一种基于层次分析算法的用户价值评分方法及系统技术方案

本发明专利技术公开了一种基于层次分析算法的用户价值评分方法及系统，涉及视频直播中的用户价值评分领域。该方法包括：根据用户的行为信息，构建用户价值的层次分析结构；对每层进行层次分析，计算每个一级指标对用户综合价值的影响权重、计算每个二级指标对相应一级指标的影响权重；根据计算得到的影响权重计算出各二级指标对用户综合价值的权重；再采用加权求和的方式计算出各用户的综合价值得分；最后根据计算出的各用户的综合价值得分，选取相应的得分区间，根据不同的得分区间划分出各用户的价值等级。本发明专利技术能实现用户综合价值的自动评分，且评分过程准确、高效、节省人力成本。

【技术实现步骤摘要】

本专利技术涉及视频直播中的用户价值评分领域，具体来讲是一种基于层次分析算法的用户价值评分方法及系统。
技术介绍
随着直播行业的飞速发展，平台业务的丰富，用户规模呈现飞速增长趋势。用户在平台上产生不同的各种行为，给网站带来不同的价值，如赠送礼物，充值信息等，如何评价用户的综合价值得分，哪些是高价值用户，哪些是低价值用户，方便营销人员根据用户的不同价值等级，策划不同的营销方案和维系挽留策略，是一个不可避免要解决的问题。目前，各大网站在对当前的用户进行综合价值评分时，还是利用人工根据经验规则进行筛选高价值、低价值用户，尚未有合适的算法进行用户综合价值的评价。并且，在实际操作中，全由人工采用手动筛选高价值、低价值用户的方法，往往带有较大程度的主观性，使得评价标准不统一；另外，在海量数据的场景下，用户行为数据往往维度多、数据量大，靠人工评判用户等级划分标准往往不准确、覆盖率也不够高、重复性的工作也容易导致失误，而且人工操作时间较长，划分效率较低，人力成本较大。
技术实现思路
本专利技术的目的是为了克服上述
技术介绍
的不足，提供一种基于层次分析算法的用户价值评分方法及系统，能基于构建的用户价值层次分析结构，根据用户的行为定量计算出用户的综合价值得分，且评分过程准确、高效、节省人力成本。为达到以上目的，本专利技术提供一种基于层次分析算法的用户价值评分方法，包括以下步骤：步骤S1：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标，转入步骤S2；步骤S2：对第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重，转入步骤S3；步骤S3：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数，转入步骤S4；步骤S4：根据计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量，转入步骤S5；步骤S5：根据计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。在上述技术方案的基础上，步骤S1中所述多个一级指标包括：活跃度、消费能力、充值能力；所述多个二级指标包括：与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。在上述技术方案的基础上，步骤S2中，计算每个一级指标对用户综合价值的影响权重、计算每个二级指标对相应一级指标的影响权重的过程均包括以下操作：步骤1、选择指标：选择此次层次分析中需要计算影响权重的指标；步骤2、构建判断矩阵：通过对选择的指标进行两两比较，按照1-9标度法评定指标之间的相对重要性等级，构建出所选指标的判断矩阵A： A = 1 a 12 ... a 1 n a 21 1 ... a 2 n ... ... ... ... a n 1 a n 2 ... 1 ]]>定义判断矩阵A中aij表示指标i与指标j的重要性比较结果，且aij＝1/aji，i＝1、2、…、n，j＝1、2、…、n，n表示所选指标的个数，即判断矩阵A的阶数；步骤3、计算影响权重：将当前的判断矩阵A按列归一化，得到归一化矩阵B，矩阵B中bij为矩阵A中第i列j行元素归一化的值；将归一化矩阵B按行求和得到ci，将ci进行归一化，得到所选指标对应的影响权重wi，wi表示所选的第i个指标对应的影响权重，其计算公式为：步骤4、计算特征向量及其最大特征值：根据当前得到的所选指标的影响权重wi，得到当前判断矩阵A的特征向量W，W＝(w1，w2，…，wn)T，并求出特征向量W对应的最大特征值λmax，步骤5、检验并调整判断矩阵，得出最终影响权重：根据最大特征值λmax，计算得出当前判断矩阵A的一致性指标CI，其计算公式为：根据一致性指标CI计算得出当前判断矩阵A的一致性比率CR，其计算公式为：CR＝CI/RI，RI为判断矩阵阶数对应的平均一致性指标数据；检验计算出的一致性比率CR是否小于指定阈值，若是，表明判断矩阵A的不一致性程度在容许范围内，则直接将步骤3中得到所选指标对应的影响权重wi作为所选指标对应的最终影响权重；否则，调整判断矩阵A后，重复执行步骤3至步骤5，直至判断矩阵A的CR小于指定阈值，则将最新计算的所选指标对应的影响权重作为所选本文档来自技高网...

