一种用户转化率的预测方法及相关设备技术

本申请提供了一种用户转化率的预测方法及相关设备，通过机器学习的方式对业务中用户尚未转化的瞬间构建的随机延迟参数以及用户的特征进行训练，得到预测模型，在通过预测模型预测用户的转化率时，得到更加精准的转化率。该方法包括：确定目标用户的特征；确定目标业务的曝光时刻；根据目标业务的曝光时刻以及当前时刻确定目标用户的实际延迟参数；基于目标用户的实际延迟参数、目标用户的特征以及预测模型确定目标用户在目标业务的转化率，预测模型为通过对训练样本进行训练得到的，训练样本包括M个用户的特征以及M个用户对应的随机延迟参数，M个用户对应的随机延迟参数为根据M个用户的转化时长确定的，M为大于或等于1的正整数。整数。整数。

【技术实现步骤摘要】
一种用户转化率的预测方法及相关设备


[0001]本申请涉及通信领域，尤其涉及一种用户转化率的预测方法及相关设备。

技术介绍

[0002]延迟反馈建模指的是业务中经常遇到广告曝光后，用户的转化可能是有延迟的，而当动态建模时需要拉取已曝光用户的所有标签数据，那么由于用户可能在计算时尚未转化，而以后可能会有转化，所以不可以简单的当做一个负样本，故需要对有延迟的反馈标签进行建模。转化在不同业务中有不同的具体意思，指业务最终关注的指标，比如卡券广告中为用户最终去核销了卡券，游戏推荐业务中为用户最后去下载注册了游戏。
[0003]经典的延迟反馈建模方法需要采用双梯度更细的计算方法来优化模型，但是双梯度更新的计算方法对模型的实现有约束，这就导致由经典的延迟反馈建模方法得到的模型应用面不够广泛。而反向梯度法主要适用于模型持续更新的在线学习建模中，如果是每天都要拿当前历史数据重新建模计算的业务，它将无法使用。
[0004]由此，在通过上述模型对用户转化率进行预测时，得到的用户转化率不够准确。

技术实现思路

[0005]本申请提供了一种用户转化率的预测方法及相关设备，提高用户转化率预测的准确性。
[0006]本申请第一方面提供了一种用户转化率的预测方法，包括：
[0007]确定目标用户的特征，所述目标用户为待预测的对象，且所述目标用户与目标业务相关联；
[0008]确定所述目标业务的曝光时刻；
[0009]根据所述目标业务的曝光时刻以及当前时刻确定所述目标用户的实际延迟参数；
[0010]基于所述目标用户的实际延迟参数、所述目标用户的特征以及预测模型确定所述目标用户在所述目标业务中的转化率，所述预测模型与所述目标业务相对应，且所述预测模型为通过对训练样本进行训练得到的，所述训练样本包括M个用户的特征以及所述M个用户对应的随机延迟参数，其中，所述M个用户对应的随机延迟参数为根据所述M个用户的转化时长确定的，M为大于或等于1的正整数。
[0011]可选地，所述方法还包括：
[0012]获取所述M个用户的目标数据；
[0013]根据所述目标数据确定所述M个用户中每个用户的延迟参数的范围；
[0014]根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数；
[0015]获取所述M个用户中每个用户的特征；
[0016]对所述M个用户中每个用户的随机延迟参数以及所述M个用户中每个用户的特征进行模型训练，得到所述预测模型。
[0017]可选地，所述根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数包括：
[0018]基于预设规则，对所述M个用户中每个用户的延迟参数的范围进行计算，得到所述M个用户中每个用户的随机延迟参数，其中，所述预设规则至少包括如下规则中的一种：指数分布、幂率分布、正态分布以及伯努利分布。
[0019]可选地，所述基于所述目标用户的实际延迟参数、所述目标用户的特征以及预测模型确定所述目标用户在所述目标业务中的转化率包括：
[0020]确定所述目标业务的转化结束时刻；
[0021]基于所述目标业务的转化结束时刻、所述目标用户的实际延迟参数、所述目标用户的特征以及所述预测模型确定所述目标用户在所述目标业务中的转化率。
[0022]可选地，所述方法还包括：
[0023]展示所述目标业务在所述目标业务中的转化率；
[0024]当所述目标业务的转化周期结束时，获取所述目标业务对应的对象的标签数据，所述标签数据包括所述目标业务的曝光时刻、所述目标业务对应的对象的转化时刻、所述目标业务的转化结束时刻以及所述目标业务对应的对象的特征；
[0025]将所述标签数据作为训练样本，对所述预测模型进行优化。
[0026]本申请实施例第二方面提供了一种用户转化率的预测装置，包括：
[0027]第一确定单元，用于确定目标用户的特征，所述目标用户为待预测的对象，且所述目标用户与目标业务相关联；
[0028]第二确定单元，用于确定所述目标业务的曝光时刻；
[0029]第三确定单元，用于根据所述目标业务的曝光时刻以及当前时刻确定所述目标用户的实际延迟参数；
[0030]预测单元，用于基于所述目标用户的实际延迟参数、所述目标用户的特征以及预测模型确定所述目标用户在目标业务中的转化率，所述预测模型与所述目标业务相对应，且所述预测模型为通过对训练样本进行训练得到的，所述训练样本包括M个用户的特征以及所述M个用户对应的随机延迟参数，其中，所述M个用户对应的随机延迟参数为根据所述M个用户的转化时长确定的，M为大于或等于1的正整数。
[0031]可选地，所述用户转化率的预测装置还包括：
[0032]训练单元，所述训练单元用于：
[0033]获取所述M个用户的目标数据；
[0034]根据所述目标数据确定所述M个用户中每个用户的延迟参数的范围；
[0035]根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数；
[0036]获取所述M个用户中每个用户的特征；
[0037]对所述M个用户中每个用户的随机延迟参数以及所述M个用户中每个用户的特征进行模型训练，得到所述预测模型。
[0038]可选地，所述训练单元根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数包括：
[0039]基于预设规则，对所述M个用户中每个用户的延迟参数的范围进行计算，得到所述
M个用户中每个用户的随机延迟参数，其中，所述预设规则至少包括如下规则中的一种：指数分布、幂率分布、正态分布以及伯努利分布。
[0040]可选地，所述预测单元具体用于：
[0041]确定所述目标业务的转化结束时刻；
[0042]基于所述目标业务的转化结束时刻、所述目标用户的实际延迟参数、所述目标用户的特征以及所述预测模型确定所述目标用户在所述目标业务中的转化率。
[0043]可选地，所述装置还包括：
[0044]处理单元，所述处理单元用于：
[0045]展示所述目标用户在所述目标业务中的转化率；
[0046]当所述目标业务的转化周期结束时，获取所述目标业务对应的对象的标签数据，所述标签数据包括所述目标业务的曝光时刻、所述目标业务对应的对象的转化时刻、所述目标业务的转化结束时刻以及所述目标业务对应的对象的特征；
[0047]将所述标签数据作为训练样本，对所述预测模型进行优化。
[0048]本申请第三方面提供了一种计算机装置，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述程序代码由所述处理器加载并执行以实现上述所述的用户转化率的预测方法的步骤。
[0049]本申请第四方面提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户转化率的预测方法，其特征在于，包括：确定目标用户的特征，所述目标用户为待预测的对象，且所述目标用户与目标业务相关联；确定所述目标业务的曝光时刻；根据所述目标业务的曝光时刻以及当前时刻确定所述目标用户的实际延迟参数；基于所述目标用户的实际延迟参数、所述目标用户的特征以及预测模型确定所述目标用户在所述目标业务中的转化率，所述预测模型与所述目标业务相对应，且所述预测模型为通过对训练样本进行训练得到的，所述训练样本包括M个用户的特征以及所述M个用户对应的随机延迟参数，其中，所述M个用户对应的随机延迟参数为根据所述M个用户的转化时长确定的，M为大于或等于1的正整数。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述M个用户的目标数据；根据所述目标数据确定所述M个用户中每个用户的延迟参数的范围；根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数；获取所述M个用户中每个用户的特征；对所述M个用户中每个用户的随机延迟参数以及所述M个用户中每个用户的特征进行模型训练，得到所述预测模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述M个用户中每个用户的延迟参数的范围确定所述M个用户中每个用户的随机延迟参数包括：基于预设规则，对所述M个用户中每个用户的延迟参数的范围进行计算，得到所述M个用户中每个用户的随机延迟参数，其中，所述预设规则至少包括如下规则中的一种：指数分布、幂率分布、正态分布以及伯努利分布。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述目标用户的实际延迟参数、所述目标用户的特征以及预测模型确定所述目标用户在所述目标业务中的转化率包括：确定所述目标业务的转化结束时刻；基于所述目标业务的转化结束时刻、所述目标用户的实际延迟参数、所述目标用户的特征以及所述预测模型确定所述目标用户在所述目标业务中的转化率。5.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：展示所述目标用户在所述目标业务中的转化率；当所述目标业务的转化周期结束时，获取所述目标业务对应的对象的标签数据，所述标签数据包括所述目标业务的曝光时刻、所述目标业务对应的对象的转化时刻、所述目标业务的转化结束时刻以及所述目标业务对应的对象的特征；将所述标签数...

【专利技术属性】
技术研发人员：叶佳木，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：