CN113407826A - 虚拟商品推荐方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开了一种虚拟商品推荐方法，包括：获取用户的用户消费数据及游戏时长数据；根据所述游戏时长数据确定用户的游戏生涯等级；根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。本发明还公开一种虚拟商品推荐装置、一种虚拟商品推荐设备和一种计算机可读存储介质。采用本发明实施例，能够根据用户的游戏生涯等级来实现用户价值的分类，从而根据用户价值类型推荐虚拟商品，使得虚拟商品的推荐更加符合用户的消费习惯。

Description

虚拟商品推荐方法、装置、设备和存储介质

技术领域

本发明涉及网络游戏技术领域，尤其涉及一种虚拟商品推荐方法、装置、设备和存储介质。

背景技术

随着移动互联网的普及和发展，应用软件的开发商及运营商越来越关心其产品的当前主要使用群体的信息。以网络游戏为例，不同用户的具体消费习惯不尽相同，使得其在游戏内购买虚拟商品的类型和偏好也不完全相同。然而，现有的游戏平台在对游戏商品进行推荐时，通常按照该用户购买的历史商品构建用户的购买偏好，并根据该购买偏好给用户推荐商品。在进行商品推荐的过程中，存在以下问题：只能根据用户的购买偏好来推荐虚拟商品，没有考虑到用户的消费潜力，导致虚拟商品的推荐不够准确。

发明内容

本发明实施例的目的是提供一种虚拟商品推荐方法、装置、设备和存储介质，能够根据用户的游戏生涯等级来实现用户价值的分类，从而根据用户价值类型推荐虚拟商品，使得虚拟商品的推荐更加符合用户的消费习惯。

为实现上述目的，本发明实施例提供了一种虚拟商品推荐方法，包括：

获取用户的用户消费数据及游戏时长数据；

根据所述游戏时长数据确定用户的游戏生涯等级；

根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

作为上述方案的改进，所述用户消费数据包括距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额；所述游戏时长数据包括用户每次登录的登录时长。

作为上述方案的改进，所述根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括：

当用户的游戏生涯等级为高等级时，获取与所述高等级对应的第一价值分析策略；

当用户的游戏生涯等级为低等级时，获取与所述低等级对应的第二价值分析策略；

其中，所述高等级对应的总登录时长大于所述低等级对应的总登录时长，所述第一价值分析策略为基于所述消费频次对所述用户消费数据进行价值分析，所述第二价值分析策略为基于用户购买的所有虚拟商品的总消费金额对所述消费数据进行价值分析。

作为上述方案的改进，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括：

在采用所述第一价值分析策略对所述用户消费数据进行分析时，若所述消费频次大于预设的消费频次阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费频次阈值，则判定所述用户为低价值用户；

在采用所述第二价值分析策略对所述用户消费数据进行分析时，若所述总消费金额大于预设的消费金额阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费金额阈值，则判定所述用户为低价值用户。

作为上述方案的改进，所述根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括：

根据用户的游戏生涯等级，并基于预设的游戏生涯等级与每种消费数据的价值分析策略的映射关系，确定对所述用户消费数据的价值分析策略；所述价值分析策略包括：对每一种用户消费数据的价值得分的计算策略、每一种用户消费数据的价值得分的修正系数的分配策略。

作为上述方案的改进，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括：

基于确定的每一种用户消费数据的价值得分的计算策略，计算每一种用户消费数据的价值得分；

基于每一种用户消费数据的价值得分的修正系数的分配策略，分配每一种用户消费数据的价值得分的修正系数；

根据每一种用户消费数据的价值得分的修正系数对每一种用户消费数据的所述价值得分进行修正计算，得到每一种用户消费数据的修正后的价值得分；

根据每一种用户消费数据的修正后的价值得分，得到用户价值类型。

作为上述方案的改进，所述用户画像基于所述用户针对每一种虚拟商品的用户消费数据构建得到。

为实现上述目的，本发明实施例还提供一种虚拟商品推荐装置，包括：

数据获取模块，用于获取用户的用户消费数据及游戏时长数据；

游戏生涯等级确定模块，用于根据所述游戏时长数据确定用户的游戏生涯等级；

价值分析策略获取模块，用于根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

用户价值类型生成模块，用于根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

推荐模块，用于基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

为实现上述目的，本发明实施例还提供了一种虚拟商品推荐设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的虚拟商品推荐方法。

为实现上述目的，本发明实施例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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的虚拟商品推荐方法。

相比于现有技术，本发明实施例公开的虚拟商品推荐方法、装置、设备和存储介质，通过获取用户的用户消费数据及游戏时长数据，从而能够根据游戏时长数据确定用户的游戏生涯等级，然后根据游戏生涯等级获取所述用户消费数据的价值分析策略以对用户消费数据进行价值分析，得到用户价值类型，最后基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。由于在获取价值分析策略时，考虑了用户玩游戏的时长，能够根据用户的游戏生涯等级来实现用户价值的分类，从而根据用户价值类型推荐虚拟商品，使得虚拟商品的推荐更加符合用户的消费习惯。

附图说明

图1是本发明实施例提供的一种虚拟商品推荐方法的流程图；

图2是本发明实施例提供的一种虚拟商品推荐装置的结构框图；

图3是本发明实施例提供的一种虚拟商品推荐设备的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，图1是本发明实施例提供的一种虚拟商品推荐方法的流程图，所述虚拟商品推荐方法包括：

S1、获取用户的用户消费数据及游戏时长数据；

S2、根据所述游戏时长数据确定用户的游戏生涯等级；

S3、根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

S4、根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

S5、基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

具体地，在步骤S1中，所述用户消费数据包括距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额；所述游戏时长数据包括用户每次登录的登录时长。示例性的，所述虚拟商品为道具、服装、符文等需要真实货币购买的商品；所述时间间隔可以根据距离当前的最近一次虚拟商品在购买时的日期确定；所述预设时间段可以系统自行设定，在此不作具体限定；所述消费频次为针对所有虚拟商品的累计购买次数，所述消费频次可以衡量用户的付费忠诚度，付费频次越高，玩家的付费忠诚度越高；所述消费金额为针对每一虚拟商品的消费数目。

具体地，在步骤S2中，所述根据所述游戏时长数据确定用户的游戏生涯等级，包括步骤S21～S22：

S21、当所述用户的登录总时长大于预设的登录时长阈值时，确定所述用户为高等级用户；

S22、当所述用户的登录总时长小于或等于所述登录时长阈值时，确定所述用户为低等级用户。

示例性的，在用户每次登录游戏时，都记录此次登录的游戏时长，并与历史游戏时长进行累加，当所述用户的登录总时长大于所述登录时长阈值时，表明所述用户玩游戏的时间比较长，对应的购买的虚拟商品的数量也较多；当所述用户的登录总时长小于或等于所述登录时长阈值时，表明所述用户玩游戏的时间比较短，对应的购买的虚拟商品的数量也较少。

具体地，在步骤S3中，所述根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括步骤S31～S32：

S31、当用户的游戏生涯等级为高等级时，获取与所述高等级对应的第一价值分析策略；

S32、当用户的游戏生涯等级为低等级时，获取与所述低等级对应的第二价值分析策略；

其中，所述高等级对应的总登录时长大于所述低等级对应的总登录时长，所述第一价值分析策略为基于所述消费频次对所述用户消费数据进行价值分析，所述第二价值分析策略为基于用户购买的所有虚拟商品的总消费金额对所述消费数据进行价值分析。

示例性的，不同游戏时长，会有不同的游戏生涯等级，表示不同用户对游戏的粘性不同，基于不同的游戏生涯等级，来获取与该生涯等级对应的用户消费数据的价值分析策略。例如，游戏生涯为低等级的用户的用户消费数据的价值分析策略的重心放在分析消费总额上，而不对消费频次做分析，因为该用户的生涯并没有很长，统计消费频次会不够准确，而消费总额的统计能够在当前游戏生涯阶段就可以反映出该用户的价值是否是高价值用户，使得分析相比于现有的分析过程更加地准确且高效。

具体地，在步骤S4中，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括步骤S41～S42：

S41、在采用所述第一价值分析策略对所述用户消费数据进行分析时，若所述消费频次大于预设的消费频次阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费频次阈值，则判定所述用户为低价值用户；

S42、在采用所述第二价值分析策略对所述用户消费数据进行分析时，若所述总消费金额大于预设的消费金额阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费金额阈值，则判定所述用户为低价值用户。

示例性的，所述用户玩游戏的时间比较久时，当其消费频次较多时，可以表明该用户是消费型用户，在玩游戏时比较喜欢购买虚拟商品，可以确定该用户为高价值用户；反之，当其消费频次较少时，可以表明该用户是非消费型用户，在玩游戏时不喜欢购买虚拟商品，可以确定该用户为低价值用户。所述用户玩游戏时间比较短时，当其总消费金额较多时，可以表明该用户是消费型用户，在玩游戏时比较喜欢购买虚拟商品，可以确定该用户为高价值用户；反之，当其总消费金额较少时，可以表明该用户是非消费型用户，在玩游戏时不喜欢购买虚拟商品，可以确定该用户为低价值用户。

需要说明的是，在本发明实施例中，需要定期统计一次所有用户的用户价值类型，因用户的消费喜好会随着游戏时长的递增而发生改变，因此需要定期统计一次用户价值类型，以实时更换推荐商品。

进一步地，在本发明实施例中，除了能够通过上述步骤S31～S32得到所述用户消费数据的价值分析策略(此时对应生成的用户价值类型有2种)之外，还有另一种方式得到所述价值分析策略(此时对应生成的用户价值类型有8种)。则，所述步骤S3中根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括：

根据用户的游戏生涯等级，并基于预设的游戏生涯等级与每种消费数据的价值分析策略的映射关系，确定对所述用户消费数据的价值分析策略；所述价值分析策略包括：对每一种用户消费数据的价值得分的计算策略、每一种用户消费数据的价值得分的修正系数的分配策略。

更进一步地，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括步骤S301～S304：

S301、基于确定的每一种用户消费数据的价值得分的计算策略，计算每一种用户消费数据的价值得分；

S302、基于每一种用户消费数据的价值得分的修正系数的分配策略，分配每一种用户消费数据的价值得分的修正系数；

S303、根据每一种用户消费数据的价值得分的修正系数对每一种用户消费数据的所述价值得分进行修正计算，得到每一种用户消费数据的修正后的价值得分；

S304、根据每一种用户消费数据的修正后的价值得分，得到用户价值类型。

示例性的，本发明实施例中根据玩家在距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额来构建RFM模型，以明确玩家的价值、忠诚度以及玩家付费活跃情况。

具体地，在步骤S301中，不同的用户消费数据有对应的价值得分计算策略，在本发明实施例中针对用户在距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额有三种价值得分计算策略，分别为：时间间隔价值得分计算策略、消费频次价值得分计算策略以及消费金额价值得分计算策略。

具体地，根据所述消费频次价值得分计算策略对用户进行打分，计算消费频次价值得分，以5分制为例进行说明：

新用户(1分)：一段时间内的消费频次为在预设的最低消费频次范围内，判定为新用户，该部分用户的留存率极低，与其他消费频次的用户相差很大；

初级用户(2分)：一段时间内的消费频次在预设的初级消费频次范围内，判定为初级用户，该部分用户的留存率相对于新用户而言留存率上涨，且幅度较大；

成长用户(3分)：一段时间内的消费频次在预设的中级消费频次范围内，判定为成长用户，该部分用户的留存率较高，并呈现幅度次大的增长状态；

成熟用户(4分)：一段时间内的消费频次在预设的高级消费频次范围内，判定为成熟用户，该部分用户留存率保持在次高状态，且较为稳定；

忠实用户(5分)：一段时间内的消费频次在预设的最佳消费频次范围内，判定为忠实用户，该部分用户的留存率保持在较高状态，且较为稳定。

具体地，根据所述消费频次价值得分计算策略计算每位玩家的的平均消费时间间隔，并对用户进行消费频次分箱，查看不同消费频次得分的用户的消费状况以及消费时间间隔情况，以消费频次fs为5分、4分、3分的玩家(该部分玩家群体的消费总额占总消费额的85％以上)的消费时间间隔r的80％分位数最为最后一次付费时间间隔分箱阈值(4分制)为例进行说明：

活跃用户(4分)：r<＝1，fs＝5的玩家消费间隔80％分位数为t1天；

沉默用户(3分)：1<r<＝2，fs＝4的玩家消费间隔80％分位数为t2天；

预警用户(2分)：2<r<＝5，fs＝4的玩家消费间隔80％分位数为t3天；

流失用户(1分)：r>5，其他作为流失玩家。

值得说明的是，这里区分的方式一般采用分位数进行表示(比如四份数位：将一组数据由小到大排列并分成四等份)，而不是评分制的平均数，分位数相对于平均数应用场景更广，由于大部分数据都呈现长尾分布，80％分数位甚至90％分数位以上都集中在低频低额区间，少数的用户提供了大部分销售，采用平均数无法很好的体现数组的特性。

具体地，根据所述消费金额价值得分计算策略计算用户的消费金额得分情况，根据用户的消费金额衡量用户的价值，在固定时间内消费总额越高，玩家价值越大，根据不同消费频次得分用户的消费情况，将消费金额40％分位数作为高贡献玩家，分值记为1分；将消费金额80％分位数作为中高贡献玩家，分值记为2分；将消费金额90％分为数作为中低贡献玩家阈值，分值记为3分。

根据消费频次价值得分、时间间隔价值得分以及消费金额价值得分确定对应的用户标签，比如：消费频次价值得分中5分制大于或等于4分为高，其余分数为低；时间间隔价值得分中4分制大于或等于3分为近，其余分数为远；消费金额价值得分中3分制大于或等于2分为高，其余分数为低。根据以上划分标准，可以将RFM划分用户价值类型如表1所示。

表1用户价值类型划分

具体地，在步骤S302～S303中，所述修正系数的分配策略根据游戏生涯等级进行设定，在初始状态下，所述消费频次价值得分的消费频次权重、所述时间间隔价值得分的时间间隔权重和所述消费金额价值得分的消费金额权重的初始值为1。当用户的游戏生涯等级为高等级时，将所述消费频次权重调高，所述时间间隔权重和所述消费金额权重保持不变；当用户的游戏生涯等级为低等级时，将所述消费金额权重调高，所述时间间隔权重和所述消费频次权重保持不变。

示例性的，当所述用户的消费频次价值得分为4分、时间间隔价值得分为3分、消费金额价值得分为2分。当用户的游戏生涯等级为高等级时，将所述消费频次权重调高为1.5，所述时间间隔权重和所述消费金额权重保持不变，则此时所述消费频次价值得分为4*1.5＝6分；当用户的游戏生涯等级为低等级时，将所述消费金额权重调高1.5，所述时间间隔权重和所述消费频次权重保持不变，则此时所述消费金额价值得分为2*1.5＝3分。

具体地，在步骤S304中，根据每一种用户消费数据的修正后的价值得分，根据表1得到用户价值类型。

具体地，在步骤S5中，所述用户画像基于所述用户针对每一种虚拟商品的用户消费数据构建得到。示例性的，根据所述用户消费数据，可以得知用户的购买习惯，比如根据所述消费日期可以得知用户在每个月的哪几天是消费比较多的，哪几天是消费比较少的；根据所述消费频次可以得知用户比较喜欢购买哪一种虚拟商品；根据所述消费金额可以得知用户能够承受的消费区间。根据历史用户消费数据，能够构建所述用户的用户画像，从而得到用户在这个时间段比较喜欢购买哪些虚拟商品。

进一步地，在获取用户的用户画像之后，所述步骤S5中基于所述用户价值类型及用户画像获取对应的推荐商品，包括：根据所述用户画像获取与用户喜好对应的候选虚拟商品；基于所述用户价值类型在所述候选虚拟商品中获取推荐虚拟商品。

示例性的，当所述用户为高价值用户或者重要价值用户时，对应的所述用户为消费型用户，此时可以从所述候选虚拟商品中获取消费金额较高的若干个候选虚拟商品作为推荐虚拟商品；当所述用户为低价值用户或者一般挽留用户时，对应的所述用户为非消费型用户，此时可以从所述候选虚拟商品中获取消费金额较低的若干个候选虚拟商品作为推荐虚拟商品。

相比于现有技术，本发明实施例公开的虚拟商品推荐方法，通过获取用户的用户消费数据及游戏时长数据，从而能够根据游戏时长数据确定用户的游戏生涯等级，然后根据游戏生涯等级获取所述用户消费数据的价值分析策略以对用户消费数据进行价值分析，得到用户价值类型，最后基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。由于在获取价值分析策略时，考虑了用户玩游戏的时长，能够根据用户的游戏生涯等级来实现用户价值的分类，从而根据用户价值类型推荐虚拟商品，使得虚拟商品的推荐更加符合用户的消费习惯。

参见图2，图2是本发明实施例提供的一种虚拟商品推荐装置10的结构框图，所述虚拟商品推荐装置10包括：

数据获取模块11，用于获取用户的用户消费数据及游戏时长数据；

游戏生涯等级确定模块12，用于根据所述游戏时长数据确定用户的游戏生涯等级；

价值分析策略获取模块13，用于根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

用户价值类型生成模块14，用于根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

推荐模块15，用于基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

具体地，所述用户消费数据包括距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额；所述游戏时长数据包括用户每次登录的登录时长。示例性的，所述虚拟商品为道具、服装、符文等需要真实货币购买的商品；所述时间间隔可以根据距离当前的最近一次虚拟商品在购买时的日期确定；所述预设时间段可以系统自行设定，在此不作具体限定；所述消费频次为针对所有虚拟商品的累计购买次数，所述消费频次可以衡量用户的付费忠诚度，付费频次越高，玩家的付费忠诚度越高；所述消费金额为针对每一虚拟商品的消费数目。

具体地，所述游戏生涯等级确定模块12用于：

当所述用户的登录总时长大于预设的登录时长阈值时，确定所述用户为高等级用户；

当所述用户的登录总时长小于或等于所述登录时长阈值时，确定所述用户为低等级用户。

示例性的，在用户每次登录游戏时，都记录此次登录的游戏时长，并与历史游戏时长进行累加，当所述用户的登录总时长大于所述登录时长阈值时，表明所述用户玩游戏的时间比较长，对应的购买的虚拟商品的数量也较多；当所述用户的登录总时长小于或等于所述登录时长阈值时，表明所述用户玩游戏的时间比较短，对应的购买的虚拟商品的数量也较少。

具体地，所述价值分析策略获取模块13用于：

当用户的游戏生涯等级为高等级时，获取与所述高等级对应的第一价值分析策略；

当用户的游戏生涯等级为低等级时，获取与所述低等级对应的第二价值分析策略；

其中，所述高等级对应的总登录时长大于所述低等级对应的总登录时长，所述第一价值分析策略为基于所述消费频次对所述用户消费数据进行价值分析，所述第二价值分析策略为基于用户购买的所有虚拟商品的总消费金额对所述消费数据进行价值分析。

示例性的，不同游戏时长，会有不同的游戏生涯等级，表示不同用户对游戏的粘性不同，基于不同的游戏生涯等级，来获取与该生涯等级对应的用户消费数据的价值分析策略。例如，游戏生涯为低等级的用户的用户消费数据的价值分析策略的重心放在分析消费总额上，而不对消费频次做分析，因为该用户的生涯并没有很长，统计消费频次会不够准确，而消费总额的统计能够在当前游戏生涯阶段就可以反映出该用户的价值是否是高价值用户，使得分析相比于现有的分析过程更加地准确且高效。

具体地，所述用户价值类型生成模块14用于：

在采用所述第一价值分析策略对所述用户消费数据进行分析时，若所述消费频次大于预设的消费频次阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费频次阈值，则判定所述用户为低价值用户；

在采用所述第二价值分析策略对所述用户消费数据进行分析时，若所述总消费金额大于预设的消费金额阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费金额阈值，则判定所述用户为低价值用户。

示例性的，所述用户玩游戏的时间比较久时，当其消费频次较多时，可以表明该用户是消费型用户，在玩游戏时比较喜欢购买虚拟商品，可以确定该用户为高价值用户；反之，当其消费频次较少时，可以表明该用户是非消费型用户，在玩游戏时不喜欢购买虚拟商品，可以确定该用户为低价值用户。所述用户玩游戏时间比较短时，当其总消费金额较多时，可以表明该用户是消费型用户，在玩游戏时比较喜欢购买虚拟商品，可以确定该用户为高价值用户；反之，当其总消费金额较少时，可以表明该用户是非消费型用户，在玩游戏时不喜欢购买虚拟商品，可以确定该用户为低价值用户。

需要说明的是，在本发明实施例中，需要定期统计一次所有用户的用户价值类型，因用户的消费喜好会随着游戏时长的递增而发生改变，因此需要定期统计一次用户价值类型，以实时更换推荐商品。

进一步地，在本发明实施例中，除了能够通过上述方式得到所述用户消费数据的价值分析策略(此时对应生成的用户价值类型有2种)之外，还有另一种方式得到所述价值分析策略(此时对应生成的用户价值类型有8种)。则，所述价值分析策略获取模块13用于：

根据用户的游戏生涯等级，并基于预设的游戏生涯等级与每种消费数据的价值分析策略的映射关系，确定对所述用户消费数据的价值分析策略；所述价值分析策略包括：对每一种用户消费数据的价值得分的计算策略、每一种用户消费数据的价值得分的修正系数的分配策略。

更进一步地，所述用户价值类型生成模块14用于：

基于确定的每一种用户消费数据的价值得分的计算策略，计算每一种用户消费数据的价值得分；

基于每一种用户消费数据的价值得分的修正系数的分配策略，分配每一种用户消费数据的价值得分的修正系数；

根据每一种用户消费数据的价值得分的修正系数对每一种用户消费数据的所述价值得分进行修正计算，得到每一种用户消费数据的修正后的价值得分；

根据每一种用户消费数据的修正后的价值得分，得到用户价值类型。

示例性的，本发明实施例中根据玩家在距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额来构建RFM模型，以明确玩家的价值、忠诚度以及玩家付费活跃情况。

具体地，不同的用户消费数据有对应的价值得分计算策略，在本发明实施例中针对用户在距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额有三种价值得分计算策略，分别为：时间间隔价值得分计算策略、消费频次价值得分计算策略以及消费金额价值得分计算策略。

具体地，根据所述消费频次价值得分计算策略对用户进行打分，计算消费频次价值得分，以5分制为例进行说明：

新用户(1分)：一段时间内的消费频次为在预设的最低消费频次范围内，判定为新用户，该部分用户的留存率极低，与其他消费频次的用户相差很大；

初级用户(2分)：一段时间内的消费频次在预设的初级消费频次范围内，判定为初级用户，该部分用户的留存率相对于新用户而言留存率上涨，且幅度较大；

成长用户(3分)：一段时间内的消费频次在预设的中级消费频次范围内，判定为成长用户，该部分用户的留存率较高，并呈现幅度次大的增长状态；

成熟用户(4分)：一段时间内的消费频次在预设的高级消费频次范围内，判定为成熟用户，该部分用户留存率保持在次高状态，且较为稳定；

忠实用户(5分)：一段时间内的消费频次在预设的最佳消费频次范围内，判定为忠实用户，该部分用户的留存率保持在较高状态，且较为稳定。

具体地，根据所述消费频次价值得分计算策略计算每位玩家的的平均消费时间间隔，并对用户进行消费频次分箱，查看不同消费频次得分的用户的消费状况以及消费时间间隔情况，以消费频次fs为5分、4分、3分的玩家(该部分玩家群体的消费总额占总消费额的85％以上)的消费时间间隔r的80％分位数最为最后一次付费时间间隔分箱阈值(4分制)为例进行说明：

活跃用户(4分)：r<＝1，fs＝5的玩家消费间隔80％分位数为t1天；

沉默用户(3分)：1<r<＝2，fs＝4的玩家消费间隔80％分位数为t2天；

预警用户(2分)：2<r<＝5，fs＝4的玩家消费间隔80％分位数为t3天；

流失用户(1分)：r>5，其他作为流失玩家。

值得说明的是，这里区分的方式一般采用分位数进行表示(比如四份数位：将一组数据由小到大排列并分成四等份)，而不是评分制的平均数，分位数相对于平均数应用场景更广，由于大部分数据都呈现长尾分布，80％分数位甚至90％分数位以上都集中在低频低额区间，少数的用户提供了大部分销售，采用平均数无法很好的体现数组的特性。

具体地，根据所述消费金额价值得分计算策略计算用户的消费金额得分情况，根据用户的消费金额衡量用户的价值，在固定时间内消费总额越高，玩家价值越大，根据不同消费频次得分用户的消费情况，将消费金额40％分位数作为高贡献玩家，分值记为1分；将消费金额80％分位数作为中高贡献玩家，分值记为2分；将消费金额90％分为数作为中低贡献玩家阈值，分值记为3分。

根据消费频次价值得分、时间间隔价值得分以及消费金额价值得分确定对应的用户标签，比如：消费频次价值得分中5分制大于或等于4分为高，其余分数为低；时间间隔价值得分中4分制大于或等于3分为近，其余分数为远；消费金额价值得分中3分制大于或等于2分为高，其余分数为低。根据以上划分标准，可以将RFM划分用户价值类型如表1所示。

表1用户价值类型划分

具体地，所述修正系数的分配策略根据游戏生涯等级进行设定，在初始状态下，所述消费频次价值得分的消费频次权重、所述时间间隔价值得分的时间间隔权重和所述消费金额价值得分的消费金额权重的初始值为1。当用户的游戏生涯等级为高等级时，将所述消费频次权重调高，所述时间间隔权重和所述消费金额权重保持不变；当用户的游戏生涯等级为低等级时，将所述消费金额权重调高，所述时间间隔权重和所述消费频次权重保持不变。

示例性的，当所述用户的消费频次价值得分为4分、时间间隔价值得分为3分、消费金额价值得分为2分。当用户的游戏生涯等级为高等级时，将所述消费频次权重调高为1.5，所述时间间隔权重和所述消费金额权重保持不变，则此时所述消费频次价值得分为4*1.5＝6分；当用户的游戏生涯等级为低等级时，将所述消费金额权重调高1.5，所述时间间隔权重和所述消费频次权重保持不变，则此时所述消费金额价值得分为2*1.5＝3分。

具体地，根据每一种用户消费数据的修正后的价值得分，根据表1得到用户价值类型。

具体地，所述用户画像基于所述用户针对每一种虚拟商品的用户消费数据构建得到。示例性的，根据所述用户消费数据，可以得知用户的购买习惯，比如根据所述消费日期可以得知用户在每个月的哪几天是消费比较多的，哪几天是消费比较少的；根据所述消费频次可以得知用户比较喜欢购买哪一种虚拟商品；根据所述消费金额可以得知用户能够承受的消费区间。根据历史用户消费数据，能够构建所述用户的用户画像，从而得到用户在这个时间段比较喜欢购买哪些虚拟商品。

进一步地，在获取用户的用户画像之后，所述推荐模块15用于：根据所述用户画像获取与用户喜好对应的候选虚拟商品；基于所述用户价值类型在所述候选虚拟商品中获取推荐虚拟商品。

示例性的，当所述用户为高价值用户时，对应的所述用户为消费型用户，此时可以从所述候选虚拟商品中获取消费金额较高的若干个候选虚拟商品作为推荐虚拟商品；当所述用户为低价值用户时，对应的所述用户为非消费型用户，此时可以从所述候选虚拟商品中获取消费金额较低的若干个候选虚拟商品作为推荐虚拟商品。

相比于现有技术，本发明实施例公开的虚拟商品推荐装置10，通过获取用户的用户消费数据及游戏时长数据，从而能够根据游戏时长数据确定用户的游戏生涯等级，然后根据游戏生涯等级获取所述用户消费数据的价值分析策略以对用户消费数据进行价值分析，得到用户价值类型，最后基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。由于在获取价值分析策略时，考虑了用户玩游戏的时长，能够根据用户的游戏生涯等级来实现用户价值的分类，从而根据用户价值类型推荐虚拟商品，使得虚拟商品的推荐更加符合用户的消费习惯。

参见图3，图3是本发明实施例提供的一种虚拟商品推荐设备20的结构框图，所述虚拟商品推荐设备20包括：处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述各个虚拟商品推荐方法实施例中的步骤。或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述虚拟商品推荐设备20中的执行过程。

所述虚拟商品推荐设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述虚拟商品推荐设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是虚拟商品推荐设备20的示例，并不构成对虚拟商品推荐设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述虚拟商品推荐设备20还可以包括输入输出设备、网络接入设备、总线等。

所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述虚拟商品推荐设备20的控制中心，利用各种接口和线路连接整个虚拟商品推荐设备20的各个部分。

所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述虚拟商品推荐设备20的各种功能。所述存储器22可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述虚拟商品推荐设备20集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器21执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种虚拟商品推荐方法，其特征在于，包括：

获取用户的用户消费数据及游戏时长数据；

根据所述游戏时长数据确定用户的游戏生涯等级；

根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

2.如权利要求1所述的虚拟商品推荐方法，其特征在于，所述用户消费数据包括距当前时刻最近的付费时间与当前时刻的时间间隔、预定时间段内的消费频次和消费金额；所述游戏时长数据包括用户每次登录的登录时长。

3.如权利要求2所述的虚拟商品推荐方法，其特征在于，所述根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括：

当用户的游戏生涯等级为高等级时，获取与所述高等级对应的第一价值分析策略；

当用户的游戏生涯等级为低等级时，获取与所述低等级对应的第二价值分析策略；

其中，所述高等级对应的总登录时长大于所述低等级对应的总登录时长，所述第一价值分析策略为基于所述消费频次对所述用户消费数据进行价值分析，所述第二价值分析策略为基于用户购买的所有虚拟商品的总消费金额对所述消费数据进行价值分析。

4.如权利要求3所述的虚拟商品推荐方法，其特征在于，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括：

在采用所述第一价值分析策略对所述用户消费数据进行分析时，若所述消费频次大于预设的消费频次阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费频次阈值，则判定所述用户为低价值用户；

在采用所述第二价值分析策略对所述用户消费数据进行分析时，若所述总消费金额大于预设的消费金额阈值，则判定所述用户为高价值用户；若所述消费频次小于或等于所述消费金额阈值，则判定所述用户为低价值用户。

5.如权利要求1所述的虚拟商品推荐方法，其特征在于，所述根据所述游戏生涯等级获取所述用户消费数据的价值分析策略，包括：

根据用户的游戏生涯等级，并基于预设的游戏生涯等级与每种消费数据的价值分析策略的映射关系，确定对所述用户消费数据的价值分析策略；所述价值分析策略包括：对每一种用户消费数据的价值得分的计算策略、每一种用户消费数据的价值得分的修正系数的分配策略。

6.如权利要求5所述的虚拟商品推荐方法，其特征在于，所述根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型，包括：

基于确定的每一种用户消费数据的价值得分的计算策略，计算每一种用户消费数据的价值得分；

基于每一种用户消费数据的价值得分的修正系数的分配策略，分配每一种用户消费数据的价值得分的修正系数；

根据每一种用户消费数据的价值得分的修正系数对每一种用户消费数据的所述价值得分进行修正计算，得到每一种用户消费数据的修正后的价值得分；

根据每一种用户消费数据的修正后的价值得分，得到用户价值类型。

7.如权利要求2所述的虚拟商品推荐方法，其特征在于，所述用户画像基于所述用户针对每一种虚拟商品的用户消费数据构建得到。

8.一种虚拟商品推荐装置，其特征在于，包括：

数据获取模块，用于获取用户的用户消费数据及游戏时长数据；

游戏生涯等级确定模块，用于根据所述游戏时长数据确定用户的游戏生涯等级；

价值分析策略获取模块，用于根据所述游戏生涯等级获取所述用户消费数据的价值分析策略；

用户价值类型生成模块，用于根据所述价值分析策略对对应的用户消费数据进行价值分析，得到用户价值类型；

推荐模块，用于基于所述用户价值类型及用户画像获取对应的推荐商品，并在显示界面上显示所述推荐商品。

9.一种虚拟商品推荐设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的虚拟商品推荐方法。

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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的虚拟商品推荐方法。

Images