[发明专利]客户转化率分析方法及装置、可读存储介质

权利要求书

1.一种客户转化率分析方法，其特征在于，包括：

获取目标用户的业务数据；

对所述目标用户的业务数据进行特征提取，得到至少一个特征向量；

将所有特征向量输入至预设的分析模型，得到所述目标用户在每个业务环节的客户转化率；所述业务环节的数量大于1；

根据预设的环节转化权重和所述目标用户在每个业务环节的客户转化率，得到所述目标用户的客户转化率。

2.如权利要求1所述的客户转化率分析方法，其特征在于，所述分析模型采用多任务训练进行模型训练，模型训练的损失函数通过以下方式得到：

根据每个业务环节的预设损失权重和每个业务环节的预设训练损失，得到所述模型训练的损失函数。

3.如权利要求2所述的客户转化率分析方法，其特征在于，采用如下公式计算所述模型训练的损失函数：

Loss＝sum(W1*Loss_Y1,W2*Loss_Y2,W3*Loss_Y3,…Wn*Loss_Yn)；

其中，Loss为所述模型训练的损失函数，W1,W2,W3…Wn分别为第1至第n个业务环节对应的损失权重，且总和为1，即sum(W1,W2,W3…Wn)＝1，Loss_Y1,Loss_Y2,Loss_Y3,…Loss_Yn分别为第1至第n个业务环节的训练损失。

4.如权利要求1所述的客户转化率分析方法，其特征在于，所述分析模型采用以下方式训练得到：

获取至少一个训练样本的历史业务数据以及对应的每个业务环节的客户转化率；所述业务环节的数量大于1；

对所述历史业务数据进行特征提取，得到至少一个特征向量；

分别将每个训练样本的所有特征向量作为输入，将每个训练样本的历史业务数据对应的每个业务环节的客户转化率作为输出，对所述预设的分析模型进行多任务训练，得到训练后的分析模型。

5.如权利要求4所述的客户转化率分析方法，其特征在于，当所述样本在第N个业务环节转化为客户时，所述样本在第1至N个业务环节的客户转化率均为1。

6.如权利要求4所述的客户转化率分析方法，其特征在于，当所述样本在第N个业务环节转化为客户时，所述样本在第N个业务环节的客户转化率为1；当所述样本在第N个业务环节未转化为客户时，所述样本在第N个业务环节的客户转化率为0。

7.如权利要求1-6任一项所述的客户转化率分析方法，其特征在于，所述分析模型采用以下至少一种结构：神经网络以及深度神经网络。

8.如权利要求1所述的客户转化率分析方法，其特征在于，在得到所述目标用户的客户转化率之后，还包括：当所述目标用户的客户转化率大于预设阈值，触发相应的处理措施。

9.一种客户转化率分析装置，其特征在于，包括：

获取单元，用于获取目标用户的业务数据；

提取单元，用于对所述目标用户的业务数据进行特征提取，得到至少一个特征向量；

分析单元，用于将所有特征向量输入至预设的分析模型，得到所述目标用户在每个业务环节的客户转化率；所述业务环节的数量大于1；

转化单元，用于根据预设的环节转化权重和所述目标用户在每个业务环节的客户转化率，得到所述目标用户的客户转化率。

10.如权利要求9所述的客户转化率分析装置，其特征在于，所述分析模型采用多任务训练进行模型训练，模型训练的损失函数通过以下方式得到：根据每个业务环节的预设损失权重和每个业务环节的预设训练损失，得到所述模型训练的损失函数。