CN111177541A - 基于用户标签生成时间的数据分析方法及装置、服务器、存储介质 - Google Patents
基于用户标签生成时间的数据分析方法及装置、服务器、存储介质 Download PDFInfo
- Publication number
- CN111177541A CN111177541A CN201911329761.0A CN201911329761A CN111177541A CN 111177541 A CN111177541 A CN 111177541A CN 201911329761 A CN201911329761 A CN 201911329761A CN 111177541 A CN111177541 A CN 111177541A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- user state
- static
- label
- 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
Images
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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (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
本发明公开了一种基于用户标签生成时间的数据分析方法,包括:接收前端返回的数据调取请求;根据数据调取请求中的静态标签人群包参数匹配相应的静态标签人群包,并从静态标签人群包中获取各个触达用户的历史用户状态数据;该历史用户状态数据包括触达用户在预设目标时段内的所有用户状态标签及每个用户状态标签的生成时间;向前端返回各个触达用户的历史用户状态数据。本发明通过构建静态标签人群包保存各个用户在预设时间段的所有历史用户状态数据,使得可通过该历史用户状态数据来回溯用户的历史所处的层级,即进行回溯性分析,从而准确、高效评估历史运营策略带来的效果。相应地,本发明还提供了相应的数据分析装置、服务器和存储介质。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种基于用户标签生成时间的数据分析方法及装置、服务器、计算机可读存储介质。
背景技术
为了提升用户转化率和留存率,通常需要对不同用户指定实时适配的运营策略,而具体方式则是通过对用户进行添加用户标签,然后根据用户标签进行用户分层和用户分群。然而,在用户快速流动和APP快速迭代的背景下,一个用户在经过一段时间后可能会在不同层级之间转化,相应地,后台数据中也会周期性地更新该用户各种数据,从而覆盖了该用户的历史数据,这就给基于运营策略的分层用户数据分析造成了困难,尤其是对仍处于试错阶段的运营策略对应数据进行回溯性分析造成的影响最为明显。
有鉴于此,针对处于试错阶段的运营策略,如何实现数据的回溯性分析是当前亟需解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
鉴于上述问题,提出了本说明书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基于用户标签生成时间的数据分析方法及装置、服务器、计算机可读存储介质。
本发明公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
第一方面,本发明公开了一种基于用户标签生成时间的数据分析方法,包括:
接收前端返回的数据调取请求;所述数据调取请求包括至少一个预先生成的静态标签人群包参数;
响应于所述数据调取请求,根据所述静态标签人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;
向前端返回所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
在本公开的一种示例性实施例中,接收前端返回的数据调取请求之前,所述数据分析方法还包括:
根据前端返回的各个触达用户的行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签;
将各个触达用户的用户状态标签进行静态保存得到至少一个静态标签人群包;其中,所述静态标签人群包包括各个目标用户的用户状态标签,以及所述用户状态标签的生成时间,且所述静态标签人群包中当前所在的各个目标用户及其总数量恒定不变。
在本公开的一种示例性实施例中,将所用户状态标签进行静态保存得当至少一个静态标签人群包的步骤,具体包括:
根据预设的至少一个人群筛选规则进行用户分群,得到至少一个静态标签人群包;
对至少一个静态标签人群包进行编号,得到至少一个静态标签人群包参数。
在本公开的一种示例性实施例中,所述人群筛选规则以用户状态标签为准进行用户分群;或者,以用户状态标签与其他用户标签或筛选条件进行组合得到的组合筛选规则为准进行用户分群。
在本公开的一种示例性实施例中,接收前端返回的数据调取请求之前,该数据方法还包括:
根据所述前端返回的所述行为数据判断所述触达用户的用户状态是否发生变化,若发生变化,则根据所述触达用户的最新用户状态生成相应的新用户状态标签;
将所述新用户状态标签及其生成时间添加至所述触达用户固定所在的静态标签人群包中。
在本公开的一种示例性实施例中,所述静态标签人群包参数为针对至少一个静态标签人群包进行编号时生成的编号。
第二方面,本发明提供一种基于用户标签生成时间的数据分析装置,包括:
数据请求接收模块,用于接收前端返回的数据调取请求;所述数据调取请求包括至少一个预先生成的静态标签人群包参数;
第一数据处理模块,用于响应于所述数据调取请求,根据所述静态标签人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;
数据反馈模块,用于向所述前端返回所述第一数据处理模块所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
在本公开的一种示例性实施例中,所述数据分析装置还包括:
数据收发模块,用于接收前端返回的各个触达用户的行为数据;
用户状态标签模块,用于根据所述行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签;
用户分群模块,用于将所述用户状态标签模块所生成的各个用户状态标签进行静态保存得到至少一个静态标签人群包;其中,所述静态标签人群包包括各个目标用户的用户状态标签,以及所述用户状态标签的生成时间,且所述静态标签人群包中当前所在的各个目标用户及其总数量恒定不变。
在本公开的一种示例性实施例中,所述用户分群模块具体包括:
数据存储单元,用于存储预设的至少一个人群筛选规则;
用户分群单元,用于根据所述至少一个人群筛选规则进行用户分群,得到至少一个静态标签人群包;
参数生成单元,用于针对每个静态标签人群包进行编号,生成相应的唯一标识所述静态标签人群包的静态标签人群包参数。
在本公开的一种示例性实施例中,所述人群筛选规则以用户状态标签为准进行用户分群;或者,以用户状态标签与其他用户标签或筛选条件进行组合得到的组合筛选规则为准进行用户分群。
在本公开的一种示例性实施例中,所述数据分析装置还包括:
第二数据处理模块,用于根据所述前端返回的所述行为数据判断所述触达用户的用户状态是否发生变化,若发生变化,则根据所述触达用户的最新用户状态生成相应的新用户状态标签;
状态更新模块,用于将所述新用户状态标签及其生成时间添加至所述触达用户固定所在的静态标签人群包中。
在本公开的一种示例性实施例中,所述静态标签人群包对应的编号即为所述静态标签人群包的静态标签人群包参数。
第三方面,本说明书提供一种服务器,包括处理器和存储器:所述存储器用于存储上述任一项所述方法的程序;所述处理器被配置为用于执行所述存储器中存储的程序实现上述任一项所述方法的步骤。
第四方面,本说明书实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
本发明的有益效果:
本发明通过将构建静态标签人群包,将各个静态标签人群包建立时所包含的各个触达用户作为数据分析对象,且在预设目标时段内,保持该静态标签人群包中各个目标用户/触达用户不变,并保存该静态标签人群包中各个用户在预设时间段的所有历史用户状态数据,包括历史用户状态标签和每个用户状态标签的生成时间,使得可通过该历史用户状态数据来回溯用户的历史所处的层级,即进行回溯性分析,从而准确、高效评估历史运营策略带来的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据一示例性实施例示出的一种基于用户标签生成时间的数据分析方法的流程图;
图2是根据另一示例性实施例示出的一种基于用户标签生成时间的数据分析方法的流程图;
图3是根据另一示例性实施例示出的一种用户标签生成时间的数据分析装置的框图;
图4是根据一示例性实施例示出的一种服务器的框图。
具体实施方式
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。
然而,下述的示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
本发明提供了一种基于用户标签生成时间的数据分析方法,用于解决现有技术中在运营策略试错阶段,因用户在不同层级间变化,导致历史数据被覆盖,从而无法对数据进行回溯性分析的问题,为了解决上述问题,本发明的总体思路如下:
接收前端返回的数据调取请求;数据调取请求包括至少一个静态标签人群包参数;
响应于数据调取请求,根据静态标签人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;向前端返回所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
即本发明通过将构建静态标签人群包,并保存该静态标签人群包中各个用户在预设时间段的所有历史用户状态数据,包括历史用户状态标签和每个用户状态标签的生成时间,使得可通过该标签数据来回溯用户的历史所处的层级,即进行回溯性分析,从而准确、高效评估历史运营策略带来的效果。
首先需要说明书的是,在本发明各个实施例中,所涉及的术语为:
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
下面,通过几个具体的实施例对本发明的技术方案进行详细介绍和说明。
参见图1,本实施例的基于用户标签生成时间的数据分析方法,包括:
S101,接收前端返回的数据调取请求。
本实施例中,当数据分析人员需要调取数据进行回溯性分析时,数据分析人员预先选定至少一个预先生成的静态标签人群包参数,即确定进行回溯性分析的分析对象,然后其通过相应的前端发送数据调取请求,具体地,该数据调取请求包括至少一个预先生成的静态标签人群包参数。
S102,响应于该数据调取请求,根据该静态标签人群包参数匹配相应的静态标签人群包,并从该静态标签人群包中获取各个触达用户的历史用户状态数据。
本实施例中,若数据分析人员同时选择了多个静态标签人群包参数时,该多个静态标签人群包参数之间是“或”的逻辑运算关系,从而当接收到该数据调取请求时,直接根据该多个静态标签人群包参数分别获取相应静态标签人群包中各个触达用户的历史用户状态数据。
本实施例中,该历史用户状态数据包括该静态标签人群包中各个触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间。其中,该预设目标时段是由数据人员或运营人员预先根据所指定的运营策略的试错阶段的时间来设定的,例如自该运营策略投放开始到进行数据分析的期间为止,即该预设目标时段的时长小于或等于该运营策略试错阶段的时长。
S103,向前端返回所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
本实施例中,若根据数据分析人员所选的静态标签人群包参数获取到相应的静态标签人群包中各个触达用户的历史用户状态数据时,则将获取到的数据返回前端以向用户(即数据分析人员)进行展示,从而进行回溯性数据分析。
本实施例中,上述的静态标签人群包是预先创建,即上述的数据分析过程都是建立在静态标签人群包的基础上的,因此,参见图2,在上述步骤S101之前,该数据分析方法还包括:
S201,根据前端返回的各个触达用户的行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签。
本实施例中,一旦营销策略投放一段时间后,获取了一定基础的触达用户,就根据各个触达用户的用户状态标签进行用户分群,也即这部分触达用户将作为该营销策略试错阶段的分析对象。由于投放后,前端会时刻监控各个触达用户的各项操作,并定期返回相应的各项行为数据,因此,在进行用户分群之前,根据该前端返回的最新行为数据来确定各个触达用户的用户状态,并生成相应的用户状态标签,然后再进行用户分群。
S202,将各个触达用户的用户状态标签进行静态保存得到至少一个静态标签人群包。
本实施例中,该静态标签人群包包括各个触达用户的用户状态标签,以及该用户状态标签的生成时间,且该静态标签人群包一旦创建,则该静态标签人群包中当前所在的各个目标用户及其总数量恒定不变,即一旦根据当前现有的各个触达用户进行用户分群得到各个静态标签人群包之后,即使在预设目标时段内有新增加的用户,也不会在该静态标签人群包中增加新的目标用户了。具体地,该步骤S105具体包括:
根据预设的至少一个人群筛选规则进行用户分群,得到至少一个静态标签人群包,然后对得到的所有静态标签人群包进行编号,生成相应的静态标签人群包参数,即该静态标签人群包参数即为唯一标识该静态标签人群包的编号,即每个净标签人群包唯一对应于一个静态标签人群包参数。
本实施例中,该人群筛选规则是直接以用户状态标签为准进行用户分群;或者,以用户状态标签与其他用户标签或筛选条件进行组合得到的组合筛选规则为准进行用户分群。
在一具体实施例中,以用户状态标签为准进行用户分群,则该人群筛选规则为:将用户状态标签相同的触达用户划分为一个静态标签人群包。由于是将用户状态标签相同的用户划分到一个人群包,因此,现有的各个触达用户所对应的所有用户状态标签中有几种不同的用户状态标签,相应地就有几个人群包,例如,若现有各个目标用户所对应的所有用户状态标签包括4种用户状态标签:“未注册用户”、“未完件用户”、“待授信用户”和“已授信用户”,则相应地,将得到4个静态标签人群包:用户状态标签为“未注册用户”的静态标签人群包,用户状态标签为“未完件用户”的静态标签人群包,用户状态标签为“待授信用户”的静态标签人群包,用户状态标签为“已授信用户”的静态标签人群包。
在另一具体实施例中,该人群筛选规则为,将用户状态标签相同且符合预设筛选条件的触达用户划分为一个静态标签人群包。例如,若现有各个目标用户所对应的所有用户状态标签包括4种用户状态标签:“未注册用户”、“未完件用户”、“待授信用户”和“已授信用户”,且每个用户状态标签与一个预设的筛选条件进行组合,得到四个静态标签人群包。当然,每个用户状态标签还可与不同的预设筛选条件进行组合,即相同用户状态标签的多个触达用户可能将划分到符合相应预设筛选条件的多个静态标签人群包中。
本实施例中,若一个触达用户符合相应的人群筛选规则,则该触达用户将作为对应于该人群筛选规则的静态标签人群包中恒定的目标用户被划分到该静态标签人群包中。其中,该恒定的目标用户是指即使今后该触达用户的用户状态发生变化,在预设目标时段内,该触达用户都将是属于该静态标签人群包的。
本实施例中,由于用户会在不同层级之间进行转化,也即是说用户的用户状态在发送变化,因此,进行用户分群得到至少一个静态标签人群包之后,即执行上述步骤S101之前,该数据分析方法还包括:
S203,根据前端返回的行为数据判断触达用户的用户状态是否发生变化,若发生变化,执行步骤S204,否则,无任何操作。
本实施例中,如前所述,前端会定期的返回各个触达用户的行为数据,因此,当接收到该前端返回的行为数据后,即可根据该行为数据来确定触达用户的用户状态,然后将其与该触达用户所在的静态标签群包中所存储的历史用户状态数据中最新的用户状态标签(即历史用户状态数据中生成时间最晚的用户状态标签)进行对比即可知道该用户的用户状态是否发生变化。
当然,本实施例中,也可以是周期性地进行判断该触达用户的用户状态是否发生变化,相应地,若当前周期内前端返回了多次行为数据,仅仅只根据该周期内该触达用户最新的行为数据来确定该触达用户的用户状态,当然也可以是根据当前周期内该触达用户所有的行为数据来确定该触达用户在当前周期内所经历的所有用户状态情况。
S204,根据触达用户的最新用户状态生成相应的新用户状态标签。
S205,将该新用户状态标签及其生成时间添加至该触达用户固定所在的静态标签人群包中。
本实施中,虽然每个静态标签人群包中的各个目标用户自该静态标签人群包建立之后就没有变化,但各个目标用户对应的历史用户状态数据却是变化的,即该历史用户状态数据包括了预设目标时段内该目标用户所有的用户状态标签及相应的生成时间,从而使得可基于用户状态标签的生成时间来进行回溯性数据分析。
本实施例中,通过将构建静态标签人群包,将各个静态标签人群包建立时所包含的各个触达用户作为数据分析对象,且在预设目标时段内,保持该静态标签人群包中各个目标用户/触达用户不变,并保存该静态标签人群包中各个用户在预设时间段的所有历史用户状态数据,包括历史用户状态标签和每个用户状态标签的生成时间,使得可通过该历史用户状态数据来回溯用户的历史所处的层级,即进行回溯性分析,从而准确、高效评估历史运营策略带来的效果。
基于与前述实施例中一种基于用户标签生成时间的数据分析方法同样的发明构思,本发明还提供一种基于用户标签生成时间的数据分析装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种信息处理方法的任一方法的步骤。
下述为本公开装置实施例,可以用于执行本发明方法实施例。对于本实施例的装置实施例中未披露的细节,请参照本公开方法实施例。
参见图3,本实施例的一种基于用户标签生成时间的数据分析装置,包括:
数据请求接收模块31,用于接收前端返回的数据调取请求;其中,该数据调取请求包括至少一个预先生成的静态标签人群包参数;具体地,当数据分析人员需要调取数据进行回溯性分析时,预先选定至少一个预先生成的静态标签人群包参数,即确定进行回溯性分析的分析对象,然后通过相应的前端发送数据调取请求即可;当然,若数据分析人员同时选择了多个静态标签人群包参数时,该多个静态标签人群包参数之间是“或”的逻辑运算关系,即数据分析人员需要同时对多个静态标签人群包(即多个目标用户群)中的用户进行数据分析;
第一数据处理模块32,用于响应于上述的数据调取请求,根据该静态标签人群包参数匹配相应的静态标签人群包,并从所匹配到的静态标签人群包中获取该静态标签人群包中各个触达用户的历史用户状态数据;其中,该历史用户状态数据包括对应触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;其中,该预设目标时段是由数据人员或运营人员预先根据所指定的运营策略的试错阶段的时间来设定的,例如自该运营策略投放开始到进行数据分析的期间为止,即该预设目标时段的时长小于或等于该运营策略试错阶段的时长;
数据反馈模块33,用于向所述前端返回所述第一数据处理模块所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
本实施例中,上述的静态标签人群包是预先创建,即上述的各个模块的数据分析过程都是建立在静态标签人群包的基础上的,因此,本实施例的该数据分析装置还包括:
数据收发模块34,用于接收前端返回的各个触达用户的行为数据;具体地,接收营销策略投放后,前端定期返回的各个触达用户的各项行为数据;
用户状态标签模块35,用于根据所接收到的行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签;具体地,由于投放一段时间后,获取了一定基础的触达用户,这部分触达用户即将作为该营销策略试错阶段的分析对象,因此,需要根据这部分触达用户的行为数据来确定其的用户状态标签,从而便于后续进行用户分群;
用户分群模块36,用于将用户状态标签模块所生成的各个用户状态标签进行静态保存得到至少一个静态标签人群包;其中,该静态标签人群包包括各个目标用户(即上述基础的触达用户)的用户状态标签,以及用户状态标签的生成时间,且该静态标签人群包中当前所在的各个目标用户及其总数量恒定不变,即一旦根据当前基础的各个触达用户进行用户分群得到各个静态标签人群包之后,即使在预设目标时段内有新增加的用户,也不会在该静态标签人群包中增加新的目标用户了;具体地,该用户分群模块具体包括:数据存储单元,用于存储预设的至少一个人群筛选规则,其中,该人群筛选规则是直接以用户状态标签为准进行用户分群;或者,以用户状态标签与其他用户标签或筛选条件进行组合得到的组合筛选规则为准进行用户分群;用户分群单元,用于根据该至少一个人群筛选规则进行用户分群,得到至少一个静态标签人群包;参数生成单元,用于针对每个静态标签人群包进行编号,生成相应的唯一标识该静态标签人群包的静态标签人群包参数,具体地,该静态标签人群包参数即为该静态标签人群包对应的编号;
第二数据处理模块37,用于根据前端返回的行为数据判断各个触达用户的用户状态是否发生变化,若发生变化,则根据该触达用户的最新用户状态生成相应的新用户状态标签;具体地,由于前端会定期的返回各个触达用户的行为数据,因此,当接收到该前端返回的行为数据后,即可根据该行为数据来确定触达用户(即各个静态标签人群包中的目标用户/触达用户)的用户状态,然后将其与该触达用户所在的静态标签群包中所存储的历史用户状态数据中最新的用户状态标签(即历史用户状态数据中生成时间最晚的用户状态标签)进行对比即可知道该用户的用户状态是否发生变化;当然,也可以周期性地进行判断该触达用户的用户状态是否发生变化,相应地,若当前周期内前端返回了多次行为数据,仅仅只根据该周期内该触达用户最新的行为数据来确定该触达用户的用户状态;
状态更新模块38,用于将所述新用户状态标签及其生成时间添加至所述触达用户固定所在的静态标签人群包中;具体地,虽然每个静态标签人群包中的各个目标用户是恒定不变的,但各个目标用户对应的历史用户状态数据却是变化的,即由于该状态更新模块将该触达用户在预设时间段内的所有用户状态标签及其生产时间都添加至对应的静态标签人群包中,从而使得该目标用户的历史用户状态数据包括了预设目标时段内该目标用户所有的用户状态标签及相应的生成时间,进而使得可基于用户状态标签的生成时间来进行回溯性数据分析。
基于与前述实施例中一种基于用户标签生成时间的数据分析方法同样的发明构思,本发明还提供了一种服务器,包括存储器402、处理器401及存储在存储器402上并可在处理器401上运行的计算机程序,所述处理器401执行所述程序时实现前文所述方法的步骤。为了便于说明,仅示出了与本说明书实施例相关的部分,具体技术细节未揭示的,请参照本说明书实施例方法部分。该服务器,可以是包括各种电子设备形成的服务器设备,PC电脑、网络云服务器,甚至手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、POS(Point of Sales,销售终端)、车载电脑、台式电脑等任意电子设备上设置的服务器功能。
参见图4,为本实施例提供的技术方案相关的服务器组成结构框图,总线400可以包括任意数量的互联的总线和桥,其将包括由处理器401代表的一个或多个处理器和存储器402代表的存储器的各种电路链接在一起。总线400还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口403在总线400和接收器和/或发送器304之间提供接口,接收器和/或发送器404可以是分开独立的接收器或发送器也可以是同一个元件如收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器401负责管理总线400和通常的处理,而存储器402可以被用于存储处理器401在执行操作时所使用的数据。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:接收前端返回的数据调取请求;所述数据调取请求包括至少一个预先生成的静态标签人群包参数;响应于所述数据调取请求,根据所述静态标签人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;向前端返回所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析;其中,该静态标签人群参参数是预先根据预设的人群筛选规则进行用户分群得到至少一个静态标签人群包,并对至少一个静态标签人群包进行编号时生成的,且该静态标签人群包中的各个目标用户是恒定不变的。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
尽管已描述了本说明书的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本公开可实施的范畴。
Claims (10)
1.一种基于用户标签生成时间的数据分析方法,其特征在于,包括:
接收前端返回的数据调取请求;所述数据调取请求包括至少一个预先生成的静态标签人群包参数;
响应于所述数据调取请求,根据所述静态人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;
向前端返回所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
2.根据权利要求1所述的数据分析方法,其特征在于,接收前端返回的数据调取请求之前,还包括:
根据前端返回的各个触达用户的行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签;
将各个触达用户的用户状态标签进行静态保存得到至少一个静态标签人群包;其中,所述静态标签人群包包括各个目标用户的用户状态标签,以及所述用户状态标签的生成时间,且所述静态标签人群包中当前所在的各个目标用户及其总数量恒定不变。
3.根据权利要求1或2所述的数据分析方法,其特征在于,将所用户状态标签进行静态保存得当至少一个静态标签人群包的步骤,具体包括:
根据预设的至少一个人群筛选规则进行用户分群,得到至少一个静态标签人群包;
对至少一个静态标签人群包进行编号,得到至少一个静态标签人群包参数。
4.根据权利要求1至3中任一项所述的数据分析方法,其特征在,所述人群筛选规则以用户状态标签为准进行用户分群;或者,以用户状态标签与其他用户标签或筛选条件进行组合得到的组合筛选规则为准进行用户分群。
5.根据权利要求1至4中任一项所述的数据分析方法,其特征在于,接收前端返回的数据调取请求之前,还包括:
根据所述前端返回的所述行为数据判断所述触达用户的用户状态是否发生变化,若发生变化,则根据所述触达用户的最新用户状态生成相应的新用户状态标签;
将所述新用户状态标签及其生成时间添加至所述触达用户固定所在的静态标签人群包中。
6.根据权利要求1至5中任意一项所述的数据分析方法,其特征在于,所述静态标签人群包参数为针对至少一个静态标签人群包进行编号时生成的编号。
7.一种基于用户标签生成时间的数据分析装置,其特征在于,包括:
数据请求接收模块,用于接收前端返回的数据调取请求;所述数据调取请求包括至少一个预先生成的静态标签人群包参数;
第一数据处理模块,用于响应于所述数据调取请求,根据所述静态人群包参数匹配相应的静态标签人群包,并从所述静态标签人群包中获取各个触达用户的历史用户状态数据;其中,所述历史用户状态数据包括所述触达用户在预设目标时段内的所有用户状态标签,以及每个用户状态标签的生成时间;
数据反馈模块,用于向所述前端返回所述第一数据处理模块所获取的各个触达用户及其历史用户状态数据,以进行回溯性数据分析。
8.根据权利要求7所述的数据分析装置,其特征在于,还包括:
数据收发模块,用于接收前端返回的各个触达用户的行为数据;
用户状态标签模块,用于根据所述行为数据识别出各个触达用户的当前用户状态,并生成相应的用户状态标签;
用户分群模块,用于将所述用户状态标签模块所生成的各个用户状态标签进行静态保存得到至少一个静态标签人群包;其中,所述静态标签人群包包括各个目标用户的用户状态标签,以及所述用户状态标签的生成时间,且所述静态标签人群包中当前所在的各个目标用户及其总数量恒定不变。
9.一种服务器,包括处理器和存储器,其特征在于,所述存储器用于存储执行权利要求1至6中任一项所述方法的程序;所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329761.0A CN111177541B (zh) | 2019-12-20 | 2019-12-20 | 基于用户标签生成时间的数据分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329761.0A CN111177541B (zh) | 2019-12-20 | 2019-12-20 | 基于用户标签生成时间的数据分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177541A true CN111177541A (zh) | 2020-05-19 |
CN111177541B CN111177541B (zh) | 2023-08-22 |
Family
ID=70654120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911329761.0A Active CN111177541B (zh) | 2019-12-20 | 2019-12-20 | 基于用户标签生成时间的数据分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177541B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819528A (zh) * | 2021-01-30 | 2021-05-18 | 北京奇保信安科技有限公司 | 人群包的上线方法、装置及电子设备 |
CN113076473A (zh) * | 2021-03-19 | 2021-07-06 | 土巴兔集团股份有限公司 | 用户数据处理方法、装置、计算机设备及存储介质 |
CN113177047A (zh) * | 2021-04-23 | 2021-07-27 | 上海晓途网络科技有限公司 | 数据的回溯方法、装置、电子设备及存储介质 |
CN113781093A (zh) * | 2021-04-27 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 数据分析方法及装置、***、存储介质、电子设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110022834A (ko) * | 2009-08-28 | 2011-03-08 | 에스케이 텔레콤주식회사 | 관심도 기반 태그 맵 서비스 시스템 및 방법 |
US20130110628A1 (en) * | 2011-10-28 | 2013-05-02 | Google Inc. | Advertisement determination system and method for clustered search results |
US20130159323A1 (en) * | 2011-12-16 | 2013-06-20 | International Business Machines Corporation | Recommending tags based on user ratings |
US20170068900A1 (en) * | 2014-05-20 | 2017-03-09 | Tencent Technology (Shenzhen) Company Limited | Network service recommendation method and apparatus |
CN107016103A (zh) * | 2017-04-12 | 2017-08-04 | 北京焦点新干线信息技术有限公司 | 一种构建用户画像的方法及装置 |
CN107239530A (zh) * | 2017-05-31 | 2017-10-10 | 努比亚技术有限公司 | 标签检索方法、装置、***及计算机可读存储介质 |
WO2018103718A1 (zh) * | 2016-12-08 | 2018-06-14 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN108491198A (zh) * | 2018-04-12 | 2018-09-04 | 珠海横琴盛达兆业科技投资有限公司 | 一种基于微信小程序平台智能搜索的实现方法 |
CN109522467A (zh) * | 2018-11-14 | 2019-03-26 | 江苏中威科技软件***有限公司 | 一种基于大数据平台的标签时间的分析方法及装置 |
CN109685579A (zh) * | 2018-12-29 | 2019-04-26 | 深圳市酷开网络科技有限公司 | 一种基于用户标签的数据处理方法、智能电视及存储介质 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和*** |
CN109977308A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 用户群体画像的构建方法、装置、存储介质及电子设备 |
CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
CN110110321A (zh) * | 2019-03-19 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 基于语音数据的产品推荐方法、装置、设备及存储介质 |
CN110197402A (zh) * | 2019-06-05 | 2019-09-03 | 中国联合网络通信集团有限公司 | 基于用户群的用户标签分析方法、装置、设备和存储介质 |
CN110347923A (zh) * | 2019-07-09 | 2019-10-18 | 葛晓滨 | 一种可回溯的快速裂变式构建用户画像的方法 |
CN110363655A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 基于时间特征的目标用户识别方法、装置及电子设备 |
-
2019
- 2019-12-20 CN CN201911329761.0A patent/CN111177541B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110022834A (ko) * | 2009-08-28 | 2011-03-08 | 에스케이 텔레콤주식회사 | 관심도 기반 태그 맵 서비스 시스템 및 방법 |
US20130110628A1 (en) * | 2011-10-28 | 2013-05-02 | Google Inc. | Advertisement determination system and method for clustered search results |
US20130159323A1 (en) * | 2011-12-16 | 2013-06-20 | International Business Machines Corporation | Recommending tags based on user ratings |
US20170068900A1 (en) * | 2014-05-20 | 2017-03-09 | Tencent Technology (Shenzhen) Company Limited | Network service recommendation method and apparatus |
WO2018103718A1 (zh) * | 2016-12-08 | 2018-06-14 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN107016103A (zh) * | 2017-04-12 | 2017-08-04 | 北京焦点新干线信息技术有限公司 | 一种构建用户画像的方法及装置 |
CN107239530A (zh) * | 2017-05-31 | 2017-10-10 | 努比亚技术有限公司 | 标签检索方法、装置、***及计算机可读存储介质 |
CN108491198A (zh) * | 2018-04-12 | 2018-09-04 | 珠海横琴盛达兆业科技投资有限公司 | 一种基于微信小程序平台智能搜索的实现方法 |
CN109522467A (zh) * | 2018-11-14 | 2019-03-26 | 江苏中威科技软件***有限公司 | 一种基于大数据平台的标签时间的分析方法及装置 |
CN109685579A (zh) * | 2018-12-29 | 2019-04-26 | 深圳市酷开网络科技有限公司 | 一种基于用户标签的数据处理方法、智能电视及存储介质 |
CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
CN110110321A (zh) * | 2019-03-19 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 基于语音数据的产品推荐方法、装置、设备及存储介质 |
CN109977308A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 用户群体画像的构建方法、装置、存储介质及电子设备 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和*** |
CN110197402A (zh) * | 2019-06-05 | 2019-09-03 | 中国联合网络通信集团有限公司 | 基于用户群的用户标签分析方法、装置、设备和存储介质 |
CN110363655A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 基于时间特征的目标用户识别方法、装置及电子设备 |
CN110347923A (zh) * | 2019-07-09 | 2019-10-18 | 葛晓滨 | 一种可回溯的快速裂变式构建用户画像的方法 |
Non-Patent Citations (1)
Title |
---|
李鹏;王斌;晋薇;: "一种基于社会化标签的信息检索方法", 中文信息学报, no. 01, pages 43 - 50 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819528A (zh) * | 2021-01-30 | 2021-05-18 | 北京奇保信安科技有限公司 | 人群包的上线方法、装置及电子设备 |
CN113076473A (zh) * | 2021-03-19 | 2021-07-06 | 土巴兔集团股份有限公司 | 用户数据处理方法、装置、计算机设备及存储介质 |
CN113076473B (zh) * | 2021-03-19 | 2024-05-07 | 土巴兔集团股份有限公司 | 用户数据处理方法、装置、计算机设备及存储介质 |
CN113177047A (zh) * | 2021-04-23 | 2021-07-27 | 上海晓途网络科技有限公司 | 数据的回溯方法、装置、电子设备及存储介质 |
CN113177047B (zh) * | 2021-04-23 | 2024-06-07 | 上海晓途网络科技有限公司 | 数据的回溯方法、装置、电子设备及存储介质 |
CN113781093A (zh) * | 2021-04-27 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 数据分析方法及装置、***、存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111177541B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177541B (zh) | 基于用户标签生成时间的数据分析方法及装置 | |
US10679169B2 (en) | Cross-domain multi-attribute hashed and weighted dynamic process prioritization | |
US20170091673A1 (en) | Exporting a Transformation Chain Including Endpoint of Model for Prediction | |
CN109344170B (zh) | 流数据处理方法、***、电子设备及可读存储介质 | |
US20120116743A1 (en) | Optimizing storage cloud environments through adaptive statistical modeling | |
CN112771500A (zh) | 功能即服务网关 | |
CN111198685B (zh) | 基于用户状态生成前端交互页面的方法及其装置、***、服务器、存储介质 | |
JP2007502484A (ja) | 不活性顧客を予測するための方法およびシステム | |
CN109582289B (zh) | 规则引擎中规则流的处理方法、***、存储介质和处理器 | |
Razian et al. | ARC: Anomaly-aware Robust Cloud-integrated IoT service composition based on uncertainty in advertised quality of service values | |
CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
US20220138074A1 (en) | Method, electronic device and computer program product for processing data | |
US20230342699A1 (en) | Systems and methods for modeling and analysis of infrastructure services provided by cloud services provider systems | |
CN111406255A (zh) | 混合云组成的协调引擎蓝图方面 | |
CN113760677A (zh) | 异常链路分析方法、装置、设备及存储介质 | |
CN115082247A (zh) | 基于标签库的***投产方法、装置、设备、介质和产品 | |
CN114565158A (zh) | 一种数据预测方法、装置、电子设备和存储介质 | |
CN111406383A (zh) | 混合云组成的协调引擎蓝图方面 | |
Nguyen et al. | Real-time optimisation for industrial internet of things (IIoT): Overview, challenges and opportunities | |
CN110275880B (zh) | 数据分析方法、装置、服务器及可读存储介质 | |
Barros et al. | Static analysis for improved modularity of procedural web application programming interfaces | |
CN112231299A (zh) | 一种特征库动态调整的方法和装置 | |
US20200175072A1 (en) | Complex modeling computational engine optimized to reduce redundant calculations | |
CN111448551A (zh) | 跟踪来自远程设备的应用活动数据并生成用于远程设备的校正动作数据结构的方法和*** | |
Morichetta et al. | Demystifying deep learning in predictive monitoring for cloud-native SLOs |
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 |