CN112070533A - 一种用于预测用户留存的方法与设备 - Google Patents
一种用于预测用户留存的方法与设备 Download PDFInfo
- Publication number
- CN112070533A CN112070533A CN202010886372.4A CN202010886372A CN112070533A CN 112070533 A CN112070533 A CN 112070533A CN 202010886372 A CN202010886372 A CN 202010886372A CN 112070533 A CN112070533 A CN 112070533A
- Authority
- CN
- China
- Prior art keywords
- target
- dotting
- information
- user
- feature
- 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
- 230000014759 maintenance of location Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000015654 memory Effects 0.000 claims description 36
- 230000006399 behavior Effects 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000001994 activation Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect 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
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请的目的是提供一种用于预测用户留存的方法与设备,该方法包括:获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息;根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息;将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存值。通过目标数据信息获取对应的目标特征信息,并通过将所述目标特征信息输入到留存率预测模型中,得到对应的用户留存值,以便通过该用户留存值反应用户的留存可能性。
Description
技术领域
本申请涉及通信领域,尤其涉及一种用于预测用户留存的技术。
背景技术
在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户。这部分用户占当时新增用户的比例即是留存率,会按照每隔1单位时间(例日、周、月)来进行统计。顾名思义,留存指的就是“有多少用户留下来了”。留存用户和留存率体现了应用的质量和保留用户的能力。
对于应用APP来说,能否将新增用户留存下来是一项重要任务。而如果能实时预测用户留存可能性,便可以提前做好应用APP的功能优化,或者针对目标用户及时提供定制化服务,从而有效提高应用APP的用户留存率。
发明内容
本申请的一个目的是提供一种用于预测用户留存的方法与设备。
根据本申请的一个方面,提供了一种用于预测用户留存的方法,该方法包括:
获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息;
根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息;
将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存率。
根据本申请的另一个方面,提供了一种用于预测用户留存的设备,该设备包括:
一一模块,用于获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息;
一二模块,用于根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息;
一三模块,用于将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存率。
根据本申请的一个方面,提供了一种用于预测用户留存的设备,该设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上所述任一方法的操作。
根据本申请的另一个方面,提供了存储指令的计算机可读介质,所述指令在被执行时使得系统进行如上所述任一方法的操作。
与现有技术相比,本申请通过目标数据信息获取对应的目标特征信息,并通过将所述目标特征信息输入到留存率预测模型中,得到对应的用户留存值,以便通过该用户留存值反应用户的留存可能性。例如,得到的用户留存值越高,则用户留存的可能性越大,相反,得到的用户留存值越低,则用户留存的可能性越小。以便在用户留存的可能性比较小时及时调整向对应的用户设备的反馈信息(例如,推荐书籍)或者向该用户设备提供优惠等,及时提高用户留存的可能性。
进一步地,所述目标数据信息包括打点数据信息或目标用户信息。分别通过获取用户设备发送的打点数据信息或者从应用数据库中获取的目标用户信息得到所述目标特征信息。当通过所述打点数据信息获取对应的目标特征信息时,所述目标特征信息是实时获取的,例如,所述网络设备实时持续对用户设备发送的打点数据信息进行统计分析,以实时更新输入到留存率预测模型中的目标特征信息,从而及时预测到用户留存可能性比较低的情况。
进一步地,所述目标特征信息包括书籍搜索特征信息、用户行为特征信息或者活跃特征信息,分别从这三个目标特征信息的角度出发,提高预测的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请一个实施例的一种用于预测用户留存的方法流程图;
图2示出根据本申请一个实施例的一种用于预测用户留存的网络设备的设备结构图;
图3示出可用于本申请各实施例的一种示例性系统的功能模块。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(例如,中央处理器(Central Processing Unit,CPU))、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RandomAccess Memory,RAM)和/或非易失性内存等形式,如只读存储器(Read Only Memory,ROM)或闪存(Flash Memory)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(Phase-Change Memory,PCM)、可编程随机存取存储器(Programmable Random Access Memory,PRAM)、静态随机存取存储器(Static Random-Access Memory,SRAM)、动态随机存取存储器(Dynamic Random AccessMemory,DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、数字多功能光盘(Digital Versatile Disc,DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本申请所指设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品,例如智能手机、平板电脑等,所述移动电子产品可以采用任意操作系统,如android操作系统、iOS操作系统等。其中,所述网络设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程逻辑器件(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云;在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地,所述设备还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。
当然,本领域技术人员应能理解上述设备仅为举例,其他现有的或今后可能出现的设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在本申请的描述中,“多个”的含义是两个或者更多,除非另有明确具体的限定。
图1示出了根据本申请一个实施例的一种用于预测用户留存的方法流程图,该方法包括步骤S11、步骤S12以及步骤S13。
具体而言,在步骤S11中,网络设备获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息。在一些实施例中,所述打点数据信息包括但不限于打点位置。例如,用户设备响应于用户在阅读应用中的操作向所述网络设备发送对应的打点数据信息,其中,所述打点数据信息包括打点位置,所述打点位置对应于所述用户在所述阅读应用中进行所述操作的位置(例如,用户点击进入所述阅读应用的书架,则所述打点位置为所述书架)。在一些实施例中,所述目标用户信息包括但不限于用户属性信息。在一些实施例中,所述用户属性信息包括但不限于性别、年龄、地域等用户属性信息。在一些实施例中,所述目标数据信息包括所述打点数据信息,例如,所述网络设备获取所述打点数据信息;在另一些实施例中,所述目标数据信息包括所述目标用户信息,例如,所述网络设备获取所述目标用户信息。当然,本领域技术人员可以理解,所述打点数据信息以及所述目标用户信息的获取并不相冲突,例如,在一些实施例中,所述网络设备获取所述目标用户信息的同时,也可以获取所述打点数据信息。在一些实施例中,所述打点数据信息是用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送的。在一些实施例中,所述网络设备中建立有所述阅读应用的应用数据库,所述应用数据库中包括多个用户的用户信息(例如,性别、年龄等用户属性信息,或者用户在所述阅读应用的消费记录信息等),所述网络设备根据所述用户设备的设备标识(例如,设备ID或者用户ID)从所述应用数据库中获取所述目标用户信息。
在步骤S12中,网络设备根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息。在一些实施例中,所述目标数据信息包括所述打点数据信息,所述网络设备根据所述打点数据信息获取对应的目标特征信息。在另一些实施例中,所述目标数据信息包括所述目标用户信息,所述网络设备根据所述目标用户信息获取对应的目标特征信息。在一些实施例中,所述目标特征信息包括但不限于特征值,例如,所述网络设备根据所述打点数据信息计算获取对应的特征值(例如,1、5、10等具体数值)。再例如,所述网络设备根据所述目标用户信息获取对应的特征值。在一些实施例中,所述目标用于信息与其对应的目标特征信息之间存在映射关系,例如,女性对应的特征值为80,年龄25对应的特征值为80。
在步骤S13中,网络设备将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存值。在一些实施例中,所述留存率预测模型包括但不限于GradientTreeBoosting(GBDT,机器学习系统)。该留存率预测模型的具体介绍请参见https:// www.jianshu.com/p/a62f4dce3ce8,在此不做赘述。在一些实施例中,所述网络设备获取对应的目标特征信息后,将该目标特征信息输入到所述留存率预测模型中,以获取根据该目标特征信息计算得到的用户留存值。在一些实施例中,通过该留存率预测模型得到的用户留存值为具体的数值(例如,30、40…),根据计算得到的该用户留存值即可获知该用户的留存可能性,例如,计算得到的所述用户留存值越大,则说明该用户的留存可能性越高。在一些实施例中,所述网络设备中预设关于用户留存可能性的高、中、低三个档次,每个档次对应一定的用户留存值区间,进一步地,所述网络设备通过检测计算得到的用户留存值在哪一用户留存值区间内确定该用户的留存可能性属于高、中、低中的哪一个档次,以便在预测得到某用户的用户留存可能性属于低档时,及时向该用户推荐其喜欢的书籍,或者反馈其他可能提高该用户的留存可能性的信息。在本实施例中,通过将所述目标特征信息输入到所述留存率预测模型中计算获取对应的用户留存值,进而通过得到的该用户留存值的大小判断用户的留存可能性,以便及时调整向该用户发送的反馈信息(例如推荐书籍的书籍类型或者发送优惠券等),在预测用户留存可能性较小时,及时作出反馈,以提高用户留存可能性。
在一些实施例中,所述目标数据信息包括所述打点数据信息;所述步骤S11包括:网络设备接收用户设备发送的、关于阅读应用的一个或多个打点数据信息,其中,所述打点数据信息包括打点位置,所述打点数据信息是所述用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送的;所述步骤S12包括:网络设备通过对所述一个或多个打点数据信息进行统计分析获取对应的目标特征信息。在一些实施例中,所述目标特征信息是基于用户设备发送的打点数据信息获取的,例如,所述目标数据信息包括所述打点数据信息。在一些实施例中,用户设备响应于用户在阅读应用中的阅读操作向所述网络设备发送所述打点数据信息。在一些实施例中,所述阅读操作包括但不限于所述用户在所述阅读应用中阅读书籍、浏览书籍、搜索书籍等阅读操作。当然,本领域技术人员可以理解,在一些实施例中,所述阅读操作包括用户在所述阅读应用中进行的所有操作行为,例如,用户从启动所述阅读应用到退出该阅读应用这段时间内,在该阅读应用进行的所有操作行为。在一些实施例中,所述打点数据信息包括打点位置,例如,所述用户设备响应于用户在所述阅读应用中的阅读操作,将打点位置发送给所述网络设备。例如,用户进入所述阅读应用的书架,所述用户设备向所述网络设备发送打点数据信息,所述打点数据信息包括书架标识信息(例如,书架ID)。在一些实施例中,所述打点位置包括所述阅读应用的界面位置标识,例如应用首页界面位置标识、书架位置标识等。在一些实施例中,所述打点位置具体到界面位置标识中的某一具体位置,例如书架中的搜索框位置标识、书架中的在读书籍处的位置标识等。在一些实施例中,所述用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送对应的打点位置。在一些实施例中,所述网络设备通过对接收到的一个或多个打点数据信息进行统计分析获取对应的目标特征信息。例如,所述网络设备统计一天内所述用户对所述阅读应用的书架的打点次数,以获取对应的额目标特征信息。在此,对所述目标特征信息的计算过程不做具体限定,例如,可以是所述网络设备统计一天内书架曝光次数(例如,一天内书架的被打点次数),并直接将该曝光次数作为所述目标特征信息输入到留存率预测模型中。在另一些实施例中,所述网络设备统计三天内书架的曝光次数(例如,三天内书架的被打点次数),并根据具体的计算公式(例如,时间段乘以时间系数+曝光次数乘以曝光系数=目标特征信息)。
在一些实施例中,所述步骤S12包括步骤S121(未示出)、步骤S122、步骤S123以及步骤S124。在步骤S121中,网络设备根据特征库中记录的待抓取打点位置从所述一个或多个打点数据信息的打点位置中抓取目标打点位置;在步骤S122中,网络设备获取所述目标打点位置的目标打点相关信息;在步骤S123中,网络设备根据所述目标打点位置以及所述目标打点相关信息生成目标打点数据信息;在步骤S124中,网络设备根据所述目标打点数据信息获取对应的目标特征信息。在一些实施例中,所述网络设备中建立有特征库,所述特征库中预设待抓取打点位置。在一些实施例中,所述待抓取打点位置包括但不限于书架、搜索界面、书架中的搜索框、应用首页界面、阅读页界面等。在一些实施例中,所述用户设备向所述网络设备发送的打点数据信息包括打点位置,所述打点位置包括用户当前在所述阅读应用中所处的位置,例如,用户进入搜索界面,则所述打点位置为所述搜索界面。在一些实施例中,所述阅读应用中不同的位置对应不同的位置标识,通过不同的位置标识标记识别不同的打点位置。在一些实施例中,所述用户设备向所述网络设备发送的所述打点数据信息中的打点位置包括对应的位置标识(例如书架ID、搜索框ID等)。在一些实施例中,所述网络设备根据所述特征库中记录的所述待抓取打点位置从接收到的所述一个或多个打点数据信息的打点位置中抓取目标打点位置,例如,所述特征库中记录有“书架”“搜索界面”的待抓取打点位置,当所述网络设备接收到用户设备发送的打点数据信息的打点位置为书架或者搜索界面时,所述网络设备抓取该打点位置,将该打点位置作为目标打点位置,进而获取该目标打点位置的目标打点相关信息。在一些实施例中,所述目标打点相关信息包括但不限于打点次数、打点频率、打点频次、预设时间内的打点次数、预设时间内的打点频率预设时间内的打点频次等。例如,所述网络设备统计用户在一天内或者三天内对所述目标打点位置的打点次数或者打点频率等。在一些实施例中,所述网络设备根据所述目标打点位置以及所述目标打点相关信息生成所述目标打点数据信息。例如,所述目标打点位置为:书架,所述目标打点相关信息为:最近一天的打点次数为五次,所述目标打点数据信息为:最近一天书架的打点次数为五次,或者,所述目标打点数据信息为:书架+最近一天打点五次。进一步地,所述网络设备根据所述目标打点数据信息获取对应的目标特征信息,例如,所述网络设备根据对应的计算公式计算获得所述目标打点数据信息的目标特征信息。例如,书架x书架系数+统计天数x天数系数+打点次数x次数系数=目标特征信息。当然,本领域技术人员应能理解,上述目标特征信息的计算公式仅为举例,其他现有或今后可能出现的计算公式如能适用于本申请,也包含在本申请的保护范围内。
在一些实施例中,所述步骤S124包括:网络设备从所述特征库中获取所述目标打点数据信息对应的目标行为信息,其中,所述目标行为信息与所述目标打点数据信息存在映射关系;根据所述目标行为信息在所述特征库中查询获取对应的目标特征信息,其中,所述目标特征信息与所述目标行为信息存在映射关系。例如,所述特征库中预设多条目标行为信息与目标打点数据信息之间的映射关系,以及目标行为信息与目标特征信息之间的映射关系。在基于目标打点位置以及目标打点相关信息获取到目标打点数据信息后,所述网络设备根据所述特征库中的多条映射关系查询该目标打点数据信息对应的目标打点行为信息。在一些实施例中,所述目标行为信息包括但不限于用户最近一天书架的曝光次数、用户最近两天书架的点击次数等关于用户在所述阅读应用中进行的操作行为的描述信息。例如,所述目标打点数据信息为:书架+最近一天打点五次,则可以从所述特征库中获取该目标打点数据信息对应的目标行为信息,进一步地,根据该目标行为信息获取对应的目标特征信息。在一些实施例中,所述网络设备也可以直接根据该目标打点数据信息从所述特征库中查询获取对应的目标特征信息。
表1特征库中的映射关系表
在一些实施例中,所述目标特征信息包括书籍搜索特征信息,所述获取所述目标打点位置的目标打点相关信息,包括:若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述书籍搜索特征信息对应的目标打点位置相符的打点数据信息,统计记录用户在该打点数据信息的打点位置上的打点次数;根据用户在所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息。在阅读应用中,用户能否迅速找到自己所要找的书籍,在一定程度上会影响用户的留存可能性。本实施例从打点位置开始,旨在获取所述书籍搜索特征信息。在一些实施例中,所述目标特征信息包括所述书籍搜索特征信息,即所述网络设备需要获取所述书籍搜索特征信息,以便将该书籍搜索特征信息输入到留存率预测模型中,计算得到对应的用户留存值。在一些实施例中,所述网络设备通过检测接收到的打点数据信息的打点位置是否与书籍搜索特征信息对应的目标打点位置相匹配,来达到获取所述书籍搜索特征信息的目的。在一些实施例中,所述书籍搜索特征信息对应的目标打点位置包括书架、书籍搜索框、书籍搜索页面等在所述阅读应用中用于搜索书籍的打点位置。在一些实施例中,所述书籍搜索特征信息对应的目标打点位置记录在所述特征库中,所述网络设备根据所述特征库中记录的所述书籍搜索特征信息对应的目标打点位置抓取可以获取所述书籍搜索特征信息的打点位置,以便统计记录用户在该打点数据信息的打点位置上的打点次数。进一步地,所述网络设备根据用户在所述书籍搜索特征信息对应的目标打点位置上的打点次数获取目标打点相关信息。
在一些实施例中,所述根据用户所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息,包括:网络设备根据用户在预设时间段内在该打点数据的打点位置上的打点次数获取该打点数据的打点相关信息。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。例如,所述网络设备每隔三天统计获取用户对所述书籍搜索特征信息对应的目标打点位置的打点次数,并基于该三天内的打点次数生成对应的目标打点相关信息。当然,本领域技术人员应能理解,上述预设时间段仅为举例。
在一些实施例中,所述目标特征信息包括用户行为特征信息,所述用户行为特征信息对应的目标打点位置包括第一目标打点位置、第二目标打点位置;所述步骤S14包括:若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述第一目标打点位置相符的打点数据信息,并且,在该打点数据信息的下一个打点数据信息的打点位置与所述第二目标打点位置相符,统计记录用户从该打点数据信息到该下一个打点数据信息的完成次数;网络设备根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。在一些实施例中,所述用户行为特征信息是为了反映用户在所述阅读应用中的行为特征信息,例如,对推荐位书籍的阅读转化情况等。本实施例,从打点位置开始,旨在获取用户行为特征信息。在一些实施例中,所述特征库中记录所述用户行为特征对应的目标打点位置,该目标打点位置包括第一目标打点位置以及第二目标打点位置。在一些实施例中,所述第一目标打点位置与所述第二目标打点位置存在关联关系,例如,所述第一目标打点位置的被打点顺序位于所述第二目标打点位置之前。例如,所述第一目标打点位置为书籍推荐位,所述第二目标打点位置为书籍详情页,用户从书籍推荐位到书籍详情页的成功转换,可以很好地反应用户对书籍推荐位所展示的书籍的转化情况。在一些实施例中,若接收到的用户设备发送的打点位置存在与所述第一目标打点位置相符的打点位置,则所述网络设备检测所述用户设备发送的下一个打点位置是否与对应的所述第二目标打点位置相符,若相符,则所述网络设备记录完成一次。在一些实施例中,所述完成次数表示转化成功,例如,从书籍推荐位到书籍详情页的转化成功。在一些实施例中,所述目标打点相关信息包括所述完成次数。在一些实施例中,所述网络设备根据用户对所述第一目标打点位置的打点次数,以及该用户的完成次数,可以获取完成率,在一些实施例中,所述完成了代表了转化率。例如,用户点击了10次第一目标打点位置(例如,书籍推荐位),下一个打点位置为第二目标打点位置(例如书籍详情页)的次数为5次,则可以计算获得所述用户的完成率为50%。在一些实施例中,所述目标打点相关信息包括所述完成率。
在一些实施例中,所述根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息,包括:根据用户在预设时间段内从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。例如,所述网络设备每隔三天统计获取用户从该打点数据信息到该下一个打点数据信息的完成次数,并基于该三天内的完成次数生成对应的目标打点相关信息。当然,本领域技术人员应能理解,上述预设时间段仅为举例。在一些实施例中,所述网络设备也可以根据用户对所述第一目标打点位置的打点次数以及所述完成次数计算得到完成率,并根据用户在预设时间段内从该打点数据信息到该下一个打点数据信息的完成率获取所述打点相关信息。
在一些实施例中,所述目标特征信息包括活跃特征信息,所述活跃特征信息对应的目标打点位置包括所述阅读应用的首页界面;所述获取所述目标打点位置的目标打点相关信息,包括:根据用户在预设时间段内对所述阅读应用的首页界面的打点次数获取所述目标打点相关信息。在一些实施例中,所述活跃特征信息用于反映用户的活跃状况,例如,用户越活跃,留存的可能性越大。本实施例从打点位置开始,旨在获取所述活跃特征信息。在一些实施例中,所述首页界面包括但不限于用户进入所述阅读应用时,首先呈现给用户的界面。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。在一些实施例中,所述网络设备统计所述用户在所述首页界面的打点次数,并根据该打点次数获取所述目标打点相关信息。例如,用户一天内三次打开使用该阅读应用,所述目标打点相关信息包括:一天内首页界面曝光三次。
在一些实施例中,所述活跃特征信息对应的目标打点位置还包括所述阅读应用的退出界面,所述获取所述目标打点位置的目标打点相关信息,包括:根据所述用户在预设时间段内对所述首页界面以及退出界面的打点次数以及打点时间获取所述目标打点相关信息。在一些实施例中,所述网络设备统计用户的活跃时长。所述活跃特征信息对应的目标打点位置还包括所述阅读应用的退出界面,所述网络设备根据首页界面以及退出界面的打点次数以及打点时间获取所述目标打点相关信息。例如,所述网络设备根据用户在一天内对所述首页界面的打点时间以及退出界面的打点时间获取该用户在一天中的活跃时长,并根据所述活跃时长生成目标打点相关信息,例如,所述目标打点相关信息包括:一天内活跃时长(例如6小时)。再例如,所述网络设备将三天内的活跃时长相加,得到的目标打点相关信息为:三天内活跃时长(例如10小时)。在一些实施例中,所述目标打点相关信息除了包括所述活跃时长外,还可以根据用户对所述首页界面的打点次数获取用户的活跃次数,例如,一天内活跃次数,三天内活跃次数等。
在一些实施例中,所述目标数据信息包括所述目标用户信息;所述步骤S11包括:从应用数据库中查询获取用户对应的目标用户信息;所述步骤S12包括:根据所述目标用户信息获取对应的目标特征信息。在一些实施例中,所述网络设备中建立有应用数据库,所述应用数据库中包括多个用户的用户信息,在一些实施例中,所述网络设备根据发送打点数据信息的用户设备的用户标识信息从所述应用数据库中查询目标用户信息。在一些实施例中,所述目标用户信息包括但不限于用户属性信息。在本实施例中,输入到所述留存率预测模型中的目标特征信息是基于所述目标用户信息获取的。
在一些实施例中,所述目标用户信息包括用户属性信息,所述步骤S12包括:从特征库中查询获取所述用户设备对应的目标用户属性信息所对应的目标特征信息,其中,所述目标用户属性信息与所述目标特征信息存在映射关系。在一些实施例中,所述用户属性信息包括但不限于性别、年龄、地域等。在一些实施例中,所述特征库中包括多条用户属性信息与特征信息之间的映射关系。在一些实施例中,所述网络设备从所述应用数据库中查询获取所述用户设备对应的一个或多个用户属性信息,并从所述特征库中查询获取所述一个或多个用户属性信息中每个所述用户属性信息对应的特征信息,并将该特征信息作为所述目标特征信息(例如,在所述特征库中,每一个用户属性信息对应一个特征信息)。在另一些实施例中,所述网络设备从所述应用数据库中查询获取对应的一个或多个用户属性信息,在所述特征库中一个或多个用户属性信息对应一个特征信息,所述网络设备根据从所述应用数据库中获取的一个或多个用户属性信息,在所述特征库中查询对应的至少一个特征信息,并将该至少一个特征信息作为所述目标特征信息。例如,在特征库中,用户属性a、用户属性b的组合对应特征信息A,若所述网络设备从所述应用数据库中获取的一个或多个用户属性信息包括所述用户属性信息a、用户属性信息b,则确定所述特征信息A为所述目标特征信息。
在一些实施例中,所述目标用户信息包括所述用户在所述阅读应用中的阅读相关信息,所述步骤S11包括:定期从所述应用数据库中获取所述用户在所述阅读应用中的阅读相关信息;所述步骤S12包括:根据所述阅读相关信息生成所述目标特征信息。在一些实施例中,所述阅读相关信息包括但不限于书架中完读书籍的数量、用户1天内的消费金额、充值金额等。在一些实施例中,所述应用数据库中包括多个用户的阅读相关信息,所述特征库中包括多条阅读相关信息与特征信息之间的映射关系。所述网络设备根据发送打点数据信息的用户设备的标识信息(例如,设备标识或者用户标识)从所述应用数据库中查询获取所述用户设对应的阅读相关信息,进一步地,所述网络设备根据所述阅读相关信息在所述特征库中查询对应的特征信息,并将该特征信息作为所述目标特征信息。例如,所述网络设备每天或者没三天从所述应用数据库中获取所述阅读相关信息,以根据用户每天或每三天的阅读相关信息获取目标特征信息。
在一些实施例中,所述阅读相关信息包括所述用户在所述阅读应用中的消费记录信息;所述步骤S12包括:根据所述消费记录信息计算获得所述目标特征信息。在一些实施例中,所述消费记录信息包括但不限于用户在所述阅读应用中的充值金额、消费金额等,例如用户设备在完成充值或消费后,将对应的充值金额或消费金额发送给所述网络设备,所述网络设备记录在所述应用数据库中。在一些实施例中,所述网络设备所述消费记录信息获得所述目标特征信息,例如,直接将所述消息金额或者充值金额作为所述目标特征信息,或者不同的消费记录信息对应不同的系数,所述网络设备将所述消息金额或者充值金额乘以对应的系数后得到所述目标特征信息。
在一些实施例中,所述阅读相关信息包括所述阅读应用的目标位置中一本或多本目标书籍的相关数量信息;所述步骤S12包括:根据所述一本或多本目标书籍的相关数量信息计算获得所述目标特征信息。在一些实施例中,所述目标位置包括但不限于书架、书架在读书籍位置(例如,用于放置在读书籍的位置)、书架收藏书籍位置(例如用于放置收藏书籍的位置)等。在一些实施例中,所述目标书籍包括但不限于在读书籍、收藏书籍等。在一些实施例中,所述目标书籍的相关数量信息包括但不限于在读书籍的数量、收藏书籍的数量。在一些实施例中,所述网络设备根据所述目标书籍的相关数量信息计算获取所述目标特征信息。例如,直接将获取的所述相关数量信息作为所述目标特征信息,或者不同的目标书籍对应不同的系数,所述目标特征信息等于所述相关数量信息乘以所述系数。
图2示出了根据本申请一个实施例的一种用于预测用户留存的网络设备的设备结构图,该设备包括一一模块、一二模块以及一三模块。
具体而言,一一模块,用于获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息。在一些实施例中,所述打点数据信息包括但不限于打点位置。例如,用户设备响应于用户在阅读应用中的操作向所述网络设备发送对应的打点数据信息,其中,所述打点数据信息包括打点位置,所述打点位置对应于所述用户在所述阅读应用中进行所述操作的位置(例如,用户点击进入所述阅读应用的书架,则所述打点位置为所述书架)。在一些实施例中,所述目标用户信息包括但不限于用户属性信息。在一些实施例中,所述用户属性信息包括但不限于性别、年龄、地域等用户属性信息。在一些实施例中,所述目标数据信息包括所述打点数据信息,例如,所述网络设备获取所述打点数据信息;在另一些实施例中,所述目标数据信息包括所述目标用户信息,例如,所述网络设备获取所述目标用户信息。当然,本领域技术人员可以理解,所述打点数据信息以及所述目标用户信息的获取并不相冲突,例如,在一些实施例中,所述网络设备获取所述目标用户信息的同时,也可以获取所述打点数据信息。在一些实施例中,所述打点数据信息是用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送的。在一些实施例中,所述网络设备中建立有所述阅读应用的应用数据库,所述应用数据库中包括多个用户的用户信息(例如,性别、年龄等用户属性信息,或者用户在所述阅读应用的消费记录信息等),所述网络设备根据所述用户设备的设备标识(例如,设备ID或者用户ID)从所述应用数据库中获取所述目标用户信息。
一二模块,用于根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息。在一些实施例中,所述目标数据信息包括所述打点数据信息,所述网络设备根据所述打点数据信息获取对应的目标特征信息。在另一些实施例中,所述目标数据信息包括所述目标用户信息,所述网络设备根据所述目标用户信息获取对应的目标特征信息。在一些实施例中,所述目标特征信息包括但不限于特征值,例如,所述网络设备根据所述打点数据信息计算获取对应的特征值(例如,1、5、10等具体数值)。再例如,所述网络设备根据所述目标用户信息获取对应的特征值。在一些实施例中,所述目标用于信息与其对应的目标特征信息之间存在映射关系,例如,女性对应的特征值为80,年龄25对应的特征值为80。
一三模块,用于将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存值。在一些实施例中,所述留存率预测模型包括但不限于GradientTree Boosting(GBDT,机器学习系统)。该留存率预测模型的具体介绍请参见https://www.jianshu.com/ p/a62f4dce3ce8,在此不做赘述。在一些实施例中,所述网络设备获取对应的目标特征信息后,将该目标特征信息输入到所述留存率预测模型中,以获取根据该目标特征信息计算得到的用户留存值。在一些实施例中,通过该留存率预测模型得到的用户留存值为具体的数值(例如,30、40…),根据计算得到的该用户留存值即可获知该用户的留存可能性,例如,计算得到的所述用户留存值越大,则说明该用户的留存可能性越高。在一些实施例中,所述网络设备中预设关于用户留存可能性的高、中、低三个档次,每个档次对应一定的用户留存值区间,进一步地,所述网络设备通过检测计算得到的用户留存值在哪一用户留存值区间内确定该用户的留存可能性属于高、中、低中的哪一个档次,以便在预测得到某用户的用户留存可能性属于低档时,及时向该用户推荐其喜欢的书籍,或者反馈其他可能提高该用户的留存可能性的信息。在本实施例中,通过将所述目标特征信息输入到所述留存率预测模型中计算获取对应的用户留存值,进而通过得到的该用户留存值的大小判断用户的留存可能性,以便及时调整向该用户发送的反馈信息(例如推荐书籍的书籍类型或者发送优惠券等),在预测用户留存可能性较小时,及时作出反馈,以提高用户留存可能性。
在一些实施例中,所述目标数据信息包括所述打点数据信息;所述步骤一一模块,用于接收用户设备发送的、关于阅读应用的一个或多个打点数据信息,其中,所述打点数据信息包括打点位置,所述打点数据信息是所述用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送的;所述一二模块,用于通过对所述一个或多个打点数据信息进行统计分析获取对应的目标特征信息。
在此,有关上述一一模块以及一二模块的具体实现方式的示例与上述步骤S11以及步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述一二模块包括一二一模块(未示出)、一二二模块、一二三模块以及一二四模块。一二一模块,用于根据特征库中记录的待抓取打点位置从所述一个或多个打点数据信息的打点位置中抓取目标打点位置;一二二模块,用于获取所述目标打点位置的目标打点相关信息;一二三模块,用于根据所述目标打点位置以及所述目标打点相关信息生成目标打点数据信息;一二四模块,用于根据所述目标打点数据信息获取对应的目标特征信息。
在此,有关上述一二一模块、一二二模块、一二三模块、一二四模块的具体实现方式的示例与上述步骤S121、步骤S122、步骤S123以及步骤S124的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述一二四模块,用于从所述特征库中获取所述目标打点数据信息对应的目标行为信息,其中,所述目标行为信息与所述目标打点数据信息存在映射关系;根据所述目标行为信息在所述特征库中查询获取对应的目标特征信息,其中,所述目标特征信息与所述目标行为信息存在映射关系。
在此,有关上述一二四模块的具体实现方式的示例与上述步骤S124的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述目标特征信息包括书籍搜索特征信息,所述获取所述目标打点位置的目标打点相关信息,包括:若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述书籍搜索特征信息对应的目标打点位置相符的打点数据信息,统计记录用户在该打点数据信息的打点位置上的打点次数;根据用户在所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息。在阅读应用中,用户能否迅速找到自己所要找的书籍,在一定程度上会影响用户的留存可能性。本实施例从打点位置开始,旨在获取所述书籍搜索特征信息。在一些实施例中,所述目标特征信息包括所述书籍搜索特征信息,即所述网络设备需要获取所述书籍搜索特征信息,以便将该书籍搜索特征信息输入到留存率预测模型中,计算得到对应的用户留存值。在一些实施例中,所述网络设备通过检测接收到的打点数据信息的打点位置是否与书籍搜索特征信息对应的目标打点位置相匹配,来达到获取所述书籍搜索特征信息的目的。在一些实施例中,所述书籍搜索特征信息对应的目标打点位置包括书架、书籍搜索框、书籍搜索页面等在所述阅读应用中用于搜索书籍的打点位置。在一些实施例中,所述书籍搜索特征信息对应的目标打点位置记录在所述特征库中,所述网络设备根据所述特征库中记录的所述书籍搜索特征信息对应的目标打点位置抓取可以获取所述书籍搜索特征信息的打点位置,以便统计记录用户在该打点数据信息的打点位置上的打点次数。进一步地,所述网络设备根据用户在所述书籍搜索特征信息对应的目标打点位置上的打点次数获取目标打点相关信息。
在一些实施例中,所述根据用户所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息,包括:网络设备根据用户在预设时间段内在该打点数据的打点位置上的打点次数获取该打点数据的打点相关信息。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。例如,所述网络设备每隔三天统计获取用户对所述书籍搜索特征信息对应的目标打点位置的打点次数,并基于该三天内的打点次数生成对应的目标打点相关信息。当然,本领域技术人员应能理解,上述预设时间段仅为举例。
在一些实施例中,所述目标特征信息包括用户行为特征信息,所述用户行为特征信息对应的目标打点位置包括第一目标打点位置、第二目标打点位置;所述一四模块用于:若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述第一目标打点位置相符的打点数据信息,并且,在该打点数据信息的下一个打点数据信息的打点位置与所述第二目标打点位置相符,统计记录用户从该打点数据信息到该下一个打点数据信息的完成次数;网络设备根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。
在此,有关上述一四模块的具体实现方式的示例与上述步骤S14的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息,包括:根据用户在预设时间段内从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。例如,所述网络设备每隔三天统计获取用户从该打点数据信息到该下一个打点数据信息的完成次数,并基于该三天内的完成次数生成对应的目标打点相关信息。当然,本领域技术人员应能理解,上述预设时间段仅为举例。在一些实施例中,所述网络设备也可以根据用户对所述第一目标打点位置的打点次数以及所述完成次数计算得到完成率,并根据用户在预设时间段内从该打点数据信息到该下一个打点数据信息的完成率获取所述打点相关信息。
在一些实施例中,所述目标特征信息包括活跃特征信息,所述活跃特征信息对应的目标打点位置包括所述阅读应用的首页界面;所述获取所述目标打点位置的目标打点相关信息,包括:根据用户在预设时间段内对所述阅读应用的首页界面的打点次数获取所述目标打点相关信息。在一些实施例中,所述活跃特征信息用于反映用户的活跃状况,例如,用户越活跃,留存的可能性越大。本实施例从打点位置开始,旨在获取所述活跃特征信息。在一些实施例中,所述首页界面包括但不限于用户进入所述阅读应用时,首先呈现给用户的界面。在一些实施例中,所述预设时间段包括但不限于一分钟、一天、三天等。在一些实施例中,所述网络设备统计所述用户在所述首页界面的打点次数,并根据该打点次数获取所述目标打点相关信息。例如,用户一天内三次打开使用该阅读应用,所述目标打点相关信息包括:一天内首页界面曝光三次。
在一些实施例中,所述活跃特征信息对应的目标打点位置还包括所述阅读应用的退出界面,所述获取所述目标打点位置的目标打点相关信息,包括:根据所述用户在预设时间段内对所述首页界面以及退出界面的打点次数以及打点时间获取所述目标打点相关信息。在一些实施例中,所述网络设备统计用户的活跃时长。所述活跃特征信息对应的目标打点位置还包括所述阅读应用的退出界面,所述网络设备根据首页界面以及退出界面的打点次数以及打点时间获取所述目标打点相关信息。例如,所述网络设备根据用户在一天内对所述首页界面的打点时间以及退出界面的打点时间获取该用户在一天中的活跃时长,并根据所述活跃时长生成目标打点相关信息,例如,所述目标打点相关信息包括:一天内活跃时长(例如6小时)。再例如,所述网络设备将三天内的活跃时长相加,得到的目标打点相关信息为:三天内活跃时长(例如10小时)。在一些实施例中,所述目标打点相关信息除了包括所述活跃时长外,还可以根据用户对所述首页界面的打点次数获取用户的活跃次数,例如,一天内活跃次数,三天内活跃次数等。
在一些实施例中,所述目标数据信息包括所述目标用户信息;所述一一模块用于:从应用数据库中查询获取用户对应的目标用户信息;所述一二模块用于:根据所述目标用户信息获取对应的目标特征信息。
在此,有关上述一一模块以及一二模块的具体实现方式的示例与上述步骤S11以及步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述目标用户信息包括用户属性信息,所述一二模块用于:从特征库中查询获取所述用户设备对应的目标用户属性信息所对应的目标特征信息,其中,所述目标用户属性信息与所述目标特征信息存在映射关系。
在此,有关上述一二模块的具体实现方式的示例与上述步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述目标用户信息包括所述用户在所述阅读应用中的阅读相关信息,所述一一模块用于:定期从所述应用数据库中获取所述用户在所述阅读应用中的阅读相关信息;所述一二模块用于:根据所述阅读相关信息生成所述目标特征信息。
在此,有关上述一一模块以及一二模块的具体实现方式的示例与上述步骤S11以及步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述阅读相关信息包括所述用户在所述阅读应用中的消费记录信息;所述一二模块用于:根据所述消费记录信息计算获得所述目标特征信息。
在此,有关上述一二模块的具体实现方式的示例与上述步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
在一些实施例中,所述阅读相关信息包括所述阅读应用的目标位置中一本或多本目标书籍的相关数量信息;所述一二模块用于:根据所述一本或多本目标书籍的相关数量信息计算获得所述目标特征信息。
在此,有关上述一二模块的具体实现方式的示例与上述步骤S12的实施例相同或相近,故不再赘述,在此以引用方式包含于此。
本申请还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存储有计算机代码,当所述计算机代码被执行时,如前任一项所述的方法被执行。
本申请还提供了一种计算机程序产品,当所述计算机程序产品被计算机设备执行时,如前任一项所述的方法被执行。
本申请还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如前任一项所述的方法。
图3示出了可被用于实施本申请中所述的各个实施例的示例性系统;
如图3所示在一些实施例中,系统1000能够作为各所述实施例中的任意一个网络设备、第一用户设备或第二用户设备。在一些实施例中,系统1000可包括具有指令的一个或多个计算机可读介质(例如,系统存储器或NVM/存储设备1020)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如,(一个或多个)处理器1005)。
对于一个实施例,系统控制模块1010可包括任意适当的接口控制器,以向(一个或多个)处理器1005中的至少一个和/或与系统控制模块1010通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块1010可包括存储器控制器模块1030,以向系统存储器1015提供接口。存储器控制器模块1030可以是硬件模块、软件模块和/或固件模块。
系统存储器1015可被用于例如为系统1000加载和存储数据和/或指令。对于一个实施例,系统存储器1015可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,系统存储器1015可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,系统控制模块1010可包括一个或多个输入/输出(I/O)控制器,以向NVM/存储设备1020及(一个或多个)通信接口1025提供接口。
例如,NVM/存储设备1020可被用于存储数据和/或指令。NVM/存储设备1020可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(Hard Disk,HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1020可包括在物理上作为系统1000被安装在其上的设备的一部分的存储资源,或者其可被该设备访问而不必作为该设备的一部分。例如,NVM/存储设备1020可通过网络经由(一个或多个)通信接口1025进行访问。
(一个或多个)通信接口1025可为系统1000提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统1000可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。
对于一个实施例,(一个或多个)处理器1005中的至少一个可与系统控制模块1010的一个或多个控制器(例如,存储器控制器模块1030)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器1005中的至少一个可与系统控制模块1010的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器1005中的至少一个可与系统控制模块1010的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器1005中的至少一个可与系统控制模块1010的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,系统1000可以但不限于是:服务器、工作站、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中,系统1000可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,系统1000包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解,计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等,相应地,计算机程序指令被计算机执行的方式包括但不限于:该计算机直接执行该指令,或者该计算机编译该指令后再执行对应的编译后程序,或者该计算机读取并执行该指令,或者该计算机读取并安装该指令后再执行对应的安装后程序。在此,计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如,光纤、同轴等))和能传播能量波的无线(未有导的传输)介质,诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
作为示例而非限制,计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如,计算机可读存储介质包括,但不限于,易失性存储器,诸如随机存储器(RAM,DRAM,SRAM);以及非易失性存储器,诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM);以及磁性和光学存储设备(硬盘、磁带、CD、DVD);或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。
在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
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 (17)
1.一种用于预测用户留存的方法,应用于网络设备端,其中,该方法包括:
获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息;
根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息;
将所述目标特征信息输入到留存率预测模型中,以获得对应的用户留存值。
2.根据权利要求1所述的方法,其中,所述目标数据信息包括所述打点数据信息;
所述获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息,包括:
接收用户设备发送的、关于阅读应用的一个或多个打点数据信息,其中,所述打点数据信息包括打点位置,所述打点数据信息是所述用户设备响应于用户在所述阅读应用中的阅读操作向所述网络设备发送的;
所述根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息,包括:
通过对所述一个或多个打点数据信息进行统计分析获取对应的目标特征信息。
3.根据权利要求2所述的方法,其中,所述通过对所述一个或多个打点数据信息进行统计分析获取对应的目标特征信息,包括:
根据特征库中记录的待抓取打点位置从所述一个或多个打点数据信息的打点位置中抓取目标打点位置;
获取所述目标打点位置的目标打点相关信息;
根据所述目标打点位置以及所述目标打点相关信息生成目标打点数据信息;
根据所述目标打点数据信息获取对应的目标特征信息。
4.根据权利要求3所述的方法,其中,所述根据所述目标打点数据信息获取对应的目标特征信息,包括:
从所述特征库中获取所述目标打点数据信息对应的目标行为信息,其中,所述目标行为信息与所述目标打点数据信息存在映射关系;
根据所述目标行为信息在所述特征库中查询获取对应的目标特征信息,其中,所述目标特征信息与所述目标行为信息存在映射关系。
5.根据权利要求3所述的方法,其中,所述目标特征信息包括书籍搜索特征信息,所述获取所述目标打点位置的目标打点相关信息,包括:
若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述书籍搜索特征信息对应的目标打点位置相符的打点数据信息,统计记录用户在该打点数据信息的打点位置上的打点次数;
根据用户在所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息。
6.根据权利要求5所述的方法,其中,所述根据用户所述书籍搜索特征信息对应的目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息,包括:
根据用户在预设时间段内在该目标打点位置上的打点次数获取该目标打点位置的目标打点相关信息。
7.根据权利要求4所述的方法,其中,所述目标特征信息包括用户行为特征信息,所述用户行为特征信息对应的目标打点位置包括第一目标打点位置、第二目标打点位置;
所述获取所述目标打点位置的目标打点相关信息,包括:
若接收到的、所述用户设备发送的一个或多个打点数据信息中存在打点位置与所述第一目标打点位置相符的打点数据信息,并且,在该打点数据信息的下一个打点数据信息的打点位置与所述第二目标打点位置相符,统计记录用户从该打点数据信息到该下一个打点数据信息的完成次数;
根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。
8.根据权利要求7所述的方法,其中,所述根据所述用户从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息,包括:
根据用户在预设时间段内从该打点数据信息到该下一个打点数据信息的完成次数获取所述打点相关信息。
9.根据权利要求4所述的方法,其中,所述目标特征信息包括活跃特征信息,所述活跃特征信息对应的目标打点位置包括所述阅读应用的首页界面;所述获取所述目标打点位置的目标打点相关信息,包括:
根据用户在预设时间段内对所述阅读应用的首页界面的打点次数获取所述目标打点相关信息。
10.根据权利要求9所述的方法,其中,所述活跃特征信息对应的目标打点位置还包括所述阅读应用的退出界面,所述获取所述目标打点位置的目标打点相关信息,包括:
根据所述用户在预设时间段内对所述首页界面以及退出界面的打点次数以及打点时间获取所述目标打点相关信息。
11.根据权利要求1所述的方法,其中,所述目标数据信息包括所述目标用户信息;
所述获取目标数据信息,其中,所述目标数据信息包括打点数据信息或目标用户信息,包括:
从应用数据库中查询获取用户对应的目标用户信息;
所述根据所述打点数据信息或所述目标用户信息获取对应的目标特征信息,包括:
根据所述目标用户信息获取对应的目标特征信息。
12.根据权利要求11所述的方法,其中,所述目标用户信息包括用户属性信息,所述根据所述目标用户信息获取对应的目标特征信息,包括:
从特征库中查询获取所述用户设备对应的目标用户属性信息所对应的目标特征信息,其中,所述目标用户属性信息与所述目标特征信息存在映射关系。
13.根据权利要求11所述的方法,其中,所述目标用户信息包括所述用户在所述阅读应用中的阅读相关信息,所述从应用数据库中查询获取用户对应的目标用户信息,包括:
定期从所述应用数据库中获取所述用户在所述阅读应用中的阅读相关信息;
所述根据所述目标用户信息获取对应的目标特征信息,包括:
从特征库中查询获取所述用户设备对应的目标阅读相关信息所对应的目标特征信息,其中,所述目标阅读相关信息与所述目标特征信息存在映射关系。
14.根据权利要求13所述的方法,其中,所述阅读相关信息包括所述用户在所述阅读应用中的消费记录信息;
所述从特征库中查询获取所述用户设备对应的目标阅读相关信息所对应的目标特征信息,其中,所述目标阅读相关信息与所述目标特征信息存在映射关系,包括:
根据所述消费记录信息计算获得所述目标特征信息。
15.根据权利要求13所述的方法,其中,所述阅读相关信息包括所述阅读应用的目标位置中一本或多本目标书籍的相关数量信息;
所述从特征库中查询获取所述用户设备对应的目标阅读相关信息所对应的目标特征信息,其中,所述目标阅读相关信息与所述目标特征信息存在映射关系,包括:
根据所述一本或多本目标书籍的相关数量信息计算获得所述目标特征信息。
16.一种用于预测用户留存的设备,其中,该设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1至15中任一项所述方法的操作。
17.一种存储指令的计算机可读介质,所述指令在被执行时使得系统进行如权利要求1至15中任一项所述方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886372.4A CN112070533A (zh) | 2020-08-28 | 2020-08-28 | 一种用于预测用户留存的方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886372.4A CN112070533A (zh) | 2020-08-28 | 2020-08-28 | 一种用于预测用户留存的方法与设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070533A true CN112070533A (zh) | 2020-12-11 |
Family
ID=73659689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010886372.4A Pending CN112070533A (zh) | 2020-08-28 | 2020-08-28 | 一种用于预测用户留存的方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070533A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685674A (zh) * | 2020-12-30 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 一种影响用户留存的特征评估方法及装置 |
CN112685674B (zh) * | 2020-12-30 | 2024-09-24 | 百果园技术(新加坡)有限公司 | 一种影响用户留存的特征评估方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009926A (zh) * | 2017-12-07 | 2018-05-08 | 上海点融信息科技有限责任公司 | 用于用户分类的方法、信息处理装置及可读存储介质 |
CN108537587A (zh) * | 2018-04-03 | 2018-09-14 | 广州优视网络科技有限公司 | 流失用户预警方法、装置、计算机可读存储介质和服务器 |
CN108596652A (zh) * | 2018-03-28 | 2018-09-28 | 麒麟合盛网络技术股份有限公司 | 活跃用户数预测方法及装置 |
CN109636446A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 用户流失预测方法、装置及电子设备 |
CN110321262A (zh) * | 2018-03-28 | 2019-10-11 | 腾讯科技(深圳)有限公司 | 应用内容监控方法、装置及终端 |
CN110363551A (zh) * | 2018-04-02 | 2019-10-22 | 北京嘀嘀无限科技发展有限公司 | 一种预测用户满意度的方法、系统及计算机设备 |
CN110634030A (zh) * | 2019-09-24 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 应用的业务指标挖掘方法、装置及设备 |
-
2020
- 2020-08-28 CN CN202010886372.4A patent/CN112070533A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009926A (zh) * | 2017-12-07 | 2018-05-08 | 上海点融信息科技有限责任公司 | 用于用户分类的方法、信息处理装置及可读存储介质 |
CN108596652A (zh) * | 2018-03-28 | 2018-09-28 | 麒麟合盛网络技术股份有限公司 | 活跃用户数预测方法及装置 |
CN110321262A (zh) * | 2018-03-28 | 2019-10-11 | 腾讯科技(深圳)有限公司 | 应用内容监控方法、装置及终端 |
CN110363551A (zh) * | 2018-04-02 | 2019-10-22 | 北京嘀嘀无限科技发展有限公司 | 一种预测用户满意度的方法、系统及计算机设备 |
CN108537587A (zh) * | 2018-04-03 | 2018-09-14 | 广州优视网络科技有限公司 | 流失用户预警方法、装置、计算机可读存储介质和服务器 |
CN109636446A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 用户流失预测方法、装置及电子设备 |
CN110634030A (zh) * | 2019-09-24 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 应用的业务指标挖掘方法、装置及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685674A (zh) * | 2020-12-30 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 一种影响用户留存的特征评估方法及装置 |
CN112685674B (zh) * | 2020-12-30 | 2024-09-24 | 百果园技术(新加坡)有限公司 | 一种影响用户留存的特征评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889039B (zh) | 一种在阅读应用中进行书籍推送的方法与设备 | |
CN111159537B (zh) | 一种在阅读应用中推送呈现信息的方法与设备 | |
CN111159536B (zh) | 一种在阅读应用中推送呈现信息的方法与设备 | |
CN111104507A (zh) | 一种用于提供关联书籍信息的方法与设备 | |
CN110827061A (zh) | 一种用于在小说阅读过程中提供呈现信息的方法与设备 | |
CN111523039B (zh) | 一种用于处理阅读应用中书籍催更请求的方法与设备 | |
CN108319688B (zh) | 一种用于对用户进行阅读提醒的方法与设备 | |
CN111008327A (zh) | 一种在阅读应用中进行书籍推送的方法与设备 | |
CN113157162B (zh) | 一种用于撤回会话消息的方法、设备、介质及程序产品 | |
CN111506233B (zh) | 一种用于在阅读应用中提供书籍信息的方法与设备 | |
CN111177062B (zh) | 一种用于提供阅读呈现信息的方法与设备 | |
CN111400235A (zh) | 一种在阅读应用中获取阅读资源信息的方法与设备 | |
CN111083534B (zh) | 一种用于提供推荐视频列表的方法与设备 | |
CN110781431A (zh) | 一种用于提供小说信息的方法与设备 | |
CN111666249A (zh) | 一种在阅读应用中获取目标阅读模式的方法与设备 | |
CN112070533A (zh) | 一种用于预测用户留存的方法与设备 | |
CN111666250B (zh) | 一种用于处理阅读应用中书籍催更请求信息的方法与设备 | |
CN110765258A (zh) | 一种提供电子书籍的方法与设备 | |
CN111680249B (zh) | 一种推送呈现信息的方法与设备 | |
CN111385353B (zh) | 一种提供应用呈现信息的方法与设备 | |
CN111680250B (zh) | 一种召回呈现信息的方法与设备 | |
CN112948142A (zh) | 用于确定目标反馈信息的方法、设备、介质及程序产品 | |
CN111930667A (zh) | 一种在阅读应用中进行书籍推荐的方法与设备 | |
CN111079039A (zh) | 一种用于收藏书籍的方法与设备 | |
CN111666252A (zh) | 一种获取推荐书籍的推荐热度信息的方法与设备 |
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 |