CN104391968A - 一种应用的特征参数的估算方法和装置 - Google Patents

一种应用的特征参数的估算方法和装置 Download PDF

Info

Publication number
CN104391968A
CN104391968A CN201410729282.9A CN201410729282A CN104391968A CN 104391968 A CN104391968 A CN 104391968A CN 201410729282 A CN201410729282 A CN 201410729282A CN 104391968 A CN104391968 A CN 104391968A
Authority
CN
China
Prior art keywords
application
characteristic parameter
parameter
user behavior
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410729282.9A
Other languages
English (en)
Other versions
CN104391968B (zh
Inventor
郭明累
娄莹
傅志华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Qihoo Technology Co Ltd
Original Assignee
Beijing Qihoo Technology Co Ltd
Qizhi Software Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Qihoo Technology Co Ltd, Qizhi Software Beijing Co Ltd filed Critical Beijing Qihoo Technology Co Ltd
Priority to CN201410729282.9A priority Critical patent/CN104391968B/zh
Publication of CN104391968A publication Critical patent/CN104391968A/zh
Application granted granted Critical
Publication of CN104391968B publication Critical patent/CN104391968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种应用的特征参数的估算方法和装置。所述方法包括：从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。

Description

一种应用的特征参数的估算方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种应用的特征参数的估算方法和装置。
背景技术
随着计算机技术的发展和普及，通过搜索服务器来获取各种信息的需求也日益增加。对于在各种电子设备中所使用的应用的需求也日益增多。而如何有效地根据各应用的各项性能指标对其进行综合估算，对于优化应用的性能、提高服务器的效率是非常重要的。
目前，还没有一个应用特征参数估算的完整解决方案。在实际中，各公司根据自己的经验，选取某些指标(如次日留存、三日留存等)，再对这些指标进行主观的组合，形成一个简单的方法来对应用的特征参数进行估算。虽然这种方法可以在一定程度上对应用的特征参数进行估算，但是这些方法主要有以下缺陷：首先，指标的信息含量不够，指标体系不够完整，在目前的一些方法中，主要使用到了次日留存、三日留存等指标，这些指标是对基础指标的一些抽象，不能全面反映所需要的应用信息，如果仅用这样的指标进行应用特征参数估算，其效果也会受到一定的影响，在实际应用中还需要选取一些更加基础的指标，这些指标所含的信息量更大，更有甄别的作用。另外，在目前的一些方法中，指标体系还不够完整，在这些指标的基础上，还需要加入一些产品本身的指标。其次，所使用的方法有一定的局限性，在目前的方法中，是对所选指标进行主观的简单组合，这种组合主要是根据经验来进行的，在合理性和说服力上有一定的局限性，这样会造成一家之谈难以说服其他人；因此，在主观经验的基础上，还需要结合更加科学的方法，通过这些方法来量化专家的经验，这样才更加合理和有说服力。再次，在目前的方法中，主要使用的是主观经验来将所选指标进行组合。但是，由于认识上的局限性和偏差，这样做法可能会带来某些未知的不合理性。因此，在这种方法的基础上，还需要一个客观的方法来对主观方法进行调整，从而才可以得到一个更加合理和有说服力的结果。
发明内容
鉴于上述问题，提出了本发明，以便提供一种克服上述问题或者至少部分地解决上述问题的应用的特征参数的估算方法和装置。
依据本发明的第一方面，提供了一种应用的特征参数的估算方法，包括：从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
可选地，其中对每个应用的特征参数进行估算包括：基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
可选地，基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算包括：确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
可选地，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。
可选地，其中对每个应用进行估算包括：基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
可选地，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户累积数量、周活跃用户累积数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。
可选地，基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果之后，所述方法还包括：计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。
根据本发明的第二方面，提供了一种应用的特征参数的估算装置，包括：数据获取模块，适于从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及估算模块，适于基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
可选地，其中所述估算模块适于：基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
可选地，其中所述估算模块适于：确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
可选地，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。
可选地，其中所述评估模块适于基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
可选地，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户累积数量、周活跃用户累积数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。
可选地，基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果之后，所述估算模块还适于：计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。
本发明提供了上述根据本发明的实施例的应用的特征参数的估算的方法和装置。根据本发明的实施例，根据本发明的实施例的应用的特征参数的估算的方法和装置，通过使用用户行为参数和应用特征参数用于后续估算，构建了改进的估算指标体系，增加了指标的信息量，包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；另外，此处的用户行为参数和应用特征参数对于不同的估算方法可以由不同的具体定义，具有显著提高的灵活性；在进行估算之前，对各用户行为参数和应用特征参数进行标准化这种方式，避免了个别参数或其权重的误差对估算结果的可能的显著影响，提高了估算结果的准确度，使估算结果具有更高有效性和稳定性；以及通过综合使用两种方式来获得最终估算结果，可以使评估结果更加客观、准确，提高了估算结果的准确程度以及完整性，从而有效地优化应用的性能、提高服务器的效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是根据本发明的实施例的应用的特征参数的估算方法的流程图；以及
图2是根据本发明的实施例的应用的特征参数的估算装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的第一方面，提供了一种根据本发明的实施例的应用的特征参数的估算的方法100。
图1示出了根据本发明的实施例的应用的特征参数的估算方法100的流程图。
如图1所示，应用的特征参数的估算方法100始于步骤S101：从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数。
在本发明的实施例中，服务器可以是一个或多个服务器计算机，可设置为提供某种服务器功能，例如数据库管理和搜索引擎。服务器可以包括至少一个处理器，其与存储器以及多个其它模块协同操作。所述处理器可以包括多个核心，以用于多线程或并行处理。所述存储器可以包括一个或多个存储设备，存储器或者其中的存储设备包括非易失性计算机可读记录/存储介质。
在本发明的实施例中，应用可以是使用各种程序设计语言编制的程序，其一般具有可视的用户界面，可以和用户进行交互，并可供多用户使用，以满足用户不同领域、不同问题的需求。应用可在手机、电脑等电子设备上使用，包括但不限于游戏、多媒体播放应用、导航应用等等。在下文中，将以游戏作为应用的例子，对本发明的原理进行示例性地描述。
在本发明的实施例中，所述用户行为参数可以包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例，和/或其他用户行为参数；所述应用特征参数包括所述应用的功能按键的用户使用次数、用户使用比例，和/或其他应用特征参数。根据本发明实施例的方法100，通过加入包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的用户使用次数、用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果；另外，此处的用户行为参数和应用特征参数对于不同的估算方法可以由不同的具体定义，其可以视特定应用或所使用的特定估算方法而定，例如，用户活跃天数对于不同的估算方法可以是累积用户活跃天数，也可以是平均用户活跃天数，用户使用次数可以是累积用户使用次数，也可以是平均用户使用次数，这种方式显著提高了方法100的灵活性。
如图1所示，方法100还包括步骤S103：基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。可选地，应用的特征参数可以是该应用的总收入、留存率、总网络流量，或可以用来评估该应用性能量的任何其他特征参数。
根据本发明的示例性实施例，对每个应用的特征参数进行估算包括：基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
可选地，可使用层次分析法(AHP)对每个应用的特征参数进行估算，以获得第一估算结果，其可避免极端值的影响，尤其可避免当数据出现不稳定的时候出现的偏差的影响，使所获得的估算结果更稳定、准确。可选地，可使用信息熵的方法，基于指标数据给出权重的客观方法，对每个应用的特征参数进行估算，以获得第一估算结果。所述用户行为参数的权重Wx或应用特征参数的权重Wy可基于服务器的历史数据、统计结果等，经预先确定的计算方式得出，例如，可预先确定所需要的用户行为参数和应用特征参数，并估算其各自的权重，基于各个参数及其各自的权重建立参数关联矩阵；基于所获得的参数关联矩阵，计算各参数各自的相对权重；之后，基于用户行为参数和应用特征参数以及其各自的相对权重，通过以下公式对每个应用的特征参数进行估算，以获得第一估算结果score：
Score＝weight1*index1+weight2*index2+weight3*index3+weight4*index4+weight5*index5+weight6*index6
其中，indexi可以是用户行为参数或应用特征参数；应用的特征参数score可以是该应用的总收入、留存率、总网络流量，或可以用来评估该应用性能量的任何其他特征参数。可选地，可利用百度指数、工业经济效益综合指数或PMI指数的计算方式，通过层次分析法，对每个应用的特征参数进行估算，以获得第一估算结果score。
根据本发明的示例性实施例，基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算包括：确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。通过在进行估算之前，对各用户行为参数和应用特征参数进行标准化这种方式，避免了个别参数或其权重的误差对估算结果的可能的显著影响，提高了估算结果的准确度，使估算结果具有更高有效性和稳定性。
根据本发明的示例性实施例，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。可选地，可通过标杆分析方法对所述用户行为参数和应用特征参数进行标准化，选择第一估算结果较大的应用，以该应用的用户行为参数和应用特征参数为标准，对其他应用的用户行为参数和应用特征参数分别进行标准化。例如，基于从服务器获取的某用户在7天之内(含第7天)使用N个应用的数据，如果名称为“手机助手”的应用具有较大的第一估算结果，例如超过某一阈值范围，则以手机助手的用户行为参数和应用特征参数为标准，对另一应用的用户行为参数和应用特征参数分别进行标准化，即，该另一应用的标准化后的用户行为参数可包括：
另一应用的平均用户活跃天数/手机助手的平均用户活跃天数、
另一应用的平均用户使用时长/手机助手的平均用户使用时长、
另一应用的日活跃用户平均数量/手机助手的日活跃用户平均数量、
另一应用的周活跃用户平均数量/手机助手的周活跃用户平均数量，和/或
另一应用的非一日用户比例/手机助手的非一日用户比例；
该另一应用的标准化后的应用特征参数可包括：
另一应用的应用的功能按键的平均用户使用次数/手机助手的功能按键的平均用户使用次数，和/或
另一应用的平均用户使用比例/手机助手的平均用户使用比例。
如上所述，过加入包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的平均用户使用次数、平均用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果。
根据本发明的示例性实施例，其中对每个应用进行估算包括：基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法(DEA)对每个应用的特征参数进行估算，以获得第二估算结果。包络分析法方法是一种相对客观的分析方法，可基于一组输入数据，例如从服务器获取的N和应用的数据，和一组输出数据，例如X个用户行为参数和Y个应用特征参数，对每个应用的特征参数进行估算，以获得第二估算结果。其中，从服务器获取的N个应用的数据可包括所述N个应用的流量；所述用户行为参数可以包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例，和/或其他用户行为参数；所述应用特征参数包括所述应用的功能按键的用户使用次数、用户使用比例，和/或其他应用特征参数。可选地，DEA方法中，可对输入数据或输出数据进行标准化，也可以不进行标准化。可选地，可使用合适的软件，例如deap软件，来通过DEA方法，对每个应用的特征参数进行估算，以获得第二估算结果。在本解决方案中用到的DEA方法中，第二估算结果是正值，并且第二估算结果的数值越大，表示该应用的性能越好。
根据本发明的示例性实施例，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。可选地，上述累积数值可以是一段时间内，例如7天内的累积数值。如上所述，过加入包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的累积用户使用次数、累积用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果。
根据本发明的示例性实施例，方法100中，可首先通过计算每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果；然后，基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果；最后，计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。通过综合使用上述两种方式来获得最终估算结果，可以使评估结果更加客观、准确，提高了估算结果的准确程度以及完整性。
总之，本发明的实施方式提供的根据本发明的实施例的应用的特征参数的估算的方法100，通过使用用户行为参数和应用特征参数用于后续估算，构建了改进的估算指标体系，增加了指标的信息量，包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；另外，此处的用户行为参数和应用特征参数对于不同的估算方法可以由不同的具体定义，具有显著提高的灵活性；在进行估算之前，对各用户行为参数和应用特征参数进行标准化这种方式，避免了个别参数或其权重的误差对估算结果的可能的显著影响，提高了估算结果的准确度，使估算结果具有更高有效性和稳定性；以及通过综合使用两种方式来获得最终估算结果，可以使评估结果更加客观、准确，提高了估算结果的准确程度以及完整性，从而有效地优化应用的性能、提高服务器的效率。
根据本发明的第二方面，提供了一种根据本发明的实施例的应用的特征参数的估算装置200。
图2示出了根据本发明的实施例的应用的特征参数的估算装置200的示意图。
如图2所示，应用的特征参数的估算装置200包括数据获取模块201和估算模块203。其中数据获取模201块适于从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数。
在本发明的实施例中，所述用户行为参数可以包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例，和/或其他用户行为参数；所述应用特征参数包括所述应用的功能按键的用户使用次数、用户使用比例，和/或其他应用特征参数。根据本发明实施例的装置200，通过加入包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的用户使用次数、用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果；另外，此处的用户行为参数和应用特征参数对于不同的估算装置可以由不同的具体定义，其可以视特定应用或所使用的特定估算方法而定，例如，用户活跃天数对于不同的估算装置可以是累积用户活跃天数，也可以是平均用户活跃天数，用户使用次数可以是累积用户使用次数，也可以是平均用户使用次数，这种方式显著提高了装置200的灵活性。
如图2所示，估算模块203适于基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。可选地，应用的特征参数可以是该应用的总收入、留存率、总网络流量，或可以用来评估该应用性能量的任何其他特征参数。
根据本发明的示例性实施例，估算模块203适于：基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
可选地，估算模块203可使用层次分析法(AHP)对每个应用的特征参数进行估算，以获得第一估算结果，其可避免极端值的影响，尤其可避免当数据出现不稳定的时候出现的偏差的影响，使所获得的估算结果更稳定、准确。可选地，估算模块203可使用信息熵的方法，基于指标数据给出权重的客观方法，对每个应用的特征参数进行估算，以获得第一估算结果。估算模块203适于将所述用户行为参数的权重Wx或应用特征参数的权重Wy基于服务器的历史数据、统计结果等，经预先确定的计算方式得出，例如，可预先确定所需要的用户行为参数和应用特征参数，并估算其各自的权重，基于各个参数及其各自的权重建立参数关联矩阵；基于所获得的参数关联矩阵，计算各参数各自的相对权重；之后，基于用户行为参数和应用特征参数以及其各自的相对权重，通过以下公式对每个应用的特征参数进行估算，以获得第一估算结果score：
Score＝weight1*index1+weight2*index2+weight3*index3+weight4*index4+weight5*index5+weight6*index6
其中，indexi可以是用户行为参数或应用特征参数；应用的特征参数score可以是该应用的总收入、留存率、总网络流量，或可以用来评估该应用性能量的任何其他特征参数。可选地，可利用百度指数、工业经济效益综合指数或PMI指数的计算方式，通过层次分析法，对每个应用的特征参数进行估算，以获得第一估算结果score。
根据本发明的示例性实施例，估算模块203适于：确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。通过在进行估算之前，对各用户行为参数和应用特征参数进行标准化这种方式，避免了个别参数或其权重的误差对估算结果的可能的显著影响，提高了估算结果的准确度，使估算结果具有更高有效性和稳定性。
根据本发明的示例性实施例，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。可选地，估算模块203可通过标杆分析方法对所述用户行为参数和应用特征参数进行标准化，选择第一估算结果较大的应用，以该应用的用户行为参数和应用特征参数为标准，对其他应用的用户行为参数和应用特征参数分别进行标准化。例如，基于从服务器获取的某用户在7天之内(含第7天)使用N个应用的数据，如果名称为“手机助手”的应用具有较大的第一估算结果，例如超过某一阈值范围，则估算模块203以手机助手的用户行为参数和应用特征参数为标准，对另一应用的用户行为参数和应用特征参数分别进行标准化，即，该另一应用的标准化后的用户行为参数可包括：
另一应用的平均用户活跃天数/手机助手的平均用户活跃天数、
另一应用的平均用户使用时长/手机助手的平均用户使用时长、
另一应用的日活跃用户平均数量/手机助手的日活跃用户平均数量、
另一应用的周活跃用户平均数量/手机助手的周活跃用户平均数量，和/或
另一应用的非一日用户比例/手机助手的非一日用户比例；
该另一应用的标准化后的应用特征参数可包括：
另一应用的应用的功能按键的平均用户使用次数/手机助手的功能按键的平均用户使用次数，和/或
另一应用的平均用户使用比例/手机助手的平均用户使用比例。
如上所述，装置200通过加入包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的平均用户使用次数、平均用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果。
根据本发明的示例性实施例，其中估算模块203适于：基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法(DEA)对每个应用的特征参数进行估算，以获得第二估算结果。包络分析法方法是一种相对客观的分析方法，可基于一组输入数据，例如从服务器获取的N和应用的数据，和一组输出数据，例如X个用户行为参数和Y个应用特征参数，对每个应用的特征参数进行估算，以获得第二估算结果。其中，从服务器获取的N个应用的数据可包括所述N个应用的流量；所述用户行为参数可以包括所述应用的用户活跃天数、用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例，和/或其他用户行为参数；所述应用特征参数包括所述应用的功能按键的用户使用次数、用户使用比例，和/或其他应用特征参数。可选地，DEA方法中，估算模块203可对输入数据或输出数据进行标准化，也可以不进行标准化。可选地，估算模块203可使用合适的软件，例如deap软件，来通过DEA方法，对每个应用的特征参数进行估算，以获得第二估算结果。在本解决方案中用到的DEA方法中，第二估算结果是正值，并且第二估算结果的数值越大，表示该应用的性能越好。
根据本发明的示例性实施例，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。可选地，上述累积数值可以是一段时间内，例如7天内的累积数值。如上所述，通过加入包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户数量、周活跃用户数量、非一日用户比例等的用户行为参数，使用于后续估算的数据包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；且加入了应用本身的特征参数，如所述应用的功能按键的累积用户使用次数、累积用户使用比例等，其对于用户行为参数是有利的补充，构建了改进的估算指标体系，增加了指标的信息量，提高了甄别的效果。
根据本发明的示例性实施例，估算模块203可首先通过计算每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果；然后，估算模块203可基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果；最后，估算模块203可计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。通过综合使用上述两种方式来获得最终估算结果，可以使评估结果更加客观、准确，提高了估算结果的准确程度以及完整性。
总之，本发明的实施方式提供的根据本发明的实施例的应用的特征参数的估算的装置200，通过使用用户行为参数和应用特征参数用于后续估算，构建了改进的估算指标体系，增加了指标的信息量，包含了更多信息量、甄别作用更强，解决了用于应用估算中所使用指标的信息含量不够的问题；另外，此处的用户行为参数和应用特征参数对于不同的估算方法可以由不同的具体定义，具有显著提高的灵活性；在进行估算之前，对各用户行为参数和应用特征参数进行标准化这种方式，避免了个别参数或其权重的误差对估算结果的可能的显著影响，提高了估算结果的准确度，使估算结果具有更高有效性和稳定性；以及通过综合使用两种方式来获得最终估算结果，可以使评估结果更加客观、准确，提高了估算结果的准确程度以及完整性，从而有效地优化应用的性能、提高服务器的效率。
在此提供的方法和装置不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的若干模块组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者模块中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个装置实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明还公开了：
A1.一种应用的特征参数的估算方法，包括：
从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及
基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
A2.如A1所述的方法，其中对每个应用的特征参数进行估算包括：
基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；
基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
A3.如A2所述的方法，基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算包括：
确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；
分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；
基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
A4.如A2所述的方法，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。
A5.如A1所述的方法，其中对每个应用进行估算包括：
基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
A6.如A3所述的方法，其中对每个应用进行估算包括：
基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
A7.如A5或A6所述的方法，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户累积数量、周活跃用户累积数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。
A8.如A6所述的方法，还包括：计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。
A9.一种应用的特征参数的估算装置，包括：
数据获取模块，适于从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及
估算模块，适于基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
A10.如A9所述的装置，其中所述估算模块适于：
基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；
基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
A11.如A10所述的装置，其中所述估算模块适于：
确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；
分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；
基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
A12.如A10所述的装置，其中所述用户行为参数包括所述应用的平均用户活跃天数、平均用户使用时长、日活跃用户平均数量、周活跃用户平均数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的平均用户使用次数，和/或平均用户使用比例。
A13.如A9所述的装置，其中所述评估模块适于基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
A14.如A11所述的装置，其中所述评估模块适于基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
A15.如A13或A14所述的装置，其中所述用户行为参数包括所述应用的累积用户活跃天数、累积用户使用时长、日活跃用户累积数量、周活跃用户累积数量，和/或非一日用户比例；所述应用特征参数包括所述应用的功能按键的累积用户使用次数，和/或累积用户使用比例。
A16.如A14所述的装置，所述估算模块还适于：
计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。

Claims (10)

1.一种应用的特征参数的估算方法，包括：
从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及
基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
2.如权利要求1所述的方法，其中对每个应用的特征参数进行估算包括：
基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；
基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
3.如权利要求2所述的方法，基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算包括：
确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；
分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；
基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
4.如权利要求1或3所述的方法，其中对每个应用进行估算包括：
基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
5.如权利要求4所述的方法，当引用权利要求3时，所述方法还包括：
计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。
6.一种应用的特征参数的估算装置，包括：
数据获取模块，适于从服务器获取N个应用的数据，其中每个应用的数据包括X个用户行为参数和Y个应用特征参数；以及
估算模块，适于基于所述X个用户行为参数和所述Y个应用特征参数，对每个应用的特征参数进行估算。
7.如权利要求6所述的装置，其中所述估算模块适于：
基于从服务器所获取的所述N个应用的数据，计算各应用的每个用户行为参数的权重Wx和每个应用特征参数的权重Wy；
基于每个应用的X个用户行为参数及其各自的权重Wx，以及Y个应用特征参数及其各自的权重Wy，对每个应用的特征参数进行估算，以获得第一估算结果。
8.如权利要求7所述的装置，其中所述估算模块适于：
确定X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy中的最大值Wmax；
分别计算X个用户行为参数的权重Wx和Y个应用特征参数的权重Wy相对于Wmax的比值，作为所述X个用户行为参数Wx的标准化权重WxR和Y个应用特征参数的标准化权重WyR；
基于每个应用的X个用户行为参数及其各自的标准化权重WxR，以及Y个应用特征参数及其各自的标准化权重WyR，对所述每个应用的特征参数进行估算，以获得第一估算结果。
9.如权利要求6或8所述的装置，其中所述评估模块适于基于所述X个用户行为参数和所述Y个应用特征参数，使用数据包络分析法对每个应用的特征参数进行估算，以获得第二估算结果。
10.如权利要求9所述的装置，当引用权利要求8时，所述估算模块还适于：
计算所述第一估算结果和所述第二估算结果的加权平均值，以获得最终估算结果。
CN201410729282.9A 2014-12-03 2014-12-03 一种应用的特征参数的估算方法和装置 Active CN104391968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410729282.9A CN104391968B (zh) 2014-12-03 2014-12-03 一种应用的特征参数的估算方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410729282.9A CN104391968B (zh) 2014-12-03 2014-12-03 一种应用的特征参数的估算方法和装置

Publications (2)

Publication Number Publication Date
CN104391968A true CN104391968A (zh) 2015-03-04
CN104391968B CN104391968B (zh) 2018-04-13

Family

ID=52609872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410729282.9A Active CN104391968B (zh) 2014-12-03 2014-12-03 一种应用的特征参数的估算方法和装置

Country Status (1)

Country Link
CN (1) CN104391968B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162327A (zh) * 2015-04-10 2016-11-23 腾讯科技（北京）有限公司 一种视频广告测试方法和装置
CN106572126A (zh) * 2015-10-08 2017-04-19 平安科技（深圳）有限公司 活跃设备数的计算方法及服务器
CN106600300A (zh) * 2015-10-14 2017-04-26 北京国双科技有限公司 应用程序用户粘度的分析方法及装置
CN107451133A (zh) * 2016-05-30 2017-12-08 泰康之家（北京）投资有限公司 用于评估对象的整体特征状态的方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049452A (zh) * 2011-10-14 2013-04-17 百度在线网络技术（北京）有限公司 一种基于预估下载率进行应用排序的方法与设备
US20130139130A1 (en) * 2011-11-30 2013-05-30 Gururaj ANJAN System and method for performance assurance of applications
CN103577328A (zh) * 2013-11-20 2014-02-12 北京奇虎科技有限公司 一种应用的性能分析方法及装置
CN104112003A (zh) * 2014-07-14 2014-10-22 广州华多网络科技有限公司 对游戏终端的性能进行检测的方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049452A (zh) * 2011-10-14 2013-04-17 百度在线网络技术（北京）有限公司 一种基于预估下载率进行应用排序的方法与设备
US20130139130A1 (en) * 2011-11-30 2013-05-30 Gururaj ANJAN System and method for performance assurance of applications
CN103577328A (zh) * 2013-11-20 2014-02-12 北京奇虎科技有限公司 一种应用的性能分析方法及装置
CN104112003A (zh) * 2014-07-14 2014-10-22 广州华多网络科技有限公司 对游戏终端的性能进行检测的方法及***

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162327A (zh) * 2015-04-10 2016-11-23 腾讯科技（北京）有限公司 一种视频广告测试方法和装置
CN106572126A (zh) * 2015-10-08 2017-04-19 平安科技（深圳）有限公司 活跃设备数的计算方法及服务器
CN106572126B (zh) * 2015-10-08 2020-06-30 平安科技（深圳）有限公司 活跃设备数的计算方法及服务器
CN106600300A (zh) * 2015-10-14 2017-04-26 北京国双科技有限公司 应用程序用户粘度的分析方法及装置
CN107451133A (zh) * 2016-05-30 2017-12-08 泰康之家（北京）投资有限公司 用于评估对象的整体特征状态的方法和装置
CN107451133B (zh) * 2016-05-30 2023-09-29 泰康之家（北京）投资有限公司 用于评估对象的整体特征状态的方法和装置

Also Published As

Publication number Publication date
CN104391968B (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
Alsheikh et al. The accuracy-privacy trade-off of mobile crowdsensing
Zhu et al. Diffusion of selected green supply chain management practices: an assessment of Chinese enterprises
Nguyen et al. Global software development and delay: Does distance still matter?
Crouzeilles et al. Incorporating habitat availability into systematic planning for restoration: a species‐specific approach for Atlantic Forest mammals
Pandey et al. Supply chain risks in Industry 4.0 environment: review and analysis framework
CN104391968A (zh) 一种应用的特征参数的估算方法和装置
Kádárová et al. Balanced scorecard as an issue taught in the field of industrial engineering
DiFrancesco et al. Flexibility in water resources management: Review of concepts and development of assessment measures for flood management systems
CN107480040A (zh) 工作流稳定性测试方法及设备
Ramanathan et al. Sustainable supply chains: strategies, issues, and models
CN106656662A (zh) 异常带宽确定方法、***及电子设备
CN109634997A (zh) 一种异动渠道的获取方法、装置及电子设备
Brigo et al. Credit models and the crisis: default cluster dynamics and the generalized Poisson loss model
CN106257507A (zh) 用户行为的风险评估方法及装置
Schiegl A model study about the applicability of the chain ladder method
Liu et al. Governance of global supply chains vulnerability by business-based interorganizational information platform
Appiah et al. Determinants of SME international competitiveness: a case of Ghanaian horticultural exporters
CN105989071A (zh) 获取用户网络操作特征的方法及设备
CN109753708A (zh) 一种付费金额预测方法、装置及可读存储介质
CN114756731A (zh) 广告渠道数据的处理方法及装置、存储介质、电子设备
Hallstedt et al. Material Criticality Method-product vulnerability from a sustainable business perspective
Perera et al. Development of statistical approach for estimating key competitive performance measures of smartphone applications
Pfaff et al. Evolutionary Perspective on System Generation Engineering by the Example of the iPhone
Targiel Valuation of investment projects in the context of sustainable development: Real option approach
CN108664401A (zh) 埋点合理性的评估方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220718

Address after: Room 801, 8th floor, No. 104, floors 1-19, building 2, yard 6, Jiuxianqiao Road, Chaoyang District, Beijing 100015

Patentee after: BEIJING QIHOO TECHNOLOGY Co.,Ltd.

Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park)

Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd.

Patentee before: Qizhi software (Beijing) Co.,Ltd.

TR01 Transfer of patent right