用户引导方法、装置、计算机设备以及存储介质制造方法及图纸

本公开提供了一种用户引导方法、装置、计算机设备以及存储介质，首先可以获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；根据每个待测用户的特征数据和训练好的意向预测模型，确定每个待测用户针对目标课程的目标参与意向度；根据每个待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个待测用户所属的意向集合以及与意向集合对应的引导方式。通过用户的特征数据可以高效准确地预测出体现用户针对目标课程的参与意向的参与意向度，以及确定每个用户所属的意向集合，以便根据对应意向集合的引导方式对用户进行针对性的引导，从而既可以有效提升课程的到课率，又可以提高教育机构的工作效率。

【技术实现步骤摘要】
用户引导方法、装置、计算机设备以及存储介质
本公开涉及计算机
，具体而言，涉及一种用户引导方法、装置、计算机设备以及存储介质。
技术介绍
对于完成课程报名的多个用户，由于每个用户对课程的实际参与意向是不同的，通常需要教育机构通过对报名用户进行回访沟通来预估多个用户针对目标课程的参与情况。然而，回访沟通的方式所需要的人工成本较高且效率较低，也无法获得较准确的信息。
技术实现思路
本公开实施例至少提供一种用户引导方法、装置、计算机设备以及存储介质。第一方面，本公开实施例提供了一种用户引导方法，所述方法包括：获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度；根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式。在一种可能的实施方式中，所述特征数据包括下述至少一种数据：所述待测用户针对所述目标课程的订单特征数据、所述待测用户针对报名过的预设课程的下单特征数据、所述待测用户针对报名过的预设课程的学习行为特征数据、所述待测用户与教育机构的沟通特征数据、以及所述待测用户基于课程应用的交互特征数据。在一种可能的实施方式中，所述获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据，包括：获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的原始数据；对所述原始数据进行预设特征处理，得到每个所述待测用户的特征数据，其中，所述预设特征处理包括特征离散化处理、针对缺失数据的缺失值处理、以及针对具备相关性的数据的特征选择处理中的至少一项。在一种可能的实施方式中，所述意向预测模型包括数据融合子模型和多个初步预测子模型，其中，所述多个初步预测子模型中各初步预测子模型的类型不同；所述根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对目标课程的目标参与意向度，包括：将每个所述待测用户的特征数据分别输入多个所述初步预测子模型，分别得到每个所述待测用户针对所述目标课程的多个初步参与意向度；将每个所述待测用户对应的多个初步参与意向度输入到所述数据融合子模型，得到每个所述待测用户针对所述目标课程的目标参与意向度。在一种可能的实施方式中，所述初步预测子模型包括随机森林模型、自适应增强模型、多层感知模型和极端随机树模型中的一种。在一种可能的实施方式中，所述根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式，包括：按照对应的所述目标参与意向度从高到低的顺序，对所述多个待测用户进行排序；基于各个所述待测用户的名次、以及不同的意向集合对应的用户名次区间，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式；其中，各所述意向集合对应引导方式的引导力度不同，用户名次区间越靠前的所述意向集合所对应的引导方式的引导力度越弱。在一种可能的实施方式中，所述方法还包括：针对每个所述意向集合，向该意向集合中的所述待测用户推送与该意向集合的引导方式对应引导消息；其中，所述引导消息包含的消息内容，与所述引导消息对应的所述引导方式的引导力度相匹配。在一种可能的实施方式中，通过以下步骤训练得到参与意向预测模型：获取预设历史时间段内报名参与样本课程的多个样本用户中每个样本用户的样本特征数据；根据每个所述样本用户的样本特征数据和待训练的意向预测模型，确定每个所述样本用户针对所述样本课程的样本目标参与意向度；根据每个所述样本用户的样本目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述样本用户所属的意向集合；确定至少一个所述意向集合的实际到课率与对应的期望到课率的差值，并基于所述差值调整所述待训练的意向预测模型的参数，完成一次训练；经过对所述待训练的参与意向预测模型的多轮训练，得到所述训练好的参与意向预测模型。在一种可能的实施方式中，所述获取预设历史时间段内报名参与样本课程的多个样本用户中每个样本用户的样本特征数据，包括：获取预设历史时间段内进行课程报名的多个样本用户中每个样本用户的原始样本数据；对所述原始样本数据进行预设特征处理，得到每个所述样本用户的样本特征数据，其中，所述预设特征处理包括特征离散化处理、针对缺失数据的缺失值处理、以及针对具备相关性的数据的特征选择处理中的至少一项。在一种可能的实施方式中，所述根据每个所述样本用户的样本目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述样本用户所属的意向集合，包括：按照对应的所述样本目标参与意向度从高到低的顺序，对所述多个样本用户进行排序；基于各个所述样本用户的名次、以及不同的意向集合对应的用户名次区间，确定每个所述样本用户所属的意向集合；其中，各所述意向集合对应的期望到课率不同，用户名次区间越靠前的所述意向集合所对应的期望到课率越高。第二方面，本公开实施例提供了一种用户引导装置，所述装置包括：数据获取模块，用于获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；意向预测模块，用于根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度；数据分类模块，用于根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式。在一种可能的实施方式中，所述特征数据包括下述至少一种数据：所述待测用户针对所述目标课程的订单特征数据、所述待测用户针对报名过的预设课程的下单特征数据、所述待测用户针对报名过的预设课程的学习行为特征数据、所述待测用户与教育机构的沟通特征数据、以及所述待测用户基于课程应用的交互特征数据。在一种可能的实施方式中，所述数据获取模块在用于获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据时，具体用于：获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的原始数据；对所述原始数据进行预设特征处理，得到每个所述待测用户的特征数据，其中，所述预设特征处理包括特征离散化处理、针对缺失数据的缺失值处理、以及针对具备相关性的数据的特征选择处理中的至少一项。在一种可能的实施方式中，所述意向预测模型包括数据融合子模型和多个初步预测子模型，其中，所述多个初步预测子模型中各初步预测子模型的类型不同；所述意向预测模块在用于根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度时，具体用于本文档来自技高网...

【技术保护点】
1.一种用户引导方法，其特征在于，所述方法包括：/n获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；/n根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度；/n根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式。/n

【技术特征摘要】
1.一种用户引导方法，其特征在于，所述方法包括：
获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；
根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度；
根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式。


2.根据权利要求1所述的方法，其特征在于，所述特征数据包括下述至少一种数据：
所述待测用户针对所述目标课程的订单特征数据、所述待测用户针对报名过的预设课程的下单特征数据、所述待测用户针对报名过的预设课程的学习行为特征数据、所述待测用户与教育机构的沟通特征数据、以及所述待测用户基于课程应用的交互特征数据。


3.根据权利要求1所述的方法，其特征在于，所述获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据，包括：
获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的原始数据；
对所述原始数据进行预设特征处理，得到每个所述待测用户的特征数据，其中，所述预设特征处理包括特征离散化处理、针对缺失数据的缺失值处理、以及针对具备相关性的数据的特征选择处理中的至少一项。


4.根据权利要求1所述的方法，其特征在于，所述意向预测模型包括数据融合子模型和多个初步预测子模型，其中，所述多个初步预测子模型中各初步预测子模型的类型不同；
所述根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度，包括：
将每个所述待测用户的特征数据分别输入多个所述初步预测子模型，分别得到每个所述待测用户针对所述目标课程的多个初步参与意向度；
将每个所述待测用户对应的多个初步参与意向度输入到所述数据融合子模型，得到每个所述待测用户针对所述目标课程的目标参与意向度。


5.根据权利要求4述的行为预测方法，其特征在于，所述初步预测子模型包括随机森林模型、自适应增强模型、多层感知模型和极端随机树模型中的一种。


6.根据权利要求1所述的方法，其特征在于，所述根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式，包括：
按照对应的所述目标参与意向度从高到低的顺序，对所述多个待测用户进行排序；
基于各个所述待测用户的名次、以及不同的意向集合对应的用户名次区间，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式；
其中，各所述意向集合对应引导方式的引导力度不同，用户名次区间越靠前的所述意向集合所对应的引导方式的引导力度越弱。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
针对每个所述意向集合，向该意向集合中的所述待测用户推送与该意向集合的引导方式对应引导消息；

【专利技术属性】
技术研发人员：许彩霞，李志纲，孔洋洋，
申请(专利权)人：北京乐学帮网络技术有限公司，
类型：发明
国别省市：北京;11