识别网络游戏中潜在高消费用户的方法及设备技术

本申请提供了一种识别网络游戏中潜在高消费用户的方法及设备，能够根据网络游戏用户的行为数据扩展出多项能够描述用户潜在消费行为的特征，并进一步基于扩展后的用户行为数据进行预测，得到用户为潜在高消费用户的概率并根据预设阈值将概率高的用户确定为潜在高消费用户。本申请方案使用的GBDT算法可避免单棵决策树的过拟合问题并增强了获得模型的稳定性，通过在用户基础特征之上构造相互独立的非线性特征提高了对潜在高消费用户的预测准确性，并通过对潜在高消费用户的及时维护促进了用户转化率的提高，提高了每用户平均收入。

Methods and devices for identifying potential high consumer users in online games

The invention provides a method and device for identifying potential network game in high consumption users, we can develop a number of features to describe the potential users of consumer behavior according to the behavioral data of online game users, and further based on user behavior data expanded by users for probability prediction, potential high consumption users according to a preset threshold the high probability of users identified as potential high consumption users. The GBDT algorithm used in this application scheme can avoid the single decision tree over fitting problem and enhance the stability of the model, the prediction accuracy of the potential high consumption users to improve the nonlinear characteristics on user based features independent of each other, and the potential of high consumption users timely maintenance and promote the user conversion rate the increase in average revenue per user increased.

【技术实现步骤摘要】
识别网络游戏中潜在高消费用户的方法及设备
本申请涉及网络游戏分析领域，尤其涉及一种识别网络游戏中潜在高消费用户的方法及设备。
技术介绍
当前，网络游戏运营平台方希望可以尽早地预判潜在的游戏高消费用户，提前进行相关的用户维护与关怀，促进潜在高消费用户向真正的游戏高消费用户转化。但是仅仅凭借运营人员的经验，缺乏相应的数据支持，不能保证找出来的潜在高消费用户的准确性，也不能尽可能地覆盖到所有的潜在高消费用户。为提高预判结果的准确性，可使用数据分析技术对网络游戏用户的行为数据进行分析，得到网络游戏用户成为高消费用户的可能性，以此来确定是否对该用户进行维护与关怀，从而促进该用户向高消费用户的转化。数据分析技术包含多种模型与方法，其中常用的可用于分类问题的模型算法包括决策树算法和逻辑回归算法等，但是这些算法在具体使用时都存在各自的问题，如决策树算法存在容易过拟合、泛化能力弱的问题；逻辑回归算法则容易出现欠拟合，由于其对数据的异常值十分敏感，对数据所抽取出的特征十分挑剔，因而导致最后预测值不准确等问题。为加强数据分析算法的稳定性和预测能力，可使用集成学习来获得比单个算法更好的结果。Boosting本文档来自技高网...

【技术保护点】
一种识别网络游戏中潜在高消费用户的方法，其中，该方法包括：获取样本用户的行为数据，并对所述样本用户的行为数据进行特征提取与扩展；基于提取和扩展特征后的行为数据，使用逻辑回归算法进行建模，获取用户为潜在高消费用户的预测模型；获取预测用户的行为数据，对所述预测用户的行为数据进行特征扩展，并使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率。

【技术特征摘要】
1.一种识别网络游戏中潜在高消费用户的方法，其中，该方法包括：获取样本用户的行为数据，并对所述样本用户的行为数据进行特征提取与扩展；基于提取和扩展特征后的行为数据，使用逻辑回归算法进行建模，获取用户为潜在高消费用户的预测模型；获取预测用户的行为数据，对所述预测用户的行为数据进行特征扩展，并使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率。2.根据权利要求1所述的方法，其中，对所述样本用户的行为数据进行特征扩展，包括：使用梯度提升树算法对所述样本用户的行为数据进行特征扩展。3.根据权利要求2所述的方法，其中，使用梯度提升树算法对所述样本用户的行为数据进行特征扩展，包括：根据所述样本用户的行为数据，使用梯度提升树算法生成多棵决策树；将所述的每一棵决策树的叶节点作为新的特征添加到所述样本用户的行为数据中；根据所述样本用户的行为数据归属到所述决策树的叶节点的信息，为所述新的特征进行赋值。4.根据权利要求3所述的方法，其中，根据所述样本用户的行为数据，使用梯度提升树算法生成决策树，包括：根据所述样本用户的行为数据生成决策树；在未达到预设的迭代次数时，根据预设的损失函数和所述样本用户的行为数据对所述决策树进行更新。5.根据权利要求3所述的方法，其中，根据所述样本用户的行为数据归属到所述决策树的叶节点的信息，为所述新的特征进行赋值，包括：遍历所述决策树，将所述样本用户的行为数据归属到所述决策树的一个叶节点；将所述样本用户的行为数据归属到的叶节点对应的新的特征进行置位，其它叶节点对应的新的特征进行复位。6.根据权利要求3或4所述的方法，其中，对所述预测用户的行为数据进行特征扩展，包括：使用所述梯度提升树算法生成的决策树对所述预测用户的行为数据进行特征扩展。7.根据权利要求1所述的方法，其中，使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率之...

【专利技术属性】
技术研发人员：王超，赵华蕾，伍涛，
申请(专利权)人：上海恺英网络科技有限公司，
类型：发明
国别省市：上海,31