【技术实现步骤摘要】
一种用户价值预测方法及系统
[0001]本申请涉及大数据预测
,具体涉及一种用户价值预测方法及系统。
技术介绍
[0002]在传统的用户价值预测方法中,主要是通过人工统计方式,基于以往的经验,对用户进行筛选,从而将用户等级划分为高价值用户和低价值用户。由于依靠人工预测用户的价值等级,预测结果主观性较强,得到的预测结果准确性偏差也比较大,并且,对于大量的用户数据,也造成预测效率较低。
[0003]目前,基于机器学习算法的用户价值预测方法,虽然在一定程度上提升了用户价值预测准确性,但是现有机器学习算法处理的数据较为单一,对于大量且复杂的用户行为数据,由于算法的预处理/数据处理能力不足,错失很多关键性信息,这直接影响了用户价值预测结果的准确性。
[0004]因此,现在亟需一种用户价值预测方法及系统来解决上述问题。
技术实现思路
[0005]本申请实施例提供一种用户价值预测方法及系统,用以解决用户价值预测结果准确性较低的技术问题。
[0006]第一方面,本申请实施例提供一种用户价值预测方法,包括:
[0007]获取目标用户的业务产品订购数据;
[0008]将所述业务产品订购数据输入到业务需求程度分类模型中,得到所述目标用户的业务需求程度预测结果;
[0009]将所述业务产品订购数据和所述业务需求程度预测结果,输入到用户价值预测模型中,得到所述目标用户的价值预测结果;
[0010]其中,所述业务需求程度标签分类模型是由标记有业务需求程度标签的业务产品 ...
【技术保护点】
【技术特征摘要】
1.一种用户价值预测方法,其特征在于,包括:获取目标用户的业务产品订购数据;将所述业务产品订购数据输入到业务需求程度分类模型中,得到所述目标用户的业务需求程度预测结果;将所述业务产品订购数据和所述业务需求程度预测结果,输入到用户价值预测模型中,得到所述目标用户的价值预测预测结果;其中,所述业务需求程度标签分类模型是由标记有业务需求程度标签的业务产品订购样本数据,对基于Bagging算法构建的分类模型进行训练得到的;所述用户价值预测模型是由标记有用户价值预测类型标签的样本数据,对朴素贝叶斯模型进行训练得到的,所述样本数据包括业务产品订购样本数据和业务需求程度样本数据。2.根据权利要求1所述的用户价值预测方法,其特征在于,在所述将所述业务产品订购数据和所述业务需求程度预测结果,输入到用户价值预测模型中,得到所述目标用户的价值预测结果之后,所述方法还包括:基于所述目标用户的业务产品使用情况,从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属性,并根据所述用户画像标签属性,构建所述目标用户的用户画像。3.根据权利要求2所述的用户价值预测方法,其特征在于,所述基于所述目标用户的业务产品使用情况,从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属性,并根据所述用户画像标签属性,构建所述目标用户的用户画像,包括:根据所述目标用户的业务产品使用情况,从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中,获取具有相同属性类型的用户画像信息,并根据所述用户画像信息构建对应的目标画像标签;根据所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果,构建第一画像标签和第二画像标签;其中,所述第一画像标签表示所述目标用户对应的所有画像标签,所述第二画像标签表示所述目标用户所在区域中所有用户对应的全部画像标签;根据所述目标画像标签和所述第一画像标签,获取所述目标画像标签在所述第一画像标签中的标签比重;根据所述目标画像标签和所述第二画像标签,获取所述目标画像标签在所有用户对应的全部画像标签中的标签出现几率;根据所述标签比重和所述标签出现几率,获取所述目标画像标签对应的综合权重值;对所述综合权重值进行排序,并根据排序结果确定所述目标画像标签的用户画像标签属性;根据所述目标画像标签和所述用户画像标签属性,构建所述目标用户的用户画像。4.根据权利要求1所述的用户价值预测方法,其特征在于,所述业务需求程度标签分类模型通过以下步骤得到:根据每个用户的业务产品订购样本数据,获取各个用户的业务产品偏好特征和用户活
跃度特征对应的业务需求映射关系,所述业务产品订购样本数据至少包括用户信息、业务产品信息、业务缴费信息和业务使用信息;基于所述业务产品偏好特征、所述用户活跃度特征和所述业务需求映射关系...
【专利技术属性】
技术研发人员:白晶晶,张涛,于建华,郜燕君,张小艳,钟龙龙,赵瑞珍,武海燕,赵莹,吴为民,
申请(专利权)人:中国移动通信集团有限公司,
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。