【技術實現步驟摘要】
本申請涉及數據處理，尤其涉及一種基于趨勢、原因與置信度的用戶付費行為預測方法。
技術介紹
1、游戲用戶付費行為預測，通過了解用戶的付費行為，來預測用戶是否會進行付費或購買某個產品或服務的行為。游戲用戶付費行為預測，有助于游戲平臺做出更明智的商業決策和戰略規劃，比如改進游戲定價策略、游戲產品功能，以及，提升用戶體驗、提高用戶留存率。
2、目前，通過人工手動篩選和提取付費相關的行為特征，來分析游戲用戶的行為數據和其他相關特征。
3、然而，人工分析收到分析人員的主觀影響較大，不能自適應的去控制不同特征對付費行為的影響程度，因此非常容易導致預測效果不理想。
技術實現思路
1、本申請實施例提供一種基于趨勢、原因與置信度的用戶付費行為預測方法，能夠解決現有游戲用戶付費行為預測方法預測誤差大的技術問題。
2、為達到上述目的，本申請的實施例采用如下技術方案：
3、第一方面，本申請實施例提供一種基于趨勢、原因與置信度的用戶付費行為預測方法，該基于趨勢、原因與置信度的用戶付費行為預測方法包括：將用戶數據劃分為第一數據和第二數據；第一數據為各個用戶的付費行為數據，第一數據包括每個用戶每天的付費數據，付費數據包括時間特性；第二數據為各個用戶的非付費行為數據，第二數據包括每個用戶每天的非付費數據，非付費數據包括多個非付費特征；基于時間特性，對第一數據編碼，得到第一編碼數據；周期性遍歷第一編碼數據，構建第一數據集；基于第一損失函數和第一數據集，訓練第一預測模型；
4、基于上述對本申請實施例提供的基于趨勢、原因與置信度的用戶付費行為預測方法的描述，可知，該基于趨勢、原因與置信度的用戶付費行為預測方法包括將用戶數據劃分為付費行為數據和非付費行為數據，并分別訓練第一預測模型和第二預測模型。第一預測模型通過學習過去的付費行為趨勢來預測用戶未來付費行為。第二預測模型從原因的角度，通過學習非付費的行為與用戶付費行為之間的映射關系。兩個預測模型從不同視角去預測付費行為，結果更具準確率。
5、另外，本申請設計并結合模型置信度對用戶付費行為進行預測，這考慮了預測模型自身可靠程度對付費行為的影響。
6、在第一方面可行的實現方式中，第一編碼數據包括第一編碼元素、第二編碼元素、第三編碼元素、第四編碼元素、第五編碼元素、第六編碼元素、第七編碼元素、第八編碼元素和第九編碼元素，以七天為周期，在執行周期性遍歷第一編碼數據，構建第一數據集的步驟時，基于趨勢、原因與置信度的用戶付費行為預測方法還包括：以第一編碼元素、第二編碼元素、第三編碼元素、第四編碼元素、第五編碼元素、第六編碼元素和第七編碼元素為第一數據集的第一輸入數據；以第八編碼元素對應的非編碼數據，為第一輸入數據的第一數據標簽；以第二編碼元素、第三編碼元素、第四編碼元素、第五編碼元素、第六編碼元素、第七編碼元素和第八編碼元素為第一數據集的第二輸入數據；以第九編碼元素對應的非編碼數據，為第一輸入數據的第二數據標簽。
7、在第一方面可行的實現方式中，第一損失函數為交叉熵損失函數，第一預測模型基于transformer模型建立。
8、在第一方面可行的實現方式中，第二編碼數據包括第一非付費數據；第一非付費數據包括第一非付費特征、第二非付費特征、第三非付費特征、第四非付費特征、第五非付費特征和第六非付費特征；在執行基于非付費特征，對第二數據編碼，得到第二編碼數據的步驟時，基于趨勢、原因與置信度的用戶付費行為預測方法還包括：基于第一非付費特征，通過第一預設條件，得到第一特征值；第一特征值包括第一上限值；基于第二非付費特征，通過第二預設條件，得到第二特征值；第二特征值包括第二上限值；基于第三非付費特征，通過第三預設條件，得到第三特征值；第三特征值包括第三上限值；基于第四非付費特征，通過第四預設條件，得到第四特征值；第四特征值包括第四上限值；基于第五非付費特征，通過第五預設條件，得到第五特征值；第五特征值包括第五上限值；基于第六非付費特征，通過第六預設條件，得到第六特征值；第六特征值包括第六上限值；其中，第一上限值小于第二上限值，第二上限值小于第三上限值，第三上限值小于第四上限值，第四上限值小于第五上限值，第五上限值小于第六上限值。
9、在第一方面可行的實現方式中，在執行根據第一組合概率、第二組合概率或第三組合概率，得到付費預測結果的步驟時，基于趨勢、原因與置信度的用戶付費行為預測方法還包括：確認待預測用戶的第一歷史付費行為和歷史非付費行為；將第一歷史付費行為輸入第一預測模型，得到第一預測付費率；將歷史非付費行為輸入第二預測模型，得到第二預測付費率；確認待預測用戶的第二歷史付費行為；基于第二歷史付費行為，得到待測付費率；基于待測付費率，確認目標付費等級；目標付費等級為第一付費用戶集、第二付費用戶集或第三付費用戶集；若目標付費等級為第一付費用戶集，則根據第一組合概率，得到付費預測結果。
10、在第一方面可行的實現方式中，在執行將用戶數據劃分為第一數據和第二數據的步驟之前，基于趨勢、原因與置信度的用戶付費行為預測方法還包括：獲取用戶在游戲平臺中的歷史行為日志數據，并對歷史行為日志數據進行清洗和預處理，得到用戶數據。
11、在第一方面可行的實現方式中，第二損失函數為交叉熵損失函數，第二預測模型基于transformer模型建立。
12、在第一方面可行的實現方式中，計算第一編碼數據的編碼公式包括：
13、；
14、其中，表示為第天對應的星期幾，取值為1～7；表示為第個用戶在過去第天是否存在付費行為。
15、第二方面，本申請實施例提供一種基于趨勢、原因與置信度的用戶付費行為預測系統，該基于趨勢、原因與置信度的用戶付費行為預測系統包括：至少一個處理器；與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器本文檔來自技高網...
【技術保護點】
1.一種基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，包括：
2.根據權利要求1所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第一編碼數據包括第一編碼元素、第二編碼元素、第三編碼元素、第四編碼元素、第五編碼元素、第六編碼元素、第七編碼元素、第八編碼元素和第九編碼元素，以七天為周期，在執行所述周期性遍歷所述第一編碼數據，構建第一數據集的步驟時，所述基于趨勢、原因與置信度的用戶付費行為預測方法還包括：
3.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第一損失函數為交叉熵損失函數，所述第一預測模型基于Transformer模型建立。
4.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第二編碼數據包括第一非付費數據；所述第一非付費數據包括第一非付費特征、第二非付費特征、第三非付費特征、第四非付費特征、第五非付費特征和第六非付費特征；在執行所述基于所述非付費特征，對所述第二數據編碼，得到第二編碼數據的步驟時，所述基于趨勢、原因與置信度的用戶
5.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，在執行所述根據第一組合概率、第二組合概率或第三組合概率，得到付費預測結果的步驟時，所述基于趨勢、原因與置信度的用戶付費行為預測方法還包括：
6.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，在執行所述將用戶數據劃分為第一數據和第二數據的步驟之前，所述基于趨勢、原因與置信度的用戶付費行為預測方法還包括：
7.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第二損失函數為交叉熵損失函數，所述第二預測模型基于Transformer模型建立。
8.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，計算所述第一編碼數據的編碼公式包括：
9.一種基于趨勢、原因與置信度的用戶付費行為預測系統，其特征在于，包括：
10.一種計算機可讀介質，其上存儲有計算機程序指令，所述計算機程序指令可被處理器執行以實現如權利要求1至8中任一項所述的方法。
...【技術特征摘要】
1.一種基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，包括：
2.根據權利要求1所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第一編碼數據包括第一編碼元素、第二編碼元素、第三編碼元素、第四編碼元素、第五編碼元素、第六編碼元素、第七編碼元素、第八編碼元素和第九編碼元素，以七天為周期，在執行所述周期性遍歷所述第一編碼數據，構建第一數據集的步驟時，所述基于趨勢、原因與置信度的用戶付費行為預測方法還包括：
3.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第一損失函數為交叉熵損失函數，所述第一預測模型基于transformer模型建立。
4.根據權利要求1或2所述的基于趨勢、原因與置信度的用戶付費行為預測方法，其特征在于，所述第二編碼數據包括第一非付費數據；所述第一非付費數據包括第一非付費特征、第二非付費特征、第三非付費特征、第四非付費特征、第五非付費特征和第六非付費特征；在執行所述基于所述非付費特征，對所述第二數據編碼，得到第二編碼數據的步驟時，所述基于趨勢、原因與置信度的用戶付費行為預測方...
【專利技術屬性】
技術研發人員：朱盛，羅家勝，曹濤，張燦陽，張旭，胡影超，魏冉，褚坤，王斌，劉哲祺，茹吉，項軾轍，
申請(專利權)人：北京藍色創想網絡科技有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。