[发明专利]一种应用程序价值预测方法及装置

权利要求书

1.一种应用程序价值预测方法，其特征在于，包括：

获取目标应用的各激活用户的第一特征向量，其中，所述第一特征向量包括：用户静态属性、用户行为特征、激活渠道特征、用户激活特征、用户所使用移动终端的属性信息中至少一种；

针对每个所述激活用户，利用第一预测模型基于与该激活用户对应的所述第一特征向量，确定所述激活用户使用所述目标应用的生命周期；

获取所述激活用户在所述生命周期内各目标时间对应的第二特征向量，其中，所述第二特征向量包括：用户静态属性、收益来源特征、上下文特征、激活渠道特征、用户激活特征中至少一种；

针对每个所述目标时间，利用第二预测模型基于与该目标时间对应的所述第二特征向量，确定所述激活用户在该目标时间内所贡献的资源收益；

针对每个所述激活用户，根据该激活用户的所述生命周期内各所述目标时间对应的所述资源收益，确定所述激活用户对所述目标应用所贡献的资源收益累计值；

根据各所述激活用户对应的所述资源收益累计值，确定所述目标应用的预估价值。

2.根据权利要求1所述的方法，其特征在于，所述第一预测模型是通过如下方式训练得到的：

获取样本用户使用预设应用产生的第一训练样本数据，其中，所述第一训练样本数据包括：每个样本用户的第一特征向量与留存周期之间的对应关系；

将所述第一训练样本数据输入至Cox比例风险回归模型，基于所述第一训练样本数据求解得到针对第一特征向量的权重矩阵；

根据所述针对第一特征向量的权重矩阵更新所述Cox比例风险回归模型的模型参数，得到更新后的第一预测模型。

3.根据权利要求1所述的方法，其特征在于，所述利用第一预测模型基于与该激活用户对应的所述第一特征向量，确定所述激活用户使用所述目标应用的生命周期，包括：

利用Cox比例风险回归模型根据与该激活用户对应的所述第一特征向量，确定所述激活用户的流失时刻；

根据所述激活用户的激活时间和所述流失时刻，确定所述激活用户使用所述目标应用的生命周期。

4.根据权利要求3所述的方法，其特征在于，所述利用Cox比例风险回归模型根据与该激活用户对应的所述第一特征向量，确定所述激活用户的流失时刻，包括：

根据第一公式和所述第一特征向量，确定所述激活用户的流失风险系数；

其中，λ(t|X_i)表示激活用户i在激活时长为t的流失风险系数、X_i表示激活用户i对应的第一特征向量、λ₀(t)表示初始流失风险系数、β表示第一特征向量X_i的权重矩阵；

根据第二公式和所述流失风险系数，确定所述激活用户的流失时刻；

其中，L_i(β)表示激活用户i的用户流失概率、λ(T_i|X_i)表示激活用户i在激活时长为T_i的流失风险系数、表示流失时刻大于T_i的样本用户的流失风险系数之和、T_i表示L_i(β)＝1时激活用户i的流失时刻、T_j表示L_j(β)＝1时激活用户j的流失时刻、X_j表示激活用户j对应的特征向量。

5.根据权利要求1所述的方法，其特征在于，所述第二预测模型是通过如下方式训练得到的：

获取样本用户使用预设应用产生的第二训练样本数据，其中，所述第二训练样本数据包括：每个样本用户的第二特征向量与单位时间针对预设应用所贡献的资源收益之间的对应关系；

利用机器学习方法基于所述第二训练样本数据，训练得到针对第二特征向量的权重矩阵；

根据所述针对第二特征向量的权重矩阵更新第二预设模型的模型参数，得到更新后的第二预测模型。