[發明專利]用戶復購概率預測/用戶質量確定方法、裝置及電子設備

有效

• 申請號: 201710321753.6
• 申請日: 2017-05-09
• 公開（公告）號: CN107220845B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 劉夢宇;魏堯;王永會
• 申請（專利權）人: 北京星選科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本發明實施例提供一種用戶復購概率預測方法、裝置及電子設備，涉及互聯網技術領域。其中，所述用戶復購概率預測方法包括：從訓練樣本集中學習獲得用戶復購概率的預測模型；獲取待預測用戶的特征數據集；將待預測用戶的特征數據集作為預測模型的輸入，通過預測模型獲得待預測用戶的復購概率預測值。本發明實施例提供的技術方案，使得可根據用戶的較多特征維度的數據，通過預測模型自動獲得待預測用戶的復購概率預測值，從而達到提高預測準確率及預測效率的效果。

技術領域

本發明實施例涉及互聯網技術領域，尤其涉及一種用戶復購概率預測方法、裝置及電子設備。

背景技術

在O2O(Online To Offlin，在線離線/線上到線下)領域，新用戶(買家)的復購率是衡量商戶質量的一個重要指標，而商戶質量又是平臺確定如何對商戶進行新用戶補貼的重要依據。例如，某天在一個商戶中有大量的新用戶，而新用戶的復購率較低，則說明這個商戶中這天的新用戶質量較差，不能為O2O電子商務平臺帶來有效的收益；這種情況下，平臺可以限制對該商戶的新用戶補貼，以減少平臺損失。

復購概率是指消費者在平臺進行第2次購買行為的可能性。復購行為可以是按天確定的復購行為，也可以是按小時確定的復購行為，甚至按月確定的復購行為。在實際應用中，最為常見的是按天確定的復購行為。在按天確定復購行為時，不管用戶第一次購買行為當天又進行了多少次購買，都只算作第一次購買；這種情況下，用戶復購概率可以是3天復購概率、7天復購概率、15天復購概率等。

現有技術中，新用戶的復購率通常采用如下兩種方式確定：1)在實際復購行為發生后，根據用戶實際復購行為確定；2)在用戶的第一次購買行為發生后，平臺運營人員根據用戶特征，利用人工經驗對該用戶的復購概率進行預測，然后再根據各個新用戶的復購概率的預測值確定新用戶的復購率。然而，上述兩種方式均存在一些缺點。其中，由于第一種方式只能在實際復購行為發生后才能計算獲得，而無法提前得到，因而數據的時效性較低。例如，只能得到7天前新用戶的7天復購率，而平臺根據該數據限制商戶新用戶補貼的行為通常發生在小于7天的時間范圍內(如3天)，因此，該數據對平臺而言已經失效。上述第二種方式雖可提前預測用戶的復購概率，并依據用戶的復購概率計算出新用戶的復購率，但由于用戶復購概率的預測要依賴人工經驗，因此對人的要求比較高，且不同人預測的結果可能并不相同，因而預測的準確率及效率均無法保證，從而無法保證新用戶復購率的準確率及效率。

從上述分析可以看出，現有技術存在預測準確率及預測效率均較低的問題。

發明內容

本發明實施例提供了一種用戶復購概率預測方法、裝置及電子設備，以及一種用戶質量確定方法、裝置及電子設備，用以解決現有技術中用戶復購概率的預測準確率及預測效率均較低的問題。

第一方面，本發明實施例提供了一種用戶復購概率預測方法，該方法包括：從訓練樣本集中學習獲得用戶復購概率的預測模型；所述訓練樣本包括歷史用戶的特征數據集和復購標記之間的對應記錄；獲取待預測用戶的特征數據集；將所述待預測用戶的特征數據集作為所述預測模型的輸入，通過所述預測模型獲得所述待預測用戶的復購概率預測值。

結合第一方面，本發明在第一方面第一種可能的實現方式中，通過迭代決策樹GBDT模型與邏輯回歸模型組合的方式，從所述訓練樣本集中學習獲得所述預測模型。

結合第一方面的第一種實現方式，本發明在第一方面第二種可能的實現方式中，若所述預測模型的預測準確率低于預設閾值，則重新設置所述GBDT模型和/或所述邏輯回歸模型的模型參數，并根據重置的模型參數重新學習獲得所述預測模型。

結合第一方面、第一方面的第一種實現方式或第一方面的第二種實現方式，本發明在第一方面第三種可能的實現方式中，所述特征數據包括：訂單特征數據，用戶行為特征數據；所述獲取待預測用戶的特征數據集，包括：從所述待預測用戶的訂單數據中提取所述訂單特征數據；從所述待預測用戶的用戶行為數據中提取所述用戶行為特征數據。