[发明专利]用户活跃度预测方法、预测系统及介质

说明书

本发明提供了一种用户活跃度预测方法、预测系统及介质。其中方法包括：在预设统计周期内，根据用户的上网请求时间及下载流量，构建脉冲序列；将脉冲序列输入到构造函数的系统中，得到系统响应曲线；根据流量门限值及系统响应曲线，计算用户的上网时间段及上网时长，以及根据上网时间段确定上网次数；将上网次数及上网时长对应的坐标值投影到活跃度坐标系上，并根据坐标值在活跃度坐标系上的活跃度投影位置，确定所述用户的活跃度类型。本发明基于用户上网请求时间和上网下载流量两个维度，能够精准快速地统计出用户上网时间段和在网时长，从而使建模过程变得简便，并有效提高了预测结果准确性，为电信宽带行业的运营提供可靠依据。

技术领域

本发明涉及信息处理技术领域，具体而言，涉及一种用户活跃度预测方法，一种用户活跃度预测系统，及一种计算机可读存储介质。

背景技术

用户活跃度反映用户使用企业产品的频率和依赖性，度量了用户与公司的交互程度。互联网行业，活跃度高反映用户访问网站频率高，引入流量多，商品成交机会大。电信行业，活跃度高反映用户使用电信服务的依赖性强，留网机会大。企业营销策略目标就是围绕产品对用户进行拉新促活留存管理。用户活跃度的建模基本上是基于用户数据特征，经模型学习、模型验证，模型优化使用几个环节，不同之处主要体现在数据模型的建立方法。

电信运营商利用用户消费特征分析用户的价值度(M)、忠诚度(F)、活跃度(R)，建立用户RFM模型，实现用户分类管理。手机流量和社区宽带流量大小直接反应电信用户的活跃度。一定周期内，手机用户流量越大说明用户对流量需求就越大，运营商可以营销个性化流量套餐产品。宽带用户上网时长越大说明用户对宽带产品需求越强，宽带运营商可以营销个性化宽带套餐产品，提高用户对宽带运营商的产品和服务的认可度，增大用户续费留网概率。互联网行业，通常分析用户最近1次访问网页时间，网页驻留时间、网页访问频率等业务特征来建模计算用户活跃度。电信宽带行业，运营商不能直接获得这几个业务特征的数据，需要研究尝试基于其他业务特征进行建模。

相关技术提出了一种基于网络日志建立用户上网活跃度模型的方法，按时间段统计用户的上网行为，比如每一小时作为一个时间段。指定时间段存在用户上网标识为1，不存在用户上网标识为0，形成按时间段统计的上网行为矩阵A。

矩阵A有n行m列，每列代表一天的上网记录，每行代表统计周期时长。矩阵A的行数n与设定的考察上网时间段长度有关，假定1小时一个统计时间段，矩阵A的行数n＝24。矩阵A的列数m与统计周期时长有关。按周统计，矩阵A的m＝7；按月统计，矩阵A的m＝30；按季度统计，矩阵A的m＝90。

对矩阵A按行求和得矩阵B，按列求和得矩阵C。矩阵B反映统计周期内用户每个时段的上网时长分布，矩阵C反映统计周期内用户每天上网时长分布。

将矩阵B中元素排序，从大到小的顺序，取排名前面的几个时段作为用户上网活跃时间段。比如矩阵B中元素为28、15、10对应的时间段就可以作为用户一天中上网活跃时间段，累计可得上网时长。对矩阵C元素求均值和方差可得用户的上网次数分布。

用户活跃度定义为坐标值(上网次数，上网时长)。上网次数多、上网时间长表明用户对网络依赖强，属于高活跃用户。

这种用户上网活跃度建模方法操作简单，但存在以下两个问题：

问题一：用户上网行为不是固定时间发生的，而是存在随机性。统计时间段区间变大变小或者平移，统计结果都会发生变化，结论也会出现差异。

问题二：没有考虑用户消费流量的在网时间。用户点击上网链接，获得下载流量，用户在消费这些流量时往往处于在网状态。当堆积的下载流量越多，用户消费这些流量花费的时间也越长。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。