[发明专利]内容贡献度评估方法、装置、电子设备及可读存储介质

说明书

本发明实施例提供的内容贡献度评估方法、装置、电子设备及可读存储介质，方法包括：获得目标统计周期内，用户在目标应用上产生的内容特征集；确定内容特征集对应的全部特征子集，并将每个特征子集依次输入到预先训练的留存预测模型中进行预测，得到基于每个特征子集预测的用户的留存结果；根据基于每个特征子集预测的用户的留存结果、内容特征集以及预设的贡献度分析模型，得到内容特征集中每种内容对用户的留存行为贡献度。本发明实施例可以结合预测的留存情况反向确定不同内容特征对用户留存行为的影响程度，基于贡献度可以针对性的制定运营策略和成本投放，有利于进一步提升用户对目标应用的使用粘度。

技术领域

本发明涉及直播技术领域，具体而言，涉及一种内容贡献度评估方法、装置、电子设备及可读存储介质。

背景技术

在互联网技术领域，各种各样的互联网产品应运而生，通过判断用户是否留存来确定各种互联网产品对用户的粘性程度，可以辅助产品的开发和运营，优化运营成本；

目前，现有的对于用户留存的主要以统计方式为主，一方面，这种方式需要先确定不同观测指标的权重，而且这种权重会随着用户实际的行为发生改变，使得留存行为分析结果的波动性较大；另一方面，由于互联网产品的用户会在多种不同的内容上都有互动，如果仅仅利用类似观看时长一类的指标进行统计分析，难以准确的拆分出不能内容的对用户留存行为的贡献，容易得出错误的结论。

发明内容

本发明的目的之一在于提供一种内容贡献度评估方法、装置、电子设备及可读存储介质，用以准确得到不同内容特征对用户留存行为的贡献度，方便技术人员针对性的制定运营策略。

第一方面，本发明提供一种内容贡献度评估方法，所述方法包括：获得目标统计周期内，用户在目标应用上产生的内容特征集；确定所述内容特征集对应的全部特征子集，并将每个特征子集依次输入到预先训练的留存预测模型中进行预测，得到基于每个特征子集预测的所述用户的留存结果；根据所述基于每个特征子集预测的所述用户的留存结果、所述内容特征集以及预设的贡献度分析模型，得到所述内容特征集中每种内容对所述用户的留存行为贡献度。

第二方面，本发明提供一种内容贡献度评估装置，包括：获得模块，用于获得目标统计周期内，用户在目标应用上产生的内容特征集；预测模型，用于确定所述内容特征集对应的全部特征子集，并将每个特征子集依次输入到预先训练的留存预测模型中进行预测，得到基于每个特征子集预测的所述用户的留存结果；评估模块，用于根据每个特征子集预测的所述用户的留存结果、所述内容特征集以及预设的贡献度分析模型，得到所述内容特征集中每种内容对所述用户的留存行为的贡献度。

第三方面，本发明提供一种电子设备，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计算机程序，所述处理器可执行所述计算机程序以实现第一方面所述的方法。

第四方面，本发明提供一种计算机可读存储介质，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第一方面所述的方法。

本发明提供的一种内容贡献度评估方法、装置、电子设备及可读存储介质，方法包括：获得目标统计周期内，用户在目标应用上产生的内容特征集；确定所述内容特征集对应的全部特征子集，并将每个特征子集依次输入到预先训练的留存预测模型中进行预测，得到基于每个特征子集预测的所述用户的留存结果；根据所述基于每个特征子集预测的所述用户的留存结果、所述内容特征集以及预设的贡献度分析模型，得到所述内容特征集中每种内容对所述用户的留存行为贡献度。与现有技术不同的是，本发明实施例不仅可以根据获得内容特征数据集预测用户的留存情况，还可以结合预测的留存情况反向确定不同内容特征对用户留存行为的影响程度，通过评估不同内容特征的重要性，技术人员能够基于贡献度较大的内容特征以针对性的制定运营策略和成本投放，有利于进一步提升用户对目标应用的使用粘度。

附图说明