CN110288403A - 挽留弹框弹出方法、系统、设备及存储介质 - Google Patents

挽留弹框弹出方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN110288403A
CN110288403A CN201910562993.4A CN201910562993A CN110288403A CN 110288403 A CN110288403 A CN 110288403A CN 201910562993 A CN201910562993 A CN 201910562993A CN 110288403 A CN110288403 A CN 110288403A
Authority
CN
China
Prior art keywords
user
given threshold
purchase
version
prediction
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
Application number
CN201910562993.4A
Other languages
English (en)
Inventor
周希
聂强强
肖铨武
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.)
Ctrip Travel Network Technology Shanghai Co Ltd
Original Assignee
Ctrip Travel Network Technology Shanghai Co 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 Ctrip Travel Network Technology Shanghai Co Ltd filed Critical Ctrip Travel Network Technology Shanghai Co Ltd
Priority to CN201910562993.4A priority Critical patent/CN110288403A/zh
Publication of CN110288403A publication Critical patent/CN110288403A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • 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
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种挽留弹框弹出方法、系统、设备及存储介质，该方法包括获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值；判断所述预测购买概率值是否小于一设定阈值；如果小于所述设定阈值，则弹出挽留弹框。本发明采用预测用户购买意愿预测的基础上，决定系统是否弹出挽留弹框，本发明的方法具有较高的准确性，能够在保持线上的购买转化率的减少挽留弹框的使用，从而减少对用户的打扰，提升用户体验度。

Description

挽留弹框弹出方法、系统、设备及存储介质
技术领域
本发明涉及互联网领域，具体地说，涉及一种基于用户购买意愿预测的挽留弹框弹出方法、系统、设备及存储介质。
背景技术
随着互联网技术的快速发展，省时省力的网络购物已经成为现代生活的一部分。通常的网路购买流程中，用户在填写页面点击返回按钮后，系统采用弹框方式挽留用户，提示用户当前的价格较为优惠的、多少位用户正在浏览当前商品等信息。弹框挽留对犹豫纠结的用户起到一个正向的促进购买的作用，但对本身就要购买的用户则是个打扰。传统的技术处理办法是对所有用户弹框挽留或者对所有用户取消弹框挽留，或者设定一些规则来筛选用户。这些方案都不能精准根据购买意愿分类用户，以致于要么错过对纠结用户的挽留，要么造成对用户的打扰。
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发明的背景的理解，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
针对现有技术中的问题，本发明提供了一种挽留弹框弹出方法、系统、设备及存储介质，此方法通过对用户历史访问行为的分析，预测用户的购买意愿，对购买意愿低的用户弹出挽留弹框，而对购买意愿高的用户则取消挽留弹框，减少弹出挽留弹框对用户的打扰，提升用户体验度。
本发明的实施例提供了一种挽留弹框弹出方法，包括以下步骤：
获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；
获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值；
判断所述预测购买概率值是否小于一设定阈值；
如果小于所述设定阈值，则弹出挽留弹框。
根据本发明的一实施例，所述历史用户数据包括用户离线数据和用户实时数据。
根据本发明的一实施例，所述获取历史用户数据，训练用户购买意愿的预测模型包括以下步骤：
将获取历史用户数据中的访问并购买的用户数据作为正样本；
将获取历史用户数据中的访问未购买的用户数据作为负样本；
分别抽取所述正样本的用户数据的特征值和所述负样本的用户数据的特征值；
建立逻辑回归模型；
利用所述正样本和所述负样本训练所述逻辑回归模型，训练得到的逻辑回归模型作为所述用户购买意愿的预测模型。
根据本发明的一实施例，所述特征值包括实时浏览点击行为、历史浏览点击行为、历史购买记录和用户基本属性。
根据本发明的一实施例，所述挽留弹框弹出方法还包括采用所述用户购买意愿的预测模型通过AB测试所述设定阈值的步骤。
根据本发明的一实施例，所述AB测试包括以下步骤：
分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
比较所述第一购买转化率是否大于第二购买转化率；
如果是，则将第一设定阈值设定为所述设定阈值；
如果否，则将第二设定阈值设定为所述设定阈值。
本发明的实施例还提供了一种挽留弹框弹出系统，包括：数据单元、模型单元、用户单元、判断单元和执行单元；
所述数据单元用于存储所述用户数据；
所述模型单元用于从所述数据单元获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；
所述用户单元用于获取目标用户的多个特征值，将所述多个特征值输入所述预测模型，所述模型单元输出预测的所述目标用户的购买概率值；
所述判断单元判断所述购买意愿值是否小于一设定阈值；
所述执行单元根据所述判断单元的判断结果，执行或不执行弹出挽留弹框。
根据本发明的一实施例，所述挽留弹框弹出系统还包括流量开关单元和测试单元，在AB测试时，
所述流量开关单元分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
所述流量开关单元根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
所述测试单元分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
所述判断单元比较所述第一购买转化率是否大于第二购买转化率；
如果是，则所述执行单元将第一设定阈值设定为所述设定阈值；
如果否，则所述执行单元将第二设定阈值设定为所述设定阈值。
本发明的实施例还提供了一种挽留弹框弹出设备，包括：
处理器；
存储器，其中存储有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所述挽留弹框弹出方法的步骤。
本发明的实施例还提供了一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述挽留弹框弹出方法的步骤。
本发明提供了一种挽留弹框弹出方法、系统、设备及存储介质，该方法包括获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值；判断所述预测购买概率值是否小于一设定阈值；如果小于所述设定阈值，则弹出挽留弹框。本发明采用预测用户购买意愿预测的基础上，决定系统是否弹出挽留弹框，本发明的方法具有较高的准确性，能够在保持线上的购买转化率的减少挽留弹框的使用，从而减少对用户的打扰，提升用户体验度。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。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为本发明一实施例的挽留弹框弹出方法的流程图；
图2为本发明一实施例的训练预测模型的流程图
图3为本发明一实施例的AB测试的流程图；
图4为本发明一实施例的挽留弹框弹出系统的示意图；
图5为本发明一实施例的挽留弹框弹出设备的结构示意图；
图6为本发明一实施例的计算机可读存储介质的结构示意图。
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。
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。
图1为本发明一实施例的挽留弹框弹出方法的流程图，具体地，该方法包括：
S100、获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值。历史用户数据可以取一段时间内到达填写页且点返回按钮的用户数据，包括用户离线数据和用户实时数据。此处的历史用户数据是经过预处理清洗过的数据，即去除了一些异常或者特征值不全的数据。历史用户数据是平台中多个不同用户在特定时间段内的历史数据，根据多个用户平时的操作数据和是否购买特定商品，通过机器学习可以得到预测模型。
S200、获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值。本发明的一实施例中，特征值包括实时浏览点击行为、历史浏览点击行为、历史购买记录和用户基本属性。实时浏览点击行为包括各个访问页面的页面浏览量(Page View，PV)、访问时长、访问深度、点击数、回退按钮次数、搜索的航线熵(衡量用户的目的地分散程序)、搜索的日期熵(衡量用户的出行日期分散程序)、搜索次数、提前搜索天数、搜索的出发/到达城市数、各个页面是否勾选或者点击页面上的各选项或按钮、搜索的航线是否是用户的特征航线(高频且主要航线)等。
历史浏览点击行为包括实时浏览点击行为数据的历史一段时间内的累加，此处的历史一段时间可为前1天、前7天或前15天，可根据平台业务的不同而不同。
历史购买记录包括历史总订单数、最近时段内的订单数、国际/国内订单数、购买附加产品等。
用户基本属性包括用户活跃度、用户的价格敏感度等。
由于预测购买概率值是根据模型和目标用户的历史数据进行预测的购买可能性的大小评估值，因此，其比较客观地反映了目标用户的购买意愿。即预测模型得到的预测购买概率值实际上是对目标用户的购买意愿的大小的预测。
S300、判断所述预测购买概率值是否小于一设定阈值；
如果小于所述设定阈值，则S400、弹出挽留弹框。
上述方法中，S100获取历史用户数据，训练用户购买意愿的预测模型步骤又可具体地包括以下步骤，见图2：
S110、将获取历史用户数据中的访问并购买的用户数据作为正样本；将获取历史用户数据中的访问未购买的用户数据作为负样本；
S120、分别抽取正样本的用户数据的特征值和负样本的用户数据的特征值；实际中，流程会将由正/负样本中的用户离线数据生成的特征值乘以一定的权重(分数值)，而将由正/负样本中的用户实施数据生成的实时的特征值的权重可以看成是1，用户实时数据会影响生成的特征值。
S130、建立逻辑回归模型；逻辑回归模型是在线性回归的基础上，套用了一个逻辑函数，逻辑回归模型是最准确的预测模型之一，正如上述所述，我们的模型采用了离线和实时的特征值。
S140、利用上述正样本和负样本训练所述逻辑回归模型，训练得到的逻辑回归模型作为所述用户购买意愿的预测模型。训练的过程可采用python语言训练，但不限于此语言。
S200步骤中获得的预测购买概率值是正/负样品的实时和离线两部分的特征值经过一定权重叠加后再做逻辑计算的结果。
本发明S300步骤中一设定阈值，可以根据用户购买意愿的预测模型本身以及平台业务来设定具体的值，也可以采用用户购买意愿的预测模型通过AB测试所述设定阈值。
采用用户购买意愿的预测模型通过AB测试所述设定阈值的步骤集体包括以下步骤，见图3：
S500、分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
S510、根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
S520、分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
S530、比较所述第一购买转化率是否大于第二购买转化率；
如果是，则S540、将第一设定阈值设定为所述设定阈值；
如果否，则S550、将第二设定阈值设定为所述设定阈值。
下面以机票购买平台为例来说明采用用户购买意愿的预测模型通过AB测试所述设定阈值的步骤。此处后续挽留弹框弹出系统中的流量开关单元起到按照设定的比例分流执行不同设定阈值的组作用，譬如，可以设定设置A版本承载50％的流量，流量开关单元随机产生一个区间是0-100的数值，将此数值与50比较，如小于50则执行A版本，即预测购买概率值要小于第一设定阈值是才则弹出挽留弹框；如大于50则执行B版本，即预测购买概率值要小于第二设定阈值是才则弹出挽留弹框；
分别获得执行A版本和B版本后用户的购买转化率，将获得较高的购买转化率对应的那个版本的设定阈值作为后续业务的设定阈值。
图4为本发明一实施例的挽留弹框弹出系统的示意图，该系统包括数据单元M100、模型单元M200、用户单元M300、判断单元M400和执行单元M500；
所述数据单元M100用于存储所述用户数据；
所述模型单元M200用于从所述数据单元M100获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；
所述用户单元M300用于获取目标用户的多个特征值，将所述多个特征值输入所述预测模型，所述模型单元M200输出预测的所述目标用户的购买概率值；
所述判断单元M400判断所述购买意愿值是否小于一设定阈值；
所述执行单元M500根据所述判断单元M400的判断结果，执行或不执行弹出挽留弹框。
本发明的挽留弹框弹出系统的一实时例中，还包括流量开关单元和测试单元，在AB测试时，
所述流量开关单元分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
所述流量开关单元根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
所述测试单元分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
所述判断单元M400比较所述第一购买转化率是否大于第二购买转化率；
如果是，则所述执行单M500元将第一设定阈值设定为所述设定阈值；
如果否，则所述执行单元M500将第二设定阈值设定为所述设定阈值。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600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5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述电子处方流转处理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，处理单元610可以执行如图1中所示的步骤。
存储单元620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)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205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630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600也可以与一个或多个外部设备700(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600交互的设备通信，和/或与使得该电子设备600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650进行。并且，电子设备600还可以通过网络适配器660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。网络适配器660可以通过总线630与电子设备600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600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平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行实现分拣挽留弹框弹出方法的步骤。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，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述电子处方流转处理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6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800，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。
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。
计算机可读存储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。可读存储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。可读存储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，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)。
综上所述，本发明提供了一种挽留弹框弹出方法、系统、设备及存储介质，该方法包括获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值；判断所述预测购买概率值是否小于一设定阈值；如果小于所述设定阈值，则弹出挽留弹框。本发明采用预测用户购买意愿预测的基础上，决定系统是否弹出挽留弹框，本发明的方法具有较高的准确性，能够在保持线上的购买转化率的减少挽留弹框的使用，从而减少对用户的打扰，提升用户体验度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种挽留弹框弹出方法，其特征在于，包括以下步骤：
获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；
获取目标用户的特征值，将所述特征值输入所述预测模型，输出所述目标用户的预测购买概率值；
判断所述预测购买概率值是否小于一设定阈值；
如果小于所述设定阈值，则弹出挽留弹框。
2.根据权利要求1所述的挽留弹框弹出方法，其特征在于，所述历史用户数据包括用户离线数据和用户实时数据。
3.根据权利要求1所述的挽留弹框弹出方法，其特征在于，所述获取历史用户数据，训练用户购买意愿的预测模型包括以下步骤：
将获取历史用户数据中的访问并购买的用户数据作为正样本；
将获取历史用户数据中的访问未购买的用户数据作为负样本；
分别抽取所述正样本的用户数据的特征值和所述负样本的用户数据的特征值；
建立逻辑回归模型；
利用所述正样本和所述负样本训练所述逻辑回归模型，训练得到的逻辑回归模型作为所述用户购买意愿的预测模型。
4.根据权利要求1所述的挽留弹框弹出方法，其特征在于，所述特征值包括实时浏览点击行为、历史浏览点击行为、历史购买记录和用户基本属性。
5.根据权利要求1所述的挽留弹框弹出方法，其特征在于，还包括采用所述用户购买意愿的预测模型通过AB测试所述设定阈值的步骤。
6.根据权利要求5所述的挽留弹框弹出方法，其特征在于，所述AB测试包括以下步骤：
分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
比较所述第一购买转化率是否大于第二购买转化率；
如果是，则将第一设定阈值设定为所述设定阈值；
如果否，则将第二设定阈值设定为所述设定阈值。
7.一种挽留弹框弹出系统，其特征在于，包括：数据单元、模型单元、用户单元、判断单元和执行单元；
所述数据单元用于存储所述用户数据；
所述模型单元用于从所述数据单元获取历史用户数据，训练用户购买意愿的预测模型，所述预测模型的输入包括用户特征值，输出包括预测购买概率值；
所述用户单元用于获取目标用户的多个特征值，将所述多个特征值输入所述预测模型，所述模型单元输出预测的所述目标用户的购买概率值；
所述判断单元判断所述购买意愿值是否小于一设定阈值；
所述执行单元根据所述判断单元的判断结果，执行或不执行弹出挽留弹框。
8.根据权利要求7所述的挽留弹框弹出系统，其特征在于，还包括流量开关单元和测试单元，在AB测试时，
所述流量开关单元分别获取A版本和B版本的流量配置，所述A版本中采用第一设定阈值，所述B版本中采用第二设定阈值，所述第一设定阈值不等于第二设定阈值；
所述流量开关单元根据所述流量配置，随机分配所述目标用户执行A版本或B版本；
所述测试单元分别获得执行A版本的目标用户的第一购买转化率和执行B版本的目标用户的第二购买转化率；
所述判断单元比较所述第一购买转化率是否大于第二购买转化率；
如果是，则所述执行单元将第一设定阈值设定为所述设定阈值；
如果否，则所述执行单元将第二设定阈值设定为所述设定阈值。
9.一种挽留弹框弹出设备，其特征在于，包括：
处理器；
存储器，其中存储有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6任意一项所述挽留弹框弹出方法的步骤。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至6任意一项所述挽留弹框弹出方法的步骤。
CN201910562993.4A 2019-06-26 2019-06-26 挽留弹框弹出方法、系统、设备及存储介质 Pending CN110288403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910562993.4A CN110288403A (zh) 2019-06-26 2019-06-26 挽留弹框弹出方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910562993.4A CN110288403A (zh) 2019-06-26 2019-06-26 挽留弹框弹出方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110288403A true CN110288403A (zh) 2019-09-27

Family

ID=68006233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910562993.4A Pending CN110288403A (zh) 2019-06-26 2019-06-26 挽留弹框弹出方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110288403A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184250A (zh) * 2020-09-23 2021-01-05 支付宝(杭州)信息技术有限公司 挽回页的生成方法、装置、存储介质和计算机设备
CN113095861A (zh) * 2020-01-08 2021-07-09 浙江大搜车软件技术有限公司 目标对象成交概率的预测方法、装置、设备及存储介质
CN113139767A (zh) * 2020-01-20 2021-07-20 菜鸟智能物流控股有限公司 物流对象分拨方法和装置、电子设备以及计算机可读存储介质
CN113240409A (zh) * 2021-06-07 2021-08-10 福建乐摩物联科技有限公司 一种共享按摩椅的用户支付挽留方法、设备和介质
CN114139898A (zh) * 2021-11-22 2022-03-04 泰康保险集团股份有限公司 一种线索数据分发方法、装置、设备及存储介质
CN114449330A (zh) * 2022-01-28 2022-05-06 北京百度网讯科技有限公司 信息显示的方法、装置、设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104967552A (zh) * 2014-11-12 2015-10-07 腾讯科技（深圳）有限公司 消息推送方法及装置
CN106202446A (zh) * 2016-07-14 2016-12-07 刘志军 一种网页信息显示方法和系统
