CN110634030A - 应用的业务指标挖掘方法、装置及设备 - Google Patents
应用的业务指标挖掘方法、装置及设备 Download PDFInfo
- Publication number
- CN110634030A CN110634030A CN201910902543.5A CN201910902543A CN110634030A CN 110634030 A CN110634030 A CN 110634030A CN 201910902543 A CN201910902543 A CN 201910902543A CN 110634030 A CN110634030 A CN 110634030A
- Authority
- CN
- China
- Prior art keywords
- application
- service
- user
- service index
- retention
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005065 mining Methods 0.000 title claims abstract description 41
- 230000014759 maintenance of location Effects 0.000 claims abstract description 149
- 238000012545 processing Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000006399 behavior Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012356 Product development Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种应用的业务指标挖掘方法、装置及设备。其中方案包括：基于应用中各个业务指标的用户明细数据，其中用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据，这样可根据获取的用户明细数据，计算出用户明细数据对应的业务指标的留存率，进而根据留存率，确定留存率对应的业务指标中属于产生应用的魔法数字的业务指标。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种应用的业务指标挖掘方法、装置及设备。
背景技术
用户增长的问题是产品发展中必须面临的，但现时高居不下的获客成本已成为互联网产品、移动互联网产品发展需要面对的“天花板”，甚至是“纳不起”新客的窘境，比如现实中虽然花费了极高成本去获取到客户，但客户可能很快就流失了，如用户只打开过应用一次就流失，用户仅在应用中完成一次交易就流失。
目前，常通过留存分析来确定产品的用户增长方向，其中增长黑客方法论已在互联网领域中得到较广泛应用，比如以2A3R(获取(Acquisition)、激活(Activation)、留存(Retention)、变现(Revenue)、推荐(Referral))转化漏斗模型为基础的用户增长模型，已成为了驱动互联网产品飞速发展的引擎。
但在用户增长的留存分析中，需要基于业务人员的业务经验，来确定出某一个或者某几个业务指标作为留存分析的分析指标，从而以这些分析指标作为产生魔法数字的指标来进行分析，在分析中也需要依靠大量人工分析，比如业务指标的分组、计算等，通过分析后获得留存矩阵，最后也需要依靠人工分析，从分析指标中确定出最终影响产品的魔法数字的业务指标。
发明内容
有鉴于此，本说明书实施例提供了一种应用的业务指标挖掘方法、装置及设备，用于挖掘能够产生应用的魔法数字的业务指标，以便于根据挖掘的业务指标，低成本地、高效地在产品发展中实现用户增长，使得产品能够快速、健康地发展。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种应用的业务指标挖掘方法，包括：
获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
本说明书实施例还提供一种应用的业务指标挖掘装置，包括获取模块、计算模块和确定模块；
所述获取模块用于获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
所述计算模块用于根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
所述确定模块用于根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
本说明书实施例还提供一种用于挖掘应用的业务指标的电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：直接基于用户在使用应用中所产生的用户明细数据，通过计算这些用户明细数据对应的业务指标的留存率，并根据留存率确定出留存率所对应的业务指标是否属于产生应用的魔法数字的业务指标，这样可无需依赖业务经验，就能够尽可能多地挖掘出所有可能产出应用的魔法数字的业务指标，使得确定产生应用的魔法数字的业务指标的挖掘做到系统化、自动化和智能化，从而降低业务人员的参与所带来的主观性和偶然性，既保证指标分析的全面性，又保证挖掘的有效性。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种应用的业务指标挖掘方法的整体思路示意图。
图2为本说明书实施例提供的一种应用的业务指标挖掘方法的流程图。
图3为本说明书实施例提供的一种应用的业务指标挖掘方法中规范用户明细数据的示意图。
图4为本说明书实施例提供的一种应用的业务指标挖掘方法中根据留存率确定产生魔法数字的业务指标的流程图。
图5为本说明书实施例提供的一种应用的业务指标挖掘装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
在当下互联网大数据时代下，如何做好互联网产品的留存分析是非常关键。因为通过留存分析，能够挖掘到用户增长中的魔法数字，从而可基于产生魔法数字的业务指标，来引导产品快速、健康地发展。
其中，在用户增长和运营中，当业务指标达到拐点(或者临界点)时，使得产品的用户留存情况达到最优，此时的业务指标就属于产生产品的魔法数字的业务指标，而拐点(或者临界点)就作为产品的魔法数字，比如用户的行为次数到达某个临界点后，用户的忠诚度和留存率会极大提高，如5次购买用户变成忠诚用户的概率很大，这时5次就是魔法数字，而购买次数就属于产生该魔法数字的业务指标，又比如注册7天内添加好友在10个以上的用户留存非常高，这时注册7天添加10个以上好友就是魔法数字，而注册后添加好友就属于产生魔法数字的业务指标。
因此，魔法数字的本质是通过分析、调研找到活跃用户和非活跃用户之间的行为差异，并通过产品设计和运营，尽可能地让所有新用户体验到产品价值。
现有的留存分析中，通常是基于业务人员的业务经验，通过确定出一个或者几个业务指标作为用户增长中的关键指标来进行留存分析，并依靠大量人工分析来获得留存矩阵，以及最后通过对留存矩阵进行处理，依靠人工来识别属于产生魔法数字的业务指标。由于是依赖业务人员的业务经验和判断，来确定留存率分析的业务指标，分析既不全面，分析人员的工作量也大，还带入很多偶然性和随机性，很难有效地确定出属于产生应用的魔法数字的业务指标，从而基于这样的业务指标，将无法引导产品快速、健康地发展。
基于此，发明人通过对大量数据进行研究，提出了可直接基于所有业务指标的业务数据来自动挖掘出属于产生应用的魔法数字的业务指标的方案，其中挖掘应用的业务指标的整体思路可如图1所示，包括：直接基于产品(比如某互联网的应用)中各种业务指标的用户明细数据，来计算得到这些明细数据各自对应的业务指标的留存情况(如留存率)，这样就可根据业务指标的留存情况，来确定出所有可能属于产出魔法数字的业务指标，最后从这些可能产出魔法数字的业务指标中，确定出适合作为引导产品发展的业务指标。
由于是基于产品所有业务指标的用户明细数据进行数据挖掘，从而能够自动地、全面地将所有可能属于产生魔法数字的业务指标都挖掘出来，而这样的挖掘方式，无需人工过多参与，可避免人工参与所带来的偶然性、随机性，保证了挖掘的有效性，分析过程能自动地进行，还能够形成系统化、平台化的挖掘方案，可改善产品发展中用户增长的效率、自动化水平以及智能化水平，以及提高挖掘在不用产品应用中的适应性。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本说明书实施例提供一种应用的业务指标挖掘方法，如图2所示，可包括：
步骤S102、获取应用中各业务指标的用户明细数据。
其中，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据。
具体实施中，可根据应用的具体需要，用户明细数据可包括以下至少一种数据：用户交易明细、用户基本信息、用户行为数据和其他分析数据。其中，用户交易明细可包括用户在交易过程中的明细数据，比如交易时间、交易笔数、交易金额、交易的订单内容等之中的一种或多种交易数据，而这些交易数据通常可用于统计用户在应用中的留存情况，比如交易笔数越多，该用户越可能经常使用该应用进行交易，表明了该用户在应用中的留存率比较高；用户基本信息可包括用户在应用中登记的个人基本信息，比如用户的性别、年龄、职业、种族、信仰习惯、爱好、社会关系等之中的一种或多种个人信息，而这些个人信息，也能够用于统计用户在应用中的留存情况，比如针对人群的应用，这时年龄的信息就能用来反映留存情况；用户行为数据可包括用户使用应用时的行为数据，比如用户使用应用的时间、次数、间隔、使用路径(如从某个页面进入到另一个页面的路径信息)等之中的一种或多种行为数据；其他分析数据可包括基于应用的业务需要，所确定的可用于作为留存分析的其他数据，比如应用需要分析某年龄群体的消费习惯，这时就可将前述的交易明细与基本信息进行交叉分析来得到所需的其他分析数据。
步骤S104、根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率。
留存率可反映出应用的转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，这样基于用户明细数据，可计算出应用的所有业务指标对应的留存率。
步骤S106、根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
通过上述步骤S102～S106，可直接基于应用中各种业务指标的用户明细数据，通过留存分析，进而得到各个业务指标对应的留存率，从而可根据留存率来判断出哪些业务指标是影响产品价值的指标，即哪些指标是产生应用的魔法数字的业务指标。由于产生应用的魔法数字的业务指标的挖掘过程，是从所有业务指标中自动地、智能化地进行挖掘，能尽可能多地挖掘出所有可能成为应用的魔法数字的业务指标，保证挖掘过程是全面的，还无需依赖业务经验，无需用户选择或者手动计算某个指标，可避免人工参与所带来的偶然性和随机性，也提高了挖掘的效率，也保证了挖掘出来的能够产生魔法数字的业务指标的有效性，以便于根据所确定出的这些业务指标去引导产品发展时，能够快速、健康地发展。
在一个实施方式中，应用的业务指标可能多种多样，这时可在实施中，根据用户明细数据的特点，来将对应的业务指标的数据类型限定为以下几种数据类型之一：布尔类型、枚举类型和数值类型。比如，是或否、正确或错误等就可采用布尔类型的数据格式去表达，又比如，时间类的数据，可采用枚举类型的数据格式一一列出，再比如，交易金额，可采用数值类型的数据格式去表达，这里不再一一说明。
进一步，当业务指标的数据类型为数值类型时，这时可将该业务指标采用离散方式(比如分段、分组等形式)进行表达，以便于离散化后，比如很宽的金额范围的数据，在采用分段(或分组)处理后，使得细分后的数值仍然能够覆盖原数值范围，但这时就可方便地对细分后的数据进行快速处理，有利于提高数据处理效率。具体地，当所述业务指标的数据类型包括数值类型时，所述方法还包括：按预设的分组策略，对数值类型的所述业务指标进行分组。
在一个实施方式中，还可对所述用户明细数据进行规范化处理，以便于规范化所述用户明细数据，方便后续进行数据处理操作。具体地，所述应用的业务指标挖掘方法还可包括：按预设的规范化策略，将所述用户明细数据进行规范化处理。
具体实施中，可根据应用的具体情况，预先确定出用户明细数据的规范化的规则，进而将这些规则形成策略，预置于应用中，这样在用户使用应用的过程中，当产生所述用户明细数据时，就可对用户明细数据进行规范化处理，比如对于时间类的用户明细数据，可采用统一的时间表示格式来进行规范化处理，又比如，对于钱物类的用户明细数据，可采用统一的货币表示方式来进行规范化处理，这里不再一一说明。
进一步，还可将规范化策略作为应用中的埋点，进而通过埋点技术来实现用户明细数据的规范化处理，这样可通过在应用中设置埋点，进而可利用埋点，来快速地实现规范化处理。具体地，所述按预设的规范化策略，将所述用户明细数据进行规范化处理的步骤包括：将预设的规范化策略在所述应用中设置为埋点；根据所述埋点将所述用户明细数据进行规范化处理。
在一个实施方式中，还可基于大数据处理，将前述的规范化处理过程，形成事件引擎(即事件规范器)，进而利用事件引擎来快速地规范大量的用户明细数据。
在一个实施方式中，还可将规范化后的用户明细数据存储于数据库中，以方便对数据处理。具体地，在将所述用户明细数据进行规范化处理后，所述应用的业务指标挖掘方法还可包括：将规范化处理后的所述用户明细数据存储于数据库中。这里，数据库可包括分布式数据库。
在一个实施方式中，可如图3所示，将前述的用户明细数据，采用前述的事件规范器进行规范化处理后，就可形成用于存储规范化后的用户明细数据的事件库(如数据库)，以方便后续数据处理，可提高效率和便利性。
在一个实施方式中，可采用如图4所示的步骤，来根据所述留存率，确定出所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
如图4所示，所述根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标的步骤包括：
步骤S202、将所述留存率对应的业务指标的用户明细数据与各个留存周期进行关联。
其中，留存周期可包括按日划分的周期、按周划分的周期、按月划分的周期、按季度划分的周期以及按年划分的周期之中的至少一种周期。
通过将用户明细数据与留存周期进行关联，可确定出业务指标在各个留存周期中是否有对应的留存明细，比如日留存明细。
步骤S204、生成所述留存率对应的业务指标在所述各个留存周期的留存矩阵。
具体实施中，通过将关联所得的留存明细，生成出留存率对应的业务指标在各个留存周期的留存矩阵，比如用户群体留存情况的留存矩阵，这样可通过留存矩阵来反映各个业务指标的留存变化情况，还在采用矩阵表示后，可方便后续对留存情况的变化趋势进行识别判断。
在一个实施方式中，还可将关联所得的留存明细，生成留存率对应的业务指标在各个留存周期的留存曲线，这样可通过留存曲线来反映各个业务指标的留存变化情况，还在采用曲线表示后，可方便后续对留存情况的变化趋势进行识别判断。
步骤S206、根据预设的异常检测算法，检测所述留存矩阵中的异常点。
具体实施中，关于异常点的检查，最简单的就是判断相邻项的变化率，这时异常检测算法可包括K近邻、线性回归、小波变换等检测算法中的一种或多种。还有，异常检测算法还可包括One Class SVM和Isolation Fores等算法，这里不再展开说明。
步骤S208、当所述留存矩阵中的异常点的值超过预设阈值时，确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标。
其中，预设阈值可根据实际情况，设定为绝对值或者相对值，预设阈值也可作为超参数进行设定，这里不做具体限定。
通过上述步骤S202～S208，循环挖掘分析出每个业务指标是否属于产生应用的魔法数字的业务指标，从而将可能产生魔法数字的业务指标都从众多业务指标中自动地挖掘出来。
在一个实施方式中，还可将确定出属于产生魔法数字的业务指标形成备选库(如数据库)，方便从备选库中选择。
在一个实施方式中，还可将确定出属于产生魔法数字的业务指标进行排序，以便于从中选择。具体地，在确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，所述应用的业务指标挖掘方法还包括：根据所述留存率对应的业务指标的异常点的值，对所述产生所述应用的魔法数字的业务指标进行排序。
在一个实施方式中，还可将确定出属于产生魔法数字的业务指标通过人机交互输出，便于有经验的业务人员进一步确定出产生所述应用的魔法数字的最终的业务指标，既可保证挖掘的有效性，又可减少用于引导产品发展的业务指标的数量，方便对产品发展进行监控。具体地，在确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，所述应用的业务指标挖掘方法还包括：通过人机交互界面输出所述产生所述应用的魔法数字的业务指标，以使业务人员从输出的所述产生所述应用的魔法数字的业务指标中，确定出产生所述应用的魔法数字的最终的业务指标。
基于同一个发明构思，本说明书实施例还提供应用的业务指标挖掘装置、电子设备以及非易失性计算机存储介质。
鉴于前述实施例中对挖掘方法已进行了详细说明，下面实施例中对装置、设备以及非易失性计算机存储介质所涉及的相应内容将不再赘述。
如图5所示，其中虚线方框表示可选的模块，所述应用的业务指标挖掘装置10包括获取模块11、计算模块12和确定模块13。其中，获取模块11用于获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；计算模块12用于根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；确定模块13用于根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
可选地，所述用户明细数据包括用户交易明细、用户行为和用户基本信息之中的至少一种数据。
可选地，应用的业务指标挖掘装置10还包括规范化模块14。其中，规范化模块14用于按预设的规范化策略，将所述用户明细数据进行规范化处理。
可选地，规范化模块14具体用于：
将预设的规范化策略在所述应用中设置为埋点；
根据所述埋点将所述用户明细数据进行规范化处理。
可选地，应用的业务指标挖掘装置10还包括存储模块15。其中，存储模块15用于将规范化模块14规范化处理后的所述用户明细数据存储于数据库中。
可选地，确定模块13具体用于：
将所述留存率对应的业务指标的用户明细数据与各个留存周期进行关联；
生成所述留存率对应的业务指标在所述各个留存周期的留存矩阵；
根据预设的异常检测算法，检测所述留存矩阵中的异常点；
当所述留存矩阵中的异常点的值超过预设阈值时，确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标。
可选地，应用的业务指标挖掘装置10还包括排序模块16。其中，排序模块16用于在确定模块13确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，根据所述留存率对应的业务指标的异常点的值，对所述产生所述应用的魔法数字的业务指标进行排序。
可选地，应用的业务指标挖掘装置10还包括人机交互模块17。其中，人机交互模块17用于在确定模块13确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，通过人机交互界面输出所述产生所述应用的魔法数字的业务指标，以使业务人员从输出的所述产生所述应用的魔法数字的业务指标中，确定产生所述应用的魔法数字的最终的业务指标。
可选地，所述业务指标的数据类型包括布尔类型、枚举类型和数值类型之中的一种类型。
可选地，应用的业务指标挖掘装置10还包括分组模块18。其中，当所述业务指标的数据类型包括数值类型时，分组模块用于按预设的分组策略，对数值类型的所述业务指标进行分组。
基于同一个发明构思，本说明书实施例中提供用于挖掘应用的业务指标的电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
基于同样的思路，本说明书实施例提供一种用于挖掘应用的业务指标的非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (18)
1.一种应用的业务指标挖掘方法，包括：
获取应用中各业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
2.如权利要求1所述的方法，所述用户明细数据包括用户交易明细、用户行为数据和用户基本信息之中的至少一种数据。
3.如权利要求1所述的方法，所述方法还包括：按预设的规范化策略，将所述用户明细数据进行规范化处理。
4.如权利要求3所述的方法，所述按预设的规范化策略，将所述用户明细数据进行规范化处理的步骤包括：
将预设的规范化策略在所述应用中设置为埋点；
根据所述埋点将所述用户明细数据进行规范化处理。
5.如权利要求3所述的方法，在将所述用户明细数据进行规范化处理后，所述方法还包括：将规范化处理后的所述用户明细数据存储于数据库中。
6.如权利要求1所述的方法，所述业务指标的数据类型包括布尔类型、枚举类型和数值类型之中的一种类型。
7.如权利要求6所述的方法，当所述业务指标的数据类型包括数值类型时，所述方法还包括：按预设的分组策略，对数值类型的所述业务指标进行分组。
8.如权利要求1所述的方法，所述根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标的步骤包括：
将所述留存率对应的业务指标的用户明细数据与各个留存周期进行关联；
生成所述留存率对应的业务指标在所述各个留存周期的留存矩阵；
根据预设的异常检测算法，检测所述留存矩阵中的异常点；
当所述留存矩阵中的异常点的值超过预设阈值时，确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标。
9.如权利要求8所述的方法，在确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，所述方法还包括：
根据所述留存率对应的业务指标的异常点的值，对所述产生所述应用的魔法数字的业务指标进行排序。
10.如权利要求8所述的方法，在确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，所述方法还包括：
通过人机交互界面输出所述产生所述应用的魔法数字的业务指标，以使业务人员从输出的所述产生所述应用的魔法数字的业务指标中，确定产生所述应用的魔法数字的最终的业务指标。
11.一种应用的业务指标挖掘装置，包括获取模块、计算模块和确定模块；
所述获取模块用于获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
所述计算模块用于根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
所述确定模块用于根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
12.如权利要求11所述的装置，所述装置还包括规范化模块，所述规范化模块用于按预设的规范化策略，将所述用户明细数据进行规范化处理。
13.如权利要求12所述的装置，所述规范化模块具体用于：
将预设的规范化策略在所述应用中设置为埋点；
根据所述埋点将所述用户明细数据进行规范化处理。
14.如权利要求12所述的装置，所述装置还包括存储模块，所述存储模块用于将所述规范化模块规范化处理后的所述用户明细数据存储于数据库中。
15.如权利要求11所述的装置，所述确定模块具体用于：
将所述留存率对应的业务指标的用户明细数据与各个留存周期进行关联；
生成所述留存率对应的业务指标在所述各个留存周期的留存矩阵；
根据预设的异常检测算法，检测所述留存矩阵中的异常点；
当所述留存矩阵中的异常点的值超过预设阈值时，确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标。
16.如权利要求15所述的装置，所述装置还包括排序模块，所述排序模块用于在所述确定模块确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，根据所述留存率对应的业务指标的异常点的值，对所述产生所述应用的魔法数字的业务指标进行排序。
17.如权利要求15所述的装置，所述装置还包括人机交互模块，所述人机交互模块用于在所述确定模块确定所述留存率对应的业务指标为产生所述应用的魔法数字的业务指标后，通过人机交互界面输出所述产生所述应用的魔法数字的业务指标，以使业务人员从输出的所述产生所述应用的魔法数字的业务指标中，确定产生所述应用的魔法数字的最终的业务指标。
18.一种用于挖掘应用的业务指标的电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取应用中业务指标的用户明细数据，所述用户明细数据包括用户使用所述应用时产生的、用于表征用户留存情况的数据；
根据所述用户明细数据，计算所述用户明细数据对应的业务指标的留存率；
根据所述留存率，确定所述留存率对应的业务指标是否属于产生所述应用的魔法数字的业务指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910902543.5A CN110634030B (zh) | 2019-09-24 | 2019-09-24 | 应用的业务指标挖掘方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910902543.5A CN110634030B (zh) | 2019-09-24 | 2019-09-24 | 应用的业务指标挖掘方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110634030A true CN110634030A (zh) | 2019-12-31 |
| CN110634030B CN110634030B (zh) | 2024-03-22 |
Family
ID=68973733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910902543.5A Active CN110634030B (zh) | 2019-09-24 | 2019-09-24 | 应用的业务指标挖掘方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110634030B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680869A (zh) * | 2020-04-28 | 2020-09-18 | 上海淇馥信息技术有限公司 | 一种监测投放策略的方法、装置和电子设备 |
| CN112070533A (zh) * | 2020-08-28 | 2020-12-11 | 上海连尚网络科技有限公司 | 一种用于预测用户留存的方法与设备 |
| CN112417267A (zh) * | 2020-10-10 | 2021-02-26 | 腾讯科技（深圳）有限公司 | 一种用户行为分析方法、装置、计算机设备及存储介质 |
| CN112633715A (zh) * | 2020-12-28 | 2021-04-09 | 四川新网银行股份有限公司 | 一种线上业务用户流失分析方法 |
| CN113496408A (zh) * | 2020-04-08 | 2021-10-12 | 北京意锐新创科技有限公司 | 适用于支付设备的交易数据检测方法和装置 |
| CN114595117A (zh) * | 2022-03-07 | 2022-06-07 | 北京思明启创科技有限公司 | 埋点数据采集方法、装置、介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107092612A (zh) * | 2016-08-15 | 2017-08-25 | 北京小度信息科技有限公司 | 一种推送资源的方法及装置 |
| WO2018107610A1 (zh) * | 2016-12-15 | 2018-06-21 | 平安科技（深圳）有限公司 | 业务数据处理方法、系统、设备及计算机可读存储介质 |
| WO2018121210A1 (zh) * | 2016-12-28 | 2018-07-05 | 中兴通讯股份有限公司 | 一种PaaS平台容器化应用的弹缩方法及装置 |
| WO2019012726A1 (en) * | 2017-07-14 | 2019-01-17 | Kabushiki Kaisha Toshiba | ANOMALY DETECTION DEVICE, ANOMALY DETECTION METHOD, AND NON-TRANSIENT COMPUTER READABLE MEDIUM |
| CN109509017A (zh) * | 2018-09-27 | 2019-03-22 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户留存率预测方法及装置 |
| CN110070250A (zh) * | 2018-09-04 | 2019-07-30 | 中国平安人寿保险股份有限公司 | 指数型增长的业务指标监控方法及装置、电子设备、介质 |
-
2019
- 2019-09-24 CN CN201910902543.5A patent/CN110634030B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107092612A (zh) * | 2016-08-15 | 2017-08-25 | 北京小度信息科技有限公司 | 一种推送资源的方法及装置 |
| WO2018107610A1 (zh) * | 2016-12-15 | 2018-06-21 | 平安科技（深圳）有限公司 | 业务数据处理方法、系统、设备及计算机可读存储介质 |
| WO2018121210A1 (zh) * | 2016-12-28 | 2018-07-05 | 中兴通讯股份有限公司 | 一种PaaS平台容器化应用的弹缩方法及装置 |
| WO2019012726A1 (en) * | 2017-07-14 | 2019-01-17 | Kabushiki Kaisha Toshiba | ANOMALY DETECTION DEVICE, ANOMALY DETECTION METHOD, AND NON-TRANSIENT COMPUTER READABLE MEDIUM |
| CN110070250A (zh) * | 2018-09-04 | 2019-07-30 | 中国平安人寿保险股份有限公司 | 指数型增长的业务指标监控方法及装置、电子设备、介质 |
| CN109509017A (zh) * | 2018-09-27 | 2019-03-22 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户留存率预测方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496408A (zh) * | 2020-04-08 | 2021-10-12 | 北京意锐新创科技有限公司 | 适用于支付设备的交易数据检测方法和装置 |
| CN111680869A (zh) * | 2020-04-28 | 2020-09-18 | 上海淇馥信息技术有限公司 | 一种监测投放策略的方法、装置和电子设备 |
| CN112070533A (zh) * | 2020-08-28 | 2020-12-11 | 上海连尚网络科技有限公司 | 一种用于预测用户留存的方法与设备 |
| CN112417267A (zh) * | 2020-10-10 | 2021-02-26 | 腾讯科技（深圳）有限公司 | 一种用户行为分析方法、装置、计算机设备及存储介质 |
| CN112633715A (zh) * | 2020-12-28 | 2021-04-09 | 四川新网银行股份有限公司 | 一种线上业务用户流失分析方法 |
| CN114595117A (zh) * | 2022-03-07 | 2022-06-07 | 北京思明启创科技有限公司 | 埋点数据采集方法、装置、介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110634030B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110634030A (zh) | 应用的业务指标挖掘方法、装置及设备 | |
| CN109063886B (zh) | 一种异常检测方法、装置以及设备 | |
| CN108460523B (zh) | 一种风控规则生成方法和装置 | |
| TWI718643B (zh) | 異常群體識別方法及裝置 | |
| CN108733825B (zh) | 一种对象触发事件预测方法及装置 | |
| CN108665143B (zh) | 风控模型的评估方法及装置 | |
| CN110163417B (zh) | 一种业务量的预测方法、装置及设备 | |
| CN107526667B (zh) | 一种指标异常检测方法、装置以及电子设备 | |
| CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
| CN110032698A (zh) | 信息显示方法和装置、信息处理方法和装置 | |
| CN108596410B (zh) | 一种风控事件自动处理方法及装置 | |
| CN109003091A (zh) | 一种风险防控处理方法、装置及设备 | |
| CN110674188A (zh) | 一种特征提取方法、装置及设备 | |
| CN111538869B (zh) | 一种交易异常群组的检测方法、装置及设备 | |
| CN111461775B (zh) | 事件对业务量的影响的确定方法及装置 | |
| CN106033574B (zh) | 一种作弊行为的识别方法及装置 | |
| CN113849166B (zh) | 智慧水环境积木式零代码开发平台 | |
| CN112966113A (zh) | 一种数据的风险防控方法、装置及设备 | |
| CN110033092B (zh) | 数据标签生成、模型训练、事件识别方法和装置 | |
| CN110263817B (zh) | 一种基于用户账号的风险等级划分方法及装置 | |
| CN114445207A (zh) | 基于数字人民币的税务管理系统 | |
| CN110008252B (zh) | 数据核对方法及装置 | |
| CN115456801B (zh) | 个人信用的人工智能大数据风控系统、方法和存储介质 | |
| CN115408449B (zh) | 一种用户行为的处理方法、装置及设备 | |
| CN116822606A (zh) | 一种异常检测模型的训练方法、装置、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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240228 Address after: 128 Meizhi Road, Guohao Times City # 20-01, Singapore 189773 Applicant after: Advanced Nova Technology (Singapore) Holdings Ltd. Country or region after: Singapore Address before: 27 Hospital Road, George Town, Grand Cayman ky1-9008 Applicant before: Innovative advanced technology Co.,Ltd. Country or region before: Cayman Islands |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |