[发明专利]用户转化率预测模型的训练及用户转化率预测方法和装置

说明书

本发明提供一种用户转化率预测模型的训练及用户转化率预测方法和装置，通过对用户的行为序列进行挖掘，从而能够体现出用户的潜在行为模式，并结合用户与其他用户行为的相似度选择目标行为序列来对用户转化率预测模型进行训练，获得的模型能够准确地预测出用户转化率，提高了用户转化率的预测准确率。

技术领域

本发明涉及计算机软件技术领域，尤其涉及用户转化率预测模型的训练及用户转化率预测方法和装置。

背景技术

用户转化率是指用户由非特定用户转化为特定用户的概率。例如，用户由非付费用户转化为付费用户的概率，或者用户由非注册用户转化为注册用户的概率。如何准确预测用户转化率对于产品运营和UI更新等具有重要意义。然而，传统的用户转化率预测方式预测准确率较低。

发明内容

有鉴于此，本发明提供一种用户转化率预测模型的训练及用户转化率预测方法和装置。

具体地，本发明是通过如下技术方案实现的：

根据本发明实施例的第一方面，提供一种用户转化率预测模型的训练方法，所述方法包括：根据多个用户样本的目标行为序列对用户转化率预测模型进行训练；其中，任一用户样本的目标行为序列均根据如下方式获取：在获取所述用户样本对项目对象的行为序列之后，根据所述用户样本的注册活跃度分别计算所述用户样本的行为序列与各个其他用户样本的行为序列之间的相似度；根据所述相似度从各个其他用户样本的行为序列中选择所述用户样本的目标行为序列。

可选地，所述用户转化率预测模型包括根据第一用户样本的目标行为序列训练出的第一用户转化率预测模型，所述第一用户是注册时长参数大于预设时长阈值，且注册活跃度小于或等于预设活跃度阈值的用户样本；根据所述用户样本的注册活跃度分别计算所述用户样本的行为序列与各个其他用户样本的行为序列之间的相似度的步骤包括：分别将各个第一用户样本的行为序列转换为向量，并分别计算每个第一用户样本的向量与各个其他第一用户样本的向量之间的相似度。

可选地，所述用户转化率预测模型包括根据第二用户样本的目标行为序列训练出的第二用户转化率预测模型，所述第二用户样本是注册时长参数大于预设时长阈值，且注册活跃度大于预设活跃度阈值的用户样本；根据所述用户样本的注册活跃度分别计算所述用户样本的行为序列与各个其他用户样本的行为序列之间的相似度的步骤包括：分别将各个第二用户样本的行为序列转换为向量，并分别计算每个第二用户样本的向量与各个其他第二用户样本的向量之间的相似度；以及分别将各个第二用户样本的行为序列划分为多个子序列，将各个子序列分别转换为子向量，根据所述子向量生成数组，分别计算每个第二用户样本的数组与各个其他第二用户样本的数组之间的相似度。

可选地，所述用户转化率预测模型包括根据第三用户样本的目标特征序列训练出的第三用户转化率预测模型，所述第三用户样本是注册时长参数小于或等于预设时长阈值的用户样本；其中，所述目标特征序列根据如下方式获取：计算所述第三用户样本的特征序列与各个其他第三用户样本的特征序列之间的相似度；根据所述相似度从各个其他第三用户样本的特征序列中选择所述第三用户样本的目标特征序列。

可选地，所述目标特征序列包括第一特征序列和第二特征序列；其中，所述第一特征序列是与所述用户样本的特征序列的相似度最高的特征序列；所述第二特征序列是与所述用户样本的特征序列的相似度最低的特征序列。

可选地，根据所述用户样本的登录活跃度、行为活跃度和社交活跃度计算所述用户样本的注册活跃度；其中，所述登录活跃度用于表征登录频率，所述行为活跃度用于表征产生所述历史行为事件的频率，所述社交活跃度用于表征产生历史社交行为的频率。

可选地，所述注册活跃度根据如下公式计算：式中，RA为所述注册活跃度，rd为注册时长，la为登录活跃度，ba为行为活跃度，sa为社交活跃度，N为项目上线时长。