一种用户行为评估方法、装置、电子设备及计算机可读存储介质与流程

1.本发明涉及计算机技术领域，具体而言，涉及一种用户行为评估方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.目前在探索用户付费的影响因素时，发现用户的订阅行为会影响用户的付费行为。
3.目前现有技术中，仅发现用户的订阅行为对付费行为的影响，由于考虑因素单一，对用户的付费行为的影响因素考虑不全面，从而最终导致对影响用户的付费行为的评估结果有一定的误差。


技术实现要素：

4.本发明的目的包括，例如，提供了一种用户行为评估方法、装置、电子设备及计算机可读存储介质，其能够提升影响用户的付费行为的评估结果的准确性。
5.为了实现上述目的，本技术实施例采用的技术方案如下：
6.第一方面，本技术实施例提供了一种用户行为评估方法，所述方法包括：
7.获取预设时间段内，用户的行为数据，其中，所述行为数据包括订阅行为的次数、发送弹幕行为的次数以及付费行为的次数；
8.对所述行为数据的异常值进行处理，得到目标行为数据；
9.将所述目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，其中，所述系数与所述显著性系数对应；
10.基于所述系数和所述显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
11.在可选的实施方式中，所述用户的行为数据包括：用户对不同直播间的订阅的次数、用户在不同直播间发送弹幕的行为的次数以及用户在不同直播间内对付费按钮的点击操作的次数。
12.在可选的实施方式中，所述对所述行为数据的异常值进行处理，得到目标行为数据的步骤，包括：
13.对同一类型的行为数据进行log变换，得到变换后的行为数据；
14.将所述变换后的行为数据与阈值范围进行比较；
15.当存在不属于所述阈值范围的所述变换后的行为数据的情况下，则将对应的变换后的行为数据剔除，得到目标行为数据。
16.在可选的实施方式中，所述阈值范围满足以下公式：
17.[u
‑
3sd，u 3sd]；
[0018]
其中，u为所述变换后的行为数据的均值，sd为所述变换后的行为数据的标准差。
[0019]
在可选的实施方式中，所述中介模型包括：所述订阅行为的次数与所述付费行为的次数的第一回归方程；
[0020]
所述发送弹幕行为的次数与所述付费行为的次数的第二回归方程；
[0021]
所述订阅行为的次数、所述发送弹幕行为的次数以及所述付费行为的次数的第三回归方程；
[0022]
所述将所述目标行为数据输入至中介模型，得到不同行为数据的系数的步骤，包括：
[0023]
通过所述第一回归方程，确定所述订阅行为与所述付费行为的直接效应的第一系数；
[0024]
通过所述第二回归方程，确定所述发送弹幕行为与所述付费行为的第二系数；
[0025]
通过所述第三回归方程，确定所述订阅行为对付费行为的间接效应第三系数以及所述发送弹幕行为对付费行为的第四系数。
[0026]
在可选的实施方式中，所述基于所述系数和所述显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响的步骤包括：
[0027]
在所述第一系数对应的第一显著性系数大于预设值的情况下，所述第一系数显著，表明所述订阅行为对所述付费行为产生作用；
[0028]
在所述第二系数对应的第二显著性系数大于预设值的情况下，所述第二系数显著，表明所述发送弹幕行为对所述付费行为产生作用；
[0029]
在所述第一系数显著和所述第二系数显著，且所述第四系数对应的第四显著性系数大于预设值的情况下，表明所述发送弹幕行为部分中介所述订阅行为对所述付费行为的影响；
[0030]
在所述第一系数显著和所述第二系数显著的情况下，且所述第三系数对应的第三显著性系数小于预设值的情况下，表明所述发送弹幕行为完全中介所述订阅行为对所述付费行为的影响。
[0031]
第二方面，本技术实施例提供了一种用户行为评估装置，所述装置包括：
[0032]
获取模块，用于获取预设时间段内，用户的行为数据，其中，所述行为数据包括订阅行为的次数、发送弹幕行为的次数以及付费行为的次数；
[0033]
第一确定模块，用于对所述行为数据的异常值进行处理，得到目标行为数据；
[0034]
第二确定模块，用于将所述目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，其中，所述系数与所述显著性系数对应；
[0035]
第三确定模块，用于基于所述系数和所述显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0036]
第三方面，本技术实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述用户行为评估方法的步骤。
[0037]
第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述用户行为评估方法的步骤。
