本申请提供一种目标对象成交概率的预测方法、装置、设备及存储介质,包括:获取用户访问目标对象的访问行为数据;对获取到的访问行为数据进行数据分析,得到在预设的多个访问行为指标下的统计量;将所述统计量输入至已训练的成交时间预测模型,并获取所述成交时间预测模型输出的成交时间段预测结果,并基于成交时间段预测结果确定该用户购买目标对象的成交时间段;将统计量输入至已训练的购买意愿度预测模型,以由购买意愿度预测模型预测并输出购买意愿度预测结果,并基于购买意愿度预测结果确定用户购买目标对象的购买意愿度;基于成交时间段和购买意愿度,确定该用户购买目标对象的成交概率,从而实现了目标对象成交概率的自动预测。动预测。动预测。
【技术实现步骤摘要】
目标对象成交概率的预测方法、装置、设备及存储介质
[0001]本申请涉及计算机通信领域,尤其涉及一种目标对象成交概率的预测方法、装置、设备及存储介质。
技术介绍
[0002]在现有的商品销售中,销售人员采用相同的销售策略对所有用户进行销售。然而,不同的用户购买目标对象的成交概率是不同的。
[0003]因此,如何确定出用户购买目标对象的成交概率,使得销售人员基于成交概率选择不同的销售策略对不同用户进行销售具有重要意义。
技术实现思路
[0004]有鉴于此,本申请提供一种目标对象成交概率的预测方法、装置、设备及存储介质,用于预测目标对象的成交概率。
[0005]具体地,本申请是通过如下技术方案实现的:
[0006]根据本申请的第一方面,提供一种目标对象成交概率的预测方法,所述方法包括:
[0007]获取用户访问目标对象的访问行为数据;
[0008]对获取到的访问行为数据进行数据分析,得到在预设的多个访问行为指标下的统计量;
[0009]将所述统计量输入至已训练的成交时间预测模型,并获取所述成交时间预测模型输出的成交时间段预测结果,并基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段;
[0010]将所述统计量输入至已训练的购买意愿度预测模型,以由所述购买意愿度预测模型预测并输出购买意愿度预测结果,并基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度;
[0011]基于所述成交时间段和所述购买意愿度,确定该用户购买该目标对象的成交概率。
[0012]可选的,所述成交时间段预测结果包括:N个成交时间段及其对应的概率值;其中,每个成交时间段对应的概率值表征所述用户购买所述目标对象的成交时间在该成交时间段内的概率;
[0013]所述基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段,包括:
[0014]在N个成交时间段中,选择概率值最大的成交时间段,作为所述用户购买所述目标对象的成交时间段。
[0015]可选的,所述购买意愿度预测结果包括:N个成交时间段的购买意愿度;
[0016]所述基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度,包括:
[0017]基于N个成交时间段的购买意愿度、以及预设的N个成交时间段分别对应的权重,确定所述用户购买该目标对象的购买意愿度。
[0018]可选的,所述成交时间预测模型通过如下方式训练:
[0019]获取多个已成交用户对应的统计量、以及各已成交用户购买目标对象的成交时间;所述统计量基于所述多个已成交用户访问目标对象的访问行为数据进行数据分析得到;
[0020]以各已成交用户对应的统计量作为样本,以各已成交用户购买目标对象的成交时间作为标定值训练所述成交时间预测模型。
[0021]可选的,所述购买意愿度预测模型通过如下方式训练:
[0022]获取多个已成交用户对应的统计量、以及各已成交用户购买目标对象的购买意愿度;所述统计量基于多个已成交用户访问目标对象的访问行为数据进行数据分析得到;
[0023]以各已成交用户对应的统计量为样本,以各已成交用户购买目标对象的购买意愿度为标定值,形成多个样本标定值对应关系;
[0024]将多个样本标定值对应关系进行分组,得到M个样本标定值组;
[0025]分别采用M个样本标定值组对预设的M个购买意愿度预测子模型进行训练;
[0026]将训练好的M个购买意愿度预测子模型进行融合,得到所述购买意愿度模型。
[0027]根据本申请的第二方面,提供一种目标对象成交概率的预测装置,所述装置包括:
[0028]获取单元,用于获取用户访问目标对象的访问行为数据;
[0029]分析单元,用于对获取到的访问行为数据进行数据分析,得到在预设的多个访问行为指标下的统计量;
[0030]第一确定单元,用于将所述统计量输入至已训练的成交时间预测模型,并获取所述成交时间预测模型输出的成交时间段预测结果,并基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段;
[0031]第二确定单元,用于将所述统计量输入至已训练的购买意愿度预测模型,以由所述购买意愿度预测模型预测并输出购买意愿度预测结果,并基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度;
