CN108664550A - 一种对用户行为数据进行漏斗分析方法及装置 - Google Patents
一种对用户行为数据进行漏斗分析方法及装置 Download PDFInfo
- Publication number
- CN108664550A CN108664550A CN201810273619.8A CN201810273619A CN108664550A CN 108664550 A CN108664550 A CN 108664550A CN 201810273619 A CN201810273619 A CN 201810273619A CN 108664550 A CN108664550 A CN 108664550A
- Authority
- CN
- China
- Prior art keywords
- behavior
- timestamp
- user
- sequence
- default
- 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
Links
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例提供了一种对用户行为数据进行漏斗分析方法及装置,其中方法包括:针对每个用户,获取根据应用场景预定义的一个一维数组,元素按预设行为的顺序存储预设行为的时间戳;获取行为序列中第一次出现的第一个预设行为的时间戳填入第一个元素中;若获取的行为序列中的下一个行为是第一个预设行为,则将该行为的时间戳填入第一个元素中;若该行为是第N个预设行为,获取的第N‑1个元素中第一时间戳,与第N个预设行为的时间戳在同一时间窗口内,则将该第一时间戳,填入第N个元素中;将停止在元素中填入时间戳的当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量,以计算第N‑1个预设行为向第N个预设行为进行转化的转化率。
Description
技术领域
本发明涉及数据分析技术领域,特别是涉及一种对用户行为数据进行漏斗分析方法及装置。
背景技术
目前,通常采用漏斗分析方法对用户行为数据进行分析,以监控用户是否按照预定义的行为进行转化,寻找每个转化过程中的可优化行为。一般来讲,用户行为都是按照预设的行为顺序执行的,例如:按照顺序执行:第一行为A,第二行为B,第三行为C,第四行为D······,第M行为X,M大于或等于5。比如,如图1所示,若应用场景为用户操作购物网页,则A是选购商品,B是添加购物车,C是去购物车结算,D是核对订单信息······,X是完成支付。操作购物网页的用户一般数量众多,每个用户执行行为都不尽相同,例如:用户可能是按照所定义的行为顺序,多次只执行其部分行为或者全部行为。利用这些用户所执行行为,通过如下步骤对用户行为数据进行分析,确定前一行为向后一行为转化的转化率。
首先,获取用户操作购物网页的用户总数量及每个用户行为执行数据;然后,获取每个用户所执行多个行为中一组最长执行行为;再然后,针对所有用户的最长执行行为,统计执行第一行为的用户总数,第二行为的用户总数、······,以及第M行为X的用户总数;最后,将后一行为的用户总数,与上一行为的用户总数之比,作为前一行为向后一行为转化的转化率,流失率为1减去转化率的差。如图1所示,执行A行为的用户总数为1000,执行B行为的用户总数为600,执行C行为的用户总数为450,A行为向B行为的转化率为60%,B行为向C行为的转化率为75%,C行为向D的转化率为50%。
因此,在计算预定义的行为进行转化时的流失率及转化率之前,需要统计出每个用户的一组最长的执行行为数量。然而,发明人在实现本发明的过程中,发现现有技术中确定每个用户的一组最长的执行行为数量,至少存在如下问题:
目前,在确定出每个用户的一组最长的执行行为数量过程中,需要针对每个用户的每一次行为都遍历一次所有的用户行为执行数据。也就是每个行为的总数量,决定了空间复杂度为O(n),其中O(n)为空间复杂度函数,n为每个行为的总数量。也就是说,现有技术这种通过多次遍历所有用户行为数据,来确定出每个用户的一组最长的执行行为数量的方法空间复杂度较高,导致了现有技术数据分析的效率较低。
发明内容
本发明实施例的目的在于提供一种对用户行为数据进行漏斗分析方法及装置,以提高数据分析的效率。具体技术方案如下:
第一方面,本发明实施例提供了一种对用户行为数据进行漏斗分析方法,针对每个用户,所述方法包括:
获取根据应用场景预定义的一个一维数组,所述一维数组包含与所述应用场景预设行为数量相同的元素;用于按所述应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
获取行为序列,其中,所述行为序列是按照所述用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
获取所述行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入所述一维数组的第一个元素中;
获取所述行为序列中的下一个行为,作为当前行为;
如果当前行为是第一个预设行为,则将当前行为的时间戳,填入所述一维数组的第一个元素中;
如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,所述N表示个数,N的取值为大于或等于2的整数;
判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内;
若所述第一时间戳与所述第N个预设行为的时间戳处于同一时间窗口内,则将所述第N-1个元素中存在的第一时间戳,填入所述一维数组的第N个元素中;
判断是否停止在所述元素中填入时间戳;
若不停止在所述元素中填入时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤;
若停止在所述元素中填入时间戳,则停止在所述元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
进一步的,在所述获取行为序列中的下一个行为,作为当前行为之后,所述方法还包括:
如果当前行为是非第一个预设行为的第N个预设行为,且第N-1个元素中不存在时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤。
进一步的,所述判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内,包括:
判断所述第一时间戳与所述第N个预设行为的时间戳之间的时间差是否小于预设阈值;
如果所述第一时间戳与所述第N个预设行为的时间戳之间的时间差小于预设阈值,则处于同一时间窗口内;否则,不处于同一时间窗内。
进一步的,所述判断是否停止在所述元素中填入时间戳,包括:
判断所述第一数组中的每个元素是否已填入时间戳;
如果所述第一数组中的每个元素填入时间戳,则确定停止在所述元素中填入时间戳;
如果所述第一数组中的每个元素没有填入时间戳,则判断是否已经读取完所述用户的所述行为序列中的所有行为;
如果已经读取完所述用户的所述行为序列中的所有行为,则确定停止在所述元素中填入时间戳;如果未读取完所述用户的所述行为序列中的所有行为,则确定不停止在所述元素中填入时间戳。
进一步的,所述用户执行行为是携带预设页面内容的用户执行行为。
第二方面,本发明实施例提供了一种对用户行为数据进行漏斗分析装置,针对每个用户,所述装置包括:
第一获取模块,用于获取根据应用场景预定义的一个一维数组,所述一维数组包含与所述应用场景预设行为数量相同的元素;用于按所述应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
第二获取模块,用于获取行为序列,其中,所述行为序列是按照所述用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
第三获取模块,用于获取所述行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入所述一维数组的第一个元素中;
第四获取模块,用于获取所述行为序列中的下一个行为,作为当前行为;
填入模块,用于如果当前行为是第一个预设行为,则将当前行为的时间戳,填入所述一维数组的第一个元素中;
第五获取模块,用于如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,所述N表示个数,N的取值为大于或等于2的整数;
第一判断模块,用于判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内;若所述第一时间戳与所述第N个预设行为的时间戳处于同一时间窗口内,则将所述第N-1个元素中存在的第一时间戳,填入所述一维数组的第N个元素中;
第二判断模块,用于判断是否停止在所述元素中填入时间戳;若不停止在所述元素中填入时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤;若停止在所述元素中填入时间戳,则停止在所述元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
计算模块,用于基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
进一步的,所述装置还包括:第三判断模块,用于在所述获取行为序列中的下一个行为,作为当前行为之后,如果当前行为是非第一个预设行为的第N个预设行为,且第N-1个元素中不存在时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤。
进一步的,所述第一判断模块,具体用于:
判断所述第一时间戳与所述第N个预设行为的时间戳之间的时间差是否小于预设阈值;
如果所述第一时间戳与所述第N个预设行为的时间戳之间的时间差小于预设阈值,则处于同一时间窗口内;否则,不处于同一时间窗内。
进一步的,所述第二判断模块,具体用于:
判断所述第一数组中的每个元素是否已填入时间戳;
如果所述第一数组中的每个元素填入时间戳,则确定停止在所述元素中填入时间戳;
如果所述第一数组中的每个元素没有填入时间戳,则判断是否已经读取完所述用户的所述行为序列中的所有行为;
如果已经读取完所述用户的所述行为序列中的所有行为,则确定停止在所述元素中填入时间戳;如果未读取完所述用户的所述行为序列中的所有行为,则确定不停止在所述元素中填入时间戳。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序,实现第一方面所述的方法步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的步骤。
本发明实施例提供的一种漏斗分析方法及装置,获取行为序列中的下一个行为,作为当前行为;如果当前行为是第一个预设行为,则将当前行为的时间戳,填入一维数组的第一个元素中;如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳;判断第一时间戳与第N个预设行为的时间戳是否处于同一时间窗口内;若第一时间戳与第N个预设行为的时间戳处于同一时间窗口内,则将第N-1个元素中存在的第一时间戳,填入一维数组的第N个元素中,N为大于或等于2的整数;判断是否停止在元素中填入时间戳;若不停止在元素中填入时间戳,则返回获取行为序列中的下一个行为,作为当前行为的步骤;若停止在元素中填入时间戳,则停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
相较于现有技术,应用本发明实施例,针对一个用户,只需读取一次该用户的行为序列,利用该用户的一维数组中已填入时间戳的元素的个数,确定出最长的执行行为数量,空间复杂度为O(1),不需要多次遍历所有用户执行的行为,提高数据分析的效率。
当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术的应用场景为用户操作购物网页的对用户行为数据进行漏斗分析的流程示意图。
图2为本发明实施例的对用户行为数据进行漏斗分析的方法的流程示意图。
图3为本发明实施例的对用户行为数据进行漏斗分析的装置的结构示意图。
图4为本发明实施例的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术中现有技术数据分析的效率较低的问题,本发明实施例提供了一种对用户行为数据进行漏斗分析方法及装置,通过如下步骤确定出最长的执行行为数量,基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。具体如下:
针对每个用户,获取一个一维数组,读取该用户的行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入所述一维数组的第一个元素中;然后,获取行为序列中的下一个行为,作为当前行为;再然后,如果当前行为是非第一个预设行为的第N个预设行为,判定第N-1个元素的第一时间戳,与第N个预设行为的时间戳处于同一时间窗口内,将第N-1个元素中存在的第一时间戳,填入一维数组的第N个元素中;最终若停止在元素中填入时间戳,则停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量。
由此可见,本发明实施例,针对一个用户,只需读取一次该用户的行为序列,利用该用户的一维数组已填入时间戳的元素的个数,确定出最长的执行行为数量,空间复杂度为O(1),不需要多次遍历所有用户执行的行为,提高数据分析的效率。
下面首先对本发明实施例所提供的对用户行为数据进行漏斗分析方法进行介绍。
本发明实施例所提供的一种对用户行为数据进行漏斗分析方法可以应用于物流行业,也可以应用于购物批发零售行业。
参见图2所示,图2为本发明实施例的对用户行为数据进行漏斗分析的方法的流程示意图,具体包括:
步骤110,获取根据应用场景预定义的一个一维数组,一维数组包含与应用场景预设行为数量相同的元素;用于按应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳。
上述应用场景可以根据用户需要进行设置。在上述应用场景中,用户执行行为都是按照应用场景预设行为的顺序执行,一般应用场景预设行为的执行顺序:第一个预设行为A,第二个预设行为B,第三个预设行为C,第四个预设行为D,……,第M个预设行为X,M大于或等于5。比如,应用场景为购物场景,购物场景预设行为的执行顺序:A为选购商品,B为添加购物车,C为去购物车结算,D为核对订单信息。再比如,应用场景为网页转跳场景,网页转跳场景预设行为的执行顺序:A为浏览网页,B为分享网页,C为转跳网页。还比如,应用场景为银行卡转账场景,银行卡转账场景预设行为的执行顺序:A为密码登录页面,B为浏览转账页面,C为确认转账页面。应用场景为网页转发场景,网页转发场景预设行为的执行顺序:A为进入页面,B为向S待转发页面,C为向T待转发页面,D为确认向S转发页面。能够实现本申请的应用场景及应用场景预设行为,均属于本发明实施例的保护范围,在此不一一举例。
根据上述的应用场景,获取的应用场景预定义的一个一维数组,用于按应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳。如果在一维数组的第一个元素中,已经填入第一个预设行为的时间戳,并且在一维数组的第一个元素之后的其余元素也已经填入与第一个预设行为的时间戳相同的时间戳,则说明代表这些预设行为是一组执行行为。由于一维数组的维度是一维的,因此能很方便地一次统计出一维数组的填入时间戳的元素的个数。
其中,预定义的一个一维数组包含与应用场景预设行为数量相同的元素,预定义的一个一维数组的元素的个数等于或大于应用场景预设行为数量。具体预定义的一个一维数组的元素的个数,可以根据用户需求自行定义,一般包括以下两种情况。
第一种情况:上述一维数组的元素的个数,等于应用场景预设行为数量。上述一维数组的第一个元素为处于一维数组中第一个位置的元素,该第一个元素用于存储第一个预设行为的时间戳。示例性的,应用场景预设行为数量为4,应用场景预设行为的执行顺序:第一个预设行为A,第二个预设行为B,第三个预设行为C,第四个预设行为D。一维数组的长度为4,将step[0]作为第一个元素,step[0]被填入第一个预设行为A的时间戳,step[1]被填入第二个预设行为B所确定的step[0]已填入的时间戳,step[2]被填入第三个预设行为C所确定的step[1]已填入的时间戳,step[3]被填入第四个预设行为D所确定的step[2]已填入的时间戳。这样可以根据用户需求从第一个元素step[0]开始填入时间戳,从而方便直接按照一维数组的元素的顺序,使用一维数组的元素,填入时间戳。
第二种情况:为了方便读取一维数组待填入时间戳的元素,防止编程出错,可以一维数组中step[1]作为第一个元素,并且将step[N]作为第N个元素,然后对一维数组中的step[0]进行初始化,初始化可以是填充预设数值或者预设字符,该预设字符比如NULL,预设数字比如0。由于step[N]中的N与第N个元素的N一一对应,并且,step[N]中的N与第N个预设行为的N一一对应,从而方便利用第N个预设行为,找到待填入时间戳的第N个元素。
步骤120,获取行为序列,其中,行为序列是按照用户执行行为完成的时间戳的先后顺序进行排序,生成的序列。
其中,用户执行行为可以为不携带预设页面内容的用户执行行为,也可以为携带预设页面内容的用户执行行为。预设页面内容为用户执行行为所在页面的显示内容。具体预设页面内容可以根据用户需要进行设置。比如,应用场景为购物场景,参见下表1为用户行为日志的原始数据,该表1中的预设页面内容包括:a,b,c,d。a为选购商品的商品列表内容,B为添加购物车的购物内容,C为去购物车结算的结算商品内容,D为核对订单信息的订单详情内容。
再比如,应用场景为网页转发场景,a比如热门新闻的内容,b比如热门娱乐的内容,c比如页面的转发路径信息,d比如转发页面的图片。
本步骤120中可以通过如下至少两种途径获取行为序列。
第一种途径是,针对每个用户,首先,将行为序列按照用户执行行为完成的时间戳的先后顺序进行排序,生成行为序列;然后,将生成的这些行为序列存储在数据库中;最后,从存储这些行为序列的数据库中直接获取这个用户的行为序列。
第二种途径是,实时生成行为序列。
以下对实时生成行为序列的第二种途径具体实现过程进行说明。
首先,获取用户行为日志,比如下表1所示的用户行为日志的原始数据;然后,读取用户行为日志中的用户执行行为完成的时间戳;再然后,针对每个用户,按照用户执行行为完成的时间戳的先后顺序进行排序,生成的行为序列。为了表示每个用户的唯一性,使用下表1的用户ID表示每个用户。三个用户的用户ID分别为1001、1002、1003。按照每个用户,用户执行行为完成的时间戳的先后顺序,用户1001所生成的行为序列为A_t1,B_t2,A_t3,C_t4,D_t5,其中,按照时间先后顺序依次是t1,t2,t3,t4,t5。用户1002所生成的行为序列为A_t8,C_t9,其中,按照时间先后顺序依次是8,t9。用户1003所生成的行为序列为A_t1。
表一
步骤130,获取行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入一维数组的第一个元素中。
在读取行为序列时,开始第一次可能读取到的行为序列中的第一行为就是第一个预设行为,也可能读取了行为序列中的几个行为,才读取到第一个预设行为。行为序列的当前读取的行为不是第一次出现的应用场景的第一个预设行为,说明当前读取的行为不存在第一个预设行为,可能是一个缺失第一个预设行为的用户执行行为,可以丢弃该当前读取的行为,也可以跳过该当前读取的行为,跳过这个行为序列的当前读取的行为,直至读到第一次出现应用场景的第一个预设行为,将这个第一预设行为的时间戳,填入一维数组的第一个元素中。
步骤140,获取行为序列中的下一个行为,作为当前行为。
步骤150,判断当前行为是否为第一个预设行为,如果是,则执行步骤160,如果否,则执行步骤170。
本步骤150中,如果当前行为是第一个预设行为,说明可以使用这个第一个预设行为的时间戳,更新在一维数组的第一个元素中已经存储的时间戳,则执行步骤160,如果当前行为不是第一个预设行为,说明当前行为是非第一个预设行为的第N个预设行为,N表示个数,N的取值为大于或等于2的整数,则执行步骤170。
步骤160,将当前行为的时间戳,填入一维数组的第一个元素中。
在执行完本步骤160可以继续执行步骤200。
步骤170,获取第N-1个元素中存在的第一时间戳。按照预设行为的顺序,在第一个预设行为填入第一时间戳之后,第一个预设行为之后的预设行为,也就是第N个预设行为。将第N-1个元素中存在的第一时间戳,那说明第N-1个预设行为与第一个预设行为属于同一组执行行为,因此可以通过时间戳,确定最长的执行行为数量。
其中,第一时间戳可以是第一次出现应用场景的第一个预设行为的时间戳;也可以是已经更新该第一次出现应用场景的第一个预设行为的时间戳,所对应的时间戳,在此不再说明。
步骤180,判断第一时间戳与第N个预设行为的时间戳是否处于同一时间窗口内,如果是,则执行步骤190,如果否,则返回执行步骤140。这里时间窗口用于用户从第N-1个预设行为向第N个预设行为进行转化的时间,这样限定前一个行为之后相邻的预设行为的执行时间,最终找出最长的执行行为数量。
本步骤180,如果第一时间戳与第N个预设行为的时间戳处于同一时间窗口内,说明第N个预设行为与第N-1个预设行为属于同一组执行行为,这个第N-1个元素中存在的第一时间戳可以填入一维数组的第N个元素中,则执行步骤190;如果第一时间戳与第N个预设行为的时间戳不处于同一时间窗口内,说明第N个预设行为与第N-1个预设行为不属于同一组执行行为,说明还没有找到这个第N个预设行为的第N-1个预设行为,不能存储这个第N-1个元素中存在的第一时间戳,否则得到不完整的最长的执行行为数量,可以丢弃该第N个预设行为,也可以跳过该第N个预设行为,则返回执行步骤140。
通过如下步骤判断第一时间戳与第N个预设行为的时间戳是否处于同一时间窗口内,具体步骤包括:
判断第一时间戳与第N个预设行为的时间戳之间的时间差是否小于预设阈值,如果是,则处于同一时间窗口内;如果不是,则不处于同一时间窗内。
其中,预设阈值可以通过多种途径确定。
一种途径是:用户根据经验值设置该预设阈值。
另一种途径是:首先找到同一应用场景中的同一组执行行为的样本集,这些样本集包含从第N-1个预设行为向第N个预设行为转化的时间;然后,通过统计出用户从第N-1个预设行为向第N个预设行为进行转化的时间;将统计的时间求平均,得到平均时间;再然后,将这个时间设置为预设阈值。这样将时间差与预设阈值比较,可以确定第N-1个预设行为向第N个预设行为是否为同一组执行行为。
为了准确地判断应用场景预设行为是否处于同一时间窗口内,进而准确地判断应用场景预设行为是否属于同一组执行行为。示例性的,应用场景预设行为的执行顺序:A_t6,B_t7,A_t8,C_t11。按照时间先后顺序分别对应t6,t7,t8,t11。
如果A的t5与B的t6之间的时间差小于预设阈值,则判定第一个A和第一个B处于同一时间窗口内,说明B为A相邻之后的预设行为;
如果C的t10与B的t6之间的时间差小于预设阈值,则判定第一个C和第一个B处于同一时间窗口内,说明C为B相邻之后的预设行为。出现这种情况的原因:可能是执行完成第一个B,挂起不执行第一个C,可能紧急处理了第二个A,再继续处理之前挂起的第一个C。这个第一个C与第一个B处于同一时间窗口内,因此第一个C与第一个B属于同一组执行行为。
如果C的t10与B的t6之间的时间差大于预设阈值,则判定第一个C和第一个B不处于同一时间窗口内,说明执行完成第一个B,挂起不执行第一个C,可能紧急处理了第二个A。但处理这个第二个A花费的时间很长,因此处理第一个C时已经过去了很长时间,这样第一个C与第一个B之间间隔时间很长。也就是,第一个C的t10与第一个B的t6之间的时间差大于预设阈值,这个第一个C与第一个B不处于同一时间窗口内,因此第一个C与第一个B不属于同一组执行行为。
步骤190,将第N-1个元素中存在的第一时间戳,填入所述一维数组的第N个元素中,N为大于或等于2的整数。
步骤200,判断是否停止在元素中填入时间戳,如果否,则返回执行步骤140,如果是,则执行步骤210。
找到一组用户的执行行为是预设的行为的所有行为,说明已经可以统计出来最长的执行行为数量,为了避免不必要的继续读取行为序列中其余的用户执行行为,本步骤200可以通过如下步骤实现判断是否停止在所述元素中填入时间戳。
第一步,判断第一数组中的每个元素是否已填入时间戳,如果是,则执行第二步,如果否,则执行第三步;
第二步,确定停止在元素中填入时间戳。
第三步,判断是否已经读取完用户的行为序列中的所有行为,如果是,则执行第四步,如果否,则执行第五步。
第五步,确定停止在元素中填入时间戳;
第六步,确定不停止在元素中填入时间戳。
步骤210,停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量。
步骤220,基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。当然,基于最长的执行行为数量,也可以计算第N-1个预设行为向第N个预设行为进行转化的流失率。流失率为1减去转化率的差。
本发明实施例中,针对一个用户,只需读取一次该用户的行为序列,利用该用户的一维数组已填入时间戳的元素的个数,确定出最长的执行行为数量,空间复杂度为O(1),不需要多次遍历所有用户执行的行为,提高数据分析的效率。
在一种实现方式中,在步骤140之后,所述对用户行为数据进行漏斗分析方法还包括:如果当前行为是非第一个预设行为的第N个预设行为,判断第N-1元素中是否存在第一时间戳,如果第N-1元素中存在第一时间戳,则返回执行步骤180;如果第N-1元素中不存在第一时间戳,则返回执行步骤140。
如果第N-1元素中存在第一时间戳,说明已经找到第N-1个预设行为,并将第N-1个元素中已经填入了第一时间戳,这样就可以继续判断后续的预设行为。
如果第N-1元素中不存在第一时间戳,说明还没有填入第N-1个预设行为的时间戳,为了保证执行行为的连续性,在没有第N-1个预设行为的时间戳,就不能填入第N个预设行为的时间戳,可以丢弃该第N个预设行为,也可以跳过该第N个预设行为。
本发明实施例的对用户行为数据进行漏斗分析的方法的具体实现流程如下。
以上表1中的所示的用户行为日志的原始数据进行说明。
第1步,按照应用场景预设行为数量比如4,该应用场景预设行为包括A,B,C及D,获取根据应用场景预定义的一个一维数组,该数组为step[5],初始化step[0]=NULL,step[1]用于存储第一个预设行为所确定的step[0]已填入的时间戳,step[2]用于存储第二个预设行为所确定的step[1]已填入的时间戳,step[3]用于存储第三个预设行为所确定的step[2]已填入的时间戳,step[4]用于存储第四个所确定的step[3]已填入的时间戳。
第2步,获取用户1001的用户行为日志的原始数据、用户1002的用户行为日志的原始数据,用户1003的用户行为日志的原始数据。
第3步,基于用户1001的用户行为日志的原始数据,按照用户1001执行行为完成的时间戳的先后顺序进行排序,生成的用户1001的行为序列,具体为A_t1,B_t2,A_t3,C_t4。
基于用户1002的用户行为日志的原始数据,按照用户1002执行行为完成的时间戳的先后顺序进行排序,生成的用户1002的行为序列,具体为A_t8,C_t9。
基于用户1003的用户行为日志的原始数据,按照用户1003执行行为完成的时间戳的先后顺序进行排序,生成的用户1003的行为序列,具体为A_t1。
第4步,针对用户1001,获取用户1001的行为序列中,第一次出现的应用场景的第一个预设行为A的时间戳t1填入一维数组的第一个元素step[1]中,也就是,第一个元素step[1]=t1。
第5步,获取用户1001的行为序列中的下一个行为B,作为当前行为B。
第6步,如果当前行为B是非第一个预设行为A的第2个预设行为B,则获取第1个元素step[1]中存在的第一时间戳t1。
第7步,判断第一时间戳t1与第2个预设行为B的时间戳t2是否处于同一时间窗口内。
第8步,若第一时间戳t1与第2个预设行为B的时间戳t2处于同一时间窗口内,则将第1个元素step[1]中存在的第一时间戳t1,填入一维数组的第2个元素step[2]中,也就是,第一个元素step[2]=t1。
第9步,判断是否停止在元素中填入时间戳,若否,则返回第5步,以下具体说明;若是,则执行第10步。
第10步,停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量。
第一次返回执行第6步,包括:如果当前行为A是第一个预设行为A,则将当前行为A的第一时间戳t3,填入一维数组的第一个元素step[1]中,也就是,第一个元素step[1]=t3,返回执行第5步。
第三次返回的第5步,包括:第5步,获取用户1001的行为序列中的下一个行为C,作为当前行为C。
第二次返回的第6步,包括:如果当前行为C是非第一个预设行为A的第3个预设行为C,则获取第2个元素step[2]中存在的第一时间戳t1。
第二次返回的第7步,包括:判断第一时间戳t1与第3个预设行为C的时间戳t4是否处于同一时间窗口内。
第二次返回的第8步,包括:判断第一时间戳t1与第3个预设行为C的时间戳t4处于同一时间窗口内,则将第2个元素step[2]中存在的第一时间戳t1,填入一维数组的第3个元素step[3]中,也就是,第一个元素step[3]=t1,继续返回执行第9步。
第三次返回的第5步,包括:第5步,获取用户1001的行为序列中的下一个行为D,作为当前行为D。
第三次返回的第6步,包括:如果当前行为D是非第一个预设行为A的第4个预设行为D,则获取第3个元素step[3]中存在的第一时间戳t1。
第三次返回的第7步,包括:判断第一时间戳t1与第3个预设行为D的时间戳t5是否处于同一时间窗口内。
第三次返回的第8步,包括:判断第一时间戳t1与第3个预设行为D的时间戳t5不处于同一时间窗口内,则返回执行第9步,若是停止在元素中填入时间戳,则执行第10步,也就是,将当前一维数组中,已填入时间戳的元素的个数为3,作为最长的执行行为数量。已填入时间戳的元素分别为第一个时间戳step[1],第二个时间戳step[2],第三个时间戳step[3]。
以次类推,用户1001和用户1002在此不一一说明。
本发明实施例的用户行为数据进行漏斗分析的方法可以应用在Spark平台,也可以应用在Hadoop集群的Hive平台上,在此不做限定。用户行为数据进行漏斗分析的方法应用在Spark平台,单次遍历用户行为,可以支持使用Spark Streaming做流式处理,以完成在线实时事务分析。该用户行为数据进行漏斗分析的方法使用Hadoop集群的Hive平台,该Hadoop集群的Hive平台作为分布式平台,可以加快用户行为数据进行漏斗分析的效率。
下面以该用户行为数据进行漏斗分析的方法使用Hadoop集群的Hive平台,应用场景为购物场景为例,所得到的测试结果如下。
使用4个节点Hadoop集群,收集4个月内用户行为日志的原始数据,每个节点内存16G,硬盘300G。
利用用户行为数据进行漏斗分析的方法,对不包含预设页面内容的这些4个月内用户行为日志的原始数据进行漏斗分析,时间窗口为7天,结果正确,漏斗分析时间为8429ms。
利用用户行为数据进行漏斗分析的方法,对包含预设页面内容的这些4个月内用户行为日志的原始数据进行漏斗分析,时间窗口为7天,结果正确,漏斗分析时间为25801ms。
由此可见,相较于现有的漏斗分析,提高数据分析的效率。
参见图3,图3为本发明实施例的一种对用户行为数据进行漏斗分析装置的结构示意图。下面然后对本发明实施例所提供的对用户行为数据进行漏斗分析装置进行介绍。
本发明实施例提供一种对用户行为数据进行漏斗分析装置,针对每个用户,装置包括:
