CN107833073A - 应用潜力评估方法、*** - Google Patents
应用潜力评估方法、*** Download PDFInfo
- Publication number
- CN107833073A CN107833073A CN201711093226.0A CN201711093226A CN107833073A CN 107833073 A CN107833073 A CN 107833073A CN 201711093226 A CN201711093226 A CN 201711093226A CN 107833073 A CN107833073 A CN 107833073A
- Authority
- CN
- China
- Prior art keywords
- application
- data
- user
- permeability
- newly
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于计算机技术领域，提供了一种应用潜力评估方法、***。该方法包括从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率，根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据，根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据，根据渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值，对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。本发明应用潜力评估方法、***，能够快速、准确地评估每种应用程序的潜力，计算每种应用的用户量变化趋势。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种应用潜力评估方法、***。
背景技术
目前，大部分的移动应用排名只会基于一个数据项，如DAU、渗透率、时长、频次等，进行排名统计。并且，大部分的移动应用排名只能反映应用当前数据的对比的高低情况，不能够分析应用程序的用户量增长趋势，无法预知哪个应用的未来用户量增长速度最快，在APP投资评估时，无法为投资商提供有效的信息支持。
如何快速、准确地评估每种应用程序的潜力，计算每种应用的用户量变化趋势，是本领域技术人员亟需解决的问题。
发明内容
针对现有技术中的缺陷，本发明提供了一种应用潜力评估方法、***，能够快速、准确地评估每种应用程序的潜力，计算每种应用的用户量变化趋势。
第一方面，本发明提供一种应用潜力评估方法，该方法包括：
从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率；
根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据；
根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据；
根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值；
对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。
进一步地，从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率，具体包括：从移动应用列表中，通过分层采用方法对手机用户进行采样；
计算每层的层内渗透率；
将层内渗透率进行加权，获取每个应用的总渗透率；
根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值，具体包括：
根据每个应用的总渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值。
基于上述任意应用潜力评估方法实施例，进一步地，根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据，具体包括：
根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态；
根据所述应用安装卸载状态和所述用户状态，估算SDK用户的应用新增数据；
采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数；
根据所述指定用户数量和折算系数，估计每个应用的用户新增数据。
基于上述任意应用潜力评估方法实施例，进一步地，根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值，具体包括：
分别确定所述渗透率、所述用户新增数据和所述日活跃数据的权重；
根据所述渗透率、所述用户新增数据和所述日活跃数据和各个权重，计算每个应用的加权平均值。
基于上述任意应用潜力评估方法实施例，进一步地，确定该类型应用在特定时间内的变化趋势，具体包括：
确定该类型应用在特定时间内的增长幅度；
确定该类型应用在特定时间内的增长幅度之后，该方法还包括：
根据每种类型应用在特定时间内的增长幅度，对每种类型应用按照降序排列。
基于上述任意应用潜力评估方法实施例，进一步地，计算每个应用的加权平均值之后，该方法还包括：
将计算获取的每个应用的加权平均值与该应用在指定时间的加权平均值对比，确定该应用在特定时间内的变化趋势。
第二方面，本发明提供一种应用潜力评估***，该***包括渗透率计算模块、用户新增数据计算模块、日活跃数据计算模块、综合计算模块和应用评估模块，渗透率计算模块用于从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率；用户新增数据计算模块用于根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据；日活跃数据计算模块用于根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据；综合计算模块用于根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值；应用评估模块用于对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。
进一步地，渗透率计算模块包括采样子模块、层内渗透率计算子模块和总渗透率计算子模块，采样子模块用于从移动应用列表中，通过分层采用***对手机用户进行采样；层内渗透率计算子模块用于计算每层的层内渗透率；总渗透率计算子模块用于将层内渗透率进行加权，获取每个应用的总渗透率；所述综合计算模块具体用于：根据每个应用的总渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值。
基于上述任意应用潜力评估***实施例，进一步地，所述用户新增数据计算模块包括状态分析子模块、应用新增数据计算子模块、折算系数确定子模块和估计子模块，状态分析子模块用于根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态；应用新增数据计算子模块用于根据所述应用安装卸载状态和所述用户状态，估算SDK用户的应用新增数据；折算系数确定子模块用于采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数；估计子模块用于根据所述指定用户数量和折算系数，估计每个应用的用户新增数据。
基于上述任意应用潜力评估***实施例，进一步地，综合计算模块包括权重确定子模块和综合计算子模块，权重确定子模块用于分别确定所述渗透率、所述用户新增数据和所述日活跃数据的权重；综合计算子模块用于根据所述渗透率、所述用户新增数据和所述日活跃数据和各个权重，计算每个应用的加权平均值。
由上述技术方案可知，本实施例提供的应用潜力评估方法、***，根据多个数据项对每个应用进行分析，而不是单一的使用一个数据项进行评估，有助于提高应用变化分析的准确性。并且，该方法能够有效过滤运营商数据中的噪音，得到较为准确的日活跃数据。同时，该方法结合渗透率、用户新增数据和日活跃数据三方面的因素，计算每个应用的加权平均值，能够准确分析每种应用的用户量变化趋势，为投资商进行分析应用投资或判断应用的发展潜力提供信息支持，及时给投资商提供特定时间内发展较快的APP情况，以便投资商对这些APP进行投资评估。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种应用潜力评估方法的方法流程图；
图2示出了本发明所提供的一种应用潜力评估方法的数据处理流程图；
图3示出了本发明所提供的一种应用潜力评估***的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
第一方面，本发明实施例所提供的一种应用潜力评估方法，结合图1或图2，该方法包括：
步骤S1，从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率。
步骤S2，根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据。
步骤S3，根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据。
步骤S4，根据渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值。
步骤S5，对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。其中，指定时间可以是一个月或一年，分析该类型应用在一个月或一年内的变化趋势。例如，对每个类别的APP渗透率、新增、日活跃数据计算加权平均值，然后和上一周的加权平均值进行对比，得到周增长幅度，对周增长幅度进行排序得到排名，或者，和上一个月的加权平均值进行对比，得到月增长幅度，对月增长幅度进行排序得到排名。
由上述技术方案可知，本实施例提供的应用潜力评估方法，根据多个数据项对每个应用进行分析，而不是单一的使用一个数据项进行评估，有助于提高应用变化分析的准确性。并且，该方法能够有效过滤运营商数据中的噪音，得到较为准确的日活跃数据。同时，该方法结合渗透率、用户新增数据和日活跃数据三方面的因素，计算每个应用的加权平均值，能够准确分析每种应用的用户量变化趋势，为投资商进行分析应用投资或判断应用的发展潜力提供信息支持，及时给投资商提供特定时间内发展较快的APP情况，以便投资商对这些APP进行投资评估。
为了进一步提高本实施例应用潜力评估方法的准确性，在渗透率计算方面，从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率时，具体实现过程如下：
从移动应用列表中，通过分层采用方法对手机用户进行采样。
计算每层的层内渗透率。
将层内渗透率进行加权，获取每个应用的总渗透率。
根据渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值时，具体实现过程如下：根据每个应用的总渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值。
在此，本实施例应用潜力评估方法通过分层采样计算层内渗透率，有效消除采样样本的噪音，提高总渗透率的计算准确性，为分析每种应用的变化趋势提供准确的信息支持。
在的用户新增数据计算方面，根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据时，具体实现过程如下：根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态。
根据应用安装卸载状态和用户状态，估算SDK用户的应用新增数据。
采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数。
根据指定用户数量和折算系数，估计每个应用的用户新增数据。其中，指定用户数量可以是全国用户数量。
在此，本实施例应用潜力评估方法通过神经网络预测算法估算折算系数时，有效避免数据的过拟合，提高用户新增数据的计算准确性，为分析每种应用的变化趋势提供准确的信息支持。
针对已统计计算的多个数据项，在综合计算方面，根据渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值时，具体实现过程如下：分别确定渗透率、用户新增数据和日活跃数据的权重。
根据渗透率、用户新增数据和日活跃数据和各个权重，计算每个应用的加权平均值。
在此，本实施例应用潜力评估方法，通过分析渗透率、用户新增数据和日活跃数据三者相互影响，确定渗透率、用户新增数据和日活跃数据的权重，有助于提高每个应用加权平均值的准确性。
在应用变化趋势的分析方面，确定该类型应用在特定时间内的变化趋势时，具体实现过程如下：
确定该类型应用在特定时间内的增长幅度。
确定该类型应用在特定时间内的增长幅度之后，本实施例应用潜力评估方法还包括：根据每种类型应用在特定时间内的增长幅度，对每种类型应用按照降序排列。
在此，本实施例应用潜力评估方法能够准确分析每种应用的增长幅度，为使用者提供直观的数据，为统筹分析各种应用潜力，提供有效的信息支持。
此外，本实施例应用潜力评估方法还能够准确分析每个应用的变化趋势，例如，计算每个应用的加权平均值之后，该方法还能够将计算获取的每个应用的加权平均值与该应用在指定时间的加权平均值对比，确定该应用在特定时间内的变化趋势。在此，本实施例应用潜力评估方法还能够针对每个应用进行变化分析，为分析单个应用的变化趋势提供信息支持，满足用户的实际业务需求。
第二方面，本发明实施例所提供的一种应用潜力评估***，结合图2，该***包括渗透率计算模块1、用户新增数据计算模块2、日活跃数据计算模块3、综合计算模块4和应用评估模块5。渗透率计算模块1用于从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率。用户新增数据计算模块2用于根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据。日活跃数据计算模块3用于根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据。综合计算模块4用于根据渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值。应用评估模块5用于对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。
由上述技术方案可知，本实施例提供的应用潜力评估***，根据多个数据项对每个应用进行分析，而不是单一的使用一个数据项进行评估，有助于提高应用变化分析的准确性。并且，该***能够有效过滤运营商数据中的噪音，得到较为准确的日活跃数据。同时，该***结合渗透率、用户新增数据和日活跃数据三方面的因素，计算每个应用的加权平均值，能够准确分析每种应用的用户量变化趋势，为投资商进行分析应用投资或判断应用的发展潜力提供信息支持，及时给投资商提供特定时间内发展较快的APP情况，以便投资商对这些APP进行投资评估。
为了进一步提高本实施例应用潜力评估***的准确性，在渗透率计算方面，渗透率计算模块1包括采样子模块、层内渗透率计算子模块和总渗透率计算子模块。采样子模块用于从移动应用列表中，通过分层采用***对手机用户进行采样。层内渗透率计算子模块用于计算每层的层内渗透率。总渗透率计算子模块用于将层内渗透率进行加权，获取每个应用的总渗透率。综合计算模块4具体用于：根据每个应用的总渗透率、用户新增数据和日活跃数据，计算每个应用的加权平均值。
在此，本实施例应用潜力评估***通过分层采样计算层内渗透率，有效消除采样样本的噪音，提高总渗透率的计算准确性，为分析每种应用的变化趋势提供准确的信息支持。
在的用户新增数据计算方面，用户新增数据计算模块2包括状态分析子模块、应用新增数据计算子模块、折算系数确定子模块和估计子模块。状态分析子模块用于根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态。应用新增数据计算子模块用于根据应用安装卸载状态和用户状态，估算SDK用户的应用新增数据。折算系数确定子模块用于采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数。估计子模块用于根据指定用户数量和折算系数，估计每个应用的用户新增数据。
在此，本实施例应用潜力评估***通过神经网络预测算法估算折算系数时，有效避免数据的过拟合，提高用户新增数据的计算准确性，为分析每种应用的变化趋势提供准确的信息支持。
针对已统计计算的多个数据项，在综合计算方面，综合计算模块4包括权重确定子模块和综合计算子模块。权重确定子模块用于分别确定渗透率、用户新增数据和日活跃数据的权重。综合计算子模块用于根据渗透率、用户新增数据和日活跃数据和各个权重，计算每个应用的加权平均值。
在此，本实施例应用潜力评估***，通过分析渗透率、用户新增数据和日活跃数据三者相互影响，确定渗透率、用户新增数据和日活跃数据的权重，有助于提高每个应用加权平均值的准确性。
本发明的说明书中，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。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种应用潜力评估方法，其特征在于，包括：
从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率；
根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据；
根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据；
根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值；
对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。
2.根据权利要求1所述应用潜力评估方法，其特征在于，
从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率，具体包括：从移动应用列表中，通过分层采用方法对手机用户进行采样；
计算每层的层内渗透率；
将层内渗透率进行加权，获取每个应用的总渗透率；
根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值，具体包括：
根据每个应用的总渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值。
3.根据权利要求1所述应用潜力评估方法，其特征在于，
根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据，具体包括：
根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态；
根据所述应用安装卸载状态和所述用户状态，估算SDK用户的应用新增数据；
采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数；
根据所述指定用户数量和折算系数，估计每个应用的用户新增数据。
4.根据权利要求1所述应用潜力评估方法，其特征在于，
根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值，具体包括：
分别确定所述渗透率、所述用户新增数据和所述日活跃数据的权重；
根据所述渗透率、所述用户新增数据和所述日活跃数据和各个权重，计算每个应用的加权平均值。
5.根据权利要求1所述应用潜力评估方法，其特征在于，
确定该类型应用在特定时间内的变化趋势，具体包括：
确定该类型应用在特定时间内的增长幅度；
确定该类型应用在特定时间内的增长幅度之后，该方法还包括：
根据每种类型应用在特定时间内的增长幅度，对每种类型应用按照降序排列。
6.根据权利要求1～5任意一项所述应用潜力评估方法，其特征在于，
计算每个应用的加权平均值之后，该方法还包括：
将计算获取的每个应用的加权平均值与该应用在指定时间的加权平均值对比，确定该应用在特定时间内的变化趋势。
7.一种应用潜力评估***，其特征在于，包括：
渗透率计算模块，用于从移动应用列表中，对手机用户进行采样，计算每个应用的渗透率；
用户新增数据计算模块，用于根据移动应用列表，获取指定用户数量的应用安装卸载状态，估计每个应用的用户新增数据；
日活跃数据计算模块，用于根据运营商数据中的日活跃人数和总用户数，计算每个应用的日活跃数据；
综合计算模块，用于根据所述渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值；
应用评估模块，用于对各个应用进行分类，针对每种类别的应用，将计算获取的该类型应用的加权平均值与该类型应用在指定时间的加权平均值对比，确定该类型应用在特定时间内的变化趋势。
8.根据权利要求7所述应用潜力评估***，其特征在于，
渗透率计算模块，具体包括：
采样子模块，用于从移动应用列表中，通过分层采用***对手机用户进行采样；
层内渗透率计算子模块，用于计算每层的层内渗透率；
总渗透率计算子模块，用于将层内渗透率进行加权，获取每个应用的总渗透率；
所述综合计算模块，具体用于：根据每个应用的总渗透率、所述用户新增数据和所述日活跃数据，计算每个应用的加权平均值。
9.根据权利要求7所述应用潜力评估***，其特征在于，
所述用户新增数据计算模块，具体包括：
状态分析子模块，用于根据移动应用列表，获取指定用户数量的应用安装卸载状态和用户状态；
应用新增数据计算子模块，用于根据所述应用安装卸载状态和所述用户状态，估算SDK用户的应用新增数据；
折算系数确定子模块，用于采用神经网络预测算法，对SDK用户的应用新增数据进行训练，确定折算系数；
估计子模块，用于根据所述指定用户数量和折算系数，估计每个应用的用户新增数据。
10.根据权利要求7所述应用潜力评估***，其特征在于，
综合计算模块，具体包括：
权重确定子模块，用于分别确定所述渗透率、所述用户新增数据和所述日活跃数据的权重；
综合计算子模块，用于根据所述渗透率、所述用户新增数据和所述日活跃数据和各个权重，计算每个应用的加权平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711093226.0A CN107833073A (zh) | 2017-11-08 | 2017-11-08 | 应用潜力评估方法、*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711093226.0A CN107833073A (zh) | 2017-11-08 | 2017-11-08 | 应用潜力评估方法、*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107833073A true CN107833073A (zh) | 2018-03-23 |
Family
ID=61654044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711093226.0A Pending CN107833073A (zh) | 2017-11-08 | 2017-11-08 | 应用潜力评估方法、*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107833073A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110505635A (zh) * | 2019-07-16 | 2019-11-26 | 中国联合网络通信集团有限公司 | 一种终端渗透率预测方法及装置 |
| US11099861B2 (en) | 2018-05-29 | 2021-08-24 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for preloading application, storage medium, and terminal |
| US11397590B2 (en) | 2018-05-10 | 2022-07-26 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for preloading application, storage medium, and terminal |
| US11442747B2 (en) | 2018-05-10 | 2022-09-13 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for establishing applications-to-be preloaded prediction model based on preorder usage sequence of foreground application, storage medium, and terminal |
| US11467855B2 (en) | 2018-06-05 | 2022-10-11 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Application preloading method and device, storage medium and terminal |
| US11604660B2 (en) | 2018-05-15 | 2023-03-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for launching application, storage medium, and terminal |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651410A (zh) * | 2015-10-29 | 2017-05-10 | 腾讯科技（深圳）有限公司 | 一种应用管理方法及装置 |
-
2017
- 2017-11-08 CN CN201711093226.0A patent/CN107833073A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651410A (zh) * | 2015-10-29 | 2017-05-10 | 腾讯科技（深圳）有限公司 | 一种应用管理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 猫丸: "App 数据分析的常用指标有哪些？https://www.zhihu.com/question/25410333/answer/121094322", 《知乎》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11397590B2 (en) | 2018-05-10 | 2022-07-26 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for preloading application, storage medium, and terminal |
| US11442747B2 (en) | 2018-05-10 | 2022-09-13 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for establishing applications-to-be preloaded prediction model based on preorder usage sequence of foreground application, storage medium, and terminal |
| US11604660B2 (en) | 2018-05-15 | 2023-03-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for launching application, storage medium, and terminal |
| US11099861B2 (en) | 2018-05-29 | 2021-08-24 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for preloading application, storage medium, and terminal |
| US11467855B2 (en) | 2018-06-05 | 2022-10-11 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Application preloading method and device, storage medium and terminal |
| CN110505635A (zh) * | 2019-07-16 | 2019-11-26 | 中国联合网络通信集团有限公司 | 一种终端渗透率预测方法及装置 |
| CN110505635B (zh) * | 2019-07-16 | 2022-05-13 | 中国联合网络通信集团有限公司 | 一种终端渗透率预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107833073A (zh) | 应用潜力评估方法、*** | |
| Park et al. | On the measurement of patent stock as knowledge indicators | |
| Granderson et al. | Automated measurement and verification: Performance of public domain whole-building electric baseline models | |
| Banaszewska et al. | A framework for measuring efficiency levels—The case of express depots | |
| CN107798615A (zh) | 保单续期收费难度预测方法和装置 | |
| CN108538050A (zh) | 一种短时交通流量预测方法及装置 | |
| Zaidman et al. | Flow-duration-frequency behaviour of British rivers based on annual minima data | |
| MacMillan | Calculating cost savings in utilization management | |
| CN107730097A (zh) | 一种母线负荷预测方法、装置及计算设备 | |
| US10178241B2 (en) | Telecommunication price-based routing apparatus, system and method | |
| CN109670540A (zh) | 基于kNN算法的客运枢纽区域驻留人数变化趋势短时预测方法 | |
| Bezak et al. | Analyses of suspended sediment loads in Slovenian rivers | |
| CN104866922A (zh) | 一种用户离网的预测方法及装置 | |
| KR101860457B1 (ko) | 기상 영향 분석 방법 및 이를 수행하기 위한 장치 | |
| CN109214912A (zh) | 行为数据的处理方法、行为预测方法、装置、设备及介质 | |
| Gómez-Losada et al. | Time series clustering for estimating particulate matter contributions and its use in quantifying impacts from deserts | |
| Yi | Firm heterogeneity, sunk costs, spatial characteristics and export market participation: evidence from China | |
| Yan et al. | Global degradation trends of grassland and their driving factors since 2000 | |
| CN111353797B (zh) | 资源分配方法、装置以及电子设备 | |
| CN110880987A (zh) | 一种基于时间特征的分组域网络容量预测方法及*** | |
| Guoshuai et al. | Improving the double mass curve method to analyse the variation trend of runoff and sediment load in watersheds | |
| Rufino | Nowcasting Philippine economic growth using MIDAS regression modeling | |
| Coucke et al. | Application of the characteristic function to evaluate and compare analytical variability in an external quality assessment scheme for serum ethanol | |
| Joo et al. | Sediment and Nutrient Load Estimates for Major Great Barrier Reef Catchments (1987-2009) for Source Catchment Model Validation | |
| CN109816139B (zh) | 基于负荷细分的差异化用户基线负荷预测方法、装置及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
| RJ01 | Rejection of invention patent application after publication |