(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211218216.6 (22)申请日 2022.09.30 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一 街2号鸿城 拓展大厦10、 1 1层 (72)发明人 喻想想　张徵　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 曾军 (51)Int.Cl. G06Q 30/02(2012.01) (54)发明名称 用户价值的预测方法、 装置、 设备及计算机 可读介质 (57)摘要 本申请涉及一种用户价值的预测方法、 装 置、 设备及计算机可读介质。 该方法包括： 获取目 标对象的元特征和实际行为特征； 修改实际行为 特征的数值得到第一行为特征和第二行为特征， 并基于元特征和第一行为特征衍生出目标对象 对应的第一虚拟对象、 基于元特征和第二行为特 征衍生出目标对象对应的第二虚拟对象； 分别将 第一虚拟对象和第二虚拟对象的特征输入留存 预测模型， 得到第一虚拟对象在目标日期后的目 标时段内对目标产品的第一留存天数和第二虚 拟对象在目标日期后的目标时段内对目标产品 的第二存留天数； 将第一留存天数与第二留存天 数的差值确定为目标对象 的用户价值。 本申请解 决了用户价值预测不精准导致广告预算利用率 低的技术问题。 权利要求书3页 说明书12页 附图3页 CN 115496539 A 2022.12.20 CN 115496539 A 1.一种用户价 值的预测方法， 其特 征在于， 包括： 获取目标对象的元特征和实 际行为特征， 其中， 所述元特征用于表征所述目标对象的 用户属性， 所述实际行为特 征用于表征 所述目标对象对目标产品的实际使用行为； 修改所述实际行为特征的数值得到第 一行为特征和第 二行为特征， 并基于所述元特征 和所述第一行为特征衍生出所述目标对象对应的第一虚拟对象、 基于所述元特征和所述第 二行为特征衍生出所述 目标对象对应的第二虚拟对 象， 其中， 所述第一行为特征用于表征 所述第一虚拟对象在目标日期 被投放广告且于所述目标日期使用了所述目标产品， 所述第 二行为特征用于表征所述第二虚拟对 象在所述目标日期未被投放广告且于所述目标日期 未使用所述目标产品； 分别将所述第 一虚拟对象和所述第 二虚拟对象的特征输入留存预测模型， 得到所述留 存预测模型预测得到的所述第一虚拟对 象在所述目标日期后的目标时段内对所述目标产 品的第一留存天数和所述第二虚拟对 象在所述目标日期后的目标时段内对所述目标产品 的第二存留天数， 其中， 所述留存预测模型为预先使用多个用户的元特征和实际行为特征 作为训练数据训练得到的； 将所述第一留存天数与所述第二留存天数的差值确定为所述目标对象的用户价 值。 2.根据权利要求1所述的方法， 其特征在于， 所述分别将所述第 一虚拟对象和所述第 二 虚拟对象的特征输入留存预测模型之前， 所述方法还包括按照如下方式训练所述留存预测 模型： 在历史日期中选 定多个基准日期； 以每一个所述基准日期为基准构造训练样本， 得到多组所述训练样本； 将多组所述训练样本合并输入至目标回归 模型中进行训练， 得到所述留存预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述以每一个所述基准日期为基准构造训 练样本， 得到多组所述训练样本中， 任一组所述训练样本按照以下 方式进行构造： 基于用户 属性信息和历史行为数据构造每个用户的元特征和以所述基准日期为基准 的实际行为特 征； 按照用户在所述基准日期之前的历史活跃时段对每个用户的所述元特征和所述实际 行为特征进行分类、 拼接， 以构造推理样本； 以用户在所述基准日期之后的所述目标时段内的留存天数为标签， 将每个用户的标签 和对应的所述推理样本进行拼接， 得到以所述基准日期为基准的一组所述训练样本 。 4.根据权利要求3所述的方法， 其特征在于， 所述目标产品包括视频流媒体平台， 所述 基于用户属 性信息和历史行为数据构造每个用户的元特征和以所述基准日期为基准的实 际行为特 征包括： 利用用户性别、 年龄、 职业、 常驻地区、 设备型号、 消费水平、 教育程度、 视频会员类型、 视频会员起止时间以及视频偏好中至少之一作为所述元 特征； 统计用户在所述基准日期之前的多个时段的视频累计播放次数、 累计播放时长、 平均 完播率以及视频播 放个数中的至少之一得到站内统计特 征作为所述实际行为特 征； 统计用户在所述基准日期之前的预设时段的登录天数和沉默天数得到用户登录特征 作为所述实际行为特 征； 统计用户在所述基准日期之前的预设时段内对站外投放广告的历史点击次数得到广权　利　要　求　书 1/3 页 2 CN 115496539 A 2告点击特 征作为所述实际行为特 征； 统计用户在所述基准日期之前的预设时段中被站外广告拉起次数得到站外广告拉起 特征作为所述实际行为特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述按照用户的历史活跃时段对每个用户 的所述元 特征和实际行为特 征进行分类、 拼接， 以构造推理样本包括： 确定每个用户的历史 活跃时段； 从每个用户的多个时段的所述站内统计特征中筛选出对应所述历史活跃时段的目标 站内统计特 征； 将每个用户的所述元特征、 所述目标站内统计特征、 所述用户登录特征、 所述广告点击 特征以及所述站外广告拉起特 征进行拼接， 得到对应用户的所述推理样本 。 6.根据权利要求3所述的方法， 其特征在于， 所述以用户在所述基准日期之后的所述目 标时段内的留存天数为标签， 将每个用户的标签和对应的所述推理样本进行拼接， 得到以 所述基准日期为基准的一组所述训练样本包括： 对在所述基准日期被投放广告且被拉起的用户、 在所述基准日期被投放广告且未被拉 起的用户以及在所述基准日期未被投放广告的用户的所述推理样本按照预设比例进行采 样； 将采样后的所述推理样本与对应用户的所述标签进行拼接， 得到所述训练样本 。 7.根据权利要求2所述的方法， 其特征在于， 所述得到所述留存预测模型之后， 所述方 法还包括按照如下 方式对所述留存预测模型进行验证： 为验证样本中的每 个用户构建所述第一虚拟对象和所述第二虚拟对象； 逐一将每个用户对应的所述第一虚拟对象和所述第二虚拟对象的特征输入所述留存 预测模型， 得到每个用户对应的所述第一虚拟对象在目标日期 被投放广告后的目标时段内 对目标产品的第三留存天数和每个用户对应的所述第二虚拟对 象在目标日期未被投放广 告后的目标时段内对目标产品的第四留存天数； 将每个用户的所述第三留存天数与所述第四留存天数的差值确定为对应用户的用户 价值； 按照所述用户价值从高到低的顺序进行排序， 并按照目标比例确定排序中的目标位 置， 以将所述 目标位置之前 的用户确定为高价值用户， 将所述 目标位置之后的用户确定为 低价值用户； 将所有所述高价值用户的所述第三留存天数的平均值减去所述第四留存天数的平均 值， 得到第一增益， 并将所有所述低价值用户的所述第三留存天数 的平均值减去所述第四 留存天数的平均值， 得到第二增益； 在所述第一增益大于所述第二增益的情况， 确定所述留存预测模型验证有效。 8.一种用户价 值的预测装置， 其特 征在于， 包括： 特征获取模块， 用于获取目标对象的元特征和实际行为特征， 其中， 所述元特征用于表 征所述目标对象的用户属性， 所述实际行为特征用于表征所述目标对象对目标产品的实际 使用行为； 对象衍生模块， 用于修改所述实际行为特征的数值得到第一行为特征和第二行为特 征， 并基于所述元特征和所述第一行为特征衍生出所述 目标对象对应的第一虚拟对 象、 基权　利　要　求　书 2/3 页 3 CN 115496539 A 3