CN110222112A - 一种面向ar说明手册产品的数据可视化分析系统及方法 - Google Patents

Abstract

一种面向AR说明手册产品的数据可视化分析系统及方法，属于数据可视化分析技术领域。首先AR用户体验大数据平台完成说明手册信息数据和用户行为数据的采集、清洗、转换、匹配和汇总归集；然后，用户体验分类管理平台对汇总归集到的用户数据进行行为特征的提取，通过迭代、分类算法训练，结合用户的行为数据进行行为建模，抽象出用户编码，并对用户编码进行分类和更新，把抽象出来的编码贴在相应的实体上；最后可视化展示平台通过分类管理平台对外开放的编码调用接口调用编码数据，采用数据可视化技术，基于编码库，建立用户体验分类分级管理体系，通过查询用户行为数据对应的编码，以文字和图像展示相结合，通过组合编码展示用户体验信息。

Description

一种面向AR说明手册产品的数据可视化分析系统及方法

技术领域

本发明属于数据可视化分析技术领域，具体提供一种面向AR说明手册产品的数据可视化分析系统及方法

背景技术

计算机技术在近年飞速发展，计算机具有存储信息量大，使用者获取信息方便快捷等优点，在数据分析领域也有着极大的优势。数据可视化技术可以处理大量的复杂数据，通过图像快速获取重要信息，帮助人们找到事物内在规律，因此应用越来越广泛。计算机的出现为理解分析用户数据带来了很多的便捷。AR增强现实技术(Augmented Reality，又称AR)是指将计算机虚拟出的场景或图像通过相关技术叠加到真实存在的世界上并进行互动的技术。AR具有虚实结合、实时交互、三维展示的特点，AR技术包含了多媒体、三维建模、实时视频显示和控制多传感器融合，实时跟踪及注册，场景融合等新技术。随着AR技术的普及，大量的产品说明类手册使用了AR技术，这可以使用户与虚拟互动，更加生动的了解产品的性能，高效的学会使用产品。

在当前AR说明类手册产品中，往往仅考虑向用户输出的部分，就是向用户展现产品的介绍。未考虑到如何及时收集和分析AR手册的使用情况乃至整个用户体验效果。由于AR说明手册是一种面向普通大众的产品，因此一般的使用测试在人数、空间和时间上都有局限，不能充分说明用户体验的效果和出现的问题。当产品发布后要面对不同年龄、文化、背景的人群，他们对AR产品的理解具有很不同，手册的操作体验有差异，这需要收集广泛用户的数据进一步分析，以便AR说明手册产品的迭代优化。

AR应用产品的操作行为可以被记录和搜集，充分利用这些数据，更加精确地了解用户的体验信息、更加精准地为用户服务、更加精细地对用户进行管理，充分发挥数据优势，来反映用户的关注度、兴趣点、熟练性、错误率、使用习惯等信息，为AR说明手册设计差别化用户服务体验、精细化用户行为数据管理，成为了亟待解决的问题。

发明内容

本发明的目的是针对上述存在的问题，提供一种能快速构建用户体验分类显示的体系，为用户提供差异化的服务，使AR说明手册的使用效果更具针对性的数据可视化分析系统。

本发明进一步的技术任务是提供一种面向AR说明手册的数据可视化分析方法。

为实现上述目的，本发明提供了如下技术方案：

一种面向AR说明书产品的数据可视化分析系统，所述的数据可视化分析系统包括AR用户体验大数据平台、用户体验分类管理平台和可视化展示平台，AR用户体验大数据平台与用户体验分类管理平台相连接，AR用户体验大数据平台完成AR产品用户行为数据的采集、清洗、转换、匹配和汇总归集，将用户体验数据传送给用户体验分类管理平台，用户体验分类管理平台对体验数据进行分类，将汇总起来的用户体验数据进行编码处理，形成一级、二级、三级编码库，并完成对编码的管理；用户体验分类管理平台与可视化展示平台通过分类编码调用接口相连，可视化展示平台能够结合用户体验分类管理平台处理的编码，采用可视化效果展现用户的体验数据；可视化展示平台包括描述性可视分析模块与解释性可视分析模块。描述性可视分析模块用于分析时序数据、轨迹数据，并进行网络可视处理。解释性可视分析模块对于模型驱动的规则库进行应用。

一种面向AR说明手册产品的数据可视化分析方法，具体包括以下步骤：

S1：AR说明手册产品用户行为数据集成：AR用户体验大数据平台根据数据采集的质量、数量和具体需求完成说明手册信息数据和用户行为数据的采集、清洗、转换、匹配和汇总归集；

进一步地，步骤S1中，说明手册图形数据包括手册版面上各栏目和图标的图形中心位置数据和覆盖范围数据。用户行为数据包括点击位置数据、点击频次数据、使用时长数据和错误操作数据。清洗的过程为：采集的数据进入数据库后，依据规则对数据进行合规性检查，避免由于软件或硬件的错误操作产生的错误数据，比如位置超限溢出，时长过长或过短等。转换具体是指将说明手册的图形数据与用户行为数据相关联，转换的方式为归一化处理，如将手册图形的位置数据和用户点击位置数据归一化为二维坐标数，时间归一为标志数。匹配的方式：图标的图形中心位置数据与点击位置数据进行匹配，通过点击频次数据和使用时长数据确认用户对AR手册的关注热点。汇总归集的方式：按时间序或位序或用户态序进行索引。

S2：行为建模：用户体验分类管理平台对汇总归集到的用户数据进行行为特征的提取，通过迭代、分类算法训练，结合用户的行为数据进行行为建模，抽象出用户编码，并对用户编码进行分类和更新，把抽象出来的编码贴在相应的实体上；

进一步地，行为特征的提取方式为形成用户行为向量模型建模过程。

进一步地，利用神经网络和支持向量机进行迭代、分类训练。

进一步地，行为建模的过程为先导入用户行为基础向量库(手册图形数据集为来源)，用于判别和比对，行为建模阶段注重的大概率事件，通过数学算法尽可能的排除用户的偶然行为。编码的确定过程是提取用户的行为特征，通过迭代、分类算法反复测试，结合用户的行为数据，经过合理的取舍，保留既有区分度，又抽象出不同类人群行为编码。该过程可以使用智能编码，如手工编码需要编码提炼者对用户体验有深入的理解。

进一步地，对用户编码进行更新的过程为：结合业务需要定期扫描相关用户体验数据，当有新的用户行为特征向量则更新原有的向量库。根据分类定义对数据进行编码处理，最终形成编码库，编码库不仅存放分类的定义，还存放分类的扫描结果数据；

进一步地，用户编码进行分类包括当前状态、历史状态和预估状态。

当前状态即扫描用户使用当下个人基本行为特征，直接从用户个人操作、用户个人信息数据采集中提取的能直接显示用户当下操作、交互习惯和交互行为的编码。

历史状态在基于过去使用的用户数据，在用户群体行为的基础上，通过计算，将用户分为不同类别，满足用户分类管理的需要。分类后，需要保证群体内和群体外的数量具有区分度。

预估状态是在当前状态和历史状态的基础上，搭建应用场景，引入决策树、回归算法、分类算法分析进行建模分析，使用点击位置数据、点击频次数据、使用时长数据和错误操作数据反复测算。再将数据规律进行业务转换和提炼，最终形成预估结果。

S3：构建体系：可视化展示平台通过分类管理平台对外开放的编码调用接口调用编码数据，采用数据可视化技术，基于编码库，建立用户体验分类分级管理体系，通过查询用户行为数据对应的编码，以文字和图像展示相结合，通过组合编码展示用户体验信息。

进一步地，步骤S3中数据可视化技术是利用已有的可视化工具软件生成柱、饼、直方图类规范化图形。基于地图或者底图，通过色彩、颗粒、形状、密度形成二维或准三维可视化效果

进一步的描述性可视化分析模块，采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，以客观描述事实为宗旨，以仿真客观现实为目的，可视化效果采用AR手册图像为底图，每页呈现用户关注热点和轨迹，用户类别可以通过交互技术来选择和区分，实现对用户行为可视化分类观察。解释性可视化分析模块，同样采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，运用模型规则库进行计算，以抽象行为规律为目的，通过规则库的统计分析得到数据间的关系和规律。比如手册图形的位置与用户点击的频次的关系呈现。或者关注时长与手册图形范围的关系呈现。用适合关系表现的规范化图形为展示手段，实现对用户行为规律的可视化呈现。

进一步的将描述性可视化模块和解释性可视化分析模块封装在一个可视化操作系统中，可以在多种媒介展示，如大屏幕和移动终端等。使用者通过页面交互行为实现不同的浏览需求。并可对相关的数据和可视化图像进行截取、输出、保存。

与现有技术相比，本发明的面向AR说明手册产品的数据可视化分析方法具有以下突出的有益效果：

(一)所述数据可视化分析方法联结AR用户数据与业务人员，一方面能够方便业务人员理解数据，另一方面方便计算机处理数据，实现对用户的分类管理；

(二)利用数据分析技术、数据可视化技术，企业能更好的了解用户体验需求，面对的不再是枯燥、繁琐的文字和数字，而是直观的图像，表现形式更鲜活，内容更具针对性；

(三)利用编码技术，能够鉴别用户的个性化需求，通过网络为用户提供差异化服务，使用户获得更具有针对性的交互体验，提供精准服务；

(四)通过编码组合，开展群体共性特征的可视化展示，进行共性提取，能够使业务人员有效地搜寻、了解目标用户，对用户行为的交互设计更准确，具有良好的推广应用价值。

附图说明

图1是本发明所述数据可视化分析方法的流程图。

具体实施方式

下面将结合具体实施例对本发明的技术方案进行进一步的说明。

一种面向AR说明书产品的数据可视化分析系统，所述的数据可视化分析系统包括AR用户体验大数据平台、用户体验分类管理平台和可视化展示平台，AR用户体验大数据平台与用户体验分类管理平台相连接，AR用户体验大数据平台完成AR产品用户行为数据的采集、清洗、转换、匹配和汇总归集，将用户体验数据传送给用户体验分类管理平台，用户体验分类管理平台对体验数据进行分类，将汇总起来的用户体验数据进行编码处理，形成一级、二级、三级编码库，并完成对编码的管理；用户体验分类管理平台与可视化展示平台通过分类编码调用接口相连，可视化展示平台能够结合用户体验分类管理平台处理的编码，采用可视化效果展现用户的体验数据；可视化展示平台包括描述性可视分析模块与解释性可视分析模块。描述性可视分析模块用于分析时序数据、轨迹数据，并进行网络可视处理。解释性可视分析模块对于模型驱动的规则库进行应用。

一种面向AR说明手册产品的数据可视化分析方法，具体包括以下步骤：

S1：AR说明手册产品用户行为数据集成：AR用户体验大数据平台根据数据采集的质量、数量和具体需求完成说明手册信息数据和用户行为数据的采集、清洗、转换、匹配和汇总归集；

进一步地，步骤S1中，说明手册图形数据包括手册版面上各栏目和图标的图形中心位置数据和覆盖范围数据。用户行为数据包括点击位置数据、点击频次数据、使用时长数据和错误操作数据。清洗的过程为：采集的数据进入数据库后，依据规则对数据进行合规性检查，避免由于软件或硬件的错误操作产生的错误数据，比如位置超限溢出，时长过长或过短等。转换具体是指将说明手册的图形数据与用户行为数据相关联，转换的方式为归一化处理，如将手册图形的位置数据和用户点击位置数据归一化为二维坐标数，时间归一为标志数。匹配的方式：图标的图形中心位置数据与点击位置数据进行匹配，通过点击频次数据和使用时长数据确认用户对AR手册的关注热点。汇总归集的方式：按时间序或位序或用户态序进行索引。

S2：行为建模：用户体验分类管理平台对汇总归集到的用户数据进行行为特征的提取，通过迭代、分类算法训练，结合用户的行为数据进行行为建模，抽象出用户编码，并对用户编码进行分类和更新，把抽象出来的编码贴在相应的实体上；

进一步地，行为特征的提取方式为形成用户行为向量模型建模过程。

进一步地，利用神经网络和支持向量机进行迭代、分类训练。

进一步地，行为建模的过程为先导入用户行为基础向量库(手册图形数据集为来源)，用于判别和比对，行为建模阶段注重的大概率事件，通过数学算法尽可能的排除用户的偶然行为。编码的确定过程是提取用户的行为特征，通过迭代、分类算法反复测试，结合用户的行为数据，合理的取舍，保留既有区分度，又抽象出不同类人群行为编码。该过程可以使用智能编码，如手工编码需要编码提炼者对用户体验有深入的理解。

进一步地，对用户编码进行更新的过程为：结合业务需要定期扫描相关用户体验数据，当有新的用户行为特征向量则更新原有的向量库。根据分类定义对数据进行编码处理，最终形成编码库，编码库不仅存放分类的定义，还存放分类的扫描结果数据；

进一步地，用户编码进行分类包括当前状态、历史状态和预估状态。

当前状态即扫描用户使用当下个人基本行为特征，直接从用户个人操作、用户个人信息数据采集中提取的能直接显示用户当下操作、交互习惯和交互行为的编码。

历史状态在基于过去使用的用户数据，在用户群体行为的基础上，通过计算，将用户分为不同类别，如临时浏览类、仔细阅读类、游戏体验类满足用户分类管理的需要。分类后，需要保证群体内和群体外的数量具有区分度。

预估状态是在当前状态和历史状态的基础上，搭建应用场景，引入决策树、回归算法、分类算法分析进行建模分析，使用点击位置数据、点击频次数据、使用时长数据和错误操作数据反复测算。再将数据规律进行业务转换和提炼，最终形成预估结果如根据用户当前数据推测出用户需求以及将来可能会发生的操作行为。

S3：构建体系：可视化展示平台通过分类管理平台对外开放的编码调用接口调用编码数据，采用数据可视化技术，基于编码库，建立用户体验分类分级管理体系，通过查询用户行为数据对应的编码，以文字和图像展示相结合，通过组合编码展示用户体验信息。

进一步地，步骤S3中数据可视化技术是利用已有的可视化工具软件生成柱、饼、直方图类规范化图形。基于地图或者底图，通过色彩、颗粒、形状、密度形成二维或准三维可视化效果

进一步的描述性可视化分析模块，是采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，以客观描述事实为宗旨，以仿真客观现实为目的，可视化效果采用AR手册图像为底图，每页呈现用户关注热点和轨迹，用户类别可以通过交互技术来选择和区分，实现对用户行为可视化分类观察。解释性可视化分析模块，同样采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，运用模型规则库进行计算，以抽象行为规律为目的，通过规则库的统计分析得到数据间的关系和规律。比如手册图形的位置与用户点击的频次的关系呈现。或者关注时长与手册图形范围的关系呈现。用适合关系表现的规范化图形为展示手段如条形图、饼图、折线图等，实现对用户行为规律的可视化呈现。

进一步的将描述性可视化模块和解释性可视化分析模块封装在一个可视化操作系统中，可以在多种媒介展示，如大屏幕和移动终端等。使用者通过页面交互行为实现不同的浏览体验需求。并可对相关的数据和可视化图像进行截取、输出、保存。

所述对编码的管理包括编码的创建、调整、审核、发布、评估和删除。所述编码规则即编码的计算口径，包括但不限于数据项、计算公式。

所述编码的创建提供业务人员自行创建编码的入口；编码的修改为按照实际业务需求对编码规则进行修改调整；编码的审核提供编码审批功能，对审核通过的编码进行发布使用；编码的评估即对编码的使用频率和效率进行评估；编码的删除即对不常用编码、过时的编码执行删除操作。

编码的创建方式包括编码方法。编码采用分段直接编码法，依据动作的种类，时空要素，以及其他关键参量，备选域分为六段，每段三位十进制码。

编码处理好后，即为编码应用阶段，基于编码库，建立用户分类分级管理体系，通过查询用户行为数据对应的编码，直观呈现用户体验状态，用户的体验数据以更加合理的方式进行组织，以更加直观的方式展现，能够实现有针对性的开展用户分类管理和差异化服务。

Claims (9)

1.一种面向AR说明手册产品的数据可视化分析系统，其特征在于，所述的数据可视化分析系统包括AR用户体验大数据平台、用户体验分类管理平台和可视化展示平台，AR用户体验大数据平台与用户体验分类管理平台相连接，AR用户体验大数据平台完成AR产品用户行为数据的采集、清洗、转换、匹配和汇总归集，将用户体验数据传送给用户体验分类管理平台，用户体验分类管理平台对体验数据进行分类，将汇总归集起来的用户体验数据进行编码处理，形成一级、二级、三级编码库，并完成对编码的管理；用户体验分类管理平台与可视化展示平台通过分类编码调用接口相连，可视化展示平台能够结合用户体验分类管理平台处理的编码，采用可视化效果展现用户的体验数据；可视化展示平台包括描述性可视分析模块与解释性可视分析模块；描述性可视分析模块用于分析时序数据、轨迹数据，并进行网络可视处理；解释性可视分析模块对于模型驱动的规则库进行应用。

2.一种面向AR说明手册产品的数据可视化分析方法，其特征在于，具体包括以下步骤：

S1：AR说明手册产品用户行为数据集成：AR用户体验大数据平台根据数据采集的质量、数量和具体需求完成说明手册信息数据和用户行为数据的采集、清洗、转换、匹配和汇总归集；

S2：行为建模：用户体验分类管理平台对汇总归集到的用户数据进行行为特征的提取，通过迭代、分类算法训练，结合用户的行为数据进行行为建模，抽象出用户编码，并对用户编码进行分类和更新，把抽象出来的编码贴在相应的实体上；

S3：构建体系：可视化展示平台通过分类管理平台对外开放的编码调用接口调用编码数据，采用数据可视化技术，基于编码库，建立用户体验分类分级管理体系，通过查询用户行为数据对应的编码，以文字和图像展示相结合，通过组合编码展示用户体验信息。

3.根据权利要求2所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S1中，说明手册图形数据包括手册版面上各栏目和图标的图形中心位置数据和覆盖范围数据；用户行为数据包括点击位置数据、点击频次数据、使用时长数据和错误操作数据；清洗的过程为：采集的数据进入数据库后，依据规则对数据进行合规性检查，避免由于软件或硬件的错误操作产生的错误数据；转换具体是指将说明手册图形数据与用户行为数据相关联，转换的方式为归一化处理：将手册图形的位置数据和用户点击位置数据归一化为二维坐标数，时间归一为标志数；匹配的方式：图标的图形中心位置数据与点击位置数据进行匹配，通过点击频次数据和使用时长数据确认用户对AR手册的关注热点；汇总归集的方式：按时间序或位序或用户态序进行索引。

4.根据权利要求2或3所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S2中，行为特征的提取方式为形成用户行为向量模型建模过程；迭代、分类算法训练是通过神经网络和支持向量机实现的；行为建模的过程为先导入用户行为基础向量库，用于判别和比对，行为建模阶段注重的大概率事件，通过数学算法尽可能的排除用户的偶然行为；编码的确定过程是提取用户的行为特征，通过迭代、分类算法反复测试，结合用户的行为数据，经过合理的取舍，保留既有区分度，又抽象出不同类人群行为编码。

5.根据权利要求2或3所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S2中，用户编码进行分类包括当前状态、历史状态和预估状态；其中，当前状态即扫描用户使用当下个人基本行为特征，直接从用户个人操作、用户个人信息数据采集中提取的能直接显示用户当下操作、交互习惯和交互行为的编码；历史状态在基于过去使用的用户数据，在用户群体行为的基础上，通过计算，将用户分为不同类别，满足用户分类管理的需要，分类后，需要保证群体内和群体外的数量具有区分度；预估状态是在当前状态和历史状态的基础上，搭建应用场景，引入决策树、回归算法、分类算法分析进行建模分析，使用点击位置数据、点击频次数据、使用时长数据和错误操作数据反复测算，再将数据规律进行业务转换和提炼，最终形成预估结果；

对用户编码进行更新的过程为：结合业务需要定期扫描相关用户体验数据，当有新的用户行为特征向量则更新原有的向量库；根据分类定义对数据进行编码处理，最终形成编码库，编码库不仅存放分类的定义，还存放分类的扫描结果数据。

6.根据权利要求4所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S2中，用户编码进行分类包括当前状态、历史状态和预估状态；其中，当前状态即扫描用户使用当下个人基本行为特征，直接从用户个人操作、用户个人信息数据采集中提取的能直接显示用户当下操作、交互习惯和交互行为的编码；历史状态在基于过去使用的用户数据，在用户群体行为的基础上，通过计算，将用户分为不同类别，满足用户分类管理的需要，分类后，需要保证群体内和群体外的数量具有区分度；预估状态是在当前状态和历史状态的基础上，搭建应用场景，引入决策树、回归算法、分类算法分析进行建模分析，使用点击位置数据、点击频次数据、使用时长数据和错误操作数据反复测算，再将数据规律进行业务转换和提炼，最终形成预估结果；

对用户编码进行更新的过程为：结合业务需要定期扫描相关用户体验数据，当有新的用户行为特征向量则更新原有的向量库；根据分类定义对数据进行编码处理，最终形成编码库，编码库不仅存放分类的定义，还存放分类的扫描结果数据。

7.根据权利要求2、3或6所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S3中数据可视化技术是利用已有的可视化工具软件生成柱、饼、直方图类规范化图形；基于地图或者底图，通过色彩、颗粒、形状、密度形成二维或准三维可视化效果；

描述性可视化分析模块，采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，以客观描述事实为宗旨，以仿真客观现实为目的，可视化效果采用AR手册图像为底图，每页呈现用户关注热点和使用轨迹，用户类别通过交互技术来选择和区分，实现对用户行为可视化分类观察；解释性可视化分析模块，同样采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，运用模型规则库进行计算，以抽象行为规律为目的，通过规则库的统计分析得到数据间的关系和规律，用适合关系表现的规范化图形为展示手段，实现对用户行为规律的可视化呈现。

8.根据权利要求4所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S3中数据可视化技术是利用已有的可视化工具软件生成柱、饼、直方图类规范化图形；基于地图或者底图，通过色彩、颗粒、形状、密度形成二维或准三维可视化效果；

描述性可视化分析模块，采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，以客观描述事实为宗旨，以仿真客观现实为目的，可视化效果采用AR手册图像为底图，每页呈现用户关注热点和使用轨迹，用户类别通过交互技术来选择和区分，实现对用户行为可视化分类观察；解释性可视化分析模块，同样采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，运用模型规则库进行计算，以抽象行为规律为目的，通过规则库的统计分析得到数据间的关系和规律，用适合关系表现的规范化图形为展示手段，实现对用户行为规律的可视化呈现。

9.根据权利要求5所述的一种面向AR说明手册产品的数据可视化分析方法，其特征在于，步骤S3中数据可视化技术是利用已有的可视化工具软件生成柱、饼、直方图类规范化图形；基于地图或者底图，通过色彩、颗粒、形状、密度形成二维或准三维可视化效果；

描述性可视化分析模块，采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，以客观描述事实为宗旨，以仿真客观现实为目的，可视化效果采用AR手册图像为底图，每页呈现用户关注热点和使用轨迹，用户类别通过交互技术来选择和区分，实现对用户行为可视化分类观察；解释性可视化分析模块，同样采用用户行为数据中的点击频次数据、使用时长数据，以及说明手册图形数据，运用模型规则库进行计算，以抽象行为规律为目的，通过规则库的统计分析得到数据间的关系和规律，用适合关系表现的规范化图形为展示手段，实现对用户行为规律的可视化呈现。