本发明涉及网络信息技术领域,尤其是一种客户属性离散化指标转化率的静态预测方法。
背景技术:
对于网站设计者来说,如何让网站访客的浏览行为更多的转化为实际点击率,是评价一个网站质量高低的一项重要指标。为了对网站内容进行及时更新,需要根据历史数据对访客行为转化率进行预测。现有的预测方法大都需要采集大量的实时数据进行预测,对硬件要求较高。
技术实现要素:
本发明要解决的技术问题是提供一种客户属性离散化指标转化率的静态预测方法,能够解决现有技术的不足,在保证预测准确度的前提下,简化了预测运算量。
为解决上述技术问题,本发明所采取的技术方案如下。
一个方面,一种客户属性离散化指标转化率的静态预测方法,包括以下步骤:
a、根据客户属性对网站点击转化率进行分类;
b、将每一类网站点击转化率分解为各网页间链接点击率的概率矩阵;
c、建立客户行为与客户属性的训练模型;
d、将实时的客户行为输入训练模型,得到对应的客户属性集合,根据集合内不同客户属性对应的概率矩阵计算实际转化率。
作为优选,步骤b中,概率矩阵为网页间关联度矩阵与点击概率矩阵的乘积。
根据本公开的一个实施方式,步骤c中,客户行为与客户属性的训练模型为,
其中,f为客户属性集合,pi为第i个客户行为,ψi为第i个客户行为对应的属性映射,δi为第i个客户行为对应的不确定性因子,|pmax-pmin|为客户行为的最大偏差量,
根据本公开的一个实施方式,对属于同类客户属性的映射ψ进行线性化处理。
根据本公开的一个实施方式,σ的取值范围是0.9≤σ≤1.1。
根据本公开的一个实施方式,步骤d中,计算客户属性集合的离散度标准差,若客户属性集合的离散度标准差大于设定阈值,则通过修正客户行为偏离度σ的取值进行重新计算,直至客户属性集合的离散度标准差小于等于设定阈值。
另一方面,一种客户属性离散化指标转化率的静态预测系统,包括:
分类模块:根据客户属性对网站点击转化率进行分类;
分解模块:将每一类网站点击转化率分解为各网页间链接点击率的概率矩阵;
建立模块:建立客户行为与客户属性的训练模型;
计算模块:将实时的客户行为输入训练模型,得到对应的客户属性集合,根据集合内不同客户属性对应的概率矩阵计算实际转化率。
分解模块中,概率矩阵为网页间关联度矩阵与点击概率矩阵的乘积。
根据本公开的一个实施方式,建立模块中,客户行为与客户属性的训练模型为,
其中,f为客户属性集合,pi为第i个客户行为,ψi为第i个客户行为对应的属性映射,δi为第i个客户行为对应的不确定性因子,|pmax-pmin|为客户行为的最大偏差量,
根据本公开的一个实施方式,对属于同类客户属性的映射ψ进行线性化处理。
采用上述技术方案所带来的有益效果在于:本发明通过建立链接点击率的概率矩阵,通过训练模型将客户行为与客户属性进行关联,从而利用客户行为可以直接得到实际转化率。本发明通过简化预测过程,直接通过用户行为计算转化率,可以有效降低运算量,节约硬件成本。
具体实施方式
本发明的一个具体实施方式包括以下步骤:
一种客户属性离散化指标转化率的静态预测方法,包括以下步骤:
a、根据客户属性对网站点击转化率进行分类;
b、将每一类网站点击转化率分解为各网页间链接点击率的概率矩阵;
c、建立客户行为与客户属性的训练模型;
d、将实时的客户行为输入训练模型,得到对应的客户属性集合,根据集合内不同客户属性对应的概率矩阵计算实际转化率。
步骤b中,概率矩阵为网页间关联度矩阵与点击概率矩阵的乘积。
步骤c中,客户行为与客户属性的训练模型为,
其中,f为客户属性集合,pi为第i个客户行为,ψi为第i个客户行为对应的属性映射,δi为第i个客户行为对应的不确定性因子,|pmax-pmin|为客户行为的最大偏差量,
对属于同类客户属性的映射ψ进行线性化处理。
σ的取值范围是0.9≤σ≤1.1。
步骤d中,计算客户属性集合的离散度标准差,若客户属性集合的离散度标准差大于设定阈值,则通过修正客户行为偏离度σ的取值进行重新计算,直至客户属性集合的离散度标准差小于等于设定阈值。
另一方面,一种客户属性离散化指标转化率的静态预测系统,包括:
分类模块:根据客户属性对网站点击转化率进行分类;
分解模块:将每一类网站点击转化率分解为各网页间链接点击率的概率矩阵;
建立模块:建立客户行为与客户属性的训练模型;
计算模块:将实时的客户行为输入训练模型,得到对应的客户属性集合,根据集合内不同客户属性对应的概率矩阵计算实际转化率。
分解模块中,概率矩阵为网页间关联度矩阵与点击概率矩阵的乘积。
根据本公开的一个实施方式,建立模块中,客户行为与客户属性的训练模型为,
其中,f为客户属性集合,pi为第i个客户行为,ψi为第i个客户行为对应的属性映射,δi为第i个客户行为对应的不确定性因子,|pmax-pmin|为客户行为的最大偏差量,
根据本公开的一个实施方式,对属于同类客户属性的映射ψ进行线性化处理。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本公开,而并非是对本公开的范围进行限定。对于所属领域的技术人员而言,在上述公开的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本公开的范围内。