CN110941608B - 一种埋点分析和漏斗分析报表生成方法、装置及设备 - Google Patents
一种埋点分析和漏斗分析报表生成方法、装置及设备 Download PDFInfo
- Publication number
- CN110941608B CN110941608B CN201910930428.9A CN201910930428A CN110941608B CN 110941608 B CN110941608 B CN 110941608B CN 201910930428 A CN201910930428 A CN 201910930428A CN 110941608 B CN110941608 B CN 110941608B
- Authority
- CN
- China
- Prior art keywords
- buried point
- analysis
- information
- funnel
- analyzed
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 495
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000006399 behavior Effects 0.000 claims description 83
- 238000007405 data analysis Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000009933 burial Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012216 screening Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 241000282813 Aepyceros melampus Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000007 visual 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24565—Triggers; Constraints
-
- 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
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种埋点分析和漏斗分析报表生成方法、装置及设备。所述埋点分析方法包括:基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值;基于计算的所述埋点分析指标的值,生成埋点分析报表。
Description
技术领域
本申请涉及计算机数据处理领域,尤其涉及一种埋点分析和漏斗分析报表生成方法、装置及设备。
背景技术
在网站或应用程序运行中,被关注的用户交互行为事件可以作为监测点,为了收集监测点上的用户行为数据,需要在监测点上部署专用的事件监测代码(event trackingcode),又称为埋点。客户端根据设置的埋点上报用户行为日志信息,其中包括埋点的相关参数信息。进行用户行为分析的实质是,通过编写SQL,对这些上报的数据进行筛选、聚合等操作,最终得到分析结果。并且,数据分析的需求多是即席的、多样的。
目前,可以通过Hue、Zeppelin这类交互式SQL编写工具,基于hive、presto等进行日志数据统计,以输出表格和简单的图表。但是该方法对分析人员的要求较高,需要对数仓中的表结构、字段含义等较熟悉,并且需要掌握编写SQL语句的能力,对于没有SQL语句编写技术背景的产品运营人员来说门槛较高。另外,也可以通过tableau等BI工具配置数据源,来配置可视化的报表,但是该方法的人力成本较高,报表多由数据分析师等产出,新的需求就意味着新的报表配置,无法实现分析人员自主化查询。
在现有技术中,不具备技术背景的数据分析人员,例如,产品运营人员,在查询、分析用户行为日志时的学习成本高、操作难度大。
发明内容
有鉴于此,本申请实施例提供了一种埋点分析和漏斗分析报表生成方法、装置及设备,使得不具备技术背景的产品运营人员能够自助查询、分析用户行为日志,获取埋点分析和/或漏斗分析结果,降低了学习成本,简化了操作流程。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种埋点分析报表生成方法,包括:基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值;基于计算的所述埋点分析指标的值,生成埋点分析报表。
本说明书实施例提供的一种漏斗分析报表生成方法,包括:基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标;基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
本说明书实施例提供的一种埋点分析报表生成装置,包括:分析信息确定模块,用于基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;埋点分析指标计算模块,用于调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值;报表生成模块,用于基于计算的所述埋点分析指标的值,生成埋点分析报表。
本说明书实施例提供的一种漏斗分析报表生成装置,包括:分析信息确定模块,用于基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;漏斗步骤评价指标计算模块,用于调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标;报表生成模块,用于基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。。
本说明书实施例提供的一种数据分析报表生成设备,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:执行上述埋点分析报表生成方法和/或漏斗分析报表生成方法。
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:
在一种数据分析报表(包括埋点分析报表和/或漏斗分析报表)生成方法中,可以根据分析人员的数据分析信息设置操作,确定数据分析信息,然后基于确定的数据分析信息,再数据查询引擎来获取的用户行为日志信息并计算得到相应的结果,最后将结果生成为数据报表并展示。在这一过程中,进行数据分析操作的分析人员只需要选择分析信息,则可以获取相应的数据分析结果,而无需撰写SQL语句,也无需了解用户行为日志信息的具体的存储结构,由此,不具备技术背景的产品运营人员能够自助查询、分析用户行为日志,获得埋点分析和/或漏斗分析结果,学习成本低,操作流程简单。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为根据本申请的实施例的数据分析方法的应用场景的示意图;
图2示出了根据本申请的实施例的数据分析系统的示意图;
图3为根据本申请的实施例的一种埋点分析报表生成方法的流程示意图;
图4为根据本申请的实施例的埋点分析报表生成方法的前端页面的示例;
图5为根据本申请的实施例的埋点总览信息的界面示例;
图6为根据本申请的实施例的一种漏斗分析报表生成方法的流程示意图;
图7为根据本申请的实施例的漏斗分析报表生成方法的前端页面的示例;
图8为根据本申请的实施例的与图3的方法对应的埋点分析报表生成装置的结构示意图;
图9为根据本申请的实施例的与图6的方法对应的漏斗分析报表生成装置的结构示意图;
图10为根据本申请的实施例的一种数据分析报表生成设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为根据本申请的实施例的数据分析方法的应用场景的示意图。
在本申请的说明书中,为了避免混淆,将生成用户行为日志信息的客户端的使用者称为用户,将使用本申请的实施例提供的基于已生成并存储的用户行为日志执行埋点分析和漏斗分析的方法、装置和设备的使用者称为分析人员。
如图1所示,数据分析方法的应用场景中包括客户端和服务端。具体地,当分析人员在诸如电脑、平板、手机的客户端上输入数据分析指令和数据分析信息时,客户端与服务端发生数据交互,从服务端获取与分析人员设置的数据分析信息对应的用户行为日志数据,进而计算出数据分析指令对应的数据分析指标,然后在客户端向分析人员显示数据分析结果报表。
根据实施例,客户端与服务端之间的数据交互可以通过有线通信或无线通信实现。
根据实施例,数据库中可以存储有用户行为日志数据,服务器根据从客户端获取的数据配置信息及指令从数据库中获取相应的用户行为数据。用户行为日志数据可以是根据用户在使用网页或应用程序的过程中,由网页或应用程序中的埋点上报的埋点日志信息,埋点日志信息可以是以Parquet列式存储表进行存储的。所述Parquet列式存储表中的每行可以对应于一条用户行为日志信息,每列可以对应于一个埋点参数字段,所述埋点参数字段包括埋点标识字段、用户标识字段等。使得当根据分析人员的分析指令进行分析时,可以从列式存储中快速筛选、聚合相关信息,高效地提供相应的分析结果。
根据实施例,基于从数据库中获取的埋点日志信息,可以通过服务器或客户端中预设的代码来实现数据分析目标的计算。
根据实施例,服务端可以包括缓存(例如,Redis缓存),其中以键-值对(key-value)的形式存储有埋点列表、埋点参数列表和埋点参数候选值列表。其中,埋点列表中的key为“页面信息”,value为“埋点标识”;埋点参数列表中的key为“埋点标识”,value为埋点参数标识;埋点参数候选值列表中的key为“埋点标识-参数标识”,value为“埋点参数值”。当分析人员在客户端的页面上设置数据分析信息时,可以调用服务端的缓存,为分析人员展示相关列表供选择。
根据本申请的实施例,提供了一种数据分析系统。图2示出了根据本申请的实施例的数据分析系统的示意图。
参照图2,所述数据分析系统可以包括:
埋点分析装置210,通过在其前端页面获取分析人员设置的埋点分析配置信息(包括埋点分析信息和埋点分析指标),其后端调用计算引擎来基于所述埋点分析配置信息得到埋点分析结果,并在其前端页面并向分析人员展示埋点分析报表。其中,所述埋点分析装置的前端页面中可以包括埋点分析条件筛选界面、埋点分析结果展示界面和开始查询按钮,还可以包括保存按钮。其中,所述保存按钮用于存储与当前埋点分析报表对应的设置的埋点分析配置信息。
漏斗分析装置220,通过在其前端页面获取分析人员设置的漏斗分析信息,其后端调用计算引擎来基于所述漏斗分析信息得到漏斗分析结果,并在其前端页面向分析人员展示漏斗分析报表。其中,所述埋点分析模块对应的前端页面中可以包括漏斗分析条件筛选界面、漏斗分析结果展示界面和开始计算按钮,还可以包括保存按钮。其中,所述保存按钮用于存储与当前漏斗分析报表对应的设置的漏斗分析信息。
埋点总览装置230,用于显示已定义的所有埋点和所有埋点参数字段信息。其中,所述埋点分析模块对应的前端页面中可以包括信息显示页面和信息选择按钮。具体地,分析人员可以在埋点总览模块230查看并选择可分析的埋点;通过在埋点总览装置230的前端页面选择目标埋点,可以跳转到埋点分析装置210或漏斗分析装置220的前端页面。
看板装置240,用于显示已保存的数据分析信息对应的数据分析结果的预览信息。具体地,分析人员可以在看板模块快速查看历史分析结果或者根据时间更新的历史分析结果。
图3为根据本申请的实施例的一种埋点分析报表生成方法的流程示意图。从程序角度而言,流程的执行主体可以为搭载于客户端或服务器的用于生成埋点分析报表的程序。
如图3所示,该流程可以包括以下步骤:
S310:基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息。
根据实施例,所述埋点分析配置信息设置操作,可以是分析人员从给出的列表中选择与埋点分析相关的信息的操作。埋点分析配置信息包括埋点分析信息和埋点分析指标,是进行埋点分析时需要的信息,具体可以是获取的由分析人员设置的信息。
根据实施例,所述待分析时间范围可以是日期区间,决定了当进行埋点分析时,获取埋点上报的用户行为日志信息的范围。当所述用户行为日志信息被分区存储时,所述待分析时间范围也决定了当获取数据时查找的数据分区。
根据实施例,S310具体可以包括:接收分析人员的待分析时间范围选择指令;基于所述待分析时间范围选择指令,显示时间信息候选列表;基于分析人员的针对待分析时间范围的选择操作,确定所述待分析时间范围。
根据实施例,所述时间粒度用于表示所述待分析时间范围的粒度。其中,所述时间粒度和所述待分析时间范围是对应设置的。
根据实施例,当时间粒度为天粒度时,所述待分析时间范围可以是一个日期范围,所述日期范围不包括当前日期。相应地,天粒度的分析结果可以包含与日期范围中的每天对应的数据分析结果。例如,在2019-09-16,可以进行例如2019-09-11至2019-09-15的天粒度分析,得到的分析结果中包含与2019-09-11、2019-09-12、2019-09-13、2019-09-14和2019-09-15每天对应的数据点。
根据实施例,当时间粒度为小时粒度时,所述待分析时间范围可以是一个日期,所述日期可以包括当前日期或当前日期之前的日期。相应地,小时粒度的分析结果可以包含与待分析时间范围中的每个小时对应的数据分析结果。
其中,当待分析时间范围为当前日期时,查询是准实时的。例如,若在2019-09-11查询2019-09-11的数据,得到的分析结果中可以包括已经存储的各个小时的对应的数据,例如,当前时刻为10:20,对应的分析结果中包含2019-09-11这一天中00:00-00:59、01:00-01:59、……、09:00-09:59这10个小时各自对应的数据点。例如,若在2019-09-11查询2019-09-09的数据,得到的分析结果中可以包括2019-09-09所有各个小时的对应的数据,具体地,对应的分析结果中包含2019-09-09这一天中00:00-00:59、01:00-01:59、……、23:00-23:59这24个小时各自对应的数据点。
根据实施例,当时间粒度为分钟粒度时,所述待分析时间范围可以是一个日期,所述日期可以不包括当前日期。相应地,天粒度的分析结果可以包含与待分析时间范围中的每分钟对应的数据分析结果。例如,在2019-09-16,可以进行例如2019-09-15的分钟粒度分析,得到的分析结果中包含2019-09-15一天中每分钟对应的数据点。
根据实施例,S310具体可以包括:接收分析人员的埋点分析指标设置指令;基于所述埋点分析指标设置指令,显示埋点分析指标候选列表;基于分析人员针对埋点分析指标的选择操作,确定所述埋点分析指标。
根据实施例,S310具体可以包括:接收分析人员的待分析埋点设置指令;基于所述待分析埋点设置指令,获取并显示埋点候选列表;接收分析人员针对所述埋点候选列表的第一选择指令;基于所述第一选择指令,确定待分析埋点。其中,所述确定待分析埋点具体可以包括确定待分析埋点的埋点标识。
在上述实施例中,当分析人员在设置各个埋点分析信息时,系统可以从服务端的缓存中调用相应的候选值列表以供选择。这样的设置使得,埋点分析的效率提高。下文中的漏斗分析报表生成方法中给出候选值列表的方式与此同理。
S320:调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值。
根据所实施例,所述调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值,具体可以包括:基于确定的所述埋点分析信息,生成相应的埋点分析代码;调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值。
根据实施例,所述基于确定的所述埋点分析信息,生成相应的埋点分析代码,可以包括:将所述确定的埋点分析信息中的时间粒度、待分析时间范围、待分析埋点信息等具体信息代入到与所述埋点分析指标对应的预设代码模板中,生成可执行的SQL语句。其中,所述预设代码模板可以是与埋点分析指标对应的,具体地,可以预先存储可选的埋点分析指标与预设代码模板之间的对应关系。
根据实施例,可以由客户端接收分析人员的指示开始查询的操作指令,然后调用服务端的查询引擎,利用查询引擎执行所述SQL语句,来计算所述埋点分析指标的值。其中,所述查询引擎可以是例如impala查询引擎。
根据实施例,所述调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值,具体可以包括:针对所述待分析时间范围内按照所述时间粒度划分的每个时间区间,获取与所述待分析埋点对应的用户行为日志信息;基于获取的所述用户行为日志信息,计算所述待分析埋点的与所述每个时间区间对应的埋点分析指标的值。
其中,所述用户行为日志信息可以是由埋点上报的用户行为日志数据。
其中,所述用户行为日志信息可以是存储在数据库中的结构化数据。根据实施例,所述用户行为日志信息可以存储在Parquet列式存储表中,具体地,列式存储表中的每行对应一条用户行为日志信息,每列对应一个字段,所述字段至少包括埋点标识字段、用户标识字段、时间戳字段等。
根据实施例,所述用户行为日志信息可以是分区存储的,更具体地,可以是多级分区存储的。
可选地,所述用户行为日志可以是以日期作为一级分区、以埋点标识作为二级分区进行存储的,可以用于当进行天粒度查询或分钟粒度查询时读取。其中,日期信息是从埋点日志信息中包含的时间戳中解析得到的。
可选地,所述列式存储表可以是以日期作为一级分区、以小时作为二级分区、以埋点标识作为三级分区进行存储的,可以用于当进行小时粒度查询时读取。其中,日期和小时信息是从埋点日志信息中包含的时间戳中解析得到的。
根据实施例,所述基于所述埋点分析信息,获取满足所述待分析时间范围和所述待分析埋点信息的用户行为日志信息,具体可以包括:基于所述待分析时间范围,筛选与所述待分析时间范围对应的数据分区下的用户行为日志信息;基于所述待分析埋点信息,在筛选的所述与所述待分析时间范围对应的数据分区下的用户行为日志信息中,获取与所述待分析埋点信息对应的数据分区下的用户行为日志信息。
上述实施例中,基于分区存储的数据来获取用户行为日志信息的方式,每次只读取指定分区下的文件数据,加快了数据筛选速度,提高了埋点分析效率。
S330:基于计算的所述埋点分析指标的值,生成埋点分析报表。
其中,报表即用表格、图表等方式动态地显示数据。具体地,报表包括报表格式和报表数据,其中,报表格式是多样的,报表数据是动态的。根据实施例,报表可以是将报表数据填到预定的报表格式中得到的。
根据实施例,埋点分析报表的格式可以是根据需要预先设置的,具体地,可以包括例如表格、折线图、柱状图等。根据本申请的实施例,针对每个埋点的埋点分析报表可以包括以时间为横坐标、以埋点分析指标的值为纵坐标的折线图和/或条形图。
根据实施例,埋点分析报表中的数据可以是由步骤S320计算得到的。
在上述实施例提供的埋点分析报表生成方法中,基于分析人员的分析信息设置操作,可以获取满足条件的用户行为日志信息,并调用数据查询引擎来计算埋点分析指标的值,进而生成埋点分析报表。在这一过程中,分析人员只需要进行分析信息的设置,而无需手动编写对用户行为日志数据进行筛选、进行数据聚合运算等的SQL语句,可以方便地获取分析目标,学习成本低;并且,即便是在即席场景下,分析人员也可以通过本申请的实施例提供的埋点分析方法来方便地查询用户行为日志和分析用户行为。
本说明书实施例还提供了埋点分析报表生成方法的一些具体实施方案,下面进行说明。
根据可选的实施例,S310中,确定待分析埋点之后,还可以包括:根据确定的所述待分析埋点,获取并显示与所述待分析埋点对应的埋点参数候选列表;接收分析人员针对所述埋点参数候选列表的第二选择指令;基于所述第二选择指令,确定选择的埋点属性参数;根据所述选择的埋点属性参数,获取并显示与所述选择的埋点属性参数对应的埋点属性参数值候选列表;接收分析人员针对埋点属性参数值候选列表的第三选择指令;基于所述第三选择指令,确定选择的埋点属性参数值。其中,所述选择的埋点属性参数可以包括用户标识、用户设备标识、商品标识等,不限于此。
上述实施例中,所述埋点参数候选列表、所述埋点属性参数值候选列表可以存储在缓存中(例如,Redis缓存)中,当接收到分析人员的相应的设置指令或选择指令时时,实施例的方法可以从缓存中获取所有可设置候选信息并显示,以供分析人员选择。从缓存中获取待分析埋点信息的候选信息这一方式的好处在于,数据读取的速率高,可以提高数据查询效率,加快数据分析报表的生成,提升用户体验。
上述实施例中,所述选择的埋点属性参数和所述选择的埋点属性参数值可以作为获取用户行为日志信息的过滤条件,分析人员通过选择埋点参数过滤信息,可以限定获取用户行为日志信息的数据范围。作为示例,当选择的埋点属性参数过滤信息包括设备标识字段和设备标识字段的值时,可以根据设备标识字段的值来仅获取符合所述选择的设备标识字段的值的用户行为日志信息,以作为S320和S330中计算、分析的基础。例如,对于埋点标识为“ev1”的待分析埋点,当获取到分析人员设置的过滤条件包括“‘设备标识’为‘bfa9a48fbsd’”,那么获取针对该埋点的用户行为日志信息时,除了要满足埋点标识字段的值为“ev1”,还要满足设备标识字段的值为“bfa9a48fbsd”。
根据可选的实施例,所述待分析埋点可以包括一个目标分析埋点,也可以包括两个或更多个目标分析埋点。其中,一个目标分析埋点对应一个埋点分析指标。其中,各个目标分析埋点对应的埋点分析指标可以相同或不同。
根据实施例,当所述待分析埋点包括两个或更多个目标分析埋点时,意味着同时针对多个目标分析埋点进行分析。
根据实施例,当设置了选择的埋点属性参数的情况下,不同的目标分析埋点对应的选择的埋点属性参数信息可以相同或不同。例如,对于商品浏览页面上报的埋点,其对应的选择的埋点属性参数信息可以包括例如用户标识、用户设备标识、商品标识等;对于支付按钮上报的埋点,其对应的选择的埋点属性参数信息可以包括例如用户标识、用户设备标识、商品标识、支付方式等;该示例中,两个埋点的选择的埋点属性参数信息部分相同,其中,相同的埋点属性参数可以称为这两个埋点的公共参数。
根据可选的实施例,一个目标分析埋点可以包括一个实际埋点,也可包括两个或更多个并列的实际埋点,其中,一个实际埋点对应一个埋点标识。具体地,当一个目标分析埋点包括一个实际埋点时,所述一个目标分析埋点可以对应于一个埋点标识;当一个目标分析埋点包括两个或更多个实际埋点时,一个目标分析埋点可以对应于两个或更多个埋点标识。
根据实施例,当一个目标分析埋点包括两个或更多个并列的实际埋点时,所述目标分析埋点对应的埋点分析指标基于构成所述目标分析埋点的两个或更多个并列的实际埋点对应的埋点分析指标计算得到。
作为示例,假设设置了并列的埋点“ev1”和埋点“ev2”共同作为一个目标分析埋点,那么当计算该目标分析埋点的埋点分析指标时,可以基于与埋点“ev1”对应的用户行为日志信息和与埋点“ev2”对应的用户行为日志信息共同计算、分析得到该目标分析埋点的埋点分析指标。
根据可选的实施例,所述埋点分析指标可以包括第一类埋点分析指标和第二类埋点分析指标,其中,所述第二类埋点分析指标的值基于所述第一类埋点分析指标来计算。
根据实施例,所述第一类埋点分析指标的值可以基于与一个目标分析埋点对应的用户行为日志信息计算得到。具体地,所述第一类埋点分析指标可以包括的埋点访问次数(PageView,PV)、埋点访问人数(UniqueVisitor,UV)、埋点人均访问次数等。例如,计算埋点访问次数,可以统计与相应埋点对应的用户行为日志信息的数量。例如,计算埋点访问人数,可以基于用户行为日志信息中携带的用户标识,统计获取的所述用户行为日志信息中用户标识不同的用户行为日志信息的数量,作为埋点访问人数。例如,计算埋点人均访问次数,可以基于当前埋点的埋点访问次数和埋点访问人数计算得到。
根据实施例,所述第二类埋点分析指标可以基于与两个或更多个目标分析埋点对应的用户行为日志信息计算得到。根据实施例,所述第二类埋点分析指标可以是基于第一类分析指标计算得到的衍生指标。具体地,所述第二类埋点分析指标可以是基于第一类埋点分析指标值的简单运算结果。假设,设置的待分析埋点中包括两个目标分析埋点,其中,目标分析埋点A是关于一个弹窗的曝光的埋点,目标分析埋点B是关于该弹窗的点击行为的埋点,那么,可以定义一个第二类埋点分析指标:弹窗的点击率C=B/A*100%,其中,B和A均为第一类埋点分析指标,分别指埋点B和埋点A的埋点访问次数。
根据可选的实施例,所述埋点分析信息还可以包括分组分析信息,具体地,所述分组分析信息包括埋点属性分组信息和/或用户属性分组信息。其中,所述埋点属性分组信息可以是一个或更多个待分析的埋点对应的选择的埋点属性参数信息中的公共参数。其中,所述用户属性分组信息可以包括设备标识、操作系统类型(例如,IOS、Android等)、应用程序版本、用户是否为注册用户、是否为付费用户等,不限于此。
根据实施例,当所述埋点分析信息包括用户属性分组信息时,所述调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值,具体可以包括:获取与所述待分析时间范围和所述待分析埋点信息对应的用户行为日志信息;基于所述用户属性分组信息,对获取的所述用户行为日志信息进行分组;基于分组后的用户行为日志信息,分别计算埋点分析指标的值。
具体地,当所述埋点分析信息包括用户属性分组信息时,可以按照设置的用户属性对获取的用户行为日志信息进行分组。例如,待分析的埋点为“ev1”,埋点分析指标为PV,设置了用户属性分组信息为操作系统IOS和操作系统Android,则生成的埋点分析报表中包括两组数据,其中,一组数据对应于操作系统字段的值为IOS的用户行为日志信息的信息分析结果,另一组数据对应于操作系统字段的值为Android的用户行为日志信息的信息分析结果。
根据实施例,当所述埋点分析信息既包括埋点属性分组信息也包括用户属性分组信息时,可以同时按照埋点属性和用户属性对获取的用户行为日志信息进行分组。例如,待分析的埋点为“ev1”,埋点分析指标为PV,选择的埋点属性参数包括一个参数param1,相应地,该埋点属性参数字段param1的值为0和1,埋点属性分组信息设置为按照参数param1分组展示,用户属性分组信息设置为按照操作系统分组展示,操作系统包括Android和IOS。那么,埋点分析结果中包括2*2=4组数据,分别为对应于操作系统为Android,param1=0的ev1的总PV、操作系统为Android,param1=1的ev1的总PV、操作系统为iOS,param1=0的ev1的总PV以及操作系统为iOS,param1=1的ev1的总PV。
根据可选的实施例,当根据分组分析信息得到埋点分析的分组分析结果后,在S330中,可以在埋点分析报表中默认展示不多于预设数量的分组分析结果。具体地,可以展示所有分组分析结果中的埋点分析指标值总量最大的预设数量的分组分析结果。其中,分组分析结果对应的埋点分析指标总量指的是,待分析时间范围内各个时间区间对应的埋点分析指标的值的总和。
下面以仅设置埋点属性分组信息为例进行说明,当仅设置用户属性分组信息或者同时设置埋点属性分组信息和用户属性分组信息的情况下同理。作为示例,假设对于待分析埋点A,设置了埋点分析指标为“总次数”,埋点属性分组信息为“商品标识”参数,该商标标识参数字段的值可以包括30个相应值(例如,p01、p02、p03、……、p29、p30),并且假设在诸如折线图的报表中展示分组分析结果的预设数量为10。那么,当计算得到以“商品标识”分组的30组分组分析结果的情况下,计算各个分组分析结果对应的埋点分析指标总量,然后选择其中总量最大的10个埋点分析结果,在数据报表中进行展示。
可选地,埋点分析报表中可以提供供分析人员获取包括所有分组分析结果的埋点分析报表的按钮和/或链接。这样的设置使得,在确保呈现于分析人员的交互界面简洁、友好的前提下,使得分析人员可以方便地获得全部数据分析结果。
为了更清楚地说明上述实施例的具体实施方式,本申请提供了图4作为一个示例。图4为根据本申请的实施例的埋点分析报表生成方法的前端页面的示例。
另外,根据可选的实施例,所述基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息(S310),具体可以包括:接收分析人员的埋点总览指令;基于所述埋点总览指令,显示埋点总览信息,所述埋点总览信息包括埋点列表和所述埋点列表中每个埋点的配置信息列表;基于分析人员的针对所述埋点列表中的埋点的选择操作,确定待分析埋点。
具体地,所述埋点列表可以包括系统中所有埋点的标识,所述每个埋点的配置信息列表可以包括埋点的埋点名称、埋点所在页面、埋点上报逻辑、埋点中文注释等等信息、埋点示意图片等等信息。参照图5,图5为根据本申请的实施例的埋点总览信息的前端页面示例。
具体地,当分析人员选择埋点总览页面中的一个或更多个埋点时,可以跳转到例如图4所示的埋点分析页面,将选择的所述埋点总览页面中的一个或更多个埋点作为进行待分析埋点。
另外,根据可选的实施例,所述基于计算的所述埋点分析指标的值,生成埋点分析报表(S330)之后,还可以包括:存储确定的所述埋点分析信息和所述埋点分析指标,得到存储的埋点分析配置信息;基于所述存储的埋点分析配置信息,生成埋点分析报表。其中,所述存储确定的所述埋点分析信息和所述埋点分析指标,得到存储的埋点分析配置信息,具体可以包括:接收分析人员的存储指令;根据所述存储指令,存储确定的所述埋点分析信息和所述埋点分析指标,得到存储的埋点分析配置信息。其中,所述基于所述存储的埋点分析配置信息,生成埋点分析报表,具体可以包括:接收分析人员在看板页面上触发的埋点分析指令,获取所述存储的埋点分析配置信息;调用数据查询引擎,基于所述存储的埋点分析配置信息,计算所述埋点分析指标的值;基于计算的所述埋点分析指标的值,生成埋点分析报表。
上述实施例中方案的好处在于,当分析人员想要获取已经分析过的埋点分析报表时,可以无需重新执行设置埋点分析配置信息的操作,而是可以直接调用已经存储的埋点分析配置信息来直接进行分析,简化了操作流程,提高了数据分析效率。
作为示例,当分析人员于2019年09月17日查询并分析埋点A在2019-09-10至2019-09-16的用户行为日志数据,且得到并存储了相应的埋点分析报表,那么,该分析人员可以通过在看板页面上进行查询,直接基于存储的埋点分析配置信息得到相应的上述数据。
根据可选的实施例,所述存储所述设置操作设置的所述埋点分析信息之后,还可以包括:更新所述存储的埋点分析配置信息中的待分析时间范围,得到更新的埋点分析配置信息;基于所述更新的埋点分析配置信息,生成与更新的待分析时间范围对应的埋点分析报表。具体地,该步骤可以包括,接收分析人员在看板页面上触发的埋点分析指令,所述指令中携带有时间信息;判断所述时间信息与存储的埋点分析配置信息中的待分析时间范围是否匹配;若否,则更新所述埋点分析配置信息中的待分析时间范围,并基于更新后的待分析时间范围以及埋点分析配置信息中的其他信息来生成相应的埋点分析报表。在该实施例中,埋点分析配置信息的更新是由分析人员查询指令触发的。
沿用上例,当分析人员于在2019年09月18日在看板查询埋点A的分析报表时,上述实施例中,可以调用存储的埋点分析配置信息以及新的时间信息,来自动计算得到2019-09-17的埋点分析数据并更新到看板中,使得分析人员可以直接查看2019-09-11至2019-09-17的用户行为日志数据对应的埋点分析报表。
可选地,埋点分析配置信息的更新也可以是由时钟触发的。例如,可以按照预定的更新周期,更新存储的所述埋点分析配置信息。根据实施例,所述预定的更新周期可以与存储的分析报表的分析时间粒度对应。例如,当分析报表的分析时间粒度为天级时,可以每24小时定期更新存储的所述埋点分析配置信息;例如,当分析报表的分析时间粒度为小时级时,可以每小时更新存储的所述埋点分析配置信息。
上述实施例的好处在于,可以通过预先存储埋点分析配置信息,使得当查询埋点分析配置信息相同的埋点分析报表或者除了待分析时间范围不同、其他埋点分析配置信息相同的埋点分析报表时,无需分析人员重新设置埋点分析配置信息,简化了操作流程,提高了埋点分析效率。
基于同样的思路,本说明书实施例还提供了一种漏斗分析报表生成方法。
图6为根据本申请的实施例的一种漏斗分析报表生成方法的流程示意图。从程序角度而言,流程的执行主体可以为搭载于客户端或服务器的用于生成漏斗分析报表的程序。
如图6所示,该流程可以包括以下步骤,为了简洁,其中省略了部分与上述埋点分析方法中发明构思相同和/或相似的部分的描述。
S610:基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序。
根据实施例,所述待分析时间范围可以是日期区间,决定了当进行漏斗分析时,获取漏斗步骤中的埋点上报的用户行为日志信息的范围。当所述用户行为日志信息是分区存储时,所述日期区间也决定了当获取数据时查找的数据分区。
根据实施例,所述漏斗窗口期用于表示,只有在设置的漏斗窗口期内按预设漏斗顺序发生的步骤才可计算为一次成功的转化。漏斗窗口期设置的时间粒度可以包括分钟、小时、天等。
根据实施例,基于分析人员的漏斗分析配置信息设置操作,确定待分析漏斗步骤信息,具体包括:针对每个漏斗步骤,接收分析人员的待分析埋点设置指令;基于所述待分析埋点设置指令,获取并显示埋点候选列表;接收分析人员针对所述埋点候选列表的第一选择指令;基于所述第一选择指令,确定待分析埋点。
根据实施例,所述确定待分析埋点之后,还包括:根据确定的所述待分析埋点,获取并显示与所述待分析埋点对应的埋点参数候选列表;接收分析人员针对所述埋点参数候选列表的第二选择指令;基于所述第二选择指令,确定选择的埋点属性参数;根据所述选择的埋点属性参数,获取并显示与所述选择的埋点属性参数对应的埋点属性参数值候选列表;接收分析人员针对埋点属性参数值候选列表的第三选择指令;基于所述第三选择指令,确定选择的埋点属性参数值。
在上述实施例中,当分析人员在设置各个漏斗步骤中各个待分析埋点信息时,系统可以从服务端的缓存中调用相应的候选值列表以供选择。这样的设置使得,漏斗分析的效率提高。
根据可选的实施例,所述待分析埋点包括至少一个实际埋点,其中,一个实际埋点对应一个埋点标识。
S620:调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标。
根据实施例,所述调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标,具体可以包括:基于确定的所述漏斗分析信息,生成相应的漏斗分析代码;调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标。
根据实施例,所述基于确定的所述漏斗分析信息,生成相应的漏斗分析代码,可以包括:将所述确定的漏斗分析信息中的时间粒度、待分析时间范围、待分析埋点信息等具体信息代入到与所述漏斗分析指标对应的预设代码模板中,生成可执行的SQL语句。根据实施例,可以由客户端接收分析人员的指示开始查询的操作指令,然后调用服务端的查询引擎,利用查询引擎执行所述SQL语句,来计算各个漏斗步骤的评价指标。其中,所述查询引擎可以是例如impala查询引擎。
根据实施例,所述调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标,具体可以包括:基于获取的所述用户行为日志信息,分别计算各个步骤对应埋点的用户访问量;基于各个步骤对应埋点的用户访问量,计算各个步骤的用户转化率。
其中,所述用户行为日志信息可以是存储在数据库中的结构化数据。根据实施例,所述用户行为日志信息可以存储在Parquet列式存储表中,具体地,列式存储表中的每行对应一条用户行为日志信息,每列对应一个字段,所述字段至少包括埋点标识字段、用户标识字段、时间戳字段等。
根据实施例,用户行为日志信息可以是多级分区存储的。具体地,用户行为日志信息可以是根据日期进行一级分区、再根据埋点标识进行二级分区来存储的。其中,日期信息是从用户行为日志信息中包含的时间戳中解析得到的。
在实际应用中,基于设置的待分析时间范围和待分析漏斗步骤信息,可以直接获取与待分析时间范围对应的一级分区下、且与待分析埋点对应的二级分区下的用户行为日志信息,这样基于分区存储的数据来获取用户行为日志信息的方式,每次只读取指定分区下的文件数据,加快了数据筛选速度,提高了漏斗分析效率。
S630:基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
根据可选的实施例,所述埋点分析信息还可以包括用户属性分组信息。其中,所述用户属性分组信息可以包括设备标识、操作系统类型(例如,IOS、Android等)、应用程序版本、用户是否为注册用户、是否为付费用户等,不限于此。
根据实施例,S620具体可以包括:获取与所述待分析时间范围和所述待分析埋点信息对应的用户行为日志信息;基于所述用户属性分组信息,对获取的所述用户行为日志信息进行分组;基于分组后的用户行为日志信息,分别计算各个漏斗步骤的评价指标。相应地,在S630中,生成漏斗分析报表时,可以得到以用户属性分组信息进行分组的多组漏斗分析结果。
为了更清楚地说明上述实施例的具体实施方式,本申请提供了图7作为一个示例。图7为根据本申请的实施例的漏斗分析报表生成方法的前端页面的示例。
在上述实施例提供的漏斗分析报表生成方法中,基于分析人员的分析信息设置操作,可以获取满足条件的用户行为日志信息,并调用数据查询引擎来计算漏斗分析指标的值,进而生成漏斗分析报表。在这一过程中,分析人员只需要进行漏斗分析信息的设置,而无需手动编写对用户行为日志数据进行筛选、进行数据聚合运算等的SQL语句,可以方便地获取分析目标,学习成本低;并且,即便是在即席场景下,分析人员也可以方便地通过本申请的实施例提供的漏斗分析报表生成方法来查询用户行为日志和分析用户行为。
另外,基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图8为根据本申请的实施例的与图3的方法对应的埋点分析报表生成装置的结构示意图。
如图8所示,该装置可以包括:
分析信息确定模块810,用于基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;
埋点分析指标计算模块820,用于调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值;
报表生成模块830,用于基于计算的所述埋点分析指标的值,生成埋点分析报表。
另外,基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图9为根据本申请的实施例的与图6的方法对应的漏斗分析报表生成装置的结构示意图。
如图9所示,该装置可以包括:
分析信息确定模块910,用于基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;
漏斗步骤评价指标计算模块920,用于调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标;
报表生成模块930,用于基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
可以理解,上述的各模块是指计算机程序或者程序段,用于执行某一项或多项特定的功能。此外,上述各模块的区分并不代表实际的程序代码也必须是分开的。
根据上述实施例提供的埋点分析装置和漏斗分析装置,可以通过友好的交互页面为不具备技术背景的产品运营人员提供快速查询分析埋点的通道,执行自助查询分析用户行为日志的操作,降低学习成本,简化操作流程。与此同时,降低了数据分析师等分析人员的工作量,节省了人力成本。
基于同样的思路,本说明书实施例还提供了本申请实施例的方法对应的设备。
图10为根据本申请的实施例的一种数据分析报表生成设备的结构示意图。如图10所示,设备1000可以包括:
至少一个处理器1010;以及,
与所述至少一个处理器通信连接的存储器1030;其中,
所述存储器1030存储有可被所述至少一个处理器1010执行的指令1020,所述指令被所述至少一个处理器1010执行,以使所述至少一个处理器1010能够:
基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;
调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值;
基于计算的所述埋点分析指标的值,生成埋点分析报表,
和/或,
基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;
调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标;
基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
上述对本说明书特定实施例进行了描述,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。
根据本申请的实施例的装置、设备与方法是对应的,因此,装置、设备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、设备的有益技术效果。
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。
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 (21)
1.一种埋点分析报表生成方法,其特征在于,包括:
基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;所述埋点分析指标包括第一类埋点分析指标和第二类埋点分析指标;所述第一类埋点分析指标包括埋点访问次数、埋点访问人数、埋点人均访问次数中至少一种;
调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值,具体包括:基于确定的所述埋点分析信息,生成相应的埋点分析代码;调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值;
基于计算的所述埋点分析指标的值,生成埋点分析报表。
2.根据权利要求1所述的方法,其特征在于,基于分析人员的埋点分析配置信息设置操作,确定待分析埋点信息,具体包括:
接收分析人员的待分析埋点设置指令;
基于所述待分析埋点设置指令,获取并显示埋点候选列表;
接收分析人员针对所述埋点候选列表的第一选择指令;
基于所述第一选择指令,确定待分析埋点。
3.根据权利要求2所述的方法,其特征在于,所述确定待分析埋点之后,还包括:
根据确定的所述待分析埋点,获取并显示与所述待分析埋点对应的埋点参数候选列表;
接收分析人员针对所述埋点参数候选列表的第二选择指令;
基于所述第二选择指令,确定选择的埋点属性参数;
根据所述选择的埋点属性参数,获取并显示与所述选择的埋点属性参数对应的埋点属性参数值候选列表;
接收分析人员针对埋点属性参数值候选列表的第三选择指令;
基于所述第三选择指令,确定选择的埋点属性参数值。
4.根据权利要求2所述的方法,其特征在于,所述待分析埋点包括至少一个目标分析埋点,其中,一个目标分析埋点对应一个埋点分析指标。
5.根据权利要求4所述的方法,其特征在于,所述至少一个目标分析埋点中的任一目标分析埋点包括至少一个实际埋点,其中,一个实际埋点对应一个埋点标识。
6.根据权利要求1所述的方法,其特征在于,所述埋点分析指标包括第一类埋点分析指标和第二类埋点分析指标,其中,所述第二类埋点分析指标的值是基于所述第一类埋点分析指标计算得到的。
7.根据权利要求6所述的方法,其特征在于,所述第一类埋点分析指标包括埋点访问次数、埋点访问人数和埋点人均访问次数。
8.根据权利要求1所述的方法,其特征在于,所述调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值,具体包括:
基于确定的所述埋点分析信息,生成相应的埋点分析代码;
调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值。
9.根据权利要求8所述的方法,其特征在于,所述调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值,具体包括:
针对所述待分析时间范围内按照所述时间粒度划分的每个时间区间,获取与所述待分析埋点对应的用户行为日志信息;
基于获取的所述用户行为日志信息,计算所述待分析埋点的与所述每个时间区间对应的埋点分析指标的值。
10.根据权利要求8所述的方法,其特征在于,所述埋点分析信息还包括用户属性分组信息,所述调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值,具体包括:
获取与所述待分析时间范围和所述待分析埋点信息对应的用户行为日志信息;
基于所述用户属性分组信息,对获取的所述用户行为日志信息进行分组;
基于分组后的用户行为日志信息,分别计算埋点分析指标的值。
11.根据权利要求1所述的方法,其特征在于,所述基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息,具体包括:
接收分析人员的埋点总览指令;
基于所述埋点总览指令,显示埋点总览信息,所述埋点总览信息包括埋点列表和所述埋点列表中每个埋点的配置信息列表;
基于分析人员的针对所述埋点列表中的埋点的选择操作,确定待分析埋点。
12.根据权利要求1所述的方法,其特征在于,所述基于计算的所述埋点分析指标的值,生成埋点分析报表之后,还包括:
存储确定的所述埋点分析信息和所述埋点分析指标,得到存储的埋点分析配置信息;
基于所述存储的埋点分析配置信息,生成埋点分析报表。
13.根据权利要求12所述的方法,其特征在于,所述存储确定的所述埋点分析信息和所述埋点分析指标,得到存储的埋点分析配置信息之后,还包括:
更新所述存储的埋点分析配置信息中的待分析时间范围,得到更新的埋点分析配置信息;
基于所述更新的埋点分析配置信息,生成与更新的待分析时间范围对应的埋点分析报表。
14.一种漏斗分析报表生成方法,其特征在于,包括:
基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;
调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标,具体包括:基于确定的所述漏斗分析信息,生成相应的漏斗分析代码;调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标;
基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
15.根据权利要求14所述的方法,其特征在于,基于分析人员的漏斗分析配置信息设置操作,确定待分析漏斗步骤信息,具体包括:
针对每个漏斗步骤,接收分析人员的待分析埋点设置指令;
基于所述待分析埋点设置指令,获取并显示埋点候选列表;
接收分析人员针对所述埋点候选列表的第一选择指令;
基于所述第一选择指令,确定待分析埋点。
16.根据权利要求15所述的方法,其特征在于,所述确定待分析埋点之后,还包括:
根据确定的所述待分析埋点,获取并显示与所述待分析埋点对应的埋点参数候选列表;
接收分析人员针对所述埋点参数候选列表的第二选择指令;
基于所述第二选择指令,确定选择的埋点属性参数;
根据所述选择的埋点属性参数,获取并显示与所述选择的埋点属性参数对应的埋点属性参数值候选列表;
接收分析人员针对埋点属性参数值候选列表的第三选择指令;
基于所述第三选择指令,确定选择的埋点属性参数值。
17.根据权利要求15所述的方法,其特征在于,所述待分析埋点包括至少一个实际埋点,其中,一个实际埋点对应一个埋点标识。
18.根据权利要求14所述的方法,其特征在于,所述调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标,具体包括:
基于确定的所述漏斗分析信息,生成相应的漏斗分析代码;
调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标。
19.一种埋点分析报表生成装置,其特征在于,包括:
分析信息确定模块,用于基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;所述埋点分析指标包括第一类埋点分析指标和第二类埋点分析指标;所述第一类埋点分析指标包括埋点访问次数、埋点访问人数、埋点人均访问次数中至少一种;
埋点分析指标计算模块,用于调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值,具体包括:基于确定的所述埋点分析信息,生成相应的埋点分析代码;调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值;
报表生成模块,用于基于计算的所述埋点分析指标的值,生成埋点分析报表。
20.一种漏斗分析报表生成装置,其特征在于,包括:
分析信息确定模块,用于基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;
漏斗步骤评价指标计算模块,用于调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标,具体包括:基于确定的所述漏斗分析信息,生成相应的漏斗分析代码;调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标;
报表生成模块,用于基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
21.一种数据分析报表生成设备,其特征在于,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:
基于分析人员的埋点分析配置信息设置操作,确定埋点分析信息和埋点分析指标,所述埋点分析信息包括时间粒度、待分析时间范围和待分析埋点信息;所述埋点分析指标包括第一类埋点分析指标和第二类埋点分析指标;所述第一类埋点分析指标包括埋点访问次数、埋点访问人数、埋点人均访问次数中至少一种;
调用数据查询引擎,基于所述埋点分析信息计算所述埋点分析指标的值,具体包括:基于确定的所述埋点分析信息,生成相应的埋点分析代码;调用数据查询引擎来执行所述埋点分析代码,得到所述埋点分析指标的值;
基于计算的所述埋点分析指标的值,生成埋点分析报表,
和/或,
基于分析人员的漏斗分析配置信息设置操作,确定漏斗分析信息,所述漏斗分析信息包括待分析时间范围、待分析漏斗步骤信息和漏斗窗口期,其中,所述待分析漏斗步骤信息包括待分析埋点信息和预设漏斗顺序;
调用数据查询引擎,基于所述漏斗分析信息计算各个漏斗步骤的评价指标,具体包括:基于确定的所述漏斗分析信息,生成相应的漏斗分析代码;调用数据查询引擎来执行所述漏斗分析代码,计算各个漏斗步骤的评价指标;
基于计算的各个漏斗步骤的评价指标,生成漏斗分析报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930428.9A CN110941608B (zh) | 2019-09-29 | 2019-09-29 | 一种埋点分析和漏斗分析报表生成方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930428.9A CN110941608B (zh) | 2019-09-29 | 2019-09-29 | 一种埋点分析和漏斗分析报表生成方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110941608A CN110941608A (zh) | 2020-03-31 |
CN110941608B true CN110941608B (zh) | 2023-01-20 |
Family
ID=69906045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910930428.9A Active CN110941608B (zh) | 2019-09-29 | 2019-09-29 | 一种埋点分析和漏斗分析报表生成方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941608B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190458A (zh) * | 2021-05-24 | 2021-07-30 | 北京映客芝士网络科技有限公司 | 自动埋点数据分析的方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778244A (zh) * | 2014-02-11 | 2014-05-07 | 五八同城信息技术有限公司 | 一种基于用户行为日志的自动化报表分析方法 |
CN106294101A (zh) * | 2015-05-19 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 页面打点测试方法和装置 |
CN106294559A (zh) * | 2016-07-26 | 2017-01-04 | 北京三快在线科技有限公司 | 一种应用流量分析方法及装置 |
US9552356B1 (en) * | 2007-12-21 | 2017-01-24 | Amazon Technologies, Inc. | Merging client-side and server-side logs |
CN108038053A (zh) * | 2017-11-29 | 2018-05-15 | 上海恺英网络科技有限公司 | 一种动态配置埋点的方法及设备 |
CN109656979A (zh) * | 2018-12-24 | 2019-04-19 | 北京小米移动软件有限公司 | 数据统计分析方法、装置及存储介质 |
-
2019
- 2019-09-29 CN CN201910930428.9A patent/CN110941608B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9552356B1 (en) * | 2007-12-21 | 2017-01-24 | Amazon Technologies, Inc. | Merging client-side and server-side logs |
CN103778244A (zh) * | 2014-02-11 | 2014-05-07 | 五八同城信息技术有限公司 | 一种基于用户行为日志的自动化报表分析方法 |
CN106294101A (zh) * | 2015-05-19 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 页面打点测试方法和装置 |
CN106294559A (zh) * | 2016-07-26 | 2017-01-04 | 北京三快在线科技有限公司 | 一种应用流量分析方法及装置 |
CN108038053A (zh) * | 2017-11-29 | 2018-05-15 | 上海恺英网络科技有限公司 | 一种动态配置埋点的方法及设备 |
CN109656979A (zh) * | 2018-12-24 | 2019-04-19 | 北京小米移动软件有限公司 | 数据统计分析方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110941608A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107391538B (zh) | 点击数据采集、处理和展示方法、装置、设备及存储介质 | |
US11269476B2 (en) | Concurrent display of search results from differing time-based search queries executed across event data | |
US10884891B2 (en) | Interactive detection of system anomalies | |
US10664837B2 (en) | Method and system for real-time, load-driven multidimensional and hierarchical classification of monitored transaction executions for visualization and analysis tasks like statistical anomaly detection | |
US10121114B2 (en) | Metadata-driven audit reporting system with hierarchical relationships | |
US10552390B2 (en) | Root cause analysis of performance problems | |
CN110675194A (zh) | 一种漏斗分析方法、装置、设备及可读介质 | |
US10839504B2 (en) | User interface for managing defects | |
US20190149344A1 (en) | Intelligent search system for service cost and method thereof | |
CN111460011A (zh) | 页面数据展示方法、装置、服务器及存储介质 | |
CN110941608B (zh) | 一种埋点分析和漏斗分析报表生成方法、装置及设备 | |
US8918410B2 (en) | System and method for fast identification of variable roles during initial data exploration | |
CN111143433B (zh) | 一种统计数据仓数据的方法及装置 | |
US20130124484A1 (en) | Persistent flow apparatus to transform metrics packages received from wireless devices into a data store suitable for mobile communication network analysis by visualization | |
CN104317820B (zh) | 报表的统计方法和装置 | |
CN109241048A (zh) | 用于数据统计的数据处理方法、服务器及存储介质 | |
CN114531361A (zh) | 一种分布式系统的服务拓扑分析方法、装置及存储介质 | |
CN110929207B (zh) | 数据处理方法、装置和计算机可读存储介质 | |
CN113761082A (zh) | 一种数据可视化方法、装置和系统 | |
CN113377604A (zh) | 一种数据处理方法、装置、设备和存储介质 | |
Koitz et al. | StakeCloud Tool: From cloud consumers' search queries to new service requirements | |
JP5332918B2 (ja) | 区分データレコメンド方法、プログラム、及び装置 | |
CN110647454A (zh) | 确定系统用户访问信息的方法及装置 | |
CN110968993A (zh) | 信息的处理方法及装置、存储介质和处理器 | |
CN109145059A (zh) | 用于数据统计的数据处理方法、服务器及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100000 room 701, 6 / F, building 1, No. 1, xidawang Road, Chaoyang District, Beijing Applicant after: Beijing Mind Creation Information Technology Co.,Ltd. Address before: Room 2802, 24 / F, building 4, 89 Jianguo Road, Chaoyang District, Beijing Applicant before: Beijing Mind Creation Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |