CN117407439A - 转化数据确定方法、装置、设备及存储介质 - Google Patents

转化数据确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117407439A
CN117407439A CN202311425042.5A CN202311425042A CN117407439A CN 117407439 A CN117407439 A CN 117407439A CN 202311425042 A CN202311425042 A CN 202311425042A CN 117407439 A CN117407439 A CN 117407439A
Authority
CN
China
Prior art keywords
month
consumption
resources
historical
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.)
Pending
Application number
CN202311425042.5A
Other languages
English (en)
Inventor
李晨
赵爽
朱琴
李晓宁
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202311425042.5A priority Critical patent/CN117407439A/zh
Publication of CN117407439A publication Critical patent/CN117407439A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供一种转化数据确定方法、装置、设备及存储介质，涉及计算机技术领域，具体涉及神经网络、数据处理等技术领域。可应用于网盘数据分析、网盘数据处理等场景下。具体实现方案包括：获取历史数据、目标月份的新增用户在目标月份的消费资源，历史数据包括目标月份之前的历史月份的历史新增用户的历史消费资源；根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源；根据消费资源、第一预测消费资源，确定目标月份的转化数据。本公开可以准确地确定出目标月份的转化数据，提高转化数据的可参考度。

Description

转化数据确定方法、装置、设备及存储介质
技术领域
本公开涉及计算机技术领域，具体涉及神经网络、数据处理等技术领域，可应用于网盘数据分析、网盘数据处理等场景下，尤其涉及一种转化数据确定方法、装置、设备及存储介质。
背景技术
转化数据是指用户在某个特定的行为阶段或流程中完成某种期望操作的情况记录。转化通常指的是用户从潜在客户状态转变为实际客户、付费用户或其他预设目标的过程。例如，在用户从潜在客户状态转变为付费用户的转化过程中，用户生命周期价值(LifeTime Value，LTV)指的是用户在使用产品或服务的整个生命周期内为企业或运营商可以带来的经济价值，一般用于衡量用户对企业的贡献和价值。企业或者运营商可以利用LTV决定是否为用户优先投入资源用于招募、留存和提升高价值用户的满意度，从而为用户提供更高质量的服务。
目前，用户的转化数据的确定方式为：将用户生命周期的活跃天数和用户平均每天活跃贡献的价值之间的乘积作为用户转化数据的值的大小。
但是，上述用户转化数据的确定方式准确度并不高，导致转化数据的可参考度不高，后续也不能更加精准地提供用户所需要的服务。
发明内容
本公开提供了一种转化数据确定方法、装置、设备及存储介质，可以准确地确定出目标月份的转化数据，提高转化数据的可参考度。
根据本公开的第一方面，提供了一种转化数据确定方法，该方法包括：获取历史数据、目标月份的新增用户在目标月份的消费资源，历史数据包括目标月份之前的历史月份的历史新增用户的历史消费资源；根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源；根据消费资源、第一预测消费资源，确定目标月份的转化数据。
根据本公开的第二方面，提供了一种转化数据确定装置，该装置包括：获取单元、确定单元。
获取单元，用于获取历史数据、目标月份的新增用户在目标月份的消费资源，历史数据包括目标月份之前的历史月份的历史新增用户的历史消费资源。
确定单元，用于根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源；根据消费资源、第一预测消费资源，确定目标月份的转化数据。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面的方法。
根据本公开的第四方面，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，计算机指令用于使计算机执行根据第一方面的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的转化数据确定方法的流程示意图；
图2为本公开实施例提供的转化数据确定方法的另一流程示意图；
图3为本公开实施例提供的转化数据确定方法的又一流程示意图；
图4为本公开实施例提供的转化数据确定装置的组成示意图；
图5为本公开实施例提供的可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
应当理解，在本公开各实施例中，字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
转化数据是指用户在某个特定的行为阶段或流程中完成某种期望操作的情况记录。转化通常指的是用户从潜在客户状态转变为实际客户、付费用户或其他预设目标的过程。例如，在用户从潜在客户状态转变为付费用户的转化过程中，用户生命周期价值(LifeTime Value，LTV)指的是用户在使用产品或服务的整个生命周期内为企业或运营商可以带来的经济价值，一般用于衡量用户对企业的贡献和价值。企业或者运营商可以利用LTV决定是否为用户优先投入资源用于招募、留存和提升高价值用户的满意度，从而为用户提供更高质量的服务。
示例性地，当用户的生命周期价值较高时，可以表示用户在使用产品的过程中所产生的价值较高。那么运营商可以根据用户生命周期价值的高低来决定是否继续招募投资方、通过一定的优惠途径来留存客户、怎么样更好地挖掘用户在使用过程中可以产生的价值等，通过这样的方式可以更好地为用户提供服务。
例如，以用户使用网盘为例，用户在使用网盘时，会产生一定的会员价值，这样的方式可以使用户在使用网盘的过程中不受网络速度的限制，享受更好地网盘服务。用户在使用网盘过程中的生命周期价值可以作为可参考的值，用于判断是否需要提升对用户服务的质量，以更好地服务用户。
目前，用户的转化数据的确定方式为：将用户生命周期的活跃天数和用户平均每天活跃贡献的价值之间的乘积作为用户转化数据的值的大小。
但是，上述用户转化数据的确定方式准确度并不高，导致转化数据的可参考度不高，后续也不能更加精准地提供用户所需要的服务。
示例性地，上述确定转化数据的方式，只用到了生命周期的活跃天数、平均活跃贡献价值，并没有参考用户在整个生命周期中的其他可参考的值，因此导致确定出的转化数据的值并不准确，并不具有很高的可参考价值，从而导致运营商无法根据转化数据判断用户在生命周期中的价值，因此也就无法为用户提供更好的服务。
在此背景技术下，本公开提供了一种转化数据确定方法，可以准确地确定出目标月份的转化数据，提高转化数据的可参考度。
示例性地，转换数据可以包括生命周期价值、用户付费转化率、用户注册转化率等，在此对转化数据不做具体限制，本公开中以转化数据为生命周期价值为例。
示例性地，该转化数据确定方法的执行主体可以是计算机或服务器，或者还可以是其他具有数据处理能力的设备；或者，该方法的执行主体也可以是上述电子设备中的处理器(例如中央处理器(central processing unit，CPU))；再或者，该方法的执行主体还可以是上述电子设备中安装的能够实现该方法的功能的应用程序(application，APP)；又或者，该方法的执行主体又可以是上述电子设备中具有该方法的功能的模块或单元等。在此对该方法的执行主体不作限制。
一些实施例中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
图1为本公开实施例提供的转化数据确定方法的流程示意图。如图1所示，该方法可以包括步骤S101-步骤S103。
S101、获取历史数据、目标月份的新增用户在目标月份的消费资源，历史数据包括目标月份之前的历史月份的历史新增用户的历史消费资源。
示例性地，可以在客户端中为用户提供一个数据上传页面，用户可以在数据选择页面中上传符合实际需要的数据。客户端可以响应于用户上传数据的操作，获取用户上传的数据。
可选地，消费资源可以指用户在使用产品或程序过程中所产生的价值，其形式可以为积分、货币等形式。历史月份的历史新增用户的历史消费资源包括历史新增用户在新增月的历史消费资源和在新增月之后的历史消费资源。
可选地，历史数据、目标月份的新增用户在目标月份的消费资源等数据也可以预先存储在数据库中，客户端可以响应于用户选取历史数据、目标月份的新增用户在目标月份的消费资源等数据的操作，从数据库中确定相应的历史数据、目标月份的新增用户在目标月份的消费资源等数据并获取。在此对获取历史数据、目标月份的新增用户在目标月份的消费资源的方式不做具体限制。
例如，以消费资源为货币的形式为例。目标月份可以指的是2023年8月份，目标月份的新增用户可以为7人，目标月份的新增用户在目标月份的消费资源可以为X元，表示在2023年8月份新增了7个新用户，并且在8月的消费资源为X元。历史数据可以包括2023年7月份新增的6个用户分别在7月、8月的消费资源；历史数据还可以包括2023年6月份新增的5个用户分别在6月、7月、8月的消费资源。
S102、根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源。
示例性地，根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源的方式可以是：将历史数据输入一个预测模型中，通过预测模型输出目标月份之后的第一预设时段内的每个月的第一预测消费资源。
示例地，预测模型可以是将历史数据作为输入、将目标月份之后的预设时段内的每个月的预测消费资源作为输出，对神经网络进行训练，得到的训练好的预测模型，在此对预测模型的实现不做限制。
可选地，根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源的方式也可以是：将第一预设时段内每个月对应的历史数据输入对应的预测模型中，通过多个预测模型输出目标月份之后的第一预设时段内的每个月的第一预测消费资源。
示例地，多个预测模型可以分别用于预测目标月份之后的第一预设时段内对应月份的第一预测消费资源。例如，目标月份之后的第一预设时段可以为2个月，预测模型a用于预测目标月份之后的第一预设时段内第一个月的第一预测消费资源，预测模型b用于预测目标月份之后的第一预设时段内第二个月的第一预测消费资源。
示例地，多个预测模型的训练方法可以为：将目标月份之后的第一预设时段内每个月所对应的历史数据作为输入、将目标月份之后的第一预设时段内每个月所对应的第一预测消费资源作为输出，对神经网络训练得到的，得到多个预测模型，分别用于预测目标月份之后的第一预设时段内的每个月的第一预测消费资源。
S103、根据消费资源、第一预测消费资源，确定目标月份的转化数据。
示例性地，可以根据消费资源、第一预测消费资源，确定目标月份的转化数据，也可以根据消费资源、第一预测消费资源先确定出第二预测消费资源，再通过消费资源、第一预测消费资源、第二预测消费资源，确定出目标月份的转化数据。
示例地，根据消费资源、第一预测消费资源，确定目标月份的转化数据的方式可以是获取消费资源、每个第一预测消费资源的和之后再求均，或者在获取消费资源、每个第一预测消费资源的和时乘以相应的权重值之后再求均等，在此不做限制。
例如，以转化数据为新增用户的生命周期价值、消费资源的值为9、第一预测消费资源的值分别为10、8为例。目标月份的新增用户的生命周期价值可以计算为：目标月份的新增用户的生命周期价值可以计算为：/>其中0.1、0.4、0.5分别为消费资源、第一预测消费资源对应的权重值，其大小可以根据实际情况进行设置。
本公开实施例通过获取历史数据、目标月份的新增用户在目标月份的消费资源，根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源，可以准确得到第一预测消费资源的大小；并根据消费资源、第一预测消费资源，确定目标月份的转化数据，可以准确地确定出目标月份的转化数据，提高转化数据的可参考度。进一步地，通过准确的转化数据可以帮助企业优化业务决策，提高市场竞争力，增加收入和利润，并提升客户满意度和忠诚度。
图2为本公开实施例提供的转化数据确定方法的另一流程示意图。如图2所示，图1中步骤S103可以包括步骤S201-步骤S202。
S201、根据消费资源、第一预测消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源，第二预设时段和第一预设时段不同，且第二预设时段在第一预设时段之后。
示例性地，可以根据消费资源、第一预测消费资源通过建立灰色模型、训练神经网络模型等方式，来确定目标月份之后的第二预设时段内每个月的第二预测消费资源。
例如，以训练神经网络模型为例，可以将消费资源、第一预测消费资源输入第二预测模型中，通过第二预测模型输出目标月份之后的第二预设时段内每个月的第二预测消费资源。
示例地，第二预测模型可以是将目标消费资源、预测消费资源作为输入，将目标预测消费资源作为输出，对神经网络进行训练，得到的第二预测模型。
S202、根据消费资源、第一预测消费资源、第二预测消费资源，确定目标月份的转化数据。
示例性地，根据消费资源、第一预测消费资源、第二预测消费资源，确定目标月份的转化数据的方式可以是获取消费资源、每个第一预测消费资源、第二预测消费资源的和之后再求均，或者在获取消费资源、每个第一预测消费资源、第二预测消费资源的和时乘以相应的权重值之后再求均等，在此不做限制。
例如，以转化数据为新增用户的生命周期价值、消费资源的值为9、第一预测消费资源的值分别为10、8，第二预测消费资源13、12、11为例。目标月份的新增用户的生命周期价值可以计算为：目标月份的新增用户的生命周期价值也可以计算为：/>其中0.1、0.2、0.3、0.1、0.2、0.1分别为消费资源、第一预测消费资源、第二预测消费资源对应的权重值，其大小可以根据实际情况进行设置，在此不做具体限制。
本实施例通过根据消费资源、第一预测消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源，可以帮助企业更准确地预测用户行为和需求，进一步细化资源分配和预算计划；并根据消费资源、第一预测消费资源、第二预测消费资源，确定目标月份的转化数据，进一步提高转化数据的可参考度，可以帮助企业优化业务决策，提高市场竞争力，增加收入和利润，并提升客户满意度和忠诚度。有助于企业更好地了解用户行为的演化、市场发展趋势，并制定相应的策略来提高转化数据。
一些实施例中，历史消费资源包括历史新增用户在历史新增月份的第一历史消费资源和在其他历史月份的第二历史消费资源，该转化数据确定方法还可以包括：将第一预设时段内每个月对应的第二历史消费资源一一对应输入每个月对应的预测模型中，通过预测模型输出第一预测消费资源。
示例性地，历史新增用户在历史新增月份的第一历史消费资源指的是历史新增的用户在当月的第一历史消费资源，其他历史月份指的是非历史新增月份的消费资源。
例如，如表(1)所示，2023年1月份新增100个新用户，历史新增月份指的就是2023年1月份，第一历史消费资源指的是2023年1月份新增100个新用户在2023年1月份的消费资源，第二历史消费资源指的是2023年1月份新增100个新用户在2023年2月份的消费资源，或者，2023年1月份新增100个新用户在2023年3月份的消费资源，或者，2023年1月份新增100个新用户在2023年4月份的消费资源。
新增月份 当月消费资源 次1月消费资源 次2月消费资源 次3月消费资源
202208 96 74 45 30
202209 87 73 48 32
202210 90 68 40 39
202211 85 83 42 39
202212 85 81 53 34
202301 93 82 59 39
202302 98 84 42
202303 89 84
202304 92
表(1)
示例性地，第一预设时段可以包括多个月份，对应的，可以为第一预设时段的每个月分别设置相应的预测模型。
例如，以第一预设时段为6个月为例，2022年8月份新增100个新用户，在2022年2月份、2022年3月份、2023年4月份、2023年5月份、2023年6月份、2023年7月份的第二历史消费资源分别为a、b、c、d、e、f，分别对应的时间关系为次一月、次二月、次三月、次四月、次五月、次六月。应该将第二历史消费资源a输入第一预设时段第一个月的预测模型中，将第二历史消费资源b输入第一预设时段第二个月的预测模型中，将第二历史消费资源c输入第一预设时段第三个月的预测模型中，将第二历史消费资源d输入第一预设时段第四个月的预测模型中，将第二历史消费资源e输入第一预设时段第五个月的预测模型中，将第二历史消费资源f输入第一预设时段第六个月的预测模型中。
可选地，第二历史消费资源可以包括至少两个连续月份的历史消费资源，也可以只包括一个月的历史消费资源。通过至少两个连续月份的历史消费资源可以获取更多的历史消费资源数据信息，从而可以更加准确地确定出第一预测消费资源，提高了第一预测消费资源确定时的准确度。
本实施例通过将第一预设时段内每个月对应的第二历史消费资源一一对应输入每个月对应的预测模型中，通过预测模型输出第一预测消费资源，可以根据第一预设时段内的每个月和目标月份之间的时长关系分别设置不同的预测模型，可以更加准确的预测出第一预设时段内每个月的第一预测消费资源，进而可以更加准确地确定出转化数据，提高转化数据的准确性。
图3为本公开实施例提供的转化数据确定方法的又一流程示意图。如图3所示，图2中步骤S201还可以包括步骤S301-步骤S306。
S301、根据第一预测消费资源，生成原始序列。
示例性地，生成的原始序列可以为：x(0)＝{x(0)(1),x(0)(2),…,x(0)(n)}，其中，x(0)(1)表示目标月份的新增用户在所述目标月份的消费资源，x(0)(2)表示第一预设时段内第一个月的第一预测消费资源，x(0)(n)表示第一预设时段内第n-1个月的第一预测消费资源。
S302、根据原始序列，进行级别检验。
示例性地，可以通过以下公式进行级别检验：
σ(k)＝x(0)(k-1)/x(0)(k)
其中，k＝2,3,…,n。
当满足时，表示级别检验通过。
一些可能的实现方式中，当级别检验不通过时，可以更新原始序列，例如为原始序列x(0)加上一个正数，使得更新后的原始序列通过检验。
S303、确定级别检验通过，对原始序列进行变换，得到变换序列。
示例性地，在级别检验通过后，可以对原始序列x(0)进行变换处理得到变换序列x(1)＝{x(1)(1),x(1)(2),…,x(1)(n)}，其中，
S304、根据变换序列，建立灰色模型。
其中，灰色模型用于表征第一预设时段内每个月的第一预测消费资源与第一预设时段内每个月的对应关系。
示例性地，可以根据变换序列x(1)，生成x(1)的均值数列z(1)＝{z(1)(2),z(1)(3),…,z(1)(n)}，其中，再根据灰色理论对变换序列x(1)建立灰色模型，对灰色模型的形式不作限制。
一种可能的实施例中，灰色模型可以为：
其中，a表示发展系数，b表示灰色作用量，x(1)表示变换序列。
通过设定灰色模型，可以更准确地表征第一预设时段内每个月的第一预测消费资源与第一预设时段内每个月的对应关系，从而可以进一步提高对第一预设时段之后的第二预设时段的第一预测消费资源的预测准确性。
S305、对灰色模型进行求解，得到目标方程组。
示例性地，可以令利用最小二乘法求解α，则α＝(BTB)-1BTY。将α代入灰色模型，并对灰色模型求解，可得目标方程组：
其中，a和b的值已经通过求解α得到，为已知量；t为正整数。
S306、根据目标方程组、消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源。
示例性地，可以将目标月份的新增用户在目标月份的消费资源作为x(0)(1)代入目标方程组中，通过改变t的取值，将得到的作为目标月份的新增用户在第t个月的第二预测消费资源。在t为1时，/>等于x(0)(1)。
例如，可以令t为1，将得到的作为目标月份的新增用户在第1个月的第二预测消费资源；令t为2，将得到的/>作为目标月份的新增用户在第2个月的第二预测消费资源。通过改变t的取值，得到目标月份之后的第二预设时段内每个月的第二预测消费资源。
本实施例通过根据第一预测消费资源，生成原始序列，在原始序列级别检验通过后根据原始序列得到趋势明显的变换序列，根据变化序列建立能反映参考月份的历史新增用户的付费率与月份之间的对应关系灰色模型，对灰色模型进行求解，得到了能准确反映第一预设时段内每个月的第一预测消费资源与第一预设时段内每个月的对应关系的目标方程组，根据目标方程组、消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源，可以实现准确地对目标月份之后的第二预设时段内每个月的第二预测消费资源的预估。
一些实施例中，图1中步骤S103可以包括：获取消费资源与第一预测消费资源的平均值，得到转化数据。
示例性地，可以先获取第一预测消费资源的平均值，得到第一平均值，再获取第一平均值和消费资源的平均值，得到转化数据；也可以直接获取消费资源与第一预测消费资源的和并求平均值，得到转化数据。
例如，以转化数据为新增用户的生命周期价值、消费资源的值为9、第一预测消费资源的值分别为10、8、5、8、9、7为例，生命周期价值可以计算为：也可以先确定第一平均值：/> 再确定生命周期价值：/>
本实施例获取消费资源与第一预测消费资源的和并求均，得到转化数据，可以充分结合消费资源和第一预测消费资源的数据的特征，进一步提高转化数据的准确性。
一些实施例中，该转化数据确定方法还可以包括：获取历史数据，历史数据包括预设时段第一个月的新增用户数量N、以预设时段第一个月为参考第n个月的首次消费用户数S(n)、新增用户在第n月消费资源为A(n)、以用户首次消费的第n个月为参考在第n个月首次消费的用户中在第m个月的消费用户数X(nm)、以用户首次消费的第n个月为参考在第n个月首次消费的用户中在第m个月的消费资源为B(nm)、以用户首次消费的第n个月为参考在第n个月首次消费的用户中在第m个月的消费资源为R(nm)。
计算用户转化数据CD，计算公式可以为：CD＝{[S(1)*A(1)+S(2)*A(2)+…+S(n)*A(n)]+[X(11)*B(11)+X(12)*B(12)+…+X(1m)*B(1m)]+[X(21)*B(21)+X(22)*B(22)+…+X(2m)*B(2m)]+[X(n1)*B(n1)+X(n2)*B(n2)+…+X(nm)*B(nm]}/N。
当新增用户在第n月首次消费资源A(n)、以用户首次消费的第n个月为参考在第n个月首次消费的用户中在第m个月的消费资源为B(nm)均为固定值时，计算公式可以化简为：CD＝A(n)*[S(1)+S(2)+…+S(n)]/N+B(nm)*{S(1)*[R(11)+R(12)+…+R(1n)]+S(2)*[R(21)+
R(22)+…+R(2m)]+…+S(n)*[R(n1)+R(n2)+…+R(nm)]}/N。
当以用户首次消费的第n个月为参考在第n个月首次消费的用户中在第m个月的消费率为R(nm)为固定值时，计算公式可以化简为：CD＝A(n)*[S(1)+S(2)+…+S(n)]/N+B(nm)*[S(1)+S(2)+…+S(n)]*[R(11)+R(21)+…+R(n1)]。
累计首次消费率SC计算方式为：SC＝[S(1)+S(2)+…+S(n)]/N，累计消费率LJ计算方式为：LJ＝[R(11)+R(21)+…+R(n1)，当累计首次消费率SC和累计消费率LJ的值相同时，计算公式可以化简为：CD＝SC*(1+LJ)*A(n)。
本实施例通过获取历史数据中预设时段内的数据，根据预设时段内的数据计算转化数据，并通过考虑用户在消费过程中的特殊情况得到化简后的计算公式，可以准确地确定出转化数据，进一步提高了转化数据的准确率，进而可以通过更加准确的转化数据为运营商提供更好的数据，以便于运营商根据准确的转化数据确定后续的运营策略。
示例性实施例中，本公开实施例还提供一种转化数据确定装置，可以用于实现如前述实施例的转化数据确定方法。图4为本公开实施例提供的转化数据确定装置的组成示意图。如图4所示，该装置可以包括：获取单元401、确定单元402。
获取单元401，用于获取历史数据、目标月份的新增用户在目标月份的消费资源，历史数据包括目标月份之前的历史月份的历史新增用户的历史消费资源。
确定单元402，用于根据历史数据，确定目标月份之后的第一预设时段内的每个月的第一预测消费资源；根据消费资源、第一预测消费资源，确定目标月份的转化数据。
可选地，确定单元402，具体用于：根据消费资源、第一预测消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源，第二预设时段和第一预设时段不同，且第二预设时段在第一预设时段之后；根据消费资源、第一预测消费资源、第二预测消费资源，确定目标月份的转化数据。
可选地，历史消费资源包括历史新增用户在历史新增月份的第一历史消费资源和在其他历史月份的第二历史消费资源，确定单元402，具体用于：将第一预设时段内每个月对应的第二历史消费资源一一对应输入每个月对应的预测模型中，通过预测模型输出第一预测消费资源。
可选地，第二历史消费资源包括至少两个连续月份的历史消费资源。
可选地，确定单元402，具体用于：根据第一预测消费资源，生成原始序列；根据原始序列，进行级别检验；确定级别检验通过，对原始序列进行变换，得到变换序列；根据变换序列，建立灰色模型；对灰色模型进行求解，得到目标方程组；根据目标方程组、消费资源，确定目标月份之后的第二预设时段内每个月的第二预测消费资源。
可选地，灰色模型为：
其中，a表示发展系数，b表示灰色作用量，x(1)表示变换序列。
可选地，获取单元401，具体用于：获取消费资源与第一预测消费资源的平均值，得到转化数据。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品。
示例性实施例中，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如以上实施例所述的方法。
示例性实施例中，可读存储介质可以是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计算机执行根据以上实施例所述的方法。
示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如转化数据确定方法。例如，在一些实施例中，转化数据确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的转化数据确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行转化数据确定方法。
本文中以上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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种转化数据确定方法，所述方法包括：
获取历史数据、目标月份的新增用户在所述目标月份的消费资源，所述历史数据包括所述目标月份之前的历史月份的历史新增用户的历史消费资源；
根据所述历史数据，确定所述目标月份之后的第一预设时段内的每个月的第一预测消费资源；
根据所述消费资源、所述第一预测消费资源，确定所述目标月份的转化数据。
2.根据权利要求1所述的方法，所述根据所述消费资源、所述第一预测消费资源，确定所述目标月份的转化数据，包括：
根据所述消费资源、所述第一预测消费资源，确定所述目标月份之后的第二预设时段内每个月的第二预测消费资源，所述第二预设时段和所述第一预设时段不同，且所述第二预设时段在所述第一预设时段之后；
根据所述消费资源、所述第一预测消费资源、所述第二预测消费资源，确定所述目标月份的转化数据。
3.根据权利要求1或2所述的方法，所述历史消费资源包括所述历史新增用户在历史新增月份的第一历史消费资源和在其他历史月份的第二历史消费资源，所述根据所述历史数据，确定所述目标月份之后的第一预设时段内的每个月的第一预测消费资源，包括：
将所述第一预设时段内每个月对应的所述第二历史消费资源一一对应输入每个月对应的预测模型中，通过所述预测模型输出所述第一预测消费资源。
4.根据权利要求3所述的方法，所述第二历史消费资源包括至少两个连续月份的历史消费资源。
5.根据权利要求2所述的方法，所述根据所述消费资源、所述第一预测消费资源，确定所述目标月份之后的第二预设时段内每个月的第二预测消费资源，包括：
根据所述第一预测消费资源，生成原始序列；
根据所述原始序列，进行级别检验；
确定所述级别检验通过，对所述原始序列进行变换，得到变换序列；
根据所述变换序列，建立灰色模型；
对所述灰色模型进行求解，得到目标方程组；
根据所述目标方程组、所述消费资源，确定所述目标月份之后的第二预设时段内每个月的第二预测消费资源。
6.根据权利要求5所述的方法，所述灰色模型为：
其中，a表示发展系数，b表示灰色作用量，x(1)表示变换序列。
7.根据权利要求1-6任一项所述的方法，所述根据所述消费资源、所述第一预测消费资源，确定所述目标月份的转化数据，包括：
获取所述消费资源与所述第一预测消费资源的平均值，得到所述转化数据。
8.一种转化数据确定装置，所述装置包括：
获取单元，用于获取历史数据、目标月份的新增用户在所述目标月份的消费资源，所述历史数据包括所述目标月份之前的历史月份的历史新增用户的历史消费资源；
确定单元，用于根据所述历史数据，确定所述目标月份之后的第一预设时段内的每个月的第一预测消费资源；根据所述消费资源、所述第一预测消费资源，确定所述目标月份的转化数据。
9.根据权利要求8所述的装置，所述确定单元，具体用于：
根据所述消费资源、所述第一预测消费资源，确定所述目标月份之后的第二预设时段内每个月的第二预测消费资源，所述第二预设时段和所述第一预设时段不同，且所述第二预设时段在所述第一预设时段之后；
根据所述消费资源、所述第一预测消费资源、所述第二预测消费资源，确定所述目标月份的转化数据。
10.根据权利要求8或9所述的装置，所述历史消费资源包括所述历史新增用户在历史新增月份的第一历史消费资源和在其他历史月份的第二历史消费资源，所述确定单元，具体用于：
将所述第一预设时段内每个月对应的所述第二历史消费资源一一对应输入每个月对应的预测模型中，通过所述预测模型输出所述第一预测消费资源。
11.根据权利要求10所述的装置，所述第二历史消费资源包括至少两个连续月份的历史消费资源。
12.根据权利要求9所述的装置，所述确定单元，具体用于：
根据所述第一预测消费资源，生成原始序列；
根据所述原始序列，进行级别检验；
确定所述级别检验通过，对所述原始序列进行变换，得到变换序列；
根据所述变换序列，建立灰色模型；
对所述灰色模型进行求解，得到目标方程组；
根据所述目标方程组、所述消费资源，确定所述目标月份之后的第二预设时段内每个月的第二预测消费资源。
13.根据权利要求12所述的装置，所述灰色模型为：
其中，a表示发展系数，b表示灰色作用量，x(1)表示变换序列。
14.根据权利要求8-13任一项所述的装置，所述获取单元，具体用于：
获取所述消费资源与所述第一预测消费资源的平均值，得到所述转化数据。
15.一种电子设备，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权利要求1-7任一项所述的方法。
16.一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计算机执行根据权利要求1-7任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7任一项所述的方法。
CN202311425042.5A 2023-10-30 2023-10-30 转化数据确定方法、装置、设备及存储介质 Pending CN117407439A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311425042.5A CN117407439A (zh) 2023-10-30 2023-10-30 转化数据确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311425042.5A CN117407439A (zh) 2023-10-30 2023-10-30 转化数据确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117407439A true CN117407439A (zh) 2024-01-16

Family

ID=89494118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311425042.5A Pending CN117407439A (zh) 2023-10-30 2023-10-30 转化数据确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117407439A (zh)

Similar Documents

Publication Publication Date Title
CN109697522B (zh) 一种数据预测的方法和装置
JP5984147B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
US20150081398A1 (en) Determining a performance target setting
Gan et al. Fat-tailed regression modeling with spliced distributions
CN115202847A (zh) 任务的调度方法和装置
CN115983759A (zh) 物品需求量预测方法及装置、电子设备和存储介质
CN116823383A (zh) 一种电力零售套餐推荐方法、系统、电子设备及存储介质
CN114663015A (zh) 补货方法和装置
US20110178948A1 (en) Method and system for business process oriented risk identification and qualification
CN117132317A (zh) 数据处理方法、装置、设备、介质及产品
Almomani et al. Selecting a good stochastic system for the large number of alternatives
KR101927317B1 (ko) 부채 관리 능력 평가 방법 및 장치
CN114282881A (zh) 折旧测算方法、装置、存储介质及计算机设备
CN117407439A (zh) 转化数据确定方法、装置、设备及存储介质
CN115689143A (zh) 工单分派方法、装置、电子设备及介质
CN114549032A (zh) 备货处理方法及装置、计算机存储介质、电子设备
CN117236995A (zh) 付费率预估方法、装置、设备及存储介质
CN115242626B (zh) 云资源配置预估方法、装置、设备、存储介质及程序产品
CN116956066A (zh) 资源评估方法、装置、电子设备以及存储介质
CN117035846A (zh) 信息预测方法、装置及相关设备
CN117591567A (zh) 一种资产信息分析方法及装置
CN117077536A (zh) 一种数据处理方法、装置及电子设备
CN118313921A (zh) 一种数据处理方法、装置、设备、存储介质及产品
CN115860408A (zh) 任务推荐方法、模型训练方法、装置和设备
CN114781480A (zh) 目标对象的评价方法、评价模型训练方法及装置

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