CN116188078A - 营销活动的指标体系构建方法、装置、存储介质及服务器 - Google Patents
营销活动的指标体系构建方法、装置、存储介质及服务器 Download PDFInfo
- Publication number
- CN116188078A CN116188078A CN202310127508.7A CN202310127508A CN116188078A CN 116188078 A CN116188078 A CN 116188078A CN 202310127508 A CN202310127508 A CN 202310127508A CN 116188078 A CN116188078 A CN 116188078A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- theme
- model
- marketing campaign
- 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
Images
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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种营销活动的指标体系构建方法、装置、存储介质及服务器。该营销活动的指标体系构建方法包括:从前端获取营销活动的原始数据;对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。本申请解决了由于不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的技术问题。
Description
技术领域
本申请涉及营销数据处理领域,具体而言,涉及一种营销活动的指标体系构建方法、装置、存储介质及服务器。
背景技术
在互联网营销领域下,为更多的留住用户、不断提升流量,互联网营销活动层出不穷,现金、实物、优惠券、红包、视频会员、加油卡等各种权益持续不断的推送给活跃用户,不同的权益各自绑定在不同的营销活动中,用户通过不断的参与营销活动才能获取到相应的权益,各种活动运营效果离不开数据指标的支持。
营销活动具有业务逻辑相似、数量庞大、更新迭代快等特点,基于传统瀑布流开发方式,针对不同的营销活动,都需要单独设计数据看板需求,然后经过开发测试流程后上线,每一个过程都有一定的人力、时间的消耗,而随着营销活动量的增加,这些人力、时间损耗累加起来对公司来说是一个庞大的成本消耗;同时奋战在一线营销推广人员、运营人员希望在活动上线时就能看到各类营销相关指标,故为各类营销活动高效构建通用性可视化看板是当下必须要解决的一个问题。
针对相关技术中不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种营销活动的指标体系构建方法、装置、存储介质及服务器,以解决不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种营销活动的指标体系构建方法。
根据本申请的营销活动的指标体系构建方法包括:从前端获取营销活动的原始数据;对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
进一步的,从营销活动前端获取原始数据包括:采用基于位置和事件的埋点算法,从前端获取营销活动中产生的埋点日志;服务器采用数据采集接口采集所述埋点日志,以及从所述业务库中采集业务数据;其中,所述埋点日志和所述业务数据为原始数据。
进一步的,对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表包括:对所述原始数据中的埋点日志执行预设的脏数据清洗、字段拆分和维度表关联操作,得到埋点明细表;对所述原始数据中的业务数据执行预设的脏数据清洗、字段提炼和维度表关联操作,得到业务明细表。
进一步的,基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表之后还包括:在多个主题指标宽表中确定与预设的数据分析模型的模型特征相关的第一主题指标宽表;从所述第一主题指标宽表中获取计算所需的模型指标,并将所述模型指标输入所述数据分析模型进行计算;基于计算结果和所述第一主题指标宽表生成模型量化表。
进一步的,所述数据分析模型的配置包括:接收用户在终端发出的模型配置请求;根据所述模型配置请求调用模型配置界面,并接收用户在终端配置的模型信息;基于所述模型信息生成数据分析模型,并将其添加到模型数据库中。
进一步的,基于计算结果和所述第一主题指标宽表生成模型量化表之后还包括:通过图表工具将所述模型量化表转换为可视化数据,并通过B I平台展示所述可视化数据。
进一步的,根据预先配置的所述营销活动的业务流程特征包括:接收用户在终端发出的活动配置标签;根据所述营销活动的活动标签在活动-业务表中关联出业务标签;基于预设的映射关系,关联出与所述业务标签相对应的业务流程特征。
为了实现上述目的,根据本申请的另一方面,提供了一种营销活动的指标体系构建装置。
根据本申请的营销活动的指标体系构建装置包括:获取模块,用于从前端获取营销活动的原始数据;形成模块,用于对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;确定模块,用于根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;计算模块,用于基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
为了实现上述目的,根据本申请的另一方面,提供了一种计算机可读存储介质。
根据本申请的计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述的营销活动的指标体系构建方法。
为了实现上述目的,根据本申请的另一方面,提供了一种计算机可读存储介质。
根据本申请的计算机服务器,包括:存储器和处理器,所述存储器中存储有计算机程序,其中,所述处理器被设置为运行所述计算机程序以执行所述的营销活动的指标体系构建方法。
在本申请实施例中,采用构建离线营销活动的指标体系的方式,通过从前端获取营销活动的原始数据;对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。达到了使用主题指标宽表替代人为设计、开发并测试不同数据处理流程的目的,从而实现了有效降低成本,提升效率,且通用性强的技术效果,进而解决了由于不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的营销活动的指标体系构建方法的流程示意图;
图2是根据本申请实施例的营销活动的指标体系构建装置的结构示意图;
图3是根据本申请优选实施例的营销活动的指标体系构建方法的数据流向框图;
图4是根据本申请一优选实施例的通用事件示意图;
图5是根据本申请一优选实施例的营销业务事件示意图;
图6是根据本申请另一优选实施例的留存宽表形成的流程示意图;
图7是根据本申请再一优选实施例的指标体系宽表的树状图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明实施例,提供了一种营销活动的指标体系构建方法,如图1、3所示,该方法包括如下的步骤S101至步骤S104:
步骤S101、从前端获取营销活动的原始数据;
根据本发明实施例,优选的,从营销活动前端获取原始数据包括:
采用基于位置和事件的埋点算法,从前端获取营销活动中产生的埋点日志;
服务器采用数据采集接口采集所述埋点日志,以及从所述业务库中采集业务数据;其中,所述埋点日志和所述业务数据为原始数据。
预先设计了一套基于位置和事件的埋点算法,抽象出业务流程中的业务动作,定义常用事件与事件参数,当该规范接入各个营销活动前端代码时,前端会向统一的数据采集接口上传数据结构一致的完整的埋点日志(用户行为埋点)。
埋点日志由位置编码、事件(事件i d+事件参数)、动作、用户信息及活动信息等信息构成,包含:埋点值,来源渠道,用户I D,应用I D,用户访问I P,操作***,事件信息等,最终将日志数据同步到大数据平台(服务器)。
事件分为通用事件和营销业务事件,各个事件中包含与当前事件相关的参数,示例如图4和5所示。
业务数据则是将业务库中的奖品发放数据、任务完成数据、积分兑换数据等同步至大数据平台。
设计了基于统一的基于位置和事件的埋点设计规范,并基于业务特性设计了通用事件和业务事件;解决了业务逻辑相似的不同营销活动的用户行为数据采集的问题;达到了统一不同活动的埋点数据格式,便于对明细数据的处理及活动横向指标计算的效果。
步骤S102、对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;
对同步到大数据平台的原始数据进行脏数据清洗、格式统一化等处理,同时关联各个维度表,丰富数据信息,最终形成各个数据明细表。
根据本发明实施例,优选的,所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表包括:
对所述原始数据中的埋点日志执行预设的脏数据清洗、字段拆分和维度表关联操作,得到埋点明细表;对所述原始数据中的业务数据执行预设的脏数据清洗、字段提炼和维度表关联操作,得到业务明细表。
首先对埋点日志和业务数据中的脏数据进行清洗;接着将埋点日志的埋点值字段进行拆分,并关联埋点位置信息维表、ip省份城市匹配表、业务属性表,形成埋点明细表;将不同来源的业务数据根据业务特性,提炼业务共性字段,并关联维度表,得到业务明细表。
以营销活动发奖记录表为例,由于营销活动复杂多样,抽奖类活动发放的奖品也类型丰富,各活动的发奖记录表数据来源各不相同,但是可以通过将用户I D,用户抽奖时间,用户领取时间,奖品类型,奖品名称,奖品面值,奖品成本,奖品核销状态等具有共性的字段整合起来,即可得到一张发奖记录明细表。
例如,dw_营销活动埋点信息明细表中,包含原始字段:事件触发时间、产品i d、产品版本、用户支付宝id、事件标识、动作类型、手机型号、浏览器信息、渠道、设备品牌、设备型号、网络情况、操作***、设备I P等;由原始字段拆分得到的:事件id的组合、事件参数的合并、应用i d、页面i d、区块id、元素id等;关联维度表得到的字段:应用名称、页面名称、区块名称、元素名称、元素标题等。
原始数据经过数据处理和维度表关联后,与原始数据的区别是,数据明细表在原始数据的基础上进行了复杂字段的拆分,同时关联了很多维度表,丰富了数据字段,数据的可读性更强。
步骤S103、根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;
根据本发明实施例,优选的,根据预先配置的所述营销活动的业务流程特征包括:
接收用户在终端配置的所述营销活动的活动标签;
根据所述营销活动的活动标签在活动-业务表中关联出业务标签;
基于预设的映射关系,关联出与所述业务标签相对应的业务流程特征。
可以采用用户输入活动标签,再基于表关联的方式关联得到业务流程特征,为后续的主题及与其对应的指标确定提供保障。在另一种可选的实施方式中,也可以根据获取到的营销活动的原始数据确定营销活动所对应的活动标签,并根据活动标签基于表关联的方式关联得到业务流程特征。实现了活动标签的灵活配置。
步骤S104、基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
在根据业务流程特征确定各个指标宽表的主题与指标的基础上,对第二信息进行聚合等计算,得到主题指标宽表。
如图6所示,以留存主题宽表为例,
dws_d2v_markact i vity_user_retent i on_1d表数据计算逻辑如下:
本实施例中,根据业务流程确认的主体指标宽表可以是访问分析指标宽表、点击转化指标宽表、留存指标宽表、成本指标宽表、收入指标宽表等。
以留存宽表为例,留存宽表统计了统计日期、业务线、活动、留存用户类型、留存起始日期、留存最终日期维度下的留存相差天数、起始日期访问UV、结束日期留存用户数、留存率等指标。
以访问分析指标宽表为例,包含活动访问指标宽表和活动页面访问指标宽表。活动访问指标宽表统计了统计日期、业务线、活动、渠道、操作***、ip省份城市、用户类型等维度下的访问UV、访问PV、人均停留时长(s)、点击UV、有效点击UV等指标。活动页面访问指标宽表统计了统计日期、业务线、活动、页面、渠道、用户类型等维度下的访问UV、访问PV等指标。
基于统一的数据指标体系,应用于各类数据分析模型,可根据需要灵活增加新的模型。解决了不同的活动有不同的运营目标,不同的业务场景运营关注的指标也各不相同,所以需要提供适当可靠的数据支撑的问题,适应了营销活动与运营不同的运营目的,更加灵活的支撑运营的数据需要。也就可以采用多个主题指标宽表替代人为设计、开发并测试不同数据处理流程,从而有效降低成本,提升效率,且通用性强。
根据本发明实施例,优选的,基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表之后还包括:
在多个主题指标宽表中确定与预设的数据分析模型的模型特征相关的第一主题指标宽表;
从所述第一主题指标宽表中获取计算所需的模型指标,并将所述模型指标输入所述数据分析模型进行计算;
基于计算结果和所述第一主题指标宽表生成模型量化表。
如图7所示,预设了多个数据分析模型,并且可以根据这些数据分析模型的模型特征确定指标对应的主题,从而可以关联到相关的第一主题指标宽表;一个数据分析模型可以关联多张第一主题指标宽表,如此,多个数据分析模型,根据与每个模型对应的第一主题指标宽表中的模型指标,进行指标值的计算,最后基于计算结果和所述第一主题指标宽表生成模型量化表。
以转化漏斗分析为例,根据营销活动流量转化的特性,从访问分析指标宽表、点击转化指标宽表、收入指标宽表中根据指标名或事件分别获取活动访问人数,活动点击人数,活动参与人数,活动中奖人数,活动收入等指标,形成营销活动漏斗转化表,该模型量化了营销过程各个环节的效率,对运营来说,可以有针对性的诊断营销过程中出现的问题。
不需要再单独设计数据看板需求,然后经过开发测试流程后上线,避免了人力、时间消耗,能够为各类营销活动高效构建通用性可视化看板。
根据本发明实施例,优选的,所述数据分析模型的配置包括:
接收用户在终端发出的模型配置请求;
根据所述模型配置请求调用模型配置界面,并接收用户在终端配置的模型信息;
基于所述模型信息生成数据分析模型,并将其添加到模型数据库中。
用户可以通过界面交互填写模型信息,并生成新的数据分析模型,并同步到模型库中,也可以对一些不用的模型进行删除;如此,可以根据营销活动特点灵活增减模型,不仅能够增加新的模型适配活动,还可以删除无用的模型。
根据本发明实施例,优选的,基于计算结果和所述第一主题指标宽表生成模型量化表之后还包括:
通过图表工具将所述模型量化表转换为可视化数据,并通过B I平台展示所述可视化数据。
在大数据平台与B I平台连接后,可将模型应用表的数据通过合适的图表形式展示出来,便于运营查看。搭建模型应用可视化看板;便于运营查看特定活动的各项指标及不同活动的横向对比。体系化呈现了运营所需的各场景下的指标,交互友好,查看方便。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用构建离线营销活动的指标体系的方式,通过从前端获取营销活动的原始数据;对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。达到了使用主题指标宽表替代人为设计、开发并测试不同数据处理流程的目的,从而实现了有效降低成本,提升效率,且通用性强的技术效果,进而解决了由于不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的技术问题。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述营销活动的指标体系构建方法的装置,如图2、3所示,该装置包括:
获取模块10,用于从前端获取营销活动的原始数据;
根据本发明实施例,优选的,从营销活动前端获取原始数据包括:
采用基于位置和事件的埋点算法,从前端获取营销活动中产生的埋点日志;
服务器采用数据采集接口采集所述埋点日志,以及从所述业务库中采集业务数据;其中,所述埋点日志和所述业务数据为原始数据。
预先设计了一套基于位置和事件的埋点算法,抽象出业务流程中的业务动作,定义常用事件与事件参数,当该规范接入各个营销活动前端代码时,前端会向统一的数据采集接口上传数据结构一致的完整的埋点日志(用户行为埋点)。
埋点日志由位置编码、事件(事件i d+事件参数)、动作、用户信息及活动信息等信息构成,包含:埋点值,来源渠道,用户I D,应用I D,用户访问I P,操作***,事件信息等,最终将日志数据同步到大数据平台(服务器)。
事件分为通用事件和营销业务事件,各个事件中包含与当前事件相关的参数,示例如图4和5所示。
业务数据则是将业务库中的奖品发放数据、任务完成数据、积分兑换数据等同步至大数据平台。
设计了基于统一的基于位置和事件的埋点设计规范,并基于业务特性设计了通用事件和业务事件;解决了业务逻辑相似的不同营销活动的用户行为数据采集的问题;达到了统一不同活动的埋点数据格式,便于对明细数据的处理及活动横向指标计算的效果。
形成模块20,用于对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;
对同步到大数据平台的原始数据进行脏数据清洗、格式统一化等处理,同时关联各个维度表,丰富数据信息,最终形成各个数据明细表。
根据本发明实施例,优选的,所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表包括:
对所述原始数据中的埋点日志执行预设的脏数据清洗、字段拆分和维度表关联操作,得到埋点明细表;对所述原始数据中的业务数据执行预设的脏数据清洗、字段提炼和维度表关联操作,得到业务明细表。
首先对埋点日志和业务数据中的脏数据进行清洗;接着将埋点日志的埋点值字段进行拆分,并关联埋点位置信息维表、ip省份城市匹配表、业务属性表,形成埋点明细表;将不同来源的业务数据根据业务特性,提炼业务共性字段,并关联维度表,得到业务明细表。
以营销活动发奖记录表为例,由于营销活动复杂多样,抽奖类活动发放的奖品也类型丰富,各活动的发奖记录表数据来源各不相同,但是可以通过将用户I D,用户抽奖时间,用户领取时间,奖品类型,奖品名称,奖品面值,奖品成本,奖品核销状态等具有共性的字段整合起来,即可得到一张发奖记录明细表。
例如,dw_营销活动埋点信息明细表中,包含原始字段:事件触发时间、产品i d、产品版本、用户支付宝id、事件标识、动作类型、手机型号、浏览器信息、渠道、设备品牌、设备型号、网络情况、操作***、设备I P等;由原始字段拆分得到的:事件id的组合、事件参数的合并、应用i d、页面i d、区块id、元素id等;关联维度表得到的字段:应用名称、页面名称、区块名称、元素名称、元素标题等。
原始数据经过数据处理和维度表关联后,与原始数据的区别是,数据明细表在原始数据的基础上进行了复杂字段的拆分,同时关联了很多维度表,丰富了数据字段,数据的可读性更强。
确定模块30,用于根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;
根据本发明实施例,优选的,根据预先配置的所述营销活动的业务流程特征包括:
接收用户在终端配置的所述营销活动的活动标签;
根据所述营销活动的活动标签在活动-业务表中关联出业务标签;
基于预设的映射关系,关联出与所述业务标签相对应的业务流程特征。
可以采用用户输入活动标签,再基于表关联的方式关联得到业务流程特征,为后续的主题及与其对应的指标确定提供保障。在另一种可选的实施方式中,也可以根据获取到的营销活动的原始数据确定营销活动所对应的活动标签,并根据活动标签基于表关联的方式关联得到业务流程特征。实现了活动标签的灵活配置。
计算模块40,用于基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
在根据业务流程特征确定各个指标宽表的主题与指标的基础上,对第二信息进行聚合等计算,得到主题指标宽表。
如图6所示,以留存主题宽表为例,
dws_d2v_markact i vity_user_retent i on_1d表数据计算逻辑如下:
本实施例中,根据业务流程确认的主体指标宽表可以是访问分析指标宽表、点击转化指标宽表、留存指标宽表、成本指标宽表、收入指标宽表等。
以留存宽表为例,留存宽表统计了统计日期、业务线、活动、留存用户类型、留存起始日期、留存最终日期维度下的留存相差天数、起始日期访问UV、结束日期留存用户数、留存率等指标。
以访问分析指标宽表为例,包含活动访问指标宽表和活动页面访问指标宽表。活动访问指标宽表统计了统计日期、业务线、活动、渠道、操作***、ip省份城市、用户类型等维度下的访问UV、访问PV、人均停留时长(s)、点击UV、有效点击UV等指标。活动页面访问指标宽表统计了统计日期、业务线、活动、页面、渠道、用户类型等维度下的访问UV、访问PV等指标。
基于统一的数据指标体系,应用于各类数据分析模型,可根据需要灵活增加新的模型。解决了不同的活动有不同的运营目标,不同的业务场景运营关注的指标也各不相同,所以需要提供适当可靠的数据支撑的问题,适应了营销活动与运营不同的运营目的,更加灵活的支撑运营的数据需要。也就可以采用多个主题指标宽表替代人为设计、开发并测试不同数据处理流程,从而有效降低成本,提升效率,且通用性强。
根据本发明实施例,优选的,基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表之后还包括:
在多个主题指标宽表中确定与预设的数据分析模型的模型特征相关的第一主题指标宽表;
从所述第一主题指标宽表中获取计算所需的模型指标,并将所述模型指标输入所述数据分析模型进行计算;
基于计算结果和所述第一主题指标宽表生成模型量化表。
如图7所示,预设了多个数据分析模型,并且可以根据这些数据分析模型的模型特征确定指标对应的主题,从而可以关联到相关的第一主题指标宽表;一个数据分析模型可以关联多张第一主题指标宽表,如此,多个数据分析模型,根据与每个模型对应的第一主题指标宽表中的模型指标,进行指标值的计算,最后基于计算结果和所述第一主题指标宽表生成模型量化表。
以转化漏斗分析为例,根据营销活动流量转化的特性,从访问分析指标宽表、点击转化指标宽表、收入指标宽表中根据指标名或事件分别获取活动访问人数,活动点击人数,活动参与人数,活动中奖人数,活动收入等指标,形成营销活动漏斗转化表,该模型量化了营销过程各个环节的效率,对运营来说,可以有针对性的诊断营销过程中出现的问题。
不需要再单独设计数据看板需求,然后经过开发测试流程后上线,避免了人力、时间消耗,能够为各类营销活动高效构建通用性可视化看板。
根据本发明实施例,优选的,所述数据分析模型的配置包括:
接收用户在终端发出的模型配置请求;
根据所述模型配置请求调用模型配置界面,并接收用户在终端配置的模型信息;
基于所述模型信息生成数据分析模型,并将其添加到模型数据库中。
用户可以通过界面交互填写模型信息,并生成新的数据分析模型,并同步到模型库中,也可以对一些不用的模型进行删除;如此,可以根据营销活动特点灵活增减模型,不仅能够增加新的模型适配活动,还可以删除无用的模型。
根据本发明实施例,优选的,基于计算结果和所述第一主题指标宽表生成模型量化表之后还包括:
通过图表工具将所述模型量化表转换为可视化数据,并通过B I平台展示所述可视化数据。
在大数据平台与B I平台连接后,可将模型应用表的数据通过合适的图表形式展示出来,便于运营查看。搭建模型应用可视化看板;便于运营查看特定活动的各项指标及不同活动的横向对比。体系化呈现了运营所需的各场景下的指标,交互友好,查看方便。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用构建离线营销活动的指标体系的方式,通过从前端获取营销活动的原始数据;对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。达到了使用主题指标宽表替代人为设计、开发并测试不同数据处理流程的目的,从而实现了有效降低成本,提升效率,且通用性强的技术效果,进而解决了由于不同营销活动的运营目标和运营所关注的指标各不相同,就需要人为设计、开发并测试不同数据处理流程造成的成本高,效率低,且通用性差的技术问题。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种营销活动的指标体系构建方法,其特征在于,包括:
从前端获取营销活动的原始数据;
对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;
根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;
基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
2.根据权利要求1所述的指标体系构建方法,其特征在于,从营销活动前端获取原始数据包括:
采用基于位置和事件的埋点算法,从前端获取营销活动中产生的埋点日志;
服务器采用数据采集接口采集所述埋点日志,以及从所述业务库中采集业务数据;其中,所述埋点日志和所述业务数据为原始数据。
3.根据权利要求1所述的指标体系构建方法,其特征在于,对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表包括:
对所述原始数据中的埋点日志执行预设的脏数据清洗、字段拆分和维度表关联操作,得到埋点明细表;对所述原始数据中的业务数据执行预设的脏数据清洗、字段提炼和维度表关联操作,得到业务明细表。
4.根据权利要求1所述的指标体系构建方法,其特征在于,基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表之后还包括:
在多个主题指标宽表中确定与预设的数据分析模型的模型特征相关的第一主题指标宽表;
从所述第一主题指标宽表中获取计算所需的模型指标,并将所述模型指标输入所述数据分析模型进行计算;
基于计算结果和所述第一主题指标宽表生成模型量化表。
5.根据权利要求4所述的指标体系构建方法,其特征在于,所述数据分析模型的配置包括:
接收用户在终端发出的模型配置请求;
根据所述模型配置请求调用模型配置界面,并接收用户在终端配置的模型信息;
基于所述模型信息生成数据分析模型,并将其添加到模型数据库中。
6.根据权利要求4所述的指标体系构建方法,其特征在于,基于计算结果和所述第一主题指标宽表生成模型量化表之后还包括:
通过图表工具将所述模型量化表转换为可视化数据,并通过BI平台展示所述可视化数据。
7.根据权利要求1所述的指标体系构建方法,其特征在于,根据预先配置的所述营销活动的业务流程特征包括:
接收用户在终端配置的活动标签;
根据所述营销活动的活动标签在活动-业务表中关联出业务标签;
基于预设的映射关系,关联出与所述业务标签相对应的业务流程特征。
8.一种营销活动的指标体系构建装置,其特征在于,包括:
获取模块,用于从前端获取营销活动的原始数据;
形成模块,用于对所述原始数据执行预设的数据处理和维度表关联操作,形成数据明细表;
确定模块,用于根据预先配置的所述营销活动的业务流程特征,确定主题及与其对应的指标;
计算模块,用于基于所述主题及与其对应的指标对所述数据明细表进行聚合计算,得到多个主题指标宽表。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的营销活动的指标体系构建方法。
10.一种服务器,包括:存储器和处理器,其特征在于,所述存储器中存储有计算机程序,其中,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的营销活动的指标体系构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127508.7A CN116188078A (zh) | 2023-02-06 | 2023-02-06 | 营销活动的指标体系构建方法、装置、存储介质及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127508.7A CN116188078A (zh) | 2023-02-06 | 2023-02-06 | 营销活动的指标体系构建方法、装置、存储介质及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116188078A true CN116188078A (zh) | 2023-05-30 |
Family
ID=86441900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310127508.7A Pending CN116188078A (zh) | 2023-02-06 | 2023-02-06 | 营销活动的指标体系构建方法、装置、存储介质及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188078A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026801A (zh) * | 2019-12-25 | 2020-04-17 | 焦点科技股份有限公司 | 一种辅助保险类电商运营快速决策工作的方法及*** |
CN112131203A (zh) * | 2020-08-28 | 2020-12-25 | 北京思特奇信息技术股份有限公司 | 一种数据仓库搭建的方法和*** |
CN112926858A (zh) * | 2021-02-26 | 2021-06-08 | 国网安徽省电力有限公司信息通信分公司 | 电力营销业务运营指标设计方法及装置 |
CN114266235A (zh) * | 2021-12-10 | 2022-04-01 | 青岛海尔科技有限公司 | 数据的处理方法及装置、存储介质、电子装置 |
-
2023
- 2023-02-06 CN CN202310127508.7A patent/CN116188078A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026801A (zh) * | 2019-12-25 | 2020-04-17 | 焦点科技股份有限公司 | 一种辅助保险类电商运营快速决策工作的方法及*** |
CN112131203A (zh) * | 2020-08-28 | 2020-12-25 | 北京思特奇信息技术股份有限公司 | 一种数据仓库搭建的方法和*** |
CN112926858A (zh) * | 2021-02-26 | 2021-06-08 | 国网安徽省电力有限公司信息通信分公司 | 电力营销业务运营指标设计方法及装置 |
CN114266235A (zh) * | 2021-12-10 | 2022-04-01 | 青岛海尔科技有限公司 | 数据的处理方法及装置、存储介质、电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714471B (zh) | 二维码调查方法及*** | |
McLachlan et al. | LiveRAC: interactive visual exploration of system management time-series data | |
CN110489699B (zh) | 一种异步数据采集方法及*** | |
CN106294787A (zh) | 一种推送信息的方法、装置及电子设备 | |
CN106375149A (zh) | 一种自动关联分析的云计算监控装置及方法 | |
CN105142028A (zh) | 面向三网融合的电视节目内容搜索与推荐方法 | |
CN107918618B (zh) | 数据处理方法及装置 | |
CN103034508A (zh) | 软件推荐方法和*** | |
CN110532309B (zh) | 一种高校图书馆用户画像***的生成方法 | |
CN112417274A (zh) | 一种消息推送方法、装置、电子设备及存储介质 | |
CN108648017B (zh) | 易于扩展的用户需求匹配方法、装置、设备及存储介质 | |
CN115186025A (zh) | 可视化报表的自动配置方法、***及设备 | |
CN114491149A (zh) | 信息处理方法及装置、电子设备、存储介质、程序产品 | |
CN116188078A (zh) | 营销活动的指标体系构建方法、装置、存储介质及服务器 | |
CN117217762A (zh) | 一种基于神经网络算法的客服画像与客户画像的双向匹配方法 | |
CN114490137A (zh) | 业务数据实时统计方法、装置、电子设备及可读存储介质 | |
CN114722789A (zh) | 数据报表集成方法、装置、电子设备及存储介质 | |
CN112764988B (zh) | 一种数据分段采集方法及装置 | |
CN114841165A (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
CN114238777A (zh) | 基于行为分析的负反馈流量分配方法、装置、设备及介质 | |
CN112039968A (zh) | 一种数据处理*** | |
CN112862598A (zh) | 渠道信息管理方法、装置、电子设备及介质 | |
CN113298106A (zh) | 一种样本生成方法、装置、服务器及存储介质 | |
CN112000389A (zh) | 一种配置推荐方法、***、装置及计算机存储介质 | |
CN109658095A (zh) | 自助设备日志存储管理方法、***及存储介质 |
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 |