CN106204106A - 一种特定用户识别方法及系统 - Google Patents

Abstract

本发明公开了一种特定用户识别方法及系统，涉及通信技术领域，一种特定用户识别方法，该方法包括：从服务器采集用户的基础信息数据和行为信息数据，选取预设时间内的m种指标用作输入变量，预设时间之前的一段时间为采样时间，并选取采样时间内的至少m种指标作为采样样本；基于采样样本进行逻辑回归计算获得逻辑回归模型，所述采样样本包括正样本和负样本，所述正样本为采样时间内的付费用户，所述负样本为采样时间内的非付费用户；将输入变量输入逻辑回归模型，获得逻辑回归模型的输出变量，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户。

Description

一种特定用户识别方法及系统

技术领域

本发明涉及通信技术领域，具体涉及一种特定用户识别方法及系统。

背景技术

随着平台业务的不断发展，平台用户迅速增长，积累了很多活跃用户，一部分用户进行充值消费，为平台带来利润，也存在一部分用户，只进行观看、浏览等活动，并没有进行充值消费，也没有为平台带来利润。为了平台健康良好的发展需要，必然需要投入一定资金，因此如何识别引导未付费用户向付费用户进行转换，增加企业的营收是关键问题。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种特定用户识别方法及系统，用于识别出潜在的付费用户，针对不同的潜在付费用户制定针对性的营销方案，进而提高平台的利润。

为达到以上目的，本发明采取的技术方案是：

一种特定用户识别方法，所述方法包括：

从服务器采集用户的基础信息数据和行为信息数据，选取预设时间内的m种指标用作输入变量，预设时间之前的一段时间为采样时间，并选取采样时间内的至少m种指标作为采样样本；

基于采样样本进行逻辑回归计算获得逻辑回归模型，所述采样样本包括正样本和负样本，所述正样本为采样时间内的付费用户，所述负样本为采样时间内的非付费用户；

将输入变量输入逻辑回归模型，获得逻辑回归模型的输出变量，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户。

在上述技术方案的基础上，所述逻辑回归模型的建立步骤如下：

从服务器提取采样时间内用户的基础信息数据和行为信息数据，选取构建逻辑回归模型的采样样本；

对所述采样样本的所有指标进行筛选，得到只包含有所述m种指标的最终采样样本；

将所述最终采样样本按照一定比例进行抽样拆分成训练集和测试集，所述训练集和测试集分别进行训练和测试构建所述逻辑回归模型。

在上述技术方案的基础上，对所述采样样本的所有指标进行筛选的步骤如下：

S1，对初始提取的所述采样样本的所有指标进行多维分析，剔除与用户付费行为无关的指标，保留的指标包括离散型指标和连续型指标；

S2，对离散型指标使用卡方验证，计算离散型指标与所述输出变量之间的卡方值，预设卡方阈值，剔除卡方值小于卡方阈值的指标，得到连续型指标；

S3，使用方差分析法进一步筛选S2得到的采样样本中的连续型指标；

S4，对于S3得到的采样样本中剩余的连续型指标，计算其与所述输出变量之间的相关系数，并剔除与所述输出变量相关系数小于预设值的指标，得到最终采样样本。

在上述技术方案的基础上，所述训练集和所述测试集的比例为训练集：测试集＝3:1。

在上述技术方案的基础上，所述测试集对所述逻辑回归模型进行预测和评估，并计算所述逻辑回归模型的准确率、召回率、提升度和F-measure值。

在上述技术方案的基础上，所述逻辑回归模型为：

P＝exp(R)/(1+exp(R))

