【技术实现步骤摘要】
本申请涉及计算机，特别是涉及用户生命周期价值检测方法、装置、系统和电子装置。
技术介绍
1、随着互联网新用户的获取成本增高，越来越多的企业将推广营销的重心从获取新用户转移到存量用户运营；为了达到效益最大化，需要精准地预测用户生命周期价值。在相关技术中，通常基于曲线拟合来预测用户生命周期价值预测，即通过拟合用户生命周期价值随时间的变化函数，进而预测用户生命周期价值。然而上述方法计算比较复杂，每次统计各渠道用户生命周期价值(life time value，简称为ltv)需要比较长的时间周期，计算效率低下，导致对用户生命周期价值检测的效率较低。
2、目前针对相关技术中用户生命周期价值检测的效率低的问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种用户生命周期价值检测方法、装置、系统和电子装置，以至少解决相关技术中用户生命周期价值检测的效率低的问题。
2、第一方面，本申请实施例提供了一种用户生命周期价值检测方法，所述方法包括：
3、获取待检测用户，以及所述待检测用户对应的用户特征数据；
4、将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理，并预测得到所述用户特征数据相关联的目标风险预测信息，根据所述目标风险预测信息输出生存时长结果；
5、根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果；
6、根据所述生存时长结果和所述用户价值结果，计算得到针对所述待
7、在其中一些实施例中，所述将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理之前，所述方法还包括：
8、获取训练样本数据；
9、将所述训练样本数据输入至初始预测模型，并利用所述初始预测模型，根据比例回归约束条件对所述训练样本数据进行计算以输出训练风险预测信息；
10、根据所述训练风险预测信息对所述初始预测模型进行迭代调参处理，并生成所述生命周期预测模型。
11、在其中一些实施例中，所述获取训练样本数据包括：
12、获取历史个人用户数据，对所述历史个人用户数据进行特征提取得到历史个人用户特征，并对所述历史个人用户特征进行筛选处理，得到待训练个人用户特征；
13、获取历史企业用户数据，并根据所述历史企业用户数据计算得到存活用户数量和流失用户数量；
14、根据所述待训练个人用户特征、所述存活用户数量和流失用户数量计算得到信息价值结果，根据所述信息价值结果确定所述待训练个人用户特征中的待训练目标特征，并根据所述待训练目标特征获取所述训练样本数据。
15、在其中一些实施例中，所述方法还包括：
16、利用所述初始预测模块，根据所述比例回归约束条件对所述训练样本数据进行计算以输出训练风险预测信息，以及与所述训练样本数据相关联的第一权重系数；
17、根据所述第一权重系数生成可视化权重结果，并获取所述可视化权重结果对应的调参信息；
18、根据所述训练风险预测信息和所述调参信息对所述初始预测模型进行迭代调参处理，并生成所述生命周期预测模型。
19、在其中一些实施例中，所述根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果包括：
20、根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，以提取得到所述用户特征数据中的周期交易特征数据和周期互动特征数据；
21、根据所述周期交易特征数据，以及与所述周期交易特征数据相关联的第二权重系数加权计算得到用户直接价值，并根据所述周期互动特征数据，以及与所述周期互动特征数据相关联的第三权重系数加权计算得到用户间接价值；
22、根据所述用户直接价值和所述用户间接价值计算得到所述用户价值结果。
23、在其中一些实施例中，所述用户价值结果包括用户直接价值和用户间接价值；所述根据所述生存时长结果和所述用户价值结果，计算得到针对所述待检测用户的生命周期价值检测结果包括：
24、根据所述用户直接价值和所述用户间接价值计算得到均值价值结果，并根据所述生存时长结果和所述均值价值结果之间的关联关系，计算得到所述生命周期价值检测结果。
25、在其中一些实施例中，其特征在于，所述计算得到针对所述待检测用户的生命周期价值检测结果之后，所述方法还包括：
26、获取预设生命周期价值范围，确定出所述预设生命周期价值范围中与所述生命周期价值检测结果相匹配的实际周期价值范围；
27、基于所述预设生命周期价值范围和预设用户等级信息之间的映射关系，根据所述实际周期价值范围确定所述预设用户等级信息中的目标用户等级信息，并根据所述目标用户等级信息生成与所述待检测用户相对应的目标用户推广结果。
28、第二方面，本申请实施例提供了一种用户生命周期价值检测装置，所述装置包括：获取模块、预测模块、价值提取模块和检测模块；
29、所述获取模块，用于获取待检测用户，以及所述待检测用户对应的用户特征数据；
30、所述预测模块，用于将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理，并预测得到所述用户特征数据相关联的风险预测信息，根据所述风险预测信息输出生存时长结果；
31、所述价值提取模块，用于根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果；
32、所述检测模块，用于根据所述生存时长结果和所述用户价值结果，计算得到针对所述待检测用户的生命周期价值检测结果。
33、第三方面，本申请实施例提供了一种用户生命周期价值检测装置，所述装置包括：获取模块、预测模块、价值提取模块和检测模块；
34、所述获取模块，用于获取待检测用户，以及所述待检测用户对应的用户特征数据；
35、所述预测模块，用于将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理，并预测得到所述用户特征数据相关联的风险预测信息，根据所述风险预测信息输出生存时长结果；
36、所述价值提取模块，用于根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果；
37、所述检测模块，用于根据所述生存时长结果和所述用户价值结果，计算得到针对所述待检测用户的生命周期价值检测结果。
38、第四方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的用户生命周期价值检测方法。
39、相比于相关技术，本申请实施例提供的用户生命周期价值检测方法、装置、系统和电子装置，通过获取待检测用户，以及该待检测用户对应的用户特征数据；将该用户特征数据输入至训练完备的生命周期预测模型进行预本文档来自技高网...
【技术保护点】
1.一种用户生命周期价值检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理之前，所述方法还包括：
3.根据权利要求2所述的用户生命周期价值检测方法，其特征在于，所述获取训练样本数据包括：
4.根据权利要求2所述的用户生命周期价值检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果包括：
6.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述用户价值结果包括用户直接价值和用户间接价值；所述根据所述生存时长结果和所述用户价值结果，计算得到针对所述待检测用户的生命周期价值检测结果包括：
7.根据权利要求1至6任一项所述的用户生命周期价值检测方法，其特征在于，所述计算得到针对所述待检测用户的生命周期价值检测结果之后，所述方法还包括：
8.一种用户
9.一种用户生命周期价值检测系统，其特征在于，所述系统包括：终端设备和服务器设备；
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的用户生命周期价值检测方法。
...【技术特征摘要】
1.一种用户生命周期价值检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述将所述用户特征数据输入至训练完备的生命周期预测模型进行预测处理之前，所述方法还包括：
3.根据权利要求2所述的用户生命周期价值检测方法，其特征在于，所述获取训练样本数据包括：
4.根据权利要求2所述的用户生命周期价值检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述根据所述生存时长结果对所述用户特征数据进行价值特征提取处理，并计算得到用户价值结果包括：
6.根据权利要求1所述的用户生命周期价值检测方法，其特征在于，所述用户价值结果包括用户直...
【专利技术属性】
技术研发人员：刘纪稳，马一凡，
申请(专利权)人：杭州有赞科技有限公司，
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。