第一获取模块31,用于获取根据应用场景预定义的一个一维数组,一维数组包含与应用场景预设行为数量相同的元素;用于按应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
第二获取模块32,用于获取行为序列,其中,行为序列是按照用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
第三获取模块33,用于获取行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入一维数组的第一个元素中;
第四获取模块34,用于获取行为序列中的下一个行为,作为当前行为;
填入模块35,用于如果当前行为是第一个预设行为,则将当前行为的时间戳,填入一维数组的第一个元素中;
第五获取模块36,用于如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,N表示个数,N的取值为大于或等于2的整数;
第一判断模块37,用于判断第一时间戳与第N个预设行为的时间戳是否处于同一时间窗口内;若第一时间戳与第N个预设行为的时间戳处于同一时间窗口内,则将第N-1个元素中存在的第一时间戳,填入一维数组的第N个元素中;
第二判断模块38,用于判断是否停止在元素中填入时间戳;若不停止在元素中填入时间戳,则返回获取行为序列中的下一个行为,作为当前行为的步骤;若停止在元素中填入时间戳,则停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
计算模块39,用于基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
由此可见,本发明实施例,针对一个用户,只需读取一次该用户的行为序列,利用该用户的一维数组已填入时间戳的元素的个数,确定出最长的执行行为数量,空间复杂度为O(1),不需要多次遍历所有用户执行的行为,提高数据分析的效率。
在一种可能的实现方式中,装置还包括:第三判断模块,用于在获取行为序列中的下一个行为,作为当前行为之后,如果当前行为是非第一个预设行为的第N个预设行为,且第N-1个元素中不存在时间戳,则返回获取行为序列中的下一个行为,作为当前行为的步骤。
在一种可能的实现方式中,第一判断模块37,具体用于:
判断第一时间戳与第N个预设行为的时间戳之间的时间差是否小于预设阈值;
如果第一时间戳与第N个预设行为的时间戳之间的时间差小于预设阈值,则处于同一时间窗口内;否则,不处于同一时间窗内。
在一种可能的实现方式中,第二判断模块38,具体用于:
判断第一数组中的每个元素是否已填入时间戳;
如果第一数组中的每个元素填入时间戳,则确定停止在元素中填入时间戳;
如果第一数组中的每个元素没有填入时间戳,则判断是否已经读取完用户的行为序列中的所有行为;
如果已经读取完用户的行为序列中的所有行为,则确定停止在元素中填入时间戳;如果未读取完用户的行为序列中的所有行为,则确定不停止在元素中填入时间戳。
在一种可能的实现方式中,用户执行行为是携带预设页面内容的用户执行行为。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器41、通信接口42、存储器43和通信总线44,其中,处理器41,通信接口42,存储器43通过通信总线44完成相互间的通信,
存储器43,用于存放计算机程序;
处理器41,用于执行存储器43上所存放的程序时,实现如下步骤:
针对每个用户,所述方法包括:
获取根据应用场景预定义的一个一维数组,一维数组包含与应用场景预设行为数量相同的元素;用于按应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
获取行为序列,其中,行为序列是按照用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
获取行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入一维数组的第一个元素中;
获取行为序列中的下一个行为,作为当前行为;
如果当前行为是第一个预设行为,则将当前行为的时间戳,填入一维数组的第一个元素中;
如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,N表示个数,N的取值为大于或等于2的整数;
判断第一时间戳与第N个预设行为的时间戳是否处于同一时间窗口内;
若第一时间戳与第N个预设行为的时间戳处于同一时间窗口内,则将第N-1个元素中存在的第一时间戳,填入一维数组的第N个元素中;
判断是否停止在元素中填入时间戳;
若不停止在元素中填入时间戳,则返回获取行为序列中的下一个行为,作为当前行为的步骤;
若停止在元素中填入时间戳,则停止在元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的方法可以应用于电子设备。具体的,该电子设备可以为:台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定,任何可以实现本发明的电子设备,均属于本发明的保护范围。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的对用户行为数据进行漏斗分析方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的对用户行为数据进行漏斗分析方法。
对于装置/电子设备/存储介质/计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/电子设备/存储介质/计算机程序产品而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种对用户行为数据进行漏斗分析方法,其特征在于,针对每个用户,所述方法包括:
获取根据应用场景预定义的一个一维数组,所述一维数组包含与所述应用场景预设行为数量相同的元素;用于按所述应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
获取行为序列,其中,所述行为序列是按照所述用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
获取所述行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入所述一维数组的第一个元素中;
获取所述行为序列中的下一个行为,作为当前行为;
如果当前行为是第一个预设行为,则将当前行为的时间戳,填入所述一维数组的第一个元素中;
如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,所述N表示个数,N的取值为大于或等于2的整数;
判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内;
若所述第一时间戳与所述第N个预设行为的时间戳处于同一时间窗口内,则将所述第N-1个元素中存在的第一时间戳,填入所述一维数组的第N个元素中;
判断是否停止在所述元素中填入时间戳;
若不停止在所述元素中填入时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤;
若停止在所述元素中填入时间戳,则停止在所述元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
2.如权利要求1所述的方法,其特征在于,在所述获取行为序列中的下一个行为,作为当前行为之后,所述方法还包括:
如果当前行为是非第一个预设行为的第N个预设行为,且第N-1个元素中不存在时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤。
3.如权利要求1或2所述的方法,其特征在于,所述判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内,包括:
判断所述第一时间戳与所述第N个预设行为的时间戳之间的时间差是否小于预设阈值;
如果所述第一时间戳与所述第N个预设行为的时间戳之间的时间差小于预设阈值,则处于同一时间窗口内;否则,不处于同一时间窗内。
4.如权利要求1或2所述的方法,其特征在于,所述判断是否停止在所述元素中填入时间戳,包括:
判断所述第一数组中的每个元素是否已填入时间戳;
如果所述第一数组中的每个元素填入时间戳,则确定停止在所述元素中填入时间戳;
如果所述第一数组中的每个元素没有填入时间戳,则判断是否已经读取完所述用户的所述行为序列中的所有行为;
如果已经读取完所述用户的所述行为序列中的所有行为,则确定停止在所述元素中填入时间戳;如果未读取完所述用户的所述行为序列中的所有行为,则确定不停止在所述元素中填入时间戳。
5.如权利要求1或2所述的方法,其特征在于,所述用户执行行为是携带预设页面内容的用户执行行为。
6.一种对用户行为数据进行漏斗分析装置,其特征在于,针对每个用户,所述装置包括:
第一获取模块,用于获取根据应用场景预定义的一个一维数组,所述一维数组包含与所述应用场景预设行为数量相同的元素;用于按所述应用场景预设行为的顺序存储预设行为的时间戳,一个元素存储一个时间戳;
第二获取模块,用于获取行为序列,其中,所述行为序列是按照所述用户执行行为完成的时间戳的先后顺序进行排序,生成的序列;
第三获取模块,用于获取所述行为序列中,第一次出现的应用场景的第一个预设行为的时间戳填入所述一维数组的第一个元素中;
第四获取模块,用于获取所述行为序列中的下一个行为,作为当前行为;
填入模块,用于如果当前行为是第一个预设行为,则将当前行为的时间戳,填入所述一维数组的第一个元素中;
第五获取模块,用于如果当前行为是非第一个预设行为的第N个预设行为,则获取第N-1个元素中存在的第一时间戳,所述N表示个数,N的取值为大于或等于2的整数;
第一判断模块,用于判断所述第一时间戳与所述第N个预设行为的时间戳是否处于同一时间窗口内;若所述第一时间戳与所述第N个预设行为的时间戳处于同一时间窗口内,则将所述第N-1个元素中存在的第一时间戳,填入所述一维数组的第N个元素中;
第二判断模块,用于判断是否停止在所述元素中填入时间戳;若不停止在所述元素中填入时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤;若停止在所述元素中填入时间戳,则停止在所述元素中填入时间戳,将当前一维数组中,已填入时间戳的元素的个数,作为最长的执行行为数量;
计算模块,用于基于最长的执行行为数量,计算第N-1个预设行为向第N个预设行为进行转化的转化率。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:第三判断模块,用于在所述获取行为序列中的下一个行为,作为当前行为之后,如果当前行为是非第一个预设行为的第N个预设行为,且第N-1个元素中不存在时间戳,则返回所述获取所述行为序列中的下一个行为,作为当前行为的步骤。
8.如权利要求6或7所述的装置,其特征在于,所述第一判断模块,具体用于:
判断所述第一时间戳与所述第N个预设行为的时间戳之间的时间差是否小于预设阈值;
如果所述第一时间戳与所述第N个预设行为的时间戳之间的时间差小于预设阈值,则处于同一时间窗口内;否则,不处于同一时间窗内。
9.如权利要求6或7所述的装置,其特征在于,所述第二判断模块,具体用于:
判断所述第一数组中的每个元素是否已填入时间戳;
如果所述第一数组中的每个元素填入时间戳,则确定停止在所述元素中填入时间戳;
如果所述第一数组中的每个元素没有填入时间戳,则判断是否已经读取完所述用户的所述行为序列中的所有行为;
如果已经读取完所述用户的所述行为序列中的所有行为,则确定停止在所述元素中填入时间戳;如果未读取完所述用户的所述行为序列中的所有行为,则确定不停止在所述元素中填入时间戳。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273619.8A CN108664550B (zh) | 2018-03-29 | 2018-03-29 | 一种对用户行为数据进行漏斗分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273619.8A CN108664550B (zh) | 2018-03-29 | 2018-03-29 | 一种对用户行为数据进行漏斗分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664550A true CN108664550A (zh) | 2018-10-16 |
CN108664550B CN108664550B (zh) | 2021-10-01 |
Family
ID=63783017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810273619.8A Active CN108664550B (zh) | 2018-03-29 | 2018-03-29 | 一种对用户行为数据进行漏斗分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664550B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523921A (zh) * | 2019-12-31 | 2020-08-11 | 支付宝实验室(新加坡)有限公司 | 漏斗分析方法、分析设备、电子设备及可读存储介质 |
CN114429360A (zh) * | 2021-12-29 | 2022-05-03 | 神策网络科技(北京)有限公司 | 转化率确定方法、装置、电子设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160062621A1 (en) * | 2014-08-29 | 2016-03-03 | Erin Delacroix | User interface for funnel analysis |
CN105868847A (zh) * | 2016-03-24 | 2016-08-17 | 车智互联(北京)科技有限公司 | 一种购物行为的预测方法及装置 |
CN107563621A (zh) * | 2017-08-22 | 2018-01-09 | 北京金堤科技有限公司 | 一种网站用户流失情况分析方法及装置 |
CN107689008A (zh) * | 2017-06-09 | 2018-02-13 | 平安科技(深圳)有限公司 | 一种用户投保行为预测的方法及装置 |
-
2018
- 2018-03-29 CN CN201810273619.8A patent/CN108664550B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160062621A1 (en) * | 2014-08-29 | 2016-03-03 | Erin Delacroix | User interface for funnel analysis |
CN105868847A (zh) * | 2016-03-24 | 2016-08-17 | 车智互联(北京)科技有限公司 | 一种购物行为的预测方法及装置 |
CN107689008A (zh) * | 2017-06-09 | 2018-02-13 | 平安科技(深圳)有限公司 | 一种用户投保行为预测的方法及装置 |
CN107563621A (zh) * | 2017-08-22 | 2018-01-09 | 北京金堤科技有限公司 | 一种网站用户流失情况分析方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523921A (zh) * | 2019-12-31 | 2020-08-11 | 支付宝实验室(新加坡)有限公司 | 漏斗分析方法、分析设备、电子设备及可读存储介质 |
CN111523921B (zh) * | 2019-12-31 | 2023-10-20 | 支付宝实验室(新加坡)有限公司 | 漏斗分析方法、分析设备、电子设备及可读存储介质 |
CN114429360A (zh) * | 2021-12-29 | 2022-05-03 | 神策网络科技(北京)有限公司 | 转化率确定方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108664550B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109600258A (zh) | 工业协议报文记录装置及方法 | |
CN108959319B (zh) | 信息推送方法和装置 | |
CN105160027B (zh) | 广告数据处理方法及装置 | |
CN107483381A (zh) | 关联账户的监控方法及装置 | |
CN104243590A (zh) | 资源对象推荐方法和装置 | |
Katzela | Modeling and simulating communication networks: a hands-on approach using OPNET | |
CN104216698B (zh) | 一种注册网页方法及相关装置 | |
CN109977296A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
CN105579976B (zh) | 网页自动化测试方法及装置 | |
CN110263070A (zh) | 事件上报方法及装置 | |
CN107193822A (zh) | 用于分页查询的方法、装置及设备 | |
CN109685545A (zh) | 待发放虚拟网络资源预估方法、装置及电子设备 | |
CN107741902A (zh) | 程序应用检测方法及程序应用检测装置 | |
CN108664550A (zh) | 一种对用户行为数据进行漏斗分析方法及装置 | |
CN107329976A (zh) | 网页分页方法、装置、计算机设备及计算机可读存储介质 | |
CN106415637A (zh) | 佣金分配方法和*** | |
CN104679884A (zh) | 数据库的数据分析方法、装置以及*** | |
CN111984733A (zh) | 基于区块链的数据传输方法、装置及存储介质 | |
CN108880992A (zh) | 数据传输方法、计算机设备及存储介质 | |
CN105426392A (zh) | 一种协同过滤推荐方法及*** | |
CN110837511A (zh) | 一种数据处理方法、***及相关设备 | |
CN110427557A (zh) | 主播推荐方法、装置、电子设备及计算机可读存储介质 | |
CN108829735A (zh) | 并行执行计划的同步方法、装置、服务器及存储介质 | |
CN106651183A (zh) | 工控***的通信数据安全审计方法及装置 | |
CN105589683B (zh) | 样本抽取方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |