CN104679969A - 防止用户流失的方法及装置 - Google Patents
防止用户流失的方法及装置 Download PDFInfo
- Publication number
- CN104679969A CN104679969A CN201310629398.0A CN201310629398A CN104679969A CN 104679969 A CN104679969 A CN 104679969A CN 201310629398 A CN201310629398 A CN 201310629398A CN 104679969 A CN104679969 A CN 104679969A
- Authority
- CN
- China
- Prior art keywords
- user
- user data
- targeted customer
- modeling users
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/81—Threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/865—Monitoring of software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种防止用户流失的方法及装置,属于网络技术应用领域。所述方法包括:收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户的基本属性信息、用户行为指标信息和用户活跃指标信息;根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。本发明通过确定目标应用程序下的目标用户的用户类型,进而对用户类型为濒临沉默用户推送提升活跃度的相关数据,与在用户出现流失特征后采取措施防止用户流失相比,本发明提供的方法效果更佳。
Description
技术领域
本发明涉及网络技术应用领域,特别涉及一种防止用户流失的方法及装置。
背景技术
随着网络技术的不断发展,应用程序的种类越来越多。如果应用平台上的产品对用户的吸引力减小,应用平台上的有些用户的活跃度将随之下降,致使应用平台上的用户量减小。由于用户量是衡量应用平台性能的重要指标之一,而防止应用平台上的用户流失的方法优劣将影响应用平台上的用户量,因此,如何防止用户流失,提高应用平台的用户量,成为了建设一个良好应用平台的关键。
现有技术为了防止用户流失,收集当前用户数据,根据收集到的当前用户数据建立用户模型,并根据建立的用户模型确定已经流失的用户特征,进而采取措施对具有与已经流失的用户特征相同的用户进行挽留,从而达到防止用户流失的目的。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
现有技术在防止用户流失时,由于在用户具有已经流失的用户特征后,才对用户进行挽留,因此,错过了防止用户流失的最佳时机,不能起到很好的防止用户流失的效果。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种防止用户流失的方法和装置。所述技术方案如下:
一方面,提供了一种防止用户流失的方法,所述方法包括:
收集目标应用程序下的至少一个目标用户对应的用户数据,所述用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
根据所述目标用户的用户数据确定所述目标用户的用户类型,所述用户类 型至少包括正常活跃用户、濒临沉默用户和沉默用户;
如果所述目标用户的用户类型为濒临沉默用户,则在所述目标应用程序下向所述目标用户推送用于提升活跃度的相关数据。
另一方面,提供了一种防止用户流失的装置,所述装置包括:
收集模块,用于收集目标应用程序下的至少一个目标用户对应的用户数据,所述用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
确定模块,用于根据所述目标用户的用户数据确定所述目标用户的用户类型,所述用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
推送模块,用于当所述目标用户的用户类型为濒临沉默用户时在所述目标应用程序下向所述目标用户推送用于提升活跃度的相关数据。
本发明实施例提供的技术方案带来的有益效果是:
通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止用户流失。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明实施例一提供的一种防止用户流失的方法流程图;
图2是本发明实施例二提供的一种防止用户流失的方法流程图;
图3是本发明实施例二提供的用户类型的示意图;
图4是本发明实施例三提供的一种防止用户流失的装置结构示意图;
图5是本发明实施例三提供的另一种防止用户流失的装置结构示意图;
图6是本发明实施例三提供的构建模块的结构示意图;
图7是本发明实施例四提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本实施例提供一种防止用户流失的方法,参见图1,本实施例提供的方法流程包括:
101:收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息。
102:根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户。
103:如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。
作为一种优选的实施例,根据目标用户的用户数据确定目标用户的用户类型之前,还包括:
预先构建不同用户数据对应的类型模型;
根据目标用户的用户数据确定目标用户的用户类型,包括:
根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型。
作为一种优选的实施例,预先构建不同用户数据对应的类型模型,包括:
从目标应用程序下选取预设数量的用户作为建模用户,并收集预设数量的建模用户的用户数据;
根据建模用户的用户数据将预设数量的建模用户进行分类,并确定每类建模用户的流失概率;
根据每类建模用户的流失概率确定每类建模用户的用户类型,并根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
作为一种优选的实施例,收集预设数量的建模用户的用户数据,包括:
收集预设数量的建模用户在考察期及预测期内的用户数据,考察期及预测期为不同的时间段;
确定每类建模用户的流失概率,包括:
根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户 数据的建模用户数量,确定每类建模用户的流失概率。
作为一种优选的实施例,根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型,包括:
将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用户类型。
本发明实施例提供的方法,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止用户流失。
实施例二
随着计算机网络技术的普及和发展,应用平台上的产品越来越多。随着应用平台上产品的增多,用户对应用平台上产品的选择也相应的增多。当应用平台上的某些产品对用户的吸引力减小时,应用平台上用户将出现流失的现象,致使应用平台上用户量减小。由于用户量是衡量应用平台性能的重要指标,为此,本发明实施例提供了一种防止用户流失的方法,现结合上述实施例一的内容,对本发明提供的防止用户流失的方法进行详细的解释说明。参见图2,本实施例提供的方法流程包括:
201:预先构建不同用户数据对应的类型模型。
针对该步骤,由于用户量是衡量应用平台性能的重要指标,为了提高应用平台上的用户量,有效地防止应用平台上的用户流失,在对应用平台上的用户数据进行研究时发现,应用平台上的流失用户具有相似的流失数据特征,应用平台上未流失的用户也具有相似的未流失数据特征。由于这些数据特征,对未来及时地发现具有流失迹象的用户,并采取防止这些用户流失的有效措施,具有重要的指导意义。因此,为了防止应用平台上的用户流失,提高应用平台上的用户量,本实施例提供的方法采取了根据这些数据特征构建不同用户数据对应的类型模型的方式,进而根据构建的不同用户数据对应的类型模型,在应用平台上的用户具有与构建的不同用户数据对应的类型模型中的流失用户相同的数据特征时,及时采取措施,防止这些用户流失。
其中,用户数据包括但不限于用户基本属性信息、用户行为指标信息和用户活跃指标信息等,本实施例不对用户数据的具体内容进行限定。
具体地,用户的属性信息包括但不限于年龄、性别等,用户行为指标信息包括但不限于历史行为指标信息、最近行为指标信息等,用户活跃指标信息包括但不限于连续活跃天数、活跃次数比例、活跃时长比例等,本实施例不对用户属性信息、用户行为指标信息和用户活跃指标信息作具体的限定。其中,历史行为指标可以是安装时间、安装天数、历史付款金额、付款渠道等,本实施例不对历史行为指标作具体的限定。最近行为指标可以是用户在最近7天、14天、30天活跃的天数,也可以是用户在最近7天、14天、30天不活跃的天数等,本实施例同样不对最近行为指标进行限定。
关于预先构建不同用户数据对应的类型模型,包括但不限于采用如下几步:
第一步,从目标应用程序下选取预设数量的用户作为建模用户,并收集预设数量的建模用户的用户数据;
针对第一步,目标应用程序可以是一款游戏应用程序,也可以是一种即时通讯应用程序,本实施例不对目标应用程序作具体的限定。预设数量为100万、200万、300万等,本实施例同样不对预设数量进行限定。关于从目标应用程序下选取预设数量的用户作为建模用户的选取方式,本实施例不作具体的限定,包括但不限于采用随机选取的方式从目标应用程序下选取预设数量的用户作为建模用户。
进一步地,关于收集预设数量的建模用户的用户数据的方式,包括但不限于采用如下方式:
