用户类型确定方法、装置、设备及存储介质制造方法及图纸

本公开的实施例提供一种用户类型确定方法、装置、设备及存储介质。该方法包括：确定位于目标时刻之前的多个不同时间段；获取多个不同时间段内用户的属性数据；对各时间段内用户的属性数据进行分析处理，确定各时间段对应的用户类型分析结果；根据各时间段对应的用户类型分析结果，确定用户在目标时刻之后的用户类型，用户类型包括流失用户类型和未流失用户类型。因此，结合多个不同时间段的用户属性数据，进行用户类型预测，也即进行用户流失预测，提高了用户流失预测准确性。

【技术实现步骤摘要】
用户类型确定方法、装置、设备及存储介质
本公开的实施例涉及计算机
，尤其涉及一种用户类型确定方法、装置、设备及存储介质。
技术介绍
随着互联网技术的发展，多种多样的互联网服务给人们提供了更便捷的生活方式。其中，用户数量是影响互联网服务发展态势的关键因素之一。用户数量保持和增加，一方面在于吸引新的用户进入，另一方面在于减少原有用户的流失。相对于吸引新用户，减少原有用户流失难度和成本更低。目前，减少原有用户流失的方式是通过多种措施召回已流失的用户。相较于召回已流失的用户，在用户流失之前对潜在的用户流失情况进行预测，可以提前预防用户的流失，有利于减少原有用户的流失。因此，亟需一种对用户流失情况进行预测的方式。
技术实现思路
本公开的实施例提供一种用户类型确定方法、装置、设备及存储介质，用以解决如何对用户流失情况进行预测的问题。第一方面，本公开的实施例提供一种用户类型确定方法，包括：确定位于目标时刻之前的多个不同时间段；获取所述多个不同时间段内用户的属性数据；对各所述时间段内用户的属性数据进行分析处理，确定各所述时间段对应的用户类型分析结果；根据各所述时间段对应的用户类型分析结果，确定所述用户在所述目标时刻之后的用户类型，所述用户类型包括流失用户类型和未流失用户类型。第二方面，本公开的实施例提供了一种用户类型分析模型的训练方法，包括：确定位于参考时刻之前的多个样本时间段；获取所述多个样本时间段内的样本数据，所述样本时间段内的样本数据包括所述样本时间段内用户的属性数据和用户类型，所述用户类型包括流失用户类型和未流失用户类型；根据所述多个样本时间段内用户的属性数据和用户类型，对第一分析模型和第二分析模型进行训练，其中，所述第一分析模型和所述第二分析模型用于用户类型分析。第三方面，本公开的实施例提供一种用户类型确定装置，包括：第一确定模块，用于确定位于目标时刻之前的多个不同时间段；获取模块，用于获取所述多个不同时间段内用户的属性数据；分析模块，用于对各所述时间段内用户的属性数据进行分析处理，确定各所述时间段对应的用户类型分析结果；第二确定模块，用于根据各所述时间段对应的用户类型分析结果，确定所述用户在所述目标时刻之后的用户类型，所述用户类型包括流失用户类型和未流失用户类型。第四方面，本公开的实施例提供了一种用户类型分析模型的训练装置，包括：确定模块，用于确定位于参考时刻之前的多个样本时间段；获取模块，用于获取所述多个样本时间段内的样本数据，所述样本时间段内的样本数据包括所述样本时间段内用户的属性数据和用户类型，所述用户类型包括流失用户类型和未流失用户类型；训练模块，用于根据所述多个样本时间段内用户的属性数据和用户类型，对第一分析模型和第二分析模型进行训练，其中，所述第一分析模型和所述第二分析模型用于用户类型分析。第五方面，本公开的实施例提供一种电子设备，包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用所述存储器中的程序指令执行如上述第一方面或第二方面所述的方法。第六方面，本公开的实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现如上述第一方面或第二方面所述的方法。第七方面，本公开的实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如第一方面或第二方面所述方法的步骤。本公开的实施例提供了一种用户类型确定方法、装置、设备及存储介质，在该方法中，确定目标时刻之前的多个不同时间段，根据各个时间段内用户的属性数据，确定各个时间段对应的用户类型分析结果，根据各个时间段对应的用户类型分析结果，确定用户在目标时刻之后的用户类型，其中，用户类型包括流失用户类型和未流失用户类型，从而综合目标时刻之前的多个不同时间段用户的属性数据，实现对用户在目标时刻之后所属的用户类型的预测并提高了预测准确性，进而提高了用户流失预测的准确性。本公开的各种可行实施例及其技术优势将在下文详述。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1为本公开的实施例适用的应用场景示例图；图2为本公开的一实施例提供的用户类型确定方法的流程示意图；图3为本公开的另一实施例提供的用户类型确定方法的流程示意图；图4为本公开的一实施例提供的用户类型分析模型的训练方法的流程示意图；图5为本公开的一实施例提供的用户类型确定装置的结构示意图；图6为本公开的一实施例提供的用户类型分析模型的训练装置的结构示意图；图7为本公开的一实施例提供的一种电子设备的结构示意图；图8为本公开的一实施例提供的用户类型确定装置的框图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。对于互联网服务提供商来说，用户数量是影响互联网服务持续发展的关键因素之一。在用户数量的保持和增加的措施中，相较于吸引新用户，减少原有用户的流失的针对性较强，即能够针对不同的原有用户采用不同的挽留措施或者召回措施，难度和成本更低，且原有住户的流失情况也会影响到新用户引入效果。因此，减少原有用户的流失是互联网服务商们的关注点之一。通常的，在减少原有用户流失时，通过各种召回措施召回已流失的用户，但该方式错失了留住原有用户的较佳时刻，未能在原有用户有流失倾向时及时采取挽留措施。因此，有必要在原有用户流失之前对潜在的用户流失情况进行预测，以在预测到原有用户即将流失时及时挽留原有用户。以货运服务平台为例，如果该平台上原有的货运司机流失情况严重，则会影响到货运服务的开展和货运服务平台上新的货运司机的入驻。相较于吸引新的货运司机，减少原有货运司机的流失更具有针对性，成本较低且难度较小。对原有货运司机的流失进行预测，能够及时对将流失的原有货运司机采取挽留措施，有效地减少原有货运司机的流失。为了实现用户流失情况的预测和提高用户流失预测的准确性，本公开实施例提供了一种用户类型确定方法，该方法确定目标时刻之前的多个不同时间段，综合多个不同时间段内用户的属性数据，确定用户在目标时刻之后的用户类型，其中，用户类型包括流失用户类型和未流失用户类型，实现了对目标时刻之后用户流失情况的预测并提高了预测准确性。...

【技术保护点】
1.一种用户类型确定方法，其特征在于，所述方法包括：/n确定位于目标时刻之前的多个不同时间段；/n获取所述多个不同时间段内用户的属性数据；/n对各所述时间段内用户的属性数据进行分析处理，确定各所述时间段对应的用户类型分析结果；/n根据各所述时间段对应的用户类型分析结果，确定所述用户在所述目标时刻之后的用户类型，所述用户类型包括流失用户类型和未流失用户类型。/n

【技术特征摘要】
1.一种用户类型确定方法，其特征在于，所述方法包括：
确定位于目标时刻之前的多个不同时间段；
获取所述多个不同时间段内用户的属性数据；
对各所述时间段内用户的属性数据进行分析处理，确定各所述时间段对应的用户类型分析结果；
根据各所述时间段对应的用户类型分析结果，确定所述用户在所述目标时刻之后的用户类型，所述用户类型包括流失用户类型和未流失用户类型。


2.根据权利要求1所述的方法，其特征在于，所述对各所述时间段内用户的属性数据进行分析处理，确定各所述时间段对应的用户类型分析结果，包括：
通过第一分析模型，对各所述时间段内用户的属性数据进行分析处理，得到各所述时间段对应的用户类型分析结果；
所述根据各所述时间段对应的用户类型分析结果，确定所述用户在所述目标时刻之后的用户类型，包括：
通过第二分析模型，对各所述时间段对应的用户类型分析结果进行分析处理，得到所述用户在所述目标时刻之后的用户类型。


3.根据权利要求2所述的方法，其特征在于，所述第一分析模型为多个，所述通过第一分析模型，对各所述时间段内的用户线上数据进行分析处理，得到各所述时间段对应的用户类型分析结果，包括：
针对每个所述时间段，确定所述时间段对应的第一分析模型，不同时间段对应的第一分析模型的模型参数值不完全相同；
通过所述时间段对应的第一分析模型，对所述时间段内用户的属性数据进行分析处理，得到所述时间段对应的用户类型分析结果。


4.根据权利要求3所述的方法，其特征在于，针对各所述时间段，所述时间段对应的第一分析模型为采用样本时间段内的样本数据训练得到的，所述时间段的时长与所述样本时间段的时长相同。


5.一种用户类型分析模型的训练方法，其特征在于，所述方法包括：
确定位于参考时刻之前的多个样本时间段；
获取所述多个样本时间段内的样本数据，所述样本时间段内的样本数据包括所述样...

【专利技术属性】
技术研发人员：李云飞，王建桥，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11