CN108334530A - 用户行为信息分析方法、设备及存储介质 - Google Patents

Abstract

本发明公开了一种用户行为信息分析方法、设备及存储介质，所述用户行为信息分析方法包括以下步骤：调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。本发明实现生产问题的自动发现，便于开发人员快速知晓生产问题，无需开发人员进行排查即可确定生产问题，有效的提高生产问题的排查效率。

Description

用户行为信息分析方法、设备及存储介质

技术领域

本发明涉及互联网技术领域，尤其涉及一种用户行为信息分析方法、设备及存储介质。

背景技术

随着互联网的应用不断深入，对用户的行为进行采集和分析变得越来越重要，对用户行为信息分析的需求也越来越紧迫，通过对用户在网站上的行为信息进行分析，可以为用户提供个性化服务，有利于网站的产品改进等。

目前，现有的前端异常信息监控，一般是前端程序运行错误时，前端将异常信息上报到日志系统，后续通过打印日志得到相关的异常信息，但需要开发人员定期预览日志，或接收到用户投诉，才能发现生产问题，无法自动发现生产问题，同时通过日志来查找生产问题时，需要开发人员预览较多的日志才能排查出生产问题，排查效率较低。

因此，现有的前端异常信息监控，存在生产问题无法自动发现，排查效率较低的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种用户行为信息分析方法、设备及存储介质，旨在解决现有的前端异常信息监控，生产问题无法自动发现，排查效率较低的技术问题。

为实现上述目的，本发明提供一种用户行为信息分析方法，所述用户行为信息分析方法包括以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

可选地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤包括：

获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值；

根据所述比值和每个用户的第一页面停留时长计算每个用户的第二页面停留时长，并根据所述第二页面停留时长统计第一用户中断数；

根据第一预设规则计算页面停留时长异常的第一用户数，并将所述第一用户数与所述第一用户中断数相加，以获取用户行为信息异常的用户数。

可选地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤还包括：

根据所述比值和第一元素点击时间间隔计算第二元素点击时间间隔，并根据所述第二元素点击时间间隔统计第二用户中断数；

根据第二预设规则计算元素点击时间间隔异常的第二用户数，并将所述第二用户数与所述第二用户中断数相加，以获取用户行为信息异常的用户数。

可选地，所述计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级的步骤包括：

将所述用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例；

在所述比例处于预设比例范围时，根据所述比例确定异常等级。

可选地，所述用户行为信息分析方法还包括：

在接收到比例范围配置请求时，获取所述比例范围配置请求中的待配置比例范围，并将所述预设比例范围置为所述待配置比例范围。

可选地，所述用户行为信息分析方法还包括：

在接收到用户行为信息的过滤请求时，根据所述过滤请求中的过滤条件对用户行为信息进行过滤；

根据过滤后的用户行为信息生成用户行为轨迹，并存储所述用户行为轨迹。

可选地，所述根据所述过滤请求中的过滤条件对用户行为信息进行过滤的步骤包括：

在接收到用户行为信息的过滤请求时，获取所述过滤请求中的过滤条件；

从用户行为信息数据库中清除符合所述过滤条件的用户行为信息。

可选地，所述异常等级包括关注级、优化级和修改级。

此外，为实现上述目的，本发明还提供一种用户行为信息分析设备，所述用户行为信息分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用户行为信息分析程序，所述用户行为信息分析程序被所述处理器执行时实现以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有用户行为信息分析程序，所述用户行为信息分析程序被处理器执行时实现以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

本发明调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数。然后计算该用户数占当前用户在线数的比例，并根据该比例确定异常等级，最后根据该异常等级获取生产问题和代码优化信息，并输出该生产问题和该代码优化信息，本方案通过对用户行为信息进行分析，能够在出现异常时，发现生产问题，实现生产问题的自动发现，便于开发人员快速知晓生产问题，无需开发人员进行排查即可确定生产问题，有效的提高生产问题的排查效率，同时根据分析结果给出代码优化信息，便于开发人员能够根据该代码优化信息，快速的对发现的生产问题进行处理，提高生产问题的处理效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明用户行为信息分析方法第一实施例的流程示意图；

图3为图2中所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数步骤的细化流程示意图；

图4为图2中所述计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级步骤的细化流程示意图；

图5为本发明用户行为信息分析方法第二实施例的流程示意图；

图6为图5中所述根据所述过滤请求中的过滤条件对用户行为信息进行过滤步骤的细化流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数。然后计算该用户数占当前用户在线数的比例，并根据该比例确定异常等级，最后根据该异常等级获取生产问题和代码优化信息，并输出该生产问题和该代码优化信息。

现有的前端异常信息监控，一般是前端程序运行错误时，前端将异常信息上报到日志系统，后续通过打印日志得到相关的异常信息，但需要开发人员定期预览日志，或接收到用户投诉，才能发现生产问题，无法自动发现生产问题，同时通过日志来查找生产问题时，需要开发人员预览较多的日志才能排查出生产问题，排查效率较低。

为解决上述问题，本发明提供一种解决方案，本方案通过对用户行为信息进行分析，能够在出现异常时，发现生产问题，实现生产问题的自动发现，便于开发人员快速知晓生产问题，无需开发人员进行排查即可确定生产问题，有效的提高生产问题的排查效率，同时根据分析结果给出代码优化信息，便于开发人员能够根据该代码优化信息，快速的对发现的生产问题进行处理，提高生产问题的处理效率。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例设备可以是PC，也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式终端设备或固定终端设备。

如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及用户行为信息分析程序。

在图1所示的设备中，处理器1001可以用于调用存储器1005中存储的用户行为信息分析程序，并执行以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

进一步地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤包括：

获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值；

根据所述比值和每个用户的第一页面停留时长计算每个用户的第二页面停留时长，并根据所述第二页面停留时长统计第一用户中断数；

根据第一预设规则计算页面停留时长异常的第一用户数，并将所述第一用户数与所述第一用户中断数相加，以获取用户行为信息异常的用户数。

进一步地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤还包括：

根据所述比值和第一元素点击时间间隔计算第二元素点击时间间隔，并根据所述第二元素点击时间间隔统计第二用户中断数；

根据第二预设规则计算元素点击时间间隔异常的第二用户数，并将所述第二用户数与所述第二用户中断数相加，以获取用户行为信息异常的用户数。

进一步地，所述计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级的步骤包括：

将所述用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例；

在所述比例处于预设比例范围时，根据所述比例确定异常等级。

进一步地，处理器1001可以调用存储器1005中存储的用户行为信息分析程序，还执行以下步骤：

在接收到比例范围配置请求时，获取所述比例范围配置请求中的待配置比例范围，并将所述预设比例范围置为所述待配置比例范围。

进一步地，处理器1001可以调用存储器1005中存储的用户行为信息分析程序，还执行以下步骤：

在接收到用户行为信息的过滤请求时，根据所述过滤请求中的过滤条件对用户行为信息进行过滤；

根据过滤后的用户行为信息生成用户行为轨迹，并存储所述用户行为轨迹。

进一步地，所述根据所述过滤请求中的过滤条件对用户行为信息进行过滤的步骤包括：

在接收到用户行为信息的过滤请求时，获取所述过滤请求中的过滤条件；

从用户行为信息数据库中清除符合所述过滤条件的用户行为信息。

本发明用户行为信息分析设备的具体实施例与下述用户行为信息分析方法的各具体实施例基本相同，在此不作赘述。

本发明提高一种用户行为信息分析方法。

参照图2，图2本发明用户行为信息分析方法第一实施例的流程示意图。

在本实施例中，该用户行为信息分析方法包括：

步骤S101，调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

该用户行为信息分析方法应用于用户行为信息分析设备，该设备存储有用户行为信息，该用户行为信息包括页面停留时长、元素点击时间间隔和元素点击次数等。移动终端通过用户行为信息采集插件对用户的行为信息进行采集，并通过网络接口将采集到的用户行为信息传输至用户行为信息分析设备，该用户行为信息分析设备接收该用户行为信息，并根据用户标识关联存储该用户行为信息。

该用户行为信息分析设备在接收到外部触发的用户行为信息分析请求时，或者该设备定时触发用户行为信息分析请求，调用预设数据处理规则对存储的用户行为信息进行处理，从而获取用户行为信息异常的用户数，该用户数包括第一用户数、第二用户数和第三用户数。该预设数据处理规则用于对用户行为信息数据中的页面停留时长、元素点击时间间隔和元素点击次数进行处理，以获取用户行为信息异常的用户数，其原理为N个用户的页面停留时间Ti的分布和元素点击时间间隔Ck的分布，均在去除不合格用户后服从正态分布，而服从正态分布的页面停留时长或元素点击时间间隔大部分都停留在：3σ+μ内，超过3σ+μ的页面停留时长或元素点击时间间隔可视为异常，从而获取用户行为信息异常的用户数。

具体地，参照图3，图3为图2中所述步骤S101的细化流程示意图，该步骤S101包括：

步骤S1011，获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值；

步骤S1012，根据所述比值和每个用户的第一页面停留时长计算每个用户的第二页面停留时长，并根据所述第二页面停留时长统计第一用户中断数；

步骤S1013，根据第一预设规则计算页面停留时长异常的第一用户数，并将所述第一用户数与所述第一用户中断数相加，以获取用户行为信息异常的用户数。

该用户行为信息分析设备获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值(如果该比值大于1，则取1进行计算)，然后根据该比值和每个用户的第一页面停留时长(该第一页面停留时长存储在设备的数据库中)计算每个用户的第二页面停留时长，即将该比值与第一页面停留时长相乘，并根据第二页面停留时长统计第一用户中断数，即从全部第二面停留时长中统计出第二页面停留时长大于预设阈值的用户数，该用户数为第一用户中断数，最后，根据第一预设规则计算页面停留时长异常的第一用户数，并将该第一用户数与该第一用户中断数相加，以获取用户行为信息异常的用户数，即将每个用户在同一页面内的页面停留时长进行从小到大或从大到小的排序，取排序中部一半用户的页面停留时长，并计算页面停留时长的平均值，同时计算全部页面停留时长的标准差，然后将该平均值和该标准差代入阈值确定公式，以计算页面停留时长的阈值，并统计出页面停留时长大于该阈值的第一用户中断数。假设页面停留时长的平均值为μ₁，标准差为σ₁，阈值为T1，则阈值确定公式可表示为T1＝μ₁+3σ₁。

再具体地，该设备在计算得到预设用户在线数与当前用户在线数的比值后，根据该比值和第一元素点击时间间隔计算第二元素点击时间间隔，即将该比值和元素点击时间间隔相乘，并根据第二元素点击时间间隔统计第二用户中断数，最后，根据第二预设规则计算元素点击时间间隔异常的第二用户数，并将该第二用户数与该第二用户中断数相加，以获取用户行为信息异常的用户数，即将元素点击时间间隔进行从小到大或从大到小的排序，并求出元素点击时间间隔的平均值，同时求出全部元素点击时间间隔的标准差，然后将该平均值和该标准差代入阈值确定公式，以计算元素点击时间间隔的阈值，并统计出元素点击时间间隔大于该阈值的第二用户中断数。假设元素点击时间间隔的平均值为μ_2,，标准差为σ₂，阈值为T2，则阈值确定公式可表示为T2＝μ₂+3σ₂。

此外，该设备还统计每个页面元素的点击次数小于第一预设次数的用户数，并将当前在线用户数与所述用户数相减，以获取有效用户数，然后从有效用户数中统计出每个页面元素的连续点击次数超过第二预设次数的第三用户数。

步骤S102，计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

该设备计算该用户数占当前用户在线数的比例，并根据该比例确定异常等级，具体地，参照图4，图4为图2中所述步骤S102的细化流程示意图，该步骤S102包括：

步骤S1021，将所述用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例；

步骤S1022，在所述比例处于预设比例范围时，根据所述比例确定异常等级。

该设备将该用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例，即该设备计算页面停留时长异常的第一用户数占当前用户在线数的第一比例，还计算元素点击时间间隔异常的第二用户数占当前用户在线数的第二比例，以及还计算页面元素点击次数异常的第三用户数占当前用户操作数的第三比例，然后在该比例处于预设比例范围时，根据所述比例确定异常等级，即在第一比例处于第一预设比例范围时、在第二比例处于第二预设比例范围时或在第三比例处于第三预设比例范围时，根据第一比例、第二比例或第三比例确定异常等级，该异常等级包括关注级、优化级和修改级等，该第一预设比例范围和第二预设比例范围均为0.5％～1.5％，该第三预设比例范围为1％～5％。设第一比例为A、第二比例为B和第三比例为C，如果0.5％≤A<1％、0.5％≤B<1％或1％≤C<2％，则异常等级为关注级，如果1％≤A<1.5％、1％≤B<1.5％或2％≤C<5％，则异常等级为优化级，如果1.5％≤A、1.5％≤B或5％≤C，则异常等级为修改级。

步骤S103，根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

该设备根据比例确定异常等级后，根据该异常等级获取生产问题和代码优化信息，并输出该生产问题和该代码优化信息，同时还输出该比例和异常等级。该生产问题包括部分用户操作时间过长、部分用户操作时间过长或者退出操作流程，出现异常和多数用户在操作过程中发生中断，操作阻塞，没有完成操作。该关注级表示用户业务流程基本不受影响和仅仅有小部分用户操作时间过长，没有出现异常，对应的代码优化信息为提醒开发人员关注，排查代码，该优化级表示用户业务流程基本不受影响，但部分用户操作时间过长或者退出操作流程，出现异常，对应的代码优化信息为排查代码，寻找问题，并优化代码，该修改级表示用户业务流程受到影响，多数用户在操作过程中发生中断，操作阻塞，没有完成操作，对应的代码优化信息为代码回滚，代码审查，检视操作流程，并重新设计流程，重构代码。

在本实施例中，本发明调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数。然后计算该用户数占当前用户在线数的比例，并根据该比例确定异常等级，最后根据该异常等级获取生产问题和代码优化信息，并输出该生产问题和该代码优化信息，本方案通过对用户行为信息进行分析，能够在出现异常时，发现生产问题，实现生产问题的自动发现，便于开发人员快速知晓生产问题，无需开发人员进行排查即可确定生产问题，有效的提高生产问题的排查效率，同时根据分析结果给出代码优化信息，便于开发人员能够根据该代码优化信息，快速的对发现的生产问题进行处理，提高生产问题的处理效率。

进一步的，该设备在接收到比例范围配置请求时，获取该比例范围配置请求中的待配置比例范围，并将该预设比例范围置为该待配置比例范围，本实施例能够对预设比例范围进行配置，便于开发人员的后续配置。

进一步地，参照图5，基于上述第一实施例提出本发明用户行为信息分析方法第二实施例，与前述实施例的区别在于，该用户行为信息分析方法还包括：

步骤S104，在接收到用户行为信息的过滤请求时，根据所述过滤请求中的过滤条件对用户行为信息进行过滤；

步骤S105，根据过滤后的用户行为信息生成用户行为轨迹，并存储所述用户行为轨迹。

该设备在接收到外部触发的用户行为信息的过滤请求时，根据该过滤请求中的过滤条件对用户行为信息进行过滤，具体地，参照图6，图6为图5中所述步骤S104的细化流程示意图，该步骤S104包括：

步骤S1041，在接收到用户行为信息的过滤请求时，获取所述过滤请求中的过滤条件；

步骤S1042，从用户行为信息数据库中清除符合所述过滤条件的用户行为信息。

该设备在接收到外部触发的用户行为信息的过滤请求时，获取该过滤请求中的过滤条件，并从用户行为信息数据库中清除符合该过滤条件的用户行为信息，以实现用户行为信息的过滤，然后根据过滤后的用户行为信息生成用户行为轨迹，并存储该用户行为轨迹。

在本实施例中，本发明能够对用户行为信息进行过滤，提高用户行为信息的准确性，且在过滤后生成用户行为轨迹，便于为用户提供个性化服务。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有用户行为信息分析程序，所述用户行为信息分析程序被处理器执行时实现以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

进一步地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤包括：

获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值；

根据所述比值和每个用户的第一页面停留时长计算每个用户的第二页面停留时长，并根据所述第二页面停留时长统计第一用户中断数；

根据第一预设规则计算页面停留时长异常的第一用户数，并将所述第一用户数与所述第一用户中断数相加，以获取用户行为信息异常的用户数。

进一步地，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤还包括：

根据所述比值和第一元素点击时间间隔计算第二元素点击时间间隔，并根据所述第二元素点击时间间隔统计第二用户中断数；

根据第二预设规则计算元素点击时间间隔异常的第二用户数，并将所述第二用户数与所述第二用户中断数相加，以获取用户行为信息异常的用户数。

进一步地，所述计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级的步骤包括：

将所述用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例；

在所述比例处于预设比例范围时，根据所述比例确定异常等级。

进一步地，所述用户行为信息分析程序被处理器执行时还实现以下步骤：

在接收到比例范围配置请求时，获取所述比例范围配置请求中的待配置比例范围，并将所述预设比例范围置为所述待配置比例范围。

进一步地，所述用户行为信息分析程序被处理器执行时还实现以下步骤：

在接收到用户行为信息的过滤请求时，根据所述过滤请求中的过滤条件对用户行为信息进行过滤；

根据过滤后的用户行为信息生成用户行为轨迹，并存储所述用户行为轨迹。

进一步地，所述根据所述过滤请求中的过滤条件对用户行为信息进行过滤的步骤包括：

在接收到用户行为信息的过滤请求时，获取所述过滤请求中的过滤条件；

从用户行为信息数据库中清除符合所述过滤条件的用户行为信息。

本发明计算机可读存储介质的具体实施例与上述用户行为信息分析方法的各具体实施例基本相同，在此不作赘述。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种用户行为信息分析方法，其特征在于，所述用户行为信息分析方法包括以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

2.如权利要求1所述的用户行为信息分析方法，其特征在于，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤包括：

获取当前用户在线数，并计算预设用户在线数与当前用户在线数的比值；

根据所述比值和每个用户的第一页面停留时长计算每个用户的第二页面停留时长，并根据所述第二页面停留时长统计第一用户中断数；

根据第一预设规则计算页面停留时长异常的第一用户数，并将所述第一用户数与所述第一用户中断数相加，以获取用户行为信息异常的用户数。

3.如权利要求2所述的用户行为信息分析方法，其特征在于，所述调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数的步骤还包括：

根据所述比值和第一元素点击时间间隔计算第二元素点击时间间隔，并根据所述第二元素点击时间间隔统计第二用户中断数；

根据第二预设规则计算元素点击时间间隔异常的第二用户数，并将所述第二用户数与所述第二用户中断数相加，以获取用户行为信息异常的用户数。

4.如权利要求1所述的用户行为信息分析方法，其特征在于，所述计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级的步骤包括：

将所述用户数与当前用户在线数相除，以获取用户数占当前用户在线数的比例；

在所述比例处于预设比例范围时，根据所述比例确定异常等级。

5.如权利要求4所述的用户行为信息分析方法，其特征在于，所述用户行为信息分析方法还包括：

在接收到比例范围配置请求时，获取所述比例范围配置请求中的待配置比例范围，并将所述预设比例范围置为所述待配置比例范围。

6.如权利要求1-5中任一项所述的用户行为信息分析方法，其特征在于，所述用户行为信息分析方法还包括：

在接收到用户行为信息的过滤请求时，根据所述过滤请求中的过滤条件对用户行为信息进行过滤；

根据过滤后的用户行为信息生成用户行为轨迹，并存储所述用户行为轨迹。

7.如权利要求6所述的用户行为信息分析方法，其特征在于，所述根据所述过滤请求中的过滤条件对用户行为信息进行过滤的步骤包括：

在接收到用户行为信息的过滤请求时，获取所述过滤请求中的过滤条件；

从用户行为信息数据库中清除符合所述过滤条件的用户行为信息。

8.如权利要求1-5中任一项所述的用户行为信息分析方法，其特征在于，所述异常等级包括关注级、优化级和修改级。

9.一种用户行为信息分析设备，其特征在于，所述用户行为信息分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用户行为信息分析程序，所述用户行为信息分析程序被所述处理器执行时实现以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。

10.一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上存储有用户行为信息分析程序，所述用户行为信息分析程序被处理器执行时实现以下步骤：

调用预设数据处理规则对用户行为信息进行处理，以获取用户行为信息异常的用户数；

计算所述用户数占当前用户在线数的比例，并根据所述比例确定异常等级；

根据所述异常等级获取生产问题和代码优化信息，并输出所述生产问题和所述代码优化信息。