[发明专利]营销转化用户的预测方法、装置及计算机设备

权利要求书

1.一种营销转化用户的预测方法，其特征在于，包括：

利用种子用户的第一用户画像数据和/或第一用户行为数据训练机器学习分类模型，以使所述机器学习分类模型符合预设训练标准；

获取目标用户在第一预设时间段内的第二用户画像数据和/或第二用户行为数据；

根据所述第二用户画像数据和/或所述第二用户行为数据确定目标特征向量；

将所述目标特征向量输入训练完成的机器学习分类模型中，获取所述目标用户在第二预设时间段内被转化为营销用户的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述利用种子用户的第一用户画像数据和/或第一用户行为数据训练机器学习分类模型，以使所述机器学习分类模型符合预设训练标准，具体包括：

确定在第一预设时间段内被营销转化成功的种子用户，并提取所述种子用户的第一用户画像数据和/或第一用户行为数据；

通过多路召回策略以及卡方检验算法，在所述第一用户画像数据和/或所述第一用户行为数据中提取出预设数量个第一用户特征；

利用所述第一用户特征对应的第一特征向量训练机器学习分类模型，以使所述机器学习符合预设训练标准。

3.根据权利要求2所述的方法，其特征在于，所述通过多路召回策略以及卡方检验算法，在所述第一用户画像数据和/或所述第一用户行为数据中提取出预设数量个第一用户特征，具体包括：

确定所述第一用户画像数据和/或所述第一用户行为数据中的第一指标维度特征；

基于各个所述第一指标维度特征对应的预设召回策略，筛选各个所述第一指标维度特征对应的正样本以及负样本；

根据卡方检验算法，并利用所述第一指标维度特征对应的正样本以及负样本确定各个所述第一指标维度特征对营销用户转化的影响度分值；

依据所述影响度分值在所述第一指标维度特征中筛选出预设数量个第二指标维度特征；

所述利用所述第一用户特征对应的第一特征向量训练机器学习分类模型，以使所述机器学习符合预设训练标准，具体包括：

利用所述第二指标维度特征对应的第一特征向量训练机器学习分类模型，以使所述机器学习符合预设训练标准。

4.根据权利要求3所述的方法，其特征在于，所述获取目标用户在第一预设时间段内的第二用户画像数据和/或第二用户行为数据，具体包括：

提取目标用户在第一预设时间段内与所述第二指标维度特征匹配的第二用户画像数据和/或第二用户行为数据；

所述根据所述第二用户画像数据和/或所述第二用户行为数据确定目标特征向量，具体包括：

将所述第二用户画像数据和/或第二用户行为数据进行向量转化，得到目标特征向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述目标特征向量输入训练完成的机器学习分类模型中，获取所述目标用户在第二预设时间段内被转化为营销用户的预测结果，具体包括：

将所述目标特征向量输入训练完成的机器学习分类模型中，获取所述目标用户在第二预设时间段内被转化为营销用户的预测概率；

判断所述预测概率是否大于预设阈值；

若是，则确定所述目标用户为高转化人群；

若否，则确定所述目标用户为低转化人群。

6.根据权利要求3所述的方法，其特征在于，所述正样本和所述负样本，分别包括训练集样本和验证集样本，所述方法还包括：

利用所述训练集样本训练机器学习分类模型；

利用所述验证集样本对所述机器学习分类模型进行交叉验证，根据验证结果调整所述机器学习分类模型的第一模型超参数，以使所述机器学习分类模型符合预设训练标准，所述第一模型超参数至少包括：第一用户特征维度、第一正则项系数、第一混合参数。