[发明专利]会员转化的预测方法、装置、服务器及存储介质

权利要求书

1.一种会员转化的预测方法，其特征在于，包括：

获取在当前时间之前的第一预设时间内，在预设流媒体活跃过的非会员用户所对应的行为特征数据；

对所述行为特征数据进行预处理，得到每个所述非会员用户对应的目标维度的第一特征数据，其中，所述第一特征数据为对应的所述非会员用户在所述预设流媒体活跃时所产生的完整行为特征数据；

利用预设预测模型对所述第一特征数据进行处理，得到每个所述非会员用户对应的预测标签信息，根据从所述预测标签信息中检测到的与每个所述非会员用户对应的多个会员转化概率，确定会员转化的预测结果，其中，所述会员转化概率为对应的所述非会员用户在当前时间之后的第二预设时间内，每天转化为会员的概率。

2.根据权利要求1所述的方法，其特征在于，根据从所述预测标签信息中检测到的与每个所述非会员用户对应的多个会员转化概率，确定会员转化的预测结果，包括：

在所述预测标签信息中检测每个所述非会员用户所对应的标签，其中，所述标签包括对应的所述非会员用户对应的多个所述会员转化概率；

判断多个所述会员转化概率是否大于预设阈值；

在判断到至少一个所述会员转化概率大于预设阈值的情况下，确定所述预测结果包括所述非会员用户会转化为会员用户。

3.根据权利要求2所述的方法，其特征在于，在判断到所有所述会员转化概率不大于预设阈值的情况下，所述方法还包括：

基于所述会员转化概率，确定所述会员转化概率对应的所述非会员用户的分类信息，其中，所述分类信息是根据所述非会员用户转化为会员的转化意愿强度确定的；

根据所述分类信息，从预设的运营策略信息中获取每项所述分类信息对应的所述非会员用户所对应的运营策略信息。

4.根据权利要求1所述的方法，其特征在于，对所述行为特征数据进行预处理，得到每个所述非会员用户对应的目标维度的第一特征数据，包括：

从所述行为特征数据中获取每个所述非会员用户所对应的第一特征，其中，所述第一特征至少包括以下一种：基础特征、启动特征、播放特征、页面行为特征、画像特征、订单特征；

对所述第一特征进行预处理，得到所述目标维度的第二特征，其中，所述预处理至少包括数据离散化、缺失值填充、四则运算、In变换，所述第一特征数据包括所述第二特征。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在所述预测标签信息中，检测每个所述第一特征对应的标签信息，其中，所述标签信息包括预测评分信息，所述预测评分信息用于表征该第一特征对所述非会员用户转化为会员用户的影响程度；

根据所述预测评分信息中的评分值，从所有所述第一特征中选取影响会员转化的目标特征；

基于所述目标特征，生成对应的策略信息。

6.根据权利要求5所述的方法，其特征在于，根据所述预测评分信息中的评分值，从所有所述第一特征中选取影响会员转化的目标特征，包括：选取所述评分值大于预设阈值的所述标签信息所对应的所述第一特征作为所述目标特征。

7.根据权利要求1所述的方法，其特征在于，所述预测模型包括根据第二特征数据进行机器学习训练得到的极限梯度增强预测模型，所述极限梯度增强预测模型的训练过程包括：

从在所述预设流媒体活跃过的非会员用户所对应的历史特征数据中，将选取的第三预设时间内的所有历史特征数据作为候选特征数据；

对所述候选特征数据进行预处理，得到所述第二特征数据，其中，所述预处理，包括对所述候选特征数据进行如下至少一种的处理：数据离散化、缺失值填充、四则运算、In变换；

从所述第二特征数据中，随机抽样获取样本数据，并按预设配比确定训练特征数据、交叉验证数据和测试特征数据；

通过所述训练特征数据、所述交叉验证数据和所述测试特征数据依次对初始XGboost模型进行训练、调参及测试验证，直至拟合，得到所述极限梯度增强预测模型。