CN109376065A - 一种用户行为热区分析方法、装置和电子设备 - Google Patents
一种用户行为热区分析方法、装置和电子设备 Download PDFInfo
- Publication number
- CN109376065A CN109376065A CN201811269631.8A CN201811269631A CN109376065A CN 109376065 A CN109376065 A CN 109376065A CN 201811269631 A CN201811269631 A CN 201811269631A CN 109376065 A CN109376065 A CN 109376065A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- user behavior
- clustering
- hot
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种用户行为热区分析方法、装置和电子设备,涉及数据处理的技术领域,包括获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据用于表征用户在所述目标应用的上所执行目标操作的操作时段和/或操作频率;基于所述多个聚类分组确定用户在所述终端设备的用户行为热区,本发明缓解了现有技术存在无法智能捕获用户操作热区的技术问题。
Description
技术领域
本发明涉及数据处理的技术领域,尤其是涉及一种用户行为热区分析方法、装置和电子设备。
背景技术
随着科学技术的发展和技术产业化应用水平的提升,手机的性能越来越好、硬件配置已经越来越完备。但同时,随着手机市场竞争越来越激烈,拼硬件配置已经不能吸引到更多的电子消费者,所以,大部分的手机厂商都在追求手机产品的差异化功能规划、设计、营销等。例如,正逐步流行的手机技术应用有:人脸解锁、人脸支付、智能推送等等。
例如,在现有技术中,针对某个应用客户端,通过用户的历史浏览记录来实现数据的智能化推送,以实现个性化定制。或者通过用户行为热区的方式实现个性化定制,但是现有技术存在无法智能捕获用户操作热区、操作不灵活、以及用户体验较差等问题。
发明内容
有鉴于此,本发明的目的在于提供一种用户行为热区分析方法、装置和电子设备,以缓解了现有技术存在无法智能捕获用户操作热区的技术问题。
第一方面,本发明实施例提供了一种用户行为热区分析方法,包括:获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备上对所述目标应用执行目标操作的操作时段和/或操作频率;基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
进一步地,对所述用户行为数据进行聚类分析,得到多个聚类分组包括:在预设属性标签中确定所述用户行为数据的特征标签,其中,所述预设属性标签包括以下至少一种:用户操作行为标签、用户操作习惯标签、用户操作喜好标签;按照所述特征标签对所述用户行为数据进行聚类分析,得到所述多个聚类分组。
进一步地,每种所述预设属性标签包括多个子标签;所述在预设属性标签中确定所述用户行为数据的特征标签包括:将所述用户行为数据输入至聚类分类模型中进行分类处理,以通过所述聚类分类模型从所述预设属性标签的多个子标签中确定所述用户行为数据的特征标签。
进一步地,所述方法还包括:获取原始样本数据,其中,所述原始样本数据包括以下至少一种数据:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;对所述原始样本数据进行标注,以得到每个原始样本数据所对应的特征标签;对标注之后的所述原始样本数据进行划分,得到训练样本集合、验证样本集合和测试样本集合;通过所述训练样本集合、所述验证样本集合和所述测试样本集合对所述聚类分类模型的神经网络进行训练。
进一步地,所述方法还包括:从每组所述聚类分组中提取携带所述用户操作行为标签的用户行为数据;基于提取到的携带所述用户操作行为标签的用户行为数据确定用户行为喜好热区。
进一步地,所述用户行为喜好热区包括多个子热区,所述方法还包括:确定与每个子热区相对应的被操作内容;基于所述被操作内容调整所述目标应用的内容推送策略和/或内容显示策略。
进一步地,基于所述被操作内容调整所述目标应用的显示策略包括:将所述被操作内容推送至目标应用的服务器,以使所述服务器从数据库中筛选出与所述被操作内容相关联的数据;将所述相关联的数据显示在所述目标应用的对应显示区域中。
进一步地,基于所述多个聚类分组确定用户在所述终端设备的用户行为热区包括:确定所述聚类分组Ai中每个用户行为数据所对应的操作区域,得到所述聚类分组Ai对应的多个操作区域;基于所述聚类分组Ai中的用户行为数据统计用户在每个操作区域的操作频率和/或操作时长;基于所述操作频率和/或所述操作时长确定所述用户在所述目标应用的用户行为热区。
进一步地,获取用户对终端设备中目标应用的用户行为数据包括:从检测到用户开始操作所述目标应用的时刻开始,统计所述用户的行为数据直至所述用户结束对所述目标应用的操作,并将统计出得到的用户的行为数据作为一条用户行为数据。
第二方面,本发明实施例提供了一种用户行为热区分析装置,包括:获取单元,用于获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;聚类分析单元,用于对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备上对所述目标应用执行目标操作的操作时段和/或操作频率;确定单元,用于基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
第三方面,本发明实施例提供了一种电子设备,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计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的方法。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述第一方面中任一项所述的方法。
在本发明实施例中,首先,获取用户对终端设备中目标应用的用户行为数据,并对该用户行为数据进行聚类分析,得到多个聚类分组,最终,基于多个聚类分组确定用户在终端设备的用户行为热区。在本实施例中,能够精准的收集用户的用户行为数据、并对用户行为数据进行精准聚类分析,从而全面的理解用户行为习惯,并基于用户行为习惯,实时改变产品的交互策略、运营策略、迎合用户的行为习惯、改善产品的用户认知和口碑的用户行为热区分析方法,将显著地提升用户体验。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的一种电子设备的示意图;
图2是根据本发明实施例的一种用户行为热区分析方法的流程图;
图3是根据本发明实施例的一种用户行为热区分布图的示意图;
图4是根据本发明实施例的一种统计显示页面的示意图;
图5是根据本发明实施例的一种用户行为喜好热区的示意图;
图6是根据本发明实施例的一种用户行为喜好热区装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1:
首先,参照图1来描述用于实现本发明实施例的电子设备100,该电子设备可以用于运行本发明各实施例的用户行为热区分析方法。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及数据采集设备110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP,Digital Signal Processing)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、可编程逻辑阵列(PLA,Programmable Logic Array)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU,Central ProcessingUnit)、图形处理器(GPU,Graphics Processing Unit)、嵌入式神经网络处理器(NPU,Neural-network Processing Unit)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述数据采集设备110用于进行用户行为数据的采集,其中,数据采集设备所采集的数据经过所述用户行为热区分析方法进行处理之后得到终端设备的用户行为热区。
示例性地,用于实现根据本发明实施例的用户行为热区分析方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端。
实施例2:
根据本发明实施例,提供了一种用户行为热区分析方法的实施例,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系统中执行,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。
图2是根据本发明实施例的一种用户行为热区分析方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
在本实施例中,目标应用可以为终端设备中的出厂应用程序,例如,亮度调节的应用程序,音量调节的应用程序等;还可以为在终端设备中通过下载安装的其他应用程序,例如,安装浏览器应用程序,即时通信客户端等其他应用程序。
在本实施例中,用户操作行为数据中操作行为可以为点击、滑动、长按等任意一种操作行为。此时,用户操作行为数据可以包括:用户对目标应用执行点击操作时的数据,还可以为用户对目标应用执行滑动操作时的数据,还可以为用户对目标应用执行长按操作时的数据。
在本实施例中,用户操作习惯数据可以为用户左手对目标应用的操作数据,还可以为用户的右手对目标应用的操作数据等等。
在本实施例中,用户操作喜好数据可以为用户所经常浏览或者访问的文字、语音、每天花费在目标应用上的时间,浏览或者访问目标应用的时间段等等。
需要说明的是,在本实施例中,用户操作行为中的操作行为并不限定为点击,滑动和长按,还可以为其他任意一种终端操作行为,本实施例中不做具体限定。
进一步需要说明的是,在本实施例中,获取到的用户行为数据可以为固定时段内用户对终端设备中各个目标应用的用户行为数据。例如,2018-9-9,24:00到2018-9-10,24:00这段时间段内用户对终端设备中各个目标应用的用户行为数据。固定时段具体可以根据实际需要来进行设定。
步骤S204,对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备对所述目标应用执行目标操作的操作时段和/或操作频率;
在本实施例中,在获取到用户行为数据之后,就可以对用户行为数据进行聚类分析,得到多个聚类分析组。
例如,某个目标应用为新闻头条类客户端。在该客户端中包括体育新闻,社会新闻和娱乐新闻。那么聚类分组中数据可以表征:用户在该新闻头条的操作界面上点击某类体育新闻的点击时段和/或点击频率;还可以表征:用户在该新闻头条的操作界面上通过左手点击某类娱乐新闻的点击时段和/或点击频率。
步骤S206,基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
在本实施例中,通过步骤S204中得到的聚类分组,就能够统计出用户的行为热区。例如,用户在某个时段内访问某类体育新闻的频率较高;用户在另外一个时段访问娱乐新闻的频率较高等等。
在本实施例中,通过上述处理方式,能够精准的收集用户的用户行为数据、并对用户行为数据进行精准聚类分析,从而全面的理解用户行为习惯,并基于用户行为习惯,实时改变产品的交互策略、运营策略、迎合用户的行为习惯、改善产品的用户认知和口碑的用户行为热区分析方法,将显著地提升用户体验。
需要说明的是,在本实施例中,上述步骤S202至步骤S206所描述的方法可以应用在终端设备上,还可以应用在终端设备上安装的目标应用上。例如,可以预先在终端设备安装一个应用程序插件,进而,通过该应用程序插件来实现上述步骤。此时,该应用程序插件将采集用于执行各个目标应用时的用户行为数据。又例如,可以在终端设备中安装目标应用时,即安装该应用程序插件,此时,在运行该目标应用时,该应用程序插件仅采集该目标应用的用户行为数据。
下面将结合具体实施方式介绍上述方法。
首先,用户开启用户行为热区分析功能;例如,在终端设备中启动上述应用程序插件;或者,在目标应用中启动上述应用程序插件。启动之后,该应用程序插件加载需要收集的用户行为类型,例如,操作行为(点击、滑动等)、操作习惯(左手操作、右手操作等)、用户喜好(语音、文字、音量、屏幕亮度、每天花费在各类目标应用上的时间、访问或者浏览各个目标应用的时间段等)。
接下来,就可以启动用户行为数据的收集服务、并在后台无界面运行、开始收集用户行为数据,具体为:
从检测到用户开始操作所述目标应用的时刻开始,统计所述用户的行为数据直至所述用户结束对所述目标应用的操作,并将统计出得到的用户的行为数据作为一条用户行为数据。
在本实施例中,从检测到用户开始操作该目标应用的时刻开始,对用户当前操作行为进行持续跟踪,直到用户结束当前操作,并在结束之后,统计出得到用户的行为数据。之后,还需要收集当前操作的结束信息,如操作总时间、耗费总流量、耗费总电量等等。
在本实施例中,在统计得到上述数据之后,就可以对上述用户行为数据进行聚类分析,得到多个聚类分子。
在一个可选的实施方式中,步骤S204,对所述用户行为数据进行聚类分析,得到多个聚类分组包括如下步骤:
步骤S2041,在预设属性标签中确定所述用户行为数据的特征标签,其中,所述预设属性标签包括以下至少一种:用户操作行为标签、用户操作习惯标签、用户操作喜好标签;
步骤S2042,按照所述特征标签对所述用户行为数据进行聚类分析,得到所述多个聚类分组。
在本实施例中,首先,从用户操作行为标签、用户操作习惯标签、用户操作喜好标签中确定获取到的用户行为数据的特征标签,进而根据该特征标签来对用户行为数据进行聚类分析,得到所述多个聚类分组。
在本实施例中,在统计出各个用户行为数据的特征标签之后,就能够根据特征标签确定各个用户行为数据之间的相关性和相似性,进而根据该关联性和相似性对大量的用户行为数据进行聚类分析。通过该方式聚类分析之后得到的聚类分组,能够全面的理解用户行为习惯,从而得出更精准的用户行为热区。
可选地,如果每种所述预设属性标签包括多个子标签;所述在预设属性标签中确定所述用户行为数据的特征标签包括:
将所述用户行为数据输入至聚类分类模型中进行分类处理,以通过所述聚类分类模型从所述预设属性标签的多个子标签中确定所述用户行为数据的特征标签。
具体地,通过上述描述可知,操作行为可以包括点击、滑动等;操作习惯可以包括左手操作、右手操作等;用户喜好可以包括语音、文字、音量、屏幕亮度、每天花费在各类目标应用上的时间、访问或者浏览各个目标应用的时间段等。
在本实施例中,为操作行为中的每个具体行为设置一个对应的子标签;为操作习惯中每个具体的习惯设置一个对应的子标签;以及为用户喜好每个喜好设置一个对应的子标签。
基于此,在本实施例中,就可以将用户行为数据作为聚类分析模型的输入,进而输入至聚类分析模型中进行分类处理,以通过所述聚类分类模型从所述预设属性标签的多个子标签中确定所述用户行为数据的特征标签。
通过上述处理方式得到用户行为数据所对应的子标签,并基于该子标签确定出用户行为数据的特征标签之后,再基于该特征标签进行聚类分析的过程,能够进一步细化用户行为习惯,从而得出更精准的用户行为热区。
需要说明的是,在本实施例中,聚类分析模型所采用的可以为模糊聚类算法,例如,可以为系统聚类法和逐步聚类法中的任意一种。
在本实施例中,在通过聚类分析模型对用户行为数据进行分析之前,还需要对该聚类分析模型进行训练,过程描述如下:
首先,获取原始样本数据,其中,所述原始样本数据包括以下至少一种数据:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
然后,对所述原始样本数据进行标注,以得到每个原始样本数据所对应的特征标签;
之后,对标注之后的所述原始样本数据进行划分,得到训练样本集合、验证样本集合和测试样本集合;
最后,通过所述训练样本集合、所述验证样本集合和所述测试样本集合对所述聚类分类模型的神经网络进行训练。
具体地,通过训练样本集合对聚类分类模型的神经网络进行模型训练,在训练的过程中,利用验证样本集合对训练过程中的中间结果进行验证。若验证结果不满足要求,则实时调整聚类分类模型的神经网络的训练参数,并继续进行训练。当训练精度和验证精度都达到一定阈值时,停止训练过程,得到训练之后的聚类分类模型的神经网络。之后,还可以利用测试样本集对训练之后的聚类分类模型的神经网络进行测试,衡量该模型的性能和能力,若测试通过,则将该训练之后的聚类分类模型的神经网络作为聚类分析模型。
在本实施例中,在按照上述处理过程对用户行为数据进行聚类分析,得到多个聚类分组之后,就可以基于多个聚类分组确定用户在终端设备的用户行为热区。
在一个可选的实施方式中,步骤S206,基于所述多个聚类分组确定用户在所述终端设备的用户行为热区包括如下步骤:
步骤S2061,确定所述聚类分组Ai中每个用户行为数据所对应的操作区域,得到聚类分组Ai对应的多个操作区域;
步骤S2062,基于所述聚类分组Ai中的用户行为数据统计用户在每个操作区域的操作频率和/或操作时长;
步骤S2063,基于所述操作频率和/或所述操作时长确定所述用户在所述目标应用的用户行为热区。
具体地,在每个聚类分组中包括多个至少一个用户行为数据。用户行为数据可以为对同一个操作区域的用户行为数据,还可以为对不同操作区域的用户行为数据。
例如,假设该目标应用为新闻头条类应用,此时,聚类分组Ai中的用户行为数据可以为用户对该新闻头条类应用中体育类新闻的点击(或者滑动)操作。此时,就可以基于聚类分组Ai中的用户行为数据统计用户在每个操作区域的操作频率和/或操作时长。
在统计得到各个操作区域的操作频率和/或操作时长之后,就可以基于操作频率和/或操作时长确定用户行为热区。例如,用户在目标应用的某个操作区域的操作频率较大;或者,用户在目标应用的某个操作区域的操作时间较长;或者,用户在目标应用的某个操作区域的操作频率较大且操作时间较长,则确定出该操作区域的操作热度较高。相反地,则确定出该操作区域的操作热度较低。
在本实施例中,在得到用户行为热区之后,还可以生成用户行为热区分布图,如图3所示的即为一种户行为热区分布图的示意图。如图3所示,针对不同操作频率和/或不同操作时长的操作区域,通过不同的显示颜色来进行颜色。例如,通过红色、黄色和绿色来表示不同的操作频率或者不同的操作时长。除此之外,还可以通过其他的颜色来表示不同的操作频率或者不同的操作时长,例如,黑色和灰色等颜色,例如,如图3所示的颜色。
在本实施例中,还可以对如图3所示的用户行为热区分布图进行统计,并生成统计显示页面。例如,如图4所示,在图4中,统计出了点击率排名前15的操作区域所对应的操作内容。即,公开课被点击率最高,之后,依次为增长秘籍、热门文章等等。
在本实施例的一个可选实施方式中,该方法还包括如下步骤:
首先,从每组所述聚类分组中提取携带所述用户操作行为标签的用户行为数据;然后,基于提取到的携带所述用户操作行为标签的用户行为数据确定用户行为喜好热区。
通过上述内容的描述可知,用户行为数据中携带以下至少一种特征标签:用户操作行为标签、用户操作习惯标签、用户操作喜好标签。为了确定用户行为喜好热区,需要用户行为数据中至少携带用户操作行为标签。
基于此,在本实施例中,首先,从聚类分组中提取携带用户操作行为标签的用户行为数据,此时得到多组携带用户操作行为标签的用户行为数据。然后,利用多组携带用户操作行为标签的用户行为数据确定用户行为喜好热区,用户行为喜好热区的示意图如图5所示。
可选地,如果用户行为喜好热区包括多个子热区,那么在本实施例中,还可以确定与每个子热区相对应的被操作内容;并基于所述被操作内容调整所述目标应用的显示策略。
通过上述描述可知,在本实施例中,在得到多组携带用户操作喜好标签的用户行为数据之后,就可以利用多组携带用户操作喜好标签的用户行为数据确定用户行为喜好热区,其中,一组携带用户操作喜好标签的用户行为数据确定一个子热区。
在确定出多个子热区之后,就可以确定与每个子热区相对应的被操作内容。其中,如果子热区之间对应相同的被操作内容,则确定出一个被操作内容。例如,多个子热区同时对应体育类新闻中的某条新闻,此时,该某条新闻即为该多个子热区的被操作内容。
在得到每个子热区相对应的被操作内容之后,就可以基于被操作内容调整目标应用的内容推送策略和/内容显示策略。
通过上述处理过程,能够精准的收集用户的用户行为数据、并对用户行为数据进行精准聚类分析,从而全面的理解用户行为习惯,并基于用户行为习惯,实时改变产品的交互策略、运营策略、迎合用户的行为习惯、改善产品的用户认知和口碑的用户行为热区分析方法,将显著地提升用户体验。
可选地,基于所述被操作内容调整所述目标应用的显示策略包括如下步骤:
首先,将所述被操作内容推送至目标应用的服务器,以使所述服务器从数据库中筛选出与所述被操作内容相关联的数据;然后,将所述相关联的数据显示在目标应用的对应显示区域中。
例如,假设该目标应用为头条新闻类应用,被操作内容为头条新闻类应用中体育类新闻中的关于2018亚运会的某条新闻,那么可以该被操作内容推送至头条新闻类应用的服务器,以使该服务器从大量的数据中筛选出与2018亚运会相关联的数据。并将筛选出的与2018亚运会相关联的数据显示在目标应用的对应显示区域中。
又例如,假设该目标应用为头条新闻类应用,被操作内容为头条新闻类应用中体育类新闻中的关于2018亚运会中乒乓球的某条新闻,那么可以该被操作内容推送至头条新闻类应用的服务器,以使该服务器从大量的数据中筛选出与2018亚运会中乒乓球相关联的数据。并将筛选出的与2018亚运会中乒乓球相关联的数据显示在目标应用的对应显示区域中。
通过上述描述可知,在本实施例中,能够精准的收集用户行为数据,并对该用户行为数据进行精准的聚类分析,生成用户行为热区或者用户行为喜好热区,进而,通过用户行为热区或者用户行为喜好热区可以综合全面的理解用户行为习惯。进而基于用户行为习惯,实时改变产品的交互策略、运营策略、迎合用户的行为习惯、改善产品的用户认知和口碑。
实施例3:
本发明实施例还提供了一种用户行为热区分析装置,该用户行为喜好热区装置主要用于执行本发明实施例上述内容所提供的用户行为喜好热区方法,以下对本发明实施例提供的用户行为喜好热区装置做具体介绍。
图6是根据本发明实施例的一种用户行为喜好热区装置的示意图,如图6所示,该用户行为喜好热区装置主要包括获取单元10,聚类分析单元20和确定单元30,其中:
获取单元10,用于获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
聚类分析单元20,用于对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备上对所述目标应用执行目标操作的操作时段和/或操作频率;
确定单元30,用于基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
在本实施例中,能够精准的收集用户的用户行为数据、并对用户行为数据进行精准聚类分析,从而全面的理解用户行为习惯,并基于用户行为习惯,实时改变产品的交互策略、运营策略、迎合用户的行为习惯、改善产品的用户认知和口碑的用户行为热区分析方法,将显著地提升用户体验。
可选地,聚类分析单元20用于:在预设属性标签中确定所述用户行为数据的特征标签,其中,所述预设属性标签包括以下至少一种:用户操作行为标签、用户操作习惯标签、用户操作喜好标签;按照所述特征标签对所述用户行为数据进行聚类分析,得到所述多个聚类分组。
可选地,聚类分析单元20用于:在每种所述预设属性标签包括多个子标签的情况下,将所述用户行为数据输入至聚类分类模型中进行分类处理,以通过所述聚类分类模型从所述预设属性标签的多个子标签中确定所述用户行为数据的特征标签。
可选地,该装置还用于:获取原始样本数据,其中,所述原始样本数据包括以下至少一种数据:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;对所述原始样本数据进行标注,以得到每个原始样本数据所对应的特征标签;对标注之后的所述原始样本数据进行划分,得到训练样本集合、验证样本集合和测试样本集合;通过所述训练样本集合、所述验证样本集合和所述测试样本集合对所述聚类分类模型的神经网络进行训练。
可选地,该装置还用于:从每组所述聚类分组中提取携带所述用户操作行为标签的用户行为数据;基于提取到的携带所述用户操作行为标签的用户行为数据确定用户行为喜好热区。
可选地,该装置还用于:在用户行为喜好热区包括多个子热区的情况下,确定与每个子热区相对应的被操作内容;基于所述被操作内容调整所述目标应用的容推送策略和/或内容显示策略。
可选地,该装置还用于:将所述被操作内容推送至目标应用的服务器,以使所述服务器从数据库中筛选出与所述被操作内容相关联的数据;将所述相关联的数据显示在所述目标应用的对应显示区域中。
可选地,确定单元30用于:确定所述聚类分组Ai中每个用户行为数据所对应的操作区域,得到所述聚类分组Ai对应的多个操作区域;基于所述聚类分组Ai中的用户行为数据统计用户在每个操作区域的操作频率和/或操作时长;基于所述操作频率和/或所述操作时长确定所述用户在所述目标应用的用户行为热区。
可选地,获取单元10用于:从检测到用户开始操作所述目标应用的时刻开始,统计所述用户的行为数据直至所述用户结束对所述目标应用的操作,并将统计出得到的用户的行为数据作为一条用户行为数据。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述实施例二中任一项所述的方法。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种用户行为热区分析方法,其特征在于,包括:
获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备上对所述目标应用执行目标操作的操作时段和/或操作频率;
基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
2.根据权利要求1所述的方法,其特征在于,对所述用户行为数据进行聚类分析,得到多个聚类分组包括:
在预设属性标签中确定所述用户行为数据的特征标签,其中,所述预设属性标签包括以下至少一种:用户操作行为标签、用户操作习惯标签、用户操作喜好标签;
按照所述特征标签对所述用户行为数据进行聚类分析,得到所述多个聚类分组。
3.根据权利要求2所述的方法,其特征在于,每种所述预设属性标签包括多个子标签;所述在预设属性标签中确定所述用户行为数据的特征标签包括:
将所述用户行为数据输入至聚类分类模型中进行分类处理,以通过所述聚类分类模型从所述预设属性标签的多个子标签中确定所述用户行为数据的特征标签。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取原始样本数据,其中,所述原始样本数据包括以下至少一种数据:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
对所述原始样本数据进行标注,以得到每个原始样本数据所对应的特征标签;
对标注之后的所述原始样本数据进行划分,得到训练样本集合、验证样本集合和测试样本集合;
通过所述训练样本集合、所述验证样本集合和所述测试样本集合对所述聚类分类模型的神经网络进行训练。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
从每组所述聚类分组中提取携带所述用户操作行为标签的用户行为数据;
基于提取到的携带所述用户操作行为标签的用户行为数据确定用户行为喜好热区。
6.根据权利要求5所述的方法,其特征在于,所述用户行为喜好热区包括多个子热区,所述方法还包括:
确定与每个子热区相对应的被操作内容;
基于所述被操作内容调整所述目标应用的内容推送策略和/或内容显示策略。
7.根据权利要求6所述的方法,其特征在于,基于所述被操作内容调整所述目标应用的显示策略包括:
将所述被操作内容推送至目标应用的服务器,以使所述服务器从数据库中筛选出与所述被操作内容相关联的数据;
将所述相关联的数据显示在所述目标应用的对应显示区域中。
8.根据权利要求1至7中任一项所述的方法,其特征在于,基于所述多个聚类分组确定用户在所述终端设备的用户行为热区包括:
确定所述聚类分组Ai中每个用户行为数据所对应的操作区域,得到所述聚类分组Ai对应的多个操作区域;
基于所述聚类分组Ai中的用户行为数据统计用户在每个操作区域的操作频率和/或操作时长;
基于所述操作频率和/或所述操作时长确定所述用户在所述目标应用的用户行为热区。
9.根据权利要求1至7中任一项所述的方法,其特征在于,获取用户对终端设备中目标应用的用户行为数据包括:
从检测到用户开始操作所述目标应用的时刻开始,统计所述用户的行为数据直至所述用户结束对所述目标应用的操作,并将统计出得到的用户的行为数据作为一条用户行为数据。
10.一种用户行为热区分析装置,其特征在于,包括:
获取单元,用于获取用户对终端设备中目标应用的用户行为数据,所述用户行为数据包括以下至少一种:用户操作行为数据、用户操作习惯数据和用户操作喜好数据;
聚类分析单元,用于对所述用户行为数据进行聚类分析,得到多个聚类分组,其中,各个聚类分组中的数据至少用于表征用户在终端设备上对所述目标应用执行目标操作的操作时段和/或操作频率;
确定单元,用于基于所述多个聚类分组确定用户在所述终端设备的用户行为热区。
11.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至9中任一项所述的方法。
12.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811269631.8A CN109376065A (zh) | 2018-10-29 | 2018-10-29 | 一种用户行为热区分析方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811269631.8A CN109376065A (zh) | 2018-10-29 | 2018-10-29 | 一种用户行为热区分析方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376065A true CN109376065A (zh) | 2019-02-22 |
Family
ID=65390501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811269631.8A Pending CN109376065A (zh) | 2018-10-29 | 2018-10-29 | 一种用户行为热区分析方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376065A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111340104A (zh) * | 2020-02-24 | 2020-06-26 | 中移(杭州)信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
CN111861065A (zh) * | 2019-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种用户数据管理方法、装置、电子设备及存储介质 |
CN116431458A (zh) * | 2023-06-08 | 2023-07-14 | 深圳市华卓智能科技有限公司 | 一种平板电脑智能管理系统与方法 |
CN116541731A (zh) * | 2023-05-26 | 2023-08-04 | 北京百度网讯科技有限公司 | 网络行为数据的处理方法、装置和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708159A (zh) * | 2012-04-18 | 2012-10-03 | 杭州手趣科技有限公司 | 基于3g网络的个性化手机智能搜索系统 |
CN102810106A (zh) * | 2011-06-02 | 2012-12-05 | 杭州手趣科技有限公司 | 全网通址企业个性化搜索营销平台系统 |
US20140245236A1 (en) * | 2013-02-27 | 2014-08-28 | Casio Computer Co., Ltd. | Data Processing Apparatus Which Detects Gesture Operation |
CN105095251A (zh) * | 2014-05-06 | 2015-11-25 | 中兴通讯股份有限公司 | 一种基于用户习惯的终端自动展示方法及装置 |
CN105988870A (zh) * | 2014-12-31 | 2016-10-05 | Tcl集团股份有限公司 | 低触摸操作次数移动设备 |
-
2018
- 2018-10-29 CN CN201811269631.8A patent/CN109376065A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102810106A (zh) * | 2011-06-02 | 2012-12-05 | 杭州手趣科技有限公司 | 全网通址企业个性化搜索营销平台系统 |
CN102708159A (zh) * | 2012-04-18 | 2012-10-03 | 杭州手趣科技有限公司 | 基于3g网络的个性化手机智能搜索系统 |
US20140245236A1 (en) * | 2013-02-27 | 2014-08-28 | Casio Computer Co., Ltd. | Data Processing Apparatus Which Detects Gesture Operation |
CN105095251A (zh) * | 2014-05-06 | 2015-11-25 | 中兴通讯股份有限公司 | 一种基于用户习惯的终端自动展示方法及装置 |
CN105988870A (zh) * | 2014-12-31 | 2016-10-05 | Tcl集团股份有限公司 | 低触摸操作次数移动设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861065A (zh) * | 2019-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种用户数据管理方法、装置、电子设备及存储介质 |
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 |
CN111340104A (zh) * | 2020-02-24 | 2020-06-26 | 中移(杭州)信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
CN111340104B (zh) * | 2020-02-24 | 2023-10-31 | 中移(杭州)信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
CN116541731A (zh) * | 2023-05-26 | 2023-08-04 | 北京百度网讯科技有限公司 | 网络行为数据的处理方法、装置和设备 |
CN116431458A (zh) * | 2023-06-08 | 2023-07-14 | 深圳市华卓智能科技有限公司 | 一种平板电脑智能管理系统与方法 |
CN116431458B (zh) * | 2023-06-08 | 2024-05-31 | 深圳市聚人科技有限公司 | 一种平板电脑智能管理系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376065A (zh) | 一种用户行为热区分析方法、装置和电子设备 | |
CN110163050B (zh) | 一种视频处理方法及装置、终端设备、服务器及存储介质 | |
CN110321477A (zh) | 信息推荐方法、装置、终端及存储介质 | |
CN104298679B (zh) | 应用业务推荐方法及装置 | |
CN109543111A (zh) | 推荐信息筛选方法、装置、存储介质及服务器 | |
CN106856015B (zh) | 一种考勤方法及装置 | |
CN109165301A (zh) | 视频封面选择方法、装置和计算机可读存储介质 | |
CN107862022B (zh) | 文化资源推荐系统 | |
CN107894998B (zh) | 视频推荐方法及装置 | |
CN107273436A (zh) | 一种推荐模型的训练方法和训练装置 | |
CN108334536A (zh) | 一种信息推荐方法、设备和存储介质 | |
CN104573619A (zh) | 基于人脸识别的智能广告大数据分析方法及系统 | |
CN108681970A (zh) | 基于大数据的理财产品推送方法、系统及计算机存储介质 | |
US20190087884A1 (en) | Theme recommendation method and apparatus | |
CN109726327A (zh) | 一种信息推送方法和装置 | |
CN103810162B (zh) | 推荐网络信息的方法和系统 | |
CN109597858B (zh) | 一种商户的分类方法及其装置和商户的推荐方法及其装置 | |
CN102982059A (zh) | 信息处理装置、信息处理方法和程序 | |
CN110012060A (zh) | 移动终端的信息推送方法、装置、存储介质和服务器 | |
KR20210036184A (ko) | 사용자 취향정보 파악 방법 및 사용자 취향 정보에 기반한 아이템 추천 모듈 | |
CN110163703A (zh) | 一种分类模型建立方法、文案推送方法和服务器 | |
WO2021136060A1 (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN110113634A (zh) | 一种信息互动方法、装置、设备及存储介质 | |
CN109885746A (zh) | 页面动态布局方法、装置、设备及存储介质 | |
CN108763452A (zh) | 基于大数据的游戏应用推送方法、系统及计算机存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |