一种应用于视频直播的运营模型管理方法

技术领域

本发明涉及视频直播技术领域，具体涉及一种应用于视频直播的运营模型管理方法。

背景技术

随着信息技术的快速发展，视频社交平台日益成为人们日常生活不可或缺的一部分。视频社交平台凭借其丰富的内容、新颖的传播方式和便捷的获取途径深受大众喜爱，近些年来，视频直播在电商领域也快速发展，其商业价值也日益凸显，越来越多的带货主播通过直播作为营销载体销售产品，并取得了良好的效果。现有的视频直播平台为快速设计视频带货主播和产品销售商的直播方案，推出各种营销模型、推荐模型，这些模型往往从历史营销任务中挑选最接近预直播的任务进行推荐，模型缺乏实时更新，如果能提出一种对营销模型、运营模型等进行动态优化的管理方法，将极大提高视频直播的收益效果，因此这为一个亟待解决的问题。

发明内容

本发明所为解决上述技术问题，提供一种应用于视频直播的运营模型管理方法。

本发明提供的基础方案：一种应用于视频直播的运营模型管理方法，包括如下步骤：

S1：获取主播的历史直播数据，分析影响历史直播数据的因素并归类，记为影响因素；

S2：利用客观赋权法，输入S1中数据进行训练，输出直播的影响因素的权重；

S3：建立运营模型，运营模型的输入包括直播需求集合、影响因素集合，输出直播推荐方案；

S4：选择最符合预期投入的推荐方案执行；将执行后的直播实际数据归为历史直播数据；

S5：重复S1-S2步骤获取新的影响因素的权重；

S6：执行步骤S3，运营模型输入新的影响因素集合，实现运营模型的优化。

本发明的原理及优点在于：本发明基于历史直播数据训练得到运营模型，能够考虑多种直播因素，得到符合直播需求的直播推荐方案，提高直播的收益效果，根据直播实际数据和需求数据实时调整运营模型的参数，能够实现直播运营的动态优化，提高了直播运营模型管理的实时性。

进一步，所述S1数据获取方式为，和直播平台数据中台对接，通过接口获取和更新主播账号基本信息；主播账号基本信息包括主播的历史直播数据，主播的历史直播数据包括直播账号、观看总人数、营销额、粉丝增量；影响因素分为直播地点环境、直播时间点、直播时长、主播专业度、主播形象。

进一步，S2包括：

S2-1：将S1中数据分为多个样本和多项影响因素，形成原始数据矩阵：

其中

对上述影响因素的数值进行归一化的正向化处理：

S2-2：通过计算标准差表示影响因素差异波动情况：

S2-3：通过计算相关系数表示影响因素冲突性：

S2-4：影响因素信息量计算：

S2-5：影响因素客观权重计算：

进一步，S3中所述直播需求集合包括多组直播需求，直播需求包括预期观看人数和预期营销额；所述影响因素集合包括带有权重的影响因素数据集合。

进一步，所述S3包括：

S3-1：输入阶层：输入数据集合，包括直播需求集合

S3-2：特征提取层：先对S3-1中的直播需求集合进行初始化矩阵处理，然后采用注意力机制提取特征，处理后的直播需求集合

S3-3：分配层：基于直播影响因素集合

S3-4：输出层：根据计算得出的

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的直播平台数据中台示意图；

图3为本发明实施例的另一直播数据用户界面示意图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例基本如附图1所示：

一种应用于视频直播的运营模型管理方法，包括如下步骤：

S1：获取主播的历史直播数据，分析影响历史直播数据的因素并归类，记为影响因素；如图2所示，所述S1数据获取方式为，对接直播平台数据中台，通过接口获取和更新主播账号基本信息；主播账号基本信息包括主播的历史直播数据，主播的历史直播数据包括直播账号、观看总人数、营销额、粉丝增量；影响因素包括直播地点环境、直播时间点、直播时长、主播专业度、主播形象。

本实施例以某汽车销售直播为例，如下列表：

S2：利用客观赋权法，输入S1中数据进行训练，输出直播的影响因素的权重；

S2-1：将S1中数据分为多个样本和多项影响因素，形成原始数据矩阵：

（1）

其中

对上述影响因素的数值进行归一化的正向化处理：

（2）

S2-2：通过计算标准差表示影响因素差异波动情况：

（3）

表示第j个影响因素的平均值，/>

S2-3：通过计算相关系数表示影响因素冲突性：

（4）

其中

S2-4：影响因素信息量计算：

（5）

其中

S2-5：影响因素客观权重计算：

（6）

表示第j个影响因素的客观权重。

S3：建立运营模型，运营模型的输入包括直播需求集合、影响因素集合，输出直播推荐方案；S3中所述直播需求集合包括多组直播需求，直播需求包括预期观看人数和预期营销额；所述影响因素集合包括带有权重的影响因素数据集合；

S3-1：输入层：输入数据集合，包括直播需求集合

S3-2：特征提取层：先对S3-1中的直播需求集合进行初始化矩阵处理，然后采用注意力机制提取特征，处理后的直播需求集合

S3-3：分配层：基于直播影响因素集合

（7）

表示直播需求/>

（8）

S3-4：输出层：根据计算得出的

S4：选择最符合预期投入的推荐方案执行；将执行后的直播实际数据归为历史直播数据；如下表，直播m的数据归入历史直播数据；

S5：重复S1-S2步骤获取新的影响因素的权重；如图3所示，通过接口获取和更新主播账号基本信息；对新的历史直播数据计算新的影响因素的权重

S6：执行步骤S3，运营模型输入新的影响因素集合，实现运营模型的优化。

将上述直播实际数据中的观看总人数与直播达成率提取出，与直播需求数据中的直播用户量、直播销售量进行对比，若达到直播预期目标，则增加推荐方案的权重，若未达到直播预期目标，则对运营模型的参数进行修改调整。

本实施例还包括一种应用于视频直播的运营模型管理系统，采用了上述一种用于视频直播的运营模型管理方法。

本实施例还包括一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现上述一种用于视频直播的运营模型管理方法的所有步骤。

本领域普通技术人员可以理解实现上述一种用于视频直播的运营模型管理方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括上述一种用于视频直播的运营模型管理方法的各个实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。