利用BP神经网络算法进行用户行为分析

Posted 2021-04-26 泰迪学院

本案例主要利用BP神经网络算法对居民使用热水器事件这一行为进行用户行为分析。

居民在使用家用热水器的过程中，会因为地区气候、区域不同和用户年龄性别差异等原因，形成不同的使用习惯。家电企业若能深入了解其产品在不同用户群的使用习惯，开发新功能，就能开拓新市场。

本案例将根据BP神经网络算法构建洗浴事件识别模型，根据洗浴事件识别模型对不同地区的用户的洗浴事件进行识别，根据识别结果比较不同客户群的客户使用习惯，加深对客户的理解等。从而，厂商可以对不同的客户群提供最适合的个性化产品，改进新产品的智能化的研发和制定相应的营销策略。

背景与挖掘目标

自1988年中国第一台真正意义上的热水器诞生至今，热水器行业经历了翻天覆地的变化。随着入场企业的增多，热水器行业竞争前所未有的激烈，如何在众多企业中脱颖而出，成了热水器企业发展的重中之重。从用户出发，分析用户的使用行为，是改善产品功能，在竞争中脱颖而出的重要方法之一。

随着国内大家电品牌的进入和国外品牌的涌入，电热水器相关技术在过去20年间得到了快速发展，屡屡创新。从首次提出封闭式电热水器的概念到水电分离技术的研发，再到漏电保护技术的应用及出水断电技术和防电墙技术专利的申请突破，如今高效能技术颠覆了业内对电热水器“高能耗”的认知。然而，当下的热水器行业也并非一片太平盛世，行业内正在上演一幕弱肉强食的“丛林法则”戏码，市场份额逐步向龙头企业集中，尤其是那些在资金、渠道和品牌影响力等方面拥有实力的综合家电品类巨头，正在不断蚕食鲸吞市场蛋糕。要想在该行业立足，只能走产品差异化的路线，提升技术实力和产品质量，在功能卖点、外观等方面做出自身特色。

国内某热水器生产厂商新研发的一种高端智能热水器，在状态发生改变或者有水流状态时，会采集各监控指标数据。本案例基于热水器采集的时间序列数据，将顺序排列的离散的用水时间节点根据水流量和停顿时间间隔划分为不同大小的时间区间，每个区间是一个可理解的一次完整用水事件，并以热水器一次完整用水事件作为一个基本事件，将时间序列数据划分为独立的用水事件并识别出其中属于洗浴的事件。基于以上工作，该厂商可从热水器智能操作和节能运行等多方面对产品进行优化。

在热水器用户行为分析过程中，用水事件识别是最为关键的环节。根据该热水器生产厂商提供的数据热水器用户用水事件划分与识别案例的整体目标如下。

（1） 根据热水器采集到的数据，划分一次完整用水事件。

（2） 在划分好的一次完整用水事件中，识别出洗浴事件。

-数据探索分析，将于下周一推送