[发明专利]用户行为预测方法、装置、电子设备及可读存储介质

说明书

本申请的实施例提供了一种用户行为预测方法、装置、电子设备及可读存储介质，涉及数据处理技术领域。该方法包括：根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，行为特征包括对购买日期进行去重统计后得到的购买总天数、预设时间段内首次购买到最后一次购买的第一时间差、及预设时间段内首次购买到预设时间段的终点的第二时间差；基于贝塔几何BG模型，根据购买总天数、第一时间差及第二时间差，对目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。由此，可以科学化地对用户未来的付费行为情况进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种用户行为预测方法、装置、电子设备及可读存储介质。

背景技术

目前的付费预测(比如预测发生下一次购买的概率)大多都是先获得一堆的用户行为特征，然后利用预先基于用户行为特征训练得到的分类模型来预测。由于付费的正样本比较稀疏，因此基于分类模型进行预测的准确性不能保证；并且，准确提取付费的相关的特征存在很大的难度，通常要提取几十个甚至上百个特征作为预测时使用的行为特征，使得导致特征加工上需要耗费很大的成本。

发明内容

本申请实施例提供了一种用户行为预测方法、装置、电子设备及可读存储介质，其能够科学化地对用户未来的付费行为情况进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。

本申请的实施例可以这样实现：

第一方面，本申请实施例提供一种用户行为预测方法，包括：

根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，所述行为特征包括对购买日期进行去重统计后得到的购买总天数、所述预设时间段内首次购买到最后一次购买的第一时间差、及所述预设时间段内首次购买到所述预设时间段的终点的第二时间差；

基于贝塔几何BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。

第二方面，本申请实施例提供一种用户行为预测装置，包括：

特征获取模块，用于根据目标用户在预设时间段内的历史购买行为数据，获得所述目标用户的行为特征，其中，所述行为特征包括对购买日期进行去重统计后得到的购买总天数、所述预设时间段内首次购买到最后一次购买的第一时间差、及所述预设时间段内首次购买到所述预设时间段的终点的第二时间差；

预测模块，用于基于贝塔几何BG模型，根据所述购买总天数、第一时间差及第二时间差，对所述目标用户在所述预设时间段之后的下一次购买情况进行预测，获得预测结果。

第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式中任意一项所述的用户行为预测方法。

第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任意一项所述的用户行为预测方法。

本申请实施例提供的用户行为预测方法、装置、电子设备及可读存储介质，根据目标用户在预设时间段内的历史购买行为数据，获得该目标用户在该预设时间段内的购买总天数、首次购买到最后一次购买的第一时间差、首次购买到该预设时间段的终点的第二时间差，其中，购买总天数是通过对购买日期进行去重统计后得到的；然后基于BG模型，根据上述购买总天数、第一时间差及第二时间差，对该目标用户在预设时间段之后的下一次购买行为进行预测，获得预测结果。由此，可科学化地对用户未来的付费行为进行预测，并且预测时使用的特征不多，可以大大提高预测的速度。

附图说明