付费用户预测方法、装置、设备及存储介质与流程

1.本发明涉及软件技术领域，尤其涉及一种付费用户预测方法、装置、设备及计算机可读存储介质。


背景技术：

2.目前，各大视频网站或电视平台中均推出了付费会员模式，一方面，可以提升平台自身的收益，另一方面，用户购买会员服务后，也能享受更多的优质视频资源和更佳的观看体验。当视频会员服务所提供的视频资源对于用户具有较高的吸引力时会促使用户产生强烈的付费意愿，从而成为潜在的会员用户。平台可以针对该类潜在会员用户及时进行营销促使其付费转化，以此提高平台的收益，增强用户粘度。因此，对于视频平台而言促进用户从非会员到会员的转化至关重要，可见，如果能够准确预测潜在的付费用户，便能够有针对性地进行促销信息推送，提高促销成功率。
3.但传统的促销信息推送方式，通常是通过节日搞活动、广撒网发放优惠券等方式推送促销信息，进行会员的促销，这种方式无法准确预测潜在的付费用户，并针对性的进行促销信息推送，促销成功率较低。因此，现有技术中，存在如何准确预测潜在的付费用户，提升促销成功率的技术问题。


技术实现要素：

4.本发明的主要目的在于提供一种付费用户预测方法、装置、设备及计算机可读存储介质，旨在解决如何准确预测潜在的付费用户，提升促销成功率的技术问题。
5.为实现上述目的，本发明提供一种付费用户预测方法，所述付费用户预测方法包括以下步骤：
6.根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；
7.根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；
8.基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；
9.根据所述行为偏好信息预测所述用户是否为目标付费用户。
10.可选地，在所述根据所述行为偏好信息预测所述用户是否为目标付费用户的步骤之后，所述方法还包括：
11.若所述用户为所述目标付费用户，则将所述行为偏好信息中的各偏好作为节点构建无向图矩阵；
12.遍历所述无向图矩阵中的所有节点得到所述用户的多条行为路径，获取所述多条行为路径中的最短路径信息；
13.基于所述最短路径信息生成针对所述目标付费用户的促销信息。
14.可选地，所述根据用户在预设历史时间段内的历史行为信息获取所述用户的行为
特征信息的步骤，包括：
15.获取产生所述历史行为信息时的场景信息，根据所述场景信息生成所述用户在所述场景信息所对应场景下的特征值；
16.基于所述特征值获取所述行为特征信息。
17.可选地，在所述根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息的步骤之前，所述方法还包括：
18.与所述用户的可穿戴设备建立通信连接；
19.在所述预设历史时间段内，通过所述可穿戴设备获取所述生理信息。
20.可选地，所述根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息的步骤，包括：
21.根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态；
22.基于所述生理状态获取所述用户的心理状态信息。
23.可选地，所述生理状态包括低落状态和亢奋状态，所述根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态的步骤，包括：
24.获取所述生理信息中各项生理数据值；
25.若所述各项生理数据值均小于或等于标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述低落状态；
26.若所述各项生理数据值均大于所述标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述亢奋状态。
27.可选地，所述基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息的步骤，包括：
28.根据预设规则将所述心理状态信息转换为对应的分数值；
29.将所述分数值与所述行为特征信息中的特征向量相乘，得到所述行为偏好信息。
30.此外，为实现上述目的，本发明还提供一种付费用户预测装置，所述装置包括：
31.行为特征获取模块，用于根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；
32.心理状态获取模块，用于根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；
33.行为偏好获取模块，用于基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；
34.预测模块，用于根据所述行为偏好信息预测所述用户是否为目标付费用户。
