[发明专利]一种用户未来价值预测方法、系统、装置及存储介质

说明书

本发明提供了一种用户未来价值预测方法、系统、装置及存储介质。所述方法可以包括以下至少一个操作。可以获取多个历史新司机的数据，所述历史数据包括以下至少一种或多种的组合：用户在终端上的行为数据、用户的关系链数据以及该用户对于平台的真实未来价值。可以基于所述历史新用户的数据，确定未来价值预测模型。可以基于所述未来价值预测模型，预测当前用户的未来价值。本发明基于用户的真实未来价值，利用用户的关联信息对机器学习模型进行训练及校准，能够获取更加准确的用户未来价值的预测结果。

技术领域

本发明涉及在线服务领域，更具体的，涉及一种用户的未来价值预测方法、系统、装置及存储介质。

背景技术

在线服务平台为了鼓励平台用户成为活跃用户，例如，在线网约车服务平台为了鼓励司机接待客户并完成订单，或在线网购平台为了激励用户进行购物，平台通常或采取一些激励措施，例如，发放优惠券或现金红包等。传统的方法不考虑平台用户的未来价值(也可以成为长期价值，Long Term Value，LTV)，对所有的用户采取相同的措施。为了获得更高的平台收益，需要优先对未来价值较高的用户进行激励。因此，需要对平台用户的未来价值进行预测。

发明内容

为了达到上述发明的目的，本发明提供的技术方案如下：

一种用户未来价值预测方法，所述方法可以包括以下至少一个操作。可以获取多个历史新用户的数据，所述数据包括以下至少一种或者多种的组合：用户在终端上的行为数据、用户的关系链数据以及该用户对于平台的真实未来价值。可以基于所述历史新用户的数据，确定未来价值预测模型。可以基于所述未来价值预测模型，预测当前用户的未来价值。

在本发明中，所述基于所述历史新用户的数据，确定未来价值预测模型，可以包括以下至少一个操作。可以基于所述真实未来价值，将所述多个历史新用户分为N档；N为大于1的正整数，每个档位中历史新用户的个数大于或等于1。可以基于分档后的多个历史新用户的数据，对预测模型进行训练，确定所述未来价值预测模型。

在本发明中，所述方法可以进一步包括以下至少一个操作。可以对预测模型进行约束操作。可以基于分档后的多个历史新用户的数据，对约束后的预测模型进行训练，确定所述未来价值预测模型。

在本发明中，所述方法可以进一步包括以下至少一个操作。可以基于训练后的预测模型，获取多个测试新用户的预测价值-人数分布。可以基于所述预测价值-人数分布以及所述多个测试新用户的价值-人数分布，校准训练后的预测模型。可以基于所述多个历史新用户的数据，继续对校准后的预测模型进行训练，确定所述未来价值预测模型。

在本发明中，所述约束操作包括限制由所述预测模型确定的预测未来价值落入每个档位的对应历史新用户的个数。

在本发明中，所述约束操作的约束规则如下：

其中，表示第N档中所述历史新用户个数占所有历史新用户个数的比值，θ表示小于1的预定值，Level_N表示所述预测未来价值属于第N档的历史新司机的个数，Sum表示所有历史新用户的个数。

在本发明中，所述基于所述预测价值-人数分布以及所述多个测试新用户的价值-人数分布，校准训练后的预测模型可以包括以下至少一个操作。可以确定所述预测价值-人数分布以及所述多个测试新用户的价值-人数分布之间的均方根误差。可以基于所述均方根误差，校准训练后的预测模型。

在本发明中，所述未来价值预测模型为xgboost。