本发明涉及直播平台
技术领域：
，具体涉及一种基于层次分析法和熵值法的用户价值评分系统及其方法。
背景技术：
：随着直播行业的飞速发展，平台业务的丰富，用户规模呈现飞速增长趋势。用户在平台上产生不同的各种行为，给网站带来不同的价值，如赠送礼物，充值信息等，如何评价用户的综合价值得分，哪些是高价值用户，哪些是低价值用户，方便营销人员根据用户的不同价值等级，策划不同的营销方案和维系挽留策略，是一个不可避免要解决的问题。技术实现要素：针对现有技术中存在的缺陷，本发明的目的在于提供一种能基于用户的行为而判断用户价值的基于层次分析法和熵值法的用户价值评分系统。为达到以上目的，本发明采取的技术方案是：一种基于层次分析法和熵值法的用户价值评分系统，包括：评价模块，其内设有多个一级指标，且每个第一指标对应多个二级指标；数据输入模块，其用于接收用户输入的任意两个一级指标之间的相对重要性等级以及获取用户行为信息，所述用户行为信息包括多个与所述二级指标相对应的指标数据；一级指标权重计算模块，其根据所述任意两个一级指标之间的相对重要性等级，并基于层次分析法计算每个所述一级指标相对用户价值的权重；二级指标权重计算模块，其基于熵值法计算每个所述二级指标的权重；以及，总权重计算模块，其根据每个所述二级指标的权重，以及该二级指标所对应的一级指标相对用户价值的权重，计算每个二级指标相对用户价值的权重，所述总权重计算模块通过每个二级指标相对用户价值的权重和所述指标数据计算用户价值得分。在上述技术方案的基础上，所述一级指标包括用户活跃度、用户消费能力和用户充值能力，所述用户活跃度对应的二级指标包括用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数；所述用户消费能力对应的二级指标包括用户赠送虚拟礼物量和用户赠送虚拟礼物房间数；所述用户充值能力对应的二级指标包括用户充值金额、平均每次充值金额和充值天数。在上述技术方案的基础上，所述一级指标权重计算模块根据所述任意两个一级指标之间的相对重要性等级构建出一级指标的判断矩阵，并将所述判断矩阵按行求和后再归一化处理得到特征向量，并求得所述特征向量的最大特征值，所述一级指标权重计算模块根据所述特征向量的最大特征值检验所述判断矩阵的不一致性是否在容许范围内，若是，则将所述特征向量作为权重向量，若否，则重新评定一级指标两两之间的相对重要性等级。与此同时，本发明还提供一种基于用户的行为而判断用户价值的基于层次分析法和熵值法的用户价值评分方法。为达到以上目的，本发明采取的技术方案是：一种利用上述用户价值评分系统进行用户价值评分方法，包括以下步骤：S1.数据输入模块接收用户输入的任意两个一级指标之间的相对重要性等级以及获取用户行为信息，其中用户行为信息包括多个与二级指标相对应的指标数据；S2.一级指标权重计算模块采用层次分析法计算每个一级指标相对用户价值的权重；S3.二级指标权重计算模块采用熵值法计算每个二级指标的权重；S4.总权重计算模块将每个二级指标的权重乘以与该二级指标相对应的一级指标相对用户价值的权重得到每个二级指标相对用户价值的权重；S5.根据每个二级指标相对用户价值的权重和指标数据采用加权和计算每个用户价值得分。在上述技术方案的基础上，计算每个一级指标相对用户价值的权重包括以下步骤：S21.对一级指标之间进行两两比较，评定一级指标两两之间的相对重要性等级，并根据相对重要性等级构建出一级指标的判断矩阵A，其中，aij为判断矩阵A第i行第j列的元素，其表示一级指标i与一级指标j的的相对重要性等级，i＝1,2,...,n，j＝1,2,...,n，且aij＝1/aji；S22.将判断矩阵A按列归一化得到矩阵B＝(bij)n×n，其中bij为矩阵B第i行第j列的元素，S23.将矩阵B按行求和得到矩阵C＝(ci)n×1，其中ci为矩阵C第i行的元素，S24.将矩阵C归一化得到特征向量W＝(w1,w2,...,wn)T，其中wi为特征向量W第i行的元素，S25.计算特征向量W对应的最大特征值：S26.检验判断矩阵A的一致性，衡量判断矩阵A的偏离一致性程度，并衡量判断矩阵A不一致性是否超出容许范围，若否，执行步骤S27，若是，则返回步骤S21，重新评定一级指标两两之间的相对重要性等级，然后执行步骤S22-S26，直到判断矩阵A不一致性在容许范围内；S27.