35.可选地，所述装置还包括：
36.促销信息生成模块，用于若所述用户为所述目标付费用户，则将所述行为偏好信息中的各偏好作为节点构建无向图矩阵；
37.遍历所述无向图矩阵中的所有节点得到所述用户的多条行为路径，获取所述多条行为路径中的最短路径信息；
38.基于所述最短路径信息生成针对所述目标付费用户的促销信息。
39.上述本发明付费用户预测装置的各个功能模块在运行时所实现的步骤，可参照上述本发明付费用户预测方法的步骤，此处不再赘述。
40.此外，为实现上述目的，本发明还提供一种付费用户预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的付费用户预测程序，所述付费用户预测程序配置为实现如上述的付费用户预测的步骤。
41.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有付费用户预测程序，所述付费用户预测程序被处理器执行时实现如上述的付费用户预测方法的步骤。
42.本发明通过根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；根据所述行为偏好信息预测所述用户是否为目标付费用户。
43.本发明根据同一历史时间段内用户的行为特征信息和心理状态信息，获得用户在当前时间段内的行为偏好信息，从而预测用户是否为目标付费用户。实现了付费用户的准确预测，进而可以针对性的进行促销信息的推送，从而进一步提升促销成功率。
附图说明
44.图1是本发明实施例方案涉及的硬件运行环境的付费用户预测设备的结构示意图；
45.图2为本发明一种付费用户预测方法一实施例的流程示意图；
46.图3为本发明一种付费用户预测方法一实施例的具体流程示意图；
47.图4为本发明一种付费用户预测装置的功能模块结构关系示意图。
48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
50.应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。本技术使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。
51.应该理解的是，虽然本技术实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
52.为了对发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
53.参照图1，图1为本发明实施例方案涉及的硬件运行环境的付费用户预测设备结构
示意图。本发明的付费用户预测设备可以是智能电视、手机、电脑等可以进行视频播放的终端设备。
54.如图1所示，该付费用户预测设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
55.本领域技术人员可以理解，图1中示出的结构并不构成对付费用户预测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
56.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及付费用户预测程序。
57.在图1所示的付费用户预测设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明付费用户预测设备中的处理器1001、存储器1005可以设置在付费用户预测设备中，付费用户预测设备通过处理器1001调用存储器1005中存储的付费用户预测程序，并执行以下操作：
58.根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；
59.根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；
60.基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；
61.根据所述行为偏好信息预测所述用户是否为目标付费用户。
62.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
63.若所述用户为所述目标付费用户，则将所述行为偏好信息中的各偏好作为节点构建无向图矩阵；
64.遍历所述无向图矩阵中的所有节点得到所述用户的多条行为路径，获取所述多条行为路径中的最短路径信息；
65.基于所述最短路径信息生成针对所述目标付费用户的促销信息。
66.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
67.获取产生所述历史行为信息时的场景信息，根据所述场景信息生成所述用户在所述场景信息所对应场景下的特征值；
68.基于所述特征值获取所述行为特征信息。
69.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
70.与所述用户的可穿戴设备建立通信连接；
71.在所述预设历史时间段内，通过所述可穿戴设备获取所述生理信息。
72.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
73.根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态；
74.基于所述生理状态获取所述用户的心理状态信息。
75.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
76.获取所述生理信息中各项生理数据值；
77.若所述各项生理数据值均小于或等于标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述低落状态；
78.若所述各项生理数据值均大于所述标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述亢奋状态。
79.进一步地，处理器1001可以用于调用存储器1005中存储的付费用户预测程序，还执行以下操作：
80.根据预设规则将所述心理状态信息转换为对应的分数值；
81.将所述分数值与所述行为特征信息中的特征向量相乘，得到所述行为偏好信息。
82.在互联网的世界里，用户意味着一切。而在获客成本日益高昂的今天，如何吸引新用户、减少用户流失，保住用户总量，就成为各大平台十分关注的问题。付费会员、非付费会员以及消耗性虚拟币都可以在一定程度的达到提高用户留存率的目的。其中，相较于其他模式，由于付费会员模式为用户提供的是虚拟服务与内容版权，会员的边际成本几乎为零，只要用户量提升，就可以为公司实现盈利。因此，付费会员模式被广泛应用于各大视频平台和智能电视平台。对于这些平台而言，促进用户从非会员转化成会员至关重要。为此，首先需要对潜在付费用户实现准确预测。但由于智能电视中用户行为的复杂性以及数据信息的匮乏单一性，传统的方法较难实现潜在付费用户的准确预测，即现有技术中存在如何准确预测潜在的付费用户，提升促销成功率的技术问题。
83.为了解决上述技术问题，本发明提供了一种付费用户预测方法，所述付费用户预测方法包括：根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；根据所述行为偏好信息预测所述用户是否为目标付费用户。
84.这种方法根据同一历史时间段内用户的行为特征信息和心理状态信息，获得用户在当前时间段内的行为偏好信息，从而预测用户是否为目标付费用户。实现了付费用户的准确预测，进而可以针对性的进行促销信息的推送，从而进一步提升促销成功率。
85.本发明实施例提供了一种付费用户预测方法，参照图2，图2为本发明一种付费用户预测方法一实施例的流程示意图。
86.本实施例中，所述付费用户预测方法包括：
87.步骤s10，根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息。
88.在本实施例中，预设历史时间段是指进行付费用户预测的当前时间点以前的时间
段，可以是一个历史时间段，也可以是多个历史时间段。具体的预设历史时间段可以根据实际需求进行设定，例如，可以是持续时长为一周或一个月的至少一个历史时间段，也可以是用户观看视频的周期、视频更新的周期或固定的周期。
89.历史行为信息是指用户在浏览视频网站平台或使用智能电视时所进行的操作行为，用于获取用户的行为特征信息。可以是用户在各个历史时间段内对不同广告、或商品的操作行为，如点击、购买、加入购物车、分享等操作行为；也可以是用户对已推送视频的操作信息、对未推送视频的操作信息等行为信息。
90.行为特征信息是与各预设历史时间段对应的，用于表征用户行为特征的特征向量，通过历史行为信息计算得到。
91.具体地，例如，获取用户在一个或多个预设历史时间段中，各预设历史时间段的历史行为信息。为了更好的理解，举例说明，例如，将一周预设为一个历史时间段的持续时长，则从付费用户预测的时间点开始起算，向前推算两个历史时间段，即向前推算两周，分别采集得到这两个历史时间段，即这两周的用户的历史行为信息，进而可以根据两个历史时间段内的历史行为信息，生成与该历史时间段对应的特征向量，即用户的行为特征信息。
92.步骤s20，根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息。
93.在本实施例中，心理状态信息是指用户的情绪状态，例如，可以分为差、良、优三种状态。生理信息则是用户的身体机能信息，例如，心跳、体温、血压等信息。可以根据用户的客观生理信息数据判断用户在预设历史时间段内的心理状态信息。
94.可选地，步骤s20，根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息之前，所述方法还包括：
95.步骤s21，与所述用户的可穿戴设备建立通信连接。
96.在本实施例中，可穿戴设备可以是智能手环、智能手表、数据衣服等设备，其共同的特点是具备多于一种传感器，可以采集用户的多种生理信息，并对生理信息进行滤波降噪、放大等初步数据处理，再传输至终端设备用以进行分析，使得终端设备可以对用户的健康情况或心理状态的进行分析判断。
97.通信连接可以是无线通信，例如蓝牙、wifi、等连接方式，具体连接方式不做限制。
98.步骤s22，在所述预设历史时间段内，通过所述可穿戴设备获取所述生理信息。
99.在本实施例中，可以通过在可穿戴设备与付费用户预测设备，例如智能电视建立通信连接时，通过可穿戴设备自动向智能电视发送用户的生理信息；也可以通过智能电视主动向可穿戴设备发送生理信息的获取请求来获取生理信息，并实时记录获取的时间，以供后续进行付费用户预测时，确定生理信息获取的历史时间段。
100.步骤s30，基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息。
101.在本实施例中，行为偏好信息用于反映用户的兴趣爱好信息，例如，用户对某一类电影或某个综艺节目的偏好。当前时间段是指进行付费用户预测的时间段。
102.行为特征信息反映了用户在预设历史时间段内的行为特征，而心理状态信息则反映了用户在同一预设历史时间段内的情绪状态，即行为特征信息和心理状态信息，共同反映了用户在某一预设历史时间段内，进行某一操作行为时的心情，即间接反映了用户的行
为偏好信息。因此，可以基于用户的行为特征信息和心理状态信息，得到用户在当前时间段内的行为偏好信息。
103.可选地，步骤s30，基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息，包括：
104.步骤s31，根据预设规则将所述心理状态信息转换为对应的分数值。
105.在本实施例中，将心理状态信息转换为对应的分数值，即根据预设规则将用户的不同心理状态信息进行量化，具体的预设规则可以根据实际需求自行设定。
106.具体地，例如，在三个预设历史时间段内，用户的心理状态信息依次为：差、良、优，则按照预设规则，可将其装换为对应的分数值，即差为0.1、良为0.8、优为1。
107.步骤s32，将所述分数值与所述行为特征信息中的特征向量相乘，得到所述行为偏好信息。
108.将心理状态信息的分数值与行为特征信息中的特征向量相乘，所得到结果，即为行为偏好信息。
109.具体地，例如，在三个预设历史时间段内，用户的心理状态信息的分数值依次为：0.1、0.8、1；各预设历史时间段对应的特征向量依次为：0.6、0.8、1；则可得到用户在当前时间段内的行为偏好信息，对应分别为：0.06、0.64、1。
110.步骤s40，根据所述行为偏好信息预测所述用户是否为目标付费用户。
111.在本实施例中，目标付费用户也可以称为潜在付费用户，可以通过判断行为偏好信息是否超过预设阈值，来判断用户是否为目标付费用户，其中，预设阈值可以根据实际需求自行设定。
112.参照图3，当用户某一当前时间段内的行为偏好信息超过预设阈值时，则说明在该行为偏好信息所对应的当前时间段、行为特征信息和心理状态信息下的用户为目标付费用户。
113.具体地，例如，将预设阈值设置为0.8，预设历史时间段有三个，则所获得对应的当前时间段用户的行为偏好信息分别为：0.06、0.64、1，则行为偏好信息为1所对应信息下的用户为目标付费用户。此时，在1所对应的当前时间段、用户行为特征和心理状态下推送对应的消息，即可有效提升促销成功率。
114.本实施例通过获取同一预设历史时间段内用户的行为特征信息和心理状态信息，获得用户在当前时间段内的行为偏好信息，从而预测用户是否为目标付费用户。实现了付费用户的准确预测，进而可以针对性的进行促销信息的推送，从而进一步提升促销成功率。
115.进一步的，在本发明的付费用户预测方法的另一实施例中，步骤s40，根据所述行为偏好信息预测所述用户是否为目标付费用户之后，所述方法还包括：
116.步骤s50，若所述用户为所述目标付费用户，则将所述行为偏好信息中的各偏好作为节点构建无向图矩阵。
117.在本实施例中，若用户为目标付费用户，则判断当前用户的各偏好中是否对应推荐产品/服务，若没有，则将该偏好作为无向图矩阵中的一个节点，从而根据用户行为偏好信息中的各偏好作为节点，构建无向图矩阵。
118.步骤s60，遍历所述无向图矩阵中的所有节点得到所述用户的多条行为路径，获取所述多条行为路径中的最短路径信息。
119.在本实施例中，遍历无向图矩阵中的所有节点，即遍历用户的所有偏好。
120.具体地，通过获取无向图矩阵g，将结点总数记录为n，第一个结点为起点，最后一个结点为终点，预设n行n列的0矩阵m，预设中间变量k，k＝1,2...n，代表第k个中间结点；预设中间变量i，i＝1,2...n，代表起始结点；预设中间变量j，j＝1,2...n，代表结束结点。将三个中间变量进行层层嵌套循环，k为第一层循环，i为第二层循环，j为第三层循环，在第三层循环中判断g(i,j)是否大于g(i,k)+g(k,j)。若判断为正确，将g(i,k)+g(k,j)的值赋值到g(i,j)中，即g(i,j)＝g(i,k)+g(k,j)。将k的值赋值到m(i,j)。
121.当循环结束后，得到的g为各个结点之间的最短路径长度值以及路径方向矩阵m，g中第一个结点到最后一个结点的路径距离为最短距离，即最短路径信息。
122.步骤s70，基于所述最短路径信息生成针对所述目标付费用户的促销信息。
123.在本实施例中，通过计算出最短路径信息经过的每一个结点，即最优路径所需走的方向，按照最优路径所需走的方向生成针对目标付费用户的促销信息。其中，针对目标付费用户的促销信息是指为为当前用户定值产品/服务推荐方案。
124.具体地，通过预设中间变量p，预设空数组l用于存储最短路径经过的结点，将m(1,n)的值赋值到p中，进入循环，当p满足不等于0的条件时，将p的值加入到数组l中最后一个元素的下一个，再将m(p,j)的值赋值到p中进行新一轮的循环。当p等于0后循环结束，得到数组l即为1号结点到n号结点的最短路径下所需走过的每一个中间结点，即最优路径所需走的方向。从而可以按照最优路径所需走的方向为当前用户定制产品/服务推荐方案。
125.本实施例通过根据用户的行为偏好信息构建无向图矩阵，遍历所有偏好，获得最短路径所需走的方向，从而生成针对目标付费用户的促销信息，实现了根据目标付费用户的行为偏好，为其定制产品或服务的推荐方案，从而可以进一步提升促销成功率。
126.进一步的，在本发明的付费用户预测方法的另一实施例中，步骤s10，根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息，包括：
127.步骤s11，获取产生所述历史行为信息时的场景信息，根据所述场景信息生成所述用户在所述场景信息所对应场景下的特征值。
128.在本实施例中，场景信息即为用户进行操作行为时所处的场景，例如，用户在执行加入购物车的行为时，其所处的场景为某产品的广告。
129.根据所述场景信息生成所述用户在所述场景信息所对应场景下的特征值，即针对每个预设历史时间段，基于该历史时间段内的历史行为信息，生成用户在对应场景下的的特征值。例如，在某一预设历史时间段(周一下午3点到3点半)，操作行为(历史行为信息)，加入购物车，场景(场景信息)为：某产品的广告，此时，可以设定特征值为1。
130.步骤s12，基于所述特征值获取所述行为特征信息。
131.在本实施例中，基于用户在对应场景下的特征值，生成与该历史时间段对应的特征向量，即行为特征信息。
132.需要说明的是，若预设历史时间段为多个，则基于特征值所获取的行为特征信息为特征向量序列。其中，可以基于各个预设历史时间段的先后顺序、以及各个预设历史时间段分别对应的特征向量，生成特征向量序列.
133.具体地，例如，历史时间段有n个，按照历史时间段的先后顺序，每个历史时间段分别对应的特征向量依次为：v1、v2、
……
、vn，则特征向量序列为：(v1，v2，
……
，vn)。
134.进一步的，在本发明的付费用户预测方法的另一实施例中，步骤s20，根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息，包括：
135.步骤s21，根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态。
136.在本实施例中，生理状态是指用户是否处于低落状态或亢奋状态，通常能够通过生理信息直接反映，例如，当用户的生理状态处于低落状态时，其生理信息也会有相应的表现，如心跳速度相较于其正常状态时稍缓。
137.步骤s22，基于所述生理状态获取所述用户的心理状态信息。
138.在本实施例中，通过用户的生理状态可以判断用户的心理状态信息，即用户的情绪状态。
139.具体地，例如，当用户的生理状态处于亢奋状态时，判断用户的心理状态信息为优或情绪较佳；当用户的生理状态处于低落状态时，判断用户的心理状态信息为差或情绪不佳。
140.可选地，所述生理状态包括低落状态和亢奋状态，步骤s21，根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态，包括：
141.步骤s211，获取所述生理信息中各项生理数据值。
142.在本实施例中，各项生理数据值为各项生理信息的数据值，例如，心跳的具体速度、体温的具体温度值、血压的具体数值。
