一种应用于视频直播的运营模型管理方法技术

本发明专利技术涉及视频直播技术领域，具体涉及一种应用于视频直播的运营模型管理方法，包括如下步骤：

【技术实现步骤摘要】
一种应用于视频直播的运营模型管理方法


[0001]本专利技术涉及视频直播
，具体涉及一种应用于视频直播的运营模型管理方法
。

技术介绍

[0002]随着信息技术的快速发展，视频社交平台日益成为人们日常生活不可或缺的一部分
。
视频社交平台凭借其丰富的内容
、
新颖的传播方式和便捷的获取途径深受大众喜爱，近些年来，视频直播在电商领域也快速发展，其商业价值也日益凸显，越来越多的带货主播通过直播作为营销载体销售产品，并取得了良好的效果
。
现有的视频直播平台为快速设计视频带货主播和产品销售商的直播方案，推出各种营销模型
、
推荐模型，这些模型往往从历史营销任务中挑选最接近预直播的任务进行推荐，模型缺乏实时更新，如果能提出一种对营销模型
、
运营模型等进行动态优化的管理方法，将极大提高视频直播的收益效果，因此这为一个亟待解决的问题
。

技术实现思路

[0003]本专利技术所为解决上述技术问题，提供一种应用于视频直播的运营模型管理方法
。
[0004]本专利技术提供的基础方案：一种应用于视频直播的运营模型管理方法，包括如下步骤：
S1
：获取主播的历史直播数据，分析影响历史直播数据的因素并归类，记为影响因素；
S2
：利用客观赋权法，输入
S1
中数据进行训练，输出直播的影响因素的权重；
S3
：建立运营模型，运营模型的输入包括直播需求集合
、
影响因素集合，输出直播推荐方案；
S4
：选择最符合预期投入的推荐方案执行；将执行后的直播实际数据归为历史直播数据；
S5
：重复
S1
‑
S2
步骤获取新的影响因素的权重；
S6
：执行步骤
S3
，运营模型输入新的影响因素集合，实现运营模型的优化
。
[0005]本专利技术的原理及优点在于：本专利技术基于历史直播数据训练得到运营模型，能够考虑多种直播因素，得到符合直播需求的直播推荐方案，提高直播的收益效果，根据直播实际数据和需求数据实时调整运营模型的参数，能够实现直播运营的动态优化，提高了直播运营模型管理的实时性
。
[0006]进一步，所述
S1
数据获取方式为，和直播平台数据中台对接，通过接口获取和更新主播账号基本信息；主播账号基本信息包括主播的历史直播数据，主播的历史直播数据包括直播账号
、
观看总人数
、
营销额
、
粉丝增量；影响因素分为直播地点环境
、
直播时间点
、
直播时长
、
主播专业度
、
主播形象
。
[0007]进一步，
S2
包括：
S2
‑1：将
S1
中数据分为多个样本和多项影响因素，形成原始数据矩阵：其中表示第
i
个样本第
j
项影响因素的数值；对上述影响因素的数值进行归一化的正向化处理：；
S2
‑2：通过计算标准差表示影响因素差异波动情况：，表示第
j
个影响因素的平均值，表示第
j
个影响因素的波动情况；
S2
‑3：通过计算相关系数表示影响因素冲突性：，其中表示影响因素
i
和
j
之间的相关系数；
S2
‑4：影响因素信息量计算：；其中越大，第
j
个影响因素在全部影响因素中的作用越大，即该指标对应分配更多的权重；
S2
‑5：影响因素客观权重计算：，表示第
j
个影响因素的客观权重
。
[0008]进一步，
S3
中所述直播需求集合包括多组直播需求，直播需求包括预期观看人数和预期营销额；所述影响因素集合包括带有权重的影响因素数据集合
。
[0009]进一步，所述
S3
包括：
S3
‑1：输入阶层：输入数据集合，包括直播需求集合
、
直播影响因素集合，表示第
k
个直播需求，表示第
k
个带有权重的影响因素；
S3
‑2：特征提取层：先对
S3
‑1中的直播需求集合进行初始化矩阵处理，然后采用注意力机制提取特征，处理后的直播需求集合；
S3
‑3：分配层：基于直播影响因素集合， 对处理后的直播需求集合加权拼接：，表示直播需求第
j
项影响因素的数值；通过变换可得出；
S3
‑4：输出层：根据计算得出的进行矩阵还原，拼接出直播需求对应的各影响因素组合方案
。
附图说明
[0010]图1为本专利技术实施例的流程图；图2为本专利技术实施例的直播平台数据中台示意图；图3为本专利技术实施例的另一直播数据用户界面示意图
。
具体实施方式
[0011]下面通过具体实施方式进一步详细说明：实施例基本如附图1所示：一种应用于视频直播的运营模型管理方法，包括如下步骤：
S1
：获取主播的历史直播数据，分析影响历史直播数据的因素并归类，记为影响因素；如图2所示，所述
S1
数据获取方式为，对接直播平台数据中台，通过接口获取和更新主播账号基本信息；主播账号基本信息包括主播的历史直播数据，主播的历史直播数据包括直播账号
、
观看总人数
、
营销额
、
粉丝增量；影响因素包括直播地点环境
、
直播时间点
、
直播时长
、
主播专业度
、
主播形象
。
[0012]本实施例以某汽车销售直播为例，如下列表：
S2
：利用客观赋权法，输入
S1
中数据进行训练，输出直播的影响因素的权重；
S2
‑1：将
S1
中数据分为多个样本和多项影响因素，形成原始数据矩阵：（1）其中表示第
i
个样本第
j
项影响因素的数值；对上述影响因素的数值进行归一化的正向化处理：（2）
S2
‑2：通过计算标准差表示影响因素差异波动情况：（3）表示第
j
个影响因素的平均值，表示第
j
个影响因素的波动情况；
S2
‑3：通过计算相关系数表示影响因素冲突性：（4）其中表示影响因素
i
和
j
之间的相关系数；
S2
‑4：影响因素信息量计算：（5）其中越大，第
j
个影响因素在全部影响因素中的作用越大，即该指标对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于视频直播的运营模型管理方法，其特征在于：包括如下步骤：
S1
：获取主播的历史直播数据，分析影响历史直播数据的因素并归类，记为影响因素；
S2
：利用客观赋权法，输入
S1
中数据进行训练，输出直播的影响因素的权重；
S3
：建立运营模型，运营模型的输入包括直播需求集合
、
影响因素集合，输出直播推荐方案；
S4
：选择最符合预期投入的推荐方案执行；将执行后的直播实际数据归为历史直播数据；
S5
：重复
S1
‑
S2
步骤获取新的影响因素的权重；
S6
：执行步骤
S3
，运营模型输入新的影响因素集合，实现运营模型的优化
。2.
根据权利要求1所述的一种应用于视频直播的运营模型管理方法，其特征在于：所述
S1
数据获取方式为，和直播平台数据中台对接，通过接口获取和更新主播账号基本信息；主播账号基本信息包括主播的历史直播数据，主播的历史直播数据包括直播账号
、
观看总人数
、
营销额
、
粉丝增量；影响因素分为直播地点环境
、
直播时间点
、
直播时长
、
主播专业度
、
主播形象
。3.
根据权利要求2所述的一种应用于视频直播的运营模型管理方法，其特征在于：
S2
包括：
S2
‑1：将
S1
中数据分为多个样本和多项影响因素，形成原始数据矩阵：其中表示第
i
个样本第
j
项影响因素的数值；对上述影响因素的数值进行归一化的正向化...

【专利技术属性】
技术研发人员：童毅，沈敏，
申请(专利权)人：博拉网络股份有限公司，
类型：发明
国别省市：