[发明专利]一种游戏礼包推送方法、装置、电子设备及存储介质

说明书

本申请实施例公开了一种游戏礼包推送方法、装置、电子设备及存储介质，所述方法包括：获取用户特征数据、道具特征数据以及用户对道具的行为特征数据；构建第一机器学习模型，对第一机器学习模型进行训练；通过训练后的第一机器学习模型进行推理，获得包含礼包特征数据的礼包候选集；向用户推送礼包候选集中的礼包，获取用户对礼包的行为特征数据；构建第二机器学习模型，对第二机器学习模型进行训练；通过训练后的第二机器学习模型为目标用户推荐目标礼包。在本申请实施例中，基于用户行为动态生成礼包，并为目标用户推荐对应的目标礼包，精准定位每个用户的需求，提高用户体验。

技术领域

本申请涉及互联网游戏技术领域，特别是涉及一种游戏礼包推送方法、装置、电子设备及存储介质。

背景技术

游戏道具是指游戏中给玩家提供方便的物品。例如，游戏道具可能包括消耗品(食物、药品、打造原料、合成原料、暗器、摄妖香、飞行符、宠物口粮等)、装备品(武器、头盔、铠甲、腰带、靴子、饰物等)、任务品(剧情道具、帮派商品、书信、镖银、情报簿、通缉榜等)等。游戏礼包是指多种游戏道具的集合。通常情况下，游戏礼包由游戏运营人员配置，并在相应场景(例如，游戏商店等)下向所有玩家售卖。

但是，现有技术中，游戏运营人员在配置游戏礼包时，通常按照游戏运营目标进行统一配置，无法精准定位每个用户的需求，用户体验较差。

发明内容

本申请实施例中提供了一种游戏礼包推送方法、装置、电子设备及存储介质，以利于解决现有技术中游戏礼包通常按照游戏运营目标进行统一配置，无法精准定位每个用户的需求，用户体验较差的问题。

第一方面，本申请实施例提供了一种游戏礼包推送方法，包括：

获取用户特征数据、道具特征数据以及用户对道具的行为特征数据；

构建第一机器学习模型，通过所述用户特征数据、所述道具特征数据以及所述用户对道具的行为特征数据对所述第一机器学习模型进行训练；

通过训练后的所述第一机器学习模型进行推理，获得包含礼包特征数据的礼包候选集，所述礼包候选集中包含至少一个礼包，每个所述礼包包括至少两个相关联的道具；

向用户推送所述礼包候选集中的礼包，获取用户对礼包的行为特征数据；

构建第二机器学习模型，通过所述用户特征数据、所述礼包特征数据和所述用户对礼包的行为特征数据对所述第二机器学习模型进行训练；

通过训练后的所述第二机器学习模型为目标用户推荐目标礼包。

在一种可能的实现方式中，所述方法还包括：

收集所述目标用户的反馈数据，对所述目标礼包的推送效果进行分析，获得分析结果；

根据所述分析结果优化所述第一机器学习模型和/或所述第二机器学习模型。

在一种可能的实现方式中，所述根据所述分析结果优化所述第一机器学习模型和/或所述第二机器学习模型，包括：

根据所述分析结果优化所述用户特征数据、所述道具特征数据、所述礼包特征数据、所述第一机器学习模型的网络参数和/或所述第二机器学习模型的网络参数。

在一种可能的实现方式中，所述获取用户特征数据以及用户对道具的行为特征数据，包括：

通过游戏内埋点日志，采集用户数据以及用户对道具的行为数据；

对所述用户数据和所述用户对道具的行为数据进行清洗并标准化后，进行特征工程，获得用户特征数据以及用户对道具的行为特征数据。

在一种可能的实现方式中，所述通过训练后的所述第一机器学习模型进行推理，获得包含礼包特征数据的礼包候选集，包括：