CN111666535B - 确定用户活跃时长的方法、装置、电子设备及存储介质 - Google Patents
确定用户活跃时长的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111666535B CN111666535B CN202010335496.3A CN202010335496A CN111666535B CN 111666535 B CN111666535 B CN 111666535B CN 202010335496 A CN202010335496 A CN 202010335496A CN 111666535 B CN111666535 B CN 111666535B
- Authority
- CN
- China
- Prior art keywords
- period
- user
- periods
- retention rate
- active duration
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种确定用户活跃时长的方法、装置、电子设备及存储介质,所述方法包括:确定多个周期中每个周期的用户留存率;根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段;基于波动时间段内各个周期的用户留存率和稳定时间段内至少两个周期的用户留存率,确定用户活跃时长。采用本发明的技术方案,用户留存率反映的是群体用户的留存概率,根据用户留存率确定出的用户活跃时长具有群体代表性,因此,用户活跃时长可以准确地描述一个用户的用户活跃时长,进而可以不用等到用户在最后一次使用产品后才去确定用户的活跃时长,实现了可以提前预测用户的活跃时长。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种确定用户活跃时长的方法、装置、电子设备及存储介质。
背景技术
在上线一个新的产品时,会投入一定的成本去获取新用户、维护已有用户。而在运营新的产品的过程中,往往会对该新的产品进行评估,以帮助运营人员确定是否继续投入该新的产品。
相关技术中,一般是通过用户的活跃时长去评估该新的产品,用户的活跃时长是指用户第一次使用产品(例如,注册该产品)到最后一次使用产品(例如,卸载该产品)的时间差。但是,此种方式需要等到用户最后一次使用产品后才能进行衡量,使得对一个新的产品进行评估所花费的时间非常长,导致评估效率低下。
而基于运营效率的需求,需要提前对新的产品进行评估,因此,提前预测用户的活跃时长显得尤为必要。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种确定用户活跃时长的方法、装置、电子设备及存储介质。
根据本发明的第一方面,提供了一种确定用户活跃时长的方法,所述方法包括:
确定多个周期中每个周期的用户留存率;
根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段;
基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长。
可选地,根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段,包括:
在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量;
将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段;
将所述多个周期中剩余的部分或全部周期筛选为稳定时间段。
可选地,基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长,包括:
根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长;
根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长;
将所述第一活跃时长与所述第二活跃时长之和输出为所述用户活跃时长。
可选地,根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长,包括:
针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长;
将各所述子活跃时长之和作为所述第一活跃时长;
其中,所述权值是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的。
可选地,根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长,包括:
根据所述稳定时间段内的各个周期中与第一个周期相邻的上一周期的用户留存率、最后一个周期的用户留存率、以及所述稳定时间段包括的周期的数量,计算所述第二活跃时长。
可选地,根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长,包括:
根据以下公式,确定所述第二活跃时长:
其中,T表示第二活跃时长,y1表示所述稳定时间段内的各个周期中的最后一个周期的用户留存率,y2表示与所述稳定时间段内的第一个周期相邻的上一周期的用户留存率,m表示所述稳定时间段包括的周期的数量。
可选地,所述用户为注册目标对象的用户,在确定用户活跃时长之后,所述方法还包括:
根据所述用户活跃时长,以及所述目标对象对应的预设投入值,输出所述目标对象对应的期望评估值。
可选地,确定多个周期中每个周期的用户留存率,包括:
根据每个周期结束时留存的用户的数量和与该周期相邻的上一周期结束时留存的用户的数量,获得该周期的用户留存率。
根据本发明的第二方面,提供了一种确定用户活跃时长的装置,所述装置包括:
第一确定模块,用于确定多个周期中每个周期的用户留存率;
第二确定模块,用于根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段;
第三确定模块,用于基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长。
可选地,所述第二确定模块,包括:
变化量确定单元,用于在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量;
第一确定单元,用于将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段;
第二确定单元,用于将所述多个周期中剩余的部分或全部周期确定为筛选为稳定时间段。
可选地,所述第三确定模块,包括:
第一时长确定单元,用于根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长;
第二时长确定单元,用于根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长;
第三时长确定单元,用于将所述第一活跃时长与所述第二活跃时长之和输出为所述用户活跃时长。
可选地,所述第一时长确定单元,包括:
子活跃时长确定子单元,用于针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算该周期流失的用户的子活跃时长;其中,所述权值是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的;
时长求和子单元,用于将各所述子活跃时长之和作为所述第一活跃时长。
可选地,所述第二时长确定单元,具体用于根据所述稳定时间段内的各个周期中与第一个周期相邻的上一周期的用户留存率、最后一个周期的用户留存率、以及所述稳定时间段包括的周期的数量,计算出所述第二活跃时长。
可选地,所述第二时长确定单元,具体用于根据以下公式,计算所述第二活跃时长:
其中,T表示第二活跃时长,y1表示所述稳定时间段内的各个周期中的最后一个周期的用户留存率,y2表示与所述稳定时间段内第一个周期相邻的上一周期的用户留存率,m表示所述稳定时间段包括的周期的数量。
可选地,所述装置还包括:
第四确定模块,用于根据所述用户活跃时长,以及所述目标对象对应的预设投入值,输出所述目标对象对应的期望评估值。
可选地,所述第一确定模块,具体用于根据每个周期结束时留存的用户的数量和与该周期相邻的上一周期结束时留存的用户的数量,获得该周期的用户留存率。
本发明实施例第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明第一方面所述的方法中的步骤。
本发明实施例第四方面提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明第一方面所述的方法的步骤。
本发明实施例包括以下优点:
本发明实施例中,可以确定每个周期的用户留存率,再根据用户留存率的变化量,确定波动时间段和稳定时间段,进而根据波动时间段内各周期的用户留存率和稳定时间内各周期的用户留存率,确定用户活跃时长。由于是根据用户留存率确定该用户活跃时长,而用户留存率反映的是群体用户的留存概率,进而,根据用户留存率确定出的用户活跃时长具有群体代表性,可以避免单个用户的活跃时长产生的个体差异。又由于将波动时间段和稳定时间段考虑在内,可以根据不同的时间段采取不同的用户活跃时长计算策略,从而避免了波动时间段的不稳定性造成的活跃时长的计算干扰,因此,提高了用户活跃时长的计算准确率。
因此,本发明实施例的用户活跃时长可以准确地描述一个用户的用户活跃时长,进而可以不用等到用户在最后一次使用产品后才去确定用户的活跃时长,实现了可以提前预测用户的活跃时长。因此,可以缩短对新的产品进行评估时所耗费的时长,提高评估效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种确定用户活跃时长的方法的流程图;
图2是本发明实施例提供的一示例中用户留存率的周期分布曲线图;
图3是本发明实施例提供的确定波动时间段和稳定时间段的步骤流程图;
图4是本发明实施例提供的确定用户活跃时长的步骤流程图;
图5是本发明实施例提供的又一示例中用户留存率的周期分布曲线图;
图6是本发明实施例提供的一种确定用户活跃时长的装置的框图;
图7是本发明实施例提供的又一种确定用户活跃时长的装置的框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明一实施例中,一种确定用户活跃时长方法的流程图,该方法具体可以包括如下步骤:
步骤S101:确定多个周期中每个周期的用户留存率。
本发明实施例中,周期可以是指一个时间单位,多个周期可以是在时间上相连续的多个时间单位。例如,时间单位为月,则一个周期即是一月,多个周期则可以是连续的多月,如12个周期是连续的12个月,即从1月至12月,或者从上一年的5月至下一年的4月。
具体地,该用户留存率可以是前一个周期内留存的用户在该周期内仍然留存的留存率。该用户留存率可以表征每个周期用户的流失和留存情况,留存率越高,则表征用户越稳定,产品与用户的粘合度越高。
本发明实施例中,可以是统计同一个批次新增的用户在多个周期中每个周期的用户留存率。具体地,同一个批次新增的用户可以是指在同一个目标周期内一个新的产品所新增的用户。其中,在新的产品是新的应用时,该新增的用户可以是在目标周期内注册该新的产品的用户。在新的产品是应用中增加的新的功能时,该新增的用户可以是在目标周期内首次开启该新的功能的用户。本实施例中,目标周期的时间可以早于所述的多个周期。
例如,多个周期是8个月,为2010年1月至2010年8月,则在2010年1月至2010年8月中的每个月的用户留存率,均可以是针对在2009年12月份注册某一新产品的用户,即统计该2009年12月份新增的用户在2010年1月至2010年8月中每个月的用户留存率。
步骤S102:根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段。
本发明实施例中,预设数量可以与多个周期的数量相同,也可以少于多个周期的数量,具体可以根据实际情况确定。
其中,用户留存率的变化量可以是表征预设数量个周期的留存率上下浮动的差距。具体实施时,可以确定用户留存率在预设数量个周期中的分布曲线,通过该分布曲线,可以将波动幅度较大的周期确定为波动时间段,其余的周期确定为稳定时间段。
实际中,波动时间段可以是用户流失情况不稳定的时间段,即表示新增的用户在该时间段使用新的产品的情况很不稳定。因此,确定波动时间段和稳定时间段便可以区分情况地确定用户活跃时长,即可以在不同的时间段采取不同的用户活跃时长计算策略,以提高用户活跃时长的准确性。
示例地,如图2所示,示出了一示例中用户留存率的分布曲线,其中,横坐标表示以月为单位的周期,纵坐标表示以百分比为单位的留存率。如图2所示,图中虚线作为波动时间段和稳定时间段之间的时间分割,从图2可看出,在1月至3月,留存率波动幅度较大,而4月至8月,波动幅度较小。则可以将1月至3月确定为波动时间段,将4月至8月确定为稳定时间段。
步骤S103:基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长。
本实施例中,用户活跃时长可以是指上述同一批次新增的用户使用新的产品的平均活跃时长。具体实施时,该平均活跃时长可以通过波动时间段内各个周期的用户留存率和稳定时间段内至少两个周期的用户留存率进行确定。这样,活跃时长可以包括波动时间段内流失的用户使用新的产品的活跃时长,和稳定时间段内留存的用户使用新的产品的活跃时长。
采用本发明技术方案,由于该用户活跃时长是根据用户留存率计算得出,而用户留存率反映的是群体用户的留存概率,进而,根据用户留存率确定出的用户活跃时长具有群体代表性,可以避免单个用户的活跃时长产生的个体差异。又由于将波动时间段和稳定时间段考虑在内,避免了波动时间段的不稳定性造成的活跃时长的差异,进而用户活跃时长可以准确反映用户对新的产品的使用时长,从而提高了用户活跃时长的准确率。
因此,本发明实施例的用户活跃时长可以用于描述任何一个批次下新增的用户的活跃时长。实际中,可以通过确定在上线新的产品开始时间起至之后的几个周期内的用户活跃时长,预测该新的产品在更长周期内的用户活跃时长,使得用户活跃时长可以被提前衡量,进而可以提前预测用户的活跃时长,缩短对新的产品进行评估时所耗费的时长,提高评估效率。
在一种实施例中,对于所述多个周期中每个周期的用户留存率,可以根据该周期结束时留存的用户的数量和与该周期相邻的上一周期结束时留存的用户的数量,获得该周期的用户留存率。
本实施例中,可以将每个周期结束时留存的用户的数量与该周期相邻的上一周期结束时留存的用户的数量之间的比值,作为该周期的用户留存率。例如,当前的周期是5月份,在5月份结束时留存的用户的数量是5,4月份结束时留存的用户的数量是10,则5月份的用户留存率为50%。
在一种实施例中,参照图3所示,示出了该实施例中确定波动时间段和稳定时间段的步骤流图,如图3所示,上述步骤S102具体可以包括以下步骤:
步骤S1021:在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量。
本实施方式中,预设数量个周期可以是多个周期中时间在前的周期,例如,多个周期是1月至12月,则可以确定1月至5月的用户留存率的变化量。当然,预设数量个周期也可以是全部的多个周期。
其中,每相邻两个周期可以是指1月与2月之间的用户留存率的变化量,2月与3月的用户留存率的变化量等,以此类推,获得1月至5月中每两月的用户留存率的变化量。其中,用户留存率的变化量可以是指每相邻两个周期的用户留存率之差。其中,该用户留存率之差可以取绝对值。
示例地,以确定1月至5月的用户留存率的变化量为例,可以确定1月的用户留存率与2月的用户留存率之差、2月的用户留存率与3月的用户留存率之差、3月的用户留存率与4月的用户留存率之差以及4月的用户留存率与5月的用户留存率之差。
例如,4月的留存率是0.65,5月的留存率是0.54,4月与5月之间的留存率留存率之差为0.11,即为二者的用户留存率的变化量为0.11。
步骤S1022:将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段。
本实施方式中,可以在多个得到的用户留存率的变化量中筛选出大于预设阈值的变化量,具体地,可以是在多个用户留存率之差中筛选出大于预设阈值的用户留存率之差,并将用户留存率之差大于预设阈值所对应的两个周期筛选为波动时间段。其中,预设阈值可以根据实际情况设置为小于1的值。
示例地,如筛选出1月的用户留存率与2月的用户留存率之差为0.22、2月的用户留存率与3月的用户留存率之差为0.21,3月的用户留存率与4月的用户留存率位0.15,预设阈值设为0.18,则可以将1月、2月、3月确定为波动时间段。
在一些实际情况中,随着新产品的上线,一般前期运行过程中,用户留存率的变化量波动较大,而后期运行过程中,用户留存率的变化量波动较小,则本申请实施例中,波动时间段可以是连续的多个周期。
当然,在又一些实际情况中,可能在新产品运行的后期阶段,用户留存率的变化量可能也会波动较大,则此种情况下,波动时间段中的各个周期也可以是不连续的多个周期。例如,多个周期是1月至12月,则波动时间段可能包括1月至3月和9月至10月。
步骤S1023:将所述多个周期中剩余的部分或全部周期筛选为稳定时间段。
本实施方式中,剩余的周期可以是多个周期中除波动时间段包括的各周期之外的周期。其中,可以将剩余的全部周期筛选为稳定时间段,或者,将剩余的部分周期筛选为稳定时间段。
如步骤S1022中所述,由于波动时间段中的各周期可能是连续的多个周期,也可能是不连续的多个周期,则稳定时间段中的各周期也可能是连续的多个周期,或者不连续的多个周期。例如,多个周期是1月至12月,波动时间段包括1月至3月和9月至10月,则稳定时间段为4月至8月,以及11个月至12个月。
在一种具体实施方式中,可以以一个月为一个周期,尽量保证剩余的周期数量超过12个月。则实际中,可以将剩余的周期中的前12个月确定为稳定时间段。在稳定时间段为12个月时,则可以避免节假日等外界条件的影响带来的用户留存率的差异,提高用户活跃时长的准确性。
参照图4所示,示出了在一种实施例中确定用户活跃时长的步骤流程图,具体地,可以包括以下步骤:
步骤S1031:根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长。
本实施例中,可以根据波动时间段内各个周期的用户留存率,计算在波动时间内各周期流失的用户的占比,进而可以根据各周期流失的用户的占比计算流失的用户的第一活跃时长。该流失的用户的第一活跃时长可以理解为是在波动时间段内流失了的用户使用产品的时长。
在一种具体的实施方式中,可以通过以下过程计算第一活跃时长:
首先,针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长。
其中,所述权值是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的。
本实施方式中,时间差越大,权重可以越大。由于时间差是当前的周期的结束时刻至第一个周期的开始时刻之间的时间差,因此,时间差在实际中可以表征当前周期在多个周期中的时间顺序,该时间顺序则可以表征当前周期在多个周期中的周期顺序。在一种具体实施方式中,权重则可以是当前周期在多个周期中的周期序号,例如,波动时间段的当前周期是4月,多个周期中的第一个周期是1月,则4月距离1月相差4个月,4月的周期序号是4,则可以将权重设置为4。
本实施方式中,每个周期流失的用户的子活跃时长可以表示:在该周期流失的用户在该周期使用新的产品的时长。具体实施时,该周期的用户留存率之差与该周期对应的权重的乘积可以作为在该周期中流失的用户的子活跃时长。
接着,将各所述子活跃时长之和作为所述第一活跃时长。
具体实施时,可以对波动时间段内各个周期的子活跃时长之和作为该波动时间段的第一活跃时长。该第一活跃时长可以表示在波动时间内流失的用户使用新的产品的平均时长。
示例地,以一个月为一个周期为例,在对波动时间内各个周期的子活跃时长进行求和时,可以根据以下公式1进行:
T波动=(1-x1)×1+(x1-x2)×2+…+(xn-1-xn)×n 公式1
其中,x1为波动时间段内第一个周期的用户留存率,x2为波动时间段内第二个周期的用户留存率,xn为波动时间段内第n个周期的用户留存率。式中,n为权重,该n可以是当前周期在多个周期中的周期序号,例如1、2、3等。
实际中,在波动时间段内的各个周期可能是不连续的周期的情况下,可以按照波动时间段包括的各个周期的连续性,将连续的各周期划分为一个子波动时间段,进而可以按照上述过程计算出子波动时间段的活跃时长,各子波动时间段的活跃时长之和作为第一活跃时长。例如,多个周期是1月至12月,波动时间段包括1月至3月和9月至10月,则可以按照上述过程分别求出1月至3月的活跃时长、9月至10月的活跃时长,之后,再将1月至3月的活跃时长和9月至10月的活跃时长之和作为第一活跃时长。
步骤S1032:根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长。
本实施例中,计算稳定时间内留存的用户的第二活跃时长时,可以根据稳定时间段内第一个周期相邻的上一周期的用户留存率和最后一个周期的用户留存率,计算复合留存率,该复合留存率可以反映在整个稳定时间段内用户的留存概率。并根据该复合留存率,计算该稳定时间段内留存的用户的第二活跃时长,该第二活跃时长即为稳定时间内留存的用户在整个稳定时间段内使用新的产品的平均时长。
在一种具体的实施方式中,可以根据所述稳定时间段内的各个周期中与第一个周期相邻的上一周期的用户留存率、最后一个周期的用户留存率、以及所述稳定时间段包括的周期的数量,计算所述第二活跃时长。
具体地,可以根据以下公式2,根据稳定时间段内的各个周期中与第一个周期相邻的上一个周期的用户留存率、最后一个周期的用户留存率、以及稳定时间段包括的周期的数量,确定第二活跃时长。
在该公式2中,T表示第二活跃时长,y1表示所述稳定时间段内各个周期中的最后一个周期的用户留存率,y2表示与所述稳定时间段内第一个周期相邻的上一周期的用户留存率,m表示所述稳定时间段包括的周期的数量。其中,稳定时间段内与第一个周期相邻的上一周期,实际中是指波动时间内的最后一个周期的用户留存率。
