直播间推荐链接的弹窗控制方法、装置及网络直播系统与流程

1.本技术涉及视频直播技术领域，特别是一种直播间推荐链接的弹窗控制方法、装置、网络直播系统、计算机设备及计算机可读存储介质。


背景技术：

2.网络直播以其内容和形式的直观性、即时性和互动性，在促进灵活就业、促进经济社会发展、丰富人民群众精神文化生活等方面发挥了重要作用。比如，通过网络直播加强商品流通，盘活农村经济，拉近人与人之间的距离，传播文化；利用网络直播的虚拟礼物形式，使得主播可以通过在直播间中更好地展现自己才艺才华，从而为更多主播实现了自我价值。
3.在直播间中，直播平台经常会使用弹窗形式来引导用户进行互动，对目标用户在直播间观看直播时进行弹窗，引导和提示用户点击弹窗窗口上的推荐链接来赠送虚拟礼物、购买各种虚拟服务等，但是由于弹窗是一种很强的提示方式，大部分弹窗并不会使目标用户点击推荐链接，也就是属于无效弹窗，而过多的弹窗会直接影响用户观看直播的体验，降低其观看直播的时间，从而影响了直播平台的日活跃用户数量和用户留存率。


技术实现要素：

4.基于此，有必要针对上述至少一种技术缺陷，提供一种直播间推荐链接的弹窗控制方法、装置、网络直播系统、计算机设备及计算机可读存储介质，以有效降低直播间弹窗对用户的干扰影响，提升用户观看直播的体验。
5.一种直播间推荐链接的弹窗控制方法，包括：
6.在用户进入直播间时，获取所述用户在直播间的用户特征信息；
7.利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类；
8.当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为施加弹窗干预之后预测的干预影响参数大于设定阈值的用户群体；
9.将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。
10.在一个实施例中，获取所述用户在直播平台上的用户特征信息，包括：
11.获取所述用户在直播平台上保存的用户数据信息；
12.根据设定的信息维度对所述用户数据信息进行分析获得所述用户在直播间的用户特征信息。
13.在一个实施例中，根据设定的信息维度对所述用户数据信息进行分析获得所述用户在直播间的用户特征信息，包括：
14.获取所述用户在直播平台的历史行为特征信息，获取所述用户进入的直播间的主
播特征信息，获取所述用户与直播间主播的交互特征信息和/或获取所述用户进入直播间时的实时特征信息。
15.在一个实施例中，所述的直播间推荐链接的弹窗控制方法，还包括：
16.建立增益模型；其中，所述增益模型以用户特征信息为输入和以增益预估值为输出；
17.采用随机a/b实验方式构造训练样本对所述增益模型进行训练，并采用倾向评分匹配方法从观测数据中构造实验组和对照组，以对所述训练样本进行扩充；
18.利用所述训练样本对所述增益模型进行训练得到用户分类模型；其中，所述干预影响参数为增益模型输出的增益预估值。
19.在一个实施例中，利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类，包括：
20.将用户进行群体划分；其中，每个用户群体分别对应设定取值范围的干预影响参数；
21.将所述用户特征信息输入预先训练的用户分类模型进行预测得到第一增益预估值，根据所述第一增益预估值及其取值范围识别属于所述营销人群四象限中的用户群分类类型；其中，所述第一用户群分类对应为营销敏感人群。
22.在一个实施例中，所述的直播间推荐链接的弹窗控制方法，还包括：
23.分别将多种推荐链接对应的不同推荐价格作为特征信息输入到所述用户分类模型进行预测得到第二增益预估值；
24.获取取值最大的所述第二增益预估值所对应的推荐价格，并将该推荐价格的推荐链接添加到所述弹窗窗口上。
25.在一个实施例中，所述的直播间推荐链接的弹窗控制方法，还包括：
26.从直播平台上获取设定时间段内有付费记录的目标用户；
27.分别对各个目标用户进行预测得到相应的第二增益预估值，并确定其匹配的推荐价格和推荐链接；
28.当所述目标用户进入直播间时，将推荐链接添加到所述弹窗窗口上并在所述用户的直播间界面上进行弹窗显示。
29.在一个实施例中，在所述用户的直播间界面上进行弹窗显示之前，还包括：
30.选择所述目标用户的弹窗窗口模板；
31.将所述推荐链接添加到弹窗窗口模板上，并根据所述用户的用户特征信息生成所述弹窗窗口的点击引导内容；
32.根据所述用户的用户特征信息配置所述弹窗窗口模板的窗口参数；其中，所述窗口参数包括窗口大小、显示位置以及显示时间。
33.一种直播间推荐链接的弹窗控制装置，包括：
34.特征获取模块，用于在用户进入直播间时，获取所述用户在直播间的用户特征信息；
35.模型分析模块，用于利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间
场景下所属的用户群分类；
36.窗口生成模块，用于当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为施加弹窗干预之后预测的干预影响参数大于设定阈值的用户群体；
37.弹窗显示模块，用于将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。
38.一种网络直播系统，包括：主播端、观众端以及直播服务器；其中，所述主播端和观众端分别通过网络连接至所述直播服务器；
39.所述直播服务器，用于接收主播端上传的视频画面数据以及将直播视频数据转发至观众端，执行所述的直播间推荐链接的弹窗控制方法的步骤；
40.所述主播端，用于接入直播间的主播，采集主播的视频画面并上传至直播服务器；
41.所述观众端，用于接入直播间的用户和播放直播视频，以及在所述直播服务器的控制下进行弹窗。
42.一种计算机设备，该计算机设备，其包括：
43.一个或多个处理器；
44.存储器；
45.一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述的直播间推荐链接的弹窗控制方法。
46.一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行上述的直播间推荐链接的弹窗控制方法。
47.上述直播间推荐链接的弹窗控制方法、装置、网络直播系统、计算机设备及计算机可读存储介质，在用户进入直播间时获取其在直播间的用户特征信息，利用预先训练的用户分类模型分析用户特征信息预测得到施加弹窗干预之后的干预影响参数，并以此得到该用户在直播间场景下所属的用户群分类；如果该用户属于干预影响参数大于设定阈值的第一用户群分类时，则对该用户进行弹窗，生成与该用户相匹配的推荐链接并添加到弹窗窗口，在用户的直播间界面上进行弹窗显示。该技术方案，能够预测用户在施加弹窗干预之后得到的干预影响参数，并以此来选择是否进行弹窗，由此准确预估了弹窗干预作用较高的对用户，可以更加精准对有需要弹窗的用户进行弹窗，从而可以减少直播间弹窗对用户观看直播的干扰，提升了直播平台的日活跃用户数量和用户留存率。
附图说明
48.图1是一个示例的直播业务应用场景示意图；
49.图2是一个实施例的直播间推荐链接的弹窗控制方法流程图；
50.图3是一个示例的增益模型示意图；
51.图4是一个示例的增益模型训练框架示意图；
52.图5是多个不同弹窗窗口模板的弹窗示意图；
53.图6是一个示例的弹窗窗口实例图；
54.图7是一个实施例的直播间推荐链接的弹窗控制装置结构示意图；
55.图8是一个示例的网络直播系统结构示意图；
56.图9是一示例的计算机设备的框图。
具体实施方式
57.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
58.在本技术实施例中，提及的“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，“至少一个”是指一个或多个，“多个”的含义是指两个或两个以上，例如，多个对象指两个或两个以上的对象。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的信息涵盖出现在“包括”或者“包含”后面列举的信息及其等同，并不排除其他信息。在本技术实施例中提及的“和/或”，表示可以存在三种关系，字符“/”一般表示前后关联对象是一种“或”的关系。
59.本技术实施例提供的技术方案，可以应用于如图1所示的本技术相关方法的应用场景中，图1是一个示例的直播业务应用场景示意图，该网络直播系统可以包括直播服务器、主播端和观众端，主播端和观众端通过通信网络与直播服务器进行数据通信，从而使得主播端的主播和观众端的用户(观众)能够进行实时网络直播。
60.在直播过程中，用户进入到直播间观看直播内容，通常直播平台的直播服务器通过弹窗的推荐链接来引导用户进行赠送礼物等，观众端在直播服务器控制下以弹窗形式来显示礼物推荐链接，由此来增强直播间主播与用户之间的互动性，提升直播间用户活跃数量，例如，针对于一些长时间(通常是一个季度)未进行礼物赠送的用户进行小额礼物推荐弹窗，以小额价格的礼物推荐链接，或者对于近期(通常是30天)观看直播的用户或者有过赠送礼物的用户，进行大额礼物推荐弹窗；在用户在进入直播间时进行礼物赠送弹窗，以引导用户进行礼物赠送。然而由于弹窗是一种较强的提示方式，对于大部分用户来说，赠送礼物弹窗并不会干预用户赠送礼物的选择，反而会影响用户观看直播体验，从而影响直播平台的日活跃用户数量和用户留存率。
61.为此，本技术提供了一种直播间推荐链接的弹窗控制方法，以有效降低直播间弹窗对用户带来的干扰影响，精确地对有需要弹窗需求的用户进行弹窗。
62.参考图2所示，图2是一个实施例的直播间推荐链接的弹窗控制方法流程图，包括如下步骤：
63.s10，在用户进入直播间时，获取所述用户在直播间的用户特征信息。
64.此步骤中，直播平台的直播服务器在检测到用户进入直播间时，首先根据直播平台所记录的用户相关信息中获取表征指定维度的用户特征信息，用于输入预先训练的用户分类模型中进行分类。
65.作为实施例，对于获取用户特征信息的方法，可以通过获取用户在直播平台上保存的用户数据信息；然后根据设定的信息维度对所述用户数据信息进行分析获得所述用户在直播间的用户特征信息。
66.示例性的，可以获取用户四个维度的用户特征信息，具体包括如下中的一组或者
多组组合：
67.①
获取所述用户在直播平台的历史行为特征信息；具体的，可以获取历史赠送礼物信息、弹窗的历史反馈信息、历史观看直播间等用户维度的特征信息。
68.②
获取所述用户进入的直播间的主播特征信息；具体的，可以获取主播的品类、等级、性别，基础属性等直播间主播维度的特征信息。
69.③
获取所述用户与直播间主播的交互特征信息；具体的，可以获取用户对主播的历史观看、付费、互动等用户-主播的交互特征信息。
70.④
获取所述用户进入直播间时的实时特征信息；具体的，可以获取直播间时段、当前直播间人数、付费赠送礼物用户数等实时特征信息。
71.上述实施例的技术方案，通过用户在直播平台上进入直播间相关记录信息，所进入直播间的主播维度特征信息、与主播交互特征信息以及所进入直播间的实时特征信息，可以较为精确地反馈出该用户在直播平台上观看直播间场景下对于弹窗干预的响应情况，从而可以准确预估当向该用户进行弹窗干预时可能带来的影响。
72.s20，利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类。
73.此步骤中，直播服务器预先训练用户分类模型，对所获取的各个进入直播间用户的用户特征信息进行预测输出施加弹窗干预之后的干预影响参数，并依据该干预影响参数来对用户进行分类，从而识别出用户在当前直播间场景下所属的用户群分类，其中，干预影响参数可以表示为对用户施加弹窗干预之后对于用户选择接受推荐链接所产生的影响量化参数。
74.示例性的，对于用户群分类，可以根据干预影响参数的大小来划分为对于弹窗干预响应积极性高的用户群分类以及响应积极性低的用户群分类，其中弹窗干预响应积极性高的用户群分类是弹窗的主要对象，可以通过弹窗方式发送礼物推荐链接，从而有效提升该类用户付费赠送礼物的概率，而响应积极性低的用户群分类则是尽量避免弹窗或者采用其他方式进行推荐，从而避免了这一类用户观看直播间内容。
75.在一个实施例中，对于用户分类模型的训练方法，可以采用增益模型(uplift model)来训练，增益模型是一种用于估算个体干预增量的模型，可以有效反映干预动作(treatment)对用户响应行为(outcome)产生的效果。
76.据此，本实施例的训练用户分类模型方法，可以包括如下步骤：
77.(a)建立增益模型；其中，该增益模型以用户特征信息为输入和以增益预估值为输出。
78.具体的，增益模型g(y|x，t)可以采用s-learner模型，该模型在训练数据层能够实现共享，多数场景下能够有更好的效果，而且能够更好地支持多种干预方式建模；其中，s-learner模型同时对t＝0和t＝1的情况进行建模，得到相应的目标概率，最终增益预估值为两个g(y|x，t＝1)
–
g(y|x，t＝0)。
79.参考图3所示，图3是一个示例的增益模型示意图，如图中，y表示用户是否赠送礼物消费，x表示用户特征信息，t表示是否对用户进行弹窗。
80.(b)采用随机a/b实验方式构造训练样本对所述增益模型进行训练，并采用倾向评
分匹配方法从观测数据中构造实验组和对照组，以对所述训练样本进行扩充。
81.具体的，增益模型训练对训练样本的要求比较高，需要服从cia(conditional independence assumption)条件独立假设，要求x与t是相互独立的。据此，在模型训练时，训练样本的构建可以通过随机a/b实验以及psm(propensity score matching，倾向性得分匹配，简称psm)方式获得，为了满足上述条件假设，可以通过对小部分用户进行随机化实验a/b test，即随机进行弹窗并观察用户点击推荐链接消费的表现；同时，采用psm方法从观测数据中构造合理的实验组和对照组，对训练样本进行扩充。
82.上述实施例中，由于通过a/b test拆分流量得到的这两组样本在特征的分布上面是一致的，也就是x和t是相互独立的，由此可以为增益模型提供无偏的训练样本，通过扩充训练样本可以使得样本覆盖面更广，从而提升增益模型的训练精准度。
83.(c)利用所述训练样本对所述增益模型进行训练得到用户分类模型，其中，用户分类模型的干预影响参数对应为增益模型输出的增益预估值。
84.具体的，参考图4所示，图4是一个示例的增益模型训练框架示意图，通过上述方式构建训练样本后，将用户历史行为序列、用户画像特征、实时上下文特征以及试验信息输入，逐层训练增益模型g(y|x，t)得到用户分类模型。
85.上述实施例的技术方案，通过利用增益模型建模训练得到用户分类模型，可以基于用户特征信息为输入，对该用户在面对弹窗干预时的反馈进行预测，通过增益模型计算增益预测值，从而可以用于准确预估弹窗对该用户的影响作用。
86.在一个实施例中，可以持续训练并更新用户分类模型，如每天更新一次，从而对用户进入直播间时进行实时预测，对每个用户的增益值进行预估，根据每个场景下设定的增益值门限，通过判断用户的增益预测值是否超过增益门限作为弹窗依据。
87.据此，步骤s20的过程，可以包括如下：
88.s201，将用户进行群体划分；
89.示例性的，可以根据营销人群四象限划分方法将将用户分类模型输出的用户群体划分为营销敏感人群、自然转化人群、无动于衷人群及反作用人群四个类型；其中，每个用户群体分别对应设定取值范围的干预影响参数(即上述增益模型的增益预估值)。
90.具体的，利用营销人群四象限划分方法，根据增益模型预测的增益值可以将用户群体划分为四个大类，营销人群四象限各个分类类型定义如下：
91.营销敏感人群：指弹窗对用户选择的干预作用大，该类用户对礼物赠送的概率高，对应的增益预估值较大。
92.自然转化人群：指弹窗对用户选择的干预作用小，不管是否进行弹窗，用户依然会进行礼物赠送，对应的增益预估值较小。
93.无动于衷人群：指弹窗对用户选择的干预作用小，无论是否进行弹窗干预，用户都不会不进行礼物赠送，对应的增益预估值较小。
94.反作用人群：指弹窗干预对用户选择起反作用，即无弹窗时用户进行礼物赠送，有弹窗时反而不进行礼物赠送，对应的增益预估值为负值。
95.s202，将所述用户特征信息输入预先训练的用户分类模型进行预测得到第一增益预估值，根据所述第一增益预估值及其取值范围识别属于所述营销人群四象限中的用户群分类类型；在本实施例中，可以参照营销人群四象限划分类型来对用户进行分类。
96.上述实施例的方案，通过营销人群四象限划分方法，可以根据增益预估值的取值来对用户进行划分用户群体分类，从而将营销敏感人群作为弹窗的目标人群，由于该类用户对点击推荐链接的概率高，因此将其作为弹窗的主要目标用户群。
97.s30，当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为施加弹窗干预之后预测的干预影响参数大于设定阈值的用户群体。
98.此步骤中，通过用户分类模型可以识别得到弹窗干预作用较高的用户，确定该用户为进行弹窗的目标用户，对于弹窗干预作用的判定方式，可以通过干预影响参数范围作为依据，如上述步骤中，第一用户群分类可以对应为营销人群四象限划分类型中的营销敏感人群，利用增益预估值与设定阈值大小关系来判断；例如，可以采用增益模型并根据模型输出的增益预估值来进行筛选，则第一用户群分类可以是指利用用户分类模型对用户特征信息识别中得到的增益预估值大于设定阈值的用户群体。
99.在一个实施例中，为了使得弹窗干预能够更加符合用户的使用习惯，本技术在对确定用户进行弹窗之后，在用户的直播间界面上进行弹窗显示之前，还针对于对弹窗窗口进行了设置。
100.据此，本实施例的直播间推荐链接的弹窗控制方法，还包括：
101.s301，选择所述目标用户的弹窗窗口模板。
102.此步骤中，可以通过预设不同颜色、形状及大小布局的弹窗窗口，预先在增益模型上进行训练，从而可以识别到不同特征信息的用户对于不同弹窗窗口模板的增益预估值，在对用户进行弹窗之前，为目标用户选择相匹配的弹窗窗口模板。
103.s302，将所述推荐链接添加到弹窗窗口模板上，并根据所述用户的用户特征信息生成所述弹窗窗口的点击引导内容。
104.具体的，可以通过常规的控件方式来添加推荐链接，当用户点击控件触发访问推荐链接之后，引导用户相应页面进行付费赠送礼物。
105.s303，根据所述用户的用户特征信息配置所述弹窗窗口模板的窗口参数；其中，所述窗口参数包括窗口大小、显示位置以及显示时间。
106.具体的，通过用户的用户特征信息结合增益模型得到不同窗口参数下的增益预估值，以此可以为用户设置更加符合其使用习惯的窗口参数，例如，参考图5所示，图5是多个不同弹窗窗口模板的弹窗示意图，如图中，针对于不同用户使用习惯，可以选取不同的弹窗窗口模板，并且弹窗窗口也可以布局在直播间界面上不同位置，从而减少对用户观看直播间的干扰。
107.上述实施例的技术方案，通过选用不同弹窗窗口模板、引导内容及其窗口参数，从而可以使得弹窗窗口能够更加适合用户的使用习惯，提升用户体验及点击推送链接的积极性。
108.为了增强送礼互动性，在设置推荐链接时，还可以针对于不同直播间观看行为的用户设置不同的推荐价格，以此提升礼物与用户的匹配度。
109.据此，在一个实施例中，本技术的直播间推荐链接的弹窗控制方法，还可以包括如下方案：
110.分别将多种推荐链接标注的不同推荐价格作为特征信息输入到所述用户分类模
型进行预测得到第二增益预估值；获取取值最大的所述第二增益预估值所对应的推荐价格，并将该推荐价格的推荐链接添加到所述弹窗窗口上。
111.具体的，由于不同主播的直播间对用户的影响不同，因此用户对主播赠送礼物的积极性也不同，对于主播的粘性用户，此场景下可以匹配多种更高的推荐价格，而对于长时间未付费的用户，可以设置一个更低的推荐价格。
112.上述实施例的技术方案，通过将推荐价格输入增益模型识别相应的增益预估值，从而可以准确预估用户接受的推荐价格，由此可以使用最匹配的推荐链接来进行弹窗，从而提升用户赠送礼物等付费积极性，增强用户与主播之间的送礼互动。
113.s40，将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。
114.此步骤中，根据确定弹窗的用户，在将设定的推荐链接添加到弹窗窗口，然后在用户的直播间界面设定位置上进行弹窗显示，用户可以通过点击推荐链接来赠送礼物等消费，增强用户赠送礼物等消费的积极性，提升直播平台的日活跃用户数量和用户留存率。
115.参考图6所示，图6是一个示例的弹窗窗口实例图，在直播间界面上以弹窗方式显示弹窗窗口，用户可以点击弹窗窗口上的推荐链接跳转至相应页面赠送礼物。
116.基于以上实施例提供的直播间推荐链接的弹窗控制方法，本技术可以针对于不同场景设置不同弹窗应用方案。
117.据此，在一个实施例中，直播服务器可以从直播平台上获取设定时间段内有付费记录的目标用户；然后分别对各个目标用户进行预测得到相应的第二增益预估值并确定其匹配的推荐价格和推荐链接；当所述目标用户进入直播间时，推荐链接添加到所述弹窗窗口上并在所述用户的直播间界面上进行弹窗显示。
118.下面阐述两个礼物赠送应用场景下的示例。
119.示例一：“一毛钱”的礼物弹窗场景应用；
120.目标人群为本季度未赠送礼物的用户；此场景下，主要考虑用户进入直播间付费赠送礼物意愿，当目标用户进入直播间时，利用用户分类模型计算目标用户的当前情况下的预测增益值，如果预测增益值超过设定的增益值门限，生成“一毛钱”弹窗窗口，对该目标用户进行弹窗。
121.示例二：周星打卡礼物的场景应用；
122.目标人群为近30天观看直播时长超过1个小时的所有用户或近30天有过赠送礼物的用户；此场景下，主要是针对主播的粘性用户，考虑到不同主播的直播间对用户的影响并不相同，可以设置多种价格的礼物推荐价格(例如1元、3.3元、6.6元、9.9元)，具体处理流程为：根据近30天直播观看情况圈定目标用户群，在用户进入直播间时，利用增益模型分别预测用户对四种推荐价格的增益预估值，选择增益预估值最大的推荐价格所对应的推荐链接，按照对应推荐价格的弹窗窗口对用户在当前直播间界面进行弹窗。
123.如上述示例，本技术通过在直播间个性化的弹窗控制方案，通过预估弹窗干预对直播间用户的影响，对有需要弹窗的用户进行弹窗，减少弹窗对用户的干扰和影响，增强用户的直播间体验，同时还可以提升直播平台弹窗的推荐链接的接受几率，也增加了直播平台营收。
124.下面阐述直播间推荐链接的弹窗控制装置的实施例。
125.参考图7所示，图7是一个实施例的直播间推荐链接的弹窗控制装置结构示意图，主要包括如下：
126.特征获取模块10，用于在用户进入直播间时，获取所述用户在直播间的用户特征信息；
127.模型分析模块20，用于利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类；
128.窗口生成模块30，用于当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为施加弹窗干预之后预测的干预影响参数大于设定阈值的用户群体；
129.弹窗显示模块40，用于将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。
130.本实施例的直播间推荐链接的弹窗控制装置可执行本技术的实施例所提供的一种直播间推荐链接的弹窗控制方法，其实现原理相类似，本技术各实施例中的直播间推荐链接的弹窗控制装置中的各模块所执行的动作是与本技术各实施例中的直播间推荐链接的弹窗控制方法中的步骤相对应的，对于直播间推荐链接的弹窗控制装置的各模块的详细功能描述具体可以参见前文中所示的对应的直播间推荐链接的弹窗控制方法中的描述，此处不再赘述。
131.下面阐述网络直播系统的实施例。
132.本实施例的网络直播系统，参考图8所示，图8是一个示例的网络直播系统结构示意图，该系统框架可以包括主播端、直播服务器和观众端，其中，主播端和多个观众端分别与直播服务器之间通过有线网络或者无线网络建立通信连接。主播用户通过主播端进行直播，如进行真人才艺表演等，用户通过观众端选择进入某一虚拟直播间观看主播用户进行直播。观众端和主播端可以通过安装在计算机设备上的客户端进入直播平台，示例性的，主播端和观众端可以为计算机类设备，如pda、智能手机、平板电脑、台式电脑或笔记本电脑等，对此并不做限定，也可以是应用程序的软件模块，直播服务器包括用于为计算机设备提供后台服务的后台服务器，可以用独立服务器或多个服务器组成的服务器集群来实现。
133.在本实施例中，直播服务器用于接收主播端上传的视频画面数据，同时在直播过程中，对直播间推荐链接的弹窗进行控制，以及将直播视频数据转发至观众端；主播端用于接入直播间的主播，采集主播的视频画面并上传至直播服务器；观众端用于接入直播间的用户以及播放直播视频。在应用中，主播端在采集了主播的视频数据之后，上传到直播服务器生成直播视频内容；在此过程中，主播端采集主播的视频画面通过直播服务器处理后的视频直播画面至各个观众端进行播放，在用户进入直播间时，直播服务器利用本技术提供的直播间推荐链接的弹窗控制方法，先获取用户在直播间的用户特征信息，利用用户分类模型识别用户的用户群分类，最后在进行弹窗显示相应的推荐链接，用户通过点击在弹窗窗口上的推荐链接可以跳转至相应页面付费给主播赠送礼物等，从而实现直播间主播与用户之间的赠送礼物互动，该网络直播系统，准确预估了弹窗对用户的影响，可以更加精准对有需要弹窗的用户进行弹窗，从而可以减少直播间弹窗对用户观看直播的干扰，提升了直播平台的日活跃用户数量和用户留存率。
134.下面阐述计算机设备和计算机可读存储介质的实施例。
135.本技术提供一种计算机设备的技术方案，用以实现直播间推荐链接的弹窗控制方法相关功能。
136.在一个实施例中，本技术提供一种计算机设备，该计算机设备，其包括：
137.一个或多个处理器；
138.存储器；
139.一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于任意实施例的直播间推荐链接的弹窗控制方法。
140.如图9所示，图9是一示例的计算机设备的框图。该计算机设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。该计算机设备100可以包括以下一个或多个组件：处理组件102，存储器104，电力组件106，多媒体组件108，音频组件109，输入/输出(i/o)的接口112，传感器组件114，以及通信组件116。
141.处理组件102通常控制计算机设备100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。
142.存储器104被配置为存储各种类型的数据以支持在计算机设备100的操作。如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
143.电源组件106为计算机设备100的各种组件提供电力。
144.多媒体组件109包括在计算机设备100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。在一些实施例中，多媒体组件108包括一个前置摄像头和/或后置摄像头。
145.音频组件109被配置为输出和/或输入音频信号。
146.i/o接口112为处理组件102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
147.传感器组件114包括一个或多个传感器，用于为计算机设备100提供各个方面的状态评估。传感器组件114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。
148.通信组件116被配置为便于计算机设备100和其他设备之间有线或无线方式的通信。计算机设备100可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。
149.本技术提供一种计算机可读存储介质的技术方案，用以实现直播间推荐链接的弹窗控制方法相关功能。该计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行任意实施例的直播间推荐链接的弹窗控制方法。
150.在示例性实施例中，计算机可读存储介质可以是一种包括指令的非临时性计算机
可读存储介质，例如包括指令的存储器，例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
151.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种直播间推荐链接的弹窗控制方法，其特征在于，包括：在用户进入直播间时，获取所述用户在直播间的用户特征信息；利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类；当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为干预影响参数大于设定阈值的用户群体；将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。2.根据权利要求1所述的直播间推荐链接的弹窗控制方法，其特征在于，获取所述用户在直播平台上的用户特征信息，包括：获取所述用户在直播平台上保存的用户数据信息；根据设定的信息维度对所述用户数据信息进行分析获得所述用户在直播间的用户特征信息。3.根据权利要求2所述的直播间推荐链接的弹窗控制方法，其特征在于，根据设定的信息维度对所述用户数据信息进行分析获得所述用户在直播间的用户特征信息，包括：获取所述用户在直播平台的历史行为特征信息，获取所述用户进入的直播间的主播特征信息，获取所述用户与直播间主播的交互特征信息和/或获取所述用户进入直播间时的实时特征信息。4.根据权利要求3所述的直播间推荐链接的弹窗控制方法，其特征在于，还包括：建立增益模型；其中，所述增益模型以用户特征信息为输入和以增益预估值为输出；采用随机a/b实验方式构造训练样本对所述增益模型进行训练，并采用倾向评分匹配方法从观测数据中构造实验组和对照组，以对所述训练样本进行扩充；利用所述训练样本对所述增益模型进行训练得到用户分类模型；其中，所述干预影响参数为增益模型输出的增益预估值。5.根据权利要求4所述的直播间推荐链接的弹窗控制方法，其特征在于，利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类，包括：将用户进行群体划分；其中，每个用户群体分别对应设定取值范围的干预影响参数；将所述用户特征信息输入预先训练的用户分类模型进行预测得到第一增益预估值，根据所述第一增益预估值及其取值范围识别属于所述营销人群四象限中的用户群分类类型；其中，所述第一用户群分类对应为营销敏感人群。6.根据权利要求5所述的直播间推荐链接的弹窗控制方法，其特征在于，还包括：分别将多种推荐链接对应的不同推荐价格作为特征信息输入到所述用户分类模型进行预测得到第二增益预估值；获取取值最大的所述第二增益预估值所对应的推荐价格，并将该推荐价格的推荐链接添加到所述弹窗窗口上。7.根据权利要求6所述的直播间推荐链接的弹窗控制方法，其特征在于，还包括：从直播平台上获取设定时间段内有付费记录的目标用户；分别对各个目标用户进行预测得到相应的第二增益预估值，并确定其匹配的推荐价格
和推荐链接；当所述目标用户进入直播间时，将推荐链接添加到所述弹窗窗口上并在所述用户的直播间界面上进行弹窗显示。8.根据权利要求1所述的直播间推荐链接的弹窗控制方法，其特征在于，在所述用户的直播间界面上进行弹窗显示之前，还包括：选择所述目标用户的弹窗窗口模板；将所述推荐链接添加到弹窗窗口模板上，并根据所述用户的用户特征信息生成所述弹窗窗口的点击引导内容；根据所述用户的用户特征信息配置所述弹窗窗口模板的窗口参数；其中，所述窗口参数包括窗口大小、显示位置以及显示时间。9.一种直播间推荐链接的弹窗控制装置，其特征在于，包括：特征获取模块，用于在用户进入直播间时，获取所述用户在直播间的用户特征信息；模型分析模块，用于利用预先训练的用户分类模型对所述用户特征信息进行预测得到施加弹窗干预之后的干预影响参数，并根据所述干预影响参数得到所述用户在直播间场景下所属的用户群分类；窗口生成模块，用于当所述用户属于第一用户群分类时，对所述用户进行弹窗并生成与所述用户相匹配的推荐链接；其中，所述第一用户群分类为施加弹窗干预之后预测的干预影响参数大于设定阈值的用户群体；弹窗显示模块，用于将所述推荐链接添加到弹窗窗口并在所述用户的直播间界面上进行弹窗显示。10.一种网络直播系统，其特征在于，包括：主播端、观众端以及直播服务器；其中，所述主播端和观众端分别通过网络连接至所述直播服务器；所述直播服务器，用于接收主播端上传的视频画面数据以及将直播视频数据转发至观众端，执行权利要求1-8任一项所述的直播间推荐链接的弹窗控制方法的步骤；所述主播端，用于接入直播间的主播，采集主播的视频画面并上传至直播服务器；所述观众端，用于接入直播间的用户和播放直播视频，以及在所述直播服务器的控制下进行弹窗。11.一种计算机设备，其特征在于，该计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求1-8任一项所述的直播间推荐链接的弹窗控制方法的步骤。12.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行权利要求1-8任一项所述的直播间推荐链接的弹窗控制方法的步骤。

技术总结
本申请涉及一种直播间推荐链接的弹窗控制方法、装置、网络直播系统、计算机设备及计算机可读存储介质；所述方法包括：在用户进入直播间时获取其在直播间的用户特征信息，利用预先训练的用户分类模型分析用户特征信息预测得到施加弹窗干预之后的干预影响参数，并以此得到该用户在直播间场景下的用户群分类；如果该用户属于施加弹窗干预之后预测的干预作用大于设定阈值的第一用户群分类，则对该用户进行弹窗，生成与该用户相匹配的推荐链接并添加到弹窗窗口，在用户的直播间界面上进行弹窗显示。该技术方案，可以更加精准对有需要弹窗的用户进行弹窗，从而可以减少直播间弹窗对用户观看直播的干扰，提升了直播平台的日活跃用户数量和用户留存率。数量和用户留存率。数量和用户留存率。


技术研发人员：陈洋溢 陈远鹏
受保护的技术使用者：广州方硅信息技术有限公司
技术研发日：2023.05.16
技术公布日：2023/7/21