CN106056400A - 预测新增用户数的方法、装置及系统 - Google Patents
预测新增用户数的方法、装置及系统 Download PDFInfo
- Publication number
- CN106056400A CN106056400A CN201610340467.XA CN201610340467A CN106056400A CN 106056400 A CN106056400 A CN 106056400A CN 201610340467 A CN201610340467 A CN 201610340467A CN 106056400 A CN106056400 A CN 106056400A
- Authority
- CN
- China
- Prior art keywords
- preset time
- users
- event
- newly added
- newly
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的预测新增用户数的方法、装置和系统,所述方法包括:建立第一预设时间内发生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;根据所述关系模型预测第二预设时间内的新增用户数;其中,所述第一预设时间先于所述第二预设时间。本发明的技术方案根据第一预设时间内发生的主观事件和客观事件来建立关系模型,也就是说根据在前发生的主观事件和客观事件,来预测在主观事件和客观事件影响下的新增用户数,从而能够更为准确地预测新增用户数,为网站运营商所做的经营策略提供准确的依据。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种预测新增用户数的方法、装置和系统。
背景技术
近年来,随着计算机和存储技术的发展以及数据可用性和质量的显著提高,基于事实和数据驱动的预测管理模式得到了广泛的应用,企业希望更快速、更紧密地结合客户信息、市场信息、历史数据和内部运作能力而制定决定的需求不断增长。在预测技术和计算机技术的支撑下,通过改善营销智能,帮助企业揭示消息者行为模式、测量营销投资策略的效果、优化财务绩效水平已经成为可能。尽管企业不断利用丰富的信息和手段提高客户的服务水平和降低供应成本,但提升预测准确性仍将是从源头上平衡需求与供应、改善企业经营状况的重要途径。
对于电商或网站运营商等网站,常常需要根据网站用户数,来预测网站的运营情况,制定相应的营销策略,以达到预期的经济收益,因此网站用户数是衡量及预测该电商或网站运营商等网站的重要指标。虽然我国企业信息化建设已经进入了高速发展阶段,但目前整个信息化视角还仅仅关注于供应链的优化,而将驱动供应链的源头,新增用户数预测仍依据从业人员的经验。可见,现有技术中并没有提供一种准确度较高并且操作相对简单的对新增用户数预测方法。
发明内容
本发明提供了一种预测新增用户数的方法、装置和系统,以提供一种能够准确的对网站新增用户数进行预测,以使网站运营商能够根据所预测的新增用户数实时调整经营策略。
本发明提供一种预测新增用户数的方法,包括:建立第一预设时间内发 生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;
根据所述关系模型预测第二预设时间内的新增用户数;
其中,所述第一预设时间先于所述第二预设时间。
优选地,建立第一预设时间内发生的事件与新增用户数的关系模型,具体包括:
获取第一预设时间内发生的所述客观事件和在所述客观事件影响下的新增用户数;
获取第一预设时间内发生的所述主观事件和在所述主观事件影响下的新增用户数;
建立第一预设时间内的所述客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,所述关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为所述关系模型的参数,m为第一预设时间内所述客观事件发生的次数,n为第一预设时间内所述主观事件发生的次数,i为正整数,Xm为所述第一预设时间内在客观事件影响下的新增用户数量,Xn为所述第一预设时间内在主观事件影响下的新增用户数量,Yi为所述所预测的第二预设时间内的新增用户数。
优选地,根据所述关系模型预测第二预设时间内的新增用户数,具体包括:
利用最小二乘法计算所述关系模型的参数;
根据所述关系模型以及所述关系模型的参数计算出所述第二预设时间内的新增用户数。
优选地,根据所述关系模型预测第二预设时间内的新增用户数后,所述方法还包括:
根据所述第二预设时间内的所预测的新增用户数与第二预设时间内的实际新增用户数,调整所述第一预设时间内发生的事件与新增用户数的关系模型的参数。
基于同一发明构思,本发明还提供一种预测新增用户数的装置,包括:
建模模块,用于建立第一预设时间内发生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;
预测模块,用于根据所述关系模型预测第二预设时间内的新增用户数;
其中,所述第一预设时间先于所述第二预设时间。
优选地,所述建模模块具体包括:
第一获取子模块,用于获取第一预设时间内发生的所述客观事件和在所述客观事件影响下的新增用户数;
第二获取子模块,用于获取第一预设时间内发生的所述主观事件和在所述主观事件影响下的新增用户数;
建模子模块,用于建立第一预设时间内的所述客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,所述关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为所述关系模型的参数,m为第一预设时间内所述客观事件发生的次数,n为第一预设时间内所述主观事件发生的次数,i为正整数,Xm为所述第一预设时间内在客观事件影响下的新增用户数量,Xn为所述第一预设时间内在主观事件影响下的新增用户数量,Yi为所述所预测的第二预设时间内的新增用户数。
优选地,所述预测模块具体包括:
第一计算子模块,用于利用最小二乘法计算所述关系模型的参数;
第二计算子模块,用于根据所述关系模型以及所述关系模型的参数计算出所述第二预设时间内的新增用户数。
优选地,所述装置还包括:
修正模块,用于根据所述关系模型预测第二预设时间内的新增用户数之后,根据所述第二预设时间内的所预测的新增用户数与所述第二预设时间内的实际新增用户数,调整第一预设时间内发生的事件与新增用户数的关系模型的参数。
基于同一发明构思,本发明还提供一种预测新增用户数的系统,包括如上所述的装置,以实现如上所述的方法。
本发明的预测新增用户数的方法和装置,所述方法包括:建立第一预设时间内发生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;根据所述关系模型预测第二预设时间内的新增用户数;其中,所述第一预设时间先于所述第二预设时间。本发明的技术方案根据第一预设时 间内发生的主观事件和客观事件来建立关系模型,也就是说根据在前发生的主观事件和客观事件,来预测在在主观事件和客观事件影响下的新增用户数,从而能够更为准确地预测新增用户数,为网站运营商所做的经营策略提供准确的依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的预测新增用户数的方法的实施例一的流程图;
图2为本发明的预测新增用户数的方法的实施例二的流程图;
图3为本发明的预测新增用户数的方法的实施例三的流程图;
图4为本发明的预测新增用户数的装置的实施例一的示意图;
图5为本发明的预测新增用户数的装置的实施例二的示意图;
图6为本发明的预测新增用户数的装置的实施例三的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着信息化技术的发展,信息更新迭代的时间越来越短,要想在行业中处于不败之地,必须有把握市场方向的能力。对于电商或网站运营商等互联网站,这种网站不同于生产企业,其主要面向的是网站用户,因此需要根据该网站的新增用户数,并将用户分群归类,以对不同类别的用户制定相应的营销策略,也就是说需要网站的新增用户数,才能制定出合理的营销策略。现有技术中对网站新增用户数主要依赖于从业人员的经验,而这些经验往往仅注重于客观事件,忽略了主观事件,因此准确性不高。为此,本发明提供 一种基于主观事件和客观事件的预测网站新增用户数的方法、装置及系统。
实施例一
图1为本发明的预测新增用户数的方法的实施例一的流程图,如图1所示,本实施例的预测新增用户数的方法,具体可以包括如下步骤:
S101,建立第一预设时间内发生的事件与新增用户数的关系模型;其中事件包括主观事件与客观事件。
具体地,本实施例以第一预设时间内的客观事件与新增用户的关系,以及第一预设时间内的主观事件与新增用户的关系为因子来建立关系模型。本实施例事先以列表形式定义主观事件和客观事件。且本实施例的主观事件均为影响本网站的主观事件,可以包括网站版本更新、网站内容模块更新和网站业务信息推送等事件;客观事件均为影响本网站的客观事件,可以包括网站服务群体是否放假、影响网站业务的政策发布更新等事件。另外本领域技术人员应该知道没有任何外部客观事件发生也可以作为一种客观事件。
需要说明的是本实施例中的主观事件列表和客观事件列表基于网站运营随时保持更新,以确保所预测的新增用户数的实时性和准确性。
S102,根据关系模型预测第二预设时间内的新增用户数;其中,第一预设时间先于第二预设时间。
具体地,根据步骤S101所建立的主、客观事件与新增用户数的关系模型,再经过一系列的统计学的计算,即可获得第二预设时间内的新增用户数。另外,本领域技术人员应该知道,基于通常的逻辑,应根据之前已发生过的事件来预测以后未发生的事件,也就是说,第一预设时间是已经经过的时间,而第二预设时间是没有经过的时间,也就是说,应当根据历史新增用户数的数据,来预测将可能出现的新增用户数的数据。
本实施例的技术方案根据第一预设时间内发生的主观事件和客观事件来建立关系模型,也就是说根据在前发生的主观事件和客观事件,来预测在在主观事件和客观事件影响下的新增用户数,从而能够更为准确地预测新增用户数,为网站运营商所做的经营策略提供准确的依据。
实施例二
图2为本发明的预测新增用户数的方法的实施例二的流程图,本实施例的预测新增用户数的方法在上述实施例一的基础上,进一步更加详细地介绍本发明的技术方案。如图2所示,本实施例的预测新增用户数的方法,具体可以包括如下步骤:
S201,获取第一预设时间内发生的客观事件和在客观事件影响下的新增用户数。
具体地,本实施例的在客观事件影响下的新增用户数,指的是客观事件影响持续时间内的新增用户数,例如,对于第一预设时间段2015年4月20日至2015年5月19日,发生的客观事件有五一劳动节放假,时间为三天,在这三天的假期的影响下,网站将减少大量的新增用户数。
本实施例为描述方便,将第一预设时间内在客观事件影响下的新增用户数可表示为变量Xm,其中m为客观事件发生的次数。
Xm=[OeU1,OeU2,OeU3,......,OeUk,......,OeUm],
其中,Oe为客观事件,Uk为客观事件发生后新增的用户数量,m为客观事件发生的次数。
S202,获取第一预设时间内发生的主观事件和在主观事件影响下的新增用户数。
具体地,本实施例的在主观事件的影响下新增用户数,指的是主观事件影响持续时间内的新增用户数,例如,对于第一预设时间段2015年4月20日至2015年5月19日,发生的主观事件有网站业务信息推送,推送的时间为一星期,在这一星期的影响下,网站将增加大量的新增用户数。
本实施例为描述方便,将第一预设时间内在主观事件影响下的新增用户数可表示为变量Xn,其中n为主观事件发生的次数。
Xn=[SeU1,SeU2,SeU3,......,SeUk,......,SeUn],
其中,Se为主观事件,Uk为主观事件发生后新增的用户数量,n为客观事件发生的次数。
S203,建立第一预设时间内的客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为关系模型的参数,m为第一预设时间内客观事件发生 的次数,n为第一预设时间内主观事件发生的次数,i为正整数,Xm为第一预设时间内在客观事件影响下的新增用户数量,Xn为第一预设时间内在主观事件影响下的新增用户数量,Yi为所预测的第二预设时间内的新增用户数。
S204,利用最小二乘法计算关系模型的参数;
具体地,为利用最小二乘法计算上述关系模型的参数,在步骤S204之前,本实施例还进一步包括步骤A:利用参数m和n对式(1)进行线性回归。具休地,以误差平方和最小作为确定回归系数的准则,可以得到以下第一中间数据模型:
其中,a、b和c为关系模型的参数,m为第一预设时间内客观事件发生的次数,n为第一预设时间内主观事件发生的次数,i为正整数,Xm为第一预设时间内在客观事件影响下的新增用户数量,Xn为第一预设时间内在主观事件影响下的新增用户数量,Yi为所预测的第二预设时间内的新增用户数,Q为因变量。
以下为利用中间数据模型来对关系模型(1)求解的过程:
当满足时,Q有最小值,因此我得到以下过程方程组:
求解上述过程方程组,得到以下第二中间数据模型:
其中,
进一步地,将式(4)带入过程方程组(3)后求解得到如下结果矩阵:
进而得到以下结果:
因为矩阵是非奇异矩阵,所以是结果矩阵(5)的解,得到以下结果:
由此结果得出和后代入过程方程组(4)得到的值,由此可以得到最终预测结果:
需要说明的是,最终的预测结果是根据对关系模型进一步求解参数而得出的结果,和作为最终数据,仅是为了区分中间数据而做出的一种书写方式,其为中间模型中对应的变量表示的含义是一致的。
S205,根据关系模型以及关系模型的参数计算出第二预设时间内的新增用户数。
本实施例的技术方案通过采用最小二乘法,对第一预设时间内发生的主、客观事件与新增用户数的关系模型进行计算,以确定关系模型的各项参数,不但准确性较高,而且过程简单,操作方便。
实施例三
图3为本发明的预测新增用户数的方法的实施例二的流程图,本实施例的预测新增用户数的方法在上述实施例一的基础上,进一步更加详细地介绍本发明的技术方案。如图3所示,本实施例的预测新增用户数的方法,具体可以包括如下步骤:
S301,建立第一预设时间内发生的事件与新增用户数的关系模型;其中事件包括主观事件与客观事件;
S302,根据关系模型预测第二预设时间内的新增用户数;
其中,第一预设时间先于第二预设时间。
S303,根据第二预设时间内的所预测的新增用户数与第二预设时间内的实际新增用户数,调整第一预设时间内发生的事件与新增用户数的关系模型的参数。
具体地,本实施例的第一预设时间先于第二预设时间,根据自然规律,当第二预设时间经过时,自然而然地产生了实际新增用户数,则第二预设时间相应地,将作为第一预设时间,而还没有经过的下一时间段将作为第二预设时间,这样通过已经发生的第一预设时间内的新增用户数来预测还没有发生的第二预设时间内的新增用户数。因此,第一预设时间内发生的事件与新增用户数的关系模型的参数就得以调整。
例如,将2015年4月20日至2015年5月19日作为第一预设时间,2015年5月20日至2015年6月19日作为第二预设时间,则在2015年4月20日至2015年5月19日期间的主观事件有网站更新,客观事件有五一营动节放假,根据主观事件和客观事件对新增用户数的影响,建立关系模型,并根据此关系模型预测2015年5月20日至2015年6月19日的新增用户数,当2015年5月20日至2015年6月19日这段期间经过以后,又将2015年5月20日至2015年6月19日作为第一预设时间,而将又将2015年6月20日至2015年7月19日作为第二预设时间,根据2015年5月20日至2015年6月19日的新增用户数,来预测2015年6月20日至2015年7月19日期间内的新增用户数,由于2015年5月20日至2015年6月19日的新增用户数必然不同于2015年4月20日至2015年5月19日期间内的新增用户数,则关系模型的参数也必然随之调整。
本实施例的技术方案可以实时对所建立的关系模型进行调整,更增加了所预测数据(即新增用户数)的准确性,从而为网站运营商所做的经营策略提供准确的依据。
实施例四
图4为本发明的预测新增用户数的装置的实施例一的示意图,如图4所示,本实施例的预测新增用户数的装置包括建模模块10和预测模块20。
建模模块10,用于建立第一预设时间内发生的事件与新增用户数的关系模型;其中事件包括主观事件与客观事件;
预测模块20,用于根据关系模型预测第二预设时间内的新增用户数;
其中,第一预设时间先于第二预设时间。
本实施例的预测新增用户数的装置,通过采用上述模块实现预测第二预设时间内的新增用户数的实现机制与上述图1所示实施例的预测第二预设时间内的新增用户数的实现机制相同,详细可以参考上述图1所示实施例的记载,在此不再赘述。
实施例五
本发明的预测新增用户数的装置的实施例二的示意图,本实施例的预测新增用户数的装置在上述图4所示的实施例一的基础上,进一步更加详细地介绍本发明的技术方案。如图5所示,本实施例的预测新增用户数的装置进一步包括:
建模模块10具体包括:
第一获取子模块101,用于获取第一预设时间内发生的客观事件和在客观事件影响下的新增用户数;
第二获取子模块102,用于获取第一预设时间内发生的主观事件和在主观事件影响下的新增用户数;
建模子模块103,用于建立第一预设时间内的客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为关系模型的参数,m为第一预设时间内客观事件发生的次数,n为第一预设时间内主观事件发生的次数,i为正整数,Xm为第一预设时间内在客观事件影响下的新增用户数量,Xn为第一预设时间内在主观事件影响下的新增用户数量,Yi为所预测的第二预设时间内的新增用户数。
预测模块20具体包括:
第一计算子模块201,用于利用最小二乘法计算关系模型的参数;
第二计算子模块202,用于根据关系模型以及关系模型的参数计算出第二预设时间内的新增用户数。
本实施例的预测新增用户数的装置,通过采用上述模块实现预测第二预设时间内的新增用户数的实现机制与上述图3所示实施例的预测第二预设时间内的新增用户数的实现机制相同,详细可以参考上述图3所示实施例的记载,在此不再赘述。
实施例六
本发明的预测新增用户数的装置的实施例三的示意图,本实施例的预测新增用户数的装置在上述图4所示的实施例一的基础上,进一步更加详细地介绍本发明的技术方案。如图6所示,本实施例的预测新增用户数的装置进一步包括:
修正模块30,用于根据关系模型预测第二预设时间内的新增用户数之后,根据第二预设时间内的所预测的新增用户数与第二预设时间内的实际新增用户数,调整第一预设时间内发生的事件与新增用户数的关系模型的参数。
本实施例的预测新增用户数的装置,通过采用上述模块实现预测第二预设时间内的新增用户数的实现机制与上述图2所示实施例的预测第二预设时间内的新增用户数的实现机制相同,详细可以参考上述图2所示实施例的记载,在此不再赘述。
实施例七
本发明还提供一种预测新增用户数的系统,包括如图4至图6所示实施例的装置,以实现如图1至图3所示实施例的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种预测新增用户数的方法,其特征在于,包括:
建立第一预设时间内发生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;
根据所述关系模型预测第二预设时间内的新增用户数;
其中,所述第一预设时间先于所述第二预设时间。
2.根据权利要求1所述的方法,其特征在于,建立第一预设时间内发生的事件与新增用户数的关系模型,具体包括:
获取第一预设时间内发生的所述客观事件和在所述客观事件影响下的新增用户数;
获取第一预设时间内发生的所述主观事件和在所述主观事件影响下的新增用户数;
建立第一预设时间内的所述客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,所述关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为所述关系模型的参数,m为第一预设时间内所述客观事件发生的次数,n为第一预设时间内所述主观事件发生的次数,i为正整数,Xm为所述第一预设时间内在客观事件影响下的新增用户数量,Xn为所述第一预设时间内在主观事件影响下的新增用户数量,Yi为所述所预测的第二预设时间内的新增用户数。
3.根据权利要求2所述的方法,其特征在于,根据所述关系模型预测第二预设时间内的新增用户数,具体包括:
利用最小二乘法计算所述关系模型的参数;
根据所述关系模型以及所述关系模型的参数计算出所述第二预设时间内的新增用户数。
4.根据权利要求1所述的方法,其特征在于,根据所述关系模型预测第二预设时间内的新增用户数后,所述方法还包括:
根据所述第二预设时间内的所预测的新增用户数与第二预设时间内的实际新增用户数,调整所述第一预设时间内发生的事件与新增用户数的关系模型的参数。
5.一种预测新增用户数的装置,其特征在于,包括:
建模模块,用于建立第一预设时间内发生的事件与新增用户数的关系模型;其中所述事件包括主观事件与客观事件;
