CN105302559B - 用户行为实时处理方法 - Google Patents

Abstract

本发明公开了一种用户行为实时处理方法，包括如下步骤：步骤1：当用户行为发生时，判断用户行为信息是否需要采集；当需要采集时，执行步骤2；当不需要采集时，执行步骤5；步骤2：采集用户行为信息，并将用户行为信息组织成数据流；步骤3：通过步骤2中采集来的用户行为信息对用户属性进行更新，并将更新后用户属性与更新前用户属性追加到数据流中；步骤4：对步骤3中生成的数据流进行分析，完成需要执行的系统动作；步骤5：终止用户行为的处理。通过本发明能够实现加快业务上线速度、降低开发成本以及降低系统间耦合度的技术效果。

Description

用户行为实时处理方法

技术领域

本发明涉及一种用户行为实时处理方法。

背景技术

在日益强调用户体验的今天，对用户行为做出实时反馈并完成个性化引导尤为重要。而同时，在业务需求快速增长的大背景下，如果按现有开发方式，为每个行为处理编写独立的处理代码，一方面，势必会降低对需求的响应速度；另一方面，每次开发完成后，必须进行完整的开发、测试、上线流程，大大增加了开发成本。

发明内容

本发明的目的是提供一种用户行为实时处理方法，以解决为每种业务单独开发处理代码所带来的代码量大、维护困难、重复流程增加、业务响应速度慢的技术问题。

为实现以上发明目的，本发明提供一种用户行为实时处理方法，包括如下步骤，

步骤1：当用户行为发生时，判断用户行为信息是否需要采集；

当需要采集时，执行步骤2；

当不需要采集时，执行步骤5；

步骤2：采集用户行为信息，并将用户行为信息组织成数据流；

步骤3：通过步骤2中采集来的用户行为信息对用户属性进行更新，并将更新后用户属性与更新前用户属性追加到数据流中；

步骤4：对步骤3中生成的数据流进行分析，完成需要执行的系统动作；

步骤5：终止用户行为的处理。

进一步地，所述步骤1中用户行为信息组织成的数据流是包括至少一个由用户行为属性与用户行为属性值组成的键值对的标准格式的数据流。

进一步地，所述步骤3中通过采集的用户行为信息对用户属性进行更新，包括如下步骤；

步骤A1：判断用户行为是否有未完成的更新规则；

当没有未完成的更新规则时，执行步骤A5；

当有未完成的更新规则时，执行步骤A2；

步骤A2：判断用户行为是否满足用户属性更新条件；

当不满足时，执行步骤A1；

当满足时，执行步骤A3；

步骤A3：根据更新规则中配置的更新方法对所涉及的部分用户属性进行更改；

步骤A4：将更新后用户属性与更新前用户属性追加到数据流中，执行完成后执行步骤A1；

步骤A5：将新的数据流推送至步骤4。

进一步地，所述步骤4中对数据流进行分析，完成需要执行的系统动作，包括如下步骤；

步骤B1：判断用户行为是否有未完成的执行规则；

当没有未完成的执行规则，执行步骤B4；

当有未完成的执行规则，执行步骤B2；

步骤B2：判断用户行为是否满足系统动作执行条件；

当没有满足时，执行步骤B1；

当满足时，执行步骤B3；

步骤B3：根据用户行为执行系统动作，执行完成后执行步骤B1；

步骤B4：终止用户行为的处理。

进一步地，所述步骤3中用户属性更新条件包括：逻辑计算条件、数据提取函数条件以及数据转换函数条件。

进一步地，所述步骤3中更新用户属性方法包括：对用户属性值的计算以及对用户属性值的设置。

进一步地，所述步骤4中系统动作包括：推送消息、设定状态、发送虚拟物品以及推送数据。

与现有技术相比，本发明的有益效果是：

1.运用将平台中所有用户行为处理流程明确划分为三个独立阶段并为每个阶段提供处理框架的技术方案，获得了将系统中稳定部分固定在框架中，易变部分由配置实现，以及明确职责划分，方便多个部门间配合并保证系统间独立研发。

2.运用提出多样化的用户属性更新方法以及系统动作的技术方案，通过之间的不同组合以及配合多样的行为数据采集，可支持各种各样的业务需求；最终的系统能力是这三个阶段能力的乘积，无论是采集阶段增加一种数据，还是后两个阶段增加一种新的方法，都可以获得显著增加业务支持范围的技术效果。

3.运用标准化用户行为信息的技术方案，获得了用户行为处理的灵活性以及可配置性的技术效果。

4.运用标准的数据流贯穿整个流程的技术方案，获得了各处理阶段的灵活性以及可配置性的技术效果。

5.运用将每次处理结果追加到数据流中的技术方案，获得了防止后一阶段对数据的重复获取，提高处理效率的技术效果。

附图说明

图1是本发明的用户行为实时处理方法的流程图；

图2是本发明的用户属性更新的流程图；

图3是本发明的执行系统动作的流程图；

图4是本发明的用户行为实时处理方法的一个具体实施例图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

实施例1：

如图1所示，本发明的用户行为实时处理方法，包括如下步骤：

步骤1：当用户行为发生时，判断用户行为信息是否需要采集；

当需要采集时，采集用户行为信息，并将用户行为信息组织成数据流；

当不需要采集时，结束对用户行为的处理；

步骤2：通过步骤1中采集来的用户行为信息对用户属性进行更新，并将更新后用户属性与更新前用户属性追加到数据流中；

步骤3：对步骤2中生成的数据流进行分析，完成需要执行的系统动作；

步骤4：终止用户行为的处理；

具体来说，当有用户行为发生时，首先判断该行为是否是需要处理的用户行为，如果是需要处理的用户行为，则对该用户行为进行采集，根据用户行为对用户属性信息进行更新操作，并根据用户行为及用户属性信息做出相应的系统执行操作。

其中步骤2或3中还包括如下步骤：

步骤C1：采集用户行为数据信息，所述用户行为数据信息包括日志数据信息；

步骤C2：根据所述用户行为数据信息和模型参数信息进行建模得到用户行为模型；

步骤C3：对所述用户行为模型进行分析，从而获取用户行为规律信息。

当然，步骤4中的所述分析的方法还可为：

步骤411：预先在移动终端设置用户行为信息与提示信息的对应关系函数，并启动设置在移动终端内的行为分析获取模块；

步骤412：行为分析获取模块分析当前的用户行为，获取用户行为信息；

步骤413：将获取的用户行为信息输入预先设置的用户行为信息与提示信息的对应关系函数；

步骤414：根据输入的用户行为信息输出相对应的提示信息；

步骤415：根据所述用户行为规律信息进行可视化展示或个性化推荐。

所述预先设置的用户行为信息包括以下的一种或多种：年龄信息、性别信息、身高信息、体重信息、工作信息、骨密度信息、体脂信息。

实施例2：

在实施例1的基础上，对步骤2进行进一步具体化；

其中步骤2中用户行为信息组织成的数据流是包括至少一个由用户行为属性与用户行为属性值组成的键值对的标准格式的数据流；

具体来说，将用户行为信息组织成包括至少一个由用户行为属性与用户行为属性值组成的键值对的标准格式的数据流；例如：用户行为是“打完一场游戏”，“获得金币：160”以及“获得银币：100”是用户行为属性值，则组织成描述用户“打完一场游戏”行为的键值对：“获得金币：160，获得银币：100”。

实施例3：

在实施例1的基础上，对步骤3进行进一步具体化；

如图2所示，其中步骤3中通过采集的用户行为信息对用户属性进行更新，包括如下步骤，

步骤A1：判断用户行为是否有未完成的更新规则；

当没有未完成的更新规则时，执行步骤A5；

当有未完成的更新规则时，执行步骤A2；

步骤A2：判断用户行为是否满足用户属性更新条件；

当不满足时，执行步骤A1；

当满足时，执行步骤A3；

步骤A3：根据更新规则中配置的更新方法对所涉及的部分用户属性进行更改；

步骤A4：将更新后用户属性与更新前用户属性追加到数据流中，执行完成后执行步骤A1；

步骤A5：将新的数据流推送至步骤4；

具体来说，例如用户行为是“打完一场游戏”，行为属性是：“获得金币：160，获得银币：100”，用户更新前的属性是“最高获得金币：100，累计获得银币：50”，先根据用户行为属性“获得金币：100”进行用户属性更新；将用户属性更新为“最高获得金币：160”，完成后再判断是否还有未完成的更新规则，发现用户行为属性“获得银币：100”符合更新规则中的条件要求“获得银币>0”，则使用用户行为属性“获得银币：100”对用户属性的更新，完成后发现没有针对用户行为“打完一场游戏”未完成的更新规则，这时将更新前与更新后的用户属性追加到数据流中，此时数据流为“获得金币：160，获得银币：50，更新前最高获得金币：100，更新后最高获得金币：160，更新前累计获得银币：50，更新后累计获得银币：100”。

实施例4：

在实施例1的基础上，对步骤3进行进一步具体化；

如图3所示，其中步骤3中对数据流进行分析，完成需要执行的系统动作，包括如下步骤；

步骤B1：判断用户行为是否有未完成的执行规则；

当没有未完成的执行规则，执行步骤B4；

当有未完成的执行规则，执行步骤B2；

步骤B2：判断用户行为是否满足系统动作执行条件；

当没有满足时，执行步骤B1；

当满足时，执行步骤B3；

步骤B3：根据用户行为执行系统动作，执行完成后执行步骤B1；

步骤B4：终止用户行为的处理；

具体来说，例如系统动作“奖励金色卡片”的执行条件是“更新前最高获得金币小于150，更新后最高获得金币大于等于150”执行条件的目的是“用户最高获得金币首次突破150”；系统动作“奖励银色卡片”的执行条件是“更新前的最高获得银币小于200，更新后最高获得银币大于等于200。”。根据实例3最后生成的数据流“获得金币：160，获得银币：50，更新前最高获得金币：100，更新后最高获得金币：160，更新前累计获得银币：50，更新后累计获得银币：100”，先检测“奖励金色卡片”的执行条件，由于“奖励金色卡片”的系统执行条件是“更新前最高获得金币小于150，更新后最高获得金币大于等于150”，用户行为满足系统执行条件，则执行“奖励金色卡片”的系统动作，执行完成后，再查询是否有未处理的执行规则，发现“奖励银色卡片”的执行规则未处理，由于“奖励银色卡片”的系统执行条件是“更新前的最高获得银币小于200，更新后最高获得银币大于等于200。”，用户行为未能满足系统执行条件，则不执行“奖励银色卡片”的系统动作。当没有未处理的执行规则时，结束整个用户行为处理方法。

实施例5:

如图4所示，本发明的用户行为实时处理方法，包括如下步骤：

步骤S1：当用户行为发生时，判断用户行为信息是否需要采集；

当需要采集时，执行步骤S2；

当不需要采集时，执行步骤S11；

步骤S2：采集用户行为信息，并将用户行为信息组织成包括至少一个由用户行为属性与用户行为属性值组成的键值对的标准格式的数据流；

步骤S3：判断用户行为是否有未完成的更新规则；

当没有未完成的更新规则时，执行步骤S7；

当有未完成的更新规则时，执行步骤S4；

步骤S4：判断用户行为是否满足用户属性更新条件；

当不满足时，执行步骤S3；

当满足时，执行步骤S6；

步骤S5：根据更新规则中配置的更新方法对所涉及的部分用户属性进行更改；

步骤S6：将更新后用户属性与更新前用户属性追加到数据流中，执行完成后执行步骤S3；

步骤S8：判断用户行为是否有未完成的执行规则；

当没有未完成的执行规则，执行步骤S11；

当有未完成的执行规则，执行步骤S9；

步骤S9：判断用户行为是否满足系统动作执行条件；

当没有满足时，执行步骤S8；

当满足时，执行步骤S10；

步骤S10：根据用户行为执行系统动作，执行完成后执行步骤S8；

步骤S11：终止用户行为的处理；

具体来说，例如用户行为是“打完一场游戏”，行为属性是“获得金币：160，失去银币：100”。首先判断出上述两个用户行为是需要采集的用户行为，对用户行为进行采集，并将用户行为组织成键值对“获得金币：160，失去银币：100”。此时用户就属性是“金币属性：100，银币属性：250”，先通过用户行为“获得金币：160”对用户属性进行更新，由于用户行为是“获得”，所以选择“加法更新方法”，即“100+160＝260”，得到新的用户属性“金币属性：260”，并在用户行为信息中添加键值对“更新后金币属性：260，更新前金币属性：100”，再通过用户行为“失去银币：100”对用户属性进行更新，由于用户行为是“失去”，所以选择“减法更新方法”，即“250-100＝150”。得到新的用户属性“银币属性：150”，并在用户行为信息中添加键值对“更新后银币属性：150，更新前银币属性：250”，最终生成新的用户行为信息键值对“获得金币：160，更新后金币属性：260，更新前金币属性：100，失去银币：100，更新后银币属性：150，更新前银币属性：250”。对用户属性更新后，通过新的用户行为信息进行系统执行操作，系统动作“奖励金色卡片”的执行条件是“更新前最高获得金币小于150，更新后最高获得金币大于等于150”；系统动作“失去银色卡片”的执行条件是“更新前的最高获得银币小于200，更新后最高获得银币大于等于200”。先通过用户行为“更新后金币属性：260，更新前金币属性：100”与系统执行条件比较，由于“更新后金币属性>200和更新前金币属性<200”，所以满足系统执行条件，系统执行“奖励金色卡片”的操作，再通过用户行为“更新后银币属性：250，更新前银币属性：150”与系统执行条件比较“更新后银币属性<200and更新前银币属性>200”，所以满足系统执行条件，系统执行“失去银色卡片”的操作。此时已经没有未执行的用户行为，用户行为处理方法终止。

实施例6:

行为：登录，包含属性“登录地：北京，游戏经验：0，金币：0，绑定

手机：无；

用户属性：登录地属性：“”，登录次数属性：0；

更新规则1：

条件：无；

更新方法：SET，将用户登录地属性更新为数据流中的登录地属性；

更新结果1：

该用户的登录地属性被更新成“北京”，此用户更新前登录地属性值“”(空)、此用户更新后登录地属性值“北京”已经被追加入数据流；

更新规则2：

条件：无；

更新方法：COUNT，将用户登录次数属性+1；

更新结果2：

该用户的登录次数属性被更新成1，此用户更新前登录次数属性值0、此用户更新后登录次数属性值1已经被追加入数据流；

系统动作执行规则1：

条件：如果用户更新前登录地属性不为空，并且更新前后登录地属性不相等；

系统动作：发弹窗消息提醒用户“您的账号与上次登录地不一致，请注意账号安全”；

系统动作执行规则2：

条件：如果用户更新后登录次数属性值1(表示注册之后首次登录)；

系统动作1：向用户账号发送1000金币；

系统动作2：发弹窗消息通知用户“平台送您1000金币，请注意查收”；

系统动作执行规则3：

条件：如果用户金币数大于100000，并且没有绑定手机；

系统动作：发弹窗消息通知用户“你账号存在安全隐患，请及时绑定手机”。

实施例7：

行为：完成一场比赛，包含属性“比赛ID：12345，名次：1，参赛人数：2000，获得金币：100000”；

用户属性：在比赛中最好名次属性：16，比赛中累计赢得金币属性：9999；

更新规则1：

条件：无

更新方法：MIN，将用户在比赛中最好名次属性与数据流中的名次属性进行比较，取最小值更新用户在比赛中最好名次属性；

更新结果1：该用户在比赛12345中最好名次属性被更新成1，此用户更新前在比赛中最好名次属性值16、此用户更新后在比赛中最好名次属性值1已经被追加入数据流；

更新规则2：

条件：获得金币>0；

更新方法：SUM，将用户比赛中累计赢得金币属性值与数据流中的获得金币属性求和A，同时将用户比赛中累计赢得金币属性更新为A；

更新结果2：该用户在比赛中累计赢得金币属性被更新成109999，此用户更新前在比赛中累计赢得金币属性值9999、此用户更新后在比赛中累计赢得金币属性值109999已经被追加入数据流；

系统动作执行规则1：

条件：用户更新前在比赛中最好名次属性值>1，并且此用户更新后在比赛中最好名次属性值＝＝1(表示首次获得冠军)；

系统动作：向用户账号发送1000金币；

系统动作执行规则2：

条件：数据流中名次属性值<＝3，并且参赛人数属性值>1000(表示在大于1000人的比赛中获得前3名)；

系统动作1：向用户账号发送10000金币；

系统动作2：发弹窗消息通知用户“你在这么多人的比赛里都能进前3，送你10000金币表示鼓励”；

系统动作执行规则3：

条件：用户更新后在比赛中累计赢得金币属性>＝10000，并且用户更新前在比赛中累计赢得金币属性<10000(表示比赛中累计赢得金币属性刚刚突破10000)；

系统动作：向用户账号发送2000金币；

系统动作执行规则4：

条件：用户更新前在比赛中最好名次属性值>100，并且此用户更新后在比赛中最好名次属性值<＝10(表示用户在100名开外，一下晋级到10名内)；

系统动作：发弹窗消息通知用户“恭喜您在比赛中的成绩取得重大突破”；

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明的保护范围内。

Claims (7)

1.一种用户行为实时处理方法，其特征在于，该方法包括如下步骤：

步骤1：当用户行为发生时，判断用户行为信息是否需要采集；所述用户行为信息包括：预先设置的用户行为信息、行为以及用户属性；所述预先设置的用户行为信息包括以下的一种或多种：年龄信息、性别信息、身高信息、体重信息、工作信息、骨密度信息、体脂信息；

当需要采集时，执行步骤2；

当不需要采集时，执行步骤5；

步骤2：采集用户行为信息，并将用户行为信息组织成数据流；

步骤3：通过步骤2中采集来的用户行为信息对用户属性进行更新，并将更新后用户属性与更新前用户属性追加到数据流中；

步骤4：对步骤3中生成的数据流进行分析，完成需要执行的系统动作；

步骤5：终止用户行为的处理；

所述步骤2中用户行为信息组织成的数据流是包括至少一个由用户行为属性与用户行为属性值组成的键值对的标准格式的数据流；

所述步骤3中通过采集的用户行为信息对用户属性进行更新，包括如下步骤，

步骤A1：判断用户行为是否有未完成的更新规则；

当没有未完成的更新规则时，执行步骤A5；

当有未完成的更新规则时，执行步骤A2；

步骤A2：判断用户行为是否满足用户属性更新条件；

当不满足时，执行步骤A1；

当满足时，执行步骤A3；

步骤A3：根据更新规则中配置的更新方法对所涉及的部分用户属性进行更改；

步骤A4：将更新后用户属性与更新前用户属性追加到数据流中，执行完成后执行步骤A1；

步骤A5：将新的数据流推送至步骤4。

2.如权利要求1所述的用户行为实时处理方法，其特征在于，所述步骤4中对数据流进行分析，完成需要执行的系统动作，包括如下步骤；

步骤B1：判断用户行为是否有未完成的执行规则；

当没有未完成的执行规则，执行步骤B4；

当有未完成的执行规则，执行步骤B2；

步骤B2：判断用户行为是否满足系统动作执行条件；

当没有满足时，执行步骤B1；

当满足时，执行步骤B3；

步骤B3：根据用户行为执行系统动作，执行完成后执行步骤B1；

步骤B4：终止用户行为的处理。

3.如权利要求1中所述的用户行为实时处理方法，其特征在于，所述步骤3中用户属性更新条件包括：逻辑计算条件、数据提取函数条件以及数据转换函数条件。

4.如权利要求1中所述的用户行为实时处理方法，其特征在于，所述步骤3中更新用户属性方法包括：对用户属性值的计算以及对用户属性值的设置。

5.如权利要求1-4中任一所述的用户行为实时处理方法，其特征在于，所述步骤4中系统动作包括：推送消息、设定状态、发送虚拟物品以及推送数据。

6.如权利要求1中所述的用户行为实时处理方法，其特征在于，所述步骤2或3中还包括：

步骤C1：采集用户行为数据信息，所述用户行为数据信息包括日志数据信息；

步骤C2：根据所述用户行为数据信息和模型参数信息进行建模得到用户行为模型；

步骤C3：对所述用户行为模型进行分析，从而获取用户行为规律信息。

7.如权利要求6中所述的用户行为实时处理方法，其特征在于，所述步骤4分析的方法为：

步骤411：预先在移动终端设置用户行为信息与提示信息的对应关系函数，并启动设置在移动终端内的行为分析获取模块；

步骤412：行为分析获取模块分析当前的用户行为，获取用户行为信息；

步骤413：将获取的用户行为信息输入预先设置的用户行为信息与提示信息的对应关系函数；

步骤414：根据输入的用户行为信息输出相对应的提示信息；

步骤415：根据所述用户行为规律信息进行可视化展示或个性化推荐。