CN110838031A - 一种基于ABtest的数据运营方法和装置 - Google Patents
一种基于ABtest的数据运营方法和装置 Download PDFInfo
- Publication number
- CN110838031A CN110838031A CN201911095227.8A CN201911095227A CN110838031A CN 110838031 A CN110838031 A CN 110838031A CN 201911095227 A CN201911095227 A CN 201911095227A CN 110838031 A CN110838031 A CN 110838031A
- Authority
- CN
- China
- Prior art keywords
- order
- strategy
- user
- matching
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 40
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于ABtest的数据运营方法和装置,该方法包括:获取具有第一属性的用户订单组合;对所述用户订单组合进行分流,生成至少两个订单流量;确定与所述各订单流量对应的订单策略,并基于所述订单策略对对应的订单流量中的用户订单进行处理;统计各订单流量的执行结果,根据统计结果确定目标订单策略;根据所述目标订单策略的统计结果,迭代调节所述目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。本发明实施例通过制定以数据为依据的迭代更新的订单策略,解决了需要人工制定和调整订单策略的问题,使得订单策略更好的满足订单需求,在提高执行效率的同时,实现最优化数据运营。
Description
技术领域
本发明实施例涉及网络测试技术领域,尤其涉及一种基于ABtest的数据运营方法和装置。
背景技术
当公司发展到一定阶段时,用户增长空间在可见策略下变得不再明显,规划更合理的产品迭代策略就显得尤为重要,而具体如何判断产品策略有效,往往需要数据进行支持,其结果决定了该产品或策略的生命力以及与之配套的各类资源的调配,ABtest成了一个最佳的选择。
ABtest是一个用于在线测试新产品或新功能的方法,在单一变量的条件下,通过为同一目标制定不同的分流方案,将用户分流至对应方案内,在保证每组用户特征相同的前提下,根据用户的真实数据反馈,帮助制定产品策略。
基于上述的现有技术方案,ABtest测试方案通常需要依靠人工制定,并根据数据输出结果对其进行调整,而随着数据量的飞速增长,人工制定的ABtest测试方案效率差,很难满足产品策略的应用需求,并且人为制定的ABtest测试方案是基于主观的判断,尤其不能满足某些需要精确产品策略的应用需求,如资产运营。
发明内容
本发明实施例提供一种基于ABtest的数据运营方法和装置,以实现智能化制定和调整订单策略,更好的适应和满足订单需求,实现最优化数据运营。
第一方面,本发明实施例提供了一种基于ABtest的数据运营方法,该方法包括:
获取具有第一属性的用户订单组合;
对所述用户订单组合进行分流,生成至少两个订单流量;
确定与所述各订单流量对应的订单策略,并基于所述订单策略对对应的订单流量中的用户订单进行处理;
统计各订单流量的执行结果,根据统计结果确定目标订单策略;
根据所述目标订单策略的统计结果,迭代调节所述目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
第二方面,本发明实施例还提供了一种基于ABtest的数据运营装置,该装置包括:
用户订单组合获取模块,用于获取具有第一属性的用户订单组合;
订单流量生成模块,用于对所述用户订单组合进行分流,生成至少两个订单流量;
用户订单处理模块,用于确定与所述各订单流量对应的订单策略,并基于所述订单策略对对应的订单流量中的用户订单进行处理;
目标订单策略确定模块,用于统计各订单流量的执行结果,根据统计结果确定目标订单策略;
最优订单策略生成模块,用于根据所述目标订单策略的统计结果,迭代调节所述目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
第三方面,本发明实施例还提供了一种终端设备,该终端设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述所涉及的任一所述的基于ABtest的数据运营方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的基于ABtest的数据运营方法。
本发明实施例通过制定以数据为依据的迭代更新的订单策略,解决了需要人工制定和调整订单策略的问题,使得订单策略更好的满足订单需求,在提高执行效率的同时,实现最优化数据运营。
附图说明
图1为本发明实施例一提供的一种基于ABtest的数据运营方法的流程图。
图2是本发明实施例一提供的一种基于ABtest的数据运营方法的具体实例流程图。
图3是本发明实施例二提供的一种基于ABtest的数据运营方法的流程图。
图4是本发明实施例三提供的一种基于ABtest的数据运营方法的流程图。
图5是本发明实施例三提供的一种订单策略的生成方法的流程图。
图6是本发明实施例四提供的一种基于ABtest的数据运营装置的示意图。
图7是本发明实施例五提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于ABtest的数据运营方法的流程图,本实施例可适用于利用ABtest系统进行测试和优化的情况,该方法可以由基于ABtest的数据运营的装置来执行,该装置可采用软件和/或硬件的方式实现,该装置可以配置于计算机、手机和ipad等智能终端设备中。具体包括如下步骤:
S110、获取具有第一属性的用户订单组合。
在一个实施例中,可选的,在获取具有第一属性的用户订单组合之前,基于用户订单的订单属性,将用户订单划分为至少两个用户订单组合,其中,至少两个用户订单组合的订单属性互斥。具体的,订单属性包括但不限于用户类型、订单类型、订单子类型和订单ID尾号,此处对订单属性不作限定。在进行用户订单划分时,举例而言,用户订单的订单属性中有用户类型A、用户类型B和用户类型C,而满足用户类型A的用户订单有10个,满足用户类型B的用户订单有20个,满足用户类型C的用户订单有30个,3种用户订单组合中的订单属性是互斥的,即每个用户订单只符合一种用户类型,保证用户订单组合之间不存在用户订单的重叠。在一个实施例中,可选的,根据至少一个订单属性对用户订单进行划分,且划分得到的用户订单组合的订单属性互斥。
S120、对用户订单组合进行分流,确定至少两个订单流量。
其中,订单流量是指包含了至少一个用户订单的订单组合,以使获取得到的具有第一属性的用户订单能够同时执行多个订单策略。分流是指将用户订单进行流量分配,以确定订单流量的个数和各订单流量中用户订单数量。
在一个实施例中,可选的,根据用户订单的ID尾号和预设分流比例,对用户订单组合进行分流。其中,示例性的,可以将用户订单组合中的用户订单按照ID尾号进行排序,然后再按照预设分流比例对用户订单进行分流。具体的,用户订单排序后,按照预设分流比例,如1:1,将ID尾号为00-49的用户订单分配到订单流量A,将ID尾号为50-99的用户订单分配到订单流量B。当然,也可以直接按照预设分流比例对用户订单随机采样进行分流。其中,预设分流比例可以是等比分流比例或任意分流比例。举例而言,现需要确定3个订单流量,则预设分流比例可以是1:1:1、1:2:1或2:1:3等等,此处对预设分流比例不作限定。
S130、确定各订单流量对应的订单策略,并基于订单策略对对应的订单流量中的用户订单进行处理。
其中,订单策略是指根据用户订单的订单属性,制定的订单执行策略。订单策略包括但不限于匹配对象的数量、匹配对象的类型、匹配对象的排序。举例而言,当用户订单的订单类型为融资订单时,订单策略包括但不限于资金方的数量、资金方的类型、资金方的排序和评价参数等,其中,评价参数用于在用户订单执行对应的订单策略后,对执行结果进行收集,便于后期根据评价参数的统计结果对订单策略进行评价。在一个实施例中,可选的,订单策略包括对照订单策略和实验订单策略,或至少两个实验订单策略。
在一个实施例中,可选的,根据预设分流比例,确定各订单流量对应的订单策略。示例性的,当预设分流比例为等比分流比例时,订单策略可以随机匹配各订单流量;当预设分流比例不是等比分流比例时,订单策略可以随机匹配各订单流量,当然也可以根据各订单流量的对应比例进行匹配,示例性的,当订单策略中包括对照订单策略和实验订单策略时,此时可将该对照订单策略分配给分流比例较低的订单流量。这样设置的好处在于,可以保证实验订单策略可以执行更多的用户订单,增加其样本量,提高统计结果的精确度,为实验订单策略的迭代提供数据支持。
S140、统计各订单流量的执行结果,根据各订单流量的统计结果确定目标订单策略。
举例而言,当用户订单的订单类型为融资订单时,用户订单执行订单策略时需要经过订单匹配、资金方审核和付款3个环节。在一个实施例中,可选的,执行结果包括但不限于各订单流量进入订单匹配订单数、进入资金方审核订单数、进入付款订单数、匹配成功订单数、审核通过订单数、付款成功订单数和融资资金,对应的,统计结果包括但不限于匹配转化率、审核通过转化率、付款成功转化率、匹配成功率、审核通过率、付款成功率和融资资金比重。具体的,统计结果包括执行结果在各订单流量中的所占比率。举例而言,订单流量A的用户订单为10个,订单流量B的用户订单为20个,订单流量A执行结果中的付款成功订单数为5个,订单流量B执行结果中的付款成功订单数为5个,则订单流量A和订单流量B的付款成功率分别为50%和25%。
在一个实施例中,可选的,采用SPARK+ETL大数据工具,统计各订单流量的执行结果。具体的,采用spark平台上的定时调度作业功能,使用hive脚本去实现数据统计。
在一个实施例中,可选的,根据各订单流量中的至少一个统计结果,如匹配成功率,确定与最高匹配成功率对应的订单策略,并将其作为目标订单策略。
S150、根据目标订单策略的统计结果,迭代调节目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
其中,目标订单策略中的参数包括制定目标订单策略过程中采用的所有变量参数,举例而言,当用户订单的订单类型为融资订单时,目标订单策略中的参数包括但不限于资金方数量、资金方类型、资金方的采样影响因素和与采样影响因素对应的权重。其中,资金方的影响因素包括但不限于最大审核次数、资金方额度、是否查询征信、用户历史征信查询记录等因素。
具体的,根据目标订单策略的统计结果,调节目标订单策略中的参数,并基于调节后的目标订单策略对用户订单进行处理,统计用户订单的执行结果,并根据统计结果调节目标订单策略中的参数,直到目标订单策略的统计结果满足预设条件,其中,预设条件可以是至少一个统计结果达到阈值,当然也可以是,目标订单策略的统计结果优于对照订单策略,此处对预设条件不作限定。其中,对照订单策略可以是人为制定的订单策略,当然也可以是正在执行的订单策略,此处对对照订单策略的选择不作限定。
图2是本发明实施例一提供的一种基于ABtest的数据运营方法的具体实例流程图。订单入池后,根据订单属性对用户订单进行划分,得到用户订单组合A、用户订单组合B和用户订单组合C,并且用户订单组合中的订单属性互斥,将上述3种用户订单组合进入对应的分流系统。其中,订单属性包括用户类型、订单ID尾号和订单类型等等。图2中以用户订单组合B为例,示出了用户订单组合B对应分流系统B的数据运营流程。分流系统B根据订单ID尾号和预设分流比例,对用户订单组合B进行分流得到订单流量1、订单流量2和订单流量3,3种订单流量又分别对应订单策略1、订单策略2和订单策略3,并分别根据对应的订单策略对订单流量中的用户订单进行处理,得到统计结果1、统计结果2和统计结果3。最后,根据得到的结论对3种订单策略进行选择得到目标订单策略,并根据得到的目标订单策略的结论对目标订单策略中的参数进行调节,即对目标订单策略进行更新,然后根据更新后的目标订单策略对用户订单进行处理,其中,用户订单可以是订单流量2中的用户订单,当然也可以是订单组合B中的用户订单,根据结论再次对目标订单策略中的参数进行调节,重复执行上述过程,直到得到最优订单策略。
本发明实施例的技术方案,通过制定以数据为依据的迭代更新的订单策略,解决了需要人工制定和调整订单策略的问题,使得订单策略更好的满足订单需求,在提高执行效率的同时,实现最优化数据运营。
实施例二
图3是本发明实施例二提供的一种基于ABtest的数据运营方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化。可选的,所述订单策略包括匹配对象的排序;相应的,基于所述订单策略对对应的订单流量中的用户订单进行处理,包括:基于根据所述订单策略中匹配对象的排序对对应的订单流量中的用户订单进行处理。
本实施例的具体实施步骤包括:
S210、获取具有第一属性的用户订单组合。
S220、对用户订单组合进行分流,确定至少两个订单流量。
S230、基于任一订单流量,获取对应的第一预设影响因素和第一预设影响因素对应的权重,生成通过率预测模型。
其中,第一预设影响因素是指对匹配对象的影响因素进行采样。举例而言,当用户订单的订单类型为融资订单时,匹配对象可以是资金方,则资金方的影响因素包括但不限于最大审核次数、资金方额度、是否查询征信、用户历史征信查询记录等因素,相应的,第一预设影响因素可以是资金方的影响因素的任意组合方式,如第一预设影响因素可以是最大审核次数和资金方额度,当然也可以是资金方额度、是否查询征信和用户历史征信查询记录。在一个实施例中,可选的,根据订单策略的评价参数对影响因素进行采样,生成第一预设影响因素。
S240、将预设匹配对象输入到通过率预测模型,根据预测结果确定匹配对象。
在一个实施例中,可选的,根据第一预设影响因素和第一预设影响因素对应的权重,生成通过率预测模型。相应的,预设匹配对象根据第一预设影响因素和第一预设影响因素对应的权重计算对应的评价值,则通过率预测模型的预测结果包括各预设匹配对象的评价值、通过率阈值和匹配对象,其中,将各评价值超过通过率阈值对应的预设匹配对象作为匹配对象。
S250、根据匹配对象对应的预测结果,对匹配对象进行排序,生成订单策略。
在一个实施例中,可选的,根据匹配对象对应的评价值,对匹配对象进行排序,生成订单策略。
S260、确定各订单流量对应的订单策略,并基于订单策略中匹配对象的排序对对应的订单流量中的用户订单进行处理。
在一个实施例中,可选的,将各订单流量中的用户订单按照对应的订单策略中匹配对象的排序依次进行处理。
S270、统计各订单流量的执行结果,根据各订单流量的统计结果确定目标订单策略。
在一个实施例中,可选的,统计结果包括所有匹配对象对应的用户订单的执行转化率和执行成功率。举例而言,当用户订单的订单类型为融资订单时,用户订单执行订单策略时需要经过订单匹配、资金方审核和付款3个环节。在一个实施例中,可选的,执行结果包括但不限于各订单流量进入订单匹配订单数、进入资金方审核订单数、进入付款订单数、匹配成功订单数、审核通过订单数和付款成功订单数,对应的,统计结果中执行转化率包括匹配转化率、审核通过转化率和付款成功转化率,统计结果中执行成功率包括匹配成功率、审核通过率和付款成功率。
在一个实施例中,可选的,根据各订单流量的统计结果,对匹配对象进行排序,根据各订单策略中的匹配对象的排序和统计结果中匹配对象的排序,确定各订单策略的匹配度,根据各订单策略的匹配度确定所述目标订单策略。举例而言,订单策略中的匹配对象的排序结果为A、B、C、D、E、F。订单流量中的用户订单在执行订单策略后,根据至少一个统计结果,如付款成功率,对匹配对象重新进行排序,得到匹配对象的排序结果为A、B、C、D、F、E,计算得到当前订单策略的匹配度为66.7%,将付款成功率匹配度最高对应的订单策略作为目标订单策略。
S280、根据目标订单策略的统计结果,迭代调节目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
本实施例的技术方案,通过将匹配对象的排序加入到订单策略中,解决了确定最优匹配对象时工作量大的问题,保证了在确定匹配对象时不会遗漏匹配对象,同时,根据排列顺序的匹配度确定目标订单策略,综合考量了各个匹配对象的执行结果,使得确定的目标订单策略更符合用户订单的需求。
实施例三
图4是本发明实施例三提供的一种基于ABtest的数据运营方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化,可选的,所述方法还包括:根据所述匹配对象对应的预测结果,将所述匹配对象划分为至少两个等级;获取与各等级对应的至少一个第二预设影响因素和所述第二预设影响因素对应的权重,确定所述各等级中匹配对象的评价值;根据所述各等级中匹配对象的评价值和对应的等级阈值,对所述各等级中匹配对象进行排序,生成订单策略。
本实施例的具体实施步骤包括:
S310、获取具有第一属性的用户订单组合。
S320、对用户订单组合进行分流,确定至少两个订单流量。
S330、基于任一订单流量,获取对应的第一预设影响因素和第一预设影响因素对应的权重,生成通过率预测模型,并将预设匹配对象输入到通过率预测模型,根据预测结果确定匹配对象。
S340、根据通过率预测模型的预测结果,将匹配对象划分为至少两个等级。
在一个实施例中,可选的,根据通过率预测模型的预测结果中的各匹配对象的评价值,将匹配对象划分为至少两个等级。具体的,根据各匹配对象的评价值,将匹配对象等比或随机的划分为至少两个等级,当然也可以根据各等级的预价阈值范围,对匹配对象进行划分。举例而言,匹配对象等级包括低分等级、中分等级和高分等级,并且低分等级和高分等级的评价阈值范围分别为小于0.5、大于0.5小于0.8和大于0.8,则将对应预设评价阈值范围内的匹配对象划分到对应等级。
S350、获取与各等级对应的至少一组第二预设影响因素和第二预设影响因素对应的权重,确定各等级中匹配对象的评价值。
其中,各等级对应的第二预设影响因素可以相同也可以不同。
S360、根据各等级中匹配对象的评价值和对应的等级阈值,对各等级中匹配对象进行排序,生成订单策略。
在一个实施例中,可选的,将各等级中评价值大于等于对应的等级阈值的匹配对象分配到第一队列。将各等级中评价值小于对应的等级阈值的匹配对象分配到第二队列。基于各匹配对象对应的评价值,将第一队列和第二队列中的匹配对象分别进行排序,生成订单策略。这样设置的好处在于,如果较低等级中匹配对象的评价值很高时,可以不受到第一预设因素的影响而根据第二预设影响因素的结果排到较高的位置,从而保证评价值很高的匹配对象不会被遗漏。
举例而言,图5是本发明实施例三提供的一种订单策略的生成方法的流程图。图5以匹配对象为资金方为例,预设资金方经过通过率预测模型,筛选得到匹配资金方。其中,冲量资金方是指根据资金方的特定影响因素确定的固定排序位置的匹配资金方,具体的,如果某一匹配资金方的最大审核次数小于2次,说明该匹配资金方的成功率很高,可以将该匹配资金方的排序位置固定在第一位,后续的算法排序过程不会影响到该匹配资金方的排序位置。
设置冲量资金方后,将匹配资金方按照预测结果划分为四个等级,分别为低分资金方、中分资金方、高分资金方和兜底资金方(或自有资金方,或高通过率资金方)。对所有影响因素进行采样,获取与各等级对应的至少一组第二预设影响因素和第二预设影响因素对应的权重,确定各等级中匹配资金方的评价值。其中,各等级对应的第二预设影响因素可以是相同的,当然也可以是不同的。
将各等级中评价值大于等于对应的等级阈值的匹配对象分配到第一队列。将各等级中评价值小于对应的等级阈值的匹配对象分配到第二队列。其中,各等级对应的等级阈值可以相同,也可以不同。示例性的,低分资金方、中分资金方、高分资金方和兜底资金方对应的等级阈值A>B>C>D。基于各匹配对象对应的评价值,将第一队列和第二队列中的匹配对象分别进行排序,生成订单策略。
举例而言,低分资金方对应的等级阈值A=0.6,低分资金方中有匹配资金方A和匹配资金方B,根据低分资金翻对应的第二预设影响因素及其权重得到二者的评价值分别为0.8和0.65。中分资金方对应的等级阈值B=0.5,中分资金方中有匹配资金方C和匹配资金方D,根据中分资金方对应的第二预设影响因素及其权重得到二者的评价值分别为0.4和0.6。则匹配资金方A和匹配资金方D会进入第一队列,匹配资金方B和匹配资金方C对进入第二队列。如果根据上述第一队列和第二队列的数据分别进行排序的话,得到排序结果为匹配资金方A、匹配资金方D、匹配资金方B和匹配资金方C。
其中,当有新的资金方产生时,则将该资金方随机插入到匹配资金方的排序结果中,得到最终的排序结果。当该资金方的审核订单数达到阈值时,即系统采集到足够多的样本数据时,可以将该资金方的样本输入到通过率预测模型中,对该模型进行数据更新。这样设置的好处在于,使得订单策略满足实时数据更新的情况,并根据数据量的增加调节其订单策略的参数,实现订单策略的智能化更新。
S370、确定各订单流量对应的订单策略,并基于订单策略中匹配对象的排序对对应的订单流量中的用户订单进行处理。
S380、统计各订单流量的执行结果,根据各订单流量的统计结果确定目标订单策略。
在一个实施例中,可选的,统计结果包括所有匹配对象对应的用户订单的执行转化率和执行成功率,与各等级中匹配对象对应的用户订单的执行转化率和执行成功率。
S390、根据目标订单策略的统计结果,迭代调节目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
本实施例的技术方案,通过将匹配对象划分为不同的等级,并对各等级中的匹配对象进行排序,解决了单一排序规则对匹配对象排序结果的影响,使得订单策略更好的满足订单需求,实现最优化数据运营。
实施例四
图6是本发明实施例四提供的一种基于ABtest的数据运营装置的示意图。本实施例可适用于利用ABtest系统进行测试和优化的情况,该装置可采用软件和/或硬件的方式实现,该装置可以配置于计算机、手机和ipad等智能终端设备中。该装置包括:用户订单组合获取模块310、订单流量生成模块320、用户订单处理模块330、目标订单策略确定模块340和最优订单策略生成模块350。
其中,用户订单组合获取模块310,用于获取具有第一属性的用户订单组合;
订单流量生成模块320,用于对用户订单组合进行分流,确定至少两个订单流量;
用户订单处理模块330,用于确定各订单流量对应的订单策略,并基于订单策略对对应的订单流量中的用户订单进行处理;
目标订单策略确定模块340,用于统计各订单流量的执行结果,根据各订单流量的统计结果确定目标订单策略;
最优订单策略生成模块350,用于根据目标订单策略的统计结果,迭代调节目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
本实施例的技术方案,通过制定以数据为依据的迭代更新的订单策略,解决了需要人工制定和调整订单策略的问题,使得订单策略更好的满足订单需求,在提高执行效率的同时,实现最优化数据运营。
在上述技术方案的基础上,可选的,该装置还包括:
用户订单组合划分模块,用于基于用户订单的订单属性,将用户订单划分为至少两个用户订单组合,其中,至少两个用户订单组合的订单属性互斥。
可选的,订单策略包括匹配对象的排序;相应的,用户订单处理模块330包括:
用户订单处理单元,用于基于根据订单策略中匹配对象的排序对对应的订单流量中的用户订单进行处理。
可选的,该装置还包括:
通过率预测模型生成模块,用于基于任一订单流量,获取对应的第一预设影响因素和第一预设影响因素对应的权重,生成通过率预测模型;
匹配对象确定模块,用于将预设匹配对象输入到通过率预测模型,根据预测结果确定匹配对象;
订单策略生成模块,用于根据匹配对象对应的预测结果,对匹配对象进行排序,生成订单策略。
可选的,该装置还包括:
匹配对象划分模块,用于根据匹配对象对应的预测结果,将匹配对象划分为至少两个等级;
评价值确定模块,用于获取与各等级对应的至少一组第二预设影响因素和第二预设影响因素对应的权重,确定各等级中匹配对象的评价值;
订单策略生成模块,用于根据各等级中匹配对象的评价值和对应的等级阈值,对各等级中匹配对象进行排序,生成订单策略。
可选的,订单策略生成模块包括:
第一队列分配单元,用于将各等级中评价值大于等于对应的等级阈值的匹配对象分配到第一队列;
第二队列分配单元,用于将各等级中评价值小于对应的等级阈值的匹配对象分配到第二队列;
订单策略生成单元,用于基于各匹配对象对应的评价值,将第一队列和第二队列中的匹配对象分别进行排序,生成订单策略。
可选的,目标订单策略确定模块340包括:
匹配对象排序单元,用于根据各订单流量的统计结果,对匹配对象进行排序;
匹配度确定单元,用于根据各订单策略中的匹配对象的排序和统计结果中匹配对象的排序,确定各订单策略的匹配度;
目标订单策略确定单元,用于根据各订单策略的匹配度确定目标订单策略。
可选的,订单流量生成模块320包括:
用户订单组合分流单元,用于根据用户订单的ID尾号和预设分流比例,对用户订单组合进行分流。
可选的,目标订单策略确定模块340包括:
采用SPARK+ETL大数据工具,统计各订单流量的执行结果。
本发明实施例所提供的基于ABtest的数据运营装置可以用于执行本发明实施例所提供的基于ABtest的数据运营方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述基于ABtest的数据运营装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例五
图7是本发明实施例五提供的一种终端设备的结构示意图,为本发明上述实施例的基于ABtest的数据运营方法的实现提供服务,可配置本发明实施例四中的基于ABtest的数据运营装置。图7示出了适于用来实现本发明实施方式的示例性终端设备12的框图。图7显示的终端设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,终端设备12以通用计算设备的形式表现。终端设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
终端设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被终端设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。终端设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
终端设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该终端设备12交互的设备通信,和/或与使得该终端设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,终端设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器20通过总线18与终端设备12的其它模块通信。应当明白,尽管图中未示出,可以结合终端设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的基于ABtest的数据运营方法。
通过上述终端设备,制定以数据为依据的迭代更新的订单策略,解决了需要人工制定和调整订单策略的问题,使得订单策略更好的满足订单需求,在提高执行效率的同时,实现最优化数据运营。
实施例六
本发明实施例六还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种基于ABtest的数据运营方法,该方法包括:
获取具有第一属性的用户订单组合;
对用户订单组合进行分流,生成至少两个订单流量;
确定与各订单流量对应的订单策略,并基于订单策略对对应的订单流量中的用户订单进行处理;
统计各订单流量的执行结果,根据统计结果确定目标订单策略;
根据目标订单策略的统计结果,迭代调节目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的口红试妆方法中的相关操作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于ABtest的数据运营方法,其特征在于,包括:
获取具有第一属性的用户订单组合;
对所述用户订单组合进行分流,生成至少两个订单流量;
确定与所述各订单流量对应的订单策略,并基于所述订单策略对对应的订单流量中的用户订单进行处理;
统计各订单流量的执行结果,根据统计结果确定目标订单策略;
根据所述目标订单策略的统计结果,迭代调节所述目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
2.根据权利要求1所述的方法,其特征在于,在获取具有第一属性的用户订单组合之前,还包括:
基于用户订单的订单属性,将所述用户订单划分为至少两个用户订单组合,其中,所述至少两个用户订单组合的订单属性互斥。
3.根据权利要求1所述的方法,其特征在于,所述订单策略包括匹配对象的排序;相应的,基于所述订单策略对对应的订单流量中的用户订单进行处理,包括:
基于根据所述订单策略中匹配对象的排序对对应的订单流量中的用户订单进行处理。
4.根据权利要求3所述的方法,其特征在于,还包括:
基于任一订单流量,获取对应的第一预设影响因素和所述第一预设影响因素对应的权重,生成通过率预测模型;
将预设匹配对象输入到所述通过率预测模型,根据预测结果确定匹配对象;
根据所述匹配对象对应的预测结果,对所述匹配对象进行排序,生成订单策略。
5.根据权利要求4所述的方法,其特征在于,还包括:
根据所述匹配对象对应的预测结果,将所述匹配对象划分为至少两个等级;
获取与各等级对应的至少一组第二预设影响因素和所述第二预设影响因素对应的权重,确定所述各等级中匹配对象的评价值;
根据所述各等级中匹配对象的评价值和对应的等级阈值,对所述各等级中匹配对象进行排序,生成订单策略。
6.根据权利要求5所述的方法,其特征在于,所述根据所述各等级中匹配对象的评价值和对应的等级阈值,对所述各等级中匹配对象进行排序,生成订单策略,包括:
将所述各等级中评价值大于等于对应的等级阈值的匹配对象分配到第一队列;
将所述各等级中评价值小于对应的等级阈值的匹配对象分配到第二队列;
基于各匹配对象对应的评价值,将所述第一队列和所述第二队列中的匹配对象分别进行排序,生成订单策略。
7.根据权利要求4或5所述的方法,其特征在于,根据所述各订单流量的统计结果确定目标订单策略,包括:
根据各订单流量的统计结果,对匹配对象进行排序;
根据各订单策略中的匹配对象的排序和统计结果中匹配对象的排序,确定各订单策略的匹配度;
根据各订单策略的匹配度确定所述目标订单策略。
8.根据权利要求1所述的方法,其特征在于,对所述用户订单组合进行分流,包括:
根据所述用户订单的ID尾号和预设分流比例,对所述用户订单组合进行分流。
9.根据权利要求1所述的方法,其特征在于,所述统计各订单流量的执行结果,包括:
采用SPARK+ETL大数据工具,统计各订单流量的执行结果。
10.一种基于ABtest的数据运营装置,其特征在于,包括:
用户订单组合获取模块,用于获取具有第一属性的用户订单组合;
订单流量生成模块,用于对所述用户订单组合进行分流,生成至少两个订单流量;
用户订单处理模块,用于确定与所述各订单流量对应的订单策略,并基于所述订单策略对对应的订单流量中的用户订单进行处理;
目标订单策略确定模块,用于统计各订单流量的执行结果,根据统计结果确定目标订单策略;
最优订单策略生成模块,用于根据所述目标订单策略的统计结果,迭代调节所述目标订单策略中的参数,并执行调节后的目标订单策略,生成最优订单策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095227.8A CN110838031A (zh) | 2019-11-11 | 2019-11-11 | 一种基于ABtest的数据运营方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095227.8A CN110838031A (zh) | 2019-11-11 | 2019-11-11 | 一种基于ABtest的数据运营方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838031A true CN110838031A (zh) | 2020-02-25 |
Family
ID=69576372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911095227.8A Pending CN110838031A (zh) | 2019-11-11 | 2019-11-11 | 一种基于ABtest的数据运营方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838031A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111625556A (zh) * | 2020-05-26 | 2020-09-04 | 深圳鼎盛电脑科技有限公司 | 一种基于征信的订单匹配方法、装置、设备及存储介质 |
CN111625555A (zh) * | 2020-05-26 | 2020-09-04 | 深圳鼎盛电脑科技有限公司 | 一种订单匹配方法、装置、设备及存储介质 |
CN111679986A (zh) * | 2020-06-11 | 2020-09-18 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种软件测试方法、装置及电子设备 |
CN112232920A (zh) * | 2020-10-27 | 2021-01-15 | 衡阳亚玛科技服务有限公司 | 简约型的电子商务平台的运营方法 |
CN112330393A (zh) * | 2020-10-27 | 2021-02-05 | 衡阳玖伍堂电子商务有限公司 | 一种电子商务平台的运营方法 |
CN112333246A (zh) * | 2020-10-26 | 2021-02-05 | 深圳市酷开网络科技有限公司 | 一种ABtest实验方法、装置、智能终端及存储介质 |
CN112561371A (zh) * | 2020-12-23 | 2021-03-26 | 上海新共赢信息科技有限公司 | 一种调取确定方法、装置、电子设备及存储介质 |
WO2021217307A1 (zh) * | 2020-04-26 | 2021-11-04 | 深圳市欢太科技有限公司 | 分流方法、装置、服务器以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385729A (zh) * | 2011-10-25 | 2012-03-21 | 北京亿赞普网络技术有限公司 | 一种广告投放策略的评估方法和装置 |
US20140337124A1 (en) * | 2013-05-07 | 2014-11-13 | Howard Shi Kin Wan | Automated optimization of an advertisement placement engine |
CN108510311A (zh) * | 2018-02-28 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 一种确定营销方案的方法、装置及电子设备 |
CN109829757A (zh) * | 2019-01-18 | 2019-05-31 | 泰康保险集团股份有限公司 | 一种最优营销方案的选择方法及装置 |
-
2019
- 2019-11-11 CN CN201911095227.8A patent/CN110838031A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385729A (zh) * | 2011-10-25 | 2012-03-21 | 北京亿赞普网络技术有限公司 | 一种广告投放策略的评估方法和装置 |
US20140337124A1 (en) * | 2013-05-07 | 2014-11-13 | Howard Shi Kin Wan | Automated optimization of an advertisement placement engine |
CN108510311A (zh) * | 2018-02-28 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 一种确定营销方案的方法、装置及电子设备 |
CN109829757A (zh) * | 2019-01-18 | 2019-05-31 | 泰康保险集团股份有限公司 | 一种最优营销方案的选择方法及装置 |
Non-Patent Citations (2)
Title |
---|
中国保险资产管理业协会 * |
中国银行业协会行业发展研究委员会编: "《中国银行业发展研究优秀成果评选获奖作品选集 2017版》", 31 December 2017 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021217307A1 (zh) * | 2020-04-26 | 2021-11-04 | 深圳市欢太科技有限公司 | 分流方法、装置、服务器以及存储介质 |
CN111625555A (zh) * | 2020-05-26 | 2020-09-04 | 深圳鼎盛电脑科技有限公司 | 一种订单匹配方法、装置、设备及存储介质 |
CN111625556A (zh) * | 2020-05-26 | 2020-09-04 | 深圳鼎盛电脑科技有限公司 | 一种基于征信的订单匹配方法、装置、设备及存储介质 |
CN111625556B (zh) * | 2020-05-26 | 2024-02-27 | 深圳市乐信信息服务有限公司 | 一种基于征信的订单匹配方法、装置、设备及存储介质 |
CN111625555B (zh) * | 2020-05-26 | 2023-10-31 | 深圳市乐信信息服务有限公司 | 一种订单匹配方法、装置、设备及存储介质 |
CN111679986B (zh) * | 2020-06-11 | 2023-09-22 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种软件测试方法、装置及电子设备 |
CN111679986A (zh) * | 2020-06-11 | 2020-09-18 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种软件测试方法、装置及电子设备 |
CN112333246A (zh) * | 2020-10-26 | 2021-02-05 | 深圳市酷开网络科技有限公司 | 一种ABtest实验方法、装置、智能终端及存储介质 |
CN112333246B (zh) * | 2020-10-26 | 2023-05-05 | 深圳市酷开网络科技股份有限公司 | 一种ABtest实验方法、装置、智能终端及存储介质 |
CN112232920A (zh) * | 2020-10-27 | 2021-01-15 | 衡阳亚玛科技服务有限公司 | 简约型的电子商务平台的运营方法 |
CN112330393A (zh) * | 2020-10-27 | 2021-02-05 | 衡阳玖伍堂电子商务有限公司 | 一种电子商务平台的运营方法 |
CN112561371A (zh) * | 2020-12-23 | 2021-03-26 | 上海新共赢信息科技有限公司 | 一种调取确定方法、装置、电子设备及存储介质 |
CN112561371B (zh) * | 2020-12-23 | 2024-03-01 | 上海乐享似锦科技股份有限公司 | 一种调度确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838031A (zh) | 一种基于ABtest的数据运营方法和装置 | |
CN108595157B (zh) | 区块链数据的处理方法、装置、设备和存储介质 | |
CN109710405B (zh) | 区块链智能合约管理方法、装置、电子设备及存储介质 | |
CN109885397B (zh) | 一种边缘计算环境中时延优化的负载任务迁移算法 | |
WO2019127875A1 (zh) | 专属坐席池分配方法、电子装置及计算机可读存储介质 | |
CN109992404A (zh) | 集群计算资源调度方法、装置、设备及介质 | |
CN108923996B (zh) | 一种容量分析方法及装置 | |
CN110852882B (zh) | 用于区块链网络的分组共识方法、装置、设备和介质 | |
CN101963969B (zh) | Oracle RAC系统中实现负载均衡的方法和数据库服务器 | |
CN111861225B (zh) | 一种任务分配方法、装置、电子设备及存储介质 | |
CN110502321A (zh) | 一种资源调度方法及系统 | |
CN106202092A (zh) | 数据处理的方法及系统 | |
CN112633842A (zh) | 任务推送方法、装置及系统 | |
CN113112026A (zh) | 一种联邦学习模型优化方法及装置 | |
CN109086289A (zh) | 一种媒体数据处理方法、客户端、介质和设备 | |
CN113378498B (zh) | 一种任务分配方法及装置 | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN110826911B (zh) | 基于大数据的决策方法、设备及介质 | |
CN109165729A (zh) | 神经网络的调度方法及系统 | |
CN113138847B (zh) | 基于联邦学习的计算机资源分配调度方法和装置 | |
CN108961071B (zh) | 自动预测组合业务收益的方法及终端设备 | |
CN116187683A (zh) | 工单分配方法、装置、设备及存储介质 | |
US20200402165A1 (en) | Prioritized Distribution of Funds in Reverse Mortgages | |
CN109743203B (zh) | 一种基于量化信息流的分布式服务安全组合系统及方法 | |
CN113656046A (zh) | 一种应用部署方法和装置 |
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: 20200225 |