用户行为预测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请的实施例提供了一种用户行为预测方法、装置、电子设备及可读存储介质，涉及数据处理技术领域。该方法包括：根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，行为特征包括对购买日期进行去重统计后得到的购买总天数、预设时间段内首次购买到最后一次购买的第一时间差、及预设时间段内首次购买到预设时间段的终点的第二时间差；基于贝塔几何BG模型，根据购买总天数、第一时间差及第二时间差，对目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。由此，可以科学化地对用户未来的付费行为情况进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。可以大大提高预测的速度。可以大大提高预测的速度。

【技术实现步骤摘要】
用户行为预测方法、装置、电子设备及可读存储介质


[0001]本申请涉及数据处理
，具体而言，涉及一种用户行为预测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]目前的付费预测(比如预测发生下一次购买的概率)大多都是先获得一堆的用户行为特征，然后利用预先基于用户行为特征训练得到的分类模型来预测。由于付费的正样本比较稀疏，因此基于分类模型进行预测的准确性不能保证；并且，准确提取付费的相关的特征存在很大的难度，通常要提取几十个甚至上百个特征作为预测时使用的行为特征，使得导致特征加工上需要耗费很大的成本。

技术实现思路

[0003]本申请实施例提供了一种用户行为预测方法、装置、电子设备及可读存储介质，其能够科学化地对用户未来的付费行为情况进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。
[0004]本申请的实施例可以这样实现：
[0005]第一方面，本申请实施例提供一种用户行为预测方法，包括：
[0006]根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，所述行为特征包括对购买日期进行去重统计后得到的购买总天数、所述预设时间段内首次购买到最后一次购买的第一时间差、及所述预设时间段内首次购买到所述预设时间段的终点的第二时间差；
[0007]基于贝塔几何BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。
[0008]第二方面，本申请实施例提供一种用户行为预测装置，包括：
[0009]特征获取模块，用于根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，所述行为特征包括对购买日期进行去重统计后得到的购买总天数、所述预设时间段内首次购买到最后一次购买的第一时间差、及所述预设时间段内首次购买到所述预设时间段的终点的第二时间差；
[0010]预测模块，用于基于贝塔几何BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。
[0011]第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式中任意一项所述的用户行为预测方法。
[0012]第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任意一项所述的用户行为预测方法。
[0013]本申请实施例提供的用户行为预测方法、装置、电子设备及可读存储介质，根据目
标用户在预设时间段内的历史购买行为数据，获得该目标用户在该预设时间段内的购买总天数、首次购买到最后一次购买的第一时间差、首次购买到该预设时间段的终点的第二时间差，其中，购买总天数是通过对购买日期进行去重统计后得到的；然后基于BG模型，根据上述购买总天数、第一时间差及第二时间差，对该目标用户在预设时间段之后的下一次购买行为进行预测，获得预测结果。由此，可科学化地对用户未来的付费行为进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。
附图说明
[0014]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0015]图1为本申请实施例提供的电子设备的方框示意图；
[0016]图2为本申请实施例提供的用户行为预测方法的流程示意图之一；
[0017]图3为本申请实施例提供的用户行为预测方法的流程示意图之二；
[0018]图4为本申请实施例提供的预测结果的显示示意图；
[0019]图5为本申请实施例提供的用户行为预测方法的流程示意图之三；
[0020]图6为本申请实施例提供的用户行为预测装置的方框示意图之一；
[0021]图7为本申请实施例提供的用户行为预测装置的方框示意图之二。
[0022]图标：100
‑
电子设备；110
‑
存储器；120
‑
处理器；130
‑
通信单元；200
‑
用户行为预测装置；210
‑
时长确定模块；220
‑
特征获取模块；230
‑
预测模块。
具体实施方式
[0023]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0024]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0026]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0027]请参照图1，图1为本申请实施例提供的电子设备100的方框示意图。所述电子设备100可以是，但不限于，电脑、服务器等。所述电子设备100包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
[0028]其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read
‑
Only Memory，PROM)，可擦除只读存储器(Erasabl本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为预测方法，其特征在于，包括：根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，所述行为特征包括对购买日期进行去重统计后得到的购买总天数、所述预设时间段内首次购买到最后一次购买的第一时间差、及所述预设时间段内首次购买到所述预设时间段的终点的第二时间差；基于贝塔几何BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。2.根据权利要求1所述的方法，其特征在于，所述预测结果包括下一次购买的概率和/或下一次购买的发生日期，所述基于BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果，包括：基于BG模型，根据所述购买总天数、第一时间差及第二时间差，计算得到所述目标用户下一次购买的概率；和/或，基于BG模型，根据所述购买总天数、第一时间差及第二时间差，计算得到所述目标用户下一次购买的发生日期。3.根据权利要求1所述的方法，其特征在于，所述根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，包括：根据所述历史购买行为数据，通过计算得到初始行为特征，其中，所述初始行为特征中包括初始购买总天数、初始第一时间差及初始第二时间差；判断所述初始行为特征中是否包括异常值；在不包括异常值的情况下，将所述初始行为特征作为所述行为特征；在包括异常值的情况下，对所述初始行为特征中的异常值进行调整，以获得所述行为特征。4.根据权利要求1
‑
3中任意一项所述的方法，其特征在于，所述方法还包括：预先获得多个用户的历史购买时间间隔；对获得的多个历史购买时...

【专利技术属性】
技术研发人员：陈友洋，
申请(专利权)人：广州虎牙科技有限公司，
类型：发明
国别省市：