用户行为预测方法、装置、设备、存储介质及产品与流程

本申请涉及大数据处理，尤其涉及一种用户行为预测方法、装置、设备、存储介质及产品。

背景技术：

1、随着互联网线上业务发展成熟，用户线上完成各类业务的习惯已经养成，通过线上表单填写方式完成业务的场景越来越广泛。在填写表单的过程中，大量需要填写的个人资料以及相关信息对于用户来说是一个繁琐的任务，可能会导致用户填写表单的意愿减少。

2、目前，业内往往是通过表单填写意见反馈的方式获悉用户填写表单的意愿，并基于此给出表单内容改良的策略。然而现有的表单填写意见反馈的方式同样需要用户进行填写，对于表单填写行为的预测分析不够准确，从而导致用户放弃表单填写。

3、因此，如何提高对用户离开表单行为的预测准确率，是目前亟须解决的一个问题。

技术实现思路

1、本申请的主要目的在于提供一种用户行为预测方法、装置、设备、存储介质及产品，旨在解决如何提高对用户离开表单行为的预测准确率的技术问题。

2、为实现上述目的，本申请提出一种用户行为预测方法，所述用户行为预测方法包括：

3、获取第一用户行为的表单交互数据，所述第一用户行为是用户填写表单的交互行为；

4、将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本。

5、在一实施例中，所述将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本的步骤之前，包括：

6、获取表单埋点报文；

7、根据所述表单埋点报文，确定出所述第一用户行为的特征样本以及所述第二用户行为的特征样本；

8、根据所述第一用户行为的特征样本以及所述第二用户行为的特征样本构建所述数据集；

9、根据所述数据集训练原始行为预测模型，得到所述目标行为预测模型。

10、在一实施例中，所述根据所述表单埋点报文，确定出所述第一用户行为的特征样本以及所述第二用户行为的特征样本的步骤包括：

11、根据所述表单埋点报文，确定出第一用户行为的埋点报文和第二用户行为的埋点报文；

12、根据所述第一用户行为的埋点报文和所述第二用户行为的埋点报文进行数据处理，得到所述第一用户行为的特征样本以及所述第二用户行为的特征样本。

13、在一实施例中，所述获取表单埋点报文的步骤包括：

14、获取用户行为日志；

15、根据所述用户行为日志和预设埋点数据结构进行埋点数据采集，得到所述表单埋点报文。

16、在一实施例中，所述根据所述第一用户行为的特征样本以及所述第二用户行为的特征样本构建数据集的步骤包括：

17、根据所述第一用户行为的特征样本和所述第二用户行为的特征样本确定页面标识，并根据所述页面标识将所述第一用户行为的特征样本和所述第二用户行为的特征样本进行样本整合，得到待筛选特征样本；

18、对所述待筛选特征样本中的用户行为特征进行关联性分析，得到关联性分析结果；

19、根据所述关联性分析结果对所述待筛选特征样本中的用户行为特征进行筛选，得到目标特征样本，并根据所述目标特征样本构建所述数据集。

20、在一实施例中，所述根据所述数据集训练原始行为预测模型，得到所述目标行为预测模型的步骤包括：

21、根据所述数据集中的各个特征样本，构建数值型特征矩阵和符号型特征矩阵；

22、对所述数值型特征矩阵和所述符号型特征矩阵进行概率参数统计，得到目标概率参数；

23、根据所述目标概率参数，更新所述原始行为预测模型中先验概率参数和似然概率参数，以得到所述目标行为预测模型。

24、此外，为实现上述目的，本申请还提出一种用户行为预测装置，所述用户行为预测装置包括：

25、数据获取模块，用于获取第一用户行为的表单交互数据，所述第一用户行为是用户填写表单的交互行为；

26、模型输出模块，用于将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本。

27、此外，为实现上述目的，本申请还提出一种用户行为预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的用户行为预测方法的步骤。

28、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的用户行为预测方法的步骤。

29、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的用户行为预测方法的步骤。

30、本申请提供了一种用户行为预测方法，本申请首先获取第一用户行为的表单交互数据，所述第一用户行为是用户填写表单的交互行为；将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本。基于本申请方案，通过使用第一用户行为的特征样本和第二用户行为的特征样本构建行为预测模型训练所需的数据集。如此，在数据集基础上训练得到的目标行为预测模型能够更好地对第二用户行为进行预测，从而提高对用户离开表单行为的预测准确率。

技术特征：

1.一种用户行为预测方法，其特征在于，所述的方法包括：

2.如权利要求1所述的方法，其特征在于，所述将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本的步骤之前，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述表单埋点报文，确定出所述第一用户行为的特征样本以及所述第二用户行为的特征样本的步骤包括：

4.如权利要求2所述的方法，其特征在于，所述获取表单埋点报文的步骤包括：

5.如权利要求2所述的方法，其特征在于，所述根据所述第一用户行为的特征样本以及所述第二用户行为的特征样本构建数据集的步骤包括：

6.如权利要求2所述的方法，其特征在于，所述根据所述数据集训练原始行为预测模型，得到所述目标行为预测模型的步骤包括：

7.一种用户行为预测装置，其特征在于，所述用户行为预测装置包括：

8.一种用户行为预测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至6中任一项所述的用户行为预测方法的步骤。

9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的用户行为预测方法的步骤。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的用户行为预测方法的步骤。

技术总结本申请公开了一种用户行为预测方法、装置、设备、存储介质及产品，涉及大数据处理技术领域，所述用户行为预测方法包括：获取第一用户行为的表单交互数据，所述第一用户行为是用户填写表单的交互行为；将所述第一用户行为的表单交互数据输入到预先训练好的目标行为预测模型中，得到所述目标行为预测模型输出的第二用户行为的行为预测结果，所述第二用户行为是用户离开表单的交互行为，所述目标行为预测模型根据数据集训练得到，所述数据集包括第一用户行为的特征样本以及第二用户行为的特征样本。基于本申请方案，在数据集基础上训练得到的目标行为预测模型能够更好地对第二用户行为进行预测，从而提高对用户离开表单行为的预测准确率。技术研发人员：吴晓亮,刘维维,周刚受保护的技术使用者：招商银行股份有限公司技术研发日：技术公布日：2024/9/9