[发明专利]客户转化率分析方法及装置、可读存储介质

说明书

一种客户转化率分析方法及装置、可读存储介质，所述客户转化率分析方法包括：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；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。采用上述方案，可以提高客户转化率的分析精度和分析效率。

技术领域

本发明属于数据处理技术领域，特别涉及一种客户转化率分析方法及装置、可读存储介质。

背景技术

在业务场景中，往往包含了各种业务环节。以交易类业务为例，业务环节可以包括：短信回复、注册、信息填写、下单、绑卡支付、购买成功等环节。其中，每个业务环节的转化率各有不同，且一般层层衰减，所有环节的客户转化率生成一个漏斗型的最终客户转化率。

传统的转化率预测模型往往是以最终环节(例如购买成功)为目标进行建模，或是关键环节(例如线下场景的成功到店)为目标进行建模。上述传统的方法会丢失其他业务环节的信息，进而造成客户转化率的分析精度和分析效率均较低。

发明内容

本发明实施例解决的是客户转化率的分析精度和分析效率均较低的技术问题。

为解决上述技术问题，本发明实施例提供一种客户转化率分析方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。