将特征向量W＝(w1,w2,...wn)T作为权重向量。在上述技术方案的基础上，所述检验判断矩阵A的一致性中采用一致性指标CI衡量判断矩阵A的偏离一致性程度：并采用一致性比率CR衡量判断矩阵A不一致性的容许范围：CR＝CI/RI，其中RI为平均一致性指标，其选用与判断矩阵A同价的数据。在上述技术方案的基础上，计算每个二级指标的权重包括以下步骤：S31.抽样用户的用户行为信息，构建初始化矩阵X，其中，xij为初始化矩阵X第i行第j列的元素，其表示第i个用户的第j个二级指标的指标数据，i＝1,2,...,n，j＝1,2,...,m；S32.对每个用户的二级指标的指标数据进行标准化处理，若xj为正向指标，标准化处理后的二级指标的指标数据：xij′=xij-min(x1j,x2j,...,xnj)max(x1j,x2j,...,xnj)-min(x1j,x2j,...,xnj),]]>若xj为负向指标，标准化处理后的二级指标的指标数据：xij′=max(x1j,x2j,...,xnj)-xijmax(x1j,x2j,...,xnj)-min(x1j,x2j,...,xnj),]]>处理后的矩阵记为X'，xi'j为矩阵X'第i行第j列的元素，其表示标准化处理后的第i个用户的第j个二级指标的指标数据，i＝1,2,...,n，j＝1,2,...,m；S33.计算第j个二级指标下第i个用户的贡献度：其中i＝1,2,...,n，j＝1,2,...,m；S34.计算第j个二级指标的熵值：其中k＝1/ln(n)，i＝1,2,...,n，j＝1,2,...m；S35.计算第j个二级指标的差异系数：gj＝1-ej，j＝1,2,...,m；S36.计算每个二级指标的权重：j＝1,2,...,m。在上述技术方案的基础上，所述一级指标包括用户活跃度、用户消费能力和用户充值能力。在上述技术方案的基础上，所述用户活跃度对应的二级指标包括用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数；所述用户消费能力对应的二级指标包括用户赠送虚拟礼物量和用户赠送虚拟礼物房间数；所述用户充值能力对应的二级指标包括用户充值金额、平均每次充值金额和充值天数。在上述技术方案的基础上，所述aij的取值有9种，其为1/9、1/7、1/5、1/3、1/1、3/1、5/1、7/1或9/1。与现有技术相比，本发明的优点在于：本发明的名称包括一级指标权重计算模块、二级指标权重计算模块和总权重计算模块，本发明基于用户的行为，根据一级指标权重计算模块、二级指标权重计算模块和总权重计算模块能定量计算用户的价值得分。根据用户的综合价值得分，划分不同的高中低价值等级。从而可以更好的发现高价值的用户。根据不同的用户价值等级，设计不同的营销和维系策略，便于定向营销和维系。附图说明图1为本发明中基于层次分析法和熵值法的用户价值评分系统的结构示意图；图2为本发明中进行用户价值评分的流程图；图3为本发明中一级指标权重计算模块计算权重的流程图；图4为本发明中二级指标权重计算模块计算权重的流程图。具体实施方式以下结合附图对本发明作进一步详细说明。参见图1所示，本发明提供一种基于层次分析法和熵值法的用户价值评分系统，其包括评价模块、数据输入模块、一级指标权重计算模块、二级指标权重计算模块和总权重计算模块。评价模块，其内设有多个一级指标以及与每个一级指标对应的多个二级指标。数据输入模块，其用于接收用户输入的任意两个一级指标之间的相对重要性等级以及获取用户行为信息，用户行为信息包括多个与所述二级指标相对应的指标数据。本发明中的一级指标包括用户活跃度、用户消费能力和用户充值能力。用户活跃度对应的二级指标包括用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数。用户消费能力对应的二级指标包括用户赠送虚拟礼物量和用户赠送虚拟礼物房间数。用户充值能力对应的二级指标包括用户充值金额、平均每次充值金额和充值天数。为了确定用户价值，本发明根据用户的行为信息构建了三层结构，第一层为用户价值；第二层即为一级指标：用户活跃度、用户消费能力和用户充值能力；第三层即为二级指标：用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数、用户赠送虚拟礼物量、用户赠送虚拟礼物房间数、用户充值金额、平均每次充值金额和充值天数。一级指标权重计算模块，其根据任意两个一级指标之间的相对重要性等级，并基于层次分析法计算每个一级指标相对用户价值的权重。二级指标权重计算模块，其基于熵值法计算每个二级指标的权重。具体的，对于二级指标用户观看时长而言，其指标数据即为用户具体的观看时间的数据。总权重计算模块，其根据每个二级指标的权重，以及该二级指标所对应的一级指标相对用户价值的权重，计算每个二级指标相对用户价值的权重，总权重计算模块通过每个二级指标相对用户价值的权重和指标数据计算用户价值得分。本发明中总权重计算模块将每个二级指标的权重乘以与该二级指标相对应的一级指标相对用户价值的权重得到每个二级指标相对用户价值的权重，并根据每个二级指标相对用户价值的权重采用加权和计算每个用户价值得分。具体而言，当一级指标用户活跃度相对用户价值的权重计算出来后，再分别计算与用户活跃度相对应的二级指标用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数的权重，将上述求出来的两种权重相乘，即可得到用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数相对用户价值的权重。然后根据二级指标相对用户价值的权重以及指标数据，采用加权和计算每个用户价值得分。最后根据计算的用户价值得分，选取合适的得分区间，划分不同的高中低价值等级。综上所述，本发明基于用户的行为，能定量计算用户的价值得分。根据用户的综合价值得分，划分不同的高中低价值等级。根据不同的用户价值等级，设计不同的营销和维系策略，便于定向营销和维系。本发明还提供一种利用上述用户价值评分系统进行用户价值评分方法，包括以下步骤：S1.数据输入模块接收用户输入的任意两个一级指标之间的相对重要性等级以及获取用户行为信息，其中用户行为信息包括多个与二级指标相对应的指标数据；S2.一级指标权重计算模块采用层次分析法计算每个一级指标相对用户价值的权重；本发明中计算每个一级指标相对用户价值的权重包括以下步骤：S21.对一级指标之间进行两两比较，评定一级指标两两之间的相对重要性等级，并根据相对重要性等级构建出一级指标的判断矩阵A，其中，aij为判断矩阵A第i行第j列的元素，其表示一级指标i与一级指标j的的相对重要性等级，i＝1,2,...,n，j＝1,2,...,n，且aij＝1/aji；本发明中aij有9种取值，分别为1/9、1/7、1/5、1/3、1/1、3/1、5/1、7/1和9/1。其表示第i个一级指标对第j个一级指标的重要程度由轻到重。具体的，若aij＝1/9，则表示第i个一级指标对第j个一级指标极端不重要，若aij＝9/1，表示第i个一级指标对第j个一级指极端重要。由于本发明中的一级指标有3个，故判断矩阵A为三阶矩阵。S22.将判断矩阵A按列归一化得到矩阵B＝(bij)n×n，其中bij为矩阵B第i行第j列的元素，S23.将矩阵B按行求和得到矩阵C＝(ci)n×1，其中ci为矩阵C第i行的元素，S24.将矩阵C归一化得到特征向量W＝(w1,w2,...,wn)T，其中wi为特征向量W第i行的元素，S25.计算特征向量W对应的最大特征值：S26.检验判断矩阵A的一致性，衡量判断矩阵A的偏离一致性程度，并衡量判断矩阵A不一致性是否超出容许范围，若否，执行步骤S27，若是，则返回步骤S21，重新评定一级指标两两之间的相对重要性等级，然后执行步骤S22-S26，直到判断矩阵A不一致性在容许范围内。本发明中检验判断矩阵A的一致性中采用一致性指标CI衡量判断矩阵A的偏离一致性程度：若CI值越大，表明判断矩阵A偏离完全一致性的程度越大；若CI值越小，表明判断矩阵A偏离完全一致性的程度越小，即判断矩阵A一致性越好。本发明采用一致性比率CR衡量判断矩阵A不一致性的容许范围：CR＝CI/RI，其中RI为平均一致性指标，其选用与判断矩阵A同价的数据。本发明中由于判断矩阵A为三阶矩阵，故RI也选取三阶的取值，RI与阶数的关系参见表1所示。本发明中的容许范围为0.1，即判断矩阵A的CR＜0.1时，其不一致型程度在容许范围内，否则，则需要重新评定aij的值，直到判断矩阵A的不一致性程度在容许范围内。表1平均一致性指标RI的取值与阶数的关系n1234567891011RI000.580.91.121.241.321.411.451.491.51S27.将特征向量W＝(w1,w2,...wn)T作为权重向量；S3.二级指标权重计算模块采用熵值法计算每个二级指标的权重；本发明中计算每个二级指标的权重包括以下步骤：S31.抽样用户的用户行为信息，构建初始化矩阵X，其中，xij为初始化矩阵X第i行第j列的元素，其表示第i个用户的第j个二级指标的指标数据，i＝1,2,...,n，j＝1,2,...,m；本发明中的二级指标包括用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数、用户赠送虚拟礼物量、用户赠送虚拟礼物房间数、用户充值金额、平均每次充值金额和充值天数。一共有9个二级指标，故此处m＝9。S32.对每个用户的二级指标的指标数据进行标准化处理，若xj为正向指标，标准化处理后的二级指标的指标数据：xij′=xij-min(x1j,x2j,...,xnj)max(x1j,x2j,...,xnj)-min(x1j,x2j,...,xnj),]]>若xj为负向指标，标准化处理后的二级指标的指标数据：xij′=max(x1j,x2j,...,xnj)-xijmax(x1j,x2j,...,xnj)-min(x1j,x2j,...,xnj),]]>处理后的矩阵记为X'，x′ij为矩阵X'第i行第j列的元素，其表示标准化处理后的第i个用户的第j个二级指标的指标数据，i＝1,2,...,n，j＝1,2,...,m；由于每个二级指标的量纲不一致，因此在计算用户价值得分前，对选取的二级指标进行标准化处理。此外，由于正向指标和负向指标数值代表的含义不同：正向指标数值越高越好，负向指标数值越低越好，因此，标准化指标时，需要参考不同的算法进行标准化。S33.计算第j个二级指标下第i个用户的贡献度：S34.计算第j个二级指标的熵值：其中k＝1/ln(n)，i＝1,2,...,n，j＝1,2,...,m；S35.计算第j个二级指标的差异系数：gj＝1-ej；对于第j个二级指标，当其熵值越小，则差异系数gj就越大，而gj越大则表示该二级指标越重要。S36.计算每个二级指标的权重：S4.总权重计算模块将每个二级指标的权重乘以与该二级指标相对应的一级指标相对用户价值的权重得到每个二级指标相对用户价值的权重。S5.根据每个二级指标相对用户价值的权重和指标数据采用加权和计算每个用户价值得分。本发明中一级指标包括用户活跃度、用户消费能力和用户充值能力。用户活跃度对应的二级指标包括用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数。用户消费能力对应的二级指标包括用户赠送虚拟礼物量和用户赠送虚拟礼物房间数。用户充值能力对应的二级指标包括用户充值金额、平均每次充值金额和充值天数。当一级指标用户活跃度相对用户价值的权重计算出来后，再分别计算与用户活跃度相对应的二级指标用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数的权重，将上述求出来的两种权重相乘，即可得到用户观看时长、用户观看天数、用户观看房间数和用户发送弹幕数相对用户价值的权重。二级指标相对用户价值的权重记为qj，用x'j表示标准化处理后的二级指标，但是二标准化处理只是对二级指标的指标数据做出处理，x'j实质上和xj相同。然后根据二级指标相对用户价值的权重和与二级指标相对应的指标数据，采用加权和计算每个用户价值得分。其具体计算方式见下式：Si＝q1*x′i1+q2*x′i2+…+qj*x′ij，j＝1,2,...,m；最后根据计算的用户价值得分，选取合适的得分区间，划分不同的高中低价值等级。本发明不局限于上述实施方式，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。当前第1页1 2 3