实际中,在稳定时间段内的各个周期可能是不连续的多个周期的情况下,可以按照稳定时间段包括的各个周期的连续性,将连续的各周期划分为一个子稳定时间段,进而对分别按照上述过程计算出各子稳定时间段的活跃时长,各子稳定时间段的活跃时长之和作为第二活跃时长。例如,多个周期是1月至12月,稳定时间段包括4月至8月和11月至12月,则可以按照上述过程分别求出4月至8月的活跃时长、11月至12月的活跃时长,之后,再将4月至8月的活跃时长和11月至12月的活跃时长之和作为第二活跃时长。
步骤S1033将所述第一活跃时长与所述第二活跃时长之和输出为所述用户活跃时长。
本实施方式中,将多个周期可以划分为波动时间段和稳定时间段,因此,以多个周期中群体用户的留存情况为依据,确定群体用户的平均活跃时长时,可以将波动时间段内流失的用户贡献的第一活跃时长和稳定时间内留存的用户贡献的第二活跃时长之和确定为用户活跃时长。
具体地,设用户活跃时长为T总,则T总为T和T波动的值之和,进而可以将T和T波动之和T总输出,该输出的T总即为某一新的产品的用户活跃时长。实际中,可以将该用户活跃时长输出到显示界面进行显示,以方便运营人员查看新的产品对应的用户活跃时长,以评估新的产品的用户粘合度。
为方便对本发明的理解,下面,结合一个具体实例,对本申请实施例的确定用户活跃时长的方法进行阐述:
以一个新的应用在2010年1月份上线为例,对从2010年1月份开始的14个月(至2011年2月)的用户留存率进行确定。参照图5所示,示出了该实例中确定出的每个月的用户留存率周期分布曲线图。其中,横坐标表示以月位单位的周期,纵坐标表示以百分比为单位的留存率,虚线为波动时间段和稳定时间段的分割。如图5,将2010年1月份的周期序号设置为1,为将最后一个月(即2011年2月份)的周期序号设置为14,即图5中横坐标所述的14月。
首先,可以确定2010年1月份至2011年2月份中,每个月份的用户留存率。
其次,根据每个月份的用户留存率,确定14个月中的波动时间段和稳定时间段。如图5所示,1月至2月的波动较大,2月至后续的多个月份波动较小,则可以将1月至2月确定为波动时间段,将剩余的12个月确定为稳定时间段。
之后,计算波动时间内流失的用户贡献的第一活跃时长,其中,2010年1月份的用户留存率为70%,2月份的用户留存率为64%,1月份对应的权重是1,2月份对应的权重是2。则按照上述公式1确定出该第一活跃时长为0.42
接着,计算稳定时间段内留存的用户贡献的第二活跃时长。其中,2月的用户留存率为64%,14月(即2011年2月)的用户留存率为54%,m为12,则按照上述公式2确定出该第二活跃时长T为45.7。
最后,将第一活跃时长与第二活跃时长相加,进而得到用户活跃时长。其中,用户活跃时长为46.12个月。因此,可以预测一个用户使用该新的产品的活跃时长为46个月,这样,可以极大地缩短对用户的活跃时长的评估所耗费的时长,使得可以提前预测一批用户使用新的产品的活跃时长,从而提高对新的产品进行评估的评估效率。
在又一种实施例中,在确定了用户活跃时长之后,还可以根据该用户活跃时长对新上线的产品进行评估,该新上线的产品在本实施例中可以称为目标对象。具体地,可以根据所述用户活跃时长,以及所述目标对象对应的预设投入值,输出所述目标对象对应的期望评估值。
本实施例中,目标对象可以是指新上线的产品,实际中,可以是指新上线的应用,也可以是指一个应用中新增加的功能。期望评估值可以预测投入该目标对象后产出的价值,可以用于对目标对象的运营情况进行预估。期望评估值越大,可以表征投入该目标对象后产出的价值较高,对目标对象的预期运营情况良好,期望评估值越小,可以表征投入该目标对象后产出的价值较低,该目标对象的预期运营情况欠佳。
其中,输出期望评估值的过程可以如下:
第一步,可以根据该用户活跃时长,计算出在该用户活跃时长下,用户所带来的总的产出值。
第二步,计算出总的产出值与预设投入值之差,其中,预设投入值是指用于对目标对象的新用户和已有用户进行维护的成本。
第三步,将第二步得到的差值与预设标准差值之比输出为期望评估值。继而,可以根据期望评估值的大小,对目标对象的运营进行评估,以方便调整目标对象的运营策略。
实际中,当期望评估值越大,则表示总的产出值越大于预设投入值,进而可以得知持续投入目标对象可以得到较高的产出,有利于目标对象的推广,则可以加大对目标对象的投入。若期望评估值越小,则表示总的产出值可能小于预设投入值,此时,则可以停止对目标对象的投入。
在又一种实施例中,可以按照上述实施例所述的确定用户活跃时长的方法,输出另一批次的新增用户对应于另外的多个周期的用户活跃时长。进而,将两个不同批次的用户各自对应的用户活跃时长的平均值作为最终可以用于评估新产品的活跃时长,以此提高确定用户活跃时长的准确率,可以更加准确地预测用户活跃时长,进而使得对新的产品的评估也更加符合客观情况和更加准确。
其中,该另一批次的新增用户可以是指在另一个不同的周期内使用新产品的用户。
例如,新产品在2010年8月份上线,则可以将9月份新增的1000个用户作为一个批次的用户(简称9月用户),确定9月用户在2010年9月至2011年8月中的用户活跃时长。也可以将10月份新增的1200个用户作为一个批次的用户(简称10月用户),确定10月用户在2010年10月至2011年9月中的用户活跃时长。
假设9月用户对应的活跃时长是46.5,10月用户对应的活跃时长是45.5,则最终用于评估新的产品的用户活跃时长为46。
本发明实施例包括以下优点:
