[发明专利]一种预测用户离网的方法和装置

说明书

技术领域

本发明涉及互联网技术领域，更具体地说，涉及一种预测用户离网的方法、装置。

背景技术

随着社会信息化以及网络的不断发展，网站运营人员常常需要了解用户在和网站交互过程中表现出的行为。

目前的社交网站离网分析，一般是使用用户登录时间进行判断，比如某用户超过三个月没有登录，可以判断该用户已经离网了。但是这种方式有一个弊端，首先虽然基本可以判断该用户已经离网了，但是该用户的其他行为我们无法预测到，比如用户可能已经投奔其他网站了；或者爱上了更新鲜的事物，使其对原来的浏览的内容没有兴趣了；或者这个用户因为网站的某项功能他特别不喜欢，从而离开，这些也是无法统计的。

现有电信业普遍使用的链型挖掘方式，来挖掘用户上网行为，只适合扁平的业务架构，无法满足社交网站用户的多维操作方式。

发明内容

为了解决以上的技术问题，本发明提供了一种预测用户离网的方法和装置。

本发明公开了一种预测用户离网的方法，包括：

分配矩阵式站点元素表给登录的注册用户，设置各元素的初始值；

记录所述注册用户的所有的操作；

将所述的注册用户操作进行汇总，计算用户平均活跃值；

判断预定时间段内多个不同的用户平均活跃值是否呈下降的趋势，若是，确定为离网用户，若否，则返回步骤分配矩阵式站点元素表给登录的注册用户，设置各元素的初始值。

优选的，所述用户平均活跃值计算方法是：设用户平均活跃值为H_d，其中d为日期，设∑为元素值之和，设T为使用平均值算法对所有用户的∑计算出的估值，设n为用户操作数目，则Hd=Σ1T1+Σ2T2+Σ3T3+...+ΣnTnn.]]>

优选的，还包括复位站点元素表内的元素的初始值。

优选的，所述的计算用户平均活跃值包括：网络为多集群的服务器分布，需要先汇总数据，然后再进行计算。

优选的，述的矩阵式站点元素表包括横向列和纵向列，所述横向列为用户行为分类，所述的用户行为分类包括：浏览、发表、评论、分享、删除，所述的纵向列为至少一个站点功能集合分类，所述的站点功能集合分类包括：新鲜事、相册、日志、好友，BLOG。

一种预测用户离网的装置，用于上述方法，包括：

元素表分配单元，用于分配矩阵式站点元素表给登录的注册用户，设定各元素值的初始值；

用户操作记录单元，与所述的元素表分配单元相连，用于记录所述注册用户的所有的操作；

平均活跃值计算单元，与所述的用户操作记录单元相连，用于将所述的注册用户操作进行汇总，计算用户平均活跃值并保存；

用户行为趋势判断单元，与所述的平均活跃值计算单元相连，判断预定时间段内多个不同的用户平均活跃值是否呈下降的趋势。