[发明专利]用户预期价值评估方法、装置、电子设备及可读介质

说明书

本公开涉及一种基于时序金融模型的用户预期价值评估方法、装置、电子设备及计算机可读介质。该方法包括：获取用户的基础数据，所述基础数据包括行为数据与属性数据；通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入时序金融模型中，获取所述用户的当前价值与价值转移概率；以及基于所述当前价值与所述价值转移概率评估所述用户预期价值。本公开涉及的基于时序金融模型的用户预期价值评估方法、装置、电子设备及计算机可读介质，能够预测用户在未来一段时间后的用户预期价值，企业可依据用户预期价值对用户开展多样化、个性化的服务。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种基于时序金融模型的用户预期价值评估方法、装置、电子设备及计算机可读介质。

背景技术

用户是互联网的立业之本。互联网的开放性和跟用户的直接接触，决定了这个行业的一个特质就是一切最终的决定权全部在用户手上。在这个行业里面，用户是最终和最挑剔的裁判员。所以，对于当前的公司而言，用户的价值判定是其关注的核心问题。由于客户的多样性，企业也希望能够针对不同的客户采取多样调整手段，实现精细化运营，为公司争取最大的利润，这就需要对不同价值的用户进行用户精细化运营，通过各类运营手段提高不同类型的用户在产品中的活跃度、留存率和付费率。

目前，RFM模型是衡量用户价值和用户创利能力的经典工具，RFM模型有三个要素，这三个要素构成了数据分析的指标：最近一次消费(Recency)，消费频率(Frequency)，消费金额(Monetary)。RFM模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱这三项指标来描述该客户的价值状况。结合这三个指标，可以把顾客分成多个类别，对其进行数据分析，然后制定企业的营销策略。但是，传统RFM模型通过交易环节中三个维度：R、F、M细分用户群体，是用历史数据对用户当前状态的评估。随着各种电子技术的发展，广告与传媒业的快速增加，用户接触到了更多更大量的信息。在当今社会中，用户的喜好和行为在短时间内就会发生巨大的变化，而RFM模型仅通过历史数据分析用户当前状态而得到的数据已经远远不能满足市场快速的发展和变化的需求。

因此，需要一种新的基于时序金融模型的用户预期价值评估方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种基于时序金融模型的用户预期价值评估方法、装置、电子设备及计算机可读介质，能够预测用户在未来一段时间后的用户预期价值，企业可依据用户预期价值对用户开展多样化、个性化的服务。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种基于时序金融模型的用户预期价值评估方法，该方法包括：获取用户的基础数据，所述基础数据包括行为数据与属性数据；通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入时序金融模型中，获取所述用户的当前价值与价值转移概率；以及基于所述当前价值与所述价值转移概率评估所述用户预期价值。

在本公开的一个实施例中，还包括：通过历史用户的基础数据与至少一个机器学习模型建立所述时序金融模型。

在本公开的一个实施例中，通过历史用户的基础数据与至少一个机器学习模型建立所述时序金融模型包括：通过历史用户的基础数据与无监督学习模型建立所述时序金融模型；和/或通过历史用户的基础数据与有监督学习模型建立所述时序金融模型。