CN110245070A - 测试用户筛选方法、装置、计算机设备及存储介质 - Google Patents
测试用户筛选方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110245070A CN110245070A CN201910374790.2A CN201910374790A CN110245070A CN 110245070 A CN110245070 A CN 110245070A CN 201910374790 A CN201910374790 A CN 201910374790A CN 110245070 A CN110245070 A CN 110245070A
- Authority
- CN
- China
- Prior art keywords
- user
- label
- portrait
- users
- online
- 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.)
- Granted
Links
- 238000012216 screening Methods 0.000 title claims abstract description 74
- 238000012360 testing method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 8
- 238000013481 data capture Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000030279 gene silencing Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了测试用户筛选方法、装置、设备及存储介质，方法包括：获取所有用户数据；根据所有用户数据构建每个用户的用户画像，其中，用户画像由用户在多个预设维度中所属的标签构成；确定预设维度中各个标签的用户数量占比；根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；若检测到在线用户，获取在线用户的用户画像；根据在线用户的用户画像以及预设筛选规则判断是否将在线用户筛选为种子用户；若是，将在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中所对应的各个标签所需的用户数量为零，得到测试用户信息。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种测试用户筛选方法、装置、计算机设备及存储介质。
背景技术
产品的发布过程或者是产品的新功能的发布过程并不是一蹴而就的，而是逐步扩大使用用户的范围，例如，可以先从公司内部用户到忠诚度较高的种子用户，再到更大范围的活跃用户，最后到所有用户。在此过程中，产品团队根据用户的反馈及时完善产品相关功能。此种发布方式，称之为“灰度发布”、“灰度放量”或“分流发布”。
在灰度发布中，都会筛选部分种子用户进行产品的A/B test，Atest为产品原版本，B test为产品新版本，事先在被筛选出来的用户中推广B test，验证一下被筛选出来的用户对该产品的新版本的喜好度，以便决定是否需要向全部用户进行推广；且在被筛选出来的用户试用产品的新功能新特性时，也能及时发现存在的bug，可以及时对该产品的新版本进行优化，在把该产品的新版本全面推向市场之前，会对其反复进行这样的优化操作，以确保该产品的新版本在全面推向市场时是最优化的。
因此，在试验产品的新功能的应用场景中，需要事先筛选出种子用户以实行该试验产品的灰度发布，目前常用做法是选择某个城市或者选择某个标签的用户作为种子用户，例如，选择喜好理财或者性别为男等标签的用户，然而，这样筛选A/B test的种子用户没有代表性，不能覆盖全部用户的各个特征，这对于产品新版本的测试是极其不利的，因为每次新版本的更新都是推荐给个别特征的用户，无法覆盖全部用户，该测试就没有代表性，且其测试得到的结果也不准确。
发明内容
本发明实施例提供了一种测试用户筛选方法、装置、计算机设备及存储介质，可以避免现有技术中在对产品新版本进行灰度发布时所筛选出来的种子用户没有代表性而导致其测试的结果不准确，可以有效提高测试的准确性。
第一方面，本发明实施例提供了一种测试用户筛选方法，其包括：获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据；根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成；确定预设维度中各个标签的用户数量占比；根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；若检测到在线用户，获取所述在线用户的用户画像；根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户；若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中所对应的各个标签所需的用户数量为零，得到测试用户信息。
第二方面，本发明实施例还提供了一种测试用户筛选装置，其包括：数据获取单元，用于获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据；画像构建单元，用于根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成；确定单元，用于确定预设维度中各个标签的用户数量占比；用户数量计算单元，用于根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；画像获取单元，用于若检测到在线用户，获取所述在线用户的用户画像；判断单元，用于根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户；筛选单元，用于若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及返回单元，用于返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中各个标签所需的用户数量为零，得到测试用户信息。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述第一方面的方法。
本发明实施例提供了一种测试用户筛选方法、装置、计算机设备及计算机可读存储介质。本发明实施例能够有效克服现有技术中在对产品新版本进行灰度发布时所筛选出来的种子用户没有代表性而导致其测试的结果不准确等问题。本发明实施例可以通过获取所有用户数据，进而通过机器学习所有用户数据，以确定多个预设维度以及在多个预设维度中所对应的各个标签以及构建每个用户的用户画像，再根据预设筛选方法，筛选出所有种子用户；相比现有的筛选种子用户的方式，本方案实施例结合用户的各个特征，可以将所有特征的用户进行全方位覆盖，所筛选出来的种子用户涵盖更多维度，且更全面，以及更具备代表性，进而可以更加有效地进行产品新版本的灰度发布测试，且可以保证该测试结果的准确性，有利于得到种子用户的更多积极地、有建设性的意见反馈，得到最优化的产品新版本，进而可以确保用户体验效果。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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例，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为本发明实施例提供的一种测试用户筛选方法的流程示意图；
图2为本发明实施例提供的一种测试用户筛选方法的另一流程示意图；
图3为本发明实施例提供的一种测试用户筛选方法的另一流程示意图；
图4为本发明实施例提供的一种测试用户筛选方法的另一流程示意图；
图5为本发明实施例提供的一种测试用户筛选装置的示意性框图；
图6为本发明实施例提供的一种测试用户筛选装置的判断单元的示意性框图；
图7为本发明实施例提供的一种测试用户筛选装置的用户数量判断单元的示意性框图；以及
图8为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，其为本发明实施例提供的一种测试用户筛选方法的示意性流程图。具体地，该测试用户筛选方法应用于一应用产品，用于为该应用产品的新版本的灰度发布筛选出种子用户，进而可以在被筛选出的种子用户中试行该应用产品的新版本。该方法可包括步骤S101至S108。
S101、获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据。
具体地，所述产品为一应用产品，所述应用产品在发布过程中可进行灰度发布，该应用产品可以为金融类应用产品、理财类应用产品、娱乐类应用产品以及其他各种类型的应用产品，在此不对该应用产品作具体限制，只要该应用产品需要进行灰度发布即为本发明所限产品。所述预设时间范围由用户根据实际应用场景的需求进行自定义设置，所述所有用户的数据包括所有用户的个人信息及其在该应用产品内的行为数据。具体可例如为，设置该预设时间范围为2017年1月1号到1月31号，则所述所有用户数据为从预设数据库中获取2017年1月份内的所有用户的数据，其中，该所有用户的数据包括在2017年1月份内的所有用户的个人信息及所有用户在该应用产品内的行为数据。其中，用户的个人信息包括用户的昵称、头像、所在城市、年龄、性别等个人信息，所述行为数据包括收藏、分享、转发、评论、访问、交易、使用时长、使用时间段以及使用天数等数据，其中，所述交易数据包括订单数据。另外，若该应用产品为视频类应用产品，所述行为数据还包括用户收看的视频类型以及收看该视频类型的时长。
S102、根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成。
具体地，在一实施例中，所述多个预设维度包括性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度，其中，具体构成每个用户的用户画像的多个预设维度可以根据产品的实际应用场景进行自定义设置，即具体构成用户画像的多个预设维度可以为性别维度和年龄维度，也可以为性别维度和地理维度，也可以为性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度，在此不对该具体构成每个用户的用户画像的多个预设维度作具体限制。所述多个预设维度中的任一预设维度均包括多个标签，其中，可例如为若一预设维度为性别维度，则该性别维度所包括的多个标签为男性、女性以及其他；其中，将没有填写性别的用户在性别维度中所属标签自动归类为其他。在此不对所述性别维度所包括的多个标签作具体限制。若一预设维度为年龄维度，则该年龄维度所包括的多个标签为10后、00后、90后、80后、70后、60后以及其他。在一实施例中，所述年龄维度所包括的多个标签也可以为各个年龄段范围。在此不对所述年龄维度所包括的多个标签作具体限制。若一预设维度为忠诚度维度，则该忠诚度维度所包括的多个标签为“忠诚”、“活跃”、“普通”、“游离”以及“沉默”，其中，该忠诚度维度可以根据第一预设规则以及所获取的一用户的行为数据分析该用户在忠诚度维度中所属的标签，所述第一预设规则可以根据用户实际应用场景的需求进行自定义设置，例如可以利用使用时长、使用频率以及使用天数等关键词设置相应的第一预设规则，其中，所述第一预设规则可用于分析用户的行为数据以得到用户在所述忠诚度维度中所属标签。例如，利用使用天数这一关键词设置相应的第一预设规则，具体地，所述第一预设规则为若用户在30天之内点击天数大于等于15天，则该用户在忠诚度维度中所属的标签为“忠诚”；若用户在30天之内点击天数大于等于10天以及小于15天，该用户在忠诚度维度中所属的标签为“活跃”；若用户在30天之内点击天数大于等于5天以及小于10天，该用户在忠诚度维度中所属的标签为“普通”；若用户在30天之内点击天数大于等于1天以及小于5天，则该用户在忠诚度维度中所属的标签为“游离”；若用户在30天之内点击天数为0天，则该用户在忠诚度维度中所属的标签为“沉默”。若一预设维度为兴趣偏好维度，若该产品为视频类应用产品，则该兴趣偏好维度所包括的多个标签可以为新闻类、动漫类、综艺类、体育竞技类、军事类、影视类以及音乐类等，其中，可以根据第二预设规则以及所获取的一用户的行为数据分析该用户在兴趣偏好维度中所属的标签，所述第二预设规则可以根据用户实际应用场景的需求进行自定义设置，例如可以利用用户的视频类型的收看时长、收看的视频类型以及使用天数等关键词设置相应的第二预设规则，其中，所述第二预设规则可用于分析用户的行为数据以得到用户在所述兴趣偏好维度中所属标签。例如，利用收看的视频类型这一关键词设置相应的第二预设规则，其中，所述视频类型包括新闻视频类型、动漫视频类型、综艺视频类型、体育竞技视频类型、军事视频类型、影视视频类型以及音乐视频类性等，具体地，所述第二预设规则为结合用户的行为数据分析用户收看的所有视频类型的占比，将其中占比最大的视频类型作为用户在所述兴趣偏好维度中所属标签。若一预设维度为地理维度，则该地理维度所包括的多个标签可以为全国各个省份或者某个省份内的各个城市。在此不对该多个预设维度的任一预设维度的多个标签做具体限制，用户可根据该产品的实际应用场景进行自定义设置一预设维度的多个标签或者通过机器学习提取各个预设维度的多个标签。其中，所述用户画像由用户在多个预设维度中所属的一标签构成；例如，所述多个预设维度为忠诚度维度以及兴趣偏好维度，根据第一预设规则以及第二预设规则以及结合用户的行为数据分析得知该用户在忠诚度维度以及兴趣偏好维度中所属的一标签分别为忠诚以及音乐类，因此，该用户的用户画像为忠诚以及音乐类。
具体地，在一实施例中，所述根据所获取的所有用户数据构建每个用户的用户画像包括用户画像构建方法。该用户画像构建方法，如图2所示，即步骤S102包括子步骤S102a至S102b。其中，S102a、根据所获取的所有用户数据确定每个用户在多个预设维度中所属的标签；以及S102b、根据每个用户在多个预设维度中所属的标签对应构建每个用户的用户画像。
其中，所述用户画像由用户在多个预设维度中所属的标签构成。例如，在一实施例中，构成用户A的用户画像的多个预设维度包括性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度，其中，所获取的用户A数据包括个人信息以及行为数据，其个人信息为性别女、26岁、位于深圳，其行为数据为在预设时间范围内收看了大量综艺类节目，进而分析得知该用户A在忠诚度维度中所属标签为忠诚，在兴趣偏好维度中所属标签为综艺类，因此，根据所获取的用户A数据可以确定该用户A在性别维度中的标签为女性、在年龄维度中的标签为90后、在兴趣偏好维度中的标签为综艺类、在忠诚度维度中的标签为忠诚、在地理维度中的标签为广东省，因此，该用户A的用户画像为女、90后、综艺类、忠诚、广东省。
S103、确定预设维度中各个标签的用户数量占比。
具体地，在本步骤中，根据所构建的所有用户的用户画像，可以分析确定在多个预设维度中各个标签的用户数量占比，例如，在一实施例中，对于性别维度，通过分析所构建的所有用户的用户画像中的性别维度，可得知所述所有用户由52％男性用户、42％女性用户以及6％其他用户组成，其中，将没有填写性别的用户在性别维度中所属标签自动归类为其他用户，则在性别维度中女性标签占比为42％，男性标签占比为52％、其他标签占比为6％；对于忠诚度维度，通过分析所构建的所有用户的用户画像中的忠诚度维度，可得知所述所有用户中存在50％的忠诚用户、20％活跃用户、9％普通用户、5％游离用户以及16％沉默用户，则在忠诚度维度中忠诚标签占比为50％、活跃标签占比为20％、普通标签占比为9％、游离标签占比为5％以及沉默标签占比为16％。上述在性别维度以及忠诚度维度中所对应的各个标签的具体占比仅用于说明一实施例，不对所有用户在性别维度以及忠诚度维度中所对应的各个标签的用户数量占比作具体限制，因此，通过分析所构建的所有用户的用户画像，可以确定在多个预设维度中各个标签的用户数量占比。
S104、根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量。
具体地，所述预设目标量由用户根据实际应用场景的需求进行自定义设置。其中，该预设目标量为该产品灰度发布时需要筛选的种子用户的用户数量，即该产品计划在该预设目标量中进行产品的灰度发布，例如，若该预设目标量为100位，则该产品计划在100位用户中进行产品的灰度发布。因此，在本步骤中，根据在多个预设维度中各个标签的用户数量占比以及一预设目标量即可计算得出在多个预设维度中各个标签所需的用户数量，继续如上述步骤S103所述，若该预设目标量为100位种子用户，且在性别维度中男性标签占比52％、女性标签占比42％以及其他标签占比6％，则该男性标签所需的用户数量为52位，女性标签所需的用户数量为42位，其他标签所需的用户数量为6位；对于忠诚度维度，根据在忠诚度维度中各个标签的用户数量占比以及该预设目标量计算得出在忠诚度维度中忠诚标签所需的用户数量为50位、活跃标签所需的用户数量为20位、普通标签所需的用户数量为9位、游离标签所需的用户数量为5位以及沉默标签所需的用户数量为16位。因此，可以根据步骤S103中所分析确定的在多个预设维度中各个标签的用户数量占比以及一预设目标量计算在多个预设维度中各个标签所需的用户数量。
S105、若检测到在线用户，获取所述在线用户的用户画像。
具体地，在本步骤中，检测该产品在当前时间内是否存在在线用户，若存在在线用户，从所构建的所有用户画像中获取该在线用户的用户画像，进而可以通过该在线用户的用户画像以及预设筛选规则来判断是否要筛选该在线用户作为发布该产品新版本的种子用户。其中，所述预设筛选规则为判断所述在线用户的用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，将所述在线用户筛选为种子用户；以及若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，将所述在线用户筛选为非种子用户。
S106、根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户。
具体地，在一实施例中，所述根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户包括种子用户筛选方法。该种子用户筛选方法，如图3所示，即步骤S106包括子步骤S106a至S106c。其中，S106a、根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；S106b、若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为种子用户；以及S106c、若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为非种子用户。
其中，在所述步骤S106a中，在一实施例中，所述根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求包括用户数量判断方法。该用户数量判断方法，如图4所示，即步骤S106a包括子步骤S106a1至S106a4。其中，S106a1、根据所述在线用户的用户画像确定所述在线用户在多个预设维度中所属的标签；S106a2、根据所述在线用户在多个预设维度中所属的标签分别查找其所对应的标签所需的用户数量是否不为零；S106a3、若所述在线用户所对应的标签所需的用户数量均不为零，判定所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求；以及S106a4、若所述在线用户所对应的标签中存在至少一标签所需的用户数量为零，判定所述在线用户的用户画像不同时满足在多个预设维度中所对应的标签所需的用户数量要求。
具体地，在步骤S106a1至S106a3中，若继续如上述步骤S104所述，该多个预设维度包括性别维度以及忠诚度维度；其中，一预设目标量为100位，根据在性别维度中所对应的各个标签的用户数量占比以及一预设目标量可知性别维度中该男性标签所需的用户数量为52位，女性标签所需的用户数量为42位以及其他标签所需的用户数量为6位；同理，该忠诚度维度中该忠诚标签所需的用户数量为50位、活跃标签所需的用户数量为20位、普通标签所需的用户数量为9位、游离标签所需的用户数量为5位以及沉默标签所需的用户数量为16位；根据所述在线用户A的用户画像确定所述在线用户A在性别维度中所属的标签为女性，在忠诚度中所属的标签为忠诚；进而，根据所述在线用户A在性别维度所属的女性标签以及在忠诚度维度所属的忠诚标签分别查找其所对应的标签所需的用户数量是否不为零，由上述可知，在性别维度中女性标签所需的用户数量为42位，在忠诚度维度中忠诚标签所需的用户数量为50位，因此，在线用户A在性别维度以及忠诚度维度所对应的标签所需的用户数量均不为零，则该在线用户A同时满足该性别维度以及忠诚度维度中所对应的女性标签以及忠诚标签所需的用户数量，进而可以判定将所述在线用户A筛选为种子用户。反之，若在性别维度中女性标签所需的用户数量为0位，在忠诚度维度中忠诚标签所需的用户数量为50位，则在线用户A在性别维度以及忠诚度维度所对应的标签所需的用户数量存在一标签所需的用户数量为零，则该在线用户A不同时满足该性别维度以及忠诚度维度中所对应的女性标签以及忠诚标签所需的用户数量，进而可以判定将所述在线用户A筛选为非种子用户。其中，所述根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户的步骤之后还包括步骤S109、若是将所述在线用户筛选为非种子用户，返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤。其中，若在多个预设维度中各个标签所需的用户数量均为零，则表明已筛选出全部种子用户，即可以在被筛选出来的全部种子用户中进行产品新版本的灰度发布。
S107、若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一。
具体地，在本步骤中，若是将所述在线用户筛选为种子用户，即将该在线用户作为所述预设目标量中的一位种子用户，则需将该在线用户在该多个预设维度中所对应的标签所需的用户数量减一。若继续如上述步骤S106所述，该多个预设维度包括性别维度以及忠诚度维度；其中，一预设目标量为100位，即此时该性别维度中女性标签所需的用户数量则为41位，其他标签所需的用户数量不变；该忠诚度维度中该忠诚标签所需的用户数量为49位，其他标签所需的用户数量不变。
S108、返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中所对应的各个标签所需的用户数量为零。
具体地，在本步骤中，当筛选一位在线用户作为种子用户，则在所述预设目标量中减一，表明该被筛选出的在线用户满足预设筛选规则，符合作为产品新版本的灰度发布的种子用户的要求。若在多个预设维度中各个标签所需的用户数量为零，则表明已筛选出全部种子用户，不需要再反复执行步骤S105至步骤S108以筛选出种子用户。
在上述实施例中，本发明实施例能够有效克服现有技术中在对产品新版本进行灰度发布时所筛选出来的种子用户没有代表性而导致其测试的结果不准确等问题。本发明实施例可以通过获取所有用户数据，进而通过机器学习所有用户数据，以确定各个预设维度以及在各个预设维度中所对应的各个标签以及利用上述各个预设维度中所对应的各个标签构建每个用户的用户画像，进而利用所构建的所有用户的用户画像分析得到在各个预设维度中所对应的各个标签的用户数量占比，进而根据预设目标量确定在各个预设维度中所对应的各个标签所需的用户数量，再根据预设筛选规则筛选出全部种子用户；相比现有的筛选种子用户的方式，本方案实施例结合用户的各个特征，可以将所有特征的用户进行全方位覆盖，所筛选出来的种子用户涵盖更多维度，且更全面，以及更具备代表性，进而可以更加有效地进行产品新版本的灰度发布测试，且可以保证该测试结果的准确性，有利于得到种子用户的更多积极地、有建设性的意见反馈，得到最优化的产品新版本，进而可以确保用户体验效果。
请参阅图5，其为本发明实施例提供的一种测试用户筛选装置100的示意性框图。如图5所示，该测试用户筛选装置100对应于图1所示的测试用户筛选方法。该测试用户筛选装置100包括用于执行上述测试用户筛选方法的单元，具体地，该测试用户筛选装置100应用于一应用产品内，用于为该应用产品新版本的灰度发布筛选出种子用户，进而可以在被筛选出的种子用户中试行该应用产品的新版本。具体地，请参阅图5，该测试用户筛选装置100包括数据获取单元101、画像构建单元102、确定单元103、用户数量计算单元104、画像获取单元105、判断单元106、筛选单元107以及返回单元108。
所述数据获取单元101用于获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据。
所述画像构建单元102用于根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成。
其中，具体地，所述多个预设维度包括性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度。
在一实施例中，如图5所示，画像构建单元102包括第一标签确定单元102a以及画像构建子单元102b。其中，所述第一标签确定单元102a，用于根据所获取的所有用户数据确定每个用户在多个预设维度中所属的标签；以及所述画像构建子单元102b，用于根据每个用户在多个预设维度中所属的标签对应构建每个用户的用户画像。
所述确定单元103用于确定预设维度中各个标签的用户数量占比。
所述用户数量计算单元104用于根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量。
所述画像获取单元105用于若检测到在线用户，获取所述在线用户的用户画像。
所述判断单元106用于根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户。
在一实施例中，如图6所示，所述判断单元106包括用户数量判断单元106a、第一判定单元106b以及第二判定单元106c。其中，所述用户数量判断单元106a，用于根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；所述第一判定单元106b，用于若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为种子用户；以及所述第二判定单元106c，用于若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为非种子用户并返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤。
在一实施例中，如图7所示，所述用户数量判断单元106a包括第二标签确定单元106a1、标签查找单元106a2、第一判定子单元106a3以及第二判定子单元106a4。其中，所述第二标签确定单元106a1，用于根据所述在线用户的用户画像确定所述在线用户在多个预设维度中所属的标签；所述标签查找单元106a2，用于根据所述在线用户在多个预设维度中所属的标签分别查找其所对应的标签所需的用户数量是否不为零；所述第一判定子单元106a3，用于若所述在线用户所对应的标签所需的用户数量均不为零，判定所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求；以及所述第二判定子单元106a4，用于若所述在线用户所对应的标签中存在至少一标签所需的用户数量为零，判定所述在线用户的用户画像不同时满足在多个预设维度中所对应的标签所需的用户数量要求。
所述筛选单元107用于若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一。
所述返回单元108用于返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中各个标签所需的用户数量为零，得到测试用户信息。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述测试用户筛选装置100和各单元的具体实现过程以及效果，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述装置可以实现为一种计算机程序的形式，该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8，其为本发明实施例提供的一种计算机设备的示意性框图。该计算机设备600具体为智能电视终端。
参阅图8，该计算机设备600包括通过系统总线601连接的处理器602、存储器以及网络接口605，其中，存储器可以包括非易失性存储介质603和内存储器604。
该非易失性存储介质603可存储操作系统6031和计算机程序6032。该计算机程序6032包括程序指令，该程序指令被执行时，可使得处理器602执行一种测试用户筛选方法。
该处理器602用于提供计算和控制能力，以支撑整个计算机设备600的运行。
该内存储器604为非易失性存储介质603中的计算机程序6032的运行提供环境，该计算机程序6032被处理器602执行时，可使得处理器602执行一种测试用户筛选方法。
该网络接口605用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备600的限定，具体的计算机设备600可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器602用于运行存储在存储器中的计算机程序6032，以实现如下步骤：获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据；根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成；确定预设维度中各个标签的用户数量占比；根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；若检测到在线用户，获取所述在线用户的用户画像；根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户；若是将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中所对应的各个标签所需的用户数量为零，得到测试用户信息。
在一实施例中，处理器602在实现所述根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成的步骤时，具体实现如下步骤：根据所获取的所有用户数据确定每个用户在多个预设维度中所属的标签；以及根据每个用户在多个预设维度中所属的标签对应构建每个用户的用户画像。
在一实施例中，处理器602在实现所述根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户的步骤时，具体实现如下步骤：根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为种子用户；以及若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为非种子用户。
在一实施例中，处理器602在实现所述根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求的步骤时，具体实现如下步骤：根据所述在线用户的用户画像确定所述在线用户在多个预设维度中所属的标签；根据所述在线用户在多个预设维度中所属的标签分别查找其所对应的标签所需的用户数量是否不为零；若所述在线用户所对应的标签所需的用户数量均不为零，判定所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求；以及若所述在线用户所对应的标签中存在至少一标签所需的用户数量为零，判定所述在线用户的用户画像不同时满足在多个预设维度中所对应的标签所需的用户数量要求。
在一实施例中，处理器602在实现所述测试用户筛选方法时，所述多个预设维度包括性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度。
应当理解，在本发明实施例中，处理器602可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器602还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如上所述的测试用户筛选方法。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的。例如，各个单元的划分，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。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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例系统中的单元可以根据实际需要进行合并、划分和删减。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，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元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，或者该技术方案的全部或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，终端，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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到各种等效的修改或替换，这些修改或替换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以权利要求的保护范围为准。
Claims (10)
1.一种测试用户筛选方法，其特征在于，包括：
获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据；
根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成；
确定预设维度中各个标签的用户数量占比；
根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；
若检测到在线用户，获取所述在线用户的用户画像；
根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户；
若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及
返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中所对应的各个标签所需的用户数量为零，得到测试用户信息。
2.根据权利要求1所述的测试用户筛选方法，其特征在于，所述根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成，包括：
根据所获取的所有用户数据确定每个用户在多个预设维度中所属的标签；以及
根据每个用户在多个预设维度中所属的标签对应构建每个用户的用户画像。
3.根据权利要求1所述的测试用户筛选方法，其特征在于，所述根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户，包括：
根据所述在线用户的用户画像判断所述在线用户的用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；
若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为种子用户；以及
若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为非种子用户。
4.根据权利要求3所述的测试用户筛选方法，其特征在于，所述根据所述在线用户的用户画像判断所述用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求，包括：
根据所述在线用户的用户画像确定所述在线用户在多个预设维度中所属的标签；
根据所述在线用户在多个预设维度中所属的标签分别查找其所对应的标签所需的用户数量是否不为零；
若所述在线用户所对应的标签所需的用户数量均不为零，判定所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求；以及
若所述在线用户所对应的标签中存在至少一标签所需的用户数量为零，判定所述在线用户的用户画像不同时满足在多个预设维度中所对应的标签所需的用户数量要求。
5.根据权利要求1所述的测试用户筛选方法，其特征在于，所述多个预设维度包括性别维度、年龄维度、忠诚度维度、兴趣偏好维度以及地理维度。
6.一种测试用户筛选装置，其特征在于，包括：
数据获取单元，用于获取所有用户数据，其中，所述所有用户数据为从预设数据库中获取的预设时间范围内的所有用户的数据；
画像构建单元，用于根据所获取的所有用户数据构建每个用户的用户画像，其中，所述用户画像由用户在多个预设维度中所属的标签构成；
确定单元，用于确定预设维度中各个标签的用户数量占比；
用户数量计算单元，用于根据所述各个标签的用户数量占比以及预设目标量计算各个标签所需的用户数量；
画像获取单元，用于若检测到在线用户，获取所述在线用户的用户画像；
判断单元，用于根据所述在线用户的用户画像以及预设筛选规则判断是否将所述在线用户筛选为种子用户；
筛选单元，用于若将所述在线用户筛选为种子用户，将所述在线用户在多个预设维度中所对应的标签所需的用户数量减一；以及
返回单元，用于返回执行所述若检测到在线用户，获取所述在线用户的用户画像的步骤直至在多个预设维度中各个标签所需的用户数量为零，得到测试用户信息。
7.根据权利要求6所述的测试用户筛选装置，其特征在于，所述画像构建单元包括：
第一标签确定单元，用于根据所获取的所有用户数据确定每个用户在多个预设维度中所属的标签；以及
画像构建子单元，用于根据每个用户在多个预设维度中所属的标签对应构建每个用户的用户画像。
8.根据权利要求6所述的测试用户筛选装置，其特征在于，所述判断单元包括：
用户数量判断单元，用于根据所述在线用户的用户画像判断所述在线用户的用户画像是否同时满足在多个预设维度中所对应的标签所需的用户数量要求；
第一判定单元，用于若所述在线用户的用户画像同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为种子用户；
第二判定单元，用于若不同时满足在多个预设维度中所对应的标签所需的用户数量要求，判定将所述在线用户筛选为非种子用户。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的测试用户筛选方法。
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存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的测试用户筛选方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374790.2A CN110245070B (zh) | 2019-05-07 | 2019-05-07 | 测试用户筛选方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374790.2A CN110245070B (zh) | 2019-05-07 | 2019-05-07 | 测试用户筛选方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110245070A true CN110245070A (zh) | 2019-09-17 |
| CN110245070B CN110245070B (zh) | 2024-05-31 |
Family
ID=67883793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910374790.2A Active CN110245070B (zh) | 2019-05-07 | 2019-05-07 | 测试用户筛选方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110245070B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742199A (zh) * | 2020-05-28 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 功能测试方法、装置、电子设备和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105893406A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 群体用户画像方法及系统 |
| CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技（深圳）有限公司 | 用户选取方法和装置 |
| CN106648562A (zh) * | 2015-10-29 | 2017-05-10 | 腾讯科技（深圳）有限公司 | 版本更新方法及装置 |
| CN107402881A (zh) * | 2017-04-14 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种项目测试的选取方法及装置 |
| CN108446222A (zh) * | 2018-03-05 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 应用测试方法、装置及设备 |
| CN108574601A (zh) * | 2018-03-27 | 2018-09-25 | 无锡华云数据技术服务有限公司 | 一种灰度发布方法及系统 |
| CN109446065A (zh) * | 2018-09-18 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 用户标签测试方法、装置、计算机设备和存储介质 |
| CN109471657A (zh) * | 2018-09-07 | 2019-03-15 | 平安科技（深圳）有限公司 | 灰度发布方法、装置、计算机设备及计算机存储介质 |
| CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
| CN109583937A (zh) * | 2018-10-26 | 2019-04-05 | 平安科技（深圳）有限公司 | 一种产品推荐方法和装置 |
| CN109636497A (zh) * | 2018-10-26 | 2019-04-16 | 平安科技（深圳）有限公司 | 一种产品推荐方法和装置 |
-
2019
- 2019-05-07 CN CN201910374790.2A patent/CN110245070B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106648562A (zh) * | 2015-10-29 | 2017-05-10 | 腾讯科技（深圳）有限公司 | 版本更新方法及装置 |
| CN105893406A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 群体用户画像方法及系统 |
| CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技（深圳）有限公司 | 用户选取方法和装置 |
| CN107402881A (zh) * | 2017-04-14 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种项目测试的选取方法及装置 |
| CN108446222A (zh) * | 2018-03-05 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 应用测试方法、装置及设备 |
| CN108574601A (zh) * | 2018-03-27 | 2018-09-25 | 无锡华云数据技术服务有限公司 | 一种灰度发布方法及系统 |
| CN109471657A (zh) * | 2018-09-07 | 2019-03-15 | 平安科技（深圳）有限公司 | 灰度发布方法、装置、计算机设备及计算机存储介质 |
| CN109446065A (zh) * | 2018-09-18 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 用户标签测试方法、装置、计算机设备和存储介质 |
| CN109583937A (zh) * | 2018-10-26 | 2019-04-05 | 平安科技（深圳）有限公司 | 一种产品推荐方法和装置 |
| CN109636497A (zh) * | 2018-10-26 | 2019-04-16 | 平安科技（深圳）有限公司 | 一种产品推荐方法和装置 |
| CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742199A (zh) * | 2020-05-28 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 功能测试方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110245070B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109118296A (zh) | 活动推送方法、装置及电子设备 | |
| US20040164961A1 (en) | Method, system and computer product for continuously monitoring data sources for an event of interest | |
| CN109784381A (zh) | 标注信息处理方法、装置及电子设备 | |
| CN110163723A (zh) | 基于产品特征的推荐方法、装置、计算机设备及存储介质 | |
| CN107016026A (zh) | 一种用户标签确定、信息推送方法和设备 | |
| CN110134845A (zh) | 项目舆情监控方法、装置、计算机设备及存储介质 | |
| JP7069029B2 (ja) | 自動予測システム、自動予測方法および自動予測プログラム | |
| CN109711424B (zh) | 一种基于决策树的行为规则获取方法、装置及设备 | |
| CN109064265A (zh) | 基于网络平台的购车推荐方法及系统 | |
| CN107909466A (zh) | 客户关系网络展示方法、装置、设备及可读存储介质 | |
| WO2020047439A1 (en) | Methods and systems for detecting environment features in images and predicting location-based health metrics | |
| CN107644100A (zh) | 信息处理方法、装置以及系统和计算机可读存储介质 | |
| CN108572988A (zh) | 一种房产评估数据生成方法和装置 | |
| Braun | More accurate less meaningful? A critical physical geographer’s reflection on interpreting remote sensing land-use analyses | |
| CN110727857A (zh) | 针对业务对象识别潜在用户的关键特征的方法及装置 | |
| CN113312468A (zh) | 基于对话模式的话术推荐方法、装置、设备及介质 | |
| JP7555581B2 (ja) | 病虫害診断装置、病虫害診断方法、病虫害診断プログラム、モデル生成装置、モデル生成方法、及びモデル生成プログラム | |
| CN109003146A (zh) | 业务数据推广方法、装置、终端和计算机可读存储介质 | |
| KR20130038889A (ko) | 오브젝트 커스터마이제이션 및 관리 시스템 | |
| Gutama et al. | Analysis of the effect of website sales quality on purchasing decisions on e-commerce websites | |
| Du et al. | Analysis of university fitness center data uncovers interesting patterns, enables prediction | |
| CN117271905B (zh) | 基于人群画像的侧向需求分析方法及系统 | |
| US20140122139A1 (en) | Method for determining relative ranking data in a broker mediated geospatial information service environment | |
| CN110209944A (zh) | 一种股票分析师推荐方法、装置、计算机设备和存储介质 | |
| CN110245070A (zh) | 测试用户筛选方法、装置、计算机设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |