一种用户留存率预测方法及装置制造方法及图纸

本发明专利技术属于计算机技术领域，具体涉及一种用户留存率预测方法及装置，该方法包括：获取目标用户数据以及目标用户对目标应用程序的访问数据；从目标用户数据和访问数据中提取特征，得到基础特征和访问特征所述访问特征是预设时段内的特征；根据基础特征进行至少两种方式的用户留存率预测，分别得到至少两个初始预测时长，以及根据基础特征和访问特征计算所述待预测时段划分得到的各个时长的可信度概率；根据至少两个初始预测时长以及待预测时段划分得到的各个时长的可信度概率生成留存率。本方法预测的颗粒度细致到待预测时段范围内，使得预测得到的用户留存率具备较好的可参考性，对于用户召回策略的制定能够带来较高的参考价值。价值。价值。

【技术实现步骤摘要】
一种用户留存率预测方法及装置


[0001]本专利技术涉及计算机
，具体涉及一种用户留存率预测方法及装置。

技术介绍

[0002]随着各类商务平台、产品和应用程序(app l i cat i on，APP)等的品类越来越多，在增加所使用的用户数量的基础上，提高用户粘性也是十分重要的一环，而预测用户留存的意向度(也称为用户留存率)是提高用户粘性的关键参考指标。
[0003]常规的用户留存率预测方法，可以预测用户在某个时间之后是否会继续访问某产品，即只能预测出一个较大时间范畴内较粗略的用户留存率，这样使得预测得到的用户留存率可参考性较差，对于用户召回策略的制定等无法带来参考价值。

技术实现思路

[0004]本专利技术提出了一种用户留存率预测方法及装置，用以解决现有用户留存率预测方法预测得到的用户留存率较粗略，参考性较差的问题。
[0005]第一方面，本公开提供了一种用户留存率预测方法，包括：
[0006]获取目标用户数据以及所述目标用户对目标应用程序的访问数据；
[0007]从所述目标用户数据和所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户留存率预测方法，其特征在于，包括：获取目标用户数据以及所述目标用户对目标应用程序的访问数据；从所述目标用户数据和所述访问数据中提取特征，得到基础特征和访问特征所述访问特征是预设时段内的特征，所述预设时段包括历史时段和待预测时段；根据所述基础特征进行至少两种方式的用户留存率预测，分别得到至少两个初始预测时长，以及根据所述基础特征和所述访问特征计算所述待预测时段划分得到的各个时长的可信度概率；根据所述至少两个初始预测时长以及所述待预测时段划分得到的各个时长的可信度概率生成留存率，所述留存率用于表征所述待预测时段内所述目标用户对所述目标应用程序的访问时长。2.根据权利要求1所述的方法，其特征在于，所述根据所述基础特征进行至少两种方式的用户留存率预测，分别得到至少两个初始预测时长，包括：调用至少两个回归预测模型基于所述基础特征进行回归预测，将所述至少两个回归预测模型的预测结果作为所述至少两个初始预测时长。3.根据权利要求2所述的方法，其特征在于，所述至少两个回归预测模型包括：轻量级梯度提升树Lightgbm单回归模型、极度梯度提升树Xgboost单回归模型和基于对称决策树Catboost单回归模型中的至少两个。4.根据权利要求1所述的方法，其特征在于，所述根据所述基础特征和所述访问特征计算所述待预测时段得到的各个时长的可信度概率，包括：调用深度分类模型根据所述基础特征和所述访问特征计算所述待预测时段划分得到的各个时长的可信度概率，所述待预测时段划分得到的各个时长包括1至所述预测时段中各个值对应的天数。5.根据权利要求4所述的方法，其特征在于，所述深度分类模型包括卷积神经网络CNN模型和深度神经网络DNN模型，所述调用深度分类模型根据所述基础特征和所述访问特征计算所述预测时段划分得到的各个时长的可信度概率，包括：调用所述CNN模型对所述访问特征进行处理，以提取出上述访问特征中的部分特征；拼接所述基础特征和所述部分特征，得到拼接特征；调用所述DNN模型对所述拼接特征进行预测，得到所述各个时长的可信度概率。6.根据权利要求1所述的方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：赵慧，毋涛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：