CN109409940A - 基于路径的浏览处理方法、装置、设备和存储介质 - Google Patents
基于路径的浏览处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109409940A CN109409940A CN201811179957.1A CN201811179957A CN109409940A CN 109409940 A CN109409940 A CN 109409940A CN 201811179957 A CN201811179957 A CN 201811179957A CN 109409940 A CN109409940 A CN 109409940A
- Authority
- CN
- China
- Prior art keywords
- browsing
- user
- path
- browse
- page
- 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
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Abstract
本申请提供一种基于路径的浏览处理方法、装置、设备和存储介质，其中该方法包括：获取归属于同一个用户群体类别的多个用户的浏览路径，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果。可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面。
Description
技术领域
本申请涉及终端技术，尤其涉及一种基于路径的浏览处理方法、装置、设备和存储介质。
背景技术
随着生活水平的提高，用户可以在网络上进行购物。用户在网络上进行购物的时候，都会浏览网络上的信息，进而完成网络购物。为了便于确定用户的购物喜好，可以对用户的网络购物行为进行分析。
现有技术中，可以获取到用户所浏览的网页的信息，然后对网页的信息进行统计分析，进而对用户的网络购物行为进行分析。
然而现有技术中，在对用户的网络购物行为进行分析的时候，只能获取多个用户针对一个浏览页面的浏览信息，去分析出该浏览页面是否受到用户的喜欢，或者，获取每一个用户的对多个浏览页面的浏览信息，去分析出每一个用户喜欢的信息；现有技术无法针对用户的整个浏览路径进行分析，只能针对用户的单一浏览动作进行分析，进而对用户的浏览动作分析并不全面。
发明内容
本申请提供一种基于路径的浏览处理方法、装置、设备和存储介质，用以解决无法针对用户的整个浏览路径进行分析的问题。
第一方面，本申请提供了一种基于路径的浏览处理方法，包括：
获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个所述浏览路径中包括至少一个路径单元，所述至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，所述至少一个节点中的每一个节点中包括浏览信息，所述至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；
根据所述多个用户的浏览路径，生成浏览分析结果。
进一步地，所述获取归属于同一个用户群体类别的多个用户的浏览路径，包括：
获取归属于同一个用户群体类别的多个用户的浏览历史信息；
根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径。
进一步地，所述获取归属于同一个用户群体类别的多个用户的浏览历史信息，包括：
获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
进一步地，所述用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；
其中，所述购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；所述购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；所述购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；所述无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
进一步地，所述购买本品用户群体的有效分析时间区间、所述购买竞品用户群体的有效分析时间区间、以及所述购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至所述第一预设提取时间区间的结束时间，其中，所述第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数；
所述无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至所述第二预设提取时间区间的结束时间，其中，所述第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
进一步地，所述根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径，包括：
根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中，其中，每一个所述浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个所述用户的浏览路径。
进一步地，在所述根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中之后，还包括：
判断每一个所述浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为；
若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个所述用户的处理后的浏览路径。
进一步地，所述浏览信息为广告的浏览信息或页面的浏览信息；
根据所述多个用户的浏览路径，生成浏览分析结果，包括：
根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
进一步地，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；
根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
进一步地，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，所述预设行为是购买行为或浏览结束行为；
确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；
根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
进一步地，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定所述浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种所述广告曝光组合中包括广告类别和用户浏览所述广告类别之前的浏览内容，每一种所述页面浏览组合中包括页面类别和用户浏览所述页面类别之前的浏览内容；
根据所述至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据所述至少一种页面浏览组合，确定频率最高的页面浏览组合。
进一步地，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；
根据每一个用户的所述相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，所述浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
进一步地，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，生成商品浏览比例分布信息，其中，所述商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，所述密度值表征了与所述商品浏览比例分数对应的用户数量在相应用户群体中的占比。
进一步地，在根据所述多个用户的浏览路径，生成浏览分析结果之后，还包括：
以图形界面的方式显示所述浏览分析结果。
第二方面，本申请提供了一种基于路径的浏览处理装置，包括：
获取单元，用于获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个所述浏览路径中包括至少一个路径单元，所述至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，所述至少一个节点中的每一个节点中包括浏览信息，所述至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；
生成单元，用于根据所述多个用户的浏览路径，生成浏览分析结果。
进一步地，所述获取单元，包括：
获取模块，用于获取归属于同一个用户群体类别的多个用户的浏览历史信息；
生成模块，用于根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径。
进一步地，所述获取模块，具体用于：
获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
进一步地，所述用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；
其中，所述购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；所述购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；所述购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；所述无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
进一步地，所述购买本品用户群体的有效分析时间区间、所述购买竞品用户群体的有效分析时间区间、以及所述购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至所述第一预设提取时间区间的结束时间，其中，所述第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数；
所述无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至所述第二预设提取时间区间的结束时间，其中，所述第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
进一步地，所述生成模块，具体用于：
根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中，其中，每一个所述浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个所述用户的浏览路径。
进一步地，所述获取单元，还包括：
判断模块，用于在所述生成模块根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中之后，判断每一个所述浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为；
合并模块，用于若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个所述用户的处理后的浏览路径。
进一步地，所述浏览信息为广告的浏览信息或页面的浏览信息；
所述生成单元，具体用于：
根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
进一步地，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；
根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
进一步地，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，所述预设行为是购买行为或浏览结束行为；
确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；
根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
进一步地，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定所述浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种所述广告曝光组合中包括广告类别和用户浏览所述广告类别之前的浏览内容，每一种所述页面浏览组合中包括页面类别和用户浏览所述页面类别之前的浏览内容；
根据所述至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据所述至少一种页面浏览组合，确定频率最高的页面浏览组合。
进一步地，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；
根据每一个用户的所述相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，所述浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
进一步地，所述生成单元，具体用于：
根据所述多个用户的浏览路径，生成商品浏览比例分布信息，其中，所述商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，所述密度值表征了与所述商品浏览比例分数对应的用户数量在相应用户群体中的占比。
进一步地，所述装置，还包括：
显示单元，用于在所述生成单元根据所述多个用户的浏览路径，生成浏览分析结果之后，以图形界面的方式显示所述浏览分析结果。
第三方面，本申请提供了一种基于路径的浏览处理设备，包括用于执行以上第一方面的任一方法各个步骤的单元或者手段(means)。
第四方面，本申请提供了一种基于路径的浏览处理设备，包括处理器、存储器以及计算机程序，其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现第一方面的任一方法。
第五方面，本申请提供了一种基于路径的浏览处理设备，包括用于执行以上第一方面的任一方法的至少一个处理元件或芯片。
第六方面，本申请提供了一种计算机程序，该计算程序在被处理器执行时用于执行以上第一方面的任一方法。
第七方面，本申请提供了一种计算机可读存储介质，其上存储有第六方面的计算机程序。
本申请提供的基于路径的浏览处理方法、装置、设备和存储介质，通过获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果。进而可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种基于路径的浏览处理方法的流程示意图；
图2为本申请实施例提供的另一种基于路径的浏览处理方法的流程示意图；
图3为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图一；
图4为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图二；
图5为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图三；
图6为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图四；
图7为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图五；
图8为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图六；
图9为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图七；
图10为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图八；
图11为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图九；
图12为本申请实施例提供的一种基于路径的浏览处理装置的结构示意图；
图13为本申请实施例提供的另一种基于路径的浏览处理装置的结构示意图；
图14为本申请实施例提供的一种基于路径的浏览处理设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请具体的应用场景为：随着生活水平的提高，用户可以在网络上进行购物。用户在网络上进行购物的时候，都会浏览网络上的信息，进而完成网络购物。为了便于确定用户的购物喜好，可以对用户的网络购物行为进行分析。现在，电子商务市场和互联网电子商务交易增长迅猛，为了帮助广告主以及品牌商更深入了解消费者行为、衡量营销效果、优化广告投放策略等，需要对用户的浏览信息进行挖掘和分析。
现有技术中，可以获取到用户所浏览的网页的信息，然后对网页的信息进行统计分析，进而对用户的网络购物行为进行分析。
然而现有技术中，在对用户的网络购物行为进行分析的时候，只能获取多个用户针对一个浏览页面的浏览信息，去分析出该浏览页面是否受到用户的喜欢，或者，获取每一个用户的对多个浏览页面的浏览信息，去分析出每一个用户喜欢的信息；现有技术无法针对用户的整个浏览路径进行分析，只能针对用户的单一浏览动作进行分析，进而对用户的浏览动作分析并不全面。并且现有技术中，获取的浏览信息容易受到数据噪音干扰，且部分数据与关注的结果相关性较低，无法呈现出广告主以及品牌商最关心的路径分析结果。
本申请提供的基于路径的浏览处理方法、装置、设备和存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的一种基于路径的浏览处理方法的流程示意图。如图1所示，该方法包括：
步骤101、获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤。
在本实施例中，具体的，本实施例的执行主体可以是终端、或者服务器、或者基于路径的浏览处理装置或设备、或者其他可以执行本实施例方法的装置或设备。本实施例以执行主体为基于路径的浏览处理装置进行说明。
将用户分为了多个用户群体类别，例如，用户群体类别为青年用户群体，用户群体类别为老年用户群体，用户群体类别为购买指定商品的用户群体，用户群体类别为购买其他商品的用户群体。
用户进行浏览的时候，将一个浏览步骤的浏览信息放到一个节点上；一个或多个节点构成一个路径单元，并且，路径单元中节点依据时间进行的排序；一个或多个路径单元构成一个浏览路径，其中，相邻的路径单元之间是具有一定的时间间隔。从而将每一个用户在预设时间内的浏览行为，划分为一个浏览路径中；并且根据浏览的发生时间，将浏览路径划分为了一个或多个路径单元，每一个路径单元中包括依据时间排序的一个节点或多个节点。
举例来说，用户A的浏览路径包括了路径单元a、路径单元b和路径单元c，路径单元a、路径单元b和路径单元c的发生时间由先到后；路径单元a包括了节点a1和节点a2，节点a1、节点a2的发生时间由先到后；路径单元b包括了节点b1和节点b2，节点b1、节点b2的发生时间由先到后；路径单元c包括了节点c1、节点c2和节点c3，节点c1、节点c2、节点c3的发生时间由先到后。以上的每一个节点表征了用户的一个浏览步骤。
步骤102、根据多个用户的浏览路径，生成浏览分析结果。
在本实施例中，具体的，对多个用户的浏览路径进行分析，即对每一个用户的浏览路径中的路径单元的节点进行分析，生成浏览分析结果。例如，浏览分析结果为用户在每一个节点上的浏览爱好，或者，浏览分析结果为用户的浏览次序。
本实施例，通过获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果。进而可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面。
图2为本申请实施例提供的另一种基于路径的浏览处理方法的流程示意图。如图2所示，该方法包括：
步骤201、获取归属于同一个用户群体类别的多个用户的浏览历史信息。
可选的，步骤201具体包括：获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
可选的，用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；其中，购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
可选的，购买本品用户群体的有效分析时间区间、购买竞品用户群体的有效分析时间区间、以及购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至第一预设提取时间区间的结束时间，其中，第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数。
无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至第二预设提取时间区间的结束时间，其中，第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
在本实施例中，具体的，本实施例的执行主体可以是终端、或者服务器、或者基于路径的浏览处理装置或设备、或者其他可以执行本实施例方法的装置或设备。本实施例以执行主体为基于路径的浏览处理装置进行说明。
为了便于对用户的网络购物行为进行分析，需要不同用户群进行路径分析，进而需要对用户进行群体的划分，其中，用户群体的划分可以按照不同购买行为、不同用户画像、不同品牌认知程度等进行划分。例如，可以以不同购买行为划分不同用户群体，按照是否具有本品、竞品购买行为分如下四种不同用户群体：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体。
其中，购买本品用户群体指的是在预设时间周期内，购买了指定类别下的指定品牌商品的用户所构成的群体；购买竞品用户群体指的是在预设时间周期内，购买了指定类别下的非指定品牌商品的用户所构成的群体；购买双品用户群体指的是在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户所构成的群体；无购买用户群体指的是在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户所构成的群体。进而可以针对不同用户群体分别对广告曝光、点击和页面的浏览路径进行分析。双品指得是本品和竞品。
针对每一个用户群体类别，获取同一个用户群体类别下的多个用户的浏览历史信息。具体来说，针对每一个用户群体类别，在提取每一个用户的浏览历史信息的时候，需要获取有效分析时间区间内的浏览历史信息。其中，有效分析时间区间为根据预设的提取时间区间进行调整之后得到的。
具体的，可以设定初始时间和截止时间来确定出提取时间区间，并根据每个用户在提取时间区间内具有何种下单购买行为，来判断该用户属于的用户群体。但是在获取提取时间区间内的浏览历史信息的时候，需要对提取时间区间进行调整，得到有效分析时间区间，然后在有效分析区间内来提取含有最有效信息的广告曝光和页面浏览数据等等，进而可以减少数据失衡对浏览分析结果产生的影响。其中，针对于购买本品用户群体、购买竞品用户群体、购买双品用户群体，为这三种用户群体设置了由用户发生首次购买行为的当天至最后一次购买行为的当天所构成的第一预设提取时间区间；这三种用户群体的有效分析时间区间，都可以是第一预设提取时间区间中的开始时间之前的N天至第一预设提取时间区间的结束时间；例如，有效分析时间区间为用户发生首次购买行为的当天的前2天至最后一次购买行为的当天。针对于无购买用户群体，设置了由用户发生首次浏览行为的当天至最后一次浏览行为的当天所构成的第二预设提取时间区间；无购买用户群体的有效分析时间区间是第二预设提取时间区间中的开始时间之前的M天至第二预设提取时间区间的结束时间；例如，有效分析时间区间为用户发生首次浏览行为的当天的前2天至最后一次浏览行为的当天，即有效分析时间区间为发生首次广告曝光的当天的前2天至最后一次广告曝光的当天。
举例来说，确定了提取时间区间5/1/2018到5/7/2018，归属于购买本品用户群体户用户A和用户B的购买发生时间差别很大，其中，用户A的购买行为发生在提取时间区间第一天5/1/2018，而用户B的购买行为发生在提取时间区间的最后一天5/7/2018，如果只在提取时间区间内针对用户A和用户B来提取浏览历史信息，则对于用户A，提取到的基本都是用户A发生购买行为后的浏览历史信息，而对于用户B，提取到的基本都是用户B发生购买行为前的浏览历史信息，进而造成二者的信息提取不对称，无法有效体现出有效的信息。从而可以引入一个追溯期，对提取时间区间进行调整，得到有效分析时间区间，其中，追溯期为一个天数，有效分析时间区间为提取时间区间的第一天之前的追溯期至提取时间区间的最后一天，以在有效分析时间区间内提取浏览历史信息，而在有效分析时间区间外的浏览历史信息则舍弃不用。其中，可以针对不同的商品品类选取不同的追溯期，例如，快消品的调研周期较短，则选取较短的追溯期，而3C品类的商品调研周期相对较长，则可以选取更长的追溯期。还可以针对不同的用户群体选取不同的追溯期。
步骤202、根据每一个用户的浏览历史信息，生成每一个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤。
可选的，步骤202具体包括以下步骤：
步骤2021、根据每一个用户的浏览历史信息的浏览时间，将每一个用户的浏览历史信息分到至少一个路径单元中，其中，每一个浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个用户的浏览路径。
步骤2022、判断每一个浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为。
步骤2023、若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个用户的处理后的浏览路径。
在本实施例中，具体的，根据用每一个用户在有效分析时间区间内的浏览历史信息，确定出用户的浏览步骤，将一个浏览步骤的浏览信息放到一个节点上；一个或多个节点构成一个路径单元，并且，路径单元中节点依据时间进行的排序；一个或多个路径单元构成一个浏览路径，其中，相邻的路径单元之间是具有14的行为时间间隔，并且行为间隔时间大于预设切分时间，从而前后两个浏览步骤的行为间隔时间超过预设切分时间，则将在前后两个浏览步骤之间进行分割，以得到前后两个路径单元。从而将每一个用户在预设时间内的浏览行为，划分为一个浏览路径中；并且根据浏览的发生时间，将浏览路径划分为了一个或多个路径单元，每一个路径单元中包括依据时间排序的一个节点或多个节点。
然后，对路径中的数据进行压缩整合，具体的，针对每一个路径单元，确定路径单元的相邻节点中是否具有相同类别的浏览行为，若确定具有，则具有相同类别的浏览行为的相邻节点合并为一个节点。从而在用户在同一个路径单元中反复进行同一种浏览行为的时候，将多次连续的同种浏览行为压缩为浏览路径中的一个浏览步骤，即将多次连续的同种浏览行为压缩为浏览路径中的一个节点，以提供更精炼紧凑的浏览路径。
从而，由于用户的浏览历史信息中广告曝光和页面浏览数据繁冗复杂，通过以上路径切割和压缩整合来缩减分析时的数据干扰噪音，提供出最为相关的有效的浏览路径，提供出用户行为集中连贯的浏览历史信息。
步骤203、浏览信息为广告的浏览信息或页面的浏览信息；根据多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
可选的，步骤203包括以下几种实施方式：
步骤203的第一种实施方式：根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
步骤203的第二种实施方式：根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，预设行为是购买行为或浏览结束行为；确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
步骤203的第三种实施方式：根据多个用户的浏览路径，确定浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种广告曝光组合中包括广告类别和用户浏览广告类别之前的浏览内容，每一种页面浏览组合中包括页面类别和用户浏览页面类别之前的浏览内容。根据至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据至少一种页面浏览组合，确定频率最高的页面浏览组合。
步骤203的第四种实施方式：根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；根据每一个用户的相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
步骤203的第五种实施方式：根据多个用户的浏览路径，生成商品浏览比例分布信息，其中，商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，密度值表征了与商品浏览比例分数对应的用户数量在相应用户群体中的占比。
在本实施例中，具体的，浏览信息为广告的浏览信息或页面的浏览信息。可以对用户浏览的广告进行分类，还可以对用户浏览的页面进行分类。
具体的，为了提供粒度更细致的广告的浏览路径分析结果，可以将广告进行更精细分类，例如可以将广告分为首焦广告、搜索广告、商详页推荐广告、购物车推荐广告等广告类别。对于以上每种广告类别的广告，进一步按照广告的来源分为本品广告、竞品广告和双品广告，并从中筛选跟商家关注的品类相关的广告。
为了帮助商家更加直观地理解用户浏览习惯，可以页面划分为活动页、商详页、首页、订单页等页面分类。对于以上每种页面类别的广告，进一步按照品牌将页面分为本品页面和竞品页面，从而提供更全面的比较分析。在确定页面的浏览路径时，筛选与结果/商家关系最为紧密的相关页面，而其他相关性低的页面过滤掉。
在浏览信息为广告的浏览信息的时候，可以根据多个用户的浏览路径，生成针对于广告的浏览分析结果。在浏览信息为页面的浏览信息的时候，可以根据多个用户的浏览路径，生成针对于页面的浏览分析结果。
在步骤203的第一种实施方式中，针对于每一个用户的每一个浏览路径，确定出浏览路径中的每一个路径单元中的前P个节点，由于每一个节点是一个浏览步骤，进而可以确定出浏览路径中的每一个路径单元中的前P个浏览步骤的浏览信息；然后，根据多个用户的浏览路径中的各路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果；若生成的是针对于广告的前P个浏览步骤的浏览分析结果，则每一个浏览步骤的浏览分析结果中包括了在该浏览步骤中用户浏览的广告的种类、用户浏览的广告的来源、归属于每一种广告的路径单元的个数；若生成的是针对于页面的前P个浏览步骤的浏览分析结果，则每一个浏览步骤的浏览分析结果中包括了在该浏览步骤中用户浏览的页面的种类、用户浏览的页面的来源、归属于每一种页面的路径单元的个数。
举例来说，图3为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图一，如图3所示，可以通过桑基图刻画出不同用户群体的前P个浏览步骤的浏览分析结果，展示出用户在路径单元前P步中浏览过不同类型的广告的路径。根据多个用户的浏览路径，每一个浏览路径中包括一个或多个路径单元，进而得到多个路径单元，每一个路径单元中包括多个节点；确定出多个路径单元中每一个路径单元的前P个节点，由于每一个节点对应了一个浏览步骤，进而可以确定出前P个浏览步骤中的每一个浏览步骤中包括了用户浏览的广告的种类、用户浏览的广告的来源、归属于当前浏览步骤中的每一种广告的路径单元的个数。如图3所示，针对购买本品用户群体，第一个浏览步骤中包括了4种广告种类，分别为广告种类1、广告种类2、广告种类3、广告种类4，广告种类1下具有与广告种类1对应的广告的广告来源1，广告种类1下具有2个路径单元，分别为路径单元1和路径单元2，广告种类2下具有与广告种类2对应的广告的广告来源2，广告种类2下具有2个路径单元，分别为路径单元3和路径单元4，广告种类3下具有与广告种类3对应的广告的广告来源3，广告种类3下具有2个路径单元，分别为路径单元5和路径单元6，广告种类4下具有与广告种类4对应的广告的广告来源4，广告种类4下具有2个路径单元，分别为路径单元7和路径单元8；第二个浏览步骤中包括了4种广告种类，分别为广告种类5、广告种类6、广告种类7、广告种类8，广告种类5下具有与广告种类5对应的广告的广告来源5，广告种类5下具有2个路径单元，分别为路径单元9和路径单元10，广告种类6下具有与广告种类6对应的广告的广告来源6，广告种类6下具有1个路径单元11，广告种类7下具有与广告种类7对应的广告的广告来源7，广告种类7下具有1个路径单元12，广告种类8下具有与广告种类8对应的广告的广告来源8，广告种类8下具有1个路径单元13；第三个浏览步骤中包括了2种广告种类，分别为广告种类9、广告种类10，广告种类9下具有与广告种类9对应的广告的广告来源9，广告种类9下具有2个路径单元，分别为路径单元1和路径单元2，广告种类10下具有与广告种类10对应的广告的广告来源10，广告种类10下具有2个路径单元，分别为路径单元3和路径单元4；以此类推，第P个浏览步骤中包括了2种广告种类，分别为广告种类1、广告种类2，广告种类1下具有与广告种类1对应的广告的广告来源1，广告种类1下具有1个路径单元14，广告种类2下具有与广告种类2对应的广告的广告来源2，广告种类2下具有1个路径单元15。由于一个路径单元中包括了多个节点，即包括了多个浏览步骤，从而每一个浏览步骤下的路径单元有可能有重复的。其中，可以采用箭头指示出每一个用户在在浏览步骤下的路径，例如，用户1在第一个浏览步骤中观看广告种类1，在第二个浏览步骤中观看广告种类6，第三个浏览步骤中观看广告种类9。
举例来说，图4为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图二，如图4所示，通过桑基图刻画出不同用户群体的前P个浏览步骤的浏览分析结果，展示出用户进入到浏览网站之后的前P步中页面的转移流动情况。根据多个用户的浏览路径，每一个浏览路径中包括一个或多个路径单元，进而得到多个路径单元，每一个路径单元中包括多个节点；确定出多个路径单元中每一个路径单元的前P个节点，由于每一个节点对应了一个浏览步骤，进而可以确定出前P个浏览步骤中的每一个浏览步骤中包括了用户浏览的页面的种类、用户浏览的页面的来源、归属于当前浏览步骤中的每一种页面的路径单元的个数。如图4所示，针对购买本品用户群体，第一个浏览步骤中包括了4种页面种类，分别为页面种类1、页面种类2、页面种类3、页面种类4，页面种类1下具有与页面种类1对应的页面的页面来源1，页面种类1下具有2个路径单元，分别为路径单元1和路径单元2，页面种类2下具有与页面种类2对应的页面的页面来源2，页面种类2下具有2个路径单元，分别为路径单元3和路径单元4，页面种类3下具有与页面种类3对应的页面的页面来源3，页面种类3下具有2个路径单元，分别为路径单元5和路径单元6，页面种类4下具有与页面种类4对应的页面的页面来源4，页面种类4下具有2个路径单元，分别为路径单元7和路径单元8；第二个浏览步骤中包括了4种页面种类，分别为页面种类5、页面种类6、页面种类7、页面种类8，页面种类5下具有与页面种类5对应的页面的页面来源5，页面种类5下具有2个路径单元，分别为路径单元9和路径单元10，页面种类6下具有与页面种类6对应的页面的页面来源6，页面种类6下具有1个路径单元11，页面种类7下具有与页面种类7对应的页面的页面来源7，页面种类7下具有1个路径单元12，页面种类8下具有与页面种类8对应的页面的页面来源8，页面种类8下具有1个路径单元13；第三个浏览步骤中包括了2种页面种类，分别为页面种类9、页面种类10，页面种类9下具有与页面种类9对应的页面的页面来源9，页面种类9下具有2个路径单元，分别为路径单元1和路径单元2，页面种类10下具有与页面种类10对应的页面的页面来源10，页面种类10下具有2个路径单元，分别为路径单元3和路径单元4；以此类推，第P个浏览步骤中包括了2种页面种类，分别为页面种类1、页面种类2，页面种类1下具有与页面种类1对应的页面的页面来源1，页面种类1下具有1个路径单元14，页面种类2下具有与页面种类2对应的页面的页面来源2，页面种类2下具有1个路径单元15。由于一个路径单元中包括了多个节点，即包括了多个浏览步骤，从而每一个浏览步骤下的路径单元有可能有重复的。其中，可以采用箭头指示出每一个用户在在浏览步骤下的路径，例如，用户1在第一个浏览步骤中观看页面种类1，在第二个浏览步骤中观看页面种类6，第三个浏览步骤中观看页面种类9。
在步骤203的第二种实施方式中，针对于每一个用户的每一个浏览路径，确定出浏览路径中的每一个路径单元中的发生预设行为，例如，针对发生了购买行为的用户，确定出的是发生购买行为的节点，针对没有发生购买行为的用户，确定出的是浏览结束行为的节点；然后，每一个路径单元中的发生预设行为之前的前Q个节点，由于每一个节点是一个浏览步骤，进而可以确定出浏览路径中的每一个路径单元中的发生预设行为之前的前Q个浏览步骤的浏览信息；然后，根据多个用户的浏览路径中的各路径单元中的上述前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果；若生成的是针对于广告的前Q个浏览步骤的浏览分析结果，则每一个浏览步骤的浏览分析结果中包括了在该浏览步骤中用户浏览的广告的种类、用户浏览的广告的来源、归属于每一种广告的路径单元的个数；若生成的是针对于页面的前Q个浏览步骤的浏览分析结果，则每一个浏览步骤的浏览分析结果中包括了在该浏览步骤中用户浏览的页面的种类、用户浏览的页面的来源、归属于每一种页面的路径单元的个数。
举例来说，图5为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图三，如图5所示，通过多层饼图刻画出不同用户群体的发生预设行为之前的前Q个浏览步骤的浏览分析结果；针对于发生了购买行为的用户，刻画的是发生购买行为之前的前Q步中浏览过不同类型的广告的路径；针对于没有发生购买行为的用户，刻画的是发生浏览结束行为之前的前Q步中浏览过不同类型的广告的路径。例如，在图5中，针对购买本品用户群体，根据多个用户的浏览路径，每一个浏览路径中包括一个或多个路径单元，进而得到多个路径单元，每一个路径单元中包括多个节点；确定出每一个路径单元中的发生了购买行为节点，然后可以确定出每一个路径单元的发生了购买行为之前的前Q个节点，由于每一个节点对应了一个浏览步骤，进而可以确定出发生了购买行为之前的前Q个浏览步骤中的每一个浏览步骤中包括了用户浏览的广告的种类、用户浏览的广告的来源、归属于当前浏览步骤中的每一种广告的路径单元的个数。如图5所示，发生了购买之前的4个浏览步骤中，在图5中，中心点为发生了购买行为的浏览步骤，从中心点向外依次为发生购买行为之前的第一个浏览步骤、第二个浏览步骤、第三个浏览步骤、第四个浏览步骤，每一个浏览步骤为一个圆环，每一个圆环被切分为了多份，每一个圆环的每一个份包括了在该圆环对应的浏览步骤中的广告种类、在该圆环对应的浏览步骤中的广告种类所对应的广告的广告来源、归属于当广告种类的路径单元的个数；例如，中心点为发生了购买行为的浏览步骤，该浏览步骤中包括广告种类11，广告种类11下具有与广告种类11对应的广告的广告来源11，广告种类11下具有1个路径单元11；第二个浏览步骤的圆环中包括了5种广告种类，分别为广告种类1、广告种类2、广告种类3、广告种类4、广告种类5，广告种类1下具有与广告种类1对应的广告的广告来源1，广告种类1下具有2个路径单元，分别为路径单元1和路径单元2，广告种类2下具有与广告种类2对应的广告的广告来源2，广告种类2下具有2个路径单元，分别为路径单元3和路径单元4，广告种类3下具有与广告种类3对应的广告的广告来源3，广告种类3下具有2个路径单元，分别为路径单元5和路径单元6，广告种类4下具有与广告种类4对应的广告的广告来源4，广告种类4下具有2个路径单元，分别为路径单元7和路径单元8，广告种类5下具有与广告种类5对应的广告的广告来源5，广告种类5下具有2个路径单元，分别为路径单元9。对于没有发生购买行为的用户群体，中心点为发生了购买行为的浏览步骤，
举例来说，图6为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图四，如图6所示，通过多层饼图刻画出不同用户群体的发生预设行为之前的前Q个浏览步骤的浏览分析结果；针对于发生了购买行为的用户，刻画的是发生购买行为之前的前Q步中浏览过不同类型的页面的路径；针对于没有发生购买行为的用户，刻画的是发生浏览结束行为之前的前Q步中浏览过不同类型的页面的路径。例如，在图6中，针对购买本品用户群体，根据多个用户的浏览路径，每一个浏览路径中包括一个或多个路径单元，进而得到多个路径单元，每一个路径单元中包括多个节点；确定出每一个路径单元中的发生了购买行为节点，然后可以确定出每一个路径单元的发生了购买行为之前的前Q个节点，由于每一个节点对应了一个浏览步骤，进而可以确定出发生了购买行为之前的前Q个浏览步骤中的每一个浏览步骤中包括了用户浏览的页面的种类、用户浏览的页面的来源、归属于当前浏览步骤中的每一种页面的路径单元的个数。如图6所示，发生了购买之前的4个浏览步骤中，在图6中，中心点为发生了购买行为的浏览步骤，从中心点向外依次为发生购买行为之前的第一个浏览步骤、第二个浏览步骤、第三个浏览步骤、第四个浏览步骤，每一个浏览步骤为一个圆环，每一个圆环被切分为了多份，每一个圆环的每一个份包括了在该圆环对应的浏览步骤中的页面种类、在该圆环对应的浏览步骤中的页面种类所对应的页面的页面来源、归属于当页面种类的路径单元的个数；例如，中心点为发生了购买行为的浏览步骤，该浏览步骤中包括页面种类11，页面种类11下具有与页面种类11对应的页面的页面来源11，页面种类11下具有1个路径单元11；第二个浏览步骤的圆环中包括了4种页面种类，分别为页面种类1、页面种类2、页面种类3、页面种类4，页面种类1下具有与页面种类1对应的页面的页面来源1，页面种类1下具有2个路径单元，分别为路径单元1和路径单元2，页面种类2下具有与页面种类2对应的页面的页面来源2，页面种类2下具有2个路径单元，分别为路径单元3和路径单元4，页面种类3下具有与页面种类3对应的页面的页面来源3，页面种类3下具有2个路径单元，分别为路径单元5和路径单元6，页面种类4下具有与页面种类4对应的页面的页面来源4，页面种类4下具有2个路径单元，分别为路径单元7和路径单元8。
在步骤203的第三种实施方式中，针对于每一个用户的每一个浏览路径，确定出浏览路径中的每一个路径单元中的每一个节点中包括了广告的或页面；然后对所有的路径单元中的各节点包括的广告或页面进行统计分析。针对广告来说，可以确定出与用户浏览的广告对应的广告类别，用户在浏览该广告之前的浏览内容，进而确定出一个广告曝光组合，广告曝光组合表征出了用户的浏览过程，广告曝光组合包括了用户浏览的广告类别、用户浏览的该广告类别之前的浏览内容；重复这个过程，可以得到多个广告曝光组合，然后确定出具有多少种广告曝光组合；针对每一种广告曝光组合，统计出每一种广告曝光组合的频率；然后，根据广告曝光组合的频率的降序，对多种广告曝光组合进行排序，就可以确定出频率最高的广告曝光组合。针对页面来说，可以确定出与用户浏览的页面对应的页面类别，用户在浏览该页面之前的浏览内容，进而确定出一个页面浏览组合，页面浏览组合表征出了用户的浏览过程，页面浏览组合包括了用户浏览的页面类别、用户浏览的该页面类别之前的浏览内容；重复这个过程，可以得到多个页面浏览组合，然后确定出具有多少种页面浏览组合；针对每一种页面浏览组合，统计出每一种页面浏览组合的频率；然后，根据页面浏览组合的频率的降序，对多种页面浏览组合进行排序，就可以确定出频率最高的页面浏览组合。
举例来说，图7为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图五，如图7所示，可以通过柱状图展示出不同用户群体的频率最高的广告曝光组合。例如，针对购买本品用户群体，将该用户群体下的有购买行为的路径单元划分为一组，将该用户群体下的无购买行为的路径单元划分为一组；在图7中，针对于有购买行为的路径单元，可以得到多个广告曝光组合，每一个广告曝光组合包括了用户浏览的广告类别、用户浏览的该广告类别之前的浏览内容；从而可以根据广告曝光组合里的内容，将多个广告曝光组合划分为R种广告曝光组合，并统计出每一种广告曝光组合的频率；然后，根据广告曝光组合的频率的降序，对多种广告曝光组合进行排序，就可以确定出频率最高的广告曝光组合。例如，针对于有购买行为的路径单元，根据频率的降序，依次得到广告曝光组合1的频率A、广告曝光组合2的频率B、广告曝光组合3的频率C、广告曝光组合4的频率D、广告曝光组合5的频率E；广告曝光组合1中包括了用户的浏览过程：账户—首页推送—商品详情—购物车；广告曝光组合2中包括了用户的浏览过程：账户—首页推送—购物车；广告曝光组合3中包括了用户的浏览过程：账户—商品详情—购物车；广告曝光组合4中包括了用户的浏览过程：账户—购物车；广告曝光组合5中包括了用户的浏览过程：商品详情—购物车。对于无购买用户群体来说，可以只针对无购买用户群体下的无购买行为的路径单元进行上述分析。
举例来说，图8为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图六，如图8所示，可以通过柱状图展示出不同用户群体的频率最高的页面浏览组合。例如，针对购买本品用户群体，将该用户群体下的有购买行为的路径单元划分为一组，将该用户群体下的无购买行为的路径单元划分为一组；在图8中，针对于有购买行为的路径单元，可以得到多个页面浏览组合，每一个页面浏览组合包括了用户浏览的页面类别、用户浏览的该页面类别之前的浏览内容；从而可以根据页面浏览组合里的内容，将多个页面浏览组合划分为R种页面浏览组合，并统计出每一种页面浏览组合的频率；然后，根据页面浏览组合的频率的降序，对多种页面浏览组合进行排序，就可以确定出频率最高的页面浏览组合。例如，针对于有购买行为的路径单元，根据频率的降序，依次得到页面浏览组合1的频率A、页面浏览组合2的频率B、页面浏览组合3的频率C、页面浏览组合4的频率D、页面浏览组合5的频率E；页面浏览组合1中包括了用户的浏览过程：账户—首页推送—商品详情—本品；页面浏览组合2中包括了用户的浏览过程：账户—首页推送—本品；页面浏览组合3中包括了用户的浏览过程：账户—商品详情—本品；页面浏览组合4中包括了用户的浏览过程：账户—本品；页面浏览组合5中包括了用户的浏览过程：商品详情—本品。对于无购买用户群体来说，可以只针对无购买用户群体下的无购买行为的路径单元进行上述分析。
在步骤203的第四种实施方式中，针对于每一个用户的每一个浏览路径，确定出浏览路径中的每一个路径单元中的每一个节点中的广告或页面的浏览类别；由于每一个节点是一个浏览步骤，相邻的两个节点为相邻的两个浏览步骤，进而可以确定出相邻两个节点中前一个节点的广告或页面浏览类别、后一个节点的广告或页面浏览类别；然后，对相邻两个节点各自对应的浏览类别进行分析，进而确定出前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
举例来说，图9为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图七，如图9所示，确定出用户浏览A广告或页面时，有多大的比例值的路径单元表征了用户在下一步浏览B广告或页面。图10为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图八，如图10所示，也可以采用二维坐标图展示出上述比例值，横坐标为当前节点的页面或广告的种类，纵坐标为下一个节点的页面或广告的种类，例如，用户在当前节点浏览本品广告或页面，而在下一个节点浏览本品广告或页面的路径单元的比例值为0.14；用户在当前节点浏览竞品广告，而在下一个节点浏览本品广告的路径单元的比例值为0.09；用户在当前节点浏览双品广告，而在下一个节点浏览本品广告的路径单元的比例值为0.28，其中，双品指得是本品和竞品；用户在当前节点浏览本品广告，而在下一个节点浏览竞品广告的路径单元的比例值为0.56；用户在当前节点浏览竞品广告，而在下一个节点浏览竞品广告的路径单元的比例值为0.58；用户在当前节点浏览双品广告，而在下一个节点浏览竞品广告的路径单元的比例值为0.36；用户在当前节点浏览本品广告，而在下一个节点浏览双品广告的路径单元的比例值为0.30；用户在当前节点浏览竞品广告，而在下一个节点浏览双品广告的路径单元的比例值为0.33；用户在当前节点浏览双品广告，而在下一个节点浏览双品广告的路径单元的比例值为0.35。
在步骤203的第五种实施方式中，针对于每一个用户的每一个浏览路径，确定出浏览路径中的每一个节点，由于每一个节点是一个浏览步骤，进而可以确定出浏览路径中的每一个浏览步骤的浏览信息；然后根据所有的浏览信息，采用概率密度函数(ProbabilityDensity Function，简称PDF)，计算出每个商品浏览比例分数和对应的密度函数值，进而生成商品浏览比例分布信息，其中，商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，密度值表征了与商品浏览比例分数对应的用户数量在相应用户群体中的占比，可知密度值与占比之间为正比关系。进而通过密度分布曲线，展示出不同用户群体对本品或竞品或双品的兴趣程度。
举例来说，图11为本申请实施例提供的另一种基于路径的浏览处理方法中的浏览分析结果的示意图九，如图11所示，横坐标为商品浏览比例分数，纵坐标为密度值，可以展示出购买本品用户群体、购买竞品用户群体、无购买用户群体各自的商品浏览比例分布信息的曲线。例如，对于购买本品用户群体，某一个商品浏览比例分数为A，则商品浏览比例分数为A对应的用户数量为B，购买本品用户群体的用户总量为C，则商品浏览比例分数为A对应的密度值为B/C。
步骤204、以图形界面的方式显示浏览分析结果。
在本实施例中，具体的，可以将步骤203的广告或页面的浏览分析结果，以上述桑基图、饼状图或曲线图的方式进行图形界面的展示。
本实施例，通过获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果；以图形界面的方式显示浏览分析结果。进而可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面，并通过图形界面的方式显示浏览分析结果，使得商家可以直接的观看浏览分析结果。并且通过路径切分，将浏览路径切分为多个路径单元，可以过滤掉相关性低的噪音数据；通过设置追溯期的方式确定分析时间区间，以避免浏览信息不对称的问题，并通过灵活的设置追溯期的长短，供商家按照自身的产品品类的调研期长短的需求，提取出与用户的购买关系更紧密和更完整的路径。
图12为本申请实施例提供的一种基于路径的浏览处理装置的结构示意图，如图12所示，本实施例的装置可以包括：
获取单元31，用于获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤。
生成单元32，用于根据多个用户的浏览路径，生成浏览分析结果。
本实施例的基于路径的浏览处理装置可执行本申请实施例提供的一种基于路径的浏览处理方法，其实现原理和技术效果相类似，此处不再赘述。
本实施例，通过获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果。进而可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面。
图13为本申请实施例提供的另一种基于路径的浏览处理装置的结构示意图，在图12所示实施例的基础上，如图13所示，本实施例的装置中，获取单元31，包括：
获取模块311，用于获取归属于同一个用户群体类别的多个用户的浏览历史信息。
生成模块312，用于根据每一个用户的浏览历史信息，生成每一个用户的浏览路径。
获取模块311，具体用于：获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；其中，购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
购买本品用户群体的有效分析时间区间、购买竞品用户群体的有效分析时间区间、以及购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至第一预设提取时间区间的结束时间，其中，第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数；无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至第二预设提取时间区间的结束时间，其中，第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
生成模块312，具体用于：根据每一个用户的浏览历史信息的浏览时间，将每一个用户的浏览历史信息分到至少一个路径单元中，其中，每一个浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个用户的浏览路径。
获取单元31，还包括：
判断模块313，用于在生成模块312根据每一个用户的浏览历史信息的浏览时间，将每一个用户的浏览历史信息分到至少一个路径单元中之后，判断每一个浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为；
合并模块314，用于若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个用户的处理后的浏览路径。
浏览信息为广告的浏览信息或页面的浏览信息；生成单元32，具体用于：根据多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
生成单元32，具体用于：
根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
或者，生成单元32，具体用于：
根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，预设行为是购买行为或浏览结束行为；确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
或者，生成单元32，具体用于：
根据多个用户的浏览路径，确定浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种广告曝光组合中包括广告类别和用户浏览广告类别之前的浏览内容，每一种页面浏览组合中包括页面类别和用户浏览页面类别之前的浏览内容。根据至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据至少一种页面浏览组合，确定频率最高的页面浏览组合。
或者，生成单元32，具体用于：
根据多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；根据每一个用户的相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
或者，生成单元32，具体用于：
根据多个用户的浏览路径，生成商品浏览比例分布信息，其中，商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，密度值表征了与商品浏览比例分数对应的用户数量在相应用户群体中的占比。
本实施例提供的装置，还包括：
显示单元41，用于在生成单元32根据多个用户的浏览路径，生成浏览分析结果之后，以图形界面的方式显示浏览分析结果。
本实施例的基于路径的浏览处理装置可执行本申请实施例提供的另一种基于路径的浏览处理方法，其实现原理和技术效果相类似，此处不再赘述。
本实施例，通过获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个浏览路径中包括至少一个路径单元，至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，至少一个节点中的每一个节点中包括浏览信息，至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；根据多个用户的浏览路径，生成浏览分析结果；以图形界面的方式显示浏览分析结果。进而可以生成每一个用户的浏览路径，浏览路径上具有依据时间排列的路径单元，每一个路径单元中包括一个或多个浏览步骤构成的节点，可以对每一个用户的浏览路径进行分析，进而对用户的网络购物行为进行分析，对用户的浏览动作分析较为全面，并通过图形界面的方式显示浏览分析结果，使得商家可以直接的观看浏览分析结果。并且通过路径切分，将浏览路径切分为多个路径单元，可以过滤掉相关性低的噪音数据；通过设置追溯期的方式确定分析时间区间，以避免浏览信息不对称的问题，并通过灵活的设置追溯期的长短，供商家按照自身的产品品类的调研期长短的需求，提取出与用户的购买关系更紧密和更完整的路径。
图14为本申请实施例提供的一种基于路径的浏览处理设备的结构示意图，如图14所示，本申请实施例提供了一种基于路径的浏览处理设备，可以用于执行图1、或图2所示实施例中基于路径的浏览处理设备动作或步骤，具体包括：处理器2701，存储器2702和通信接口2703。
存储器2702，用于存储计算机程序。
处理器2701，用于执行存储器2702中存储的计算机程序，以实现图1、或图2所示实施例中基于路径的浏览处理设备的动作，不再赘述。
可选的，基于路径的浏览处理设备还可以包括总线2704。其中，处理器2701、存储器2702以及通信接口2703可以通过总线2704相互连接；总线2704可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，简称EISA)总线等。上述总线2704可以分为地址总线、数据总线和控制总线等。为便于表示，图14中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
在本申请实施例中，上述各实施例之间可以相互参考和借鉴，相同或相似的步骤以及名词均不再一一赘述。
或者，以上各个模块的部分或全部也可以通过集成电路的形式内嵌于该基于路径的浏览处理设备的某一个芯片上来实现。且它们可以单独实现，也可以集成在一起。即以上这些模块可以被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)等。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器2702，上述指令可由上述基于路径的浏览处理设备的处理器2701执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当该存储介质中的指令由基于路径的浏览处理设备的处理器执行时，使得基于路径的浏览处理设备能够执行上述基于路径的浏览处理方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、基于路径的浏览处理设备或数据中心通过有线(例如，同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如，红外、无线、微波等)方式向另一个网站站点、计算机、基于路径的浏览处理设备或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的基于路径的浏览处理设备、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (30)
1.一种基于路径的浏览处理方法，其特征在于，包括：
获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个所述浏览路径中包括至少一个路径单元，所述至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，所述至少一个节点中的每一个节点中包括浏览信息，所述至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；
根据所述多个用户的浏览路径，生成浏览分析结果。
2.根据权利要求1所述的方法，其特征在于，所述获取归属于同一个用户群体类别的多个用户的浏览路径，包括：
获取归属于同一个用户群体类别的多个用户的浏览历史信息；
根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径。
3.根据权利要求2所述的方法，其特征在于，所述获取归属于同一个用户群体类别的多个用户的浏览历史信息，包括：
获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
4.根据权利要求3所述的方法，其特征在于，所述用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；
其中，所述购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；所述购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；所述购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；所述无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
5.根据权利要求4所述的方法，其特征在于，所述购买本品用户群体的有效分析时间区间、所述购买竞品用户群体的有效分析时间区间、以及所述购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至所述第一预设提取时间区间的结束时间，其中，所述第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数；
所述无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至所述第二预设提取时间区间的结束时间，其中，所述第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
6.根据权利要求2所述的方法，其特征在于，所述根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径，包括：
根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中，其中，每一个所述浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个所述用户的浏览路径。
7.根据权利要求6所述的方法，其特征在于，在所述根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中之后，还包括：
判断每一个所述浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为；
若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个所述用户的处理后的浏览路径。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述浏览信息为广告的浏览信息或页面的浏览信息；
根据所述多个用户的浏览路径，生成浏览分析结果，包括：
根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
9.根据权利要求8所述的方法，其特征在于，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；
根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
10.根据权利要求8所述的方法，其特征在于，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，所述预设行为是购买行为或浏览结束行为；
确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；
根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
11.根据权利要求8所述的方法，其特征在于，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定所述浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种所述广告曝光组合中包括广告类别和用户浏览所述广告类别之前的浏览内容，每一种所述页面浏览组合中包括页面类别和用户浏览所述页面类别之前的浏览内容；
根据所述至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据所述至少一种页面浏览组合，确定频率最高的页面浏览组合。
12.根据权利要求8所述的方法，其特征在于，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；
根据每一个用户的所述相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，所述浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
13.根据权利要求8所述的方法，其特征在于，根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果，包括：
根据所述多个用户的浏览路径，生成商品浏览比例分布信息，其中，所述商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，所述密度值表征了与所述商品浏览比例分数对应的用户数量在相应用户群体中的占比。
14.根据权利要求1-7任一项所述的方法，其特征在于，在根据所述多个用户的浏览路径，生成浏览分析结果之后，还包括：
以图形界面的方式显示所述浏览分析结果。
15.一种基于路径的浏览处理装置，其特征在于，包括：
获取单元，用于获取归属于同一个用户群体类别的多个用户的浏览路径，其中，每一个所述浏览路径中包括至少一个路径单元，所述至少一个路径单元中的每一个路径单元中包括依据时间排序的至少一个节点，所述至少一个节点中的每一个节点中包括浏览信息，所述至少一个节点中的每一个节点表征用户在路径单元上的一个浏览步骤；
生成单元，用于根据所述多个用户的浏览路径，生成浏览分析结果。
16.根据权利要求15所述的装置，其特征在于，所述获取单元，包括：
获取模块，用于获取归属于同一个用户群体类别的多个用户的浏览历史信息；
生成模块，用于根据每一个所述用户的浏览历史信息，生成每一个所述用户的浏览路径。
17.根据权利要求16所述的装置，其特征在于，所述获取模块，具体用于：
获取归属于同一个用户群体类别的多个用户在预设有效分析时间区间内的浏览历史信息。
18.根据权利要求17所述的装置，其特征在于，所述用户群体类别为以下的任意一种：购买本品用户群体、购买竞品用户群体、购买双品用户群体和无购买用户群体；
其中，所述购买本品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品的用户；所述购买竞品用户群体中的用户为在预设时间周期内，购买了指定类别下的非指定品牌商品的用户；所述购买双品用户群体中的用户为在预设时间周期内，购买了指定类别下的指定品牌商品和其他品牌商品的用户；所述无购买用户群体中的用户为在预设时间周期内，没有购买指定类别下的指定品牌商品和其他品牌商品的用户。
19.根据权利要求18所述的装置，其特征在于，所述购买本品用户群体的有效分析时间区间、所述购买竞品用户群体的有效分析时间区间、以及所述购买双品用户群体的有效分析时间区间，都是第一预设提取时间区间中的开始时间之前的N天至所述第一预设提取时间区间的结束时间，其中，所述第一预设提取时间区间为用户发生首次购买行为的当天至最后一次购买行为的当天，N为正整数；
所述无购买用户群体的有效分析时间区间为第二预设提取时间区间中的开始时间之前的M天至所述第二预设提取时间区间的结束时间，其中，所述第二预设提取时间区间为用户发生首次浏览行为的当天至最后一次浏览行为的当天，M为正整数。
20.根据权利要求16所述的装置，其特征在于，所述生成模块，具体用于：
根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中，其中，每一个所述浏览路径中的相邻两个路径单元之间的行为间隔时间大于预设切分时间，以生成每一个所述用户的浏览路径。
21.根据权利要求20所述的装置，其特征在于，所述获取单元，还包括：
判断模块，用于在所述生成模块根据每一个所述用户的浏览历史信息的浏览时间，将每一个所述用户的浏览历史信息分到至少一个路径单元中之后，判断每一个所述浏览路径中的每一个路径单元的相邻节点中，是否具有相同类别的浏览行为；
合并模块，用于若具有，则将具有相同类别的浏览行为的相邻节点，合并为一个节点，以得到每一个所述用户的处理后的浏览路径。
22.根据权利要求15-21任一项所述的装置，其特征在于，所述浏览信息为广告的浏览信息或页面的浏览信息；
所述生成单元，具体用于：
根据所述多个用户的浏览路径，生成针对于广告或页面的浏览分析结果。
23.根据权利要求22所述的装置，其特征在于，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的前P个节点，其中，P为正整数；
根据每一个用户在浏览路径中的每一个路径单元中的前P个节点，生成针对于广告或页面的前P个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
24.根据权利要求22所述的装置，其特征在于，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的发生预设行为的节点，其中，所述预设行为是购买行为或浏览结束行为；
确定每一个用户在浏览路径中的每一个路径单元的前Q个节点，其中，前Q个节点为在发生预设行为的节点之前的节点，Q为正整数；
根据每一个用户在浏览路径中的每一个路径单元的前Q个节点，生成针对于广告或页面的前Q个浏览步骤的浏览分析结果，其中，每一个浏览步骤的浏览分析结果中包括用户浏览的广告或页面的种类、用户浏览的广告或页面的来源、以及归属于每一种广告或页面的路径单元的个数。
25.根据权利要求22所述的装置，其特征在于，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定所述浏览路径中至少一种广告曝光组合或者至少一种页面浏览组合，其中，每一种所述广告曝光组合中包括广告类别和用户浏览所述广告类别之前的浏览内容，每一种所述页面浏览组合中包括页面类别和用户浏览所述页面类别之前的浏览内容；
根据所述至少一种广告曝光组合，确定频率最高的广告曝光组合；或者，根据所述至少一种页面浏览组合，确定频率最高的页面浏览组合。
26.根据权利要求22所述的装置，其特征在于，所述生成单元，具体用于：
根据所述多个用户的浏览路径，确定每一个用户在浏览路径中的每一个路径单元中的相邻两个节点分别对应的浏览类别；
根据每一个用户的所述相邻两个节点分别对应的浏览类别，确定浏览流向信息，其中，所述浏览流向信息表征了相邻两个节点中前一个节点的浏览类别转向后一个节点的浏览类别的比例值。
27.根据权利要求22所述的装置，其特征在于，所述生成单元，具体用于：
根据所述多个用户的浏览路径，生成商品浏览比例分布信息，其中，所述商品浏览比例分布信息表征商品浏览比例分数与密度值之间的对应关系，所述密度值表征了与所述商品浏览比例分数对应的用户数量在相应用户群体中的占比。
28.根据权利要求15-21任一项所述的装置，其特征在于，所述装置，还包括：
显示单元，用于在所述生成单元根据所述多个用户的浏览路径，生成浏览分析结果之后，以图形界面的方式显示所述浏览分析结果。
29.一种基于路径的浏览处理设备，其特征在于，包括：处理器、存储器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-14任一项所述的方法。
30.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-14任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2018111632658 | 2018-09-30 | ||
| CN201811163265 | 2018-09-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409940A true CN109409940A (zh) | 2019-03-01 |
Family
ID=65467450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811179957.1A Pending CN109409940A (zh) | 2018-09-30 | 2018-10-10 | 基于路径的浏览处理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409940A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110650212A (zh) * | 2019-10-17 | 2020-01-03 | 华普通用技术研究（广州）有限公司 | 一种以大数据流式技术实现网络数据包的分析方法及系统 |
| CN111582933A (zh) * | 2020-05-07 | 2020-08-25 | 北京点众科技股份有限公司 | 基于购买电子书以完善用户画像的方法、终端和存储介质 |
| CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
| CN115049346A (zh) * | 2022-08-16 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网及控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982166A (zh) * | 2012-12-11 | 2013-03-20 | 南京邮电大学 | 基于时间分片的Web用户浏览访问矩阵的构造方法 |
| CN105283871A (zh) * | 2013-05-30 | 2016-01-27 | 高通股份有限公司 | 网页浏览器的历史记录 |
| CN107742250A (zh) * | 2017-12-04 | 2018-02-27 | 深圳春沐源控股有限公司 | 商品浏览记录的显示方法和显示系统 |
| CN108399550A (zh) * | 2017-02-07 | 2018-08-14 | 北京京东尚科信息技术有限公司 | 一种用户分群方法 |
-
2018
- 2018-10-10 CN CN201811179957.1A patent/CN109409940A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982166A (zh) * | 2012-12-11 | 2013-03-20 | 南京邮电大学 | 基于时间分片的Web用户浏览访问矩阵的构造方法 |
| CN105283871A (zh) * | 2013-05-30 | 2016-01-27 | 高通股份有限公司 | 网页浏览器的历史记录 |
| CN108399550A (zh) * | 2017-02-07 | 2018-08-14 | 北京京东尚科信息技术有限公司 | 一种用户分群方法 |
| CN107742250A (zh) * | 2017-12-04 | 2018-02-27 | 深圳春沐源控股有限公司 | 商品浏览记录的显示方法和显示系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110650212A (zh) * | 2019-10-17 | 2020-01-03 | 华普通用技术研究（广州）有限公司 | 一种以大数据流式技术实现网络数据包的分析方法及系统 |
| CN111582933A (zh) * | 2020-05-07 | 2020-08-25 | 北京点众科技股份有限公司 | 基于购买电子书以完善用户画像的方法、终端和存储介质 |
| CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
| CN115049346A (zh) * | 2022-08-16 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网及控制方法 |
| CN115049346B (zh) * | 2022-08-16 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网系统及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635853B2 (en) | Deployable tag management in computer data networks | |
| CN103886068B (zh) | 用于互联网用户行为分析的数据处理方法和装置 | |
| CN109409940A (zh) | 基于路径的浏览处理方法、装置、设备和存储介质 | |
| Leskovec et al. | Patterns of cascading behavior in large blog graphs | |
| CN105849763A (zh) | 使用加权分析动态确定社交数据网络中影响者的系统和方法 | |
| WO2017080398A1 (zh) | 一种用户群体的划分方法和装置 | |
| US9384502B2 (en) | Techniques for organizing and presenting deal content | |
| US20060271859A1 (en) | Method and system for visualizing Weblog social network communities | |
| CN106997358A (zh) | 信息推荐方法及装置 | |
| CN110110201B (zh) | 一种内容推荐方法和系统 | |
| CN109636494A (zh) | 药品推荐方法及系统 | |
| CN106127546A (zh) | 一种基于智慧社区大数据的商品推荐方法 | |
| CN101431485A (zh) | 一种自动推荐互联网上信息的方法及系统 | |
| US20150269606A1 (en) | Multi-source performance and exposure for analytics | |
| CN109325179A (zh) | 一种内容推广的方法及装置 | |
| CN107783993A (zh) | 数据的存储方法和装置 | |
| TW201939378A (zh) | 資源推薦方法及裝置 | |
| Ha et al. | An analysis on information diffusion through BlogCast in a blogosphere | |
| CN109977296A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
| CN110033331A (zh) | 一种优惠券的发放方法、系统及终端设备 | |
| CN107666435A (zh) | 一种屏蔽消息的方法及装置 | |
| CN108416627A (zh) | 一种基于互联网数据的品牌影响力监控方法及系统 | |
| CN107153702A (zh) | 一种数据处理方法及装置 | |
| Correa et al. | iTop: interaction based topic centric community discovery on twitter | |
| KR20130033506A (ko) | 아이템 추천 방법 및 장치 |
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 |