由于本发明是根据用户留存率确定用户活跃时长,而用户留存率反映的是群体用户的留存概率,进而,根据用户留存率确定出的用户活跃时长具有群体代表性,可以避免单个用户的活跃时长产生的个体差异。并且将波动时间段和稳定时间段考虑在内,避免了波动时间段的不稳定性造成的活跃时长的计算干扰。因此,本发明实施例的用户活跃时长可以客观地描述一个新的产品对应的用户活跃时长,进而可以不用等到用户在最后一次使用产品后才去确定用户活跃时长,因此,可以缩短对新的产品进行评估时所耗费的时长,提高评估效率以及用户活跃时长的准确率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图6,示出了一种确定用户活跃时长的装置的框图,实际中,该装置可以集成到服务器终端中,具体可以包括以下模块:
第一确定模块601,可以用于确定多个周期中每个周期的用户留存率。
第二确定模块602,可以用于根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段。
第三确定模块603,可以用于基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长。
参照图7所示,示出了又一种确定用户活跃时长的装置的框图,如图7所示,该装置包括上述第一确定模块601、第二确定模块602和第三确定模块603,其中,可选地,所述第二确定模块602,具体可以包括以下单元:
变化量确定单元6021,可以用于在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量;
第一确定单元6022,可以用于将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段;
第二确定单元6023,可以用于将所述多个周期中剩余的部分或全部周期筛选为稳定时间段。
可选地,在一实施例中,所述第三确定模块603,具体可以包括以下单元:
第一时长确定单元6031,可以用于根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长;
第二时长确定单元6032,可以用于根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长;
第三时长确定单元6033,可以用于将所述第一活跃时长与所述第二活跃时长之和输出为所述用户活跃时长。
可选地,所述第一时长确定单元6031,具体可以包括以下子单元:
子活跃时长确定子单元60311,可以用于针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长;其中,所述权值是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的;
时长求和子单元60312,可以用于将各所述子活跃时长之和作为所述第一活跃时长。
可选地,所述第二时长确定单元6032,具体可以用于根据所述稳定时间段内的各个周期中与第一个周期相邻的上一周期的用户留存率、最后一个周期的用户留存率、以及所述稳定时间段包括的周期的数量,计算所述第二活跃时长。
可选地,所述第二时长确定单元6032,具体可以用于根据以下公式,确定所述第二活跃时长:
其中,T表示第二活跃时长,y1表示所述稳定时间段内的各个周期中的最后一个周期的用户留存率,y2表示与所述稳定时间段内第一个周期相邻的上一周期的用户留存率,m表示所述稳定时间段包括的周期的数量。
可选地,所述装置还可以包括以下模块:
第四确定模块604,可以用于根据所述用户活跃时长,以及所述目标对象对应的预设投入值,输出所述目标对象对应的期望评估值。
可选地,所述第一确定模块601,具体可以用于根据每个周期结束时留存的用户的数量和与该周期相邻的上一周期结束时留存的用户的数量,获得该周期的用户留存率。
本发明实施例包括以下优点:
本发明实施例中,第一确定模块601可以确定多个周期中每个周期的用户留存率,第二确定模块可以根据每个周期的用户留存率确定波动时间段和稳定时间段,第三确定模块可以根据波动时间段内各周期的用户留存率和稳定时间内内至少两个周期的用户留存率,确定用户活跃时长,使得本装置可以对用户的活跃时长进行提前预测,进而提高了对一个新的产品进行评估的效率。
对于装置实施例而言,由于其与方法实施例基本相似,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。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
在一个典型的配置中,所述计算机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非持续性的电脑可读媒体(transitory media),如调制的数据信号和载波。
本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种确定用户活跃时长的方法、装置、电子设备及存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种确定用户活跃时长的方法,其特征在于,所述方法包括:
确定多个周期中每个周期的用户留存率;
根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段,包括:在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量,将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段,将所述多个周期中剩余的部分或全部周期筛选为稳定时间段;
基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长,所述用户活跃时长包括第一活跃时长和第二活跃时长,所述第一活跃时长是针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长之和,所述第二活跃时长是根据所述稳定时间段内的各个周期中最后一个周期的用户留存率、与第一个周期相邻的上一周期的用户留存率、以及所述稳定时间段包括的周期的数量计算得到的,其中,所述权重是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的。
2.根据权利要求1所述的方法,其特征在于,基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长,包括:
根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长;
根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长;
将所述第一活跃时长与所述第二活跃时长之和输出为所述用户活跃时长。
3.根据权利要求2所述的方法,其特征在于,根据所述波动时间段内各个周期的用户留存率,计算出在所述波动时间段内流失的用户的第一活跃时长,包括:
针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长;
将各所述子活跃时长之和作为所述第一活跃时长。
4.根据权利要求2所述的方法,其特征在于,根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长,包括:
根据所述稳定时间段内的各个周期中最后一个周期的用户留存率、与第一个周期相邻的上一周期的用户留存率、以及所述稳定时间段包括的周期的数量,计算所述第二活跃时长。
5.根据权利要求4所述的方法,其特征在于,根据所述稳定时间段内至少两个周期的用户留存率,计算出在所述稳定时间段内留存的用户的第二活跃时长,包括:
根据以下公式,计算所述第二活跃时长:
其中,T表示第二活跃时长,y1表示所述稳定时间段内的各个周期中的最后一个周期的用户留存率,y2表示与所述稳定时间段内第一个周期相邻的上一周期的用户留存率,m表示所述稳定时间段包括的周期的数量。
6.根据权利要求1-5任一所述的方法,其特征在于,所述用户为注册目标对象的用户,在确定用户活跃时长之后,所述方法还包括:
根据所述用户活跃时长,以及所述目标对象对应的预设投入值,输出所述目标对象对应的期望评估值。
7.根据权利要求1-5任一所述的方法,其特征在于,确定多个周期中每个周期的用户留存率,包括:
根据每个周期结束时留存的用户的数量和与该周期相邻的上一周期结束时留存的用户的数量,获得该周期的用户留存率。
8.一种确定用户活跃时长的装置,其特征在于,所述装置包括:
第一确定模块,用于确定多个周期中每个周期的用户留存率;
第二确定模块,用于根据所述多个周期中预设数量个周期的用户留存率的变化量,确定波动时间段和稳定时间段,具体包括:变化量确定单元,用于在所述预设数量个周期内,获得每相邻两个周期的用户留存率的变化量,第一确定单元,用于将对应的所述变化量大于预设阈值的相邻两个周期中的各周期筛选为波动时间段,第二确定单元,用于将所述多个周期中剩余的部分或全部周期筛选为稳定时间段;
第三确定模块,用于基于所述波动时间段内各个周期的用户留存率和所述稳定时间段内至少两个周期的用户留存率,确定用户活跃时长,所述用户活跃时长包括第一活跃时长和第二活跃时长,所述第一活跃时长是针对所述波动时间段内的每个周期,根据该周期的用户留存率与该周期相邻的上一周期的用户留存率之差,以及该周期对应的权重,计算出该周期流失的用户的子活跃时长之和,所述第二活跃时长是根据所述稳定时间段内的各个周期中最后一个周期的用户留存率、与第一个周期相邻的上一周期的用户留存率、以及所述稳定时间段包括的周期的数量计算得到的,其中,所述权重是根据该周期的结束时刻至所述多个周期中第一个周期的开始时刻之间的时间差获得的。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项述的方法中的步骤。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335496.3A CN111666535B (zh) | 2020-04-24 | 2020-04-24 | 确定用户活跃时长的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335496.3A CN111666535B (zh) | 2020-04-24 | 2020-04-24 | 确定用户活跃时长的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666535A CN111666535A (zh) | 2020-09-15 |
CN111666535B true CN111666535B (zh) | 2023-09-26 |
Family
ID=72382864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010335496.3A Active CN111666535B (zh) | 2020-04-24 | 2020-04-24 | 确定用户活跃时长的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666535B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449593A (zh) * | 2021-05-25 | 2021-09-28 | 北京达佳互联信息技术有限公司 | 针对主播流失情况的预警方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095895A (zh) * | 2016-06-07 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106600300A (zh) * | 2015-10-14 | 2017-04-26 | 北京国双科技有限公司 | 应用程序用户粘度的分析方法及装置 |
WO2017107845A1 (zh) * | 2015-12-23 | 2017-06-29 | 北京金山安全软件有限公司 | 一种优化应用程序留存率的方法、装置及电子设备 |
CN110166498A (zh) * | 2018-02-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用户类别确定方法及装置、计算机设备及存储介质 |
CN110348916A (zh) * | 2019-07-19 | 2019-10-18 | 河北冀联人力资源服务集团有限公司 | 用户留存度计算方法及装置 |
-
2020
- 2020-04-24 CN CN202010335496.3A patent/CN111666535B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600300A (zh) * | 2015-10-14 | 2017-04-26 | 北京国双科技有限公司 | 应用程序用户粘度的分析方法及装置 |
WO2017107845A1 (zh) * | 2015-12-23 | 2017-06-29 | 北京金山安全软件有限公司 | 一种优化应用程序留存率的方法、装置及电子设备 |
CN106095895A (zh) * | 2016-06-07 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN110166498A (zh) * | 2018-02-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用户类别确定方法及装置、计算机设备及存储介质 |
CN110348916A (zh) * | 2019-07-19 | 2019-10-18 | 河北冀联人力资源服务集团有限公司 | 用户留存度计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111666535A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875027B (zh) | 资源请求值的预测方法及装置、交易量的预测方法 | |
CN108880931B (zh) | 用于输出信息的方法和装置 | |
CN109697522B (zh) | 一种数据预测的方法和装置 | |
CN108573323B (zh) | 能源互联网用户用电量预测方法、系统、设备及存储介质 | |
CN109117595B (zh) | 一种热负荷预测方法、装置、可读介质及电子设备 | |
US8688927B1 (en) | Capacity forecasting for backup storage | |
CN110019174B (zh) | 数据质量确定方法、装置、电子设备及存储介质 | |
US20210048811A1 (en) | Model generation device for life prediction, model generation method for life prediction, and recording medium storing model generation program for life prediction | |
CN112132485A (zh) | 一种指标数据处理方法、装置、电子设备及存储介质 | |
CN112732738B (zh) | 基于多目标优化的自适应网络数据采集方法及相关设备 | |
US10248618B1 (en) | Scheduling snapshots | |
CN109858694A (zh) | 一种日活跃用户数预测的方法及设备 | |
CN111666535B (zh) | 确定用户活跃时长的方法、装置、电子设备及存储介质 | |
US8930773B2 (en) | Determining root cause | |
CN115756812A (zh) | 一种资源调整方法及装置、存储介质 | |
CN111813524B (zh) | 一种任务执行方法、装置、电子设备和存储介质 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
CN114257521B (zh) | 流量预测方法、装置、电子设备和存储介质 | |
CN115237676A (zh) | 一种数据备份方法、装置、电子设备和介质 | |
CN110020744A (zh) | 动态预测方法及其系统 | |
CN112256462B (zh) | NAND Flash存储器的寿命预估方法、装置及介质 | |
CN111967938B (zh) | 云资源推荐方法、装置、计算机设备及可读存储介质 | |
CN111309475B (zh) | 一种检测任务执行方法及设备 | |
CN114548173A (zh) | 一种精准的周期性检测方法、系统及存储介质 | |
CN114520773A (zh) | 一种服务请求的响应方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |