CN110555170A - 一种优化用户体验的系统及方法 - Google Patents

一种优化用户体验的系统及方法 Download PDF

Info

Publication number
CN110555170A
CN110555170A CN201910861988.3A CN201910861988A CN110555170A CN 110555170 A CN110555170 A CN 110555170A CN 201910861988 A CN201910861988 A CN 201910861988A CN 110555170 A CN110555170 A CN 110555170A
Authority
CN
China
Prior art keywords
user
behavior
data
behavior data
analysis request
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
Application number
CN201910861988.3A
Other languages
English (en)
Other versions
CN110555170B (zh
Inventor
于力
李源
崔乐乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianyuan Big Data Credit Management Co Ltd
Original Assignee
Shandong ICity Information Technology Co., Ltd.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong ICity Information Technology Co., Ltd. filed Critical Shandong ICity Information Technology Co., Ltd.
Priority to CN201910861988.3A priority Critical patent/CN110555170B/zh
Publication of CN110555170A publication Critical patent/CN110555170A/zh
Application granted granted Critical
Publication of CN110555170B publication Critical patent/CN110555170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开一种优化用户体验的系统及方法，涉及数据处理技术领域；建立数据标准库，作为分析请求行为模型的输入，利用分析请求行为模型分析用户请求行为，形成触发埋点数据库，当用户行为数据与触发埋点数据库的数据形成匹配，可以个性化的方式将相应的内容以用户所喜欢的风格与内容展示形式，推送给用户，同时可以预加载数据与内容，提升访问速度，从而达到提升用户体验。

Description

一种优化用户体验的系统及方法
技术领域
本发明公开一种优化用户体验的系统及方法，涉及数据处理技术领域。
背景技术
互联网时代，随着互联网技术的发展，互联网中的网站成为了人们与网络沟通的桥梁，上网也成为了人们每天里都必不可少的娱乐生活方式，因此产生了越来越多的基于互联网的服务。互联网公司的根基是无数的用户，从最初的为用户提供简单的服务，到后来为了留住用户而做的各种访问的细节的处理，提升用户访问网站的舒适度，从而成了产品设计中最重要的考量参数，也就是用户体验。
随着大数据与人工智能的兴起，利用大数据与人工智能对用户行为进行分析，了解用户的使用习惯、用户的访问喜好(包括用户对色值的喜好、字体大小、字体类型等等)使得针对性的对不同用户提供个性化的体验推送。
为了提升访问速度，个性化的推送用户所喜欢的风格与内容展示形式，提高用户体验，本发明提出了一种优化用户体验的系统及方法，通过收集各种用户在访问网站时候的行为数据，对数据进行初步的加工清洗并将数据标准化，获得足够大的数据集合，利用人工智能算法进行信息的处理，通过强化学习分析用户访问数据，形成用户行为“触发埋点”数据库，利用“触发埋点”结果数据库进行用户行为契合预触发，触发之后进行各种用户体验优化的处理从而达到对用户体验更完美的优化。
发明内容
本发明针对现有技术的问题，提供一种优化用户体验的系统及方法，利用大数据与人工智能的相关技术来分析用户请求行为，从而可以个性化的推送用户所喜欢的风格与内容展示形式，同时可以预加载数据与内容，提升访问速度，从而达到提升用户体验的目的。
本发明提出的具体方案是：
一种优化用户体验的方法，收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，并形成用户行为触发埋点数据库，
通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
所述的方法中通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理。
所述的方法中利用监督式学习方法中的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型。
所述的方法中利用标准库中更新的行为数据继续进行机器学习，持续调整分析请求行为模型。
所述的方法中根据分析请求行为模型预设的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库。
一种优化用户体验的系统，包括收集模块、训练模块和分析及推送模块，
收集模块收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
训练模块利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，形成用户行为触发埋点数据库，
分析及推送模块通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
所述的系统中收集模块通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理。
所述的系统中训练模块利用监督式学习方法中的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型。
所述的系统中训练模块利用标准库中更新的行为数据继续进行机器学习，持续调整分析请求行为模型。
所述的系统中训练模块根据分析请求行为模型预设的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库。
本发明的有益之处是：
本发明提供一种优化用户体验的系统及方法，利用大数据方法对收集的用户行为数据进行清洗处理，建立数据标准库，作为分析请求行为模型的输入，利用分析请求行为模型分析用户请求行为，形成触发埋点数据库，当用户行为数据与触发埋点数据库的数据形成匹配，可以个性化的方式将相应的内容以用户所喜欢的风格与内容展示形式，推送给用户，同时可以预加载数据与内容，提升访问速度，从而达到提升用户体验。
附图说明
图1是本发明方法流程示意图；
图2是本发明系统数据流向拓扑图；
图3是反向传递神经网络原理图。
具体实施方式
本发明提供一种优化用户体验的方法，收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，并形成用户行为触发埋点数据库，
通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
同时提供与上述方法相应的一种优化用户体验的系统，包括收集模块、训练模块和分析及推送模块，
收集模块收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
训练模块利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，形成用户行为触发埋点数据库，
分析及推送模块通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
提供下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
利用本发明方法，收集用户的鼠标点击、鼠标轨迹、鼠标停留等信息，形成不同网站页面的用户请求热力区域行为数据，将行为数据进行大数据的方法的清洗，初步的整理分析，保留有价值的数据，并保存到存储库中，将存储库所保存的行为数据激进行结构化标准处理，作为为机器学习模型提供服务数据存入标准库，
通过人工智能算法的实现方法将标准库数据作为输入数据进行学习，获得了分析请求行为模型，根据预设在人工智能分析时候的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库，
当用户请求网站，分析请求行为模型利用触发埋点数据库的数据匹配用户行为数据，如果用户的行为被匹配成功，则会触发埋点，根据埋点信息，提供给用户渲染个性化的网站样式与内容信息，也可以提前把数据准备好，优化速度，提升用户体验，同时提升用户忠诚度。
在上述过程中，可通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理，
并且人工智能中的监督式学习方法的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型，当用户请求网站，一边收集用户行为数据继续向标准库中输入，并分析行为数据用来完善埋点数据的可靠性，一边用用户行为触发埋点数据库的数据匹配用户行为数据，如果用户的行为数据被匹配成功，则触发埋点，根据埋点信息，供给用户渲染个性化的网站样式与内容信息，也可以提前把数据准备好，优化速度，提升用户体验，同时提升用户忠诚度。
利用本发明系统中，收集模块收集用户的鼠标点击、鼠标轨迹、鼠标停留等信息，形成不同网站页面的用户请求热力区域行为数据，将行为数据进行大数据的方法的清洗，初步的整理分析，保留有价值的数据，并保存到存储库中，将存储库所保存的行为数据激进行结构化标准处理，作为为机器学习模型提供服务数据存入标准库，
训练模块通过人工智能算法的实现方法将标准库数据作为输入数据进行学习，获得了分析请求行为模型，根据预设在人工智能分析时候的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库，
当用户请求网站，分析及推送模块利用分析请求行为模型分析用户行为数据，使用触发埋点数据库的数据匹配用户行为数据，如果用户的行为被匹配成功，则会触发埋点，根据埋点信息，提供给用户渲染个性化的网站样式与内容信息，也可以提前把数据准备好，优化速度，提升用户体验，同时提升用户忠诚度。
在上述过程中，收集模块可通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理，
并且训练模块使用人工智能中的监督式学习方法的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型，当用户请求网站，收集模块收集用户行为数据继续向标准库中输入，分析及推送模块分析行为数据用来完善埋点数据的可靠性，使用用户行为触发埋点数据库的数据匹配用户行为数据，如果用户的行为数据被匹配成功，则触发埋点，分析及推送模块根据埋点信息，供给用户渲染个性化的网站样式与内容信息，也可以提前把数据准备好，优化速度，提升用户体验，同时提升用户忠诚度。
除本发明系统可进行用户体验优化，也可将本系统作为请求分析层(A层)架设在用户层(B层)与网站产品服务层(S层)的中间层，用来对请求数据进行鉴别操作，
根据预设在人工智能分析时候的各个数值参数，得到的触发埋点，当用户请求网站，A层本系统的收集模块收集用户行为继续向标准库中输入分析数据用来完善埋点数据的可靠性，分析及推送模块使用用户行为触发埋点数据库的数据匹配用户行为，如果用户的行为被匹配机制匹配成功，则系统会触发埋点，分析及推送模块可将埋点信息及相关推送信息提供给产品服务层(S层)，产品服务层根据埋点信息，给用户渲染个性化的网站样式与内容信息，也可以提前把数据准备好，优化速度，提升了用户体验。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种优化用户体验的方法，其特征是收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，并形成用户行为触发埋点数据库，
通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
2.根据权利要求1所述的方法，其特征是通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理。
3.根据权利要求1或2所述的方法，其特征是利用监督式学习方法中的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型。
4.根据权利要求3所述的方法，其特征是利用标准库中更新的行为数据继续进行机器学习，持续调整分析请求行为模型。
5.根据权利要求4所述的方法，其特征是根据分析请求行为模型预设的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库。
6.一种优化用户体验的系统，其特征是包括收集模块、训练模块和分析及推送模块，
收集模块收集用户访问网站时的行为数据，将行为数据进行标准化处理，处理后的行为数据组成标准库，
训练模块利用人工智能算法对标准库中数据进行学习，获得分析请求行为模型，形成用户行为触发埋点数据库，
分析及推送模块通过分析请求行为模型分析用户访问数据，利用触发埋点数据库进行用户行为契合触发，提供给用户契合的网站与内容信息。
7.根据权利要求6所述的系统，其特征是收集模块通过javascript收集用户访问网站时的行为数据，对行为数据进行清洗，再将行为数据进行标准化处理。
8.根据权利要求6或7所述的系统，其特征是训练模块利用监督式学习方法中的反向传递神经网络方法对标准库中行为数据进行学习，获得分析请求行为模型。
9.根据权利要求8所述的系统，其特征是训练模块利用标准库中更新的行为数据继续进行机器学习，持续调整分析请求行为模型。
10.根据权利要求9所述的系统，其特征是训练模块根据分析请求行为模型预设的各个数值参数，获取用户行为数据作为触发埋点，形成用户行为触发埋点数据库。
CN201910861988.3A 2019-09-12 2019-09-12 一种优化用户体验的系统及方法 Active CN110555170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910861988.3A CN110555170B (zh) 2019-09-12 2019-09-12 一种优化用户体验的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910861988.3A CN110555170B (zh) 2019-09-12 2019-09-12 一种优化用户体验的系统及方法

Publications (2)

Publication Number Publication Date
CN110555170A true CN110555170A (zh) 2019-12-10
CN110555170B CN110555170B (zh) 2023-07-07

Family

ID=68739997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910861988.3A Active CN110555170B (zh) 2019-09-12 2019-09-12 一种优化用户体验的系统及方法

Country Status (1)

Country Link
CN (1) CN110555170B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112749990A (zh) * 2021-01-28 2021-05-04 浪潮卓数大数据产业发展有限公司 一种基于游客身份的数据分析方法及系统
WO2021136362A1 (zh) * 2020-01-02 2021-07-08 阿里巴巴集团控股有限公司 页面的访问处理、配置处理方法、装置及电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070050201A1 (en) * 2005-05-26 2007-03-01 Moneyexpert Limited Information system with propensity modelling and profiling engine
CN101556609A (zh) * 2009-05-19 2009-10-14 杭州信杨通信技术有限公司 基于网页内容的客户行为分析和服务系统
US20100114654A1 (en) * 2008-10-31 2010-05-06 Hewlett-Packard Development Company, L.P. Learning user purchase intent from user-centric data
CN102629273A (zh) * 2012-03-19 2012-08-08 奇智软件（北京）有限公司 基于浏览器的广告信息推送方法、装置及浏览器系统
CN106202482A (zh) * 2016-07-18 2016-12-07 浪潮(北京)电子信息产业有限公司 一种基于用户行为分析的网站优化方法及系统
CN106649491A (zh) * 2016-09-30 2017-05-10 广州特道信息科技有限公司 一种基于自然语言分析技术的信息推送系统
US20170164049A1 (en) * 2015-12-02 2017-06-08 Le Holdings (Beijing) Co., Ltd. Recommending method and device thereof
CN109033281A (zh) * 2018-07-11 2018-12-18 国网技术学院 一种知识资源库的智能推送系统
CN109636495A (zh) * 2018-09-21 2019-04-16 闽南理工学院 一种基于大数据的科技信息在线推荐方法
CN109670104A (zh) * 2018-11-12 2019-04-23 深圳壹账通智能科技有限公司 基于机器学习的信息推送方法、设备、装置及存储介质
CN110046921A (zh) * 2018-01-16 2019-07-23 上海适宜广告有限公司 一种基于立体视觉交互及用户行为人工智能应用的商业模式与方法
CN110110237A (zh) * 2017-12-19 2019-08-09 福建天泉教育科技有限公司 用户兴趣信息推荐方法、存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070050201A1 (en) * 2005-05-26 2007-03-01 Moneyexpert Limited Information system with propensity modelling and profiling engine
US20100114654A1 (en) * 2008-10-31 2010-05-06 Hewlett-Packard Development Company, L.P. Learning user purchase intent from user-centric data
CN101556609A (zh) * 2009-05-19 2009-10-14 杭州信杨通信技术有限公司 基于网页内容的客户行为分析和服务系统
CN102629273A (zh) * 2012-03-19 2012-08-08 奇智软件（北京）有限公司 基于浏览器的广告信息推送方法、装置及浏览器系统
US20170164049A1 (en) * 2015-12-02 2017-06-08 Le Holdings (Beijing) Co., Ltd. Recommending method and device thereof
CN106202482A (zh) * 2016-07-18 2016-12-07 浪潮(北京)电子信息产业有限公司 一种基于用户行为分析的网站优化方法及系统
CN106649491A (zh) * 2016-09-30 2017-05-10 广州特道信息科技有限公司 一种基于自然语言分析技术的信息推送系统
CN110110237A (zh) * 2017-12-19 2019-08-09 福建天泉教育科技有限公司 用户兴趣信息推荐方法、存储介质
CN110046921A (zh) * 2018-01-16 2019-07-23 上海适宜广告有限公司 一种基于立体视觉交互及用户行为人工智能应用的商业模式与方法
CN109033281A (zh) * 2018-07-11 2018-12-18 国网技术学院 一种知识资源库的智能推送系统
CN109636495A (zh) * 2018-09-21 2019-04-16 闽南理工学院 一种基于大数据的科技信息在线推荐方法
CN109670104A (zh) * 2018-11-12 2019-04-23 深圳壹账通智能科技有限公司 基于机器学习的信息推送方法、设备、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DUONG VAN HIEU,NAWAPORN WISITPONGPHAN: "Analysis of factors which imapct facebook users\' attitudes and behaviours using decision tree techniques", 2014 11TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER SCIENCE AND SOFTWARE ENGINEERING *
黄敦贤: "推荐系统中的用户动态兴趣模型研究", 信息科技 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021136362A1 (zh) * 2020-01-02 2021-07-08 阿里巴巴集团控股有限公司 页面的访问处理、配置处理方法、装置及电子设备
CN112749990A (zh) * 2021-01-28 2021-05-04 浪潮卓数大数据产业发展有限公司 一种基于游客身份的数据分析方法及系统
CN112749990B (zh) * 2021-01-28 2022-07-26 浪潮卓数大数据产业发展有限公司 一种基于游客身份的数据分析方法及系统

Also Published As

Publication number Publication date
CN110555170B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN108021929B (zh) 基于大数据的移动端电商用户画像建立与分析方法及系统
CN110442781B (zh) 一种基于生成对抗网络的对级排序项目推荐方法
Griesner et al. POI recommendation: Towards fused matrix factorization with geographical and temporal influences
Jansen et al. Handbook of research on web log analysis
CN110163647B (zh) 一种数据处理方法及装置
CN103218431B (zh) 一种能识别网页信息自动采集的系统
JP2006524009A5 (zh)
US20210035183A1 (en) Method and system for a recommendation engine utilizing progressive labeling and user content enrichment
Jin et al. Task-oriented web user modeling for recommendation
CN110555170A (zh) 一种优化用户体验的系统及方法
US10346856B1 (en) Personality aggregation and web browsing
Pallis et al. Validation and interpretation of Web users’ sessions clusters
CN111984874B (zh) 一种融合情感计算和网络众包的并行推荐方法
CN117370660A (zh) 一种互联网网页显示管理方法、设备及计算机存储介质
CN116541486A (zh) 一种基于数据挖掘与深度学习的新闻信息聚合方法
Castellano et al. Computational Intelligence techniques for Web personalization
CN113343149A (zh) 基于Agent的移动端社交媒体传播效果评估方法、系统、应用
López Hernández et al. A Nondisturbing service to automatically customize notification sending using implicit-feedback
Wang et al. An API Recommendation Method Based on Beneficial Interaction
KG et al. A survey on personalized recommendation techniques
CN112749990B (zh) 一种基于游客身份的数据分析方法及系统
CN114078016B (zh) 一种反作弊行为识别方法、装置、电子设备和存储介质
Ouf et al. Web Mining Techniques-A Framework to Enhance Customer Retention
CN110895467A (zh) 检索模型的更新方法、装置、存储介质及电子装置
Huang et al. Video Recommendation Method Based on Deep Learning of Group Evaluation Behavior Sequences

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230613

Address after: 23 / F, S01 building, Langchao Science Park, 1036 Langchao Road, high tech Zone, Jinan City, Shandong Province, 250100

Applicant after: Tianyuan big data Credit Management Co.,Ltd.

Address before: Room 3110, S01 / F, Inspur building, 1036 Inspur Road, hi tech Zone, Jinan City, Shandong Province 250100

Applicant before: Shandong Aicheng Network Information Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant