CN103593465A - 用于诊断应用推广渠道异常的方法和设备 - Google Patents
用于诊断应用推广渠道异常的方法和设备 Download PDFInfo
- Publication number
- CN103593465A CN103593465A CN201310611301.3A CN201310611301A CN103593465A CN 103593465 A CN103593465 A CN 103593465A CN 201310611301 A CN201310611301 A CN 201310611301A CN 103593465 A CN103593465 A CN 103593465A
- Authority
- CN
- China
- Prior art keywords
- application
- abnormal
- predetermined threshold
- channel
- identifier
- 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
- 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
- G06F16/21—Design, administration or maintenance of databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
Abstract
本发明提供了用于诊断应用推广渠道异常的方法和设备。该方法包括:(a)基于与所述应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定所述用户标识符的数目是否异常;(b)基于在与所述应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常;以及(c)基于对所述用户标识符的数目是否异常进行的确定和/或对所述平均差异应用数是否异常进行的确定,确定所述应用推广渠道是否异常。
Description
技术领域
本发明涉及数据挖掘领域,更具体地涉及根据与应用推广渠道相关的数据来诊断其是否异常的方法和设备。
背景技术
随着移动终端日益广泛的应用,其已经成为了人们在生产生活中不可或缺的一部分,而在移动终端上运行的各种应用(app)更是用户的关注焦点。由于当前的应用竞争激烈,为了提高自身应用软件的用户量,手机应用软件厂商通常会通过付费推广渠道(应用推广渠道)推广自己的应用程序。
所谓付费应用推广渠道,是指利用渠道进行应用推广。手机应用软件厂商根据各渠道带来的新增用户量为渠道商支付相应的推广费用。渠道的质量取决于通过该渠道新增的用户量,以及这些新增用户量中转化为付费的用户比例。针对新增用户量很高而付费用户比例很低的渠道,通常认为是异常渠道。这种渠道的推广费用很高,但给手机应用软件厂商带来的实际收益却非常少。
异常的原因可能是该渠道本身推广效果不好,或者存在通过作弊手段来刷用户量的行为等等。因此,手机应用软件厂商有必要查出每个渠道异常的原因,为后续推广工作提供依据。
目前,市场上尚不存在自动判断异常渠道的方法。
发明内容
为了解决上述问题,提供了根据本发明的用于对应用推广渠道异常进行诊断的方法和设备。
根据本发明的第一方面,提供了一种用于诊断应用推广渠道异常的方法。该方法包括:(a)基于与所述应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定所述用户标识符的数目是否异常;(b)基于在与所述应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常;以及(c)基于对所述用户标识符的数目是否异常进行的确定和/或对所述平均差异应用数是否异常进行的确定,确定所述应用推广渠道是否异常。
在一些实施例中,所述终端标识符是国际移动设备识别码(IMEI),所述订户标识符是国际移动订户识别码(IMSI),以及所述用户标识符是根据相应终端的所述国际移动设备识别码、所述国际移动订户识别码、以及电话号码来唯一确定的与通过所述应用推广渠道安装的应用相关联的用户标识符。
在一些实施例中,步骤(a)包括:通过以下公式来计算第一异常判定值: 其中,K代表所述第一异常判定值,card(·)代表用于求集合中元素数目的运算符,QUID代表所述用户标识符的集合,QIMEI代表所述终端标识符的集合,以及QIMSI代表所述订户标识符的集合;将计算出的所述第一异常判定值与第一预定阈值进行比较:如果所述第一异常判定值大于等于所述第一预定阈值,则确定所述用户标识符的数目异常;如果所述第一异常判定值小于所述第一预定阈值,则确定所述用户标识符的数目正常。
在一些实施例中,步骤(b)包括:通过以下公式来计算第二异常判定值:其中,L代表所述第二异常判定值,card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与所述应用推广渠道相关联的一个或多个终端的数目;将计算出的所述第二异常判定值与第二预定阈值进行比较:如果所述第二异常判定值小于所述第二预定阈值,则确定所述平均差异应用数异常;如果所述第二异常判定值大于等于所述第二预定阈值,则确定所述平均差异应用数正常。
在一些实施例中,所述第一预定阈值是20%。
在一些实施例中,所述第二预定阈值是0.1。
在一些实施例中,步骤(c)包括:如果所述用户标识符的数目异常且所述平均差异应用数异常,则确定所述应用推广渠道异常;以及向操作人员告警所述应用推广渠道异常。
在一些实施例中,在步骤(a)之前,所述方法还包括:(d)根据与所述应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定所述应用推广渠道是否异常;以及如果初步确定所述应用推广渠道异常,则继续执行后续步骤;如果初步确定所述应用推广渠道正常,则所述方法结束。
在一些实施例中,步骤(d)包括:将所述新增用户数目与第三预定阈值进行比较;将所述付费用户数目占比与第四预定阈值进行比较;以及如果所述新增用户数目大于所述第三预定阈值且所述付费用户数目占比小于所述第四预定闽值,则初步确定所述应用推广渠道异常;否则,初步确定所述应用推广渠道正常。
在一些实施例中,所述第三预定阈值是500,以及所述第四预定阈值是3%。
根据本发明的第二方面,提供了一种用于诊断应用推广渠道异常的设备。该设备包括:数目异常确定单元,用于基于与所述应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定所述用户标识符的数目是否异常;差异异常确定单元,用于基于在与所述应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常;以及渠道异常确定单元,基于对所述用户标识符的数目是否异常进行的确定和/或对所述平均差异应用数是否异常进行的确定,确定所述应用推广渠道是否异常。
在一些实施例中,所述终端标识符是国际移动设备识别码(IMEI),所述订户标识符是国际移动订户识别码(IMSI),以及所述用户标识符是根据相应终端的所述国际移动设备识别码、所述国际移动订户识别码、以及电话号码来唯一确定的与通过所述应用推广渠道安装的应用相关联的用户标识符。
在一些实施例中,所述数目异常确定单元还用于:通过以下公式来计算第一异常判定值: 其中,K代表所述第一异常判定值,card(·)代表用于求集合中元素数目的运算符,QUID代表所述用户标识符的集合,QIMEI代表所述终端标识符的集合,以及QIMSI代表所述订户标识符的集合;将计算出的所述第一异常判定值与第一预定阈值进行比较:如果所述第一异常判定值大于等于所述第一预定阈值,则确定所述用户标识符的数目异常;如果所述第一异常判定值小于所述第一预定阈值,则确定所述用户标识符的数目正常。
在一些实施例中,所述差异异常确定单元还用于:通过以下公式来计算第二异常判定值:其中,L代表所述第二异常判定值,card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与所述应用推广渠道相关联的一个或多个终端的数目;将计算出的所述第二异常判定值与第二预定阈值进行比较:如果所述第二异常判定值小于所述第二预定阈值,则确定所述平均差异应用数异常;如果所述第二异常判定值大于等于所述第二预定阈值,则确定所述平均差异应用数正常。
在一些实施例中,所述第一预定阈值是20%。
在一些实施例中,所述第二预定阈值是0.1。
在一些实施例中,所述渠道异常确定单元还用于:如果所述用户标识符的数目异常且所述平均差异应用数异常,则确定所述应用推广渠道异常;以及向操作人员告警所述应用推广渠道异常。
在一些实施例中,所述设备还包括:异常初步确定单元,用于根据与所述应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定所述应用推广渠道是否异常。
在一些实施例中,所述异常初步确定单元还用于:将所述新增用户数目与第三预定阈值进行比较;将所述付费用户数目占比与第四预定阈值进行比较;以及如果所述新增用户数目大于所述第三预定阈值且所述付费用户数目占比小于所述第四预定阈值,则初步确定所述应用推广渠道异常;否则,初步确定所述应用推广渠道正常。
在一些实施例中,所述第三预定阈值是500,以及所述第四预定阈值是3%。
通过使用本发明的方法和设备,可以通过设定客观、合理的判据,自动甄别出众多渠道中的异常渠道,比传统的人工筛查更加省时省力,且易于操作。此外,该方法排除了由于分析人员不同而导致的主观因素的影响,使得甄别的结果更加客观公正,更具有说服力。
附图说明
通过下面结合附图说明本发明的优选实施例,将使本发明的上述及其它目的、特征和优点更加清楚,其中:
图1是示出了根据本发明的用于诊断应用推广渠道异常的系统的示例应用场景的示意图。
图2是示出了根据本发明实施例的用于诊断应用推广渠道异常的示例方法的流程图。
图3是示出了根据本发明实施例的用于执行图2所示方法的示例设备的框图。
具体实施方式
下面参照附图对本发明的优选实施例进行详细说明,在描述过程中省略了对于本发明来说是不必要的细节和功能,以防止对本发明的理解造成混淆。以下,以本发明应用于移动无线通信系统的场景为例,对本发明进行了详细描述。但本发明并不局限于此,本发明也可以应用于固定通信系统、有线通信系统,或者应用于移动无线通信系统、固定通信系统、有线通信系统等的任意混合结构。就移动无线通信系统而言,本发明并不局限于所涉及的各个无线通信终端的具体通信协议,可以包括(但不限于):2G、3G、4G、5G网络,WCDMA、CDMA2000、TD-SCDMA系统等、以及符合IEEE802.11标准的WiFi、蓝牙、DECT(数字增强无绳通信)系统等。不同的无线通信终端可以采用相同的通信协议,也可以采用不同的通信协议。此外,本发明并不局限于移动终端的具体操作系统,可以包括(但不限于)iOS、Windows Mobile、Symbian、Android等、以及Linux、Windows、Unix、BSD等等,不同的移动终端可以采用相同的操作系统,也可以采用不同的操作系统。
图1是示出了根据本发明的用于诊断应用推广渠道异常的系统1000的应用场景的示意图。如图1所示,系统1000可以包括异常诊断设备200(下文中,简称为设备200)和一个或多个终端100A、100B和100C。为了清楚起见,图中仅示出了一个设备200和三个终端100A、100B和100C,但本发明并不局限于此,可以包括任意数目的设备和/或终端等等。此外,在下文中,为了方便起见,在不特别指定的情况下,将终端100A、100B和100C统称为终端100。设备200可以由操作人员来操作,以进行应用推广渠道异常诊断处理。设备200和终端100可以通过通信网络300进行通信。通信网络300的示例可以包括(但不限于):互联网、移动通信网络、固定线路(如xDSL、光纤等)等。
在图1所示实施例中,为了在设备200上对应用推广渠道进行异常诊断,将根据本发明的实施例的异常诊断客户端250(以下简称为客户端250)安装在设备200上。客户端250可以由用户以软件的形式自行安装在设备200中,或者可以由生产厂商以硬件或固件的形式安装在设备200中。在一些实施例中,客户端250可以是例如在用户购买了设备200之后从网络中下载的专门用于本发明的应用软件。在另一些实施例中,客户端250可以是例如由生产厂商以固件或硬件形式预先安装在设备200中的应用程序。在又一些实施例中,客户端250可以是由生产厂商生产的硬件模块或设备200本身。
接下来,将参照附图1来详细描述用于诊断应用推广渠道是否异常的流程。
首先,设备200可以从数据库(未示出)中获取一个或多个付费情况异常的推广渠道。所谓“异常”的渠道是指在一定时间段内(例如,一个月内)通过该渠道新增的用户数量大于阀值T3(第三阈值),并且其中付费用户数量占比(即新增付费转化率)小于阀值T4(第四阈值)的渠道,其中,T3和T4可以由设备200的操作人员来自行设置。在一个实施例中,第三阀值T3可以是500,且第四阀值T4可以是3%。当然,本发明不限于此,也可以根据需要将第三阀值T3和第四阀值T4分别设置为其他恰当的值。
接下来,在例如通过该渠道推广的应用是反病毒应用的情况下,设备200可以查询上述异常渠道在指定时间段内(如,一个月或一周内)的云查杀记录中的独立去重的UID数量(用户标识符)、国际移动设备识别码(IMEI)(终端标识符)数量、国际移动订户识别码(IMSI)(订户标识符)数量、与各个UID相对应的终端上安装的应用的列表,其中UID是与要通过该渠道推广的应用相关联的用户标识符,其用于识别该应用的各个用户。通常,该UID是根据应用所在终端的IMEI、IMSI以及对应电话号码来唯一确定的。即,当IMEI、IMSI以及对应电话号码中任一项发生变化时,UID也会变化,且不同的IMEI、IMSI以及对应电话号码的组合对应于不同的UID。
为了方便读者的理解,下面简要介绍前述部分术语。IMEI(International Mobile Equipment Identity)是国际移动设备识别码(或国际移动装备辨识码、国际移动装备身份码)的缩写,其是由15位数字组成的“电子串号”,并与移动终端一一对应。该码是全世界唯一的。每一部移动终端在组装完成后都将被赋予一个全球唯一的IMEI号码,这个号码从生产到交付使用都将被制造生产的厂商所记录。IMSI(International Mobile Subscriber Identity)是国际移动订户识别码(或国际移动用户识别码)的缩写,是区别移动订户(用户)的标识符。其通常储存在SIM卡(或类似地,USIM卡、RUIM卡等)中,可用于区别移动订户。其总长度一般不超过15位,同样使用0~9的数字。一般来说,由于终端的用户(订户)不一定要与该终端绑定,其也可以通过将该终端中的SIM卡插入另一终端中,实现与另一终端的绑定并同时解除与原终端的绑定。此外,为了与前述与应用相关联的“用户标识符”相区别,下文中将把与IMSI类似的标识符称为“订户”标识符,该订户标识符通常与SIM卡等相关联,而不是如用户标识符一样与应用相关联。
此外,在其他实施例中,终端标识符不一定是IMEI,其也可以是用于识别终端的其他标识符,例如终端的主处理器(CPU)的序列号、终端的无线模块(3G或WiFi模块等)的MAC地址、或任何其他可以用于将该终端与其他终端进行区别的硬件和/或软件标识符。
此外,在通过该渠道推广的应用不是反病毒应用的实施例中(或更一般地,对于要推广任何应用的实施例),设备200也可以通过其他方式来查询包括UID数量、IMEI数量、IMSI数量、与各个UID相对应的终端上安装的应用的列表在内的各项数据。例如,在一个实施例中,可以通过在要推广的应用中嵌入查询模块,以获取上述各种数据,并通过终端100反馈给设备200。
此外,在上述实施例中,如果在该指定时间段内没有与该渠道相关的云查杀记录,则返回结论:“该渠道无记录”;若有记录,继续下述步骤。更一般地,如果在该指定时间段内没有与该渠道相关的任何数据,则返回结论:“该渠道无记录”;若有记录,继续下述步骤。
接下来,设备200可以通过以下公式(1)计算出与上述渠道对应的第一异常判定值(K),
其中,K代表第一异常判定值,card(·)代表用于求集合中元素数目(即,集合的基数或势)的运算符,QUID代表上述用户标识符的集合,QIMEI代表上述终端标识符的集合,以及QIMSI代表上述订户标识符的集合。然后,设备200可以将该第一异常判定值K与第一预定阀值T1(T1可以例如由管理人员进行设置)比较。如果K>=T1,则可以返回结论:“该渠道的UID数异常多”。否则,则可以返回结论:“该渠道的UID数正常”。在一个实施例中,第一预定阀值T1可以是20%。
设定该第一异常判定值(K)的原因是:由于向渠道商结算的方式是根据渠道带来的UID数量来计算的,因此渠道商有可能为了提高UID数量而使用作弊手段(例如,渠道商可以用同一手机并通过更换不同的SIM卡来生成不同UID,以此刷高用户量)。为了判断出该情况,可以将UID的数量与IMEI和IMSI的平均数量进行比较。如果UID的数量远高于IMEI和IMSI的平均数量,则说明可能发生了作弊行为。
此外,在目前的一些终端100中,可能存在不需要SIM(即,无IMSI)的终端,例如WiFi版的iPad、iPod touch等设备。在该情况下,当通过渠道商预装应用时,将获取不到IMSI值(订户标识符)。然而由于该部分用户在各渠道商中占比极小,因此对第一异常判定值K的影响可以忽略不计。此外,在一些实施例中,可能存在具有多个IMSI、IMEI的终端100,例如具有双卡双待功能的智能手机。在该情况下,可以通过在终端100向设备200报告IMEI、IMSI时仅报告(获取)一个IMEI、IMSI来使得上述公式依然成立。
接下来,设备200可以通过以下公式(2)来计算平均差异应用数L(第二异常判定值),
其中,L代表上述第二异常判定值(平均差异应用数),card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与上述应用推广渠道相关联的一个或多个终端的数目。在一个实施例中,第二预定阀值T2可以是0.1。
该公式(2)通过将每个终端上的应用集合中从未在其他终端上出现过的应用(即,)的数目求和并求平均,来得到平均差异应用数,作为对各终端上的应用之间的差异的一个度量。当然,本发明不限于此。实际上,还可以使用其他平均差异应用数。例如,可以首先根据各终端上出现过的应用的总数排名,取出现次数最多的前若干个(例如,前50个)应用作为参考应用,并计算每个终端上的应用与由这些参考应用形成的集合之间的差异的数目的平方和(类似于概率中用于描述随机变量的离散程度的“方差”的计算)。
正常情况下,每个用户手机中安装的应用是不完全一样的。因此,根据平均差异应用数(L)判断渠道内的用户手机中应用的差异情况。如果差异性极小甚至无差异,说明该渠道可能利用了机器人刷高用户量。
此外,理论上可能会出现各个终端上的应用均不完全相同,但是每个终端上的每个应用都至少出现在其他终端上至少一次。在该情况下,根据公式(2)可知,L为0,但实际上它们并不是渠道商的作弊行为导致的。例如,举个极端一些的例子,第一终端100A上安装了应用A1和A2,第二终端100B上安装了应用A1、以及第三终端100C上安装了应用A2。此时,L=0,但实际上这三个终端100上安装的应用并不完全相同。首先,这种情况出现的概率极低,根据本发明人对近一年的实际监测数据的分析,实际上并未出现过这种情况。此外,即使出现这种情况,也可以通过上述“方差”式算法来计算第二异常判定值L,并避免该情况的发生。
此外,在一些实施例中,可能会出现安装大量应用的终端。在一个较极端的实施例中,一个终端(例如,应用狂热爱好者的终端100A)安装了全部的应用,使得根据公式(2)得到的L近似等于终端100A上的从未在其他终端上出现过的应用的数目除以n。此时,当n足够大时,L逼近零。而实际上,这并不能代表包括该终端100A在内的终端是作弊的终端。在该情况下,一种解决方式是通过将安装了超过预定数目应用的终端排除在监控范围外(例如,将安装了超过500个应用的终端的相关数据排除在外),来避免这种情况的出现,并进而避免影响L值的计算。另一种解决方式依然是通过上述“方差”式算法来计算第二异常判定值L,并避免该情况的发生。
最后,当获取到上述判定的结果之后,如果设备200发现UID数异常多和/或应用差异性异常小时,则设备200可以向其操作人员发出警告或反馈上述结果(例如,通过图像、声音、短信或邮件方式)。
下面参照表1~3来给出上述流程的一个实际实施例。
首先,设备200从数据库中自动获取一批付费情况异常的渠道,并生成付费异常渠道表:(例如,近一个月新增用户数大于500,且新增付费转化率小于3%):
渠道号 | 新增用户数 | 新增付费用户数 | 新增付费转化率 |
7471 | 669 | 6 | 0.90% |
8920 | 4398 | 0 | 0.00% |
7376 | 2727 | 21 | 0.77% |
5663 | 866 | 0 | 0.00% |
6551 | 60916 | 159 | 0.26% |
6721 | 1482 | 13 | 0.88% |
... | ... | ... | ... |
表1
然后,设备200自动获取上述渠道在一个月内的云查杀记录(其包括各种相关数据),并计算出各项指标(第一异常判定值K和第二异常判定值L),生成渠道指标表:
渠道号 | UID数目 | IMEI数目 | IMSI数目 | K值 | L值 |
7471 | 4629 | 1488 | 5276 | 36.9% | ——— |
8920 | 1217 | 1217 | 1242 | -1.0% | 0.00 |
7376 | 4164 | 4196 | 4149 | -0.2% | 0.76 |
5663 | 277 | 288 | 280 | -2.5% | 1.39 |
6551 | 23566 | 24127 | 23667 | -1.4% | 0.45 |
6721 | 684 | 714 | 588 | 5.1% | 1.02 |
... | ... | ... | ... | ... | ... |
表2
通过如上所述将指标K和L与相应阀值的比较,并将结果反馈给分析人员:
渠道号 | 异常情况 |
7471 | UID异常高 |
8920 | 应用差异性小 |
... | ... |
表3
这样,通过使用本发明的方法和设备,可以通过设定客观、合理的判据,自动甄别出众多渠道中的异常渠道,比传统的人工筛查更加省时省力,且易于操作。此外,该方法排除了由于分析人员不同而导致的主观因素的影响,使得甄别的结果更加客观公正,更具有说服力。
接下来,图2是示出了根据本发明实施例的用于诊断应用推广渠道异常的方法400的流程图。如图2所示,方法400可以包括步骤S410、S420、和S430。根据本发明,方法400的一些步骤可以单独执行或组合执行,以及可以并行执行或顺序执行,并不局限于图2所示的具体操作顺序。在一些实施例中,方法400可以由图1所示的设备200或其上安装的客户端250来执行。
图3是示出了根据本发明实施例的示例设备200的框图。如图3所示,设备200可以包括:数目异常确定单元210、差异异常确定单元220和渠道异常确定单元230。
数目异常确定单元210可以用于基于与应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定用户标识符的数目是否异常。数目异常确定单元210可以是设备200的中央处理单元(CPU)、数字信号处理器(DSP)、微处理器、微控制器等等,其可以与设备200的存储部分(例如,硬盘、软盘、光盘等)和/或通信部分(例如,无线收发信机等等)相配合,基于存储部分中存储的或通过通信部分获取到的与应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定用户标识符的数目是否异常。
差异异常确定单元220可以用于基于在与应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常。差异异常确定单元220可以是设备200的中央处理单元(CPU)、数字信号处理器(DSP)、微处理器、微控制器等等,其可以与设备200的存储部分(例如,硬盘、软盘、光盘等)和/或通信部分(例如,无线收发信机等等)相配合,基于在存储部分中存储的或通过通信部分获取到的与应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常。
渠道异常确定单元230可以基于对用户标识符的数目是否异常进行的确定和/或对平均差异应用数是否异常进行的确定,确定应用推广渠道是否异常。渠道异常确定单元230可以是设备200的中央处理单元(CPU)、数字信号处理器(DSP)、微处理器、微控制器等等,其可以与设备200的存储部分(例如,硬盘、软盘、光盘等),基于存储部分中存储的对上述数目和差异进行的异常确定,来进一步确定应用推广渠道是否异常。
当然,在其他实施例中,设备200还可以包括图3中未示出的其他单元,例如,异常初步确定单元。在一些实施例中,异常初步确定单元可以用于根据与应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定应用推广渠道是否异常。
以下将结合图2和图3对根据本发明实施例的用于在设备200处诊断应用推广渠道异常的方法400和设备200进行详细的描述。
方法400开始于步骤S410,在步骤S410中,可以由设备200的数目异常确定单元210基于与应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定用户标识符的数目是否异常。
在步骤S420中,可以由设备200的差异异常确定单元220基于在与应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常。
在步骤S430中,可以由设备200的渠道异常确定单元230基于对用户标识符的数目是否异常进行的确定和/或对平均差异应用数是否异常进行的确定,确定应用推广渠道是否异常。
在一些实施例中,终端标识符可以是国际移动设备识别码(IMEI),订户标识符可以是国际移动订户识别码(IMSI),以及用户标识符可以是根据相应终端的国际移动设备识别码、国际移动订户识别码、以及电话号码来唯一确定的与通过应用推广渠道安装的应用相关联的用户标识符。
在一些实施例中,步骤S410可以包括:通过以下公式来计算第一异常判定值: 其中,K代表第一异常判定值,card(·)代表用于求集合中元素数目的运算符,QUID代表用户标识符的集合,QIMEI代表终端标识符的集合,以及QIMSI代表订户标识符的集合;将计算出的第一异常判定值与第一预定阈值进行比较:如果第一异常判定值大于等于第一预定阈值,则确定用户标识符的数目异常;如果第一异常判定值小于第一预定阈值,则确定用户标识符的数目正常。
在一些实施例中,步骤S420可以包括:通过以下公式来计算第二异常判定值:其中,L代表第二异常判定值,card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与应用推广渠道相关联的一个或多个终端的数目;将计算出的第二异常判定值与第二预定阈值进行比较:如果第二异常判定值小于第二预定阈值,则确定平均差异应用数异常;如果第二异常判定值大于等于第二预定阈值,则确定平均差异应用数正常。
在一些实施例中,第一预定阈值可以是20%。
在一些实施例中,第二预定阈值可以是0.1。
在一些实施例中,步骤S430可以包括:如果用户标识符的数目异常且平均差异应用数异常,则确定应用推广渠道异常;以及向操作人员告警应用推广渠道异常。
在一些实施例中,在步骤S410之前,方法还可以包括:S405,根据与应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定应用推广渠道是否异常;以及如果初步确定应用推广渠道异常,则继续执行后续步骤;如果初步确定应用推广渠道正常,则方法结束。
在一些实施例中,步骤S405可以包括:将新增用户数目与第三预定阈值进行比较;将付费用户数目占比与第四预定阈值进行比较;以及如果新增用户数目大于第三预定阈值且付费用户数目占比小于第四预定阈值,则初步确定应用推广渠道异常;否则,初步确定应用推广渠道正常。
在一些实施例中,第三预定阈值是500,以及第四预定阈值是3%。
至此已经结合优选实施例对本发明进行了描述。应该理解,本领域技术人员在不脱离本发明的精神和范围的情况下,可以进行各种其它的改变、替换和添加。因此,本发明的范围不局限于上述特定实施例,而应由所附权利要求所限定。
Claims (20)
1.一种用于诊断应用推广渠道异常的方法,包括:
(a)基于与所述应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定所述用户标识符的数目是否异常;
(b)基于在与所述应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常;以及
(c)基于对所述用户标识符的数目是否异常进行的确定和/或对所述平均差异应用数是否异常进行的确定,确定所述应用推广渠道是否异常。
2.根据权利要求1所述的方法,其中,所述终端标识符是国际移动设备识别码(IMEI),所述订户标识符是国际移动订户识别码(IMSI),以及所述用户标识符是根据相应终端的所述国际移动设备识别码、所述国际移动订户识别码、以及电话号码来唯一确定的与通过所述应用推广渠道安装的应用相关联的用户标识符。
3.根据权利要求2所述的方法,其中,步骤(a)包括:
通过以下公式来计算第一异常判定值:
其中,K代表所述第一异常判定值,card(·)代表用于求集合中元素数目的运算符,QUID代表所述用户标识符的集合,QIMEI代表所述终端标识符的集合,以及QIMSI代表所述订户标识符的集合;
将计算出的所述第一异常判定值与第一预定阈值进行比较:
如果所述第一异常判定值大于等于所述第一预定阈值,则确定所述用户标识符的数目异常;
如果所述第一异常判定值小于所述第一预定阈值,则确定所述用户标识符的数目正常。
4.根据权利要求1所述的方法,其中,步骤(b)包括:
通过以下公式来计算第二异常判定值:
其中,L代表所述第二异常判定值,card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与所述应用推广渠道相关联的一个或多个终端的数目;
将计算出的所述第二异常判定值与第二预定阈值进行比较:
如果所述第二异常判定值小于所述第二预定阈值,则确定所述平均差异应用数异常;
如果所述第二异常判定值大于等于所述第二预定阈值,则确定所述平均差异应用数正常。
5.根据权利要求3所述的方法,其中,所述第一预定阈值是20%。
6.根据权利要求4所述的方法,其中,所述第二预定阈值是0.1。
7.根据权利要求1所述的方法,其中,步骤(c)包括:
如果所述用户标识符的数目异常且所述平均差异应用数异常,则确定所述应用推广渠道异常;以及
向操作人员告警所述应用推广渠道异常。
8.根据权利要求1所述的方法,其中,在步骤(a)之前,所述方法还包括:
(d)根据与所述应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定所述应用推广渠道是否异常;以及
如果初步确定所述应用推广渠道异常,则继续执行后续步骤;
如果初步确定所述应用推广渠道正常,则所述方法结束。
9.根据权利要求8所述的方法,其中,步骤(d)包括:
将所述新增用户数目与第三预定阈值进行比较;
将所述付费用户数目占比与第四预定阈值进行比较;以及
如果所述新增用户数目大于所述第三预定阈值且所述付费用户数目占比小于所述第四预定阈值,则初步确定所述应用推广渠道异常;
否则,初步确定所述应用推广渠道正常。
10.根据权利要求9所述的方法,其中,所述第三预定阈值是500,以及所述第四预定阈值是3%。
11.一种用于诊断应用推广渠道异常的设备,包括:
数目异常确定单元,用于基于与所述应用推广渠道相关联的用户标识符的数目、终端标识符的数目、以及订户标识符的数目,确定所述用户标识符的数目是否异常;
差异异常确定单元,用于基于在与所述应用推广渠道相关联的一个或多个终端上安装的应用之间的差异,确定平均差异应用数是否异常;以及
渠道异常确定单元,基于对所述用户标识符的数目是否异常进行的确定和/或对所述平均差异应用数是否异常进行的确定,确定所述应用推广渠道是否异常。
12.根据权利要求11所述的设备,其中,所述终端标识符是国际移动设备识别码(IMEI),所述订户标识符是国际移动订户识别码(IMSI),以及所述用户标识符是根据相应终端的所述国际移动设备识别码、所述国际移动订户识别码、以及电话号码来唯一确定的与通过所述应用推广渠道安装的应用相关联的用户标识符。
13.根据权利要求12所述的设备,其中,所述数目异常确定单元还用于:
通过以下公式来计算第一异常判定值:
其中,K代表所述第一异常判定值,card(·)代表用于求集合中元素数目的运算符,QUID代表所述用户标识符的集合,QIMEI代表所述终端标识符的集合,以及QIMSI代表所述订户标识符的集合;
将计算出的所述第一异常判定值与第一预定阈值进行比较:
如果所述第一异常判定值大于等于所述第一预定阈值,则确定所述用户标识符的数目异常;
如果所述第一异常判定值小于所述第一预定阈值,则确定所述用户标识符的数目正常。
14.根据权利要求11所述的设备,其中,所述差异异常确定单元还用于:
通过以下公式来计算第二异常判定值:
其中,L代表所述第二异常判定值,card(·)代表用于求集合中元素数目的运算符,Ai和Aj分别代表在第i个和第j个终端上安装的应用的集合,以及n代表与所述应用推广渠道相关联的一个或多个终端的数目;
将计算出的所述第二异常判定值与第二预定阈值进行比较:
如果所述第二异常判定值小于所述第二预定阈值,则确定所述平均差异应用数异常;
如果所述第二异常判定值大于等于所述第二预定阈值,则确定所述平均差异应用数正常。
15.根据权利要求13所述的设备,其中,所述第一预定阈值是20%。
16.根据权利要求14所述的设备,其中,所述第二预定阈值是0.1。
17.根据权利要求11所述的设备,其中,所述渠道异常确定单元还用于:
如果所述用户标识符的数目异常且所述平均差异应用数异常,则确定所述应用推广渠道异常;以及
向操作人员告警所述应用推广渠道异常。
18.根据权利要求11所述的设备,还包括:
异常初步确定单元,用于根据与所述应用推广渠道相关联的新增用户数目和付费用户数目占比来初步确定所述应用推广渠道是否异常。
19.根据权利要求18所述的设备,其中,所述异常初步确定单元还用于:
将所述新增用户数目与第三预定阈值进行比较;
将所述付费用户数目占比与第四预定阈值进行比较;以及
如果所述新增用户数目大于所述第三预定阈值且所述付费用户数目占比小于所述第四预定阈值,则初步确定所述应用推广渠道异常;
否则,初步确定所述应用推广渠道正常。
20.根据权利要求19所述的设备,其中,所述第三预定阈值是500,以及所述第四预定阈值是3%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611301.3A CN103593465A (zh) | 2013-11-26 | 2013-11-26 | 用于诊断应用推广渠道异常的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611301.3A CN103593465A (zh) | 2013-11-26 | 2013-11-26 | 用于诊断应用推广渠道异常的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103593465A true CN103593465A (zh) | 2014-02-19 |
Family
ID=50083606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310611301.3A Pending CN103593465A (zh) | 2013-11-26 | 2013-11-26 | 用于诊断应用推广渠道异常的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103593465A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639550A (zh) * | 2015-02-12 | 2015-05-20 | 北京嘀嘀无限科技发展有限公司 | 用户识别方法和设备 |
CN105357204A (zh) * | 2015-11-17 | 2016-02-24 | 腾讯科技(深圳)有限公司 | 生成终端识别信息的方法及装置 |
CN105744043A (zh) * | 2014-12-08 | 2016-07-06 | 东莞宇龙通信科技有限公司 | 一种识别应用激活情况的方法及装置 |
WO2016119506A1 (zh) * | 2015-01-30 | 2016-08-04 | 百度在线网络技术(北京)有限公司 | 推广情况数据的监测方法、装置、设备及非易失性计算机存储介质 |
CN106095916A (zh) * | 2016-06-08 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106301979A (zh) * | 2015-05-27 | 2017-01-04 | 腾讯科技(北京)有限公司 | 检测异常渠道的方法和系统 |
CN106301980A (zh) * | 2015-05-28 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种刷量工具检测方法和装置 |
CN106301975A (zh) * | 2015-05-19 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 一种数据检测方法及其装置 |
CN106294105A (zh) * | 2015-05-22 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 刷量工具检测方法和装置 |
CN106844655A (zh) * | 2017-01-23 | 2017-06-13 | 广东欧珀移动通信有限公司 | 信息处理方法、装置和计算机设备 |
CN106933880A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种标签数据泄漏渠道检测方法及装置 |
CN108122116A (zh) * | 2016-11-29 | 2018-06-05 | 腾讯科技(深圳)有限公司 | 一种产品推广渠道的监管方法及系统 |
CN108537043A (zh) * | 2018-03-30 | 2018-09-14 | 上海携程商务有限公司 | 移动终端的风险控制方法及系统 |
CN110210886A (zh) * | 2018-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 识别虚假操作方法、装置、服务器、可读存储介质、系统 |
CN110348715A (zh) * | 2019-06-28 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
CN110389945A (zh) * | 2019-06-05 | 2019-10-29 | 上海黑桃互动网络科技股份有限公司 | 一种游戏监控系统及监控方法 |
CN112232643A (zh) * | 2020-09-25 | 2021-01-15 | 上海淇毓信息科技有限公司 | 一种管理业务策略的方法、装置和电子设备 |
-
2013
- 2013-11-26 CN CN201310611301.3A patent/CN103593465A/zh active Pending
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105744043A (zh) * | 2014-12-08 | 2016-07-06 | 东莞宇龙通信科技有限公司 | 一种识别应用激活情况的方法及装置 |
CN105744043B (zh) * | 2014-12-08 | 2019-10-11 | 东莞宇龙通信科技有限公司 | 一种识别应用激活情况的方法及装置 |
US11062350B2 (en) | 2015-01-30 | 2021-07-13 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, and device for monitoring promotion status data, and non-volatile computer storage medium |
WO2016119506A1 (zh) * | 2015-01-30 | 2016-08-04 | 百度在线网络技术(北京)有限公司 | 推广情况数据的监测方法、装置、设备及非易失性计算机存储介质 |
CN104639550A (zh) * | 2015-02-12 | 2015-05-20 | 北京嘀嘀无限科技发展有限公司 | 用户识别方法和设备 |
CN106301975A (zh) * | 2015-05-19 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 一种数据检测方法及其装置 |
CN106301975B (zh) * | 2015-05-19 | 2020-08-18 | 深圳市腾讯计算机系统有限公司 | 一种数据检测方法及其装置 |
CN106294105B (zh) * | 2015-05-22 | 2020-07-28 | 深圳市腾讯计算机系统有限公司 | 刷量工具检测方法和装置 |
CN106294105A (zh) * | 2015-05-22 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 刷量工具检测方法和装置 |
CN106301979A (zh) * | 2015-05-27 | 2017-01-04 | 腾讯科技(北京)有限公司 | 检测异常渠道的方法和系统 |
CN106301980B (zh) * | 2015-05-28 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种刷量工具检测方法和装置 |
CN106301980A (zh) * | 2015-05-28 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种刷量工具检测方法和装置 |
CN105357204A (zh) * | 2015-11-17 | 2016-02-24 | 腾讯科技(深圳)有限公司 | 生成终端识别信息的方法及装置 |
CN105357204B (zh) * | 2015-11-17 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 生成终端识别信息的方法及装置 |
US11080427B2 (en) | 2015-12-31 | 2021-08-03 | Alibaba Group Holding Limited | Method and apparatus for detecting label data leakage channel |
CN106933880A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种标签数据泄漏渠道检测方法及装置 |
CN106933880B (zh) * | 2015-12-31 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 一种标签数据泄漏渠道检测方法及装置 |
US10678946B2 (en) | 2015-12-31 | 2020-06-09 | Alibaba Group Holding Limited | Method and apparatus for detecting label data leakage channel |
CN106095916B (zh) * | 2016-06-08 | 2019-07-23 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106095916A (zh) * | 2016-06-08 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN108122116A (zh) * | 2016-11-29 | 2018-06-05 | 腾讯科技(深圳)有限公司 | 一种产品推广渠道的监管方法及系统 |
CN106844655A (zh) * | 2017-01-23 | 2017-06-13 | 广东欧珀移动通信有限公司 | 信息处理方法、装置和计算机设备 |
CN108537043A (zh) * | 2018-03-30 | 2018-09-14 | 上海携程商务有限公司 | 移动终端的风险控制方法及系统 |
CN108537043B (zh) * | 2018-03-30 | 2021-11-05 | 上海携程商务有限公司 | 移动终端的风险控制方法及系统 |
CN110210886A (zh) * | 2018-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 识别虚假操作方法、装置、服务器、可读存储介质、系统 |
CN110210886B (zh) * | 2018-05-31 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 识别虚假操作方法、装置、服务器、可读存储介质、系统 |
CN110389945A (zh) * | 2019-06-05 | 2019-10-29 | 上海黑桃互动网络科技股份有限公司 | 一种游戏监控系统及监控方法 |
CN110348715A (zh) * | 2019-06-28 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
CN110348715B (zh) * | 2019-06-28 | 2024-01-23 | 北京淇瑀信息科技有限公司 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
CN112232643A (zh) * | 2020-09-25 | 2021-01-15 | 上海淇毓信息科技有限公司 | 一种管理业务策略的方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593465A (zh) | 用于诊断应用推广渠道异常的方法和设备 | |
CN107888397B (zh) | 确定故障类型的方法和装置 | |
CN101827346B (zh) | 一种计费系统自动测试方法及装置 | |
CN110634021A (zh) | 基于大数据的车辆估值方法、系统、设备及可读存储介质 | |
CN108632047B (zh) | 一种资费数据的确定方法及装置 | |
CN111444067A (zh) | 一种基于规则引擎的配置化系统监控方法、装置及设备 | |
CN110493806A (zh) | 移动网络投诉溯源方法及装置 | |
CN108184207A (zh) | 确定通信用户常驻社区的方法、装置、设备及介质 | |
CN109446791A (zh) | 新设备识别方法、装置、服务器及计算机可读存储介质 | |
CN106776165A (zh) | 服务器性能测试方法及系统 | |
CN112744115A (zh) | 电动汽车的信息处理方法、装置及系统、处理器 | |
CN113965904B (zh) | 设备注册方法、装置和存储介质 | |
CN108307414B (zh) | 应用程序的Wi-Fi连接异常处理方法、装置、终端及存储介质 | |
CN110826583A (zh) | 故障的确定方法、装置、存储介质及电子装置 | |
CN111291035B (zh) | 一种对数据进行切片的方法、装置及相关产品 | |
CN111062503B (zh) | 一种电网监控告警处理方法、系统、终端及存储介质 | |
CN111784425B (zh) | 一种订单号生成方法、异常处理方法及装置 | |
CN116302889A (zh) | 功能模块的性能测试方法、装置和服务器 | |
CN111327487A (zh) | 基于深度学习的电力通信网络运行状态监测方法和装置 | |
CN105681097B (zh) | 获取终端设备更换周期的方法和装置 | |
CN109783265B (zh) | 异常业务数据处理方法及装置 | |
CN111782684B (zh) | 一种配网电子化移交信息匹配方法及装置 | |
CN115967906A (zh) | 用户常驻位置识别方法、终端、电子设备及存储介质 | |
CN111210035A (zh) | 车辆维修管理方法及系统 | |
CN106993290B (zh) | 通信记录的检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140219 |
|
WD01 | Invention patent application deemed withdrawn after publication |