CN109272348A - 活跃用户数量确定方法及装置、存储介质和电子设备 - Google Patents

活跃用户数量确定方法及装置、存储介质和电子设备 Download PDF

Info

Publication number
CN109272348A
CN109272348A CN201810962654.0A CN201810962654A CN109272348A CN 109272348 A CN109272348 A CN 109272348A CN 201810962654 A CN201810962654 A CN 201810962654A CN 109272348 A CN109272348 A CN 109272348A
Authority
CN
China
Prior art keywords
target month
retention ratio
registration
month
user
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
Application number
CN201810962654.0A
Other languages
English (en)
Other versions
CN109272348B (zh
Inventor
陈伟源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN201810962654.0A priority Critical patent/CN109272348B/zh
Publication of CN109272348A publication Critical patent/CN109272348A/zh
Application granted granted Critical
Publication of CN109272348B publication Critical patent/CN109272348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

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

本发明公开了一种活跃用户数量确定方法及装置、存储介质和电子设备,涉及计算机技术领域,可应用于海量用户的大数据分析场景中。该方法包括:获取历史留存率集合,历史留存率集合包括历史各月份对应的注册用户留存率子集,并根据历史留存率集合预测目标月份的留存率集合;计算目标月份前n个月注册用户留存数集合与注册用户留存率子集对应的历史总留存数集合的比值;根据目标月份的留存率集合确定目标月份前n‑1个月的注册用户的留存数集合;获取目标月份的注册用户数,根据注册用户数、目标月份前n‑1个月的注册用户的留存数集合以及比值确定目标月份的用户留存数。本公开可以在留存率不满足幂函数分布时确定出活跃用户数量。

Description

活跃用户数量确定方法及装置、存储介质和电子设备
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种活跃用户数量确定方法、活跃用户数量确定装置、存储介质和电子设备。
背景技术
互联网时代,无论是各种手游,还是各购物、阅读、咨询、服务平台,也无论付费与否,都需要保持用户的活跃度。一旦用户的活跃度下降,就意味着用户的离开或流失。基于此,采用“留存”的概念可以分析应用或者网站的服务效果,是否能够留住用户。因此,留存率反映的是一种转化率,即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程,随着这个留存率统计过程的不断延展,即可看到不同时期的用户的变化情况。
留存率一般满足幂函数分布。然而,对于一些不满足幂函数分布的留存率,现有技术中未能给出解决如何确定活跃用户数量的方案。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种活跃用户数量确定方法、活跃用户数量确定装置、存储介质和电子设备,进而至少在一定程度上克服相关技术无法解决留存率不满足幂函数分布时如何确定活跃用户数量的问题。
根据本公开的一个方面,提供一种活跃用户数量确定方法,包括:获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合;根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数;根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合;获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
在本公开的一种示例性实施例中,获取目标月份的历史留存率集合包括:获取历史各月注册用户的数量以及对应下一月所述注册用户中活跃用户的数量;分别将所述对应下一月所述注册用户中活跃用户的数量与所述历史各月注册的用户数量的比值作为所述目标月份的历史留存率。
在本公开的一种示例性实施例中,根据所述历史留存率集合预测所述目标月份的留存率集合包括:采用线性回归的方式根据所述历史留存率集合预测所述目标月份的留存率集合。
在本公开的一种示例性实施例中,根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,包括:确定所述目标月份前n个月注册用户的数量;确定所述目标月份前n个月注册用户的所述目标月份留存率;将所述目标月份前n个月注册用户的数量与所述目标月份前n个月注册用户的所述目标月份留存率的乘积确定为所述目标月份前n个月的注册用户留存数集合。
在本公开的一种示例性实施例中,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数包括:计算所述目标月份的注册用户数与所述目标月份前n-1个月的注册用户的所述目标月份留存数的和作为中间留存数;将所述中间留存数除以所述比值的结果确定为所述目标月份的用户留存数。
在本公开的一种示例性实施例中,在获取目标月份的历史留存率集合之前,所述活跃用户数量确定方法还包括:判断注册用户的历史留存率是否满足幂函数分布;如果不满足,则获取目标月份的历史留存率集合。
在本公开的一种示例性实施例中,判断注册用户的历史留存率是否满足幂函数分布包括:判断所述目标月份前预设月的注册用户的历史留存率是否满足幂函数分布。
根据本公开的一个方面,提供一种活跃用户数量确定装置,包括留存率预测模块、比值计算模块、第一留存数确定模块和第二留存数确定模块。
具体的,留存率预测模块可以用于获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合;比值计算模块可以用于根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数;第一留存数确定模块可以用于根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合;第二留存数确定模块可以用于获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
在本公开的一种示例性实施例中,留存率预测模块包括用户数量获取单元和历史留存率确定单元。
具体的,用户数量获取单元可以用于获取历史各月注册用户的数量以及对应下一月所述注册用户中活跃用户的数量;历史留存率确定单元可以用于分别将所述对应下一月所述注册用户中活跃用户的数量与所述历史各月注册的用户数量的比值作为所述目标月份的历史留存率。
在本公开的一种示例性实施例中,留存率预测模块可以包括留存率预测单元。
具体的,留存率预测单元可以用于采用线性回归的方式根据所述历史留存率集合预测所述目标月份的留存率集合。
在本公开的一种示例性实施例中,比值计算模块可以包括前n个月用户数量确定单元、目标月留存率确定单元和比值计算单元。
具体的,前n个月用户数量确定单元可以用于确定所述目标月份前n个月注册用户的数量;目标月留存率确定单元可以用于确定所述目标月份前n个月注册用户的所述目标月份留存率;比值计算单元可以用于将所述目标月份前n个月注册用户的数量与所述目标月份前n个月注册用户的所述目标月份留存率的乘积确定为所述目标月份前n个月的注册用户留存数集合。
在本公开的一种示例性实施例中,第二留存数确定模块可以包括中间留存数计算单元和目标月留存数计算单元。
具体的,中间留存数计算单元可以用于计算所述目标月份的注册用户数与所述目标月份前n-1个月的注册用户的所述目标月份留存数的和作为中间留存数;目标月留存数计算单元可以用于将所述中间留存数除以所述比值的结果确定为所述目标月份的用户留存数。
在本公开的一种示例性实施例中,活跃用户数量确定装置还可以包括历史留存率判断模块。
具体的,历史留存率判断模块可以用于判断注册用户的历史留存率是否满足幂函数分布,其中,如果不满足幂函数分布,则执行留存率预测模块的过程。
在本公开的一种示例性实施例中,历史留存率判断模块可以包括历史留存率判断单元。
具体的,历史留存率判断单元可以用于判断所述目标月份前预设月的注册用户的历史留存率是否满足幂函数分布。
根据本公开的一个方面,提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的活跃用户数量确定方法。
根据本公开的一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的活跃用户数量确定方法。
在本公开的一些实施例所提供的技术方案中,通过历史留存率数据预测历史各月注册用户的目标月份留存率,确定目标月份前n个月的目标月份留存数,计算目标月份前n个月的注册用户的目标月份留存数与历史各月的注册用户的留存数的比值,并根据目标月份的注册用户数、目标月份前n-1个月的注册用户的目标月份留存数以及所述比值确定目标月份的用户留存数,一方面,本公开可以确定出目标月份的用户留存数,尤其在于,本公开可以在留存率不满足幂函数分布时确定出活跃用户数量;另一方面,本公开所述的方法可以是一种动态确定当前月的用户留存数的方案,可以在以月为单位的时间上不间断地确定出用户留存数;再一方面,可以基于确定出的目标月份的用户留存数指导业务内容。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示意性示出了根据本公开的示例性实施方式的活跃用户数量确定方法的流程图;
图2示意性示出了根据本公开的示例性实施方式的活跃用户数量确定装置的方框图;
图3示意性示出了根据本公开的示例性实施方式的留存率预测模块的方框图;
图4示意性示出了根据本公开的另一示例性实施方式的留存率预测模块的方框图;
图5示意性示出了根据本公开的示例性实施方式的比值计算模块的方框图;
图6示意性示出了根据本公开的示例性实施方式的第二留存数确定模块的方框图;
图7示意性示出了根据本公开的另一示例性实施方式的活跃用户数量确定装置的方框图;
图8示意性示出了根据本公开的示例性实施方式的历史留存率判断模块的方框图;
图9示出了根据本公开的示例性实施方式的存储介质的示意图;以及
图10示意性示出了根据本公开的示例性实施方式的电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了本公开的示例性实施方式的活跃用户数量确定方法的流程图。参考图1,所述活跃用户数量确定方法可以包括以下步骤:
S12.获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合。
在本公开的示例性实施方式中,目标月份可以指代当前月。历史各月指代的是业务上线之后的所有月份,例如,一游戏产品在2016年7月上线,历史各月指代的是自2016年7月开始至目前的各个月份。另外,本公开虽然以月为单位统计留存情况,然而,应当理解的是,以其他时间单位(例如,日、周、季度、年)来实施本公开所述的方案也属于本发明的构思。
针对历史各月注册用户的每月历史留存率集合,首先,服务器可以获取历史各月注册的用户数量以及对应下一月活跃的用户数量。例如,针对2017年2月,服务器可以获取2017年2月注册的用户数量,并且确定这些用户在2017年3月仍活跃(例如,登录)的用户数量,由此,获取历史所有月份注册的用户数量以及对应下一月活跃的用户数量。
随后,计算所述对应下一月活跃的用户数量与历史各月注册的用户数量的比值,该比值即为历史各月注册用户的每月历史留存率。例如,2018年1月的注册用户为100人,到2018年2月,1月份注册的用户再次登录的人数为50人,则认为在2月份,1月注册用户的留存率为0.5,到2018年3月,1月注册的用户再次登录的人数变为25人,则认为3月份,1月注册用户的留存率为0.25。
接下来,可以根据确定出的每月历史留存率预测历史各月注册用户的当前月留存率。具体的,此处所述的当前月留存率可以指代目前所处月份的历史各月的留存率,例如,当前为2018年4月10日,由于未到月底,因此未能统计出2018年4月的留存率。然而,可以通过2018年1月至3月的留存率来预测2018年4月的留存率,仍以上述为例,可以采用线性回归的方式预测出4月的留存率为0.125,也就是说,4月份中,1月注册的用户再次登录的人数为12人(向下取整)。类似地,可以预测2月、3月及其他月份注册的用户在4月的留存率。
本公开可以采用线性回归的方式根据每月历史留存率预测历史各月注册用户的当前月留存率。然而,还可以采用其他的预测方式,例如,采用卷积神经网络来处理此类回归等问题,本示例性实施方式中对此不做特殊限定。另外,容易理解的是,历史数据越多,预测越准确,因此,本公开例如历史所有月份的数据进行分析,以对当前月留存率进行预测。
S14.根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数。
利用步骤S12的结果,可以预测距当前月前n个月注册用户的当前月留存率。此处,n可以是大于1的正整数,可选地,n可以例如为18。在这种情况下,如果要预测2018年1月的活跃用户数,则可以分别获取2016年7月至2017年12月的注册用户在2018年1月的留存率。
另外,可以确定距当前月前n个月注册用户的数量。接下来,可以将距当前月前n个月注册用户的数量与距当前月前n个月注册用户的当前月留存率的乘积确定为距当前月前n个月的注册用户的当前月留存数。
接下来,服务器可以计算距当前月前n个月的注册用户留存数集合与注册用户留存率子集对应的历史总留存集合之间的比值,也就是说,服务器可以计算距当前月前n个月的注册用户的当前月留存数与历史各月的注册用户的总留存数的比值。其中,历史各月的注册用户的留存数可以例如直接从用户的登录数据中获得。
S16.根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合。
具体确定距当前月前n-1个月的注册用户的当前月留存数与步骤S14中确定距当前月前n个月的注册用户的当前月留存数的过程类似,在此不再赘述。
S18.获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
具体的,首先,可以计算当前月的注册用户数与距当前月前n-1个月的注册用户的当前月留存数的和作为中间留存数;然后,可以将中间留存数除以步骤S14中确定的比值的结果确定为当前月的用户留存数。
另外,开发人员可以根据确定出的当前月的用户留存数确定业务策略。例如,当确定出当前月的用户留存率远远小于预期,则可以减少业务数据的产出,或终止业务;而当确定出当前月的用户留存率较大,说明业务对用户的吸引力较强,则可以扩大业务范围,等等。
根据本公开的一些实施例,本公开的示例性实施方式可以应用于留存率不满足幂函数分布的场景中。在这种情况下,本公开的活跃用户数量确定方法还包括还可以包括:服务器判断注册用户的历史留存率是否满足幂函数分布,如果不满足,则可以执行上述步骤S12至步骤S18的过程。
具体的,服务器判断注册用户的历史留存率是否满足幂函数分布可以包括:判断当前月前预设月的注册用户的历史留存率是否满足幂函数分布。另外,当前月前预设月可以例如为当前月前8个月、10个月等,本公开对此不做特殊限制。
在本公开的示例性实施方式的活跃用户数量确定方法中,一方面,本公开可以确定出目标月份的用户留存数,尤其在于,本公开可以在留存率不满足幂函数分布时确定出活跃用户数量;另一方面,本公开所述的方法可以是一种动态确定当前月的用户留存数的方案,可以在以月为单位的时间上不间断地确定出用户留存数;再一方面,可以基于确定出的目标月份的用户留存数指导业务内容。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中还提供了一种活跃用户数量确定装置。
图2示意性示出了本公开的示例性实施方式的活跃用户数量确定装置的方框图。参考图2,根据本公开的示例性实施方式的活跃用户数量确定装置2可以包括留存率预测模块21、比值计算模块23、第一留存数确定模块25和第二留存数确定模块27。
具体的,留存率预测模块21可以用于获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合;比值计算模块23可以用于根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数;第一留存数确定模块25可以用于用于根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合;第二留存数确定模块27可以用于获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
