主播稳定留存率的预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种主播稳定留存率的预测方法、装置、设备及存储介质。其中，方法包括：获取主播的直播数据和用户的行为数据；根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。本发明专利技术实施例无需等到计算日6天后才得到，计算日当日就可以有效预测稳定留存率，能够及时进行运营策略的调整以及主播资源再分配。

Prediction Method, Device, Equipment and Storage Medium of Stable Retention Rate of Anchor

【技术实现步骤摘要】
主播稳定留存率的预测方法、装置、设备及存储介质
本专利技术实施例涉及直播技术，尤其涉及一种主播稳定留存率的预测方法、装置、设备及存储介质。
技术介绍
在直播领域，用户在直播平台的稳定留存率能够有效地衡量主播的新用户稳定粘性，是经过验证的、有参考价值且已有效沉淀的用于评估主播的核心指标。目前，t日的稳定留存率的计算公式为：主播t日的新用户在接下来的t+6日中，进入主播直播间3日以上的独立访客数(UV)与进入主播直播间2日以上的独立访客数的比值。显然，t日的稳定留存率需要等到6日后才能统计出来，计算存在滞后性，难以尽早地得到t日的稳定留存率，不利于及时进行运营策略的调整以及主播资源再分配。
技术实现思路
本专利技术实施例提供一种主播稳定留存率的预测方法、装置、设备及存储介质，以尽早地得到t日的稳定留存率。第一方面，本专利技术实施例提供了一种主播稳定留存率的预测方法，包括：获取主播的直播数据和用户的行为数据；根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。第二方面，本专利技术实施例还提供了一种主播稳定留存率的预测装置，包括：获取模块，用于获取主播的直播数据和用户的行为数据；统计模块，用于根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；获得模块，用于将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的主播稳定留存率的预测方法。第四方面，本专利技术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任一实施例所述的主播稳定留存率的预测方法。本专利技术实施例中，通过获取主播的直播数据和用户的行为数据，并根据主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，从而采用计算日内，能够影响稳定留存率的直播指标和行为指标，预测稳定留存率，有利于提高稳定留存率的准确性，从而更全面地对主播进行评估；通过将计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率，从而通过预测模型得到与计算指标对应的稳定留存率，无需等到计算日6天后才得到，计算日当日就可以有效预测稳定留存率，能够及时进行运营策略的调整以及主播资源再分配。附图说明图1是本专利技术实施例一提供的一种主播稳定留存率的预测方法的流程图；图2是本专利技术实施例二提供的一种主播稳定留存率的预测方法的流程图；图3是本专利技术实施例三提供的一种主播稳定留存率的预测方法的流程图；图4是本专利技术实施例四提供的一种主播稳定留存率的预测装置的结构示意图；图5是本专利技术实施例五提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的一种主播稳定留存率的预测方法的流程图，本实施例可适用于在稳定留存率的计算日，预测主播稳定留存率的情况，该方法可以由主播稳定留存率的预测装置来执行，该装置可以由硬件和/或软件构成，并一般集成在电子设备中。结合图1，本实施例提供的方法具体包括如下操作：S110、获取主播的直播数据和用户的行为数据。在一可选实施方式中，电子设备拉取一主播的直播视频流，直播视频流除了包括直播图像，还包括直播间用户数、弹幕、礼物、评论等各种数据。基于此，从直播图像中获取主播的直播数据，例如直播时间，直播间用户数；还可以从直播图像中获取直播间内用户的行为数据，例如用户发送的弹幕、礼物等。在另一可选实施方式中，主播侧设备上播、下播，用户侧设备发送弹幕、礼物等均会向直播服务器发送相应的数据，则电子设备从直播服务器获取主播的直播数据和用户的行为数据。S120、根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标。本实施例中，计算指标包括：计算日内，主播的直播指标和所述用户的行为指标。值得说明的是，由于计算指标为稳定留存率的计算日的指标，在获取主播的直播数据和用户的行为数据时，可以仅获取计算日的直播数据的行为数据即可。可选地，主播的直播指标至少包括：开播时长和预设时长转化率中的一种；所述用户的行为指标至少包括：弹幕率、人均发弹幕数和订阅率中的一种。其中，开播时长为主播在计算日的开播总时长。预设时长包括5分钟、10分钟、30分钟、60分钟等，预设时长转化率为直播观看时长达到预设时长以上的用户数与用户总数的比值。弹幕率为发送弹幕的用户数与用户总数的比值。人均发弹幕率为发送弹幕总数与用户总数的比值。订阅率为计算日新增订阅数与新增用户的比值。S130、将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。从上述统计指标中可以看出，主播的直播指标和用户的行为指标能够一定程度上反映用户对主播的喜爱程度，进而直接影响了新增用户的粘性，在接下来的几天中，如果新用户粘性大，则会频繁进入该主播的直播间，如果新用户粘性小，则会较少进入该主播的直播间，从而影响到主播对新用户的稳定留存率。本实施例中，为了尽快得到稳定留存率，获取能够影响稳定留存率的计算指标，在计算日当日就预测稳定留存率。具体地，预先训练一预测模型，用于输入计算指标，并输出计算日的稳定留存率。基于此，将S120统计的计算指标输入至预测模型中，得到计算日的稳定留存率。可选地，预测模型包括但不限于回归预测模型、卡尔曼滤波预测模型和神经网络预测模型。本专利技术实施例中，通过获取主播的直播数据和用户的行为数据，并根据主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，从而采用计算日内，能够影响稳定留存率的直播指标和行为指标，预测稳定留存率，有利于提高稳定留存率的准确性，从而更全面地对主播进行评估；通过将计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率，从而通过预测模型得到与计算指标对应的稳定留存率，无需等到计算日6天后才得到，计算日当日就可以得到稳定留存率，能够及时进行运营策略的调整以及主播资源再分配。实施例二本实施例对上述实施例的各可选实施方式进一步优化，具体地，在计算指标中加入增长率指标和/或历史指标。图2是本专利技术实施例二提供的一种主播稳定留存率的预测方法的流程图，包括以下操作：S210、获取主播的直播数据和用户的行为数据。S220、根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标。所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；还包括：增长率指标和/或历史指标。对于增长率指标：计算日的历史时段内主播的直播指标相对于计算日的增长率，以及所述历史时段内所述用户的行为指标相对于计算日的增长率。其中，历史时段可以是计算日之前的任意长度的时段。现有的稳定留存率的计算公式为：主播t日(计算日)的新用户在接下来的t+6日中，进入主播直本文档来自技高网...

【技术保护点】
1.一种主播稳定留存率的预测方法，其特征在于，包括：获取主播的直播数据和用户的行为数据；根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。

【技术特征摘要】
1.一种主播稳定留存率的预测方法，其特征在于，包括：获取主播的直播数据和用户的行为数据；根据所述主播的直播数据和用户的行为数据，统计稳定留存率的计算指标，所述计算指标包括：计算日内，主播的直播指标和所述用户的行为指标；将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率。2.根据权利要求1所述的方法，其特征在于，所述主播的直播指标至少包括：开播时长和预设时长转化率中的一种；所述用户的行为指标至少包括：弹幕率、人均发弹幕数和订阅率中的一种。3.根据权利要求1所述的方法，其特征在于，所述计算指标还包括：所述计算日的历史时段内主播的直播指标相对于计算日的增长率，以及所述历史时段内所述用户的行为指标相对于计算日的增长率。4.根据权利要求3所述的方法，其特征在于，所述计算指标还包括：所述历史时段内，主播的综合直播指标和所述用户的综合行为指标，和/或，所述历史时段内的综合稳定留存率。5.根据权利要求1-4任一项所述的方法，其特征在于，在所述将所述计算指标输入至预设的预测模型中，得到所述计算日的稳定留存率之前，还包括：获取历史计算日的稳定留存率样本和所述稳定留存率样本的计算指标样本；根据所述计算指标样本和所述稳定留存率样本，训练预测模型。6.根据权利要求5所述的方法，其特征在于，在所述获取历史计算日的稳定留存率样本和所述稳定留存率样本的计...

【专利技术属性】
技术研发人员：赵凡，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44