【技术保护点】
一种基于层次分析算法的用户价值评分方法，其特征在于，该方法包括以下步骤：步骤S1：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标，转入步骤S2；步骤S2：对第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重，转入步骤S3；步骤S3：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数，转入步骤S4；步骤S4：根据计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量，转入步骤S5；步骤S5：根据计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。

【技术特征摘要】
1.一种基于层次分析算法的用户价值评分方法，其特征在于，该方法包括以下步骤：步骤S1：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标，转入步骤S2；步骤S2：对第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重，转入步骤S3；步骤S3：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数，转入步骤S4；步骤S4：根据计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量，转入步骤S5；步骤S5：根据计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。2.如权利要求1所述的基于层次分析算法的用户价值评分方法，其特征在于：步骤S1中所述多个一级指标包括：活跃度、消费能力、充值能力；所述多个二级指标包括：与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。3.如权利要求1所述的基于层次分析算法的用户价值评分方法，其特征在于：步骤S2中，计算每个一级指标对用户综合价值的影响权重、计算每个二级指标对相应一级指标的影响权重的过程均包括以下操作：步骤1、选择指标：选择此次层次分析中需要计算影响权重的指标；步骤2、构建判断矩阵：通过对选择的指标进行两两比较，按照1-9标度法评定指标之间的相对重要性等级，构建出所选指标的判断矩阵A： A = 1 a 12 ... a 1 n a 21 1 ... a 2 n ... ... ... ... a n 1 a n 2 ... 1 ]]>定义判断矩阵A中aij表示指标i与指标j的重要性比较结果，且aij＝1/aji，i＝1、2、…、n，j＝1、2、…、n，n表示所选指标的个数，即判断矩阵A的阶数；步骤3、计算影响权重：将当前的判断矩阵A按列归一化，得到归一化矩阵B，矩阵B中bij为矩阵A中第i列j行元素归一化的值；将归一化矩阵B按行求和得到ci，将ci进行归一化，得到所选指标对应的影响权重wi，wi表示所选的第i个指标对应的影响权重，其计算公式为：步骤4、计算特征向量及其最大特征值：根据当前得到的所选指标的影响权重wi，得到当前判断矩阵A的特征向量W，W＝(w1，w2，…，wn)T，并求出特征向量W对应的最大特征值λmax，步骤5、检验并调整判断矩阵，得出最终影响权重：根据最大特征值λmax，计算得出当前判断矩阵A的一致性指标CI，其计算公式为：根据一致性指标CI计算得出当前判断矩阵A的一致性比率CR，其计算公式为：CR＝CI/RI，RI为判断矩阵阶数对应的平均一致性指标数据；检验计算出的一致性比率CR是否小于指定阈值，若是，表明判断矩阵A的不一致性程度在容许范围内，则直接将步骤3中得到所选指标对应的影响权重wi作为所选指标对应的最终影响权重；否则，调整判断矩阵A后，重复执行步骤3至步骤5，直至判断矩阵A的CR小于指定阈值，则将最新计算的所选指标对应的影响权重作为所选指标对应的最终影响权重。4.如权利要求1所述的基于层次分析算法的用户价值评分方法，其特征在于：步骤S3中，We’的计算公式为：其中wf表示第f个一级指标对用户综合价值的影响权重，f＝1、2、…、m，m为一级指标的总数，vef表示第e个二级指标对第f个一级指标的影响权重。5.如权利要求1所述的基于层次分析算法的用户价值评分方法，其特征在于：步骤S4中，Sz的计算公式为：Sz＝W1’*Xz1’+W2’*Xz2’+…+We’*Xze’，Xze’表示第z位用户的第e个二级指标的值Xze经标准化处理后的值，Xze’的计算公式为： X z e , = X z e - m i n ( X 1 e , X 2 e , ... , X p e ) m a x ( X 1 e , X 2 e , ... , X p e ) - min ( X 1 e , X 2 e , ... , X p e ) ; ]]>上述公式中max(X1e，X2e，…，Xpe)表示所有用户中第e个二级指标的最大值；min(X1e，X2e，…，Xpe)表示选取所有用户中第e个二级指标的最小值。6.一种基于层次分析算法的用户价值评分系统，其特征在于：该系统包括层次分析结构构建模块、指标影响权重计算模块、二级指标综...

【专利技术属性】
技术研发人员：程晓歌，吴瑞诚，
申请(专利权)人：武汉斗鱼网络科技有限公司，
类型：发明
国别省市：湖北;42