[發明專利]游戲新用戶的防流失方法及裝置、電子設備及存儲介質

在審

• 申請號: 202010722862.0
• 申請日: 2020-07-24
• 公開（公告）號: CN111821694A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 劉愛賓
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: A63F13/79
• 分類號: A63F13/79;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李偉

1.一種游戲新用戶的防流失方法，其特征在于，包括：

獲取游戲新用戶的待預測日志數據，所述待預測日志數據包含所述游戲新用戶在競技模式下所產生的競技結果信息；所述競技模式的類型包括標準競技模式以及補償競技模式；

對所述待預測日志數據進行特征提取，得到所述游戲新用戶的目標特征數據，所述目標特征數據包含各個預先設置的特征維度的基礎特征數據；

將所述目標特征數據輸入至預先訓練完成的集成學習算法模型中，得到所述游戲新用戶對應的用戶流失預測結果；

基于所述用戶流失預測結果判斷所述游戲新用戶是否滿足預先設置的補償條件；

若所述游戲新用戶滿足所述補償條件，則使得所述游戲新用戶處于補償競技模式。

2.根據權利要求1所述的方法，其特征在于，所述對所述待預測日志數據進行特征提取，得到所述游戲新用戶的目標特征數據，包括：

在所述待預測日志數據中提取出每個預先設置的特征維度的特征數據；

對每個所述特征維度的特征數據進行預處理，得到每個所述特征維度的基礎特征數據；

基于每個所述特征維度的特征數據組成所述游戲新用戶的目標特征數據。

3.根據權利要求1所述的方法，其特征在于，所述集成學習算法模型的訓練過程，包括：

獲取訓練樣本集合，所述訓練樣本集合包含每個歷史用戶的訓練樣本；每個所述歷史用戶的訓練樣本依據該歷史用戶的歷史日志數據得到；

應用所述訓練樣本集合中的訓練樣本對預先構建的初始集成學習算法模型進行訓練，得到集成學習算法模型，所述初始集成學習算法模型包括多個按預先設置的組合規則進行組合的初始分類器，每個所述初始分類器與每個所述特征維度相對應。

4.根據權利要求1所述的方法，其特征在于，所述基于所述用戶流失預測結果判斷所述游戲新用戶是否滿足預先設置的補償條件，包括：

確定所述用戶流失預測結果表征的狀態類型；

若所述狀態類型為預備流失狀態，則判定所述游戲新用戶滿足預先設置的補償條件；

若所述狀態類型不為預備流失狀態，則判定所述游戲新用戶不滿足預先設置的補償條件。

5.根據權利要求1所述的方法，其特征在于，所述獲取處于標準競技模式的游戲新用戶的待預測日志數據，包括：

當檢測到所述游戲新用戶進入競技預備狀態時，獲取所述游戲新用戶的前N個競技結果信息，N為正整數；

基于所述游戲新用戶的前N個競技結果信息組成所述游戲新用戶的待預測日志數據。

6.根據權利要求1所述的方法，其特征在于，所述將所述目標特征數據輸入至預先訓練完成的集成學習算法模型中，得到所述游戲新用戶對應的用戶流失預測結果，包括：

將所述目標特征數據輸入至所述集成學習算法模型，使得所述集成學習算法模型中的每個分類器對所述目標特征數據中的與該分類器相對應的特征維度的基礎特征數據進行識別，得到每個所述分類器的識別結果；

對各個所述分類器的識別結果進行處理，得到所述游戲新用戶的用戶流失預測結果。

7.根據權利要求1所述的方法，其特征在于，還包括：

若所述游戲新用戶不滿足所述補償條件，則使得所述游戲新用戶處于標準競技模式。