[0038]
本技术具有以下有益效果：
[0039]
本技术通过获取预设时间段内，用户的行为数据，得到目标行为数据；将目标行为
数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。通过对行为数据的异常值进行处理，使得行为数据更加准确，提升确定用户的订阅行为和/或发送弹幕行为对付费行为的影响的准确性，将目标行为数据输入至中介模型中，使得可以快速得出订阅行为是否是直接对付费行为造成影响，还是订阅导致了其他因素的变化从而影响到付费行为。
附图说明
[0040]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0041]
图1为本发明实施例提供的电子设备的方框示意图；
[0042]
图2为本发明实施例提供的一种用户行为评估方法的流程示意图之一；
[0043]
图3为本发明实施例提供的一种用户行为评估方法的流程示意图之二；
[0044]
图4为本发明实施例提供的一种用户行为评估方法的流程示意图之三；
[0045]
图5为本发明实施例提供的一种用户行为评估装置的结构框图。
具体实施方式
[0046]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0047]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0049]
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0050]
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0051]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0052]
目前在探索用户付费的影响因素时，发现用户的订阅行为会影响用户的付费行为。
[0053]
但是经过发明人大量研究发现，仅发现用户的订阅行为对付费行为的影响，由于考虑因素单一，对用户的付费行为的影响因素考虑不全面，从而最终导致对影响用户的付费行为的评估结果有一定的误差。
[0054]
有鉴于对上述问题的发现，本实施例提供了一种用户行为评估方法、装置、电子设备及计算机可读存储介质，能够提升影响用户的付费行为的评估结果的准确性，下面对本实施例提供的方案进行详细阐述。
[0055]
本实施例提供一种可以对用户行为进行评估的电子设备。在一种可能的实现方式中，所述电子设备可以为用户终端，例如，电子设备可以是，但不限于，服务器、智能手机、个人电脑(personalcomputer，pc)、平板电脑、个人数字助理(personal digital assistant，pda)、移动上网设备(mobile internet device，mid)等。
[0056]
该电子设备可以具有能够对用户行为进行评估的部件，例如，中央处理器(central processing unit，cpu)、图形处理器(graphic processing unit，gpu)等，从而执行本实施例提供的用户行为评估方法。
[0057]
在另一种可能的实现方式中，所述电子设备也可以为能够与用户终端通信的服务器。该服务器可以获取预设时间段内，用户的行为数据，其中，所述行为数据包括订阅行为的次数、发送弹幕行为的次数以及付费行为的次数；对所述行为数据的异常值进行处理，得到目标行为数据；将所述目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，其中，所述系数与所述显著性系数对应；基于所述系数和所述显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0058]
请参照图1所示的该电子设备100的结构示意图。该电子设备100包括用户行为评估装置110、存储器120、处理器130以及通信单元140。
[0059]
该存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。该用户行为评估装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器120中或固化在服电子设备100的操作系统(operating system，os)中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块，例如用户行为评估装置110所包括的软件功能模块及计算机程序等。该用户行为评估装置110中的计算机可执行指令被处理器执行时，实现该用户行为评估方法。
[0060]
其中，该存储器120可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read
‑
onlymemory，prom)，可擦除只读存储器(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器(electric erasable programmable read
‑
only memory，eeprom)等。其中，存储器120用于存储程序，该处理器130在接收到执行指令后，执行该程序。该通信单元140用于通过网络收发数据。
[0061]
该处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、
现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0062]
请参照图2，图2为应用于图1所示的电子设备100的一种用户行为评估方法的流程图，以下将对所述方法包括各个步骤进行详细阐述。
[0063]
步骤201：获取预设时间段内，用户的行为数据。
[0064]
其中，行为数据包括订阅行为的次数、发送弹幕行为的次数以及付费行为的次数。
[0065]
步骤202：对行为数据的异常值进行处理，得到目标行为数据。
[0066]
步骤203：将目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数。
[0067]
其中，系数与显著性系数对应。
[0068]
步骤204：基于系数和显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0069]
需要说明的是，预设时间段可以为10min、30min、60min、一天、一周、一个月等，本发明实施例对此不做具体限制。
[0070]
用户的行为数据包括但不限于订阅行为的次数、发送弹幕行为的次数以及付费行为的次数。还可以为用户的对直播间的触屏行为，用户对直播间的浏览时长行为、用户对直播间的点赞行为等。
[0071]
用户的订阅行为可以为在应用程序前端点击了订阅按钮后向服务器发送订阅完成信息，付费行为，指的是用户在应用程序前端点击了付费按钮后，往服务器回传付费完成的信息，发送弹幕行为，指的是用户在应用程序前端点击了弹幕按钮后，往服务器回传发送弹幕完成的消息。
[0072]
需要说明的是，用户的行为数据包括：用户对不同直播间的订阅的次数、用户在不同直播间发送弹幕的行为的次数以及用户在不同直播间内对付费按钮的点击操作的次数。
[0073]
获取用户的行为数据，具体包括：
[0074]
确定预设时间段内，用户对直播应用程序中不同直播间的订阅行为；记录订阅行为的次数；确定预设时间段内，用户在不同直播间内发送弹幕行为；确定预设时间段内，用户在不同直播间内对付费按钮的点击操作；记录点击操作的次数作为付费行为的次数；将订阅行为的次数、发送弹幕行为的次数以及付费行为的次数作为用户的行为数据。
[0075]
例如：24h中，用户在某直播应用程序中，对a、b、c直播间进行了订阅，并且在a直播间发送了五次弹幕，在b直播间发送了两次弹幕，在c直播间没有发送弹幕，在a直播间送主播礼物一次，在b直播间和c直播间未向主播送礼。则在24h中，用户的行为数据为：订阅行为的次数为3，发送弹幕行为的次数为7，付费行为的次数为1。
[0076]
需要说明的是，用户的行为数据包括不同用户的行为数据，用户的行为数据会存在异常的情况，例如，用户在a直播间点击订阅
‑
取消订阅
‑
点击订阅，如此反复，实际上用户的对a直播间的订阅行为次数为1，但是后台统计的数据则为多次。为了避免行为数据中的异常值对最终结果的影响，则需要对异常数据进行处理，得到目标行为数据。
[0077]
对行为数据中异常值进行处理的方法可以为：获取行为数据中的平均值，将远大于平均值的行为数据进行剔除，从而实现对异常值的处理。
[0078]
将去除异常值的目标行为数据输入至中介模型中，得到不同目标行为数据的系数和显著性系数，通过系数和显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0079]
本技术通过获取预设时间段内，用户的行为数据，得到目标行为数据；将目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。通过对行为数据的异常值进行处理，使得行为数据更加准确，提升确定用户的订阅行为和/或发送弹幕行为对付费行为的影响的准确性，将目标行为数据输入至中介模型中，使得可以快速得出订阅行为是否是直接对付费行为造成影响，还是订阅导致了其他因素的变化从而影响到付费行为。
[0080]
为了增加行为数据的准确性，针对上述步骤202，在本技术的另一实施例中，如图3所示，提供了一种用户行为评估方法，具体包括如下步骤：
[0081]
步骤202
‑
1：对同一类型的行为数据进行log变换，得到变换后的行为数据。
[0082]
步骤202
‑
2：将变换后的行为数据与阈值范围进行比较。
[0083]
步骤202
‑
3：当存在不属于阈值范围的变换后的行为数据的情况下，将对应的变换后的行为数据剔除，得到目标行为数据。
[0084]
阈值范围满足以下公式：[u
‑
3sd，u 3sd]；
[0085]
其中，u为变换后的行为数据的均值，sd为变换后的行为数据的标准差。对目标行为数据的订阅行为的次数、发送弹幕行为的次数以及付费行为的次数分别进行log变化，得到变换后的行为数据，变换后的行为数据包括经过log变化后的订阅行为的次数、发送弹幕行为的次数以及付费行为的次数。
[0086]
计算经过log变换后的订阅行为的次数的均值和标准差，计算经过log变换后的发送弹幕行为的次数的均值和标准差，计算经过log变换后的付费行为的次数的均值和标准差。
[0087]
以下针对订阅行为的次数为例，对订阅行为的次数进行异常值剔除：
[0088]
基于经过log变化后的订阅行为的次数的均值和差值，确定第一阈值范围：[u1
‑
3sd1,u1 3sd1]，其中，u1为经过log变换后的订阅行为的次数的均值，sd1为经过log变换后的订阅行为的次数的标准差，将变换后的行为数据与第一阈值范围进行比较，当存在不属于第一阈值范围的数据，则将对应的数据剔除，得到目标行为数据中的处理后的订阅行为的次数。
[0089]
对于发送弹幕行为的次数和付费行为的次数，采用对订阅行为的次数的相同处理方式，进行异常值处理，得到目标行为数据，在此不再赘述。
[0090]
将用户的行为数据进行log变化后，将变化后的行为数据与阈值范围进行比较，将不属于阈值范围的数据剔除，从而实现对异常值的处理。log变换后整体行为数据的分布从偏态转变为正态分布，此时异常值不会对均值的计算和标准差的计算造成大的影响，使得对异常值的处理更加有效。
[0091]
为了确定用户的订阅行为和/或发送弹幕行为对付费行为的影响，针对上述步骤204，在本技术的另一实施例中，如图4所示，提供了一种用户行为评估方法，具体包括如下步骤：
[0092]
步骤204
‑
1：在第一系数对应的第一显著性系数大于预设值的情况下，第一系数显
著，表明订阅行为对付费行为产生作用。
[0093]
步骤204
‑
2：在第二系数对应的第二显著性系数大于预设值的情况下，第二系数显著，表明发送弹幕行为对付费行为产生作用。
[0094]
步骤204
‑
3：在第一系数显著和第二系数显著，且第四系数对应的第四显著性系数大于预设值的情况下，表明发送弹幕行为部分中介订阅行为对付费行为的影响。
[0095]
步骤204
‑
4：在第一系数显著和第二系数显著的情况下，且第三系数对应的第三显著性系数小于预设值的情况下，表明发送弹幕行为完全中介订阅行为对付费行为的影响。
[0096]
中介模型包括：订阅行为的次数与付费行为的次数的第一回归方程；发送弹幕行为的次数与付费行为的次数的第二回归方程；订阅行为的次数、发送弹幕行为的次数以及付费行为的次数的第三回归方程。
[0097]
将目标行为数据输入至中介模型，得到不同目标行为数据的系数的步骤，包括：通过第一回归方程，确定订阅行为与付费行为的直接效应的第一系数；通过第二回归方程，确定发送弹幕行为与付费行为的第二系数；通过第三回归方程，确定订阅行为对付费行为的间接效应第三系数以及发送弹幕行为对付费行为的第四系数。
[0098]
例如：付费行为设置为y，订阅行为设置为x，发送弹幕行为设置为m，付费行为和订阅行为的第一回归方程为：y＝cx e1，其中，c为订阅行为与付费行为的直接效应的第一系数，e1为常数项。发送弹幕行为的次数与付费行为的次数的第二回归方程为：m＝ax e2，a为发送弹幕行为与付费行为的第二系数，e2为常数项。订阅行为的次数、发送弹幕行为的次数以及付费行为的次数的第三回归方程：y＝c`x bx e3，c`为订阅行为对付费行为的间接效应第三系数，b为发送弹幕行为对付费行为的第四系数。
[0099]
检验第一回归方程的系数c，也就是自变量x：订阅行为对因变量y:付费行为的总效应。检验第二回归方程的系数a，也就是自变量x:订阅行为和中介变量m:发送弹幕行为的关系。控制中介变量m:发送弹幕行为后，检验第三回归方程的系数c`和系数b。
[0100]
需要说明的是，预设值为0.05。
[0101]
将目标行为数据输入至中介模型后，基于上述第一回归方程、第二回归方程以及第三回归方程，得到系数c、a、c`、b，以及系数c、a、c`、b对应的显著性系数，如果系数对应的显著性系数小于0.05，则表明系数c、a、c`、b显著，若显著性系数小于0.05则表明系数不显著。
[0102]
通过判断系数对应的显著性系数的值，确定系数是否显著，从而判断用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0103]
请参照图5，本实施例还提供一种应用于图1所述电子设备100的用户行为评估装置110，所述用户行为评估装置110包括：
[0104]
获取模块111，用于获取预设时间段内，用户的行为数据，其中，所述行为数据包括订阅行为的次数、发送弹幕行为的次数以及付费行为的次数。
[0105]
本实施例中，所述确定模块111可用于执行图2的步骤201，关于所述获取模块111的具体描述可参照对所述步骤201的描述。
[0106]
第一确定模块112，用于对所述行为数据的异常值进行处理，得到目标行为数据。
[0107]
本实施例中，所述第一确定模块112可用于执行图2所示的步骤202，关于所述第一确定模块112的具体描述可参对所述步骤202的描述。
[0108]
第二确定模块113，用于将所述目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，其中，所述系数与所述显著性系数对应。
[0109]
本实施例中，所述第二确定模块113可用于执行图2所示的步骤203，关于所述第二确定模块113的具体描述可参对所述步骤203的描述。
[0110]
第三确定模块114，用于基于所述系数和所述显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。
[0111]
本实施例中，所述第三确定模块114可用于执行图2所示的步骤204，关于所述第三确定模块114的具体描述可参对所述步骤204的描述。
[0112]
可选地，在一些可能的实现方式中，所述用户的行为数据包括：用户对不同直播间的订阅的次数、用户在不同直播间发送弹幕的行为的次数以及用户在不同直播间内对付费按钮的点击操作的次数。
[0113]
可选地，在一些可能的实现方式中，所述第一确定模块112具体用于：
[0114]
对同一类型的行为数据进行log变换，得到变换后的行为数据；
[0115]
判断所述变换后的行为数据与阈值范围进行比较；
[0116]
当存在不属于所述阈值范围的所述变换后的行为数据的情况下，将对应的变换后的行为数据剔除，得到目标行为数据。
[0117]
可选地，在一些可能的实现方式中，所述阈值范围满足以下公式：
[0118]
[u
‑
3sd，u 3sd]；
[0119]
其中，u为所述变换后的行为数据的均值，sd为所述变换后的行为数据的标准差。
[0120]
可选地，在一些可能的实现方式中，所述中介模型包括：所述订阅行为的次数与所述付费行为的次数的第一回归方程；
[0121]
所述发送弹幕行为的次数与所述付费行为的次数的第二回归方程；
[0122]
所述订阅行为的次数、所述发送弹幕行为的次数以及所述付费行为的次数的第三回归方程；
[0123]
所述第二确定模块113具体用于：
[0124]
通过所述第一回归方程，确定所述订阅行为与所述付费行为的直接效应的第一系数；
[0125]
通过所述第二回归方程，确定所述发送弹幕行为与所述付费行为的第二系数；
[0126]
通过所述第三回归方程，确定所述订阅行为对付费行为的间接效应第三系数以及所述发送弹幕行为对付费行为的第四系数。
[0127]
可选地，在一些可能的实现方式中，所述第三确定模块114具体用于：在所述第一系数对应的第一显著性系数大于预设值的情况下，所述第一系数显著，表明所述订阅行为对所述付费行为产生作用；
[0128]
在所述第二系数对应的第二显著性系数大于预设值的情况下，所述第二系数显著，表明所述发送弹幕行为对所述付费行为产生作用；
[0129]
在所述第一系数显著和所述第二系数显著，且所述第四系数对应的第四显著性系数大于预设值的情况下，表明所述发送弹幕行为部分中介所述订阅行为对所述付费行为的影响；
[0130]
在所述第一系数显著和所述第二系数显著的情况下，且所述第三系数对应的第三
显著性系数小于预设值的情况下，表明所述发送弹幕行为完全中介所述订阅行为对所述付费行为的影响。
[0131]
综上所述，本技术通过获取预设时间段内，用户的行为数据，得到目标行为数据；将目标行为数据输入至中介模型，得到不同目标行为数据的系数和显著性系数，确定用户的订阅行为和/或发送弹幕行为对付费行为的影响。通过对行为数据的异常值进行处理，使得行为数据更加准确，提升确定用户的订阅行为和/或发送弹幕行为对付费行为的影响的准确性，将目标行为数据输入至中介模型中，使得可以快速得出订阅行为是否是直接对付费行为造成影响，还是订阅导致了其他因素的变化从而影响到付费行为。
[0132]
本技术还提供一种电子设备100，电子设备100包括处理器130以及存储器120。存储器120存储有计算机可执行指令，计算机可执行指令被处理器130执行时，实现该用户行为评估方法。
[0133]
本技术实施例还提供一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序被处理器130执行时，实现该用户行为评估方法。
[0134]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0135]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0136]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0137]
以上所述，仅为本技术的各种实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。