[发明专利]平台用户行为的预测方法、存储介质和终端

权利要求书

1.一种平台用户行为的预测方法，其特征在于，包括步骤：

获取采样主播停播前第一预置时长内，与所述采样主播关联的采样用户的第一采样数据，并提取采样用户在直播平台的第一特征数据；

获取所述采样主播停播后第二预置时长内，所述采样用户的第二采样数据，并提取采样用户观看所述平台的留存天数的第二特征数据；

根据所述第一特征数据和第二特征数据，建立预测模型，所述预测模型表征所述第一特征数据和第二特征数据的对应关系；

获取预测日前所述第一预置时长内，与待预测主播关联的待预测用户的待预测数据，并提取待预测用户在直播平台的第一特征数据；

将待预测数据的第一特征数据导入所述预测模型，得到待预测用户在所述预测日后所述第二预置时长内观看所述平台的留存天数；

其中，所述第一特征数据为历史观看数据；所述采样用户为观看所述采样主播所在平台的天数达预设值以上、观看所述采样主播所属类别直播的天数最多、且观看所述采样主播的天数最多的用户；所述待预测用户为观看所述待预测主播所在平台的天数达预设值以上、观看所述待预测主播所属类别直播的天数最多、且观看所述待预测主播的天数最多的用户。

2.根据权利要求1所述的平台用户行为的预测方法，其特征在于，所述得到待预测用户在所述预测日后所述第二预置时长内观看所述平台的留存天数之后，还包括步骤：

判断所述留存天数是否大于预设值，若是，得出所述待预测用户为留存用户，若否，得出所述待预测用户为流失用户。

3.根据权利要求2所述的平台用户行为的预测方法，其特征在于，所述判断所述留存天数是否大于预设值之后，还包括步骤：

统计全部待预测用户中流失用户的占比和/或数量；

根据所述占比和/或数量，得出所述待预测主播的价值。

4.根据权利要求1所述的平台用户行为的预测方法，其特征在于，所述第一预置时长与第二预置时长一致。

5.根据权利要求1所述的平台用户行为的预测方法，其特征在于，所述提取采样用户在直播平台的第一特征数据的项目包括：观看平台的天数、日均观看平台的时长、观看采样主播所属类别直播的天数、日均观看采样主播所属类别直播的时长、观看采样主播的天数、日均观看采样主播的时长、(观看平台的天数-观看采样主播的天数)、(总观看采样主播的时长/总观看平台的时长)、是否订阅采样主播、订阅其他主播的个数、是否有采样主播的粉丝勋章、有其他主播的粉丝勋章个数、用户等级；

所述提取待预测用户在直播平台的第一特征数据的项目包括：观看平台的天数、日均观看平台的时长、观看待预测主播所属类别直播的天数、日均观看待预测主播所属类别直播的时长、观看待预测主播的天数、日均观看待预测主播的时长、(观看平台的天数-观看待预测主播的天数)、(总观看待预测主播的时长/总观看平台的时长)、是否订阅待预测主播、订阅其他主播的个数、是否有待预测主播的粉丝勋章、有其他主播的粉丝勋章个数、用户等级。

6.根据权利要求1所述的平台用户行为的预测方法，其特征在于，所述预测模型采用决策树算法、逻辑回归算法、贝叶斯算法中的一种算法建立。

7.根据权利要求6所述的平台用户行为的预测方法，其特征在于，所述根据所述第一特征数据和第二特征数据，建立预测模型，包括步骤：

将所述第一特征数据和第二特征数据导入决策树的数据包中，得到基础模型；

将所述第一特征数据和第二特征数据分别分为训练数据和测试数据，采用所述训练数据训练所述基础模型，得到最优的基础模型；所述基础模型包括对应所述第一特征数据和第二特征数据的最优阈值指标；

采用所述测试数据测试所述最优的基础模型，得到预测模型；所述预测模型中包括基于第一特征数据与最优阈值指标的预测规则，所述预测规则所得的结果指向第二特征数据。

8.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的平台用户行为的预测方法。

9.一种终端，其特征在于，包括：

一个或多个处理器；

存储器；

一个或多个计算机程序，所述一个或多个计算机程序存储在所述存储器中；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实现如权利要求1-7中任意一项所述的平台用户行为的预测方法。