本发明涉及人工智能,特别是指一种用户流失分析方法及用户流失分析装置。
背景技术:
1、随着用户体量的增长和拉新成本上升,通过精准的召回策略,可以拉长用户的留存周期、降低获客成本,流失用户召回对于智能电视用户运营变得尤为重要,而制定精准高效的召回策略则需要定位到用户的流失原因。
2、目前用户流失原因分析存在效率较低、准确率较低的问题。
技术实现思路
1、本发明要解决的技术问题是提供一种用户流失分析方法及用户流失分析装置,能够提升用户流失原因分析的效率和准确性。
2、为解决上述技术问题,本发明的实施例提供技术方案如下:
3、一方面,本发明的实施例提供一种用户流失分析方法,包括:
4、根据所有用户在点播业务的流失天数和留存率确定流失用户;
5、根据流失用户在流失前的用户播放媒资数据和播放媒资对应的题材标签确定所述流失用户的家庭角色标签;
6、获取所述流失用户在流失前的以下至少一项第一数据:点播业务收藏数据、搜索数据、播放数据、订购数据、直播业务的播放数据、小屏视频的播放数据,并根据所述至少一项第一数据对流失用户进行聚类,得到所述流失用户的分类标签;
7、输出每一流失用户的家庭角色标签和分类标签。
8、一些实施例中,输出每一流失用户的家庭角色标签和分类标签之后,所述方法还包括:
9、根据所述家庭角色标签和所述分类标签对所述流失用户进行分类,将所述流失用户分为多个类别;
10、获取每一类别的流失用户的统计类特征。
11、一些实施例中,所述根据所有用户在点播业务的流失天数和留存率确定流失用户包括:
12、获取所有用户在点播业务的流失天数和留存率,根据所述流失天数和留存率得到留存率曲线;
13、确定所述留存率曲线的拐点,并根据所述拐点确定对应的阈值天数t,确定连续t天没有播放行为的用户为流失用户且所述流失用户在第t天流失。
14、一些实施例中,根据流失用户在流失前的用户播放媒资数据和播放媒资对应的题材标签确定所述流失用户的家庭角色标签包括:
15、获取所述流失用户在流失前m天的播放媒资数据和播放媒资对应的题材标签,m为正整数;
16、根据所述播放媒资数据和播放媒资对应的题材标签确定每一所述流失用户的题材偏好;
17、根据每一所述流失用户的题材偏好和题材对应的家庭角色确定每一所述流失用户的家庭角色标签,所述家庭角色标签包括以下至少一项:老人、少儿和年轻人。
18、一些实施例中,所述播放媒资数据包括播放次数和播放时长,所述根据所述播放媒资数据和播放媒资对应的题材标签确定每一所述流失用户的题材偏好包括:
19、根据每一题材标签对应的播放媒资的播放次数和播放时长计算每一题材标签的得分;
20、选择得分最高的k个题材标签对应的题材作为所述流失用户的题材偏好,k为正整数。
21、一些实施例中,根据所述至少一项第一数据对流失用户进行聚类,得到所述流失用户的分类标签包括:
22、获取所述流失用户在流失前n天的所述第一数据,n为正整数;
23、根据所有流失用户的所述第一数据建立第一矩阵,所述第一矩阵中的元素为每一流失用户在所述n天中的每一天的第一数据;
24、对所述第一矩阵中的元素进行归一化处理,得到第二矩阵;
25、利用聚类模型对所述第二矩阵中的元素进行聚类,得到k个类簇,并得到每个类簇的分类标签。
26、一些实施例中,对所述第一矩阵中的元素进行归一化处理之前,所述方法还包括:
27、去除所述第一矩阵中的异常元素。
28、一些实施例中,利用聚类模型对所述第二矩阵中的元素进行聚类包括:
29、将所述第二矩阵输入聚类模型,设置k的多个候选取值;
30、计算不同元素间的欧氏距离,根据欧氏距离对元素进行聚类,得到k个类簇;
31、计算k的不同候选取值对应的calinski-harabasz值,选择calinski-harabasz值最大的候选取值对应的分类标签作为所述聚类模型的输出结果。
32、本发明实施例还提供了一种用户流失分析装置,包括:
33、第一确定模块,用于根据所有用户在点播业务的流失天数和留存率确定流失用户;
34、第二确定模块,用于根据流失用户在流失前的用户播放媒资数据和播放媒资对应的题材标签确定所述流失用户的家庭角色标签;
35、处理模块,用于获取所述流失用户在流失前的以下至少一项第一数据:点播业务收藏数据、搜索数据、播放数据、订购数据、直播业务的播放数据、小屏视频的播放数据,并根据所述至少一项第一数据对流失用户进行聚类,得到所述流失用户的分类标签;
36、输出模块,用于输出每一流失用户的家庭角色标签和分类标签。
37、本发明实施例还提供了一种用户流失分析装置,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计算机程序;所述处理器执行所述程序时实现如上所述的用户流失分析方法。
38、本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的用户流失分析方法中的步骤。
39、本发明的实施例具有以下有益效果:
40、上述方案中,根据第一数据对流失用户进行聚类,得到流失用户的分类标签,能够提高流失用户分析的效率;第一数据中不仅包括点播业务收藏数据、搜索数据、播放数据、订购数据,还包括直播业务的播放数据、小屏视频的播放数据,能够提高流失用户分析的准确率,另外还输出流失用户的家庭角色标签,有利于制定更精准的用户召回策略。
1.一种用户流失分析方法,其特征在于,包括:
2.根据权利要求1所述的用户流失分析方法,其特征在于,输出每一流失用户的家庭角色标签和分类标签之后,所述方法还包括:
3.根据权利要求1所述的用户流失分析方法,其特征在于,所述根据所有用户在点播业务的流失天数和留存率确定流失用户包括:
4.根据权利要求1所述的用户流失分析方法,其特征在于,根据流失用户在流失前的用户播放媒资数据和播放媒资对应的题材标签确定所述流失用户的家庭角色标签包括:
5.根据权利要求4所述的用户流失分析方法,其特征在于,所述播放媒资数据包括播放次数和播放时长,所述根据所述播放媒资数据和播放媒资对应的题材标签确定每一所述流失用户的题材偏好包括:
6.根据权利要求1所述的用户流失分析方法,其特征在于,根据所述至少一项第一数据对流失用户进行聚类,得到所述流失用户的分类标签包括:
7.根据权利要求6所述的用户流失分析方法,其特征在于,对所述第一矩阵中的元素进行归一化处理之前,所述方法还包括:
8.根据权利要求6所述的用户流失分析方法,其特征在于,利用聚类模型对所述第二矩阵中的元素进行聚类包括:
9.一种用户流失分析装置,其特征在于,包括:
10.一种用户流失分析装置,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计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的用户流失分析方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的用户流失分析方法中的步骤。