CN112734454B - 一种用户信息确定方法、装置、电子设备和存储介质 - Google Patents
一种用户信息确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112734454B CN112734454B CN201911032467.3A CN201911032467A CN112734454B CN 112734454 B CN112734454 B CN 112734454B CN 201911032467 A CN201911032467 A CN 201911032467A CN 112734454 B CN112734454 B CN 112734454B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- historical
- state
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007704 transition Effects 0.000 claims abstract description 130
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 230000006399 behavior Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 21
- 230000008901 benefit Effects 0.000 description 14
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用户信息确定方法、装置、电子设备和存储介质,涉及大数据处理领域。具体实现方案为:获取在目标周期期望具有的处于目标状态的目标用户数量;根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定。本申请实施例通过状态转移矩阵不仅可以预估各个状态的用户数量,还可以确定要维持期望的目标状态的目标用户数量所需要的新用户数量,以在保证用户规模的同时,确保用户质量。
Description
技术领域
本申请实施例涉及互联网技术领域,尤其涉及大数据处理领域,具体涉及一种用户信息确定方法、装置、电子设备和存储介质。
背景技术
随着互联网技术的快速发展,各种互联网应用产品应运而生,而应用产品是否健康运转主要由用户规模和用户质量决定。目前主要通过增长率法、指数平滑法和差分自回归移动平均法等预测产品的用户规模。通过新用户留存率等指标来确定产品的用户质量。
现有方法将用户规模和用户质量割裂开来,只能单独计算导致效率和准确度低下。并且,现有方法本质上是时间序列的黑盒差分模型,无法刻画用户群体内部不同活跃状态用户的变迁,用户生命周期等,即现有方法无法从根本上刻画用户增长或流失的原因。
发明内容
本申请实施例公开一种用户信息确定方法、装置、电子设备和介质,以解决现有技术中只能单独计算用户规模和用户质量导致的效率和准确性低下的技术问题。
第一方面,本申请实施例公开了一种用户信息确定方法,包括:
获取在目标周期期望具有的处于目标状态的目标用户数量;
根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定。
上述申请中的一个实施例具有如下优点或有益效果:通过状态转移矩阵不仅可以预估各个状态的用户数量,还可以确定要维持期望的目标状态的目标用户数量所需要的新用户数量,以实现在保证用户规模的同时,确保用户质量。
另外,根据本申请上述实施例的用户信息确定方法,还可以具有如下附加的技术特征:
可选的,所述用户状态转移矩阵通过如下确定:
根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量;
根据每一状态用户在下一历史周期所处状态,确定该状态的转移概率值;
根据每一状态的转移概率值,构建所述用户状态转移矩阵。
上述申请中的一个实施例具有如下优点或有益效果:通过用户状态的变迁构造状态转移矩阵,可确保后续基于状态转移矩阵实现用户数量和用户质量的准确预估。
可选的,根据每一状态的转移概率值,构建用户状态转移矩阵,包括:
根据每一状态在至少两个历史周期的转移概率值,构建至少两个候选用户状态转移矩阵;
根据所述至少两个候选用户状态转移矩阵,历史周期和历史周期的新用户数量,分别确定在历史周期的至少两个预测用户数量;
选择与历史周期的实际用户数量一致的预测用户数量,并将选择的预测用户数量所关联的候选用户状态转移矩阵作为所述用户状态转移矩阵。
上述申请中的一个实施例具有如下优点或有益效果:通过利用不同的状态转移矩阵分别进行用户数量预测,并与实际用户数进行比较,进而根据比较结果选择状态转移矩阵,由此可确保选择更合理的状态转移矩阵,进而保证用户数量预估的准确性。
可选的,根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量,包括:
根据历史周期的历史用户行为数据,确定历史用户执行关键行为的次数;
根据历史用户执行关键行为的次数,以及历史用户属性信息,确定历史周期中处于不同状态的历史用户数量。
上述申请中的一个实施例具有如下优点或有益效果:根据历史用户执行关键行为的次数,结合历史用户属性信息,确定历史周期中处于不同状态的历史用户数量,实现了对历史用户状态进行粒度细分。
可选的,确定该状态的转移概率值之后,还包括:
确定该状态的转移概率值随时间变化的趋势信息;
根据所述趋势信息,确定该状态的用户质量。
上述申请中的一个实施例具有如下优点或有益效果:通过确定某一状态的转移概率值的分布,确定该状态的用户质量,以及该状态用户的迁移情况,以便分析应用的健康运转情况。
可选的,根据用户状态转移矩阵、所述目标周期、所述目标状态和所述目标用户数量,确定需要的新用户数量,包括:
根据所述用户状态转移矩阵、所述目标周期、所述目标状态,以及至少两个候选新用户数量,分别确定在所述目标周期具有的处于所述目标状态的预测用户数量;
选择与所述目标用户数量匹配的预测用户数量,并将选择的预测用户数量所关联的候选新用户数量作为需要的新用户数量。
上述申请中的一个实施例具有如下优点或有益效果:通过将预测用户数量与期望的目标用户数量比对,进而确定需要的新用户数量,由此可保证用户数量维持在期望的规模下。
第二方面,本申请实施例还提供了一种用户信息确定装置,包括:
获取模块,用于获取在目标周期期望具有的处于目标状态的目标用户数量;
确定模块,用于根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定。
第三方面,本申请实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例所述的用户信息确定方法。
第四方面,本本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例所述的用户信息确定方法。
上述申请中的一个实施例具有如下优点或有益效果:通过状态转移矩阵不仅可以预估目标周期各个状态的用户数量,并根据期望的目标状态的目标用户数量所需要的新用户数量,由此可实现在保证用户规模的同时,还可以根据各个状态的用户数量确保用户质量。而且根据历史用户的活跃度和属性信息进行粒度细分,进而根据细分用户的转移情况确定不同的状态转移矩阵,以便从中选出准确性更高的状态转移矩阵,以提升预估的精准性。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的用户信息确定方法的流程示意图;
图2是根据本申请实施例的构建状态转移矩阵的方法的流程示意图;
图3是根据本申请实施例的用户信息确定装置的结构示意图;
图4是用来实现本申请实施例的用户信息确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是本申请实施例的用户信息确定方法的流程示意图,本实施例可适用于根据历史用户状态转移情况预测后续各状态用户数量、用户质量以及要维持某一用户规模所需拉新的用户数的情况。该方法可由一种用户信息确定装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如服务器或计算机设备。如图1所示,该方法具体包括如下:
S101、获取在目标周期期望具有的处于目标状态的目标用户数量。
其中,目标状态可选的为根据用户活跃度以及用户属性(例如用户年龄、用户性别、用户渠道、用户偏好)确定的,示例性的,根据活跃度高低,目标状态可以包括高活状态、中活状态、低活状态及失活状态;结合用户属性时,目标状态示例性的可以为20岁高活用户或男性高活用户。由于目标状态众多,在此不再一一列举。获取在目标周期期望具有的处于目标状态的目标用户数量,也即是获取应用产品健康运转所需要的处于各状态的用户数量。
S102、根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量。
其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定。可选的,可按照如下步骤确定所需要的新用户的数量:
S1.根据所述用户状态转移矩阵、所述目标周期、所述目标状态,以及至少两个候选新用户数量,分别确定在所述目标周期具有的处于所述目标状态的预测用户数量。
示例性的,可按照公式进行计算,其中,UT+1为预测的在目标周期(T+1)处于目标状态的预测用户数量,UT为在历史周期(T)处于目标状态的用户数量,A是状态转移矩阵,/>为候选新用户数量,而候选新用户数量是参考任一历史周期中新用户数量确定的,例如某一历史周期中新用户人数为a,则候选新用户数量可以为1.2a、1.5a、1.75a、2a等。由此,可针对每一个两个候选新用户数量,通过上述公式分别计算在目标周期(T+1)具有的处于目标状态的预测用户数量,得到多个处于目标状态的预测用户数量。
S2.选择与所述目标用户数量匹配的预测用户数量,并将选择的预测用户数量所关联的候选新用户数量作为需要的新用户数量。
将得到每个处于目标状态的预测用户数量分别与目标用户数量进行比对,选择与目标用户数量匹配的预测用户数量;并且,将确定选择的预测用户数量所使用的候选新用户数量作为需要的新用户数量。例如,新用户数量为1.5a时,计算得到的处于目标状态的预测用户数量与目标用户数量相匹配,则确定需要拉新的新用户数量是1.5a,也即在目标周期要使处于目标状态的人数维持在期望的目标用户数量,则需要在目标周期需要拉新1.5a的新用户。进一步的,在确定需要的新用户数量后,该跟该新用户人数确定各个目标状态的用户数,进而确定用户留存率,得到用户质量。
本申请实施例中,通过状态转移矩阵不仅可以预估目标周期各个状态的用户数量,并根据期望的目标状态的目标用户数量所需要的新用户数量,由此可实现在保证用户规模的同时,还可以根据各个状态的用户数量确保用户质量。
图2是本申请实施例构建状态转移矩阵的方法的流程示意图,参见图2,该方法包括:
S201、根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量。
其中,历史用户行为数据可以为使用终端应用的次数,运行时间,产生的分享、信息交互等数据。可选的,可先根据历史周期的历史用户行为数据,确定历史用户执行关键行为的次数,其中,关键行为可选的分享操作、信息交互等。进而根据历史用户执行关键行为的次数,确定历史周期中处于不同状态的历史用户数量。例如,根据执行关键行为的次数将用户分为高活用户、中活用户、低活用户、失活用户四种状态,并统计每种状态的历史用户数量。进一步的,还可以结合历史用户属性信息(例如用户年龄、用户性别、用户渠道、用户偏好)对用户状态进行细分,进而确定各个状态的历史用户数量。
S202、根据每一状态用户在下一历史周期所处状态,确定该状态的转移概率值。
示例性的,当前处于的高活状态的用户数量m,在下一历史周期,有n个高活用户转移为中活状态,则高活状态转化为中或状态的转移概率值为n/m。可选的,以aij表示当前历史周期i状态用户转化成下一历史周期j状态用户的概率。
S203、根据每一状态的转移概率值,构建所述用户状态转移矩阵。
示例性的,以活跃度为例,i和j的取值0、1、2、3、4,a0j表示新用户的转移概率,a1j表示高活用户的转移概率,a2j表示中活用户的转移概率,a3j表示低活用户的转移概率,a4j表示失活用户的转移概率。由此构建的状态转移矩阵A为:
在此需要说明的是,在S201-S202的基础上构建的状态转移矩阵A,是利用一个周期的用户状态转移数据构建的。除此之外,还可以利用至少两个历史周期的用户状态转移数据构建多个不同的用户状态转移矩阵,再从其中筛选出一个作为最终的状态转移矩阵。具体操作如下:
S1.根据每一状态在至少两个历史周期的转移概率值,构建至少两个候选用户状态转移矩阵。
S2.根据所述至少两个候选用户状态转移矩阵,历史周期和历史周期的新用户数量,分别确定在历史周期的至少两个预测用户数量。
S3.选择与历史周期的实际用户数量一致的预测用户数量,并将选择的预测用户数量所关联的候选用户状态转移矩阵作为所述用户状态转移矩阵。
可选的,将S2.得到的每个预测用户数量与实际用户数进行拟合运算,根据拟合效果查看每个预测用户数量与实际用户数量的差异度,进而选择差异度最小的预测用户数量所关联的候选用户状态转移矩阵作为最终的用户状态转移矩阵。
本申请实施例中,通过用户状态的变迁构造状态转移矩阵,可确保后续基于状态转移矩阵实现用户数量和用户质量的准确预测。而且进一步的,还可通过利用不同的状态转移矩阵分别进行用户数量预测,并与实际用户数进行比较,进而根据比较结果选择状态转移矩阵,由此可确保选择更合理的状态转移矩阵,进而保证用户数量预估的准确性。
进一步的,在确定该状态的转移概率值之后,方法还包括:
确定该状态的转移概率值随时间变化的趋势信息;根据所述趋势信息,确定该状态的用户质量。
示例性的,统计新用户转其他用户的概率值分布,如果新用户转沉默用户的概率较大,说明在新用户维护上目前做的还不够好,需要优化运营提升新用户向高活、中活的转化。同理也可得到其他活跃度用户的转移概率趋势图,从中亦可洞察用户失活或流失的一些可能原因,进而为节流和提升用户留存做出贡献。
图3是本申请实施例的用户信息确定装置的结构示意图,本实施例可适用于根据历史用户状态转移情况预测后续各状态用户数量、用户质量以及要维持某一用户规模所需拉新的用户数的情况。该装置可实现本申请任意实施例所述的用户信息确定方法。该装置300具体包括如下:
获取模块301,用于获取在目标周期期望具有的处于目标状态的目标用户数量;
确定模块302,用于根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定。
可选的,所述装置包括矩阵构建模块,所述矩阵构建模块包括:
分析单元,用于根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量;
概率计算单元,用于根据每一状态用户在下一历史周期所处状态,确定该状态的转移概率值;
构建单元,用于根据每一状态的转移概率值,构建所述用户状态转移矩阵。
可选的,所述构建单元具体用于:
根据每一状态在至少两个历史周期的转移概率值,构建至少两个候选用户状态转移矩阵;
根据所述至少两个候选用户状态转移矩阵,历史周期和历史周期的新用户数量,分别确定在历史周期的至少两个预测用户数量;
选择与历史周期的实际用户数量一致的预测用户数量,并将选择的预测用户数量所关联的候选用户状态转移矩阵作为所述用户状态转移矩阵。
可选的,所述分析单元具体用于:
根据历史周期的历史用户行为数据,确定历史用户执行关键行为的次数;
根据历史用户执行关键行为的次数,以及历史用户属性信息,确定历史周期中处于不同状态的历史用户数量。
可选的,所述装置还包括:
概率分布确定模块,用于确定该状态的转移概率值随时间变化的趋势信息;
用户指令确定模块,用于根据所述趋势信息,确定该状态的用户质量。
可选的,所述确定模块包括:
计算单元,用于根据所述用户状态转移矩阵、所述目标周期、所述目标状态,以及至少两个候选新用户数量,分别确定在所述目标周期具有的处于所述目标状态的预测用户数量;
选择单元,用于选择与所述目标用户数量匹配的预测用户数量,并将选择的预测用户数量所关联的候选新用户数量作为需要的新用户数量。
本申请实施例所提供的用户信息确定装置可执行本申请任意实施例所提供的用户信息确定方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的用户信息确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的用户信息确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用户信息确定方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中用户信息确定方法对应的程序指令/模块(例如,附图3所示的获取模块301、确定模块302)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用户信息确定方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据实现用户信息确定方法电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至实现用户信息确定方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现用户信息确定方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与实现用户信息确定方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过状态转移矩阵不仅可以预估目标周期各个状态的用户数量,并根据期望的目标状态的目标用户数量所需要的新用户数量,由此可实现在保证用户规模的同时,还可以根据各个状态的用户数量确保用户质量。而且根据历史用户的活跃度和属性信息进行粒度细分,进而根据细分用户的转移情况确定不同的状态转移矩阵,以便从中选出准确性更高的状态转移矩阵,以提升预估的精准性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种用户信息确定方法,其特征在于,包括:
获取在目标周期期望具有的处于目标状态的目标用户数量;
根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定;
其中,根据用户状态转移矩阵、所述目标周期、所述目标状态和所述目标用户数量,确定需要的新用户数量,包括:
根据所述用户状态转移矩阵、所述目标周期、所述目标状态,以及至少两个候选新用户数量,分别确定在所述目标周期具有的处于所述目标状态的预测用户数量;
选择与所述目标用户数量匹配的预测用户数量,并将选择的预测用户数量所关联的候选新用户数量作为需要的新用户数量;
所述预测用户数量是按照公式确定;其中,T表示历史周期,表示目标周期,/>表示所述预测用户数量,/>为在历史周期处于目标状态的用户数量,A是状态转移矩阵,/>为候选新用户数量。
2.根据权利要求1所述的方法,其特征在于,所述用户状态转移矩阵通过如下确定:
根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量;
根据每一状态用户在下一历史周期所处状态,确定该状态的转移概率值;
根据每一状态的转移概率值,构建所述用户状态转移矩阵。
3.根据权利要求2所述的方法,其特征在于,根据每一状态的转移概率值,构建用户状态转移矩阵,包括:
根据每一状态在至少两个历史周期的转移概率值,构建至少两个候选用户状态转移矩阵;
根据所述至少两个候选用户状态转移矩阵,历史周期和历史周期的新用户数量,分别确定在历史周期的至少两个预测用户数量;
选择与历史周期的实际用户数量一致的预测用户数量,并将选择的预测用户数量所关联的候选用户状态转移矩阵作为所述用户状态转移矩阵。
4.根据权利要求2所述的方法,其特征在于,根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量,包括:
根据历史周期的历史用户行为数据,确定历史用户执行关键行为的次数;
根据历史用户执行关键行为的次数,以及历史用户属性信息,确定历史周期中处于不同状态的历史用户数量。
5.根据权利要求2所述的方法,其特征在于,确定该状态的转移概率值之后,还包括:
确定该状态的转移概率值随时间变化的趋势信息;
根据所述趋势信息,确定该状态的用户质量。
6.一种用户信息确定装置,其特征在于,包括:
获取模块,用于获取在目标周期期望具有的处于目标状态的目标用户数量;
确定模块,用于根据用户状态转移矩阵、所述目标周期、所述目标状态、所述目标用户数量,确定需要的新用户数量;其中,所述用户状态转移矩阵根据至少两个历史周期的历史用户行为数据确定;
其中,所述确定模块包括:
计算单元,用于根据所述用户状态转移矩阵、所述目标周期、所述目标状态,以及至少两个候选新用户数量,分别确定在所述目标周期具有的处于所述目标状态的预测用户数量;
选择单元,用于选择与所述目标用户数量匹配的预测用户数量,并将选择的预测用户数量所关联的候选新用户数量作为需要的新用户数量;
所述预测用户数量是按照公式确定;其中,T表示历史周期,表示目标周期,/>表示所述预测用户数量,/>为在历史周期处于目标状态的用户数量,A是状态转移矩阵,/>为候选新用户数量。
7.根据权利要求6所述的装置,其特征在于,所述装置包括矩阵构建模块,所述矩阵构建模块包括:
分析单元,用于根据历史周期的历史用户行为数据,确定历史周期中处于不同状态的历史用户数量;
概率计算单元,用于根据每一状态用户在下一历史周期所处状态,确定该状态的转移概率值;
构建单元,用于根据每一状态的转移概率值,构建所述用户状态转移矩阵。
8.根据权利要求7所述的装置,其特征在于,所述构建单元具体用于:
根据每一状态在至少两个历史周期的转移概率值,构建至少两个候选用户状态转移矩阵;
根据所述至少两个候选用户状态转移矩阵,历史周期和历史周期的新用户数量,分别确定在历史周期的至少两个预测用户数量;
选择与历史周期的实际用户数量一致的预测用户数量,并将选择的预测用户数量所关联的候选用户状态转移矩阵作为所述用户状态转移矩阵。
9.根据权利要求7所述的装置,其特征在于,所述分析单元具体用于:
根据历史周期的历史用户行为数据,确定历史用户执行关键行为的次数;
根据历史用户执行关键行为的次数,以及历史用户属性信息,确定历史周期中处于不同状态的历史用户数量。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括:
概率分布确定模块,用于确定该状态的转移概率值随时间变化的趋势信息;
用户指令确定模块,用于根据所述趋势信息,确定该状态的用户质量。
11. 一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的用户信息确定方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的用户信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032467.3A CN112734454B (zh) | 2019-10-28 | 2019-10-28 | 一种用户信息确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032467.3A CN112734454B (zh) | 2019-10-28 | 2019-10-28 | 一种用户信息确定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734454A CN112734454A (zh) | 2021-04-30 |
CN112734454B true CN112734454B (zh) | 2023-10-10 |
Family
ID=75589316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911032467.3A Active CN112734454B (zh) | 2019-10-28 | 2019-10-28 | 一种用户信息确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734454B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115910339B (zh) * | 2022-11-25 | 2023-07-07 | 浙江大学 | 体重监测方法、系统、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012014352A (ja) * | 2010-06-30 | 2012-01-19 | Ntt Docomo Inc | 需要予測装置及び需要予測方法 |
CN110018843A (zh) * | 2018-01-09 | 2019-07-16 | 北京小度互娱科技有限公司 | 应用程序运行策略的测试方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9439044B2 (en) * | 2015-01-14 | 2016-09-06 | Tektronix Texas, Llc | Mechanism for determining location history via multiple historical predictors |
-
2019
- 2019-10-28 CN CN201911032467.3A patent/CN112734454B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012014352A (ja) * | 2010-06-30 | 2012-01-19 | Ntt Docomo Inc | 需要予測装置及び需要予測方法 |
CN110018843A (zh) * | 2018-01-09 | 2019-07-16 | 北京小度互娱科技有限公司 | 应用程序运行策略的测试方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于等维新息灰色马尔可夫模型的互联网用户人数预测研究;赵玲;许宏科;;计算机科学(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112734454A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667054B (zh) | 生成神经网络模型的方法、装置、电子设备以及存储介质 | |
CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN111259222B (zh) | 物品推荐方法、系统、电子设备及存储介质 | |
CN112035683A (zh) | 用户交互信息处理模型生成方法和用户交互信息处理方法 | |
CN111460384B (zh) | 策略的评估方法、装置和设备 | |
CN110704509A (zh) | 数据分类方法、装置、设备及存储介质 | |
CN111639753B (zh) | 用于训练图像处理超网络的方法、装置、设备以及存储介质 | |
CN110569969A (zh) | 网络模型结构的采样方法、装置以及电子设备 | |
CN112561332B (zh) | 模型管理方法、装置、电子设备、存储介质和程序产品 | |
CN111158666A (zh) | 实体归一化处理方法、装置、设备及存储介质 | |
CN112446574B (zh) | 产品评估方法、装置、电子设备及存储介质 | |
CN112580723B (zh) | 多模型融合方法、装置、电子设备和存储介质 | |
CN112734454B (zh) | 一种用户信息确定方法、装置、电子设备和存储介质 | |
CN110569973A (zh) | 网络结构的搜索方法、装置以及电子设备 | |
CN112819497B (zh) | 转化率预测方法、装置、设备和存储介质 | |
CN111461306B (zh) | 特征评估的方法及装置 | |
CN111522928B (zh) | 一种知识抽取方法、装置、设备和介质 | |
CN111160552B (zh) | 新闻信息的推荐处理方法、装置、设备和计算机存储介质 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN111783872B (zh) | 训练模型的方法、装置、电子设备及计算机可读存储介质 | |
CN111340222B (zh) | 神经网络模型搜索方法、装置以及电子设备 | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN114037060A (zh) | 预训练模型的生成方法、装置、电子设备以及存储介质 | |
CN112308196A (zh) | 用于训练模型的方法、装置、设备以及存储介质 | |
CN111738325A (zh) | 图像识别方法、装置、设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |