CN109450967A - 基于用户操作行为的用户评分方法 - Google Patents
基于用户操作行为的用户评分方法 Download PDFInfo
- Publication number
- CN109450967A CN109450967A CN201811128247.6A CN201811128247A CN109450967A CN 109450967 A CN109450967 A CN 109450967A CN 201811128247 A CN201811128247 A CN 201811128247A CN 109450967 A CN109450967 A CN 109450967A
- Authority
- CN
- China
- Prior art keywords
- user
- operation behavior
- data
- behavior data
- methods
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用户操作行为分析领域并公开了一种基于用户操作行为的用户评分方法,所述用户评分方法包括:收集用户的操作行为数据;对所述操作行为数据进行预处理得到修正操作行为数据;根据所述修正操作行为数据计算用户的基础指标数据;根据所述用户的基础指标数据计算用户的复合指标数据;以及根据所述用户的复合指标数据计算用户总体分数。本发明的基于用户操作行为的用户评分方法能够直观全面地反应用户的使用情况。
Description
技术领域
本发明涉及用户操作行为分析领域,具体地,涉及一种基于用户操作行为的用户评分方法。
背景技术
近几年SaaS服务开始出现爆发式增长,提供SaaS服务的厂商越来越多。SaaS服务主要以提供账号的方式给客户使用,客户无需在本地部署安装及维护任何软件,只要在联网区域用账号登录即可满足需求。对SaaS服务提供商而言,只有明确用户的使用情况,才能更好的服务客户,提高客户满意度。
目前,在用户操作行为分析领域主要采取以下两种方式分析用户的使用情况:
1.采取单一指标分析用户的使用情况
通过单独分析用户的在线时长或者登录次数来判断用户使用情况。该种方法简单直观,但各个指标相互独立,因此也导致分析不够全面公正。
2.多种指标组合查询
这种方法是将所有指标存储下来,每个指标打上相应的标签,通过多条件组合查询的方式,查找出某类客户。采用此种方法,分析数据相对全面并且灵活,但操作比较复杂,需要对每个指标都有深入的理解才能查到目标客户,并且对单一用户没有直观的评价。
发明内容
本发明的目的是提供一种能够直观全面地反应用户的使用情况的基于用户操作行为的用户评分方法。
为了实现上述目的,本发明提供一种基于用户操作行为的用户评分方法,所述用户评分方法包括:收集用户的操作行为数据;对所述操作行为数据进行预处理得到修正操作行为数据;根据所述修正操作行为数据计算用户的基础指标数据;根据所述用户的基础指标数据计算用户的复合指标数据;以及根据所述用户的复合指标数据计算用户总体分数。
进一步地,所述操作行为数据选自于用户注册账号的注册时间、用户注册账号时的IP地址、用户登录账号的登录时间、用户登录账号时的IP地址、用户退出账号的退出时间和用户登录账号时使用的浏览器类型。
进一步地,所述基础指标数据选自于用户在线总时长、用户注册总时长、用户注册总天数、用户登录总天数、用户最近30天登录天数、用户最近30天在线时长和用户最后一次登录账号的登录时间。
进一步地,所述复合指标数据选自于最新活跃度、最新沉浸度、新鲜度、历史活跃度和历史沉浸度,其中,所述最新活跃度=用户最近30天登录天数/30;所述最新沉浸度=用户最近30天在线时长/(30*24*60);所述新鲜度=1-用户注册账号的注册时间/用户最后一次登录账号的登录时间;所述历史活跃度=用户登录总天数/用户注册总天数;所述历史沉浸度=用户在线总时长/用户注册总时长。
进一步地,所述用户总体分数=所述最新活跃度*0.3+所述最新沉浸度*0.4+所述新鲜度*0.2+所述历史活跃度*0.5+所述历史沉浸度*0.5。
进一步地,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的非正常操作行为数据以得到所述修正操作行为数据。
进一步地,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的每分钟操作次数大于等于60次的数据、用户登录账号时的IP地址与用户注册账号时的IP地址不符合的数据和/或用户登录账号时使用的浏览器类型不是常见浏览器类型的数据以得到所述修正操作行为数据。
进一步地,所述常见浏览器类型包括IE内核浏览器、谷歌内核浏览器、火狐内核浏览器和双核浏览器,所述双核浏览器具有IE内核和谷歌内核。
进一步地,所述收集用户的操作行为数据具体为通过客户端工具收集用户的操作行为数据。
进一步地,所述客户端工具为javascript客户端工具、android客户端工具和/或ios客户端工具。
由于包括收集用户的操作行为数据;对所述操作行为数据进行预处理得到修正操作行为数据;根据所述修正操作行为数据计算用户的基础指标数据;根据所述用户的基础指标数据计算用户的复合指标数据;以及根据所述用户的复合指标数据计算用户总体分数,因此本发明的基于用户操作行为的用户评分方法仅通过用户总体分数就能够全面反应用户的使用情况,可见,本发明的基于用户操作行为的用户评分方法具有能够直观地反应用户的使用情况的优点。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是根据本发明的基于用户操作行为的用户评分方法具体实施方式的流程示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明提供一种基于用户操作行为的用户评分方法,具体地,如图1所示,所述用户评分方法包括:收集用户的操作行为数据;对所述操作行为数据进行预处理得到修正操作行为数据;根据所述修正操作行为数据计算用户的基础指标数据;根据所述用户的基础指标数据计算用户的复合指标数据;以及根据所述用户的复合指标数据计算用户总体分数。
由于包括收集用户的操作行为数据;对所述操作行为数据进行预处理得到修正操作行为数据;根据所述修正操作行为数据计算用户的基础指标数据;根据所述用户的基础指标数据计算用户的复合指标数据;以及根据所述用户的复合指标数据计算用户总体分数,因此本发明的基于用户操作行为的用户评分方法仅通过用户总体分数就能够全面反应用户的使用情况,可见,本发明的基于用户操作行为的用户评分方法具有能够直观全面地反应用户的使用情况的优点。
在本发明的用户评分方法中,具体地,所述操作行为数据选自于用户注册账号的注册时间、用户注册账号时的IP地址、用户登录账号的登录时间、用户登录账号时的IP地址、用户退出账号的退出时间和用户登录账号时使用的浏览器类型。
在上述用户评分方法中,更具体地,所述基础指标数据选自于用户在线总时长、用户注册总时长、用户注册总天数、用户登录总天数、用户最近30天登录天数、用户最近30天在线时长和用户最后一次登录账号的登录时间。
需要说明的是,根据修正操作行为数据(例如,修正后的用户注册账号的注册时间、用户登录账号的登录时间、用户退出账号的退出时间)计算用户的基础指标数据(例如,用户在线总时长、用户注册总时长、用户注册总天数、用户登录总天数、用户最近30天登录天数、用户最近30天在线时长和用户最后一次登录账号的登录时间)的计算方式是本领域常规技术手段,因此不再赘述。
另外需要说明的是,用户在线总时长、用户注册总时长和用户最近30天在线时长可以以分钟或者秒钟等等为单位。
在上述用户评分方法中,进一步具体地,所述复合指标数据选自于最新活跃度、最新沉浸度、新鲜度、历史活跃度和历史沉浸度,其中,所述最新活跃度=用户最近30天登录天数/30;所述最新沉浸度=用户最近30天在线时长/(30*24*60);所述新鲜度=1-用户注册账号的注册时间/用户最后一次登录账号的登录时间;所述历史活跃度=用户登录总天数/用户注册总天数;所述历史沉浸度=用户在线总时长/用户注册总时长。
在上述用户评分方法中,进一步具体地,所述用户总体分数=所述最新活跃度*0.3+所述最新沉浸度*0.4+所述新鲜度*0.2+所述历史活跃度*0.5+所述历史沉浸度*0.5。
为了方便阅读,所述用户总体分数可以乘以任意表达比例,例如所述用户总体分数=(所述最新活跃度*0.3+所述最新沉浸度*0.4+所述新鲜度*0.2+所述历史活跃度*0.5+所述历史沉浸度*0.5)*100。
在上述用户评分方法中,进一步具体地,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的非正常操作行为数据以得到所述修正操作行为数据,从而能够剔除操作行为数据中的非正常操作行为数据使得本发明的用户评分方法更加准确。进一步具体地,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的每分钟操作次数大于等于60次的数据(操作频率太高通常是机器行为而不是真实的操作行为,因此需要剔除)、用户登录账号时的IP地址与用户注册账号时的IP地址不符合的数据和/或用户登录账号时使用的浏览器类型不是常见浏览器类型的数据(用户登录账号时使用的浏览器类型不是常见浏览器类型通常是机器行为而不是真实的操作行为,因此需要剔除)以得到所述修正操作行为数据。进一步具体地,所述常见浏览器类型包括IE内核浏览器(即Internet Explorer内核浏览器)、谷歌内核浏览器(即chrome内核浏览器)、火狐内核浏览器(即Firefox内核浏览器)和双核浏览器,所述双核浏览器具有IE内核和谷歌内核。
在本发明的用户评分方法中,具体地,所述收集用户的操作行为数据具体为通过客户端工具收集用户的操作行为数据。更具体地,所述客户端工具为javascript客户端工具、android客户端工具和/或ios客户端工具。
需要说明的是,上述客户端工具的具体类型并不仅限于以上形式,只要能够收集用户的操作行为数据,任何其他形式的客户端工具均是可行的。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (10)
1.一种基于用户操作行为的用户评分方法,其特征在于,所述用户评分方法包括:
收集用户的操作行为数据;
对所述操作行为数据进行预处理得到修正操作行为数据;
根据所述修正操作行为数据计算用户的基础指标数据;
根据所述用户的基础指标数据计算用户的复合指标数据;以及
根据所述用户的复合指标数据计算用户总体分数。
2.根据权利要求1所述的用户评分方法,其特征在于,所述操作行为数据选自于用户注册账号的注册时间、用户注册账号时的IP地址、用户登录账号的登录时间、用户登录账号时的IP地址、用户退出账号的退出时间和用户登录账号时使用的浏览器类型。
3.根据权利要求2所述的用户评分方法,其特征在于,所述基础指标数据选自于用户在线总时长、用户注册总时长、用户注册总天数、用户登录总天数、用户最近30天登录天数、用户最近30天在线时长和用户最后一次登录账号的登录时间。
4.根据权利要求3所述的用户评分方法,其特征在于,所述复合指标数据选自于最新活跃度、最新沉浸度、新鲜度、历史活跃度和历史沉浸度,其中,所述最新活跃度=用户最近30天登录天数/30;
所述最新沉浸度=用户最近30天在线时长/(30*24*60);
所述新鲜度=1-用户注册账号的注册时间/用户最后一次登录账号的登录时间;
所述历史活跃度=用户登录总天数/用户注册总天数;
所述历史沉浸度=用户在线总时长/用户注册总时长。
5.根据权利要求4所述的用户评分方法,其特征在于,所述用户总体分数=所述最新活跃度*0.3+所述最新沉浸度*0.4+所述新鲜度*0.2+所述历史活跃度*0.5+所述历史沉浸度*0.5。
6.根据权利要求2所述的用户评分方法,其特征在于,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的非正常操作行为数据以得到所述修正操作行为数据。
7.根据权利要求6所述的用户评分方法,其特征在于,对所述操作行为数据进行预处理得到修正操作行为数据具体为剔除所述操作行为数据中的每分钟操作次数大于等于60次的数据、用户登录账号时的IP地址与用户注册账号时的IP地址不符合的数据和/或用户登录账号时使用的浏览器类型不是常见浏览器类型的数据以得到所述修正操作行为数据。
8.根据权利要求7所述的用户评分方法,其特征在于,所述常见浏览器类型包括IE内核浏览器、谷歌内核浏览器、火狐内核浏览器和双核浏览器,所述双核浏览器具有IE内核和谷歌内核。
9.根据权利要求1至8中任意一项所述的用户评分方法,其特征在于,所述收集用户的操作行为数据具体为通过客户端工具收集用户的操作行为数据。
10.根据权利要求8所述的用户评分方法,其特征在于,所述客户端工具为javascript客户端工具、android客户端工具和/或ios客户端工具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811128247.6A CN109450967A (zh) | 2018-09-27 | 2018-09-27 | 基于用户操作行为的用户评分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811128247.6A CN109450967A (zh) | 2018-09-27 | 2018-09-27 | 基于用户操作行为的用户评分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109450967A true CN109450967A (zh) | 2019-03-08 |
Family
ID=65544488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811128247.6A Pending CN109450967A (zh) | 2018-09-27 | 2018-09-27 | 基于用户操作行为的用户评分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109450967A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613773A (zh) * | 2020-12-28 | 2021-04-06 | 广州坚和网络科技有限公司 | 基于用户行为的用户质量等级划分方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013097603A1 (zh) * | 2011-12-28 | 2013-07-04 | 腾讯科技(深圳)有限公司 | 评价信息生成方法及系统、计算机存储介质 |
CN105872012A (zh) * | 2016-03-11 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 基于会员用户终端进行信息发送的方法及系统 |
CN106302568A (zh) * | 2015-05-13 | 2017-01-04 | 厦门美柚信息科技有限公司 | 一种用户行为评价方法、装置及系统 |
CN106919384A (zh) * | 2017-02-13 | 2017-07-04 | 浙江慧脑信息科技有限公司 | 一种可以传递用户信息的浏览器系统 |
-
2018
- 2018-09-27 CN CN201811128247.6A patent/CN109450967A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013097603A1 (zh) * | 2011-12-28 | 2013-07-04 | 腾讯科技(深圳)有限公司 | 评价信息生成方法及系统、计算机存储介质 |
CN106302568A (zh) * | 2015-05-13 | 2017-01-04 | 厦门美柚信息科技有限公司 | 一种用户行为评价方法、装置及系统 |
CN105872012A (zh) * | 2016-03-11 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 基于会员用户终端进行信息发送的方法及系统 |
CN106919384A (zh) * | 2017-02-13 | 2017-07-04 | 浙江慧脑信息科技有限公司 | 一种可以传递用户信息的浏览器系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613773A (zh) * | 2020-12-28 | 2021-04-06 | 广州坚和网络科技有限公司 | 基于用户行为的用户质量等级划分方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Krishnamurthy et al. | Privacy leakage vs. protection measures: the growing disconnect | |
Irani et al. | Modeling unintended personal-information leakage from multiple online social networks | |
Wang et al. | Searching for better configurations: a rigorous approach to clone evaluation | |
US20180241767A1 (en) | System and method for cybersecurity analysis and score generation for insurance purposes | |
Leon et al. | Token attempt: the misrepresentation of website privacy policies through the misuse of p3p compact policy tokens | |
Abrizah et al. | Sixty-four years of informetrics research: Productivity, impact and collaboration | |
Wu et al. | Constructing plausible innocuous pseudo queries to protect user query intention | |
JP6977625B2 (ja) | 評価プログラム、評価方法および評価装置 | |
Le Pochat et al. | Evaluating the long-term effects of parameters on the characteristics of the tranco top sites ranking | |
JP2016192185A (ja) | なりすまし検出システムおよびなりすまし検出方法 | |
CN105337739A (zh) | 安全登录方法、装置、服务器及终端 | |
CN109450967A (zh) | 基于用户操作行为的用户评分方法 | |
WO2010011182A2 (en) | Method and system for tracing a source of leaked information | |
US20150227581A1 (en) | Systems and methods for analyzing registrar and hosting provider relationships | |
Fu et al. | Flowintent: Detecting privacy leakage from user intention to network traffic mapping | |
CN103177084A (zh) | 一种考虑数据可信度的数据挖掘方法 | |
Anthonysamy et al. | A method for analysing traceability between privacy policies and privacy controls of online social networks | |
CN113326265A (zh) | 家庭信息的构建方法、装置、存储介质和电子设备 | |
Zhao et al. | You are where you app: An assessment on location privacy of social applications | |
US10482279B2 (en) | Pattern-less private data detection on data sets | |
CN109948034B (zh) | 基于过滤会话实现提取页面信息的方法及装置 | |
Strasburg et al. | Masquerade detection in network environments | |
CN106716410A (zh) | 选择性地管理数据集 | |
Veningston et al. | Enhancing personalized web search re-ranking algorithm by incorporating user profile | |
US20140040227A1 (en) | Method and Apparatus for Locating Phishing Kits |
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: 20190308 |