CN109685545A - 待发放虚拟网络资源预估方法、装置及电子设备 - Google Patents
待发放虚拟网络资源预估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109685545A CN109685545A CN201811374058.7A CN201811374058A CN109685545A CN 109685545 A CN109685545 A CN 109685545A CN 201811374058 A CN201811374058 A CN 201811374058A CN 109685545 A CN109685545 A CN 109685545A
- Authority
- CN
- China
- Prior art keywords
- value
- virtual network
- network resource
- spending amount
- granting
- 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 56
- 230000006399 behavior Effects 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 16
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 12
- 239000010931 gold Substances 0.000 claims description 12
- 229910052737 gold Inorganic materials 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000003066 decision tree Methods 0.000 description 6
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000011800 void material Substances 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
-
- 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
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0213—Consumer transaction fees
Abstract
本发明涉及互联网产品技术领域,具体而言,涉及一种待发放虚拟网络资源预估方法、装置及电子设备。所述待发放虚拟网络资源预估方法,包括:获取目标用户的消费水平评估值;获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。本发明实施例提供的待发放虚拟网络资源预估方法、装置及电子设备能够实现目标用户的个性化召回,从而优化了针对目标用户的召回效果,并且不会导致虚拟网络资源成本的大量浪费。
Description
技术领域
本发明涉及互联网产品技术领域,具体而言,涉及一种待发放虚拟网络资源预估方法、装置及电子设备。
背景技术
在互联网产品领域,用户生命周期是指用户从对产品产生兴趣开始使用到停止使用且不再关注产品的全过程。在该领域,用户生命周期有可能很短,因为互联网产品用户在每一个过程中都有可能直接走向流失。因此,互联网产品运营商几乎都针对自己的产品制定了相应的流失用户召回策略。例如,网络游戏运营商制定的流失用户召回策略为,通过给流失用户发放“代金券”,以提高流失用户的活跃度和留存率,并且发放“代金券”的传统方法是根据流失用户的累计历史消费情况,将流失用户分为不同的等级,再根据流失用户的等级,确定针对各流失用户的“代金券”发放值。这种流失用户召回策略虽然简单易操作,但召回效果欠佳,同时还会导致“代金券”成本的大量浪费。
发明内容
有鉴于此,本发明实施例的目的在于提供一种待发放虚拟网络资源预估方法、装置及电子设备,以有效改善上述问题。
本发明实施例提供的待发放虚拟网络资源预估方法,包括:
获取目标用户的消费水平评估值;
获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
进一步地,所述获取目标用户的消费水平评估值,包括:
获取所述目标用户的历史消费记录;
对所述历史消费记录进行分析,获得所述目标用户的特征消费金额;
获取预设消费水平评估规则,并按照所述预设消费水平评估规则,基于所述特征消费金额获得所述目标用户的消费水平评估值。
进一步地,所述特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
所述对所述历史消费记录进行分析,获得所述目标用户的特征消费金额,包括:
从所述历史消费记录中提取所述目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从所述消费金额集合中选取额度最大的消费金额,作为所述第一特征消费金额;
从所述消费金额集合中选取额度最小的消费金额,作为所述第二特征消费金额;
按消费金额的大小对所述消费金额集合进行排序,并从所述消费金额集合中选取排序位置位于预设位置的消费金额,作为所述第三特征消费金额;
计算所述消费金额集合中包括的消费金额的平均值,作为所述第四特征消费金额。
进一步地,所述预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为所述消费水平评估值,x1为第一预设权重值,y1为所述第一特征消费金额,x2为第二预设权重值,y2为所述第二特征消费金额,x3为第三预设权重值,y3为所述第三特征消费金额,x4为第四预设权重值,y4为所述第四特征消费金额。
进一步地,所述获取目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值,包括:
获取所述目标用户的特征数据;
将所述特征数据输入点击概率预估模型,获得所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值。
进一步地,所述点击概率预估模型通过以下步骤建立:
获取样本用户,所述样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用所述样本用户的特征数据和点击行为标签对所述机器学习模型进行训练,获得所述点击概率预估模型。
进一步地,所述根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值,包括:
根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照所述预设发放值预估规则,基于所述概率值,从所述发放值预估区间中确定所述发放值。
进一步地,所述根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间,包括:
获取第一设定值和第二设定值;
根据所述消费水平评估值,并结合所述第一设定值和第二设定值设定所述发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为所述消费水平评估值,b为第二设定值。
进一步地,所述发放值预估规则为:
n=a*m+(1-p)*(b-a)*m;
其中,n为所述发放值,a为所述第一设定值,m为所述消费水平评估值,p为所述概率值,b为所述第二设定值。
本发明实施例提供的待发放虚拟网络资源预估装置,包括:
消费水平评估值获取模块,用于获取目标用户的消费水平评估值;
概率值获取模块,用于获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
发放值获取模块,用于根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
进一步地,所述消费水平评估值获取模块,具体用于:
获取所述目标用户的历史消费记录;
对所述历史消费记录进行分析,获得所述目标用户的特征消费金额;
获取预设消费水平评估规则,并按照所述预设消费水平评估规则,基于所述特征消费金额获得所述目标用户的消费水平评估值。
进一步地,所述特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
所述消费水平评估值获取模块,又具体用于:
从所述历史消费记录中提取所述目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从所述消费金额集合中选取额度最大的消费金额,作为所述第一特征消费金额;
从所述消费金额集合中选取额度最小的消费金额,作为所述第二特征消费金额;
按消费金额的大小对所述消费金额集合进行排序,并从所述消费金额集合中选取排序位置位于预设位置的消费金额,作为所述第三特征消费金额;
计算所述消费金额集合中包括的消费金额的平均值,作为所述第四特征消费金额。
进一步地,所述预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为所述消费水平评估值,x1为第一预设权重值,y1为所述第一特征消费金额,x2为第二预设权重值,y2为所述第二特征消费金额,x3为第三预设权重值,y3为所述第三特征消费金额,x4为第四预设权重值,y4为所述第四特征消费金额。
进一步地,所述概率值获取模块,具体用于:
获取所述目标用户的特征数据;
将所述特征数据输入点击概率预估模型,获得所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值。
进一步地,所述点击概率预估模型通过以下步骤建立:
获取样本用户,所述样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用所述样本用户的特征数据和点击行为标签对所述机器学习模型进行训练,获得所述点击概率预估模型。
进一步地,所述发放值获取模块,具体用于:
根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照所述预设发放值预估规则,基于所述概率值,从所述发放值预估区间中确定所述发放值。
进一步地,所述发放值获取模块,又具体用于:
获取第一设定值和第二设定值;
根据所述消费水平评估值,并结合所述第一设定值和第二设定值设定所述发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为所述消费水平评估值,b为第二设定值。
进一步地,所述发放值预估规则为:
n=a*m+(1-p)*(b-a)*m;
其中,n为所述发放值,a为所述第一设定值,m为所述消费水平评估值,p为所述概率值,b为所述第二设定值。
本发明实施例提供的电子设备,包括处理器、存储器和上述待发放虚拟网络资源预估装置,所述待发放虚拟网络资源预估装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时,可以实现上述待发放虚拟网络资源预估方法。
本发明实施例提供的待发放虚拟网络资源预估方法、装置及电子设备通过获取目标用户的消费水平评估值,以及获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值,再根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。如此,针对某个互联网产品,在确定该互联网产品的预流失用户后,可以将其作为目标用户,进一步地结合目标用户的消费水平评估值和点击虚拟网络资源发放包的概率值,获得针对目标用户的待发放虚拟网络资源的发放值,此后,便可以提供金额为该发放值的待发放虚拟网络资源,并发送给目标用户,以实现目标用户的个性化召回,从而优化了针对目标用户的召回效果,并且不会导致虚拟网络资源成本的大量浪费。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的电子设备的示意性结构框图。
图2为本发明实施例提供的待发放虚拟网络资源预估方法的流程示意性。
图3为通过本发明实施例提供的待发放虚拟网络资源预估方法建立的一种决策树的部分结构示意性。
图4为本发明实施例提供的待发放虚拟网络资源预估装置的示意性结构框图。
图标:100-电子设备;110-待发放虚拟网络资源预估装置;111-消费水平评估值获取模块;112-概率值获取模块;113-发放值获取模块;120-处理器;130-存储器。
具体实施方式
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,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1,为本发明实施例提供的一种应用待发放虚拟网络资源预估方法及装置的电子设备100的示意性结构框图。进一步地,本发明实施例中,电子设备100包括待发放虚拟网络资源预估装置110、处理器120和存储器130。
处理器120和存储器130之间直接或间接地电性连接,以实现数据的传输或交互,例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。待发放虚拟网络资源预估装置110包括至少一个可以软件或固件(Firmware)的形式存储在存储器130中或固化在电子设备100的操作系统(Operating System,OS)中的软件模块。处理器120用于执行存储器130中存储的可执行模块,例如,待发放虚拟网络资源预估装置110所包括的软件功能模块及计算机程序等。处理器120可以在接收到执行指令后,执行计算机程序。
其中,处理器120可以是一种集成电路芯片,具有信号处理能力。处理器120也可以是通用处理器,例如,可以是数字信号处理器(DSP)、专用集成电路(ASIC)、分立门或晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。此外,通用处理器可以是微处理器或者任何常规处理器等。
此外,存储器130可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦可编程序只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦编程只读存储器Electric Erasable Programmable Read-Only Memory,EEPROM)等。存储器130用于存储程序,处理器120在接收到执行指令后,执行该程序。
应当理解,图1所示的结构仅为示意,本发明实施例提供的电子设备100还可以具有比图1更少或更多的组件,或是具有与图1所示不同的配置。此外,图1所示的各组件可以通过软件、硬件或其组合实现。
请参阅图2,图2为本发明实施例提供的待发放虚拟网络资源预估方法的流程示意图,该方法应用于图1所示的电子设备100。所应说明的是,本发明实施例提供的待发放虚拟网络资源预估方法不以图2及以下所示的顺序为限制,以下结合图2对待发放虚拟网络资源预估方法的具体流程及步骤进行详细阐述。
步骤S100,获取目标用户的消费水平评估值。
目标用户可以为针对目标互联网产品预先确定的预流失用户,也即,预先从目标互联网产品的所有用户中确定的具有流失倾向的用户。其中,目标互联网产品可以是网络游戏、直播平台或购物网站等。
本发明实施例中,消费水平评估值可以根据目标用户的历史消费记录获取。历史消费记录中包括目标用户每次消费时对应的消费金额,此外,还可以包括目标用户每次消费时对应的消费时间。
进一步地,本发明实施例中,首先,可以获取目标用户的历史消费记录,并对历史消费记录进行分析,获得目标用户的特征消费金额,再获取预设消费水平评估规则,并按照预设消费水平评估规则,基于特征消费金额获得目标用户的消费水平评估值。
本发明实施例中,对历史消费记录进行分析,获得目标用户的特征消费金额,可以通过以下步骤实现。
从历史消费记录中提取目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合。其中,目标时间段可以为起始于目标用户第一次消费时对应的消费时间,且截止于目标用户最后一次消费时对应的消费时间的完整消费时间段,完整消费时间段中包括多个子消费时间段,基于此,本发明实施例中,目标时间段也可以是完整消费时间段中包括的某个子消费时间段。
关于目标时间段的确定,本发明实施例中,可以通过对完整消费时间段内目标用户每次消费时对应的消费金额,以及每次消费时对应的消费时间进行分析获得。具体地,可以利用完整消费时间段内目标用户每次消费时对应的消费金额,以及每次消费时对应的消费时间进行曲线拟合,获得消费变化规律曲线,用以表征目标用户在完整消费时间段内包括的消费金额相对于消费时间的变化规律。此后,通过对消费变化规律曲线进行分析,获得目标时间段。例如,当消费变化规律曲线指示目标用户在完整消费时间段内包括的消费金额相对于消费时间存在上升趋势或下降趋势时,从完整消费时间段中截取预设时间长度的末段时间段,作为目标时间段,否则,将完整消费时间段作为目标时间段。如此,即可避免消费金额集合中存在无参考价值的消费金额,从而确保特征消费金额的可靠性,进而确保消费水平评估值的可靠性。
组成消费金额集合后,为了进一步确保消费水平评估值的可靠性,本发明实施例中,可以对消费金额集合进行分析,获得多个特征金额,作为特征消费金额。例如,可以从消费金额集合中选取额度最大的消费金额,作为第一特征消费金额,从消费金额集合中选取额度最小的消费金额,作为第二特征消费金额,以及按消费金额的大小对消费金额集合进行排序,并从消费金额集合中选取排序位置位于预设位置的消费金额,作为第三特征消费金额。假设,本发明实施例中,消费金额集合中包括的消费金额数量为N,当N为奇数时,预设位置可以为中间位置,也即第(N+1)/2位,当N为偶数时,预设位置可以为第N/2位,也可以为第N/2+1位,再或当N为奇数时,第三特征消费金额也可以为排序位置位于第N/2位的消费金额与排序位置位于N/2+1位的消费金额的平均值。此后,计算消费金额集合中包括的消费金额的平均值,作为第四特征消费金额。因此,可以理解的是,本发明实施例中,特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额。
进一步地,本发明实施例中,预设消费水平评估规则可以为:消费水平评估值等于第一预设权重值与第一特征消费金额的乘积、第二预设权重值与第二特征消费金额的乘积、第三预设权重值与第三特征消费金额的乘积,以及第四预设权重值与第四特征消费金额的乘积的和,也即:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为消费水平评估值,x1为第一预设权重值,y1为第一特征消费金额,x2为第二预设权重值,y2为第二特征消费金额,x3为第三预设权重值,y3为第三特征消费金额,x4为第四预设权重值,y4为第四特征消费金额。
本发明实施例中,第一预设权重值可以为0.1,第二预设权重值可以为0.1,第三预设权重值可以为0.4,第四预设权重值可以为0.4。可以理解的是,在实际实施时,第一预设权重值、第二预设权重值、第三预设权重值和第四预设权重值也可以根据实际需求设定为其他数值,本发明实施例对此不作具体限制。
需要说明的是,本发明实施例中,除第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额之外,特征消费金额还可以包括其他,例如,第五特征消费金额。第五特征消费金额可以是从消费金额集合中选取的出现次数最多的消费额度。对应的,本发明实施例中,所述预设消费水平评估规则也可以为其他,例如,可以为:消费水平评估值等于第一预设权重值与第一特征消费金额的乘积、第二预设权重值与第二特征消费金额的乘积、第三预设权重值与第三特征消费金额的乘积、第四预设权重值与第四特征消费金额的乘积,以及第五预设权重值与第五特征消费金额的乘积的和,也即:
m=x1*y1+x2*y2+x3*y3+x4*y4+x5*y5;
其中,m为消费水平评估值,x1为第一预设权重值,y1为第一特征消费金额,x2为第二预设权重值,y2为第二特征消费金额,x3为第三预设权重值,y3为第三特征消费金额,x4为第四预设权重值,y4为第四特征消费金额,x5为第五预设权重值,y5为第五特征消费金额。
同样,可以理解的是,在实际实施时,第一预设权重值、第二预设权重值、第三预设权重值、第四预设权重值和第五预设权重值可以根据实际需求设定,本发明实施例对此不作具体限制。
步骤S200,获取目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。
虚拟网络资源发放包可以为游戏币发放包、积分币发放包、消费式虚拟货币发放包或交换式虚拟货币发放包等。例如,当目标用户为针对网络游戏预先确定的预流失用户时,虚拟网络资源发放包可以为游戏币发放包,当目标用户为针对直播平台或购物网站预先确定的预流失用户时,虚拟网络资源发放包可以为积分币发放包、消费式虚拟货币发放包或交换式虚拟货币发放包等。
本发明实施例中,可以获取目标用户的特征数据,并将特征数据输入点击概率预估模型,获得目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。进一步地,本发明实施例中,点击概率预估模型可以通过以下步骤建立。
获取样本用户,样本用户具有对应的特征数据和点击行为标签。为了实现目标用户的个性化召回,本发明实施例中,特征数据可以包括目标用户的用户画像数据、消费数据和行为特征数据,其中,用户画像数据可以包括性别、年龄、月收入水平等,消费数据可以包括消费频率、最大消费额度、最小消费额度等,当目标用户为针对网络游戏预先确定的预流失用户时,行为特征数据可以包括游戏类型、活跃度、单次平均游戏时长等。点击行为标签为点击和不点击,其中,点击可以记作1,不点击可以记作0。
选取机器学习模型,并利用样本用户的特征数据和点击行为标签对机器学习模型进行训练,获得点击概率预估模型。
本发明实施例中,选取的机器学习模型为随机森林分类器,随机森林分类器具有训练速度快、实现过程简单等优势。选取机器学习模型后,可以利用样本用户的特征数据建立多棵决策树,针对每棵决策树中的每个分支,获得与该分支对应的点击行为标签为1的样本用户数量,记作M1,以及获得与该分支对应的点击行为标签为O的样本用户数量,记作M2,进一步地,获得与该分支对应的概率值为M1/(M1+M2)。
当获取当目标用户的特征数据,并将特征数据输入点击预估模型之后,就可以将目标用户的特征数据与决策树中的每个分支进行比对,确定与目标用户的特征数据对应的分支,作为目标分支。再将目标分支对应的概率值,作为目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。
例如,样本用户对应的特征数据包括性别、年龄、月收入水平、消费频率、最大消费额度、最小消费额度、游戏类型、活跃度、单次平均游戏时长,则可以利用性别、年龄、月收入水平、消费频率、最大消费额度、最小消费额度、游戏类型、活跃度、单次平均游戏时长建立决策树。请结合参阅图3,图3中示出了决策树的3个完整分支,包括第一分支、第二分支和第三分支。假设,第一分支对应的点击行为标签为1的样本用户数量为180,第一分支对应的点击行为标签为0的样本用户数量为20,则可以获得与第一分支对应的概率值为9/10。当目标用户的特征数据与第一分支对应,例如,目标用户的特征数据为:性别为男、年龄为30岁、月收入水平为11k元、消费频率为2天/次、最大消费额度为3k元、最小消费额度1k元、游戏类型为动作游戏、活跃度为六级、单次平均游戏时长为6小时时,将第一分支作为目标分支,并将9/10作为目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。
步骤S300,根据消费水平评估值和概率值,预估针对目标用户的待发放虚拟网络资源的发放值。
本发明实施例中,首先,可以根据消费水平评估值获得针对目标用户的待发放虚拟网络资源的发放值预估区间,再获取预设发放值预估规则,并按照预设发放值预估规则,基于概率值,从发放值预估区间中确定发放值。
进一步地,本发明实施例中,发放值预估区间可以通过以下步骤获得。
获取第一设定值和第二设定值,再根据消费水平评估值,并结合第一设定值和第二设定值设定发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为消费水平评估值,b为第二设定值。
本发明实施例中,第一设定值可以为0.4,第二设定值可以为0.8,也即,发放值预估区间可以为[0.4*m,0.8*m]。可以理解的是,在实际实施时,第一设定值和第二设定值也可以根据实际需求设定为其他数值,本发明实施例对此不作具体限制。
本发明实施例中,作为第一种实施方式,发放值预估规则可以为:
n=a*m+(1-p)*(b-a)*m;
其中,n为发放值,a为第一设定值,m为消费水平评估值,p为概率值,b为第二设定值。
当第一设定值为0.4,第二设定值为0.8,也即,所述发放值预估区间为[0.4*m,0.8*m]时,发放值预估规则具体为:
n=0.4*m+(1-p)*0.4*m;
其中,n为发放值,m为消费水平评估值,p为概率值。如此,在获得消费水平评估值和概率值的情况下,便可以按照预设发放值预估规则,获得发放值。例如,当消费水平评估值为1k元,概率值为0.5时,按照上述发放值预估规则可以获得发放值为600元。
本发明实施例中,作为第二种实施方式,也可以预先建立概率值与所述发放值预估区间中包括的待选取发放值的映射关系,作为发放值预估规则。
例如,本发明实施例中,概率值p∈[0,1],进一步地,可以预先以梯度为0.2划分出5个子概率值区间,包括第一子概率值区间为[0,0.2]、第二子概率值区间为(0.2,0.4]、第三子概率值区间为(0.4,0.6]、第四子概率值区间为(0.6,0.8]和第五子概率值区间为(0.8,1]。假设,发放值预估区间为[0.4*m,0.8*m],则同样地,可以预先从发放值预估区间中选取5个等梯度的待选取发放值,进一步地,选取的5个等梯度的待选取发放值可以为0.4*m、0.5*m、0.6*m、0.7*m和0.8*m。此后,建立5个子概率值区间与5个待选取发放值的映射关系,例如,第一子概率值区间对应0.8*m,第二子概率值区间对应0.7*m,第三子概率值区间对应0.6*m,第四子概率值区间对应0.5*m,第五子概率值区间对应0.4*m。如此,在获得消费水平评估值和概率值的情况下,便可以按照预设发放值预估规则,获得发放值。例如,当消费水平评估值为1k元,概率值为0.5时,按照上述发放值预估规则可以获得发放值为600元。
基于以上描述,本发明实施例中,发放值预估规则的基本策略可以总结为:当概率值越大时,待发放虚拟网络资源的发放值越小,以确保不会导致虚拟网络资源成本的大量浪费,当概率值越小时,待发放虚拟网络资源的发放值越大,以优化针对目标用户的召回效果。
基于与上述待发放虚拟网络资源预估方法同样的发明构思,本发明实施例还提供了一种待发放虚拟网络资源预估装置110。请参阅图4,待发放虚拟网络资源预估装置110包括消费水平评估值获取模块111、概率值获取模块112和发放值获取模块113。
消费水平评估值获取模块111,用于获取目标用户的消费水平评估值。
可选地,本发明实施例中,消费水平评估值获取模块111,具体用于:
获取目标用户的历史消费记录;
对历史消费记录进行分析,获得目标用户的特征消费金额;
获取预设消费水平评估规则,并按照预设消费水平评估规则,基于特征消费金额获得目标用户的消费水平评估值。
特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
可选地,本发明实施例中,消费水平评估值获取模块111,又具体用于:
从历史消费记录中提取目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从消费金额集合中选取额度最大的消费金额,作为第一特征消费金额;
从消费金额集合中选取额度最小的消费金额,作为第二特征消费金额;
按消费金额的大小对消费金额集合进行排序,并从消费金额集合中选取排序位置位于预设位置的消费金额,作为第三特征消费金额;
计算消费金额集合中包括的消费金额的平均值,作为第四特征消费金额。
可选地,本发明实施例中,预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为消费水平评估值,x1为第一预设权重值,y1为第一特征消费金额,x2为第二预设权重值,y2为第二特征消费金额,x3为第三预设权重值,y3为第三特征消费金额,x4为第四预设权重值,y4为第四特征消费金额。
关于消费水平评估值获取模块111的描述具体可参考上述步骤S100的详细描述,也即,步骤S100可以由消费水平评估值获取模块111执行,此处不再赘述。
概率值获取模块112,用于获取目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。
可选地,本发明实施例中,概率值获取模块112,具体用于:
获取目标用户的特征数据;
将特征数据输入点击概率预估模型,获得目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值。
可选地,本发明实施例中,点击概率预估模型通过以下步骤建立:
获取样本用户,样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用样本用户的特征数据和点击行为标签对机器学习模型进行训练,获得点击概率预估模型。
关于概率值获取模块112的描述具体可参考上述步骤S200的详细描述,也即,步骤S200可以由概率值获取模块112执行,此处不再赘述。
发放值获取模块113,用于根据消费水平评估值和概率值,预估针对目标用户的待发放虚拟网络资源的发放值
可选地,本发明实施例中,发放值获取模块113,具体用于:
根据消费水平评估值获得针对目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照预设发放值预估规则,基于概率值,从发放值预估区间中确定发放值。
可选地,本发明实施例中,发放值获取模块113,又具体用于:
获取第一设定值和第二设定值;
根据消费水平评估值,并结合第一设定值和第二设定值设定发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为消费水平评估值,b为第二设定值。
可选地,本发明实施例中,发放值预估规则为:
n=a*m+(1-p)*(b-a)*m;
其中,n为发放值,a为第一设定值,m为消费水平评估值,p为概率值,b为第二设定值。
关于发放值获取模块113的描述具体可参考上述步骤S300的详细描述,也即,步骤S300可以由发放值获取模块113执行,此处不再赘述。
综上所述,本发明实施例提供的待发放虚拟网络资源预估方法、装置及电子设备通过获取目标用户的消费水平评估值,以及获取目标用户在接收到虚拟网络资源发放包时,点击虚拟网络资源发放包的概率值,再根据消费水平评估值和概率值,预估针对目标用户的待发放虚拟网络资源的发放值。如此,针对某个互联网产品,在确定该互联网产品的预流失用户后,可以将其作为目标用户,进一步地结合目标用户的消费水平评估值和点击虚拟网络资源发放包的概率值,获得针对目标用户的待发放虚拟网络资源的发放值,此后,便可以提供金额为该发放值的待发放虚拟网络资源,并发送给目标用户,以实现目标用户的个性化召回,从而优化了针对目标用户的召回效果,并且不会导致虚拟网络资源成本的大量浪费。
在本发明实施例所提供的上述实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本公开各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本公开的可选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
A1.一种待发放虚拟网络资源预估方法,其特征在于,包括:
获取目标用户的消费水平评估值;
获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
A2.根据权利要求A1所述的待发放虚拟网络资源预估方法,其特征在于,所述获取目标用户的消费水平评估值,包括:
获取所述目标用户的历史消费记录;
对所述历史消费记录进行分析,获得所述目标用户的特征消费金额;
获取预设消费水平评估规则,并按照所述预设消费水平评估规则,基于所述特征消费金额获得所述目标用户的消费水平评估值。
A3.根据权利要求A2所述的待发放虚拟网络资源预估方法,其特征在于,所述特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
所述对所述历史消费记录进行分析,获得所述目标用户的特征消费金额,包括:
从所述历史消费记录中提取所述目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从所述消费金额集合中选取额度最大的消费金额,作为所述第一特征消费金额;
从所述消费金额集合中选取额度最小的消费金额,作为所述第二特征消费金额;
按消费金额的大小对所述消费金额集合进行排序,并从所述消费金额集合中选取排序位置位于预设位置的消费金额,作为所述第三特征消费金额;
计算所述消费金额集合中包括的消费金额的平均值,作为所述第四特征消费金额。
A4.根据权利要求A3所述的待发放虚拟网络资源预估方法,其特征在于,所述预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为所述消费水平评估值,x1为第一预设权重值,y1为所述第一特征消费金额,x2为第二预设权重值,y2为所述第二特征消费金额,x3为第三预设权重值,y3为所述第三特征消费金额,x4为第四预设权重值,y4为所述第四特征消费金额。
A5.根据权利要求A1所述的待发放虚拟网络资源预估方法,其特征在于,所述获取目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值,包括:
获取所述目标用户的特征数据;
将所述特征数据输入点击概率预估模型,获得所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值。
A6.根据权利要求A5所述的待发放虚拟网络资源预估方法,其特征在于,所述点击概率预估模型通过以下步骤建立:
获取样本用户,所述样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用所述样本用户的特征数据和点击行为标签对所述机器学习模型进行训练,获得所述点击概率预估模型。
A7.根据权利要求A1所述的待发放虚拟网络资源预估方法,其特征在于,所述根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值,包括:
根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照所述预设发放值预估规则,基于所述概率值,从所述发放值预估区间中确定所述发放值。
A8.根据权利要求A7所述的待发放虚拟网络资源预估方法,其特征在于,所述根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间,包括:
获取第一设定值和第二设定值;
根据所述消费水平评估值,并结合所述第一设定值和第二设定值设定所述发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为所述消费水平评估值,b为第二设定值。
A9.根据权利要求A8所述的待发放虚拟网络资源预估方法,其特征在于,所述发放值预估规则为:
n=a*m+(1-p)*(b-a)*m;
其中,n为所述发放值,a为所述第一设定值,m为所述消费水平评估值,p为所述概率值,b为所述第二设定值。
B 10.一种待发放虚拟网络资源预估装置,其特征在于,包括:
消费水平评估值获取模块,用于获取目标用户的消费水平评估值;
概率值获取模块,用于获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
发放值获取模块,用于根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
B 11.根据权利要求B 10所述的待发放虚拟网络资源预估装置,其特征在于,所述消费水平评估值获取模块,具体用于:
获取所述目标用户的历史消费记录;
对所述历史消费记录进行分析,获得所述目标用户的特征消费金额;
获取预设消费水平评估规则,并按照所述预设消费水平评估规则,基于所述特征消费金额获得所述目标用户的消费水平评估值。
B 12.根据权利要求B 11所述的待发放虚拟网络资源预估装置,其特征在于,所述特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
所述消费水平评估值获取模块,又具体用于:
从所述历史消费记录中提取所述目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从所述消费金额集合中选取额度最大的消费金额,作为所述第一特征消费金额;
从所述消费金额集合中选取额度最小的消费金额,作为所述第二特征消费金额;
按消费金额的大小对所述消费金额集合进行排序,并从所述消费金额集合中选取排序位置位于预设位置的消费金额,作为所述第三特征消费金额;
计算所述消费金额集合中包括的消费金额的平均值,作为所述第四特征消费金额。
B 13.根据权利要求B 12所述的待发放虚拟网络资源预估装置,其特征在于,所述预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为所述消费水平评估值,x1为第一预设权重值,y1为所述第一特征消费金额,x2为第二预设权重值,y2为所述第二特征消费金额,x3为第三预设权重值,y3为所述第三特征消费金额,x4为第四预设权重值,y4为所述第四特征消费金额。
B 14.根据权利要求B 10所述的待发放虚拟网络资源预估装置,其特征在于,所述概率值获取模块,具体用于:
获取所述目标用户的特征数据;
将所述特征数据输入点击概率预估模型,获得所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值。
B 15.根据权利要求B 14所述的待发放虚拟网络资源预估装置,其特征在于,所述点击概率预估模型通过以下步骤建立:
获取样本用户,所述样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用所述样本用户的特征数据和点击行为标签对所述机器学习模型进行训练,获得所述点击概率预估模型。
B 16.根据权利要求B 10所述的待发放虚拟网络资源预估装置,其特征在于,所述发放值获取模块,具体用于:
根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照所述预设发放值预估规则,基于所述概率值,从所述发放值预估区间中确定所述发放值。
B 17.根据权利要求B 16所述的待发放虚拟网络资源预估装置,其特征在于,所述发放值获取模块,又具体用于:
获取第一设定值和第二设定值;
根据所述消费水平评估值,并结合所述第一设定值和第二设定值设定所述发放值预估区间为[a*m,b*m],其中,a为第一设定值,m为所述消费水平评估值,b为第二设定值。
B 18.根据权利要求B 17所述的待发放虚拟网络资源预估装置,其特征在于,所述发放值预估规则为:
n=a*m+(1-p)*(b-a)*m;
其中,n为所述发放值,a为所述第一设定值,m为所述消费水平评估值,p为所述概率值,b为所述第二设定值。
C19.一种电子设备,其特征在于,包括处理器、存储器和权利要求B10-B18所述的待发放虚拟网络资源预估装置,所述待发放虚拟网络资源预估装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
D20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,可以实现权利要求A1-A9中任意一项所述的待发放虚拟网络资源预估方法。
Claims (10)
1.一种待发放虚拟网络资源预估方法,其特征在于,包括:
获取目标用户的消费水平评估值;
获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
2.根据权利要求1所述的待发放虚拟网络资源预估方法,其特征在于,所述获取目标用户的消费水平评估值,包括:
获取所述目标用户的历史消费记录;
对所述历史消费记录进行分析,获得所述目标用户的特征消费金额;
获取预设消费水平评估规则,并按照所述预设消费水平评估规则,基于所述特征消费金额获得所述目标用户的消费水平评估值。
3.根据权利要求2所述的待发放虚拟网络资源预估方法,其特征在于,所述特征消费金额包括第一特征消费金额、第二特征消费金额、第三特征消费金额和第四特征消费金额;
所述对所述历史消费记录进行分析,获得所述目标用户的特征消费金额,包括:
从所述历史消费记录中提取所述目标用户在目标时间段内每次消费时对应的消费金额,组成消费金额集合;
从所述消费金额集合中选取额度最大的消费金额,作为所述第一特征消费金额;
从所述消费金额集合中选取额度最小的消费金额,作为所述第二特征消费金额;
按消费金额的大小对所述消费金额集合进行排序,并从所述消费金额集合中选取排序位置位于预设位置的消费金额,作为所述第三特征消费金额;
计算所述消费金额集合中包括的消费金额的平均值,作为所述第四特征消费金额。
4.根据权利要求3所述的待发放虚拟网络资源预估方法,其特征在于,所述预设消费水平评估规则为:
m=x1*y1+x2*y2+x3*y3+x4*y4;
其中,m为所述消费水平评估值,x1为第一预设权重值,y1为所述第一特征消费金额,x2为第二预设权重值,y2为所述第二特征消费金额,x3为第三预设权重值,y3为所述第三特征消费金额,x4为第四预设权重值,y4为所述第四特征消费金额。
5.根据权利要求1所述的待发放虚拟网络资源预估方法,其特征在于,所述获取目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值,包括:
获取所述目标用户的特征数据;
将所述特征数据输入点击概率预估模型,获得所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值。
6.根据权利要求5所述的待发放虚拟网络资源预估方法,其特征在于,所述点击概率预估模型通过以下步骤建立:
获取样本用户,所述样本用户具有对应的特征数据和点击行为标签;
选取机器学习模型,并利用所述样本用户的特征数据和点击行为标签对所述机器学习模型进行训练,获得所述点击概率预估模型。
7.根据权利要求1所述的待发放虚拟网络资源预估方法,其特征在于,所述根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值,包括:
根据所述消费水平评估值获得针对所述目标用户的待发放虚拟网络资源的发放值预估区间;
获取预设发放值预估规则,并按照所述预设发放值预估规则,基于所述概率值,从所述发放值预估区间中确定所述发放值。
8.一种待发放虚拟网络资源预估装置,其特征在于,包括:
消费水平评估值获取模块,用于获取目标用户的消费水平评估值;
概率值获取模块,用于获取所述目标用户在接收到虚拟网络资源发放包时,点击所述虚拟网络资源发放包的概率值;
发放值获取模块,用于根据所述消费水平评估值和所述概率值,预估针对所述目标用户的待发放虚拟网络资源的发放值。
9.一种电子设备,其特征在于,包括处理器、存储器和权利要求8所述的待发放虚拟网络资源预估装置,所述待发放虚拟网络资源预估装置包括一个或多个存储于所述存储器并由所述处理器执行的软件功能模块。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,可以实现权利要求1-7中任意一项所述的待发放虚拟网络资源预估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374058.7A CN109685545A (zh) | 2018-11-16 | 2018-11-16 | 待发放虚拟网络资源预估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374058.7A CN109685545A (zh) | 2018-11-16 | 2018-11-16 | 待发放虚拟网络资源预估方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685545A true CN109685545A (zh) | 2019-04-26 |
Family
ID=66184841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811374058.7A Pending CN109685545A (zh) | 2018-11-16 | 2018-11-16 | 待发放虚拟网络资源预估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685545A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428278A (zh) * | 2019-06-27 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 确定资源份额的方法及装置 |
CN111159241A (zh) * | 2019-12-20 | 2020-05-15 | 深圳前海微众银行股份有限公司 | 一种点击转化预估方法及装置 |
CN113159829A (zh) * | 2021-03-19 | 2021-07-23 | 北京京东拓先科技有限公司 | 虚拟资产分配方法、装置与电子设备 |
CN113163224A (zh) * | 2021-04-27 | 2021-07-23 | 思享智汇(海南)科技有限责任公司 | 一种虚拟形象的发放方法、系统及存储介质 |
CN114331336A (zh) * | 2021-12-21 | 2022-04-12 | 二十六度数字科技(广州)有限公司 | 一种提高审批效率及自动化程度的系统设计方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192287A (zh) * | 2006-11-23 | 2008-06-04 | 阿里巴巴公司 | 自动发送虚拟资源的方法及系统 |
US20100106584A1 (en) * | 2007-04-17 | 2010-04-29 | American Express Travel Related Services Company, Inc. | System and method for rewarding a consumer based upon positive behavior of a group |
US20140279320A1 (en) * | 2013-03-15 | 2014-09-18 | Bracket Computing, Inc. | Allocating and pricing virtual resources |
CN106127504A (zh) * | 2016-06-12 | 2016-11-16 | 北京三快在线科技有限公司 | 电子物品券的推送方法、生成方法、装置、用户终端及服务器 |
CN106910084A (zh) * | 2015-12-23 | 2017-06-30 | 滴滴(中国)科技有限公司 | 电子券分配方法及装置 |
CN107590684A (zh) * | 2017-08-21 | 2018-01-16 | 时趣互动(北京)科技有限公司 | 一种基于用户购买数据实时下发优惠券的方法及装置 |
CN107818478A (zh) * | 2017-10-31 | 2018-03-20 | 携程计算机技术(上海)有限公司 | 基于预估收益的海外优惠券发放方法及系统 |
CN107862027A (zh) * | 2017-10-31 | 2018-03-30 | 北京小度信息科技有限公司 | 检索意图识别方法、装置、电子设备及可读存储介质 |
CN108280683A (zh) * | 2018-01-18 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 基于广告投放平台的优惠券发放方法及装置 |
CN108320182A (zh) * | 2018-01-22 | 2018-07-24 | 深圳市喂车科技有限公司 | 一种油站优惠券发放方法、装置及可读存储介质 |
CN108416624A (zh) * | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | 一种优惠券推送方法、装置、存储介质及智能终端 |
-
2018
- 2018-11-16 CN CN201811374058.7A patent/CN109685545A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192287A (zh) * | 2006-11-23 | 2008-06-04 | 阿里巴巴公司 | 自动发送虚拟资源的方法及系统 |
US20100106584A1 (en) * | 2007-04-17 | 2010-04-29 | American Express Travel Related Services Company, Inc. | System and method for rewarding a consumer based upon positive behavior of a group |
US20140279320A1 (en) * | 2013-03-15 | 2014-09-18 | Bracket Computing, Inc. | Allocating and pricing virtual resources |
CN106910084A (zh) * | 2015-12-23 | 2017-06-30 | 滴滴(中国)科技有限公司 | 电子券分配方法及装置 |
CN106127504A (zh) * | 2016-06-12 | 2016-11-16 | 北京三快在线科技有限公司 | 电子物品券的推送方法、生成方法、装置、用户终端及服务器 |
CN107590684A (zh) * | 2017-08-21 | 2018-01-16 | 时趣互动(北京)科技有限公司 | 一种基于用户购买数据实时下发优惠券的方法及装置 |
CN107818478A (zh) * | 2017-10-31 | 2018-03-20 | 携程计算机技术(上海)有限公司 | 基于预估收益的海外优惠券发放方法及系统 |
CN107862027A (zh) * | 2017-10-31 | 2018-03-30 | 北京小度信息科技有限公司 | 检索意图识别方法、装置、电子设备及可读存储介质 |
CN108280683A (zh) * | 2018-01-18 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 基于广告投放平台的优惠券发放方法及装置 |
CN108320182A (zh) * | 2018-01-22 | 2018-07-24 | 深圳市喂车科技有限公司 | 一种油站优惠券发放方法、装置及可读存储介质 |
CN108416624A (zh) * | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | 一种优惠券推送方法、装置、存储介质及智能终端 |
Non-Patent Citations (3)
Title |
---|
SAYANTA MALLICK等: "A Resource Prediction Model for Virtualization Servers", 2012 INTERNATIONAL CONFERENCE ON HIGH PERFORMANCE COMPUTING & SIMULATION (HPCS), pages 667 - 671 * |
吴斌等: "基于微博重复发送的垃圾用户甄别", 数据采集与处理, vol. 30, no. 1, pages 117 - 125 * |
罗凯等: "金融危机下中国消费券政策效果评估", 浙江社会科学, no. 2, pages 46 - 126 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428278A (zh) * | 2019-06-27 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 确定资源份额的方法及装置 |
CN110428278B (zh) * | 2019-06-27 | 2023-10-27 | 创新先进技术有限公司 | 确定资源份额的方法及装置 |
CN111159241A (zh) * | 2019-12-20 | 2020-05-15 | 深圳前海微众银行股份有限公司 | 一种点击转化预估方法及装置 |
CN111159241B (zh) * | 2019-12-20 | 2023-04-07 | 深圳前海微众银行股份有限公司 | 一种点击转化预估方法及装置 |
CN113159829A (zh) * | 2021-03-19 | 2021-07-23 | 北京京东拓先科技有限公司 | 虚拟资产分配方法、装置与电子设备 |
CN113163224A (zh) * | 2021-04-27 | 2021-07-23 | 思享智汇(海南)科技有限责任公司 | 一种虚拟形象的发放方法、系统及存储介质 |
CN114331336A (zh) * | 2021-12-21 | 2022-04-12 | 二十六度数字科技(广州)有限公司 | 一种提高审批效率及自动化程度的系统设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685545A (zh) | 待发放虚拟网络资源预估方法、装置及电子设备 | |
CN108363602B (zh) | 智能ui界面布局方法、装置、终端设备及存储介质 | |
CN104504084B (zh) | 确定用户留存率的方法及装置 | |
CN110070399A (zh) | 一种优惠券推送方法及装置 | |
CN105224606B (zh) | 一种用户标识的处理方法及装置 | |
CN106897284A (zh) | 电子书籍的推荐方法及装置 | |
CN106156092B (zh) | 数据处理方法及装置 | |
CN107436840A (zh) | 应用程序运行性能分析方法、装置及系统 | |
Sadat Hosseini et al. | Short-term load forecasting of power systems by gene expression programming | |
CN106959925A (zh) | 一种版本测试方法及装置 | |
CN108734464A (zh) | 一种利用浏览器执行区块链计算任务的方法、装置和浏览器 | |
CN106294564A (zh) | 一种视频推荐方法及装置 | |
CN107316200A (zh) | 一种分析用户行为周期的方法和装置 | |
CN109086317A (zh) | 风险控制方法和相关装置 | |
CN107807935B (zh) | 应用推荐方法及装置 | |
CN112163642A (zh) | 一种风控规则获取方法、装置、介质及设备 | |
CN109767110A (zh) | 一种风险控制系统优化方法、装置、设备及存储介质 | |
CN108614843B (zh) | 网站内容的评估方法及装置 | |
CN109255480A (zh) | 间佣率预测方法、装置、计算机设备及存储介质 | |
CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
CN107566148A (zh) | 终端应用操作数据的分析方法、系统、装置及终端 | |
CN103500143B (zh) | 硬盘参数调整方法及装置 | |
CN107247720B (zh) | 表情排行榜单生成方法及装置、计算机设备 | |
CN109976875A (zh) | 一种超融合云计算系统的数据监测方法和装置 | |
CN105095258B (zh) | 一种媒体信息排序方法、装置和媒体信息推荐系统 |
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 |