143.步骤s212，若所述各项生理数据值均小于或等于标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述低落状态。
144.在本实施例中，各项生理数据值的标准值取决于用户自身的生理特性，例如，男性、女性、成人、幼童和老人之间，其各项生理数据值的标准值均存在差别。
145.若用户的各项生理数据值均小于或等于标准值，例如，若用户的体温偏低、血压正常或偏低，并且心跳速度正常或稍慢，则可判断用户处于低落状态。
146.步骤s213，若所述各项生理数据值均大于所述标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述亢奋状态。
147.在本实施例中，若用户的各项生理数据值均大于所述标准值，例如用户的体温偏高、血压偏高并且心跳速度较快，则可判断用户处于亢奋状态。
148.进一步地，本发明实施例还提供一种付费用户预测装置，如图4所示，本发明的付费用户预测装置包括：
149.行为特征获取模块10，用于根据用户在预设历史时间段内的历史行为信息获取所述用户的行为特征信息；
150.心理状态获取模块20，用于根据所述用户在所述预设历史时间段内的生理信息获取所述用户的心理状态信息；
151.行为偏好获取模块30，用于基于所述行为特征信息和所述心理状态信息，得到所述用户在当前时间段内的行为偏好信息；
152.预测模块40，用于根据所述行为偏好信息预测所述用户是否为目标付费用户。
153.优选地，所述装置还包括：
154.促销信息生成模块，用于若所述用户为所述目标付费用户，则将所述行为偏好信息中的各偏好作为节点构建无向图矩阵；
155.遍历所述无向图矩阵中的所有节点得到所述用户的多条行为路径，获取所述多条行为路径中的最短路径信息；
156.基于所述最短路径信息生成针对所述目标付费用户的促销信息。
157.优选地，所述行为特征获取模块还用于：
158.获取产生所述历史行为信息时的场景信息，根据所述场景信息生成所述用户在所述场景信息所对应场景下的特征值；
159.基于所述特征值获取所述行为特征信息。
160.优选地，所述心理状态获取模块还用于：
161.与所述用户的可穿戴设备建立通信连接；
162.在所述预设历史时间段内，通过所述可穿戴设备获取所述生理信息。
163.优选地，所述心理状态获取模块还用于：
164.根据所述生理信息判断所述用户在所述预设历史时间段内的生理状态；
165.基于所述生理状态获取所述用户的心理状态信息。
166.优选地，所述心理状态获取模块还用于：
167.获取所述生理信息中各项生理数据值；
168.若所述各项生理数据值均小于或等于标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述低落状态；
169.若所述各项生理数据值均大于所述标准值，则判定所述用户在所述预设历史时间段内的生理状态为所述亢奋状态。
170.优选地，所述行为偏好获取模块还用于：
171.根据预设规则将所述心理状态信息转换为对应的分数值；
172.将所述分数值与所述行为特征信息中的特征向量相乘，得到所述行为偏好信息。
173.上述本发明付费用户预测装置的各个功能模块在运行时所实现的步骤，可参照上述本发明付费用户预测方法的各个实施例，此处不再赘述。
174.进一步地，本发明实施例还提供一种付费用户预测设备，所述付费用户预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的付费用户预测程序，所述付费用户预测程序配置为实现如上述实施例提供的付费用户预测方法的步骤，具体实施步骤可参照上述实施例，此处不再过多赘述。
175.进一步地，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有付费用户预测程序，所述付费用户预测程序被处理器执行时实现如上述实施例提供的付费用户预测方法的步骤，具体实施步骤可参照上述实施例，此处不再过多赘述。
176.本发明实施例所提供的付费用户预测方法、装置、设备和计算机可读存储介质，用于实现上述实施例提供的付费用户预测方法，解决了现有技术中如何准确预测潜在的付费用户，提升促销成功率的技术问题，与现有技术相比，本发明实施例所提供的付费用户预测方法、装置、设备和计算机可读存储介质的有益效果与上述实施例的付费用户预测方法的有益效果相同，在此不做赘述。
177.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有
的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
178.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
179.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。