收集预设数量的建模用户在考察期及预测期内的用户数据,考察期及预测期为不同的时间段。
其中,考察期可以为3个月、4个月,当然也可以为其他值,本实施例不对考察期作具体的限定。预测期为1个月、2个月等,本实施例同样不对预测期作具体的限定。为了使收集到的预设数量的建模用户的数据更有参考性,本实施例中选取的考察期比预测期要长,且将考察期和预测期选取为连续的不同的时间段。例如,若以预设数量为100万。在收集100万建模用户时,可将1至3月选取为考察期,将4月选取为预测期,也可将1至4月选取为考察期,将5月选取为预测期。
进一步地,由于收集到的预设数量的建模用户在考察期及预测期内的用户数据,为后续构建不同用户数据对应的类型模型的基础,因此,本实施例提供的方法在收集到预设数量的建模用户在考察期及预测期内的用户数据后,还执行将收集到的预设数量的建模用户在考察期及预测期内的用户数据进行存储的步骤。关于存储收集到的预设数量的建模用户在考察期和预测期内的用户数据的方式,本实施例不作具体的限定,包括但不限于将收集到的预设数量的建模用户在考察期及预测期内用户数据以表格、矩阵等形式存储到对应的存储介质中。
下面以目标应用程序为一款即时通讯应用程序为例,将收集到的预设数量的建模用户在考察期及预测期内的用户数据存储在表1中。
表1
用户即时通讯号 | 安装应用天数 | 年龄 | .... | 目标(预测期是否流失) |
123456 | 23 | 18 | 是 | |
234567 | 13 | 32 | 否 | |
.... | .... | .... | .... | .... |
456789 | 20 | 45 | .... | 否 |
第二步,根据建模用户的用户数据将预设数量的建模用户进行分类,并确定每类建模用户的流失概率;
针对第二步,由于建模用户的用户数据中包括用户属性信息、用户行为指标信息和用户活跃指标信息等,因此,在收集到预设数量的建模用户的用户数据后,可根据建模用户的用户数据将预设数量的建模用户进行分类。在具体执行时,包括但不限于如下两种方式:
第一种方式:根据建模用户的某一种用户数据,将预设数量的建模用户分类。例如,可根据用户属性信息中的年龄信息,将预设数量的建模用户分为成年和未成年两类;可根据用户行为指标信息中的安装天数,将预设数量的建模用户分成安装天数为7天的用户、安装天数为14天的用户、安装天数为30天等几类;根据用户活跃指标信息中的连续活跃天数,将预设数量的建模用户分成连续7天活跃用户、连续20天活跃天数、连续30天活跃天数等几类。
第二种方式:根据建模用户的所有用户数据,将预设数量的建模用户分成 一类。例如,可根据用户属性信息中的年龄、性别、用户行为指标信息中的安装天数等,将预设数量的建模用户分成具有年龄、性别、用户行为指标信息中的安装天数等的一类建模用户。
需要说明的是,由于根据建模用户的用户数据将预设数量的建模用户进行分类有两种分类方式,因此,后续在根据每类建模用户确定对应的类型模型时,确定的类型模型也有两种。具体地,一种是建模用户中的某一种用户数据对应的类型模型,还有一种是建模用户中所有用户数据对应的类型模型。
进一步地,根据建模用户的用户数据将预设数量的建模用户进行分类后,本实施例提供的方法还将根据建模用户所在的类别,确定该类别下建模用户的流失概率。由于不论在考察期还是在预测期,若建模用户未流失,则可以收集到该建模用户的用户数据,若建模用户已经流失,则无法收集到该建模用户的用户数据,且由于上述步骤中已经收集到了预设数量的建模用户在考察期及预测期内的用户数据,并将预设数量的建模用户进行了分类,因此,本步骤中包括但不限于根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
关于根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率的方式,包括但不限于通过如下方式实现:
首先,收集考察期结束时每类建模用户的用户数量;
其次,将预测期内收集到的每类建模用户的用户数量与考察期结束时收集到的每类建模用户的用户数量作比,得到一个比值,该比值即为每类建模用户的未流失概率;
再次,根据每类建模用户的未流失概率得到的每类建模用户的流失概率。由于每类建模用户的未流失概率与每类建模用户的流失概率之和为1,因此,根据每类建模用户的未流失概率可得到每类建模用户的流失概率。
对于上述过程,为了便于理解,下面将以预设数量的建模用户为100万为例,进行详细地解释说明。
例如,设定考察期为1至3月,预测期为4月。由于3月底为考察期结束,则如果3月底收集到的建模用户中未成年用户的用户数量为18万,成年用户的用户数量为76万,4月收集到建模用户中未成年用户的用户数量为12万,成年 用户的用户数量为60万,则将预测期内收集到的未成年用户的用户数量12万与考察期结束时收集到的未成年用户的用户数量18万作比,得到0.667,则未成年用户的流失概率为(1-0.667)*100%=0.333*100%=33.3%;将预测期内收集到的成年用户的用户数量60万与考察期结束时收集到的成年用户的用户数量76万作比,得到0.789,则成年用户的流失概率为(1-0.789)*100%=0.211*100%=21.1%。
第三步,根据每类建模用户的流失概率确定每类建模用户的用户类型,并根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
针对第三步,用户类型包括但不限于正常活跃用户、濒临沉默用户和沉默用户,本实施例不对用户类型作具体的限定。其中,正常活跃用户为最近30天活跃并且登录应用2天以上的用户,或者最近30天活跃且玩应用时间10分钟以上的用户;沉默用户为7天内没有活跃应用的用户;濒临沉默用户为有沉默或流失特征的用户。由于每类建模用户的流失概率可以反映出每类建模用户的流失情况,而根据每类建模用户的流失情况可以确定每类建模用户的用户类型,因此,可根据每类建模用户的流失概率确定每类建模用户的用户类型。
关于根据每类建模用户的流失概率确定每类建模用户的用户类型的方式,本实施例不作具体的限定,包括但不限于设定第一确定阈值和第二确定阈值,将流失概率低于第一确定阈值的用户确定为正常活跃用户,将流失概率高于第一确定阈值低于第二确定阈值的用户确定为濒临沉默用户,将流失概率高于第二确定阈值的用户确定为沉默用户,其中,第一确定阈值小于第二确定阈值。具体地,第一确定阈值可以是10%、20%、30%等,本实施例不对第一确定阈值进行限定;第二确定阈值可以是40%、50%、60%等,本实施例同样不对第二确定阈值进行限定。
具体地,根据每类建模用户的流失概率确定每类建模用户的用户类型时,包括但不限于如下两种情况:
情况一:相同流失概率的不同建模类型确定的建模用户的用户类型不同。具体地,当根据建模用户的用户数据中的年龄划分的成年用户,在流失概率为40%时确定的用户模型为濒临沉默用户,而根据用户行为指标信息中的安装天数划分的安装天数为30天的用户,在流失概率为40%时确定的用户模型为沉默用户。
情况二:相同流失概率的相同建模类型确定的用户类型不同。由于在确定每类建模用户的用户类型时,除了根据每类建模用户的流失概率确定外,还需参考其他数据,例如,可参考登录天数、活跃时长、活跃次数等,因此,在考虑到其他因素的情况下,相同流失概率的相同建模类型确定的用户类型可能是不同的。例如,当建模用户的用户类型为成年用户,流失概率为30%时,对于活跃时长超过3个小时的建模用户确定的用户类型为正常活跃用户,而对于活跃时长低于2个小时的建模用户确定的用户类型为濒临沉默用户。
进一步地,由于每种用户类型对应着确定的建模用户的用户数据,而根据这些确定的建模用户的用户数据可以得到确定的建模用户的用户数据对应的类型模型,因此,根据每种用户类型对应的建模用户的用户数据可得到对应的类型模型。
对于上述过程,为了便于理解,下面以图3为例,进行详细地解释说明。
图3为用户类型的示意图,其中带框的用户类型为濒临沉默用户。从图3可知用户类型为濒临沉默的用户对应的建模用户的用户数据为:成年用户、最近30天登录天数、总活跃次数、不活跃天数等,根据用户类型为濒临沉默的用户对应的建模用户的用户数据可得到对应的类型模型,即最近30天登录目标应用次数小于5次、不活跃天数大于3天、总活跃次数小于3次的成年用户为濒临沉默用户。
进一步地,为了保证预先构建的不同用户数据对应的类型模型的准确性,以便后续步骤中在根据预先构建的不同用户数据对应的类型模型,能准确地确定目标应用程序下目标用户的用户类型,并对用户类型为濒临沉默的用户及时采取措施进行挽留,本实施例提供的方法在预先构建不同用户对应的类型模型后,还将对预先构建的不同用户数据对应的类型模型进行验证。关于对预先构建的不同用户数据对应的类型模型进行验证的方法,本实施例不作具体的限定,包括但不限采用决策树分析方法。其中,决策树分析方法是指分析每个决策或事件(即自然状态)时,都引出两个或多个事件和不同的结果,并把这种决策或事件的分支画成图形,这种图形很像一棵树的枝干,故称决策树分析法。采用决策树分析方法相比传统的逻辑回归算法,根据有业务解释性,即得到的结果更准确。
在采用决策树分析方法对预先构建的不同用户数据对应的类型模型进行验 证时,预先选取包含一定数量用户的用户群,将用户群随机分成三部分,如可将用户群中40%的用户作为训练集,30%的用户作为验证集,30%的用户作为测试集。其中,训练集为本实施例中用来构建不同用户数据对应的类型模型的建模用户的用户数量。
具体地,在采用决策树分析方法对预先构建的不同用户数据对应的类型模型进行验证,以筛选100万用户,用户群的划分比例与上述比例相同为例,则训练集中的用户数量为40万,验证集中的用户数量为30万,测试集中的用户数量为30万。首先将包含40万用户数量的训练集中的用户作为建模用户,以预先构建不同用户数据对应的类型模型,然后将包含30万用户数量的验证集中的用户对应的用户数据对预先构建的不同用户数据对应的类型模型进行验证,通过验证集的验证,将训练集中准确的模型中的数据进行拟合,最后采用测试集对拟合后的预先构建的不同用户数据对应的类型模型进行测试。
需要说明的是,并不是在每次采用防止用户流失的方法时都执行步骤201,该步骤201可以在首次采用防止用户流失的方法时执行,之后再采用防止用户流失的方法时,可直接使用该步骤201预先构建的不同用户数据对应的类型模型即可。当然,在预先构建的不同用户数据对应的类型模型不再适用,需要重新构建的不同用户数据对应的类型模型时,可以再次执行该步骤201,本实施例不对执行步骤201的次数进行限定。
202:收集目标应用程序下的至少一个目标用户对应的用户数据。
针对该步骤,由于从目标应用程序下的目标用户对应的用户数据中可以获知目标应用程序下目标用户的用户量及目标用户的情况,而根据目标用户的用户量及用户情况可及时发现目标应用程序下目标用户的动态,以便于当目标应用程序下的用户有流失迹象时,及时地采取有效措施进行挽留。因此,为了防止目标用户流失,并及时采取有效的措施对有流失迹象的目标用户进行挽留,需要收集目标应用程序下的目标用户对应的用户数据。当然,为了使收集的用户数据具有参考性,本实施例中将收集至少一个目标用户对应的用户数据。
关于收集目标应用程序下的至少一个目标用户对应的用户数据的方式,本实施例不作具体的限定,由于目标应用程序下的目标用户的注册信息中包含着目标用户的属性信息,目标应用程序的登录记录中包含着目标用户的用户行为指标信息和用户活跃指标信息等,而用户数据中也包含着用户属性信息、用户 行为指标信息和用户活跃指标信息等,因此,包括但不限于收集目标应用程序下的至少一个目标用户的注册信息及目标应用程序的登录记录,并将收集到的目标应用程序下的至少一个目标用户的注册信息及目标应用程序的登录记录作为目标应用程序下的至少一个目标用户对应的用户数据。
需要说明的是,由于收集到的目标应用程序下的至少一个目标用户对应的用户数据,为确定目标应用程序下濒临流失用户的重要依据,因此,本实施例提供的方法在收集到目标应用程序下的至少一个目标用户对应的用户数据后,还执行将收集到的目标应用程序下的至少一个目标用户对应的用户数据进行存储的步骤。关于存储收集到的目标应用程序下的至少一个目标用户对应的用户数据的方式,本实施例不作具体的限定,包括但不限于将收集到的目标应用程序下的至少一个目标用户对应的用户数据以表格、矩阵等形式存储到存储介质中。
203:根据目标用户的用户数据确定目标用户的用户类型。
针对该步骤,关于根据目标用户的用户数据确定目标用户的用户类型的方式,包括但不限于:
根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型。
进一步地,根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型,包括但不限于:
将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用户类型。
具体地,在将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配时,匹配结果有两种,目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配,目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据不匹配。由于预先构建的类型模型所对应的建模用户的用户数据中包含着用户属性信息、用户行为指标信息和用户活跃指标信息等,而用户属性信息、用户行为指标信息和用户活跃指标信息中也包含着很多用户特征,因此,关于目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据是否匹配的判断标准,本实施例不作具体 的限定。具体地,可当目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中的用户特征完全相同时,判定目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配。当然,也可当目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中相同的用户特征超过预设比值时,判定目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配。其中,预设比值可以是50%、70%、90%等,本实施例不对预设比值进行限定。
对于上述过程,为了便于理解,下面将以一个具体的例子进行详细地解释说明。
以设定预先构建的类型模型为未成年用户模型为例。若预先构建的未成年用户模型所对应的建模用户的用户数据中包含的用户数据特征为:男性,年龄为10-15,最近活跃次数比例不到0.5并且最近30天登录天数较少用户,安装应用的天数为3个月,在将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配时,若目标用户的数据特征也为:男性,年龄为10-15,最近活跃次数比例不到0.5并且最近30天登录天数较少用户,安装应用的天数为3个月,由于目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中的用户特征完全相同,因此,判定目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配;若目标用户的数据特征为:男性,年龄为15-16,最近活跃次数比例不到0.5并且最近30天登录天数较少用户,安装应用的天数为2个月,由于目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中的用户数据特征不完全相同,目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中相同的用户特征有两个,目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中总特征有四个,目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中相同的用户特征占总特征的比值为50%,若设定当目标用户的用户数据与预先构建的类型模型中相同的用户特征超过40%时,判定目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配,由于目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据中相同的用户特征超过预设比值,因此,也判定目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据相匹配。
需要说明的是,由于预先构建的不同用户数对应的类型模型有两种,一种是建模用户中的每一种用户数据均对应一个类型模型,则该类型模型有多个,在将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配时,需要将目标用户的用户数据与所构建的多个类型模型所对应的建模用户的用户数据一一进行匹配。另一种是建模用户的所有用户数据对应一种类型模型,由于该类型模型为一个,因此,在将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配时,需将目标用户的用户数据与所构建的一个类型模型所对应的建模用户的用户数据进行匹配即可。
进一步地,在将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配后,可得到与目标用户的用户数据相匹配的建模用户的用户数据。由于预先在构建类型模型时,每种类型模型中包含着确定的用户数据,每种类型模型中包含的确定的用户数据对应着确定的用户类型,因此,在得到匹配的建模用户的用户数据后,可根据匹配的建模用户的用户数据确定对应的用户类型,进而将根据匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用类型。
对于上述过程,为了便于理解,下面将以一个具体的例子进行详细的解释说明。
例如,若将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配后,得到匹配的建模用户的用户数据为:成年人,年龄为30-40,总体活跃次数较少的用户、最近7天登录天数为1天。根据匹配的建模用户的用户数据确定对应的用户类型为濒临流失用户,则确定目标用户的用户类型也为濒临流失用户。
204:如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。
针对该步骤,由于目标用户的用户类型为濒临沉默用户,说明目标应用程序对目标用户的吸引力减小,目标用户的活跃度下降,目标用户极有可能会流失,为了有效地防止目标应用程序下的目标用户流失,提高目标应用程序下的目标用户数量,在确定目标应用程序下的目标用户的用户类型为濒临沉默用户后,本实施例提供的方法将在目标应用程序下向目标用户推送用于提升活跃度的相关数据。其中,用于提升活跃度的相关数据可以是广告、目标应用程序下 的道具、礼包等数据,本实施例不对用于提升活跃度的相关数据进行限定。
进一步地,为了提升目标应用程序下目标用户的活跃度,防止目标应用程序下用户类型为濒临沉默用户的目标用户流失,除了采用在目标应用程序下向目标用户推送用于提升活跃度的相关数据的方法外,还可采用向目标用户推送活动进行挽留的方法。
具体地,向目标用户推送活动进行挽留时,首先根据预先构建的不同用户数据对应的类型模型在目标应用程序下确定用户类型为濒临沉默用户的目标用户,进而将确定的用户类型为濒临沉默用户的目标用户的用户数据提供给开发商,开发商根据用户类型为濒临沉默用户的目标用户的用户数据,研发能够提升目标用户活跃度的活动,并将研发的能够提升目标用户活跃度的活动推送到应用平台,通过应用平台展示给目标用户。当目标用户登录应用平台,看到应用平台上开发商推送的活动后,在这些活动的吸引下,目标用户登录目标应用程序的次数增多、登录时长增长,因此,提高了目标用户在目标应用程序下的活跃度。
进一步地,当目标用户在目标应用程序下的活跃度提高以后,目标应用程序下原来用户类型为濒临沉默用户的一些目标用户转变为正常活跃用户,因此,通过向目标用户推送活动进行挽留,可以有效地防止目标应用程序下目标用户流失,达到提高了目标应用程序下目标用户的用户量的目的。此外,当开发商将能够提升目标应用程序的活动推送到应用平台后,一些未登录目标应用程序的用户在看到应用平台上的这些活动后,在应用平台上这些活动的吸引下,登录目标应用程序,同样能提高目标应用程序下目标用户的用户量。
优选地,为了使推送到应用平台上的活动在对目标用户进行挽留时,效果更佳、更有针对性,在向应用平台推送活动后,还将对推送到应用平台上的活动进行测评,并根据测评效果判断是否继续活动。关于对推送到应用平台上的活动进行测评的方法,包括但不限于采用如下方法:
首先,获取推送活动前后目标用户的用户数据;
其次,根据获取到的推送活动前后目标用户的用户数据进行效果测评;
再次,根据测评效果,判断是否达到预期目标,若达到预期目标,则活动继续进行,若未达到预期目标,则活动停止。
为了直观的展示向目标用户推送活动在防止用户流失方面起到的作用,下 面将以表2中两款游戏在活动前和活动后的对比数据为例进行说明。
表2
其中,回流率为流失用户中回流的用户与流失用户的比例。留存率为新增的用户中未流失的用户与新增用户的比例。通过回流率和留存率可以直观的展现用户的流失情况:回流率越高,流失的用户越少;留存率越高,流失的用户也越少。
从上述表2中可以看出,游戏一和游戏二在活动前后的回流率近似相等,说明两款游戏在活动前后回流的用户数量大致相同;然而游戏一和游戏二在活动后的留存率均明显高于活动前,说明活动后目标用户的流失率减小,因此,通过向目标用户推送活动对防止用户流失起到很好的作用。
本发明实施例提供的方法,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止了用户流失。
实施例三
参见图4,本发明实施例提供了一种防止用户流失的装置,该装置包括:
收集模块401,用于收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
确定模块402,用于根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
推送模块403,用于当目标用户的用户类型为濒临沉默用户时在目标应用程 序下向目标用户推送用于提升活跃度的相关数据。
作为一种优选的实施例,参见图5,该装置,还包括:
构建模块404,用于预先构建不同用户数据对应的类型模型;
确定模块402,用于根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型。
作为一种优选的实施例,参见图6,构建模块404,包括:
选取单元4041,用于从目标应用程序下选取预设数量的用户作为建模用户;
收集单元4042,用于收集预设数量的建模用户的用户数据;
分类单元4043,用于根据建模用户的用户数据将预设数量的建模用户进行分类;
第一确定单元4044,用于确定每类建模用户的流失概率;
第二确定单元4045,用于根据每类建模用户的流失概率确定每类建模用户的用户类型;
获取单元4046,用于根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
作为一种优选的实施例,收集单元4042,用于收集预设数量的建模用户在考察期及预测期内的用户数据,考察期及预测期为不同的时间段;
第一确定单元4044,用于根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
作为一种优选的实施例,确定模块402,用于将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用户类型。
综上,本发明实施例提供的装置,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止了用户流失。
实施例四
参见图7,其示出了本发明实施例所涉及的终端的结构示意图,该终端可以 用于实施上述实施例中提供的防止用户流失的方法。具体来讲:
终端700可以包括RF(Radio Frequency,射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(Wireless Fidelity,无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解,图7中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器180处理;另外,将涉及上行的数据发送给基站。通常,RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(Code Division Multiple Access,码分多址)、WCDMA(Wideband Code Division Multiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端700的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器120还可以包括存储器控制器,以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131,也称 为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端700的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的,触敏表面131可覆盖显示面板141,当触敏表面131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图7中,触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端700还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在终端700移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端700还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与终端700之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一终端,或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔,以提供外设耳机与终端700的通信。
WiFi属于短距离无线传输技术,终端700通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块170,但是可以理解的是,其并不属于终端700的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端700的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行终端700的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理核心;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
终端700还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理系统与处理器180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端700还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端700的显示单元是触摸屏显示器,终端700还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。所述一个或者一个以上程序包含用于执行以下操作的指令:
收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:根据目标用户的用户数据确定目标用户的用户类型之前,还包括:
预先构建不同用户数据对应的类型模型;
根据目标用户的用户数据确定目标用户的用户类型,包括:
根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型。
则在第一种可能的实施方式或第二种可能的实现方式作为基础而提供的第三种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:预先构建不同用户数据对应的类型模型,包括:
从目标应用程序下选取预设数量的用户作为建模用户,并收集预设数量的建模用户的用户数据;
根据建模用户的用户数据将预设数量的建模用户进行分类,并确定每类建模用户的流失概率;
根据每类建模用户的流失概率确定每类建模用户的用户类型,并根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
则在第一种至第三种可能的实现方式作为基础而提供的第四种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:收集预设数量的建模用户的用户数据,包括:
收集预设数量的建模用户在考察期及预测期内的用户数据,考察期及预测期为不同的时间段;
确定每类建模用户的流失概率,包括:
根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
则在第一种至第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:根据目标用户的 用户数据及预先构建的类型模型确定目标用户的用户类型,包括:
将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用户类型。
本发明实施例提供的终端,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止了用户流失。
实施例五
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质;也可以是单独存在,未装配入终端中的计算机可读存储介质。该计算机可读存储介质存储有一个或者一个以上程序,该一个或者一个以上程序被一个或者一个以上的处理器用来执行防止用户流失的方法,该方法包括:
收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:根据目标用户的用户数据确定目标用户的用户类型之前,还包括:
预先构建不同用户数据对应的类型模型;
根据目标用户的用户数据确定目标用户的用户类型,包括:
根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型。
则在第一种可能的实施方式或第二种可能的实现方式作为基础而提供的第三种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令: 预先构建不同用户数据对应的类型模型,包括:
从目标应用程序下选取预设数量的用户作为建模用户,并收集预设数量的建模用户的用户数据;
根据建模用户的用户数据将预设数量的建模用户进行分类,并确定每类建模用户的流失概率;
根据每类建模用户的流失概率确定每类建模用户的用户类型,并根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
则在第一种至第三种可能的实现方式作为基础而提供的第四种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:收集预设数量的建模用户的用户数据,包括:
收集预设数量的建模用户在考察期及预测期内的用户数据,考察期及预测期为不同的时间段;
确定每类建模用户的流失概率,包括:
根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
则在第一种至第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,终端的存储器中,还包含用于执行以下操作的指令:根据目标用户的用户数据及预先构建的类型模型确定目标用户的用户类型,包括:
将目标用户的用户数据与预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将匹配的建模用户的用户数据所对应的用户类型确定为目标用户的用户类型。
本发明实施例提供的计算机可读存储介质,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止了用户流失。
实施例六
本发明实施例中提供了一种图形用户接口,该图形用户接口用在防止用户流失的终端上,该执行操作的确认终端包括触摸屏显示器、存储器和用于执行一个或者一个以上的程序的一个或者一个以上的处理器;该图形用户接口包括:
收集目标应用程序下的至少一个目标用户对应的用户数据,用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
根据目标用户的用户数据确定目标用户的用户类型,用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
如果目标用户的用户类型为濒临沉默用户,则在目标应用程序下向目标用户推送用于提升活跃度的相关数据。
综上所述,本发明实施例提供的图形用户接口,通过收集目标应用程序下的目标用户的用户数据,进而根据目标用户的用户数据确定目标用户的用户类型为濒临沉默用户后,及时向濒临沉默的用户推送提升活跃度的相关数据,从而及时地对濒临沉默的用户采取挽留措施,有效地防止了用户流失。
需要说明的是:上述实施例提供的防止用户流失的装置在防止用户流失时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将防止用户流失的装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的防止用户流失的装置与防止用户流失的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种防止用户流失的方法,其特征在于,所述方法包括:
收集目标应用程序下的至少一个目标用户对应的用户数据,所述用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
根据所述目标用户的用户数据确定所述目标用户的用户类型,所述用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
如果所述目标用户的用户类型为濒临沉默用户,则在所述目标应用程序下向所述目标用户推送用于提升活跃度的相关数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的用户数据确定所述目标用户的用户类型之前,还包括:
预先构建不同用户数据对应的类型模型;
所述根据所述目标用户的用户数据确定所述目标用户的用户类型,包括:
根据所述目标用户的用户数据及所述预先构建的类型模型确定所述目标用户的用户类型。
3.根据权利要求2所述的方法,其特征在于,所述预先构建不同用户数据对应的类型模型,包括:
从所述目标应用程序下选取预设数量的用户作为建模用户,并收集所述预设数量的建模用户的用户数据;
根据所述建模用户的用户数据将所述预设数量的建模用户进行分类,并确定每类建模用户的流失概率;
根据每类建模用户的流失概率确定每类建模用户的用户类型,并根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
4.根据权利要求3所述的方法,其特征在于,所述收集所述预设数量的建模用户的用户数据,包括:
收集所述预设数量的建模用户在考察期及预测期内的用户数据,所述考察期及所述预测期为不同的时间段;
所述确定每类建模用户的流失概率,包括:
根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述目标用户的用户数据及所述预先构建的类型模型确定所述目标用户的用户类型,包括:
将所述目标用户的用户数据与所述预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将所述匹配的建模用户的用户数据所对应的用户类型确定为所述目标用户的用户类型。
6.一种防止用户流失的装置,其特征在于,所述装置包括:
收集模块,用于收集目标应用程序下的至少一个目标用户对应的用户数据,所述用户数据至少包括用户基本属性信息、用户行为指标信息和用户活跃指标信息;
确定模块,用于根据所述目标用户的用户数据确定所述目标用户的用户类型,所述用户类型至少包括正常活跃用户、濒临沉默用户和沉默用户;
推送模块,用于当所述目标用户的用户类型为濒临沉默用户时在所述目标应用程序下向所述目标用户推送用于提升活跃度的相关数据。
7.根据权利要求6所述的装置,其特征在于,所述装置,还包括:
构建模块,用于预先构建不同用户数据对应的类型模型;
所述确定模块,用于根据所述目标用户的用户数据及所述预先构建的类型模型确定所述目标用户的用户类型。
8.根据权利要求7所述的装置,其特征在于,所述构建模块,包括:
选取单元,用于从所述目标应用程序下选取预设数量的用户作为建模用户;
收集单元,用于收集所述预设数量的建模用户的用户数据;
分类单元,用于根据所述建模用户的用户数据将所述预设数量的建模用户进行分类;
第一确定单元,用于确定每类建模用户的流失概率;
第二确定单元,用于根据每类建模用户的流失概率确定每类建模用户的用户类型;
获取单元,用于根据每种用户类型对应的建模用户的用户数据得到对应的类型模型。
9.根据权利要求8所述的装置,其特征在于,所述收集单元,用于收集所述预设数量的建模用户在考察期及预测期内的用户数据,所述考察期及所述预测期为不同的时间段;
所述第一确定单元,用于根据考察期结束时收集到用户数据的建模用户数量与预测期内收集到用户数据的建模用户数量,确定每类建模用户的流失概率。
10.根据权利要求8或9所述的装置,其特征在于,所述确定模块,用于将所述目标用户的用户数据与所述预先构建的类型模型所对应的建模用户的用户数据进行匹配,得到匹配的建模用户的用户数据,并将所述匹配的建模用户的用户数据所对应的用户类型确定为所述目标用户的用户类型。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310629398.0A CN104679969B (zh) | 2013-11-29 | 2013-11-29 | 防止用户流失的方法及装置 |
PCT/CN2014/092411 WO2015078395A1 (en) | 2013-11-29 | 2014-11-28 | Devices and methods for preventing user churn |
US15/089,255 US20160217491A1 (en) | 2013-11-29 | 2016-04-01 | Devices and methods for preventing user churn |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310629398.0A CN104679969B (zh) | 2013-11-29 | 2013-11-29 | 防止用户流失的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104679969A true CN104679969A (zh) | 2015-06-03 |
CN104679969B CN104679969B (zh) | 2018-12-28 |
Family
ID=53198383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310629398.0A Active CN104679969B (zh) | 2013-11-29 | 2013-11-29 | 防止用户流失的方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20160217491A1 (zh) |
CN (1) | CN104679969B (zh) |
WO (1) | WO2015078395A1 (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005909A (zh) * | 2015-06-17 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 预测流失用户的方法及装置 |
CN105245577A (zh) * | 2015-09-11 | 2016-01-13 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置及系统 |
CN105631538A (zh) * | 2015-12-23 | 2016-06-01 | 北京奇虎科技有限公司 | 一种用户活跃度的预测方法、装置及其应用方法和系统 |
CN105872058A (zh) * | 2016-04-01 | 2016-08-17 | 太仓日森信息技术有限公司 | 一种移动终端直播信息的推送方法及其推送装置 |
CN106022856A (zh) * | 2016-05-05 | 2016-10-12 | 北京京东尚科信息技术有限公司 | 数据推送方法及装置 |
CN106204127A (zh) * | 2016-07-06 | 2016-12-07 | 乐视控股(北京)有限公司 | 针对应用的用户评价方法及装置 |
CN106529727A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种用户流失预测模型生成方法及相关装置 |
CN106600300A (zh) * | 2015-10-14 | 2017-04-26 | 北京国双科技有限公司 | 应用程序用户粘度的分析方法及装置 |
CN106920018A (zh) * | 2015-12-24 | 2017-07-04 | 滴滴(中国)科技有限公司 | 一种终端的运营策略选取方法及装置 |
CN107038604A (zh) * | 2017-03-30 | 2017-08-11 | 腾讯科技(深圳)有限公司 | 产品对象用户数的展示方法和装置 |
CN107092599A (zh) * | 2016-02-18 | 2017-08-25 | 阿里巴巴集团控股有限公司 | 一种用于为用户提供知识信息的方法与设备 |
CN107203551A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及装置 |
CN107507036A (zh) * | 2017-08-28 | 2017-12-22 | 深圳市诚壹科技有限公司 | 一种数据预测的方法及终端 |
CN107545452A (zh) * | 2016-06-27 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种资源投放方法和装置 |
CN107634850A (zh) * | 2017-08-10 | 2018-01-26 | 腾讯科技(深圳)有限公司 | 一种应用状态获取方法及其设备、存储介质、服务器 |
CN107797894A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技(深圳)有限公司 | App用户行为分析方法和装置 |
CN108306936A (zh) * | 2017-12-28 | 2018-07-20 | 深圳市创梦天地科技股份有限公司 | 用户指标统计方法及服务器 |
CN108320168A (zh) * | 2017-01-16 | 2018-07-24 | 北京金山云网络技术有限公司 | 一种数据分析方法及装置 |
CN108319595A (zh) * | 2017-01-16 | 2018-07-24 | 北京金山云网络技术有限公司 | 一种应用程序数据分析方法及装置 |
CN108369665A (zh) * | 2015-12-10 | 2018-08-03 | 爱维士软件有限责任公司 | (移动)应用程序使用流失的预测 |
CN108446907A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 安全校验方法及装置 |
CN108460611A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种信息处理方法、及其应用方法和相关设备 |
CN109274523A (zh) * | 2018-08-27 | 2019-01-25 | 安徽建工集团控股有限公司 | 一种活跃用户动态管理方法 |
CN109285028A (zh) * | 2018-08-22 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 业务数据处理方法及装置、存储介质和电子设备 |
CN109615451A (zh) * | 2018-10-26 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种信息推送、操作方法、装置、设备及介质 |
CN109756563A (zh) * | 2018-12-17 | 2019-05-14 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN109993560A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 数据处理方法、系统及计算机可读介质 |
CN110020133A (zh) * | 2017-11-07 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 内容推荐处理方法和装置、计算机设备和存储介质 |
CN110070392A (zh) * | 2019-04-17 | 2019-07-30 | 北大方正集团有限公司 | 用户流失预警方法和装置 |
CN110166498A (zh) * | 2018-02-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用户类别确定方法及装置、计算机设备及存储介质 |
CN110209746A (zh) * | 2019-05-31 | 2019-09-06 | 北京三快在线科技有限公司 | 一种数据仓库的数据处理方法及装置 |
CN110489175A (zh) * | 2019-08-23 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 服务处理方法、装置、服务器及存储介质 |
CN110619541A (zh) * | 2019-08-14 | 2019-12-27 | 平安科技(深圳)有限公司 | 应用程序管理方法、装置、计算机设备及存储介质 |
CN111222566A (zh) * | 2020-01-02 | 2020-06-02 | 平安科技(深圳)有限公司 | 用户属性识别方法、装置及存储介质 |
CN111833086A (zh) * | 2019-04-22 | 2020-10-27 | 百度在线网络技术(北京)有限公司 | 账户分类模型训练方法及装置和账户分类方法及装置 |
CN112148987A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 基于目标对象活跃度的消息推送方法及相关设备 |
CN112288460A (zh) * | 2020-09-25 | 2021-01-29 | 北京沃东天骏信息技术有限公司 | 提示用户登录平台的方法、装置、设备及存储介质 |
CN112365290A (zh) * | 2020-11-26 | 2021-02-12 | 上海触乐信息科技有限公司 | 提高应用的用户留存率的方法、装置、存储介质和服务器 |
CN117893256A (zh) * | 2024-03-14 | 2024-04-16 | 浙江卡赢信息科技有限公司 | 一种基于大数据的app用户智能管理系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227660B (zh) * | 2015-09-30 | 2019-02-12 | 小米科技有限责任公司 | 一种提醒方法及装置 |
US20180061259A1 (en) * | 2016-08-31 | 2018-03-01 | Linkedln Corporation | Correlating members with clusters of online course content |
CN107944897A (zh) * | 2016-10-13 | 2018-04-20 | 阿里巴巴集团控股有限公司 | 数据标签分发系统、方法、服务器和客户端 |
CN111465954B (zh) | 2017-09-29 | 2024-05-28 | 爱维士软件有限责任公司 | 防止流失和提供优先的见解的智能推荐引擎 |
CN110263326B (zh) * | 2019-05-21 | 2022-05-03 | 平安科技(深圳)有限公司 | 一种用户行为预测方法、预测装置、存储介质及终端设备 |
CN113077276A (zh) * | 2020-01-06 | 2021-07-06 | 阿里巴巴集团控股有限公司 | 行为数据的处理方法和系统、存储介质及处理器 |
CN113641912B (zh) * | 2021-08-20 | 2024-02-09 | 北京得间科技有限公司 | 信息推送方法、计算设备及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020046096A1 (en) * | 2000-03-13 | 2002-04-18 | Kannan Srinivasan | Method and apparatus for internet customer retention |
US20070156673A1 (en) * | 2005-12-30 | 2007-07-05 | Accenture S.P.A. | Churn prediction and management system |
US20100125657A1 (en) * | 2008-11-14 | 2010-05-20 | Interpret, Llc | System for Collecting Computer Application Usage Data from a Plurality of Client Devices |
US7813951B2 (en) * | 2002-06-04 | 2010-10-12 | Sap Ag | Managing customer loss using a graphical user interface |
CN103036763A (zh) * | 2011-09-30 | 2013-04-10 | 腾讯数码(天津)有限公司 | Sns社区中拉动沉淀用户的方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478450B (zh) * | 2009-02-12 | 2011-09-28 | 阿里巴巴集团控股有限公司 | 一种网络用户活跃度的监控方法和服务器 |
US20120215597A1 (en) * | 2011-02-17 | 2012-08-23 | Bank Of America Corporation | System for analyzing social media behavioral influence |
CN102890628B (zh) * | 2011-07-20 | 2015-09-30 | 中国电信股份有限公司 | 目标对象的显示方法和装置 |
-
2013
- 2013-11-29 CN CN201310629398.0A patent/CN104679969B/zh active Active
-
2014
- 2014-11-28 WO PCT/CN2014/092411 patent/WO2015078395A1/en active Application Filing
-
2016
- 2016-04-01 US US15/089,255 patent/US20160217491A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020046096A1 (en) * | 2000-03-13 | 2002-04-18 | Kannan Srinivasan | Method and apparatus for internet customer retention |
US7813951B2 (en) * | 2002-06-04 | 2010-10-12 | Sap Ag | Managing customer loss using a graphical user interface |
US20070156673A1 (en) * | 2005-12-30 | 2007-07-05 | Accenture S.P.A. | Churn prediction and management system |
US20100125657A1 (en) * | 2008-11-14 | 2010-05-20 | Interpret, Llc | System for Collecting Computer Application Usage Data from a Plurality of Client Devices |
CN103036763A (zh) * | 2011-09-30 | 2013-04-10 | 腾讯数码(天津)有限公司 | Sns社区中拉动沉淀用户的方法及系统 |
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005909A (zh) * | 2015-06-17 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 预测流失用户的方法及装置 |
CN105245577A (zh) * | 2015-09-11 | 2016-01-13 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置及系统 |
CN105245577B (zh) * | 2015-09-11 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置及系统 |
US10505887B2 (en) | 2015-09-11 | 2019-12-10 | Tecent Technology (Shenzhen) Company Limited | Information pushing method, apparatus, and system |
WO2017041625A1 (zh) * | 2015-09-11 | 2017-03-16 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置及系统 |
CN106600300A (zh) * | 2015-10-14 | 2017-04-26 | 北京国双科技有限公司 | 应用程序用户粘度的分析方法及装置 |
CN108369665A (zh) * | 2015-12-10 | 2018-08-03 | 爱维士软件有限责任公司 | (移动)应用程序使用流失的预测 |
CN108369665B (zh) * | 2015-12-10 | 2022-05-27 | 爱维士软件有限责任公司 | (移动)应用程序使用流失的预测 |
CN105631538A (zh) * | 2015-12-23 | 2016-06-01 | 北京奇虎科技有限公司 | 一种用户活跃度的预测方法、装置及其应用方法和系统 |
CN106920018B (zh) * | 2015-12-24 | 2021-04-02 | 北京嘀嘀无限科技发展有限公司 | 一种终端的运营策略选取方法及装置 |
CN106920018A (zh) * | 2015-12-24 | 2017-07-04 | 滴滴(中国)科技有限公司 | 一种终端的运营策略选取方法及装置 |
CN107092599A (zh) * | 2016-02-18 | 2017-08-25 | 阿里巴巴集团控股有限公司 | 一种用于为用户提供知识信息的方法与设备 |
CN107203551A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及装置 |
CN107203551B (zh) * | 2016-03-17 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及装置 |
CN105872058B (zh) * | 2016-04-01 | 2019-03-19 | 贵州创鑫旅程网络技术有限公司 | 一种移动终端直播信息的推送方法及其推送装置 |
CN105872058A (zh) * | 2016-04-01 | 2016-08-17 | 太仓日森信息技术有限公司 | 一种移动终端直播信息的推送方法及其推送装置 |
CN106022856A (zh) * | 2016-05-05 | 2016-10-12 | 北京京东尚科信息技术有限公司 | 数据推送方法及装置 |
CN107545452A (zh) * | 2016-06-27 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种资源投放方法和装置 |
CN106204127A (zh) * | 2016-07-06 | 2016-12-07 | 乐视控股(北京)有限公司 | 针对应用的用户评价方法及装置 |
CN106529727A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种用户流失预测模型生成方法及相关装置 |
CN106529727B (zh) * | 2016-11-18 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 一种用户流失预测模型生成方法及相关装置 |
CN108319595A (zh) * | 2017-01-16 | 2018-07-24 | 北京金山云网络技术有限公司 | 一种应用程序数据分析方法及装置 |
CN108320168A (zh) * | 2017-01-16 | 2018-07-24 | 北京金山云网络技术有限公司 | 一种数据分析方法及装置 |
CN108320168B (zh) * | 2017-01-16 | 2021-05-07 | 北京金山云网络技术有限公司 | 一种数据分析方法及装置 |
CN108446907A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 安全校验方法及装置 |
CN108446907B (zh) * | 2017-02-16 | 2021-06-18 | 创新先进技术有限公司 | 安全校验方法及装置 |
CN107797894B (zh) * | 2017-02-17 | 2021-04-13 | 平安科技(深圳)有限公司 | App用户行为分析方法和装置 |
CN107797894A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技(深圳)有限公司 | App用户行为分析方法和装置 |
CN108460611A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种信息处理方法、及其应用方法和相关设备 |
CN107038604A (zh) * | 2017-03-30 | 2017-08-11 | 腾讯科技(深圳)有限公司 | 产品对象用户数的展示方法和装置 |
CN107634850A (zh) * | 2017-08-10 | 2018-01-26 | 腾讯科技(深圳)有限公司 | 一种应用状态获取方法及其设备、存储介质、服务器 |
CN107507036A (zh) * | 2017-08-28 | 2017-12-22 | 深圳市诚壹科技有限公司 | 一种数据预测的方法及终端 |
CN110020133A (zh) * | 2017-11-07 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 内容推荐处理方法和装置、计算机设备和存储介质 |
CN108306936A (zh) * | 2017-12-28 | 2018-07-20 | 深圳市创梦天地科技股份有限公司 | 用户指标统计方法及服务器 |
CN109993560A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 数据处理方法、系统及计算机可读介质 |
CN110166498A (zh) * | 2018-02-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用户类别确定方法及装置、计算机设备及存储介质 |
CN110166498B (zh) * | 2018-02-11 | 2021-09-28 | 腾讯科技(深圳)有限公司 | 用户类别确定方法及装置、计算机设备及存储介质 |
CN109285028B (zh) * | 2018-08-22 | 2023-07-14 | 中国平安人寿保险股份有限公司 | 业务数据处理方法及装置、存储介质和电子设备 |
CN109285028A (zh) * | 2018-08-22 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 业务数据处理方法及装置、存储介质和电子设备 |
CN109274523A (zh) * | 2018-08-27 | 2019-01-25 | 安徽建工集团控股有限公司 | 一种活跃用户动态管理方法 |
CN109615451A (zh) * | 2018-10-26 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种信息推送、操作方法、装置、设备及介质 |
CN109756563A (zh) * | 2018-12-17 | 2019-05-14 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN109756563B (zh) * | 2018-12-17 | 2022-09-30 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN110070392B (zh) * | 2019-04-17 | 2022-02-22 | 北大方正集团有限公司 | 用户流失预警方法和装置 |
CN110070392A (zh) * | 2019-04-17 | 2019-07-30 | 北大方正集团有限公司 | 用户流失预警方法和装置 |
CN111833086A (zh) * | 2019-04-22 | 2020-10-27 | 百度在线网络技术(北京)有限公司 | 账户分类模型训练方法及装置和账户分类方法及装置 |
CN111833086B (zh) * | 2019-04-22 | 2024-04-23 | 百度在线网络技术(北京)有限公司 | 账户分类模型训练方法及装置和账户分类方法及装置 |
CN110209746B (zh) * | 2019-05-31 | 2020-10-02 | 北京三快在线科技有限公司 | 一种数据仓库的数据处理方法及装置 |
CN110209746A (zh) * | 2019-05-31 | 2019-09-06 | 北京三快在线科技有限公司 | 一种数据仓库的数据处理方法及装置 |
CN110619541B (zh) * | 2019-08-14 | 2024-04-23 | 平安科技(深圳)有限公司 | 应用程序管理方法、装置、计算机设备及存储介质 |
CN110619541A (zh) * | 2019-08-14 | 2019-12-27 | 平安科技(深圳)有限公司 | 应用程序管理方法、装置、计算机设备及存储介质 |
CN110489175A (zh) * | 2019-08-23 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 服务处理方法、装置、服务器及存储介质 |
CN111222566A (zh) * | 2020-01-02 | 2020-06-02 | 平安科技(深圳)有限公司 | 用户属性识别方法、装置及存储介质 |
CN111222566B (zh) * | 2020-01-02 | 2020-09-01 | 平安科技(深圳)有限公司 | 用户属性识别方法、装置及存储介质 |
CN112288460A (zh) * | 2020-09-25 | 2021-01-29 | 北京沃东天骏信息技术有限公司 | 提示用户登录平台的方法、装置、设备及存储介质 |
CN112148987A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 基于目标对象活跃度的消息推送方法及相关设备 |
CN112365290A (zh) * | 2020-11-26 | 2021-02-12 | 上海触乐信息科技有限公司 | 提高应用的用户留存率的方法、装置、存储介质和服务器 |
CN117893256A (zh) * | 2024-03-14 | 2024-04-16 | 浙江卡赢信息科技有限公司 | 一种基于大数据的app用户智能管理系统 |
CN117893256B (zh) * | 2024-03-14 | 2024-05-31 | 浙江卡赢信息科技有限公司 | 一种基于大数据的app用户智能管理系统 |
Also Published As
Publication number | Publication date |
---|---|
US20160217491A1 (en) | 2016-07-28 |
WO2015078395A1 (en) | 2015-06-04 |
CN104679969B (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104679969A (zh) | 防止用户流失的方法及装置 | |
CN103327102B (zh) | 一种推荐应用程序的方法和装置 | |
CN103500002B (zh) | 应用程序管理的方法、装置及终端设备 | |
CN105005909A (zh) | 预测流失用户的方法及装置 | |
CN106453511B (zh) | 一种数据备份方法及设备 | |
CN104252341B (zh) | 应用程序的换肤方法、装置及应用程序的客户端设备 | |
CN104618222A (zh) | 一种匹配表情图像的方法及装置 | |
CN104834529A (zh) | 一种应用的性能优化的方法及装置 | |
CN104967896A (zh) | 一种显示弹幕评论信息的方法和装置 | |
CN104954402A (zh) | 一种应用推荐方法、系统及装置 | |
CN104850434A (zh) | 多媒体资源下载方法及装置 | |
US20170109756A1 (en) | User Unsubscription Prediction Method and Apparatus | |
CN106786962A (zh) | 充电控制方法、装置及终端 | |
CN104951432A (zh) | 一种对信息进行处理的方法及装置 | |
CN103455330A (zh) | 应用程序管理方法、终端、设备及系统 | |
CN106358225B (zh) | 一种网络数据的处理方法、装置及移动终端 | |
CN106293308A (zh) | 一种屏幕解锁方法及装置 | |
CN106775828A (zh) | 应用程序安装方法及装置、计算机设备 | |
CN106020844A (zh) | 处理器中内核运行配置的确定方法以及装置 | |
CN104618223A (zh) | 一种信息推荐的管理方法、装置和系统 | |
CN105335653A (zh) | 一种异常数据检测方法及装置 | |
CN104519262A (zh) | 获取视频数据的方法、装置及终端 | |
CN104424211A (zh) | 一种基于微博的业务数据的发布方法、装置和系统 | |
CN104077211A (zh) | 一种移动终端软件的测试方法及测试系统 | |
CN106294168A (zh) | 一种进行应用程序测试的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190805 Address after: Shenzhen Futian District City, Guangdong province 518000 Zhenxing Road, SEG Science Park 2 East Room 403 Co-patentee after: Tencent cloud computing (Beijing) limited liability company Patentee after: Tencent Technology (Shenzhen) Co., Ltd. Address before: Shenzhen Futian District City, Guangdong province 518000 Zhenxing Road, SEG Science Park 2 East Room 403 Patentee before: Tencent Technology (Shenzhen) Co., Ltd. |