其中，R＝α₀+α₁x₁+α₂x₂+α₃x₃+...+α_mx_m，P为相应的付费概率，α为常数项，X为指标的取值，m为序数。

在上述技术方案的基础上，该方法还包括根据所述输出变量划分不同的用户等级。

在上述技术方案的基础上，其中，所述基础信息数据中的指标包括用户注册时长、用户等级、用户邮箱认证状态、用户手机认证状态、来源类型和注册地；

所述行为信息数据中的指标包括观看信息、登录信息、充值信息、弹幕信息和交易信息；

所述观看信息包括月观看天数、观看次数、总观看时长、总观看房间数、观看房间的分区类型个数、游戏类分区的比重和娱乐类分区的比重。

在上述技术方案的基础上，所述登录信息包括月登记次数和登记天数；

所述充值信息包括月充值次数和充值金额；

所述弹幕信息包括月发送弹幕天数、发送弹幕次数和发送弹幕房间；

所述交易信息包括月虚拟礼物赠送天数、虚拟礼物赠送次数、虚拟礼物赠送数量、虚拟礼物赠送房间总数、赠送虚拟礼物房间分区类型数量及游戏类房间和娱乐类房间的占比，获取虚拟礼物天数、获取虚拟礼物次数、获取虚拟礼物数量、获取虚拟礼物的方式。

一种潜在付费用户识别系统，该系统包括：

指标获取单元，用于从服务器获取用户的基础信息数据和行为信息数据，获取预设时间内的m种指标用作输入变量；

模型生成单元，通过机器学习生成逻辑回归模型；

识别单元，用于将所述指标获取单元得到的指标作为输入变量输入所述逻辑回归模型，获得所述逻辑回归模型的输出变量，将所述输出变量用作用户是否为潜在付费用户和相应的付费概率。

与现有技术相比，本发明的优点在于：

(1)本发明的一种特定用户识别方法中从服务器采集用户的基础信息数据和行为信息数据，获取预设时间内的m种指标用作输入变量；将输入变量输入逻辑回归模型，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户；根据潜在付费用户概率，对用户进行等级划分，周期性的输出潜在付费用户清单，针对不同等级的而用户实行不同的营销策略，在降低营销成本的同时，降低对用户的骚扰，提升用户的体验，增加平台收入。

(2)本发明的一种特定用户识别方法在进行逻辑回归模型建模的过程中对采样样本的所有指标进行筛选，筛选手段包括多维分析、卡方检验、方差分析和相关系数计算，进而找到与输出变量最相关的指标，将最相关的指标划分成训练集和测试集，训练集和测试集分别进行训练和测试得到最优的逻辑回归模型，使用最优的逻辑回归模型得到潜在付费用户清单。

附图说明

图1为本发明的方法流程图；

图2为本发明中构建逻辑回归模型的流程图；

图3为本发明中最终的采样样本筛选的流程图；

图4为本发明的系统框图。

具体实施方式

以下结合附图及实施例对本发明作进一步详细说明。

参见图1所示，本发明实施例提供一种特定用户识别方法，也是一种潜在付费用户识别方法，该方法包括：

步骤1，从服务器采集用户的基础信息数据和行为信息数据，获取预设时间内的m种指标用作输入变量，预设时间之前的一段时间为采样时间，并选取采样时间内的至少m种指标作为采样样本；其中，基础信息数据包括用户注册时长、用户等级、用户邮箱认证状态、用户手机认证状态、来源类型和注册地；

行为信息数据包括观看信息、登录信息、充值信息、弹幕信息和交易信息；

观看信息包括月观看天数、观看次数、总观看时长、总观看房间数、观看房间的分区类型个数、游戏类分区的比重和娱乐类分区的比重；

登录信息包括月登记次数和登记天数；

充值信息包括月充值次数和充值金额；

弹幕信息包括月发送弹幕天数、发送弹幕次数和发送弹幕房间；

交易信息包括月虚拟礼物赠送天数、虚拟礼物赠送次数、虚拟礼物赠送数量、虚拟礼物赠送房间总数、赠送虚拟礼物房间分区类型数量及游戏类房间和娱乐类房间的占比分别是多少，获取虚拟礼物天数、获取虚拟礼物次数、获取虚拟礼物数量、获取虚拟礼物的方式；

步骤2，基于采样样本进行逻辑回归计算获得逻辑回归模型，采样样本具有正样本和负样本，正样本为采样时间内的付费用户，负样本为采样时间内的非付费用户；

步骤3，构建逻辑回归模型，将输入变量输入逻辑回归模型，获得逻辑回归模型的输出变量，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户；每月定期将用户的输入变量输入逻辑回归模型中，并预测该用户为付费用户的概率，根据不同的应用选择不同的阈值，本实施例中阈值为0.5，若判定用户的付费用户的概率大于0.5，则判断其为付费用户，反之，则为非付费用户

步骤4，将输出变量换分不同的用户等级。每个月可根据不同的用户等级匹配不同的营销策略，定期输出营销清单，本实施例中付费用户的概率越大，。

参见图2所示，步骤3中逻辑回归模型的建模步骤如下：

从服务器提取用户的基础信息数据和行为信息数据，获取采样时间内用于构建逻辑回归模型的采样样本，采样样本包括至少m种指标；采样样本具有正样本和负样本，正样本为采样时间内的付费用户，负样本为采样时间内的非付费用户；负样本＝1：N的抽取比例为正样本：负样本＝1：N＝1：3；

对采样样本的指标进行筛选，得到只包含有m种指标的最终采样样本；

将最终采样样本按照3:1的比例进行抽样拆分成训练集和测试集，测试集和训练集进行训练和测试得到逻辑回归模型，运用逻辑回归算法建立多个逻辑回归模型，并进行调试逻辑回归模型的各种参数，测试集对逻辑回归模型进行预测和评估，并计算逻辑回归模型的准确率、召回率、提升度和F-measure，选择最优的逻辑回归模型；

其中，准确率：正确识别的付费用户数/识别出付费的用户数；

召回率：正确识别的付费用户数/测试集中付费的用户数；

提升度：准确率/(测试集中付费用户数/测试集中所有用户数)；

F-measure(综合评价指标)：准确率*召回率*2/(准确率+召回率)。

逻辑回归模型为：

P＝exp(R)/(1+exp(R))

其中，R＝α₀+α₁x₁+α₂x₂+α₃x₃+...+α_mx_m，P为相应的付费概率，α为常数项，X为指标的取值，m为序数。

参见图3所示，对采样样本的指标进行筛选，对缺失值进行填充，去除极大极小值，保证数据的完整性和精确性，得到最终采样样本的m种指标的筛选步骤如下：

S1，对采样样本的所有指标进行多维分析，剔除与付费用户行为无关的指标，如提出用户等级、用户邮箱认证状态、用户手机认证状态、注册地等指标，保留的指标包括离散型指标和连续型指标；

S2，对于离散型指标使用卡方验证，计算离散型指标与输出变量之间的卡方值，预设卡方值阈值，剔除卡方值小于卡方值阈值的指标，得到连续型指标，；

S3，使用方差分析法进一步筛选S2得到的采样样本中的连续型指标，计算连续型指标的方差值，评价连续型指标与输出变量之间的显著性，剔除与输出变量指标显著性小的指标；

S4，对于S3得到的采样样本中剩余的连续型指标，计算其与输出变量之间的相关系数，预设相关系数预设值，并剔除与输出变量相关系数小于预设值的指标，如观看房间数与观看天数两个指标的相关系数为0.8122，则观看房间数与观看天数为强相关，则观看房间数与输出变量的相关系数为0.2641，而观看天数与输出变量的相关西施为0.1435，则剔除与输出变量相关性小的指标即观看天数，以此类推，即得到筛选后的最终采样样本最终采样样本只包含m种指标；

参见图4所示，一种潜在付费用户识别系统，该系统包括：

指标获取单元，用于从服务器获取用户的基础信息数据和行为信息数据，获取预设时间内的m种指标用作输入变量；

模型生成单元，通过机器学习生成逻辑回归模型；

识别单元，用于将所述指标获取单元得到的指标作为输入变量输入所述逻辑回归模型，获得所述逻辑回归模型的输出变量，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户。

本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种特定用户识别方法，其特征在于，所述方法包括：

从服务器采集用户的基础信息数据和行为信息数据，选取预设时间内的m种指标用作输入变量，预设时间之前的一段时间为采样时间，并选取采样时间内的至少m种指标作为采样样本；

基于采样样本进行逻辑回归计算获得逻辑回归模型，所述采样样本包括正样本和负样本，所述正样本为采样时间内的付费用户，所述负样本为采样时间内的非付费用户；

将输入变量输入逻辑回归模型，获得逻辑回归模型的输出变量，将输出变量用作用户的付费概率，并根据付费概率判断用户是否为潜在付费用户。

2.如权利要求1所述的一种特定用户识别方法，其特征在于：所述逻辑回归模型的建立步骤如下：

从服务器提取采样时间内用户的基础信息数据和行为信息数据，选取构建逻辑回归模型的采样样本；

对所述采样样本的所有指标进行筛选，得到只包含有所述m种指标的最终采样样本；

将所述最终采样样本按照一定比例进行抽样拆分成训练集和测试集，所述训练集和测试集分别进行训练和测试构建所述逻辑回归模型。

3.如权利要求2所述的一种特定用户识别方法，其特征在于：对所述采样样本的所有指标进行筛选的步骤如下：

S1，对初始提取的所述采样样本的所有指标进行多维分析，剔除与用户付费行为无关的指标，保留的指标包括离散型指标和连续型指标；

S2，对离散型指标使用卡方验证，计算离散型指标与所述输出变量之间的卡方值，预设卡方阈值，剔除卡方值小于卡方阈值的指标，得到连续型指标；

S3，使用方差分析法进一步筛选S2得到的采样样本中的连续型指标；

S4，对于S3得到的采样样本中剩余的连续型指标，计算其与所述输出变量之间的相关系数，并剔除与所述输出变量相关系数小于预设值的指标，得到最终采样样本。

4.如权利要求2所述的一种特定用户识别方法，其特征在于：所述训练集和所述测试集的比例为训练集：测试集＝3∶1。

5.如权利要求2所述的一种特定用户识别方法，其特征在于：所述测试集对所述逻辑回归模型进行预测和评估，并计算所述逻辑回归模型的准确率、召回率、提升度和F-measure值。

6.如权利要求1所述的一种特定用户识别方法，其特征在于：所述逻辑回归模型为：

P＝exp(R)/(1+exp(R))

其中，R＝α₀+α₁x₁+α₂x₂+α₃x₃+...+α_mx_m，P为相应的付费概率，α为常数项，X为指标的取值，m为序数。

7.如权利要求1所述的一种特定用户识别方法，其特征在于：该方法还包括根据所述输出变量划分不同的用户等级。

8.如权利要求1所述的一种特定用户识别方法，其特征在于：其中，所述基础信息数据中的指标包括用户注册时长、用户等级、用户邮箱认证状态、用户手机认证状态、来源类型和注册地；

所述行为信息数据中的指标包括观看信息、登录信息、充值信息、弹幕信息和交易信息；

所述观看信息包括月观看天数、观看次数、总观看时长、总观看房间数、观看房间的分区类型个数、游戏类分区的比重和娱乐类分区的比重。

9.如权利要求8所述的一种特定用户识别方法，其特征在于：

所述登录信息包括月登记次数和登记天数；

所述充值信息包括月充值次数和充值金额；

所述弹幕信息包括月发送弹幕天数、发送弹幕次数和发送弹幕房间；

所述交易信息包括月虚拟礼物赠送天数、虚拟礼物赠送次数、虚拟礼物赠送数量、虚拟礼物赠送房间总数、赠送虚拟礼物房间分区类型数量及游戏类房间和娱乐类房间的占比，获取虚拟礼物天数、获取虚拟礼物次数、获取虚拟礼物数量、获取虚拟礼物的方式。

10.一种潜在付费用户识别系统，其特征在于，该系统包括：

指标获取单元，用于从服务器获取用户的基础信息数据和行为信息数据，获取预设时间内的m种指标用作输入变量；

模型生成单元，通过机器学习生成逻辑回归模型；

识别单元，用于将所述指标获取单元得到的指标作为输入变量输入所述逻辑回归模型，获得所述逻辑回归模型的输出变量，将所述输出变量用作用户是否为潜在付费用户和相应的付费概率。