预测模块,用于根据所述关系模型预测第二预设时间内的新增用户数;
其中,所述第一预设时间先于所述第二预设时间。
6.根据权利要求5所述的装置,其特征在于,所述建模模块具体包括:
第一获取子模块,用于获取第一预设时间内发生的所述客观事件和在所述客观事件影响下的新增用户数;
第二获取子模块,用于获取第一预设时间内发生的所述主观事件和在所述主观事件影响下的新增用户数;
建模子模块,用于建立第一预设时间内的所述客观事件和主观事件与所预测的第二预设时间内新增用户数的关系模型,所述关系模型如下:
Yi=a+bXm+cXn (1),
其中,a、b和c为所述关系模型的参数,m为第一预设时间内所述客观事件发生的次数,n为第一预设时间内所述主观事件发生的次数,i为正整数,Xm为所述第一预设时间内在客观事件影响下的新增用户数量,Xn为所述第一预设时间内在主观事件影响下的新增用户数量,Yi为所述所预测的第二预设时间内的新增用户数。
7.根据权利要求6所述的装置,其特征在于,所述预测模块具体包括:
第一计算子模块,用于利用最小二乘法计算所述关系模型的参数;
第二计算子模块,用于根据所述关系模型以及所述关系模型的参数计算出所述第二预设时间内的新增用户数。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
修正模块,用于根据所述关系模型预测第二预设时间内的新增用户数之后,根据所述第二预设时间内的所预测的新增用户数与所述第二预设时间内的实际新增用户数,调整第一预设时间内发生的事件与新增用户数的关系模型的参数。
9.一种预测新增用户数的系统,其特征于,包括如权利要求5至8任一项所述的装置,以实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340467.XA CN106056400A (zh) | 2016-05-19 | 2016-05-19 | 预测新增用户数的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340467.XA CN106056400A (zh) | 2016-05-19 | 2016-05-19 | 预测新增用户数的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106056400A true CN106056400A (zh) | 2016-10-26 |
Family
ID=57177358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610340467.XA Pending CN106056400A (zh) | 2016-05-19 | 2016-05-19 | 预测新增用户数的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056400A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600344A (zh) * | 2016-12-30 | 2017-04-26 | 广州虎牙信息科技有限公司 | 目标产品活跃用户数据获取方法和装置 |
CN106845722A (zh) * | 2017-02-06 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种预测用户量的方法和装置 |
CN107239973A (zh) * | 2017-06-06 | 2017-10-10 | 北京创云知识产权服务有限责任公司 | 一种系统监控预警的方法 |
CN108881333A (zh) * | 2017-05-09 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种预测日活跃对象数量的方法及设备 |
CN109801094A (zh) * | 2018-12-07 | 2019-05-24 | 珠海中科先进技术研究院有限公司 | 一种商业分析管理推荐预测模型的方法及系统 |
CN111062749A (zh) * | 2019-12-12 | 2020-04-24 | 北京爱奇艺科技有限公司 | 增长量预估方法、装置、电子设备及存储介质 |
-
2016
- 2016-05-19 CN CN201610340467.XA patent/CN106056400A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600344A (zh) * | 2016-12-30 | 2017-04-26 | 广州虎牙信息科技有限公司 | 目标产品活跃用户数据获取方法和装置 |
CN106600344B (zh) * | 2016-12-30 | 2020-07-07 | 广州虎牙信息科技有限公司 | 目标产品活跃用户数据获取方法和装置 |
CN106845722A (zh) * | 2017-02-06 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种预测用户量的方法和装置 |
CN108881333A (zh) * | 2017-05-09 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种预测日活跃对象数量的方法及设备 |
CN107239973A (zh) * | 2017-06-06 | 2017-10-10 | 北京创云知识产权服务有限责任公司 | 一种系统监控预警的方法 |
CN107239973B (zh) * | 2017-06-06 | 2020-07-28 | 睿智合创(北京)科技有限公司 | 一种系统监控预警的方法 |
CN109801094A (zh) * | 2018-12-07 | 2019-05-24 | 珠海中科先进技术研究院有限公司 | 一种商业分析管理推荐预测模型的方法及系统 |
CN109801094B (zh) * | 2018-12-07 | 2021-06-08 | 珠海中科先进技术研究院有限公司 | 一种商业分析管理推荐预测模型的方法及系统 |
CN111062749A (zh) * | 2019-12-12 | 2020-04-24 | 北京爱奇艺科技有限公司 | 增长量预估方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056400A (zh) | 预测新增用户数的方法、装置及系统 | |
EP4414902A2 (en) | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models | |
US10275183B2 (en) | System for categorical data dynamic decoding | |
US10430743B2 (en) | Computerized system for simulating the likelihood of technology change incidents | |
US10019486B2 (en) | Computerized system for analyzing operational event data | |
JP7320053B2 (ja) | 予測モデルの改良 | |
CN108829718B (zh) | 一种数据处理的方法和装置 | |
US10223425B2 (en) | Operational data processor | |
US10275182B2 (en) | System for categorical data encoding | |
US10838969B2 (en) | Computerized system for evaluating technology stability | |
US20170243117A1 (en) | Computerized system for evaluating and modifying technology change events | |
US20170243129A1 (en) | Computerized system for evaluating the likelihood of technology change incidents | |
CN112734494A (zh) | 一种销量预测方法、装置、终端设备及可读存储介质 | |
US10338547B2 (en) | System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium | |
US20170242897A1 (en) | Technical language processor administration | |
US10216798B2 (en) | Technical language processor | |
US20170243130A1 (en) | Computerized system for evaluating the impact of technology change incidents | |
CN109829115B (zh) | 搜索引擎关键词优化方法 | |
CN111080037A (zh) | 一种基于深度神经网络的短期电力负荷预测方法及装置 | |
CN113486583B (zh) | 设备的健康评估方法、装置、计算机设备及计算机可读存储介质 | |
CN115146997A (zh) | 基于电力数据的评估方法、装置、电子设备及存储介质 | |
US20170255537A1 (en) | Data-agnostic adjustment of hard thresholds based on user feedback | |
CA3202717A1 (en) | Intelligent machine learning content selection platform | |
CN114757397A (zh) | 一种坏料预测方法、坏料预测装置及电子设备 | |
CN106651466A (zh) | 一种基于网站用户的信息预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161026 |
|
RJ01 | Rejection of invention patent application after publication |