本发明涉及视频直播中的用户价值评分领域，具体来讲是一种基于层次分析算法的用户价值评分方法及系统。
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。目前，各大网站在对当前的用户进行综合价值评分时，还是利用人工根据经验规则进行筛选高价值、低价值用户，尚未有合适的算法进行用户综合价值的评价。并且，在实际操作中，全由人工采用手动筛选高价值、低价值用户的方法，往往带有较大程度的主观性，使得评价标准不统一；另外，在海量数据的场景下，用户行为数据往往维度多、数据量大，靠人工评判用户等级划分标准往往不准确、覆盖率也不够高、重复性的工作也容易导致失误，而且人工操作时间较长，划分效率较低，人力成本较大。技术实现要素：本发明的目的是为了克服上述
背景技术：
的不足，提供一种基于层次分析算法的用户价值评分方法及系统，能基于构建的用户价值层次分析结构，根据用户的行为定量计算出用户的综合价值得分，且评分过程准确、高效、节省人力成本。为达到以上目的，本发明提供一种基于层次分析算法的用户价值评分方法，包括以下步骤：步骤S1：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标，转入步骤S2；步骤S2：对第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重，转入步骤S3；步骤S3：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数，转入步骤S4；步骤S4：根据计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量，转入步骤S5；步骤S5：根据计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。在上述技术方案的基础上，步骤S1中所述多个一级指标包括：活跃度、消费能力、充值能力；所述多个二级指标包括：与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。在上述技术方案的基础上，步骤S2中，计算每个一级指标对用户综合价值的影响权重、计算每个二级指标对相应一级指标的影响权重的过程均包括以下操作：步骤1、选择指标：选择此次层次分析中需要计算影响权重的指标；步骤2、构建判断矩阵：通过对选择的指标进行两两比较，按照1-9标度法评定指标之间的相对重要性等级，构建出所选指标的判断矩阵A：A=1a12...a1na211...a2n............an1an2...1]]>定义判断矩阵A中aij表示指标i与指标j的重要性比较结果，且aij＝1/aji，i＝1、2、…、n，j＝1、2、…、n，n表示所选指标的个数，即判断矩阵A的阶数；步骤3、计算影响权重：将当前的判断矩阵A按列归一化，得到归一化矩阵B，矩阵B中bij为矩阵A中第i列j行元素归一化的值；将归一化矩阵B按行求和得到ci，将ci进行归一化，得到所选指标对应的影响权重wi，wi表示所选的第i个指标对应的影响权重，其计算公式为：步骤4、计算特征向量及其最大特征值：根据当前得到的所选指标的影响权重wi，得到当前判断矩阵A的特征向量W，W＝(w1，w2，…，wn)T，并求出特征向量W对应的最大特征值λmax，步骤5、检验并调整判断矩阵，得出最终影响权重：根据最大特征值λmax，计算得出当前判断矩阵A的一致性指标CI，其计算公式为：根据一致性指标CI计算得出当前判断矩阵A的一致性比率CR，其计算公式为：CR＝CI/RI，RI为判断矩阵阶数对应的平均一致性指标数据；检验计算出的一致性比率CR是否小于指定阈值，若是，表明判断矩阵A的不一致性程度在容许范围内，则直接将步骤3中得到所选指标对应的影响权重wi作为所选指标对应的最终影响权重；否则，调整判断矩阵A后，重复执行步骤3至步骤5，直至判断矩阵A的CR小于指定阈值，则将最新计算的所选指标对应的影响权重作为所选指标对应的最终影响权重。在上述技术方案的基础上，步骤S3中，We’的计算公式为：其中wf表示第f个一级指标对用户综合价值的影响权重，f＝1、2、…、m，m为一级指标的总数，vef表示第e个二级指标对第f个一级指标的影响权重。在上述技术方案的基础上，步骤S4中，Sz的计算公式为：Sz＝W1’*Xz1’+W2’*Xz2’+…+We’*Xze’，Xze’表示第z位用户的第e个二级指标的值Xze经标准化处理后的值，Xze’的计算公式为：Xze,=Xze-min(X1e,X2e,...,Xpe)max(X1e,X2e,...,Xpe)-min(X1e,X2e,...,Xpe);]]>上述公式中max(X1e，X2e，…，Xpe)表示所有用户中第e个二级指标的最大值；min(X1e，X2e，…，Xpe)表示选取所有用户中第e个二级指标的最小值。本发明同时还提供一种基于层次分析算法的用户价值评分系统，包括层次分析结构构建模块、指标影响权重计算模块、二级指标综合价值权重计算模块、用户综合价值计算模块、价值等级划分模块；所述层次分析结构构建模块用于：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标；所述指标影响权重计算模块用于：对用户价值层次分析结构中的第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对用户价值层次分析结构中的第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重；所述二级指标综合价值权重计算模块用于：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数；所述用户综合价值计算模块用于：根据二级指标综合价值权重计算模块计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量；所述价值等级划分模块用于：根据用户综合价值计算模块计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。在上述技术方案的基础上，所述多个一级指标包括：活跃度、消费能力、充值能力；所述多个二级指标包括：与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。在上述技术方案的基础上，所述指标影响权重计算模块计算每个一级指标对用户综合价值的影响权重、计算每个二级指标对相应一级指标的影响权重的过程均包括以下操作：选择指标：选择此次层次分析中需要计算影响权重的指标；构建判断矩阵：通过对选择的指标进行两两比较，按照1-9标度法评定指标之间的相对重要性等级，构建出所选指标的判断矩阵A：A=1a12...a1na211...a2n............an1an2...1]]>定义判断矩阵A中aij表示指标i与指标j的重要性比较结果，且aij＝1/aji，i＝1、2、…、n，j＝1、2、…、n，n表示所选指标的个数，即判断矩阵A的阶数；计算影响权重：将当前的判断矩阵A按列归一化，得到归一化矩阵B，矩阵B中bij为矩阵A中第i列j行元素归一化的值；将归一化矩阵B按行求和得到ci，将ci进行归一化，得到所选指标对应的影响权重wi，wi表示所选的第i个指标对应的影响权重，其计算公式为：计算特征向量及其最大特征值：根据当前得到的所选指标的影响权重wi，得到当前判断矩阵A的特征向量W，W＝(w1，w2，…，wn)T，并求出特征向量W对应的最大特征值λmax，检验并调整判断矩阵，得出最终影响权重：根据最大特征值λmax，计算得出当前判断矩阵A的一致性指标CI，其计算公式为：根据一致性指标CI计算得出当前判断矩阵A的一致性比率CR，其计算公式为：CR＝CI/RI，RI为判断矩阵阶数对应的平均一致性指标数据；检验计算出的一致性比率CR是否小于指定阈值，若是，表明判断矩阵A的不一致性程度在容许范围内，则直接将当前得到所选指标对应的影响权重wi作为所选指标对应的最终影响权重；否则，调整判断矩阵A后，重复执行步骤3至步骤5，直至判断矩阵A的CR小于指定阈值，则将最新计算的所选指标对应的影响权重作为所选指标对应的最终影响权重。在上述技术方案的基础上，所述二级指标综合价值权重计算模块计算We’的公式为：其中wf表示第f个一级指标对用户综合价值的影响权重，f＝1、2、…、m，m为一级指标的总数，vef表示第e个二级指标对第f个一级指标的影响权重。在上述技术方案的基础上，所述用户综合价值计算模块计算Sz的公式为：Sz＝W1’*Xz1’+W2’*Xz2’+…+We’*Xze’，Xze’表示第z位用户的第e个二级指标的值Xze经标准化处理后的值，Xze’的计算公式为：Xze,=Xze-min(X1e,X2e,...,Xpe)max(X1e,X2e,...,Xpe)-min(X1e,X2e,...,Xpe);]]>上述公式中max(X1e，X2e，…，Xpe)表示所有用户中第e个二级指标的最大值；min(X1e，X2e，…，Xpe)表示选取所有用户中第e个二级指标的最小值。本发明的有益效果在于：(1)本发明在进行用户价值评分时，先根据用户的行为信息，构建用户价值的层次分析结构；然后进行层次分析，计算出每层中各指标的影响权重；接着根据影响权重计算出所有二级指标对用户综合价值的权重；再采用加权求和的方式计算出各用户的综合价值得分；最后根据用户的综合价值得分划分出各用户的价值等级。与现有技术相比，本发明能基于用户的行为，定量计算用户的综合价值得分；然后根据用户的综合价值得分，划分出不同的高中低价值等级；最终令营销人员能根据不同的用户价值等级设计出不同的营销和维系策略，便于定向营销和维系。整个操作不但使得用户的价值评分过程变得更加的智能化、自动化；而且用户价值评分的质量高、效率高、可靠性强，有效的节省了人力成本，用户体验效果好。(2)本发明在每次计算每层中各指标的影响权重时，利用到构建的判断矩阵。每次利用判断矩阵计算出相应指标的影响权重后，会对判断矩阵进行反复检验和调整，直至判断矩阵的不一致性程度在容许范围内(即CR＜0.1)，才得出最终的影响权重，从而有效提高了用户价值评分的准确性。(3)本发明在计算各用户的综合价值得分S时，使用的是经标准化处理后的二级指标的值Xze’，而不是直接使用二级指标的值Xze，从而有效避免因二级指标的值的量纲不一致而对计算结果造成影响，进而保证了计算的可靠性。附图说明图1为本发明实施例中基于层次分析算法的用户价值评分方法的流程图；图2为本发明实施例中用户价值的层次分析结构的示意图；图3为本发明实施例中计算单层指标的影响权重的流程图；图4为本发明实施例中基于层次分析算法的用户价值评分系统的结构框图。具体实施方式下面结合附图及具体实施例对本发明作进一步的详细描述。参见图1所示，本发明实施例提供一种基于层次分析算法的用户价值评分方法，包括以下步骤：步骤S1：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标，转入步骤S2。参见图2所示，本实施例中，所述多个一级指标包括：活跃度、消费能力、充值能力；所述多个二级指标包括：与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。即如图2所示，用户价值的层次分析结构为：第一层为用户综合价值；第二层分别为活跃度、消费能力、充值能力；第三层分别为与活跃度对应的用户观看时长、用户观看天数、用户观看房间数、用户发送弹幕数，与消费能力对应的用户赠送虚拟礼物量、用户赠送虚拟礼物房间数，与充值能力对应的用户充值金额、平均每次充值金额、充值天数。步骤S2：对第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重，转入步骤S3。可以理解的是，由于本实施例中构建的用户价值的层次分析结构如图2所示，具有3个一级指标，每个一级指标又分别对应有多个二级指标，因此，在进行步骤S2时，共需进行4次分析计算，才能计算出12个指标(3个一级指标、9个二级指标)的影响权重，具体操作如下：步骤S201、第一次：对第二层进行层次分析，计算活跃度对用户综合价值的影响权重、消费能力对用户综合价值的影响权重、充值能力对用户综合价值的影响权重；步骤S202、第二次：对第三层进行层次分析，计算用户观看时长对活跃度的影响权重、用户观看天数对活跃度的影响权重、用户观看房间数对活跃度的影响权重、用户发送弹幕数对活跃度的影响权重；步骤S203、第三次：对第三层进行层次分析，计算用户赠送虚拟礼物量对消费能力的影响权重、用户赠送虚拟礼物房间数对消费能力的影响权重；步骤S204、第四次：对第三层进行层次分析，计算用户充值金额对充值能力的影响权重、平均每次充值金额对充值能力的影响权重、充值天数对充值能力的影响权重。具体来说，参见图3所示，每次进行层次分析，计算相应指标的影响权重时，其计算方法类似，具体包括以下操作：步骤1、选择指标：选择此次层次分析中需要计算影响权重的指标(如第一次进行层次分析时，所选择的指标为活跃度、消费能力、充值能力)。步骤2、构建判断矩阵：通过对选择的指标进行两两比较，按照1-9标度法评定指标之间的相对重要性等级，构建出所选指标的判断矩阵A：A=1a12...a1na211...a2n............an1an2...1]]>定义判断矩阵A中aij表示指标i与指标j的重要性比较结果，且aij＝1/aji，i＝1、2、…、n，j＝1、2、…、n，n代表为所选指标的个数，即判断矩阵A的阶数；其中，aij的取值为以下9个中的1个：1/9,1/7,1/5,1/3,1/1,3/1,5/1,7/1,9/1,数值越大代表重要程度越高，例如aij＝1/9，表示指标i对指标j极端不重要，aij＝9/1，表示指标i对指标j极端重要。aij的具体取值由多个业务专家进行打分后综合判定。步骤3、计算影响权重：将当前的判断矩阵A按列归一化(即列元素之和为1)，得到归一化矩阵B，矩阵B中bij为矩阵A中第i列j行元素归一化的值；将归一化矩阵B按行求和得到ci，将ci进行归一化，得到所选指标对应的影响权重wi(即，所选的第i个指标对应的影响权重)，其计算公式为：步骤4、计算特征向量及其最大特征值：根据当前得到的所选指标的影响权重wi，得到当前判断矩阵A的特征向量W，W＝(w1，w2，…，wn)T，并求出特征向量W对应的最大特征值λmax，步骤5、检验并调整判断矩阵，得出最终影响权重：根据最大特征值λmax，计算得出当前判断矩阵A的一致性指标CI，其计算公式为：(CI值越大，表明判断矩阵A偏离完全一致性的程度越大；CI值越小，表明判断矩阵A的一致性越好)；根据一致性指标CI计算得出当前判断矩阵A的一致性比率CR，其计算公式为：CR＝CI/RI，RI为判断矩阵阶数对应的平均一致性指标数据，该平均一致性指标数据的具体取值参见表1所示：表1、平均一致性指标(RI)对应的具体数据n1234567891011RI000.580.91.121.241.321.411.451.491.51例如，若判断矩阵阶数为3，则RI选取表1中阶数n＝3时对应的取值0.58；检验计算出的一致性比率CR是否小于指定阈值(本实施例中指定阈值为0.1)，若是，表明判断矩阵A的不一致性程度在容许范围内，则直接将步骤3中得到所选指标对应的影响权重wi作为所选指标对应的最终影响权重(即将当前判断矩阵A的特征向量W作为权重向量)；否则，调整判断矩阵A后，重复执行步骤3至步骤5，直至判断矩阵A的不一致性程度在容许范围内(即CR小于指定阈值0.1)，则将最新计算的所选指标对应的影响权重作为所选指标对应的最终影响权重。步骤S3：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数，转入步骤S4。其中，We’的计算公式为：wf表示第f个一级指标对用户综合价值的影响权重，f＝1、2、…、m，m为一级指标的总数，vef表示第e个二级指标对第f个一级指标的影响权重。并且，可以理解的是，若第e个二级指标与第f个一级指标不是对应关系，则vef取值为0(如：用户观看天数对消费能力的影响权重则为0)；若第e个二级指标与第f个一级指标是对应关系，则根据上述计算指标的影响权重的操作可计算出相应的值。步骤S4：根据计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量，转入步骤S5。其中，Sz的计算公式为：Sz＝W1’*Xz1’+W2’*Xz2’+…+We’*Xze’，Xze’表示第z位用户的第e个二级指标的值Xze经标准化处理后的值，Xze’的计算公式为：Xze,=Xze-min(X1e,X2e,...,Xpe)max(X1e,X2e,...,Xpe)-min(X1e,X2e,...,Xpe);]]>上述公式中max(X1e，X2e，…，Xpe)表示所有用户中第e个二级指标的最大值；min(X1e，X2e，…，Xpe)表示选取所有用户中第e个二级指标的最小值。步骤S5：根据计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。本实施例中，将得分区间由低至高划分为三个区间，三个得分区间对应低、中、高三个价值等级。参见图4所示，本发明实施例还提供一种基于层次分析算法的用户价值评分系统。该系统包括层次分析结构构建模块、指标影响权重计算模块、二级指标综合价值权重计算模块、用户综合价值计算模块、价值等级划分模块。其中，层次分析结构构建模块用于：根据用户的行为信息，构建用户价值的层次分析结构，该用户价值的层次分析结构为三层结构：第一层为用户综合价值，第二层为用户综合价值对应的多个一级指标，第三层为每个一级指标对应的多个二级指标；指标影响权重计算模块用于：对用户价值层次分析结构中的第二层进行层次分析，计算每个一级指标对用户综合价值的影响权重；对用户价值层次分析结构中的第三层进行层次分析，计算每个二级指标对相应一级指标的影响权重；二级指标综合价值权重计算模块用于：根据每个一级指标对用户综合价值的影响权重以及每个二级指标对相应一级指标的影响权重，计算出各二级指标对用户综合价值的权重W’，定义We’表示第e个二级指标对用户综合价值的权重，e＝1、2、…、k，k为二级指标的总数；用户综合价值计算模块用于：根据二级指标综合价值权重计算模块计算出的各二级指标对用户综合价值的权重W’，采用加权求和的方式计算出各用户的综合价值得分S，定义Sz表示第z位用户的综合价值得分，z＝1、2、…、p，p代表为最大用户数量；价值等级划分模块用于：根据用户综合价值计算模块计算出的各用户的综合价值得分S，选取相应的得分区间；根据不同的得分区间划分出各用户的价值等级。需要说明的是：上述实施例提供的系统在进行操作时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。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