一种用户规模预测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种用户规模预测方法、装置、设备和介质，由于该方法在预测用户规模时，是根据每个时间段的新增用户在预测时间段的留存用户数量来确定的，相比于现有的基于统计学模型预测用户规模的方法，由于现有技术中的统计学模型的方法与实际的整体的用户规模增长情况不匹配，而本发明专利技术实施例中的方法不是针对整体的用户规模增长进行预测，而是针对每个时间段的新增用户预测留存用户数量，从而降低了预测的误差，可以准确地确定出预测时间段的用户数量，提高了预测精度。

【技术实现步骤摘要】
一种用户规模预测方法、装置、设备和介质
本专利技术涉及预测
，尤其涉及一种用户规模预测方法、装置、设备和介质。
技术介绍
社会的快速发展使得公司的发展也非常迅速,每一家快速发展的公司的产品的用户规模都在不断增长，不断增多的用户带来了一系列公司运营层面上的挑战，产品运营预算、营收规模、机器支出成本等都需要提前做出运筹规划，因此需要提前对未来的公司产品的用户规模做出较为准确的预测。为了实现未来的公司产品的用户规模的预测，现有技术中一般都是使用预测人口规模的统计学模型，包括一元线性模型、回归分析模型(Logistic)和参数预测模型GM(1,1)，现有技术中都是基于历史数据确定出上述统计学模型中的参数，并根据确定出参数的统计学模型，预测未来某个时间的用户规模。现有的一元线性模型较为简单直观，但也导致在预测用户规模时的误差大，无法反映用户规模增长速度的变化；而现有的回归分析模型能够反映用户规模增长速度的变化和用户规模的最大数量，但该回归分析模型中会出现指数式的增长，在实际情况时的用户规模的增长极少出现指数式的增长，因此该回归分析模本文档来自技高网...

【技术保护点】
1.一种用户规模预测方法，其特征在于，所述方法包括：/n确定留存用户数量向量，其中所述留存用户数量向量中包括初始时间段至当前时间段中以第一预设时长划分的每个第一时间段的新增用户在预测时间段的留存用户数量；/n基于预先训练完成的新增用户数量预测模型，根据输入的时间向量，确定新增用户数量向量，其中所述时间向量中包括所述当前时间段至所述预测时间段中以第二预设时长划分的每个第二时间段，所述新增用户数量向量中包括所述每个第二时间段对应的新增用户的数量；/n基于预先训练完成的留存率预测模型，根据输入的所述每个第二时间段的参数向量，确定留存率向量，其中所述参数向量为所述时间向量或所述每个第二时间段与所述预测...

【技术特征摘要】
1.一种用户规模预测方法，其特征在于，所述方法包括：
确定留存用户数量向量，其中所述留存用户数量向量中包括初始时间段至当前时间段中以第一预设时长划分的每个第一时间段的新增用户在预测时间段的留存用户数量；
基于预先训练完成的新增用户数量预测模型，根据输入的时间向量，确定新增用户数量向量，其中所述时间向量中包括所述当前时间段至所述预测时间段中以第二预设时长划分的每个第二时间段，所述新增用户数量向量中包括所述每个第二时间段对应的新增用户的数量；
基于预先训练完成的留存率预测模型，根据输入的所述每个第二时间段的参数向量，确定留存率向量，其中所述参数向量为所述时间向量或所述每个第二时间段与所述预测时间段的第一间隔时间段数量向量，所述留存率向量中包括所述每个第二时间段的新增用户在所述预测时间段的留存率；
根据所述新增用户数量向量和所述留存率向量，更新留存用户数量向量，并根据更新后的留存用户数量向量，确定所述预测时间段的用户规模。


2.根据权利要求1所述的方法，其特征在于，所述基于预先训练完成的留存率预测模型，根据输入的所述每个第二时间段的参数向量，确定留存率向量之前，所述方法还包括：
确定所述每个第二时间段与所述预测时间段的间隔时间段的每个第一数量和所述当前时间段与所述初始时间段的间隔时间段的第二数量与设定数量的差值；
所述基于预先训练完成的留存率预测模型，根据输入的所述每个第二时间段的参数向量，确定留存率向量包括：
根据所述每个第一数量确定不大于所述差值的每个第一目标数量，针对所述每个第一目标数量，基于该第一目标数量对应的第一留存率预测模型，根据输入的该第一目标数量对应的第二时间段的时间向量，确定该第一目标数量对应的第一留存率；根据每个第一目标数量对应的每个第一留存率，确定留存率向量；
根据所述每个第一数量确定大于所述差值的每个第二目标数量，针对每个第二目标数量对应的每个第二时间段，基于该第二时间段对应的第二留存率预测模型，根据输入的该第二时间段对应的间隔时间段数量向量，确定该第二时间段对应的第二留存率；根据每个第二时间段对应的每个第二留存率，确定留存率向量。


3.根据权利要求2所述的方法，其特征在于，针对每个第一目标数量，所述该第一目标数量对应的第一留存率预测模型的训练过程包括：
获取样本集中预先保存的每个第一时间段对应的每个第三留存率，根据所述每个第三留存率生成第三留存率向量；
将所述每个第一时间段的时间向量输入到时间序列分析模型，获取输出的所述每个第一时间段的时间向量对应的第四留存率生成的第四留存率向量；
根据所述第三留存率向量以及所述第四留存率向量，对所述时间序列分析模型的各参数的参数值进行调整，得到训练完成的所述第一留存率预测模型。


4.根据权利要求3所述的方法，其特征在于，针对每个第二目标数量对应的每个第二时间段，所述该第二时间段对应的第二留存率预测模型的训练过程包括：
获取样本集中预先保存的每个第五留存率，根据所述每个第五留存率生成第五留存率向量，其中所述每个第五留存率为所述每个第一留存率预测模型预测的第二间隔时间段数量向量中每个第二间隔时间段数量对应...

【专利技术属性】
技术研发人员：彭一晋，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：巴西;BR