CN107679686A (zh) * 2017-08-28 2018-02-09 阿里巴巴集团控股有限公司 一种业务执行方法及装置
CN109299961A (zh) * 2017-07-24 2019-02-01 北京嘀嘀无限科技发展有限公司 防止用户流失的方法及装置、设备和存储介质
CN109587328A (zh) * 2018-11-21 2019-04-05 Oppo广东移动通信有限公司 消息管理方法和装置、存储介质及电子设备
CN109919719A (zh) * 2019-02-22 2019-06-21 掌阅科技股份有限公司 信息推送方法、计算设备及计算机存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104967552A (zh) * 2014-11-12 2015-10-07 腾讯科技（深圳）有限公司 消息推送方法及装置
CN106202446A (zh) * 2016-07-14 2016-12-07 刘志军 一种网页信息显示方法和系统
CN109299961A (zh) * 2017-07-24 2019-02-01 北京嘀嘀无限科技发展有限公司 防止用户流失的方法及装置、设备和存储介质
CN107679686A (zh) * 2017-08-28 2018-02-09 阿里巴巴集团控股有限公司 一种业务执行方法及装置
CN109587328A (zh) * 2018-11-21 2019-04-05 Oppo广东移动通信有限公司 消息管理方法和装置、存储介质及电子设备
CN109919719A (zh) * 2019-02-22 2019-06-21 掌阅科技股份有限公司 信息推送方法、计算设备及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LARRY: "弹窗常见的四种交互情况，URL：https://zhuanlan.zhihu.com/p/21399424", 《知乎》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095861A (zh) * 2020-01-08 2021-07-09 浙江大搜车软件技术有限公司 目标对象成交概率的预测方法、装置、设备及存储介质
CN113139767A (zh) * 2020-01-20 2021-07-20 菜鸟智能物流控股有限公司 物流对象分拨方法和装置、电子设备以及计算机可读存储介质
CN112184250A (zh) * 2020-09-23 2021-01-05 支付宝(杭州)信息技术有限公司 挽回页的生成方法、装置、存储介质和计算机设备
CN112184250B (zh) * 2020-09-23 2022-08-30 支付宝(杭州)信息技术有限公司 挽回页的生成方法、装置、存储介质和计算机设备
CN113240409A (zh) * 2021-06-07 2021-08-10 福建乐摩物联科技有限公司 一种共享按摩椅的用户支付挽留方法、设备和介质
CN114139898A (zh) * 2021-11-22 2022-03-04 泰康保险集团股份有限公司 一种线索数据分发方法、装置、设备及存储介质
CN114449330A (zh) * 2022-01-28 2022-05-06 北京百度网讯科技有限公司 信息显示的方法、装置、设备以及存储介质

Similar Documents

Publication Publication Date Title
US11397772B2 (en) Information search method, apparatus, and system
CN110288403A (zh) 挽留弹框弹出方法、系统、设备及存储介质
CA3066832C (en) Information search method, apparatus and system
US11687352B2 (en) Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments
CN106982256A (zh) 信息推送方法、装置、设备及存储介质
CN110971659A (zh) 推荐消息的推送方法、装置及存储介质
CN109558032B (zh) 操作处理方法、装置以及计算机设备
CN109461023A (zh) 流失用户挽回方法及装置、电子设备、存储介质
CN111708934A (zh) 知识内容的评价方法、装置、电子设备和存储介质
CN105069036A (zh) 一种信息推荐方法及装置
CN109492837A (zh) 机票订单保险推送方法、装置、电子设备、存储介质
CN111754278A (zh) 物品推荐方法、装置、计算机存储介质和电子设备
CA3004344A1 (en) Method and apparatus for dynamically selecting content for online visitors
CN111695024A (zh) 对象评估值的预测方法及系统、推荐方法及系统
CN110910201A (zh) 信息推荐的控制方法、装置、计算机设备及存储介质
CN113139115A (zh) 信息推荐方法、搜索方法、装置及客户端、介质及设备
CN112950218A (zh) 一种业务风险评估方法、装置、计算机设备和存储介质
CN111028062A (zh) 一种潜力商品挖掘方法、装置及计算机可读存储介质
CN113094602B (zh) 酒店推荐方法、系统、设备及介质
CN109523296A (zh) 用户行为概率分析方法及装置、电子设备、存储介质
CN117573507A (zh) 测试用例生成方法、装置、电子设备及存储介质
CN111797258A (zh) 基于美感评价的图像推送方法、系统、设备及存储介质
CN110348581B (zh) 用户特征群中用户特征寻优方法、装置、介质及电子设备
US20140108290A1 (en) Merchant influence scoring
WO2020150597A1 (en) Systems and methods for entity performance and risk scoring

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190927