[0032]第三确定单元,用于基于所述成交时间段和所述购买意愿度,确定该用户购买该目标对象的成交概率。
[0033]可选的,所述成交时间段预测结果包括:N个成交时间段及其对应的概率值;其中,每个成交时间段对应的概率值表征所述用户购买所述目标对象的成交时间在该成交时间段内的概率;
[0034]所述第一确定单元,在基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段时,具体用于在N个成交时间段中,选择概率值最大的成交时间段,作为所述用户购买所述目标对象的成交时间段。
[0035]可选的,所述购买意愿度预测结果包括:N个成交时间段的购买意愿度;
[0036]所述第二确定单元,在基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度时,用于基于N个成交时间段的购买意愿度、以及预设的N个成交时间段分别对应的权重,确定所述用户购买该目标对象的购买意愿度。
[0037]根据本申请的第三方面,提供一种电子设备,包括处理器和机器可读存储介质,所
述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使执行上述目标对象成交概率的预测方法。
[0038]根据本申请的第四方面,提供一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,在被处理器调用和执行时,所述机器可执行指令促使所述处理器执行上述目标对象成交概率的预测方法。
[0039]由上述描述可知,电子设备可基于用户访问目标对象的访问行为数据和已训练好的成交时间预测模型,预测出该用户购买目标对象的成交时间段。此外,电子设备还可基于用户访问目标对象的访问行为数据和已训练好的购买意愿度预测模型,确定出该用户购买目标对象的购买意愿度。然后,电子设备基于预测出的购买时间段和购买意愿度,确定出该用户购买目标对象的成交概率,从而实现了用户购买目标对象的成交概率的预测。
附图说明
[0040]图1是本申请一示例性实施例示出的一种目标对象成交概率的预测方法的流程图;
[0041]图2是本申请一示例性实施例示出的一种电子设备的硬件结构图;
[0042]图3是本申请一示例性实施例示出的一种目标对象成交概率的预测装置的框图。
具体实施方式
[0043]这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标对象成交概率的预测方法,其特征在于,所述方法包括:获取用户访问目标对象的访问行为数据;对获取到的访问行为数据进行数据分析,得到在预设的多个访问行为指标下的统计量;将所述统计量输入至已训练的成交时间预测模型,并获取所述成交时间预测模型输出的成交时间段预测结果,并基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段;将所述统计量输入至已训练的购买意愿度预测模型,以由所述购买意愿度预测模型预测并输出购买意愿度预测结果,并基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度;基于所述成交时间段和所述购买意愿度,确定该用户购买该目标对象的成交概率。2.根据权利要求1所述的方法,其特征在于,所述成交时间段预测结果包括:N个成交时间段及其对应的概率值;其中,每个成交时间段对应的概率值表征所述用户购买所述目标对象的成交时间在该成交时间段内的概率;所述基于所述成交时间段预测结果确定该用户购买目标对象的成交时间段,包括:在N个成交时间段中,选择概率值最大的成交时间段,作为所述用户购买所述目标对象的成交时间段。3.根据权利要求1所述的方法,其特征在于,所述购买意愿度预测结果包括:N个成交时间段的购买意愿度;所述基于所述购买意愿度预测结果确定该用户购买该目标对象的购买意愿度,包括:基于N个成交时间段的购买意愿度、以及预设的N个成交时间段分别对应的权重,确定所述用户购买该目标对象的购买意愿度。4.根据权利要求1所述的方法,其特征在于,所述成交时间预测模型通过如下方式训练:获取多个已成交用户对应的统计量、以及各已成交用户购买目标对象的成交时间;所述统计量基于所述多个已成交用户访问目标对象的访问行为数据进行数据分析得到;以各已成交用户对应的统计量作为样本,以各已成交用户购买目标对象的成交时间作为标定值训练所述成交时间预测模型。5.根据权利要求1所述的方法,其特征在于,所述购买意愿度预测模型通过如下方式训练:获取多个已成交用户对应的统计量、以及各已成交用户购买目标对象的购买意愿度;所述统计量基于多个已成交用户访问目标对象的访问行为数据进行数据分析得到;以各已成交用户对应的统计量为样本,以各已成交用户购买目标对象的购买意愿度为标定值,形成多个样本标定值对应关系;将多个样本标定值...
【专利技术属性】
技术研发人员:赵静,张嘉成,
申请(专利权)人:浙江大搜车软件技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。