[发明专利]游戏玩家的付费预测方法、装置和电子设备

说明书

本发明提供了一种游戏玩家的付费预测方法、装置和电子设备，涉及游戏技术领域，该方法包括获取当前玩家第一预设时间段内的第一历史游戏日志数据；提取第一历史游戏日志数据中的游戏行为特征；将游戏行为特征输入至预先训练好的付费预测模型，得到当前玩家在第二预设时间之后的付费预测结果；其中，付费预测结果包括玩家已付费、玩家未流失且未付费或者因玩家流失的未付费。本发明增加了付费预测的结果的多样性，同时有利于游戏运营方针对未付费的情况实施相应的措施。

技术领域

本发明涉及游戏技术领域，尤其是涉及一种游戏玩家的付费预测方法、装置和电子设备。

背景技术

针对在线游戏，玩家付费提供游戏运营方后续开发的成本，从而便于优化游戏环境和内容，形成良性循环。目前在对玩家付费进行预测时，预测结果通常用于指示玩家是否进行付费。然而，这种方式导致游戏运营方无法获知玩家付费/未付费的原因，从而导致游戏运营方无法获知影响预测结果的主要原因，不利于游戏开发的进展。

发明内容

本发明的目的在于提供一种游戏玩家的付费预测方法、装置和电子设备，以减少了现有技术中存在的付费结果单一，不具备实际参考性的技术问题。

第一方面，本发明提供一种针对游戏玩家的付费预测方法，方法包括：获取当前玩家第一预设时间段内的第一历史游戏日志数据；提取第一历史游戏日志数据中的游戏行为特征；将游戏行为特征输入至预先训练好的付费预测模型，得到当前玩家在第二预设时间之后的付费预测结果；其中，付费预测结果包括玩家已付费、玩家未流失且未付费或者因玩家流失的未付费。

在可选的实施方式中，预先训练好的付费预测模型的训练步骤，包括：获取第二预设时间段内的多个玩家的第二历史游戏日志数据；基于第二历史游戏日志数据确定游戏行为特征和目标付费特征；基于游戏行为特征和目标付费特征构建训练样本集；通过训练样本集训练付费预测初始模型，直至收敛，得到付费预测模型。

在可选的实施方式中，基于第二历史游戏日志数据确定目标付费特征的步骤，包括：提取第二历史游戏日志数据中的初始付费特征；其中，初始付费特征包括玩家已付费信息和玩家未付费信息；对初始付费特征进行特征修改，得到目标付费特征；所述目标付费特征包括玩家已付费信息、玩家未流失且未付费信息或者因玩家流失的未付费信息。

在可选的实施方式中，玩家已付费信息以第一标识表征，玩家未付费信息以第二标识表征；对初始付费特征进行特征修改，得到目标付费特征的步骤，包括：提取第二标识对应的玩家身份信息；基于玩家身份信息判断玩家是否已流失；如果是，以第三标识表征因玩家流失的未付费信息；如果否，采用第二标识表征玩家未流失且未付费信息。

在可选的实施方式中，方法还包括：确定玩家已付费信息对应的玩家账号在发生付费时的账号生存时长；账号生存时长用于指示玩家账号的新增账号时间至玩家账号进行付费时间的时长。

在可选的实施方式中，基于游戏行为特征和目标付费特征构建训练样本集的步骤，包括：获取游戏行为特征和目标付费特征的第一对应关系，以及游戏行为特征和账号生存时长的第二对应关系；游戏行为特征用于表征引导玩家进行付费的特征；游戏行为特征包括游戏外特征数据、游戏内特征数据和游戏偏好特征数据的至少之一；游戏外特征数据包括预购版本信息和/或玩家设备信息；游戏内特征数据包括指定时间段内的付费频次和/或玩家活跃度；游戏偏好特征数据包括游戏模式偏好数据、使用道具偏好数据和使用角色偏好数据的至少之一；基于第一对应关系和第二对应关系确定玩家付费概率；基于游戏行为特征、目标付费特征和玩家付费概率构建训练样本集。

在可选的实施方式中，基于游戏行为特征、目标付费特征和玩家付费概率构建训练样本集的步骤，包括：基于游戏行为特征、目标付费特征和玩家付费概率构建目标样本集；基于付费概率对目标样本集进行划分，得到训练样本集和测试样本集；其中，训练样本集和测试样本集对应的发生付费的玩家比例相同。