利用本公开的示例性实施方式的活跃用户数量确定装置,一方面,可以确定出目标月份的用户留存数,尤其在于,本公开可以在留存率不满足幂函数分布时确定出活跃用户数量;另一方面,本公开所述的方法可以是一种动态确定当前月的用户留存数的方案,可以在以月为单位的时间上不间断地确定出用户留存数;再一方面,可以基于确定出的目标月份的用户留存数指导业务内容。
根据本公开的示例性实施例,参考图3,留存率预测模块21可以包括用户数量获取单元301和历史留存率确定单元303。
具体的,用户数量获取单元301可以用于获取历史各月注册用户的数量以及对应下一月所述注册用户中活跃用户的数量;历史留存率确定单元303可以用于分别将所述对应下一月所述注册用户中活跃用户的数量与所述历史各月注册的用户数量的比值作为所述目标月份的历史留存率。
根据本公开的示例性实施例,参考图4,留存率预测模块21可以包括留存率预测单元401。
具体的,留存率预测单元401可以用于采用线性回归的方式根据所述历史留存率集合预测所述目标月份的留存率集合。
根据本公开的示例性实施例,参考图5,比值计算模块23可以包括前n个月用户数量确定单元501、目标月留存率确定单元503和比值计算单元505。
具体的,前n个月用户数量确定单元501可以用于确定所述目标月份前n个月注册用户的数量;目标月留存率确定单元503可以用于确定所述目标月份前n个月注册用户的所述目标月份留存率;比值计算单元505可以用于将所述目标月份前n个月注册用户的数量与所述目标月份前n个月注册用户的所述目标月份留存率的乘积确定为所述目标月份前n个月的注册用户留存数集合。
根据本公开的示例性实施例,参考图6,第二留存数确定模块27可以包括中间留存数计算单元601和目标月留存数计算单元602。
具体的,中间留存数计算单元601可以用于将所述目标月份前n个月注册用户的数量与所述目标月份前n个月注册用户的所述目标月份留存率的乘积确定为所述目标月份前n个月的注册用户留存数集合。目标月留存数计算单元602可以用于将所述中间留存数除以所述比值的结果确定为所述目标月份的用户留存数。
根据本公开的示例性实施例,参考图7,活跃用户数量确定装置7相比于活跃用户数量确定装置2,除包括留存率预测模块21、比值计算模块23、第一留存数确定模块25和第二留存数确定模块27外,还可以包括历史留存率判断模块71。
具体的,历史留存率判断模块71可以用于判断注册用户的历史留存率是否满足幂函数分布,其中,如果不满足幂函数分布,则执行留存率预测模块21的过程。
根据本公开的示例性实施例,历史留存率判断模块71可以包括历史留存率判断单元801。
具体的,历史留存率判断单元801可以用于判断目标月份前预设月的注册用户的历史留存率是否满足幂函数分布。
由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同,因此在此不再赘述。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品900,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元1010可以执行如图1中所示的步骤S12至步骤S18。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种活跃用户数量确定方法,其特征在于,包括:
获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合;
根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数;
根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合;
获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
2.根据权利要求1所述的活跃用户数量确定方法,其特征在于,获取目标月份的历史留存率集合包括:
获取历史各月注册用户的数量以及对应下一月所述注册用户中活跃用户的数量;
分别将所述对应下一月所述注册用户中活跃用户的数量与所述历史各月注册的用户数量的比值作为所述目标月份的历史留存率。
3.根据权利要求1所述的活跃用户数量确定方法,其特征在于,根据所述历史留存率集合预测所述目标月份的留存率集合包括:
采用线性回归的方式根据所述历史留存率集合预测所述目标月份的留存率集合。
4.根据权利要求1所述的活跃用户数量确定方法,其特征在于,根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,包括:
确定所述目标月份前n个月注册用户的数量;
确定所述目标月份前n个月注册用户的所述目标月份留存率;
将所述目标月份前n个月注册用户的数量与所述目标月份前n个月注册用户的所述目标月份留存率的乘积确定为所述目标月份前n个月的注册用户留存数集合。
5.根据权利要求1所述的活跃用户数量确定方法,其特征在于,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数包括:
计算所述目标月份的注册用户数与所述目标月份前n-1个月的注册用户的所述目标月份留存数的和作为中间留存数;
将所述中间留存数除以所述比值的结果确定为所述目标月份的用户留存数。
6.根据权利要求1至5中任一项所述的活跃用户数量确定方法,其特征在于,在获取目标月份的历史留存率集合之前,所述活跃用户数量确定方法还包括:
判断注册用户的历史留存率是否满足幂函数分布;
如果不满足,则获取目标月份的历史留存率集合。
7.根据权利要求6所述的活跃用户数量确定方法,其特征在于,判断注册用户的历史留存率是否满足幂函数分布包括:
判断所述目标月份前预设月的注册用户的历史留存率是否满足幂函数分布。
8.一种活跃用户数量确定装置,其特征在于,包括:
留存率预测模块,用于获取目标月份的历史留存率集合,所述历史留存率集合包括所述目标月份之前每个月份对应的注册用户留存率子集,并根据所述历史留存率集合预测所述目标月份的留存率集合;
比值计算模块,用于根据所述目标月份的留存率集合,确定所述目标月份前n个月的注册用户留存数集合,计算所述目标月份前n个月的注册用户留存数集合与所述注册用户留存率子集对应的历史总留存数集合之间的比值;其中,n为大于1的正整数;
第一留存数确定模块,用于根据所述目标月份的留存率集合确定所述目标月份前n-1个月的注册用户的留存数集合;
第二留存数确定模块,用于获取所述目标月份的注册用户数,根据所述注册用户数、所述目标月份前n-1个月的注册用户的留存数集合以及所述比值确定所述目标月份的用户留存数。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的活跃用户数量确定方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的活跃用户数量确定方法。
CN201810962654.0A 2018-08-22 2018-08-22 活跃用户数量确定方法及装置、存储介质和电子设备 Active CN109272348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810962654.0A CN109272348B (zh) 2018-08-22 2018-08-22 活跃用户数量确定方法及装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810962654.0A CN109272348B (zh) 2018-08-22 2018-08-22 活跃用户数量确定方法及装置、存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN109272348A true CN109272348A (zh) 2019-01-25
CN109272348B CN109272348B (zh) 2023-06-20

Family

ID=65154286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810962654.0A Active CN109272348B (zh) 2018-08-22 2018-08-22 活跃用户数量确定方法及装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN109272348B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858694A (zh) * 2019-01-28 2019-06-07 上海连尚网络科技有限公司 一种日活跃用户数预测的方法及设备
CN110740193A (zh) * 2019-10-30 2020-01-31 江苏满运软件科技有限公司 一种平台活跃度的预测方法、装置、存储介质及电子设备
CN111563026A (zh) * 2020-04-28 2020-08-21 浙江每日互动网络科技股份有限公司 数据处理方法及装置、电子设备和计算机可读存储介质
CN112527803A (zh) * 2020-12-30 2021-03-19 北京百家科技集团有限公司 一种数据处理方法、装置以及计算机设备
CN113269370A (zh) * 2021-06-18 2021-08-17 腾讯科技(成都)有限公司 一种活跃用户预测方法、装置、电子设备及可读存储介质
CN113610555A (zh) * 2021-07-02 2021-11-05 北京达佳互联信息技术有限公司 目标应用的投放方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346154A1 (en) * 2012-06-22 2013-12-26 Josephine Holz Systems and methods for audience measurement analysis
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
US20170161755A1 (en) * 2015-12-03 2017-06-08 Mastercard International Incorporated Systems and methods for determining economic impact of an event within a geographic area
CN108022007A (zh) * 2017-11-27 2018-05-11 广州虎牙信息科技有限公司 目标应用的日活跃用户数量预测方法、装置和终端设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346154A1 (en) * 2012-06-22 2013-12-26 Josephine Holz Systems and methods for audience measurement analysis
US20170161755A1 (en) * 2015-12-03 2017-06-08 Mastercard International Incorporated Systems and methods for determining economic impact of an event within a geographic area
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
CN108022007A (zh) * 2017-11-27 2018-05-11 广州虎牙信息科技有限公司 目标应用的日活跃用户数量预测方法、装置和终端设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858694A (zh) * 2019-01-28 2019-06-07 上海连尚网络科技有限公司 一种日活跃用户数预测的方法及设备
CN110740193A (zh) * 2019-10-30 2020-01-31 江苏满运软件科技有限公司 一种平台活跃度的预测方法、装置、存储介质及电子设备
CN111563026A (zh) * 2020-04-28 2020-08-21 浙江每日互动网络科技股份有限公司 数据处理方法及装置、电子设备和计算机可读存储介质
CN111563026B (zh) * 2020-04-28 2023-07-14 每日互动股份有限公司 数据处理方法及装置、电子设备和计算机可读存储介质
CN112527803A (zh) * 2020-12-30 2021-03-19 北京百家科技集团有限公司 一种数据处理方法、装置以及计算机设备
CN112527803B (zh) * 2020-12-30 2024-01-26 北京百家科技集团有限公司 一种数据处理方法、装置以及计算机设备
CN113269370A (zh) * 2021-06-18 2021-08-17 腾讯科技(成都)有限公司 一种活跃用户预测方法、装置、电子设备及可读存储介质
CN113269370B (zh) * 2021-06-18 2023-12-12 腾讯科技(成都)有限公司 一种活跃用户预测方法、装置、电子设备及可读存储介质
CN113610555A (zh) * 2021-07-02 2021-11-05 北京达佳互联信息技术有限公司 目标应用的投放方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN109272348B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
CN109272348A (zh) 活跃用户数量确定方法及装置、存储介质和电子设备
US10904169B2 (en) Passing chatbot sessions to the best suited agent
US10587681B2 (en) Deployment of multi-task analytics applications in multi-clouds
Islam et al. Empirical prediction models for adaptive resource provisioning in the cloud
US20210027379A1 (en) Generative network based probabilistic portfolio management
CN108197835B (zh) 任务分配方法、装置、计算机可读存储介质及电子设备
CN109360012A (zh) 广告投放渠道的选择方法及装置、存储介质、电子设备
Ben-Yehuda et al. Expert: Pareto-efficient task replication on grids and a cloud
Xiao et al. Simulation optimization using genetic algorithms with optimal computing budget allocation
JP2021509492A (ja) 当事者の間の戦略的対話における戦略探索
US20200372397A1 (en) Minimizing Risk Using Machine Learning Techniques
CN110209467A (zh) 一种基于机器学习的弹性资源扩展方法和系统
CN109034957A (zh) 一种用于共享物品的产品推荐方法、服务器及系统
US11620493B2 (en) Intelligent selection of time series models
CN110766184A (zh) 订单量预测方法和装置
US11755954B2 (en) Scheduled federated learning for enhanced search
US20220180179A1 (en) Detecting anomalies in computer systems based on forecasted timeseries
US20220044569A1 (en) Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes
US20220044570A1 (en) Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes
US20210019681A1 (en) Identifying and utilizing the availability of enterprise resources
Marin et al. Reaching for the clouds: contextually enhancing smartphones for energy efficiency
CN109636196B (zh) 任务安排方法、装置、电子设备及存储介质
JP6948849B2 (ja) Aiサービス利用支援システム
Barrett et al. A parallel framework for bayesian reinforcement learning
US11574215B2 (en) Efficiency driven data collection and machine learning modeling recommendation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant