[发明专利]一种下单转化率预测方法和装置

权利要求书

1.一种下单转化率预测方法，其特征在于，包括：

获取样本用户的冒泡行为特征信息，以及与不同价格区间对应的下单转化率；所述冒泡行为特征信息中包含与冒泡行为对应的订单预估价格；

基于所述冒泡行为特征信息以及所述不同价格区间对应的下单转化率，训练下单转化率预测模型；

基于所述下单转化率预测模型，以及待预测用户的冒泡行为特征信息，预测得到所述待预测用户在发生冒泡行为时的下单转化率。

2.根据权利要求1所述的方法，其特征在于，根据以下步骤确定与不同价格区间对应的下单转化率：

根据每次冒泡行为对应的订单预估价格所落入的价格区间，将样本用户的冒泡行为划分到与所述价格区间对应的分类；

确定各分类中的冒泡行为转化为实际订单的次数；

根据每个分类中所包括冒泡行为的次数，以及每个分类中的冒泡行为转化为实际订单的次数，计算归属于该分类的冒泡行为对应的下单转化率。

3.根据权利要求2所述的方法，其特征在于，所述获取样本用户的冒泡行为特征信息，包括：

在接收到样本用户的客户端发送的出行信息时，将所述客户端发送出行信息的行为作为冒泡行为进行记录，并根据所述出行信息，确定该次冒泡行为对应的订单预估价格。

4.根据权利要求1所述的方法，其特征在于，所述基于所述冒泡行为特征信息以及所述不同价格区间对应的下单转化率，训练下单转化率预测模型，包括：

确定进行下单转化率预测所基于的基础预测模型；

将每次冒泡行为的所述冒泡行为特征信息作为所述基础预测模型的解释变量的值，将该次冒泡行为所属的价格区间对应的下单转化率作为被解释变量的值，训练得到所述下单转化率预测模型。

5.根据权利要求4所述的方法，其特征在于，所述基础预测模型采用逻辑回归模型、自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、深度学习模型、决策树模型中任意一种。

6.根据权利要求1所述的方法，其特征在于，该方法还包括：确定多个区域范围；

所述获取样本用户的冒泡行为特征信息，以及与不同价格区间对应的下单转化率，包括：

针对所述多个区域范围，获取每个区域范围内的样本用户的冒泡行为特征信息，以及与不同价格区间对应的下单转化率；

基于所述冒泡行为特征信息以及所述不同价格区间对应的下单转化率，训练下单转化率预测模型，包括：

针对每个区域范围，基于所述冒泡行为特征信息以及所述不同价格区间对应的下单转化率，训练与改区域范围分别对应的下单转化率预测模型；

基于所述下单转化率预测模型，以及待预测用户的冒泡行为特征信息，预测得到所述待预测用户在发生冒泡行为时的下单转化率，包括：

基于待预测用户所在区域范围对应的所述下单转化率预测模型，以及待预测用户的冒泡行为特征信息，预测得到所述待预测用户在发生冒泡行为时的下单转化率。

7.根据权利要求6所述的方法，其特征在于，所述确定多个区域范围包括：

获取样本用户集合中每个所述样本用户的冒泡行为的冒泡地点；

基于每个所述冒泡行为对应的冒泡地点，确定至少一个区域范围。

8.根据权利要求7所述的方法，其特征在于，所述基于每个所述冒泡行为对应的冒泡地点，确定至少一个区域范围，具体包括：

对所述冒泡地点进行聚类，得到至少一个类；

基于每个类包含的至少一个冒泡地点，确定与该类对应的一个区域范围。

9.根据权利要求6-8任意一项所述的方法，其特征在于，所述确定多个区域范围之后，还包括：

确定所述多个区域范围中每个区域范围对应的冒泡行为的数量；

根据所述每个区域范围对应的冒泡行为的数量，对所述多个区域范围进行分类；

基于每个分类包括的区域范围内，所述冒泡行为特征信息以及所述不同价格区间对应的下单转化率，训练该分类内的各个区域范围对应的下单转化率预测模型。