、是否将商品加入购物车、是否购买商品、商品购买次数以及商品退换货信息，便于对客户对商品的倾向程度、购买情况和商品满意度提供分析数据，使得所述商品的历史行为数据更加准确。
优选的，上述各个步骤通过人工智能算法实现，软件智能计算可快速实现各个步骤的计算，计算数据更加准确，用时更短，加强实时更新消费习惯的性能。
优选的，所述消费特征包括不同种类商品的比例、同类商品不同品牌的比例、同类商品不同品牌的定位比例，可对所述消费特征进行细化，可显示不同种类商品的比例、同类商品不同品牌的比例、同类商品不同品牌的定位比例，便于客户进行选择更改。
优选的，所述同类商品不同品牌的定位比例包括同类商品不同品牌的品质定位比例、同类商品不同品牌的价格定位比例和同类商品不同品牌的评价定位比例，可对所述同类商品不同品牌的定位比例进行细化，可对同类商品不同品牌的品质定位比例、价格定位比例和评价定位比例进行显示，便于客户进行选择更改。
优选的，所述不同种类商品的比例包括不同种类商品数量的比例和不同种类商品消费钱款的比例，可对不同种类商品的数量的比例和消费钱款的比例进行显示，便于客户进行选择更改。
本发明的技术效果和优点：
1、对客户对商品的信息采集更加全面，消费习惯分析更加准确，可对数据进行预处理，数据分析数据更加细化，数据定位更加准确，可实现数据的分步处理，数据处理速度更快，消费习惯的实时分析处理效果更佳；
2、第一次建立成消费习惯之后，后续分析工作主要是对上次数据进行更替或完善，分析处理效果佳，分析时间短，实时性更佳；
3、客户可自行查看消费习惯报告，对自己的消费习惯了解更加详细，同时可对消费习惯进行自我选择性调整，便于客户自我督促养成合理的消费习惯。
具体实施方式
下面将结合本发明的实施例中，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。
本发明提供了一种基于计算机软件分析消费习惯的方法，其具体操作步骤为：
步骤一：采集客户对于商品的历史行为数据；所述商品的历史行为数据包括：商品基本信息、商品浏览信息、商品标记信息；
步骤二：整合所述商品的历史行为数据；将数据整理成统计格式的数据；
步骤三：分析步骤二中整理出的数据，得出商品特征；所述商品特征包括商品分类、商品品牌在同类商品中的定位、商品品质在同类商品中的定位，商品价格在同类商品中的定位、商品评价在同类商品中的定位；
步骤四：整合所述商品特征，将对不同种类的商品特征整理成统计格式的数据；
步骤五：分析步骤四中整理出的数据，得出消费习惯和消费特征；
步骤六：根据所述消费习惯推荐商品，客户查看商品，产生商品的历史行为数据，并导入到步骤一；
步骤七：根据所述消费习惯和所述消费特征整理出消费习惯报告；
步骤八：客户可查看所述消费习惯报告，对消费特征进行选择；
步骤九：根据步骤八中的选择的消费特征整理出新的消费习惯，并将新的消费习惯导入到步骤五，根据客户自己的要求生成新的符合客户自已意愿的消费习惯，并将新的消费习惯导入到步骤五，在步骤六中根据新的消费习惯推荐商品，实现循环。
进一步的，在上述技术方案中，所述商品基本信息包括商品种类、商品品牌、商品品质、商品价格和商品评价，可对商品的种类、品牌、品质、价格和评价信息进行采集，便于对商品信息进行分析，使得所述商品的历史行为数据更加准确。
进一步的，在上述技术方案中，所述商品浏览信息包括商品的浏览时间和浏览次数，便于对客户对商品的关注程度提供分析数据，使得所述商品的历史行为数据更加准确。
进一步的，在上述技术方案中，所述商品标记信息包括是否收藏商品、是否将商品加入购物车、是否购买商品、商品购买次数以及商品退换货信息，便于对客户对商品的倾向程度、购买情况和商品满意度提供分析数据，使得所述商品的历史行为数据更加准确。
进一步的，在上述技术方案中，上述各个步骤通过人工智能算法实现，软件智能计算可快速实现各个步骤的计算，计算数据更加准确，用时更短，加强实时更新消费习惯的性能。
进一步的，在上述技术方案中，所述消费特征包括不同种类商品的比例、同类商品不同品牌的比例、同类商品不同品牌的定位比例，可对所述消费特征进行细化，可显示不同种类商品的比例、同类商品不同品牌的比例、同类商品不同品牌的定位比例，便于客户进行选择更改。
进一步的，在上述技术方案中，所述同类商品不同品牌的定位比例包括同类商品不同品牌的品质定位比例、同类商品不同品牌的价格定位比例和同类商品不同品牌的评价定位比例，可对所述同类商品不同品牌的定位比例进行细化，可对同类商品不同品牌的品质定位比例、价格定位比例和评价定位比例进行显示，便于客户进行选择更改。
进一步的，在上述技术方案中，所述不同种类商品的比例包括不同种类商品数量的比例和不同种类商品消费钱款的比例，可对不同种类商品的数量的比例和消费钱款的比例进行显示，便于客户进行选择更改。
实施方式具体为：使用时，步骤一可对商品的历史行为数据进行采集，可为消费习惯的分析提供基础数据；步骤二可对基础数据进行整合处理，便于下一步的数据分析处理；步骤三可整理出商品特征，使用商品特征对商品进行分类和定位，可在分析消费习惯之前，对数据进行预处理，减小分析消费习惯的数据分析负担，实现数据的分步处理，数据处理速度更快，消费习惯的实时分析处理效果更佳；步骤四可对预处理之后的数据可进行整合处理，便于下一步对数据进行分析处理；步骤五可分步处理分析数据更加快速，实时性更佳，消费特征对消费习惯进行数据支撑，消费特征可供后续选择提供数据基础；步骤六中在得出消费习惯之后，向客户推荐相应商品，实时性效果佳，客户查看商品之后，数据自动导入步骤一，充实商品的历史行为数据，不断循环之后，数据基础更加丰富，客户的消费习惯也越来越来准确，推荐的商品也更加符合客户的消费习惯；步骤七可将客户的消费习惯整理出来，生成实质性消费习惯报告；步骤八中客户可根据消费习惯报告及时了解自己的消费习惯，查看各种消费特征，客户可根据自己的意愿，选择不同消费特征或更改消费特征数据，可对消费习惯进行自我选择调整，督促自己养成合理的消费习惯；步骤九可根据客户自己的要求生成新的符合客户自已意愿的消费习惯，并将新的消费习惯导入到步骤五，在步骤六中根据新的消费习惯推荐商品，实现循环；该实施方式具体解决了背景技术中现有的消费习惯的分析方法，但分析时间过长，实时性较差，无法快速及时的为客户提供符合消客户习惯的商品的问题。
本发明工作原理：
本方法对客户对商品的信息采集更加全面，消费习惯分析更加准确，可对数据进行预处理，数据分析数据更加细化，数据定位更加准确，可实现数据的分步处理，数据处理速度更快，消费习惯的实时分析处理效果更佳，第一次建立成消费习惯之后，后续分析工作主要是对上次数据进行更替或完善，分析处理效果佳，分析时间短，实时性更佳，客户可自行查看消费习惯报告，对自己的消费习惯了解更加详细，同时可对消费习惯进行自我选择性调整，便于客户自我督促养成合理的消费习惯。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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。
1.一种基于计算机软件分析消费习惯的方法，其具体操作步骤为：
步骤一：采集客户对于商品的历史行为数据；所述商品的历史行为数据包括：商品基本信息、商品浏览信息、商品标记信息；
步骤二：整合所述商品的历史行为数据；将数据整理成统计格式的数据；
步骤三：分析步骤二中整理出的数据，得出商品特征；所述商品特征包括商品分类、商品品牌在同类商品中的定位、商品品质在同类商品中的定位，商品价格在同类商品中的定位、商品评价在同类商品中的定位；
步骤四：整合所述商品特征，将对不同种类的商品特征整理成统计格式的数据；
步骤五：分析步骤四中整理出的数据，得出消费习惯和消费特征；
步骤六：根据所述消费习惯推荐商品，客户查看商品，产生商品的历史行为数据，并导入到步骤一；
步骤七：根据所述消费习惯和所述消费特征整理出消费习惯报告；
步骤八：客户可查看所述消费习惯报告，对消费特征进行选择；
步骤九：根据步骤八中的选择的消费特征整理出新的消费习惯，并将新的消费习惯导入到步骤五。
2.根据权利要求1所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述商品基本信息包括商品种类、商品品牌、商品品质、商品价格和商品评价。
3.根据权利要求1所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述商品浏览信息包括商品的浏览时间和浏览次数。
4.根据权利要求1所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述商品标记信息包括是否收藏商品、是否将商品加入购物车、是否购买商品、商品购买次数以及商品退换货信息。
5.根据权利要求1所述的一种基于计算机软件分析消费习惯的方法，其特征在于：上述各个步骤通过人工智能算法实现。
6.根据权利要求1所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述消费特征包括不同种类商品的比例、同类商品不同品牌的比例、同类商品不同品牌的定位比例。
7.根据权利要求6所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述同类商品不同品牌的定位比例包括同类商品不同品牌的品质定位比例、同类商品不同品牌的价格定位比例和同类商品不同品牌的评价定位比例。
8.根据权利要求6所述的一种基于计算机软件分析消费习惯的方法，其特征在于：所述不同种类商品的比例包括不同种类商品数量的比例和不同种类商品消费钱款的比例。
技术总结