[发明专利]用户生命价值周期检测方法、装置和计算机设备

权利要求书

1.一种用户生命价值周期检测方法，其特征在于，所述方法包括：

获取用户账号对应的行为数据；

将所述用户账号对应的行为数据输入训练好的分类模型，得到所述用户账号对应的用户类型；所述分类模型是基于第一用户类型的历史行为数据和第二用户类型的历史行为数据训练得到；

若所述用户类型为所述第一用户类型，根据预设属性值和预设时段内属于第一用户类型的用户数量，确定所述用户账号对应的用户的生命价值周期LTV；

若所述用户类型为所述第二用户类型，将所述用户账号对应的行为数据输入到训练好的预测模型，得到第二类用户的LTV，所述预测模型是基于属于第二用户类型的历史行为数据以及第二用户类型用户账号对应的用户生命价值周期训练得到。

2.根据权利要求1所述的方法，其特征在于，所述用户账号对应的行为数据包括用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息；

所述获取用户账号对应的行为数据，包括：

获取用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息；

所述获取用户账号对应的行为数据之后还包括：

对所述用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息进行预处理，得到预处理后的用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息；

所述将所述用户账号对应的行为数据输入训练好的分类模型，得到所述用户账号对应的用户类型，包括：

将所述预处理后的用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息输入训练好的分类模型，得到所述用户账号对应的用户类型。

3.根据权利要求2所述的方法，其特征在于，所述对所述用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息进行预处理，得到预处理后的用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息，包括：

将所述用户账号的基本信息、付费信息、社交信息、游戏行为信息及其对应的游戏信息按照数值型和非数值型进行分类，得到数值型的行为数据和非数值型的行为数据；

将所述非数值型的行为数据进行特征编码，得到编码后的非数值型的行为数据；

将所述数值型的用户账号的行为数据和编码后的非数值型的用户账号的行为数据进行合并，得到预处理后的用户账号的行为数据。

4.根据权利要求1所述的方法，其特征在于，所述分类模型的训练过程包括：

将属于第一用户类型的样本用户账号及对应的历史行为数据作为负样本，以及将属于第二用户类型的样本用户账号及对应的历史行为数据作为正样本；

根据所述正样本和负样本对初始分类模型进行训练，得到训练好的分类模型。

5.根据权利要求1所述的方法，其特征在于，所述预测模型的训练过程包括：

获取训练样本，所述训练样本包括属于第二用户类型的样本用户账号对应的历史行为数据及所述样本用户账号对应的用户生命价值周期，均方根误差作为损失函数，得到训练好的预测模型。

6.根据权利要求1所述的方法，其特征在于，所述若所述用户类型为所述第二用户类型，将所述用户账号对应的行为数据输入到训练好的预测模型，得到第二类用户的LTV，还包括：

若所述用户类型为所述第二用户类型，将所述用户账号对应的行为数据输入预设预测函数进行拟合，得到第二类用户的LTV。

7.根据权利要求1所述的方法，其特征在于，所述根据预设属性值和预设时段内属于第一用户类型的用户数量，确定所述用户账号对应的用户的生命价值周期LTV，包括：

根据预设属性值和预设时段内属于第一用户类型的用户数量相乘，得到所述用户账号对应的用户的生命价值周期LTV。