用于实现事件用户维护的方法、装置和设备制造方法及图纸

公开了一种用于实现事件用户维护的方法、装置、介质以及设备。其中的方法包括：将事件用户集合中的符合维护条件的事件用户作为待维护事件用户；其中的事件用户是指在执行预定事件操作之后的预定时间段内，未执行目标行为的用户；获取所述待维护事件用户的多个召回物料；根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料；将所述待维护事件用户的信息和所述候选物料的信息，提供给所述待维护事件用户的维护方。本公开有利于使事件用户获得更好的服务，有利于使维护方及时且有针对性的为事件用户提供服务，有利于减少事件用户流失的现象，从而有利于提高目标行为的发生概率以及系统的价值。

【技术实现步骤摘要】
用于实现事件用户维护的方法、装置和设备
本公开涉及计算机技术，尤其是涉及一种用于实现事件用户维护的方法、用于实现事件用户维护的装置、存储介质以及电子设备。
技术介绍
在一些领域中，系统中某种事件的发生，往往需要被重视，即某种事件的发生通常具有较好的关注价值。例如，商机(即商业机会)即属于系统中具有一定关注价值的事件。一个更具体的例子，在房产领域中，房产经纪人可以通过将系统中的商机转化为带客户实地看房等行为，而最终实现房源的成交。对系统中发生事件的用户(即事件用户)进行维护，通常对多方都有利。例如，在房产领域，对系统中的事件用户进行维护，有利于使事件用户获得更好的服务，有利于使房产经纪人有针对性的为事件用户提供服务，并有利于减少事件用户流失的现象，从而有利于提高用户执行转委托等目标行为的概率，并有利于提高系统的价值(如商机价值等)。如何有针对性的对系统中的事件用户进行维护，是一个值得关注的技术问题。
技术实现思路
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种用于实现事件用户维护的方法、用于实现事件用户维护的装置、存储介质以及电子设备。根据本公开实施例的一个方面，提供一种用于实现事件用户维护的方法，包括：将事件用户集合中的符合维护条件的事件用户作为待维护事件用户；其中的事件用户是指在执行预定事件操作之后的预定时间段内，未执行目标行为的用户；获取所述待维护事件用户的多个召回物料；根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料；将所述待维护事件用户的信息和所述候选物料的信息，提供给所述待维护事件用户的维护方。在本公开一实施方式中，所述将事件用户集合中的符合维护条件的事件用户作为待维护事件用户，包括：对事件用户集合中的各事件用户分别进行流失率预测，并将预测出的流失率符合预定流失率条件的事件用户，作为待维护事件用户；和/或，判断事件用户集合中的各事件用户的兴趣物料是否对应有变动信息，并将判断结果为对应有变动信息的事件用户，作为待维护事件用户。在本公开又一实施方式中，所述对事件用户集合中的各事件用户分别进行流失率预测，并将预测出的流失率符合预定流失率条件的用户，作为待维护事件用户，包括：获取事件用户集合中的各事件用户的用户特征；将事件用户集合中的各事件用户的用户特征，分别作为输入，提供给流失率预测模型，经由所述流失率预测模型对输入的各用户特征分别进行流失率预测处理，根据所述流失率预测模型的输出，获得预测出的各事件用户的流失率；将预测出的流失率符合预定流失率条件的事件用户，作为待维护事件用户。在本公开再一实施方式中，所述获取事件用户集合中的各事件用户的用户特征，包括：针对事件用户集合中的任一事件用户，获取该事件用户的用户画像以及基于该事件用户在第一预定时间范围内的历史行为形成的行为特征；其中，所述用户画像和行为特征形成用户特征。在本公开再一实施方式中，所述流失率预测模型的训练过程包括：从第一训练样本集合中获取多个用户特征样本；将所述多个用户特征样本分别作为输入，提供给待训练流失率预测模型，经由所述待训练流失率预测模型对输入的各用户特征样本分别进行流失率预测处理，根据所述待训练流失率预测模型的输出，获得预测出的各用户特征样本的流失率；根据所述预测出的各用户特征样本的流失率和各用户特征样本的流失标注信息，调整所述待训练流失率预测模型的模型参数；其中，所述用户特征样本的流失标注信息是根据用户特征样本所对应的用户在发生预定事件之后的第二预定时间范围内，是否存在历史行为设置的。在本公开再一实施方式中，所述判断事件用户集合中的各事件用户的兴趣物料是否对应有变动信息，并将判断结果为对应有变动信息的事件用户，作为待维护事件用户，包括：针对事件用户集合中的任一事件用户，判断该事件用户的兴趣物料在至少一预定属性维度上是否对应有变动信息，若判断结果为该事件用户的兴趣物料在至少一预定属性维度上对应有变动信息，则将该事件用户作为待维护事件用户。在本公开再一实施方式中，所述获取所述待维护事件用户的多个召回物料，包括：根据所述待维护事件用户的用户画像，获取所述待维护事件用户的多个召回物料；和/或，根据所述待维护事件用户的历史行为所对应的物料的至少一属性，获取所述待维护事件用户的多个召回物料。在本公开再一实施方式中，所述根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料，包括：针对任一召回物料，根据该召回物料的物料标识、召回物料对应的变动信息以及召回物料的属性，形成该召回物料的物料特征。在本公开再一实施方式中，所述根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料，包括：根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，预测所述待维护事件用户分别对各召回物料的兴趣度；根据所述各召回物料的兴趣度的排序，确定候选物料。在本公开再一实施方式中，所述根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，预测所述待维护事件用户分别对各召回物料的兴趣度，包括：对所述待维护事件用户的用户特征和所述多个召回物料的物料特征，分别进行维度压缩处理；针对任一召回物料，将维度压缩处理后的待维护事件用户的用户特征和维度压缩处理后的该召回物料的物料特征分别作为输入，提供给兴趣度预测模型，经由所述兴趣度预测模型对所述输入进行兴趣度预测处理，并根据所述兴趣度预测模型的输出，获得所述待维护事件用户对该召回物料的兴趣度。在本公开再一实施方式中，所述经由所述兴趣度预测模型对所述输入进行兴趣度预测处理，包括：经由兴趣度预测模型对所述维度压缩处理后的用户特征以及维度压缩处理后的该召回物料的物料标识进行注意力处理，获得用户特征中的各维特征各自对应的权值；经由所述兴趣度预测模型根据所述权值，对所述维度压缩处理后的用户特征的各维特征分别进行加权计算处理；经由所述兴趣度预测模型对用户特征中的相同类型的特征的加权计算处理结果进行合并；经由所述兴趣度预测模型对由所述合并结果和该召回物料的维度压缩后的物料特征形成的拼接特征，进行逻辑回归处理，且所述逻辑回归处理结果被作为所述兴趣度预测模型的输出。在本公开再一实施方式中，所述兴趣度预测模型的训练过程包括：从第二训练样本集合中获取多个训练样本；将所述多个训练样本分别作为输入，提供给待训练兴趣度预测模型，经由所述待训练兴趣度预测模型对输入的各训练样分别进行兴趣度预测处理，根据所述待训练兴趣度预测模型的输出，获得预测出的各训练样本的兴趣度；根据所述预测出的各训练样本的兴趣度和各训练样本的标注信息，调整所述待训练兴趣度预测模型的模型参数；其中，所述训练样本的标注信息是根据提供给用户的物料是否被用户查看设置的。根据本公开实施例的另一个方面，提供了一种用于实现事件用户维护的装置，该装置包括：获取用户模块，用于将事件用户集合中的符合维护条件的事件用户作为待维护事件用户；其中的事件用户是指在执行预定事件操作之后的预定时间本文档来自技高网...

【技术保护点】
1.一种用于实现事件用户维护的方法，包括：/n将事件用户集合中的符合维护条件的事件用户作为待维护事件用户；其中的事件用户是指在执行预定事件操作之后的预定时间段内，未执行目标行为的用户；/n获取所述待维护事件用户的多个召回物料；/n根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料；/n将所述待维护事件用户的信息和所述候选物料的信息，提供给所述待维护事件用户的维护方。/n

【技术特征摘要】
1.一种用于实现事件用户维护的方法，包括：
将事件用户集合中的符合维护条件的事件用户作为待维护事件用户；其中的事件用户是指在执行预定事件操作之后的预定时间段内，未执行目标行为的用户；
获取所述待维护事件用户的多个召回物料；
根据所述待维护事件用户的用户特征和所述多个召回物料的物料特征，从所述多个召回物料中选取候选物料；
将所述待维护事件用户的信息和所述候选物料的信息，提供给所述待维护事件用户的维护方。


2.根据权利要求1所述的方法，其中，所述将事件用户集合中的符合维护条件的事件用户作为待维护事件用户，包括：
对事件用户集合中的各事件用户分别进行流失率预测，并将预测出的流失率符合预定流失率条件的事件用户，作为待维护事件用户；和/或
判断事件用户集合中的各事件用户的兴趣物料是否对应有变动信息，并将判断结果为对应有变动信息的事件用户，作为待维护事件用户。


3.根据权利要求2所述的方法，其中，所述对事件用户集合中的各事件用户分别进行流失率预测，并将预测出的流失率符合预定流失率条件的用户，作为待维护事件用户，包括：
获取事件用户集合中的各事件用户的用户特征；
将事件用户集合中的各事件用户的用户特征，分别作为输入，提供给流失率预测模型，经由所述流失率预测模型对输入的各用户特征分别进行流失率预测处理，根据所述流失率预测模型的输出，获得预测出的各事件用户的流失率；
将预测出的流失率符合预定流失率条件的事件用户，作为待维护事件用户。


4.根据权利要求3所述的方法，其中，所述获取事件用户集合中的各事件用户的用户特征，包括：
针对事件用户集合中的任一事件用户，获取该事件用户的用户画像以及基于该事件用户在第一预定时间范围内的历史行为形成的行为特征；
其中，所述用户画像和行为特征形成用户特征。


5.根据权利要求3或4所述的方法，其中，所述流失率预测模型的训练过程包括：
从第一训练样本集合中获取多个用户特征样本；
将所述多个用户特征样本分别作为输入，提供给待训练流失率预测模型，经由所述待训练流失率预测模型对输入的各用户特征样本分别进行流失率预测处理，根据所述待训练流失率预测模...

【专利技术属性】
技术研发人员：刘志勇，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12