估计和促进应用的将来的用户参与的制作方法

背景技术：

1、在现代世界中，应用已经成为用于个体与其他人和企业交互的共同的方式。应用开发者试图设计具有最大实用性和易于使用的应用，以增加应用的流行度、应用用户的数目以及参与应用的总体用户。然而，随时间而言维持用户参与是具有挑战性的问题，因为不容易理解应该采取什么动作来激励用户并且最大化参与。在没有对应用用户的清楚了解的情况下，用以增加参与所采取的动作可能是不成功的，或者更糟的是具有阻止用户与应用交互的相反效果。

2、关于这些和其他一般考虑，已经描述了本公开的各方面。此外，尽管已经讨论了相对特定的问题，但是应当理解，本文公开的示例不应限于解决在背景中所标识的特定问题。

技术实现思路

1、本公开的方面涉及生成参与模型以预测以下动作：可以具有维持用户参与到应用内或者使用户再参与应用的高概率。为了生成参与模型，已经开发了一种结合应用和应用用户的特征分析的方法。基于被用于生成机器学习参与模型的相似特征，用户可以被分组。参与模型的输出可以是关于用户是否将继续参与应用的预测。预测可以被提供到再参与模型，再参与模型可以输出提示以帮助增加用户参与到应用。提示可以是基于对应用用户及其偏好的理解。因此，根据本文描述的方面，参与模型和再参与模型可以实现对应用用户的更好的理解，允许某些应用体验的个性化并且促进长期应用用户参与。

2、提供本
技术实现要素：
是为了以简化的形式介绍构思的选择，以下具体实施方式中进一步描述这些构思。本发明内容不旨在标识所要求保护的技术方案的关键特征或必要特征，也不旨在被用来限制所要求保护的技术方案的范围。

1.一种系统，包括：

2.根据权利要求1所述的系统，其中相似度得分包括组内的用户之间以及与所述组外的用户之间的特征相似度的测量。

3.根据权利要求1所述的系统，其中所述再参与模型是机器学习模型，所述机器学习模型生成对应用的提示，针对用户组内的用户，所述提示具有维持用户参与以及使所述用户再参与所述应用的高概率。

4.根据权利要求1所述的系统，其中参与模型使用以下一项或多项被训练：所述特征向量、用户组、特征、提示结果、所述参与循环。

5.根据权利要求1所述的系统，其中所述参与模型是机器学习模型，所述机器学习模型生成预测，针对用户组内的用户，所述预测具有维持用户参与以及使所述用户再参与所述应用的高概率。

6.一种方法，包括：

7.根据权利要求6所述的方法，还包括：

8.根据权利要求6所述的方法，其中参与模型是机器学习模型，所述机器学习模型生成预测，针对用户组内的用户，所述预测具有维持用户参与以及使所述用户再参与所述应用的高概率。

9.根据权利要求6所述的方法，其中应用内提示包括来自用以改变用户行为的主动动作的所述再参与模型的信号，所述信号具有维持用户对所述应用的参与的高概率。

10.根据权利要求6所述的方法，其中利用所述应用内提示使所述用户参与进一步包括：向所述用户传输通知、在所述用户设备的所述显示器上弹出的显示框、链接、按钮、标记和其他可选择的选项，以支持所述用户选择参与、忽略、拒绝和忽视所述提示。

11.根据权利要求6所述的方法，其中确定用户参与到应用内进一步包括：确定所述用户是否主动地参与所述应用上的特征以及所述应用在所述设备上是否打开但处于后台状态。

12.一种方法，包括：

13.根据权利要求12所述的方法，还包括：

14.根据权利要求12所述的方法，其中利用提示使所述用户参与进一步包括：向所述用户传输通知、在所述用户设备的所述显示器上弹出的显示框、链接、按钮、标记、电子邮件、文本和其他可选择的选项，以支持所述用户选择参与、忽略、拒绝和忽视所述提示。

15.根据权利要求12所述的方法，其中确定用户未参与到应用内进一步包括：确定所述用户是否未主动参与所述应用上的特征以及所述应用在所述设备上是否未打开。