CN111178973A - 流失用户标识识别方法、装置、计算机设备及存储介质 - Google Patents
流失用户标识识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111178973A CN111178973A CN201911411312.0A CN201911411312A CN111178973A CN 111178973 A CN111178973 A CN 111178973A CN 201911411312 A CN201911411312 A CN 201911411312A CN 111178973 A CN111178973 A CN 111178973A
- Authority
- CN
- China
- Prior art keywords
- user identifier
- score
- user
- operation data
- user identification
- 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 53
- 238000010606 normalization Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
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
Abstract
本申请实施例公开了一种流失用户标识识别方法、装置、计算机设备及存储介质,属于计算机技术领域。该方法包括:采集用户标识在当前时刻之前的预设时间段内的历史操作数据,对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识的识别结果,确定用户标识是否为流失用户标识。根据用户的历史操作进行数据统计,具有可靠的数据基础,可以准确地获取用户标识的识别结果,提高了准确率,并且识别流失用户标识的过程迅速便捷,易于实现。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种流失用户标识识别方法、装置、计算机设备及存储介质。
背景技术
随着计算机技术的快速发展,多个平台应运而生,能够为用户提供丰富多样的功能。而用户是各大平台的核心,用户可以在多个平台上注册用户标识,从而使用各个平台提供的功能。
并且,用户可以在多个平台之间流动,还可能会由于某些原因而放弃使用某个平台,导致该平台的用户标识流失。若该平台能够识别出流失用户标识,就能及时采用一些手段来挽留该流失用户标识,有效减少用户标识流失造成的损失。因此,亟需提出一种识别流失用户标识的方法。
发明内容
本申请实施例提供了一种流失用户标识识别方法、装置、计算机设备及存储介质,能够有效识别出流失用户标识,减少用户标识流失造成的损失。所述技术方案如下:
一方面,提供了一种流失用户标识识别方法,所述方法包括:
获取用户标识在当前时刻之前的预设时间段内的历史操作数据;
对所述历史操作数据进行统计,得到所述用户标识对应的分值;
根据所述分值确定所述用户标识的识别结果,所述识别结果表示所述用户标识是否为流失用户标识;
其中,所述历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,所述操作资源数量表示所述用户标识在所述预设时间段内执行的资源转移操作对应的资源数量总和;所述操作时间间隔表示所述用户标识在所述预设时间段内执行的最后一个操作的操作时刻距离所述当前时刻的时间间隔。
可选地,所述历史操作数据包括所述操作次数、所述操作资源数量或所述操作时间间隔中的至少两项操作数据,所述对所述历史操作数据进行统计,得到所述用户标识对应的分值,包括:
按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值。
可选地,所述按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值,包括:
对所述至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据;
按照所述至少两项操作数据的权重,对所述归一化处理后的至少两项操作数据进行统计,得到所述用户标识对应的分值。
可选地,所述根据所述分值确定所述用户标识的识别结果,包括:
当所述分值大于预设分值时,确定所述用户标识不是流失用户标识;
当所述分值不大于所述预设分值时,确定所述用户标识是流失用户标识。
可选地,所述根据所述分值确定所述用户标识的识别结果,包括:
获取预设对应关系,所述预设对应关系包括分值范围与用户标识类型的对应关系;
根据所述分值查询所述预设对应关系,确定所述分值所属的分值范围对应的用户标识类型;
当确定的用户标识类型为流失类型时,确定所述用户标识是流失用户标识;
当确定的用户标识类型不是流失类型时,确定所述用户标识不是流失用户标识。
可选地,所述根据所述分值确定所述用户标识的识别结果之后,所述方法还包括:
当所述用户标识是流失用户标识时,向所述用户标识的账户发放奖励数据。
另一方面,提供了一种流失用户标识识别装置,所述装置包括:
获取模块,用于获取用户标识在当前时刻之前的预设时间段内的历史操作数据;
统计模块,用于对所述历史操作数据进行统计,得到所述用户标识对应的分值;
识别模块,用于根据所述分值确定所述用户标识的识别结果,所述识别结果表示所述用户标识是否为流失用户标识;
其中,所述历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,所述操作资源数量表示所述用户标识在所述预设时间段内执行的资源转移操作对应的资源数量总和;所述操作时间间隔表示所述用户标识在所述预设时间段内执行的最后一个操作的操作时刻距离所述当前时刻的时间间隔。
可选地,所述历史操作数据包括所述操作次数、所述操作资源数量或所述操作时间间隔中的至少两项操作数据,所述统计模块,包括:
统计单元,用于按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值。
可选地,所述统计单元还用于:
对所述至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据;
按照所述至少两项操作数据的权重,对所述归一化处理后的至少两项操作数据进行统计,得到所述用户标识对应的分值。
可选地,所述识别模块,包括:
第一识别单元,用于当所述分值大于预设分值时,确定所述用户标识不是流失用户标识;
第二识别单元,用于当所述分值不大于所述预设分值时,确定所述用户标识是流失用户标识。
可选地,所述识别模块,包括:
对应关系获取单元,用于获取预设对应关系,所述预设对应关系包括分值范围与用户标识类型的对应关系;
查询单元,用于根据所述分值查询所述预设对应关系,确定所述分值所属的分值范围对应的用户标识类型;
第一确定单元,用于当确定的用户标识类型为流失类型时,确定所述用户标识是流失用户标识;
第二确定单元,用于当确定的用户标识类型不是流失类型时,确定所述用户标识不是流失用户标识。
可选地,所述识别模块还用于:
当所述用户标识是流失用户标识时,向所述用户标识的账户发放奖励数据。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如上述方面所述的流失用户标识识别方法。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如上述方面所述的流失用户标识识别方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的方法、装置、计算机设备及存储介质,通过采集用户标识在当前时刻之前的预设时间段内的历史操作数据,对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识的识别结果,确定用户标识是否为流失用户标识。本申请实施例能够根据用户的历史操作进行数据统计,具有可靠的数据基础,可以准确地获取用户标识的识别结果,提高了准确率,并且识别流失用户标识的过程迅速便捷,易于实现。
另外,通过对至少两项操作数据分配不同的权重,可以按照至少两个维度的操作数据的重要程度进行分值计算,使得分值计算结果更合理、准确。
另外,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少两项操作数据,通过对至少两项操作数据归一化处理,可以使得不同的操作数据具有共同的评判标准,从而将不同操作数据统一进行比较。
另外,通过对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识是否为流失用户标识,明确了用户标识类型划分方式,在得到分值后,通过将分值与预设分值作比较,或者查询分值范围与用户标识类型的对应关系,可以迅速、准确的得到用户标识类别,有效识别出流失用户标识。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,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是本申请实施例提供的一种流失用户标识识别方法的流程图;
图2是本申请实施例提供的另一种流失用户标识识别方法的流程图;
图3是本申请实施例提供的一种流失用户标识识别方法的流程图;
图4是本申请实施例提供的一种用户标识分值计算的示意图;
图5是本申请实施例提供的一种用户标识分值计算的示意图;
图6是本申请实施例提供的一种流失用户标识识别的示意图;
图7是本申请实施例提供的一种流失用户标识识别装置的框图;
图8是本申请实施例提供的另一种流失用户标识识别装置的框图;
图9是本申请实施例提供的一种终端的结构示意图;
图10是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供的流失用户标识识别方法,可以应用于计算机设备中。
在一种可能实现方式中,该计算机设备可以为终端,该终端可以为手机、计算机、平板电脑等多种类型的终端。
该终端基于用户标识登录,可以获取用户标识的历史操作数据,根据该历史操作数据确定用户标识的识别结果,以确定该用户标识是否为流失用户标识。
在另一种可能实现方式中,该计算机设备可以为服务器。该服务器可以为一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务器中心。或者该服务器可以为不同平台的后台服务器,例如视频播放平台、电子支付平台、电子购物平台或即时通信平台等。
终端基于用户标识登录服务器,可以根据执行的操作生成操作数据,上传给服务器。服务器可以获取到用户标识的历史操作数据,根据该历史操作数据确定用户标识的识别结果,以确定该用户标识是否为流失用户标识。另外,服务器还可以将识别结果发送给终端。
下述实施例中仅是以流失用户标识识别方法的执行主体为计算机设备为例进行说明。
图1是本申请实施例提供的一种流失用户标识识别方法的流程图,应用于计算机设备中,参见图1,该实施例包括:
在步骤101中,获取用户标识在当前时刻之前的预设时间段内的历史操作数据。
在步骤102中,对历史操作数据进行统计,得到用户标识对应的分值。
在步骤103中,根据分值确定用户标识的识别结果,识别结果表示用户标识是否为流失用户标识。
其中,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,操作资源数量表示用户标识在预设时间段内执行的资源转移操作对应的资源数量总和;操作时间间隔表示用户标识在预设时间段内执行的最后一个操作的操作时刻距离当前时刻的时间间隔。
本申请实施例提供的流失用户标识识别方法,通过采集用户标识在当前时刻之前的预设时间段内的历史操作数据,对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识的识别结果,确定用户标识是否为流失用户标识。本申请实施例能够根据用户的历史操作进行数据统计,具有可靠的数据基础,可以准确地获取用户标识的识别结果,提高了准确率,并且识别流失用户标识的过程迅速便捷,易于实现。
在一种可能实现方式中,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少两项操作数据,对历史操作数据进行统计,得到用户标识对应的分值,包括:
按照至少两项操作数据的权重,对至少两项操作数据进行统计,得到用户标识对应的分值。
在一种可能实现方式中,按照至少两项操作数据的权重,对至少两项操作数据进行统计,得到用户标识对应的分值,包括:
对至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据;
按照至少两项操作数据的权重,对归一化处理后的至少两项操作数据进行统计,得到用户标识对应的分值。
在一种可能实现方式中,根据分值确定用户标识的识别结果,包括:
当分值大于预设分值时,确定用户标识不是流失用户标识;
当分值不大于预设分值时,确定用户标识是流失用户标识。
在一种可能实现方式中,根据分值确定用户标识的识别结果,包括:
获取预设对应关系,预设对应关系包括分值范围与用户标识类型的对应关系;
根据分值查询预设对应关系,确定分值所属的分值范围对应的用户标识类型;
当确定的用户标识类型为流失类型时,确定用户标识是流失用户标识;
当确定的用户标识类型不是流失类型时,确定用户标识不是流失用户标识。
在一种可能实现方式中,根据分值确定用户标识的识别结果之后,方法还包括:
当用户标识是流失用户标识时,向用户标识的账户发放奖励数据。
图2是本申请实施例提供的另一种流失用户标识识别方法的流程图,应用于计算机设备中。参见图2,该实施例包括:
201、计算机设备获取用户标识在当前时刻之前的预设时间段内的历史操作数据。
本申请实施例的操作流程如图3所示,计算机设备登录用户标识,获取用户标识的历史操作数据,对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识类型,识别出流失用户标识。
首先,计算机设备登录用户标识,用户标识用于指示唯一对应的用户,可以为用户名、用户编号、或者还可以为其他标识。用户可以在计算机设备上基于该用户标识执行操作,计算机设备运行过程中会生成操作数据。
其中,该操作数据用于记录用户标识执行的操作,可以包括用户标识执行的操作、操作时刻、操作对象等。例如,用户标识可执行的操作可以包括访问网页、点赞视频、收藏物品、购买物品等,用户基于用户标识访问网页时,计算机设备生成的操作数据中包括访问的网页地址、访问时间和访问时长等。或者,用户基于用户标识购买物品时,计算机设备生成的操作数据中包括购买的物品数量、物品的价格、购买时间、收货地址等。
本申请实施例中,为了准确识别用户标识是否为流失用户标识,可以获取该用户标识在当前时刻之前的预设时间段内的历史操作数据,根据历史操作数据获取用户标识对应的分值,根据分值来确定用户标识的识别结果。
其中,当前时刻之前的预设时间段,是指以当前时刻为结束时刻,以当前时刻之前的预设时长的时刻为起始时刻而确定的时间段,该预设时长可以为30天、60天或90天等。
当前时刻即为对用户标识进行识别的时刻,可以为任一时刻,例如,计算机设备可以周期性地对用户标识进行识别,识别周期可以为30天、60天或90天等。且该识别周期可以与该预设时长相等或者不等。
该用户标识在该预设时间段内的历史操作数据可以表示用户标识在该预设时间段内的操作情况,从而能够表示该用户标识是否为流失用户标识。历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据。
其中,操作次数表示在该预设时间段内用户标识执行的操作次数的总和,能够表示用户标识的操作频率,操作次数为非负数,操作次数越大,表示用户标识执行操作越频繁,越代表该用户标识不是流失用户标识。操作次数越小,表示用户标识执行操作越不频繁,越代表该用户标识可能是流失用户标识。
操作资源数量表示用户标识在预设时间段内执行的资源转移操作对应的资源数量总和,操作资源数量为非负数。
另外,计算机设备具有资源转移功能,能够执行资源转移操作,将该用户标识的资源转移给其他用户标识。例如,在用户购买物品时,计算机设备会将用户标识的资源转移给物品的卖家,或者在用户点外卖时,计算机设备会将用户标识的资源转移给外卖商家。并且执行的每个资源转移操作具有对应的资源数量,以表示本次操作用户转出的资源多少。因此,操作资源数量越多,表示用户标识在预设时间段内转出的资源越多,越代表该用户标识不是流失用户标识。操作资源数量越少,表示用户标识在预设时间段内转出的资源越少,越代表该用户标识可能是流失用户标识。
另外,操作时间间隔表示用户标识在预设时间段内执行的最后一个操作的操作时刻距离当前时刻的时间间隔,操作时间间隔为非负数,该操作时间间隔越大,表示用户标识上一次执行操作距离当前时刻越久,越代表该用户标识可能是流失用户标识。该操作时间间隔越小,表示用户标识上一次执行操作距离当前时刻越近,越代表该用户标识不是流失用户标识。
需要说明的是,历史操作数据中可以包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,另外还可以包括其他操作数据,本申请实施例对此不做限定。
202、计算机设备按照至少两项操作数据的权重,对至少两项操作数据进行统计,得到用户标识对应的分值。
本申请实施例中,获取到历史操作数据后,对历史操作数据进行统计,得到用户标识对应的分值。分值的高低能够代表用户标识的活跃程度,从而能够体现用户标识是否为流失用户标识。
在一种可能实现方式中,历史操作数据包括操作次数的情况下,计算机设备根据操作次数确定用户标识对应的分值,且操作次数与分值呈正相关关系,即操作次数越大,分值越大。
例如,计算机设备将该操作次数作为用户标识对应的分值,或者将该操作次数与预设系数的乘积作为用户标识对应的分值,或者采用其他方式获取分值。
在一种可能实现方式中,历史操作数据包括操作资源数量的情况下,计算机设备根据操作资源数量确定用户标识对应的分值,且操作资源数量与分值呈正相关关系,即操作资源数量越大,分值越大。
例如,计算机设备将该操作资源数量作为用户标识对应的分值,或者将该操作资源数量与预设系数的乘积作为用户标识对应的分值,或者采用其他方式获取分值。
在一种可能实现方式中,历史操作数据包括操作时间间隔的情况下,计算机设备根据操作时间间隔确定用户标识对应的分值,且操作时间间隔与分值呈负相关关系,即操作时间间隔越小,分值越大。
例如,计算机设备将该操作时间间隔作为用户标识对应的分值,或者将该操作时间间隔与预设系数的乘积作为用户标识对应的分值,或者采用其他方式获取分值。
上述可能实现方式中,仅是以历史操作数据包括一项操作数据为例进行说明。而在另一种可能实现方式中,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少两项操作数据。此时,考虑到不同维度的操作数据的重要程度不同,可以设置每个维度的操作数据的权重,从而能够按照至少两项操作数据的权重,对至少两项操作数据进行统计,得到用户标识对应的分值。
例如,按照至少两项操作数据的权重,对至少两项操作数据进行加权求和,得到用户标识对应的分值。或者,按照至少两项操作数据的权重,对至少两项操作数据进行加权平均,得到用户标识对应的分值。或者采用其他方式进行统计,本申请实施例对此不做限定。
例如,如图4所示,计算机设备获取上述三项操作数据,对上述三项操作数据分别设置权重,操作次数F的权重为Wf,操作资源数量M的权重为Wm,操作时间间隔R的权重为Wr,使得三个权重的绝对值之和为1。对上述三项操作数据按照权重进行统计,得到用户标识对应的分值S:
S=Wr*R+Wf*F+Wm*M
另外,为了保证分值与操作次数和操作资源数量呈正相关关系,与操作时间间隔呈负相关关系,可以设置操作次数和操作资源数量的权重为正数,操作时间间隔的权重为负数。
在一种可能实现方式中,对至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据,按照至少两项操作数据的权重,对归一化处理后的至少两项操作数据进行统计,得到用户标识对应的分值。
在一种可能实现方式中,对至少两项操作数据进行归一化处理包括以下步骤:
获取至少两项操作数据中的最小值MIN,与最大值MAX。其中,操作时间间隔可以以天、小时或分钟为单位,操作资源数量可以以元、角或英镑等为单位。
(1)针对操作次数
对操作次数F进行归一化,得到归一化后的操作次数F′:
F′=(F-MIN)/(MAX-MIN)
F′越大,表示用户标识执行操作越频繁,越代表该用户标识不是流失用户标识。
(2)针对操作资源数量
对操作资源数量M进行归一化,得到归一化后的操作资源数量M′:
M′=(M-MIN)/(MAX-MIN)
M′越大,表示用户标识在预设时间段内转出的资源越多,越代表该用户标识不是流失用户标识。
(3)针对操作时间间隔
对操作时间间隔R进行归一化,得到归一化后的操作时间间隔R′:
R′=(R-MIN)/(MAX-MIN)
R′越大,表示用户标识上一次执行操作距离当前时刻越久,越代表该用户标识可能是流失用户标识。
由于用户标识的分值与操作时间间隔呈负相关关系,可选地,在归一化的过程中将该负相关关系转化为正相关关系,得到R′。
R′=(MAX-R)/(MAX-MIN)
R′越大,表示用户标识上一次执行操作距离当前时刻越近,越代表该用户标识不是流失用户标识。
在另一种可能实现方式中,对至少两项操作数据进行归一化处理还可以包括以下步骤:
获取至少两项操作数据的平均值μ和标准差σ。
(1)针对操作次数
归一化后的操作次数F′为:
F′=(F-μ)/σ
(2)针对操作资源数量
归一化后的操作资源数量M′为:
M′=(M-μ)/σ
(3)针对操作时间间隔
归一化后的操作时间间隔R′为
R′=(R-μ)/σ
或者为,
R′=(μ-R)/σ
计算机设备按照至少两项操作数据的权重,对归一化处理后的至少两项操作数据进行统计,得到用户标识对应的分值。
例如,如图5所示,计算机设备登录用户标识,获取用户标识在当前时刻之前的90天内的三项历史操作数据,按上述方式进行归一化处理,对归一化处理后的三项历史操作数据分别设置权重,操作次数F′的权重为Wf,操作资源数量M′的权重为Wm,操作时间间隔R′的权重为Wr,使得三个权重的绝对值之和为1。则用户标识对应的分值S为
S=Wr*R′+Wf*F′+Wm*M′
其中权重设置方式可以有多种,本申请实施例对此不做限定。
在一种可能实现方式中,操作次数体现用户的忠诚度,因此在评估用户分值时具有较高的权重,操作资源数量体现出用户标识对应的用户的消费能力,因此在评估用户分值时具有最高的权重,操作时间间隔体现用户的最近一次的消费情况,可能受用户工作、生活状况影响,导致需求不连续,因此在评估用户分值时具有较低的权重。也即是,操作次数的权重大于操作时间间隔的权重,且操作资源数量的权重大于操作时间间隔的权重。
203、计算机设备根据分值确定用户标识的识别结果。
其中,识别结果表示用户标识是否为流失用户标识。
本申请实施例中将用户标识分为流失用户标识和非流失用户标识两类,获取到上述用户标识对应的分值时,根据分值确定用户标识的识别结果。
在一种可能实现方式中,计算机设备设置预设分值,预设分值用于区分用户标识是否为流失用户标识,当计算机设备得到用户标识对应的分值时,将分值与该预设分值进行比较,当分值大于预设分值时,确定用户标识不是流失用户标识,当分值不大于预设分值时,确定用户标识是流失用户标识。
在另一种可能实现方式中,计算机设备设置多个分值范围和多个用户标识类型,建立分值范围与用户标识类型的对应关系,其中用户标识类型包括流失类型和非流失类型。当计算机设备获取到用户标识对应的分值时,获取预设对应关系,根据分值查询预设对应关系,确定分值所属的分值范围,从而确定该分值范围对应的用户标识类型。当确定的用户标识类型为流失类型时,确定用户标识是流失用户标识,当确定的用户标识类型不是流失类型时,确定用户标识不是流失用户标识。
例如,该预设对应关系可以如下表1所示,该预设对应关系中设置了5个分值范围,以及对应的5种用户标识类型,其中第5种用户标识类型为流失类型,第1种至第4种用户标识类型均属于非流失类型。
如图6所示,计算机设备获取用户标识对应的分值时,确定用户标识所属的类型,当确认用户标识属于流失类型时,识别该用户标识为流失用户标识,当确认用户标识属于高、中高、中或低类型时,可以将结果融合,即高、中高、中或低类型对应的用户标识均为非流失用户标识,并将识别结果输出。
表1
分值范围 | 用户标识类型 |
8~10 | 高 |
6~8 | 中高 |
4~6 | 中 |
2~4 | 一般 |
0~2 | 流失 |
需要说明的是,计算机设备在设置预设对应关系时,可以根据一般的用户标识对应的分值来划分分值范围并确定对应的用户标识类型,以使一般的用户标识属于非流失用户标识。例如,计算机设备可以获取多个用户标识对应的分值,根据多个分值的分布情况划分分值范围,并确定对应的用户标识类型,以使大部分用户标识属于非流失用户标识,少部分用户标识属于流失用户标识。
另外,还可以根据分值计算方式设置预设对应关系,采用不同的分值计算方式获取分值时,分值范围的划分方式也是不同的,分值范围对应的用户标识类型也是不同的。
204、当用户标识是流失用户标识时,计算机设备向用户标识的账户发放奖励数据。
对于流失用户标识,计算机设备可以采取一些手段来挽留该用户标识。
在一种可能实现方式中,计算机设备可以向该用户标识的账户发放奖励数据。其中,该奖励数据可以包括积分、虚拟货币、优惠券、电子会员卡等多种数据。
在另一种可能实现方式中,计算机设备还可以向该用户标识发送推荐信息,如计算机设备对该用户标识的历史操作数据进行整理,得到历史足迹记录,该历史足迹记录中按照操作时刻的先后顺序展示用户标识曾执行过的多个操作,将该历史足迹记录发送给该用户标识,用户即可通过该用户标识查看用户历史足迹记录,从而勾起用户的回忆,以挽留用户。
或者,计算机设备可以获取该用户标识的兴趣标签,向该用户标识推荐属于该兴趣标签的信息,如物品促销通知、物品链接等,以吸引用户。
本申请实施例提供的流失用户标识识别方法,通过采集用户标识在当前时刻之前的预设时间段内的历史操作数据,对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识的识别结果,确定用户标识是否为流失用户标识。本申请实施例能够根据用户的历史操作进行数据统计,具有可靠的数据基础,可以准确地获取用户标识的识别结果,提高了准确率,并且识别流失用户标识的过程迅速便捷,易于实现。
另外,通过对至少两项操作数据分配不同的权重,可以按照至少两个维度的操作数据的重要程度进行分值计算,使得分值计算结果更合理、准确。
另外,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少两项操作数据,通过对至少两项操作数据归一化处理,可以使得不同的操作数据具有共同的评判标准,从而将不同操作数据统一进行比较。
另外,通过对历史操作数据进行统计,得到用户标识对应的分值,根据分值确定用户标识是否为流失用户标识,明确了用户标识类型划分方式,在得到分值后,通过将分值与预设分值作比较,或者查询分值范围与用户标识类型的对应关系,可以迅速、准确的得到用户标识类别,有效识别出流失用户标识。
图7是本申请实施例提供的一种流失用户标识识别装置的结构示意图,如图7所示,该装置包括:
获取模块701,用于获取用户标识在当前时刻之前的预设时间段内的历史操作数据;
统计模块702,用于对历史操作数据进行统计,得到用户标识对应的分值;
识别模块703,用于根据分值确定用户标识的识别结果,识别结果表示用户标识是否为流失用户标识;
其中,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,操作资源数量表示用户标识在预设时间段内执行的资源转移操作对应的资源数量总和;操作时间间隔表示用户标识在预设时间段内执行的最后一个操作的操作时刻距离当前时刻的时间间隔。
可选地,如图8所示,历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少两项操作数据,统计模块702,包括:
统计单元7021,用于按照至少两项操作数据的权重,对至少两项操作数据进行统计,得到用户标识对应的分值。
可选地,如图8所示,统计单元7021还用于:
对至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据;
按照至少两项操作数据的权重,对归一化处理后的至少两项操作数据进行统计,得到用户标识对应的分值。
可选地,如图8所示,识别模块703,包括:
第一识别单元7031,用于当分值大于预设分值时,确定用户标识不是流失用户标识;
第二识别单元7032,用于当分值不大于预设分值时,确定用户标识是流失用户标识。
可选地,如图8所示,识别模块703,包括:
对应关系获取单元7033,用于获取预设对应关系,预设对应关系包括分值范围与用户标识类型的对应关系;
查询单元7034,用于根据分值查询预设对应关系,确定分值所属的分值范围对应的用户标识类型;
第一确定单元7035,用于当确定的用户标识类型为流失类型时,确定用户标识是流失用户标识;
第二确定单元7036,用于当确定的用户标识类型不是流失类型时,确定用户标识不是流失用户标识。
可选地,如图8所示,识别模块703还用于:
当用户标识是流失用户标识时,向用户标识的账户发放奖励数据。
图9是本申请实施例提供的一种终端的结构示意图,可以实现上述实施例中计算机设备执行的操作。该终端900可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑、台式电脑、头戴式设备、智能电视、智能音箱、智能遥控器、智能话筒,或其他任意智能终端。终端900还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端900包括有:处理器901和存储器902。
处理器901可以包括一个或多个处理核心,比如4核心处理器、9核心处理器等。存储器902可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的,用于存储至少一个指令,该至少一个指令用于被处理器901所具有以实现本申请中方法实施例提供的流失用户标识识别方法。
在一些实施例中,终端900还可选包括有:外围设备接口903和至少一个外围设备。处理器901、存储器902和外围设备接口903之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口903相连。具体地,外围设备包括:射频电路904、显示屏905和音频电路906中的至少一种。
射频电路904用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路904通过电磁信号与通信网络及其他通信设备进行通信。
显示屏905用于显示UI(UserInterface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。该显示屏905可以是触摸显示屏,还可以用于提供虚拟按钮和/或虚拟键盘。
音频电路906可以包括麦克风和扬声器。麦克风用于采集用户及环境的音频信号,并将音频信号转换为电信号输入至处理器901进行处理,或者输入至射频电路904以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端900的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器901或射频电路904的电信号转换为音频信号。
本领域技术人员可以理解,图9中示出的结构并不构成对终端900的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图10是本申请实施例提供的一种服务器的结构示意图,该服务器1000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central ProcessingUnits,CPU)1001和一个或一个以上的存储器1002,其中,存储器1002中存储有至少一条指令,至少一条指令由处理器1001加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
服务器1000可以用于执行上述流失用户标识识别方法。
本申请实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条程序代码,至少一条程序代码由处理器加载并具有以实现上述实施例的流失用户标识识别方法。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,至少一条程序代码由处理器加载并具有以实现上述实施例的流失用户标识识别方法。
本申请实施例还提供了一种计算机程序,该计算机程序中存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行,以实现上述实施例的流失用户标识识别方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请实施例的可选实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种流失用户标识识别方法,其特征在于,所述方法包括:
获取用户标识在当前时刻之前的预设时间段内的历史操作数据;
对所述历史操作数据进行统计,得到所述用户标识对应的分值;
根据所述分值确定所述用户标识的识别结果,所述识别结果表示所述用户标识是否为流失用户标识;
其中,所述历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,所述操作资源数量表示所述用户标识在所述预设时间段内执行的资源转移操作对应的资源数量总和;所述操作时间间隔表示所述用户标识在所述预设时间段内执行的最后一个操作的操作时刻距离所述当前时刻的时间间隔。
2.根据权利要求1所述的方法,其特征在于,所述历史操作数据包括所述操作次数、所述操作资源数量或所述操作时间间隔中的至少两项操作数据,所述对所述历史操作数据进行统计,得到所述用户标识对应的分值,包括:
按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值。
3.根据权利要求2所述的方法,其特征在于,所述按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值,包括:
对所述至少两项操作数据进行归一化处理,得到归一化处理后的至少两项操作数据;
按照所述至少两项操作数据的权重,对所述归一化处理后的至少两项操作数据进行统计,得到所述用户标识对应的分值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述分值确定所述用户标识的识别结果,包括:
当所述分值大于预设分值时,确定所述用户标识不是流失用户标识;
当所述分值不大于所述预设分值时,确定所述用户标识是流失用户标识。
5.根据权利要求1所述的方法,其特征在于,所述根据所述分值确定所述用户标识的识别结果,包括:
获取预设对应关系,所述预设对应关系包括分值范围与用户标识类型的对应关系;
根据所述分值查询所述预设对应关系,确定所述分值所属的分值范围对应的用户标识类型;
当确定的用户标识类型为流失类型时,确定所述用户标识是流失用户标识;
当确定的用户标识类型不是流失类型时,确定所述用户标识不是流失用户标识。
6.根据权利要求1所述的方法,其特征在于,所述根据所述分值确定所述用户标识的识别结果之后,所述方法还包括:
当所述用户标识是流失用户标识时,向所述用户标识的账户发放奖励数据。
7.一种流失用户标识识别装置,其特征在于,所述装置包括:
获取模块,用于获取用户标识在当前时刻之前的预设时间段内的历史操作数据;
统计模块,用于对所述历史操作数据进行统计,得到所述用户标识对应的分值;
识别模块,用于根据所述分值确定所述用户标识的识别结果,所述识别结果表示所述用户标识是否为流失用户标识;
其中,所述历史操作数据包括操作次数、操作资源数量或操作时间间隔中的至少一项操作数据,所述操作资源数量表示所述用户标识在所述预设时间段内执行的资源转移操作对应的资源数量总和;所述操作时间间隔表示所述用户标识在所述预设时间段内执行的最后一个操作的操作时刻距离所述当前时刻的时间间隔。
8.根据权利要求7所述的装置,其特征在于,所述历史操作数据包括所述操作次数、所述操作资源数量或所述操作时间间隔中的至少两项操作数据,所述统计模块,包括:
统计单元,用于按照所述至少两项操作数据的权重,对所述至少两项操作数据进行统计,得到所述用户标识对应的分值。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至6任一权利要求所述的流失用户标识识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至6任一权利要求所述的流失用户标识识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911411312.0A CN111178973A (zh) | 2019-12-31 | 2019-12-31 | 流失用户标识识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911411312.0A CN111178973A (zh) | 2019-12-31 | 2019-12-31 | 流失用户标识识别方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178973A true CN111178973A (zh) | 2020-05-19 |
Family
ID=70657877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911411312.0A Pending CN111178973A (zh) | 2019-12-31 | 2019-12-31 | 流失用户标识识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178973A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465546A (zh) * | 2020-11-26 | 2021-03-09 | 中诚信征信有限公司 | 一种用户识别方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813353A (zh) * | 2012-10-30 | 2015-07-29 | 阿尔卡特朗讯 | 用于生成用户流失预测的系统和方法 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
CN107358247A (zh) * | 2017-04-18 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种确定流失用户的方法及装置 |
CN109242539A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于流失用户的潜在用户预测方法、装置和计算机设备 |
CN109544197A (zh) * | 2017-09-22 | 2019-03-29 | 中兴通讯股份有限公司 | 一种用户流失预测方法和装置 |
CN110134902A (zh) * | 2019-05-14 | 2019-08-16 | 北京达佳互联信息技术有限公司 | 资料信息生成方法、装置及存储介质 |
CN110222975A (zh) * | 2019-05-31 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种流失用户分析方法、装置、电子设备及存储介质 |
CN110348869A (zh) * | 2018-04-04 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、计算设备及系统 |
-
2019
- 2019-12-31 CN CN201911411312.0A patent/CN111178973A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813353A (zh) * | 2012-10-30 | 2015-07-29 | 阿尔卡特朗讯 | 用于生成用户流失预测的系统和方法 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
CN107358247A (zh) * | 2017-04-18 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种确定流失用户的方法及装置 |
CN109544197A (zh) * | 2017-09-22 | 2019-03-29 | 中兴通讯股份有限公司 | 一种用户流失预测方法和装置 |
CN110348869A (zh) * | 2018-04-04 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、计算设备及系统 |
CN109242539A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于流失用户的潜在用户预测方法、装置和计算机设备 |
CN110134902A (zh) * | 2019-05-14 | 2019-08-16 | 北京达佳互联信息技术有限公司 | 资料信息生成方法、装置及存储介质 |
CN110222975A (zh) * | 2019-05-31 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种流失用户分析方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋伟伟,等: "基于时间加权标签的协同过滤推荐算法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465546A (zh) * | 2020-11-26 | 2021-03-09 | 中诚信征信有限公司 | 一种用户识别方法、装置及设备 |
CN112465546B (zh) * | 2020-11-26 | 2024-04-19 | 中诚信征信有限公司 | 一种用户识别方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423085B (zh) | 用于部署应用的方法和装置 | |
CN106357517B (zh) | 定向标签生成方法及装置 | |
CN109784973A (zh) | 基于大数据分析的广告投放方法、装置及电子设备 | |
CN107426328B (zh) | 信息推送方法和装置 | |
CN110909222B (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
CN109918678B (zh) | 一种字段含义识别方法和装置 | |
CN113939814A (zh) | 内容推送方法及相关产品 | |
CN111144949A (zh) | 奖励数据发放方法、装置、计算机设备及存储介质 | |
CN115023697A (zh) | 数据查询方法、装置及服务器 | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
WO2022223024A1 (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115688731A (zh) | 银行业务指标生成方法、装置、电子设备及存储介质 | |
CN111126917A (zh) | 单位转移数值调整方法、装置、计算机设备及存储介质 | |
CN111105195A (zh) | 补货数量确定方法、装置、计算机设备及存储介质 | |
CN111178973A (zh) | 流失用户标识识别方法、装置、计算机设备及存储介质 | |
CN112287208B (zh) | 用户画像生成方法、装置、电子设备及存储介质 | |
CN110929285B (zh) | 一种隐私数据的处理方法及装置 | |
CN112966756A (zh) | 一种可视化的准入规则的生成方法、装置、机器可读介质及设备 | |
CN116319576A (zh) | 一种访问流量控制方法、装置、计算机设备及存储介质 | |
US20170186063A1 (en) | System and method for barter support | |
CN116028696A (zh) | 资源信息获取方法、装置、电子设备及存储介质 | |
CN110020167B (zh) | 用户性别识别方法、装置、存储介质及电子设备 | |
CN111782760A (zh) | 核心产品词的识别方法、装置及设备 | |
CN115145587A (zh) | 一种产品参数校验方法、装置、电子设备及存储介质 | |
CN111144985A (zh) | 单位转移数值调整方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211130 Address after: Room 084, No. 1-309, 3rd floor, commercial building, No. 9 Wangjing street, Chaoyang District, Beijing 100102 Applicant after: Beijing Daily Youxian Technology Co.,Ltd. Address before: 100102 room 801, 08 / F, building 7, yard 34, Chuangyuan Road, Chaoyang District, Beijing Applicant before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200519 |