本申请提供一种转化率预测模型训练方法、装置、电子设备及计算机可读存储介质。该转化率预测模型训练方法包括：获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，其中，所述目标未传达对象是与所述目标被传达对象特征匹配的未传达对象；根据所述第一转化率和所述第二转化率，确定参考样本对象的最终转化率；根据所述最终转化率和所述匹配特征数据，拟合得到转化率预测模型，其中，所述转化率预测模型用于根据目标对象的特征数据预测目标对象的广告转化率。本申请中可以从大量的用户数据中，有效筛选出广告转化率相对较高的用户数据，进而降低进行广告推送时的信息传达成本。本。本。
【技术实现步骤摘要】
转化率预测模型训练方法、装置、电子设备及存储介质
[0001]本申请涉及大数据
，具体涉及一种转化率预测模型训练方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]广告推送，例如电话访问、线下拜访、公众号推文推送、短信通知等是服务提供方向用户传达信息的重要方式，一般来说，广告推送是直接针对所有用户的，通过广告推送可以在一定程度上提高用户转化率。然而，不同的用户对广告推送的态度不同，例如有的用户是敏感人群(即只有在进行广告推送的情况下才会转化)、有的是自然转化人群(即无论进行广告推送与否都会转化)、有的是无动于衷人群(即无论进行广告推送与否都不会转化)、有的是反作用人群(即在不进行广告推送的情况下会转化，在进行广告推送的情况下反而不会转化)。
[0003]倘若针对所有用户均进行广告推送来传达信息，由于广告推送的对象不够精准，导致了信息的传达成本较高。因此，如何从大量的用户数据中提取出广告转化率相对较高(即敏感人群)的用户数据，以降低信息的传达成本，仍是亟待解决的问题。
技术实现思路
[0004]本申请提供一种转化率预测模型训练方法、装置、电子设备及计算机可读存储介质，旨在解决难以从大量的用户数据中提取广告转化率较高的用户数据，而导致信息的传达成本较高的问题。
[0005]第一方面，本申请提供一种转化率预测模型训练方法，所述方法包括：
[0006]获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，其中，所述目标未传达对象是与所述目标被传达对象特征匹配的未传达对象；
[0007]根据所述第一转化率和所述第二转化率，确定参考样本对象的最终转化率，其中，所述参考样本对象是具有所述目标被传达对象与所述目标未传达对象之间的匹配特征数据的对象；
[0008]根据所述最终转化率和所述匹配特征数据，拟合得到转化率预测模型，其中，所述转化率预测模型用于根据目标对象的特征数据预测目标对象的广告转化率，所述广告转化率用于指示是否对目标对象进行广告推送。
[0009]在本申请一种可能的实现方式中，所述根据所述第一转化率和所述第二转化率，确定参考样本对象的最终转化率，包括：
[0010]获取所述第一转化率与所述第二转化率之间的差值；
[0011]将所述差值作为所述最终转化率。
[0012]在本申请一种可能的实现方式中，所述获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，包括：
[0013]根据预设的样本对象的数据集合，获取目标被传达对象的数据和目标未传达对象
的数据，其中，所述目标被传达对象的数据包括在预设时段内的目标被传达对象总数、所述目标被传达对象的转化数，所述目标未传达对象的数据包括在所述预设时段内的目标未传达对象总数、所述目标未传达对象的转化数；
[0014]获取所述目标被传达对象的转化数与所述目标被传达对象总数之间的比值，以作为所述第一转化率；
[0015]获取所述目标未传达对象的转化数与所述目标未传达对象总数之间的比值，以作为所述第二转化率。
[0016]在本申请一种可能的实现方式中，所述样本对象的数据集合包括每个样本对象的用户特征数据和指示标签，所述指示标签用于指示所述样本对象在预设时段内是否已被进行广告推送、以及是否已转化，所述根据预设的样本对象的数据集合，获取目标被传达对象的数据和目标未传达对象的数据，包括：
[0017]根据所述用户特征数据和所述指示标签，获取所述目标被传达对象总数以及所述目标被传达对象的转化数，得到所述目标被传达对象的数据，其中，目标被传达对象总数是在预设时段内已被进行广告推送且具有同一类型特征的样本对象的总数；
[0018]获取所述目标被传达对象的属性特征；
[0019]调用预设的倾向评分匹配算法，根据所述用户特征数据，确定与所述属性特征匹配的目标样本对象；
[0020]根据所述目标样本对象的所述指示标签，获取所述目标未传达对象总数以及所述目标未传达对象的转化数，得到所述目标未传达对象的数据，其中，目标未传达对象总数是在预设时段内已被进行广告推送的目标样本对象的总数。
[0021]在本申请一种可能的实现方式中，所述方法还包括：
[0022]获取目标对象的目标特征数据；
[0023]调用所述转化率预测模型，根据所述目标特征数据预测所述目标对象的目标广告转化率。
[0024]在本申请一种可能的实现方式中，所述目标对象包括多个，所述调用所述转化率预测模型，根据所述目标特征数据预测所述目标对象的目标广告转化率，之后还包括：
[0025]根据所述目标广告转化率，从多个所述目标对象中确定待传达对象，其中，所述待传达对象是目标广告转化率大于预设阈值的目标对象，或者所述待传达对象是目标广告转化率最大的N个目标对象；
[0026]发送目标信息至所述待传达对象。
[0027]在本申请一种可能的实现方式中，所述调用所述转化率预测模型，根据所述目标特征数据预测所述目标对象的目标广告转化率，之后还包括：
[0028]根据所述目标广告转化率和预设的分类策略，对所述目标对象进行分类，得到所述目标对象的对象类别，其中，所述对象类别用于指示是否对所述目标对象进行广告推送。
[0029]第二方面，本申请提供一种转化率预测模型训练装置，所述转化率预测模型训练装置包括：
[0030]获取单元，用于获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，其中，所述目标未传达对象是与所述目标被传达对象特征匹配的未传达对象；
[0031]确定单元，用于根据所述第一转化率和所述第二转化率，确定参考样本对象的最
终转化率，其中，所述参考样本对象是具有所述目标被传达对象与所述目标未传达对象之间的匹配特征数据的对象；
[0032]拟合单元，用于根据所述最终转化率和所述匹配特征数据，拟合得到转化率预测模型，其中，所述转化率预测模型用于根据目标对象的特征数据预测目标对象的广告转化率，所述广告转化率用于指示是否对目标对象进行广告推送。
[0033]在本申请一种可能的实现方式中，所述确定单元具体用于：
[0034]获取所述第一转化率与所述第二转化率之间的差值；
[0035]将所述差值作为所述最终转化率。
[0036]在本申请一种可能的实现方式中，所述获取单元具体用于：
[0037]根据预设的样本对象的数据集合，获取目标被传达对象的数据和目标未传达对象的数据，其中，所述目标被传达对象的数据包括在预设时段内的目标被传达对象总数、所述目标被传达对象的转化数，所述目标未传达对象的数据包括在所述预设时段内的目标未传达对象总数、所述目标未传达对象的转化数；
[0038]获取所述目标被传达对象的转化数与所述目标被传达对象总数之间的比值，以作为所述第一转化率；
[0039]获取所述目标未传达对象的转化数与所述目标未传达对象总数之间的比值，以作为所述第二转化本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种转化率预测模型训练方法，其特征在于，所述方法包括：获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，其中，所述目标未传达对象是与所述目标被传达对象特征匹配的未传达对象；根据所述第一转化率和所述第二转化率，确定参考样本对象的最终转化率，其中，所述参考样本对象是具有所述目标被传达对象与所述目标未传达对象之间的匹配特征数据的对象；根据所述最终转化率和所述匹配特征数据，拟合得到转化率预测模型，其中，所述转化率预测模型用于根据目标对象的特征数据预测目标对象的广告转化率，所述广告转化率用于指示是否对目标对象进行广告推送。2.根据权利要求1所述的转化率预测模型训练方法，其特征在于，所述根据所述第一转化率和所述第二转化率，确定参考样本对象的最终转化率，包括：获取所述第一转化率与所述第二转化率之间的差值；将所述差值作为所述最终转化率。3.根据权利要求1所述的转化率预测模型训练方法，其特征在于，所述获取目标被传达对象的第一转化率和目标未传达对象的第二转化率，包括：根据预设的样本对象的数据集合，获取目标被传达对象的数据和目标未传达对象的数据，其中，所述目标被传达对象的数据包括在预设时段内的目标被传达对象总数、所述目标被传达对象的转化数，所述目标未传达对象的数据包括在所述预设时段内的目标未传达对象总数、所述目标未传达对象的转化数；获取所述目标被传达对象的转化数与所述目标被传达对象总数之间的比值，以作为所述第一转化率；获取所述目标未传达对象的转化数与所述目标未传达对象总数之间的比值，以作为所述第二转化率。4.根据权利要求3所述的转化率预测模型训练方法，其特征在于，所述样本对象的数据集合包括每个样本对象的用户特征数据和指示标签，所述指示标签用于指示所述样本对象在预设时段内是否已被进行广告推送、以及是否已转化，所述根据预设的样本对象的数据集合，获取目标被传达对象的数据和目标未传达对象的数据，包括：根据所述用户特征数据和所述指示标签，获取所述目标被传达对象总数以及所述目标被传达对象的转化数，得到所述目标被传达对象的数据，其中，目标被传达对象总数是在预设时段内已被进行广告推送且具有同一类型特征的样本对象的总数；获取所述目标被传达对象的属性特征；调用预设的倾向评分匹配算法，根据所述用户特征数据，确定与所述属性特征匹配的目标样本对象；根据所述目标样本对象的所述指示标签，...
【专利技术属性】
技术研发人员：林俊鹏，吴斯涵，黎敏茵，陈璐珂，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。