CN112738630A - 用户数据处理方法及装置、电子设备、存储介质 - Google Patents
用户数据处理方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112738630A CN112738630A CN202011599797.3A CN202011599797A CN112738630A CN 112738630 A CN112738630 A CN 112738630A CN 202011599797 A CN202011599797 A CN 202011599797A CN 112738630 A CN112738630 A CN 112738630A
- Authority
- CN
- China
- Prior art keywords
- parameter
- user
- data
- target
- sub
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 72
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/47815—Electronic shopping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种用户数据处理方法及装置、电子设备、存储介质。该方法包括：获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；基于所述排序分值确定所述目标用户的异常指标参数。本实施例中可以帮助迅速定位目标用户的异常指标参数，提高用户对自身数据的检查效率，以方便目标用户针对异常指标参数做出相应的改进以消除异常指标参数，有利于提升使用体验。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种用户数据处理方法及装置、电子设备、存储介质。
背景技术
目前，随着直播平台的发展，直播电商也随之迅速发展，越来越多的用户采用直播带货来增加销售量。在用户客户端的数据中心，直接平台可以为用户提供粉丝数、转化率及日均GMV(Gross Merchandise Value，即全部用户累计支付订单金额)等销售数据，以方便商家了解销售情况。
然而，在看到上述数据时，用户仅知道GMV/转化率等数据的实际值，即使发现指标数据的绝对值较低时无法确认该指标数据是否健康，从而无法做出相应改进，最终导致收益率偏低。
发明内容
本公开提供一种用户数据处理方法及装置、电子设备、存储介质，以解决相关技术的不足。
根据本公开实施例的第一方面，提供一种用户数据处理方法，包括：
获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；
基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；
基于所述排序分值确定所述目标用户的异常指标参数。
可选地，基于所述排序分值确定所述目标用户的异常指标参数，包括：
基于所述排序分值获取每个指标参数的同比数据和/或环比数据；
基于所述同比数据和/或所述环比数据确定所述目标用户的异常指标参数。
可选地，确定所述目标用户的异常指标参数之后，所述方法还包括：
确定与所述异常指标参数相对应的处理策略，所述处理策略用于调整与所述异常指标参数对应的目标用户关联属性。
可选地，若所述异常指标参数为直播次数，则所述目标用户关联属性为直播次数；确定与所述异常指标参数相对应的处理策略，包括：
确定表征调整直播次数的第一处理策略。
可选地，若所述异常指标参数为单场直播观看人数，则所述目标用户关联属性为观播用户获取参数；确定与所述异常指标参数相对应的处理策略，包括：
获取表征观播用户获取参数的每个子参数的目标历史数据和参考历史数据；
基于每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
将排序分值较小的至少一个子参数作为表征所述观播用户获取参数的异常子参数；
确定与每个异常子参数相对应的第二处理策略，所述第二处理策略用于调整所述异常子参数。
可选地，若所述异常指标参数为订单参数，则所述目标用户关联属性为物品供给参数；确定与所述异常指标参数相对应的处理策略，包括：
获取表征物品供给参数的每个子参数的目标历史数据和参考历史数据；
基于所述每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
将排序分值较小的至少一个子参数作为表征所述物品供给参数的异常子参数；
确定与每个异常子参数相对应的第三处理策略，所述第三处理策略用于调整所述异常子参数。
可选地，所述方法还包括确定预设数量个参考用户的步骤，具体包括：
分别获取目标用户和第一数量个候选用户的关键特征数据；所述关键特征数据包括以下至少一种：用户属性数据和关联用户数据；
基于所述关键特征数据分别计算所述目标用户和每个候选用户的相似度；
将相似度较大的预设数量个候选用户确定为参考用户。
根据本公开实施例的第二方面，提供一种用户数据处理装置，包括：
历史数据获取模块，被配置为执行获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；
排序分值获取模块，被配置为执行基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；
异常指标获取模块，被配置为执行基于所述排序分值确定所述目标用户的异常指标参数。
可选地，所述异常指标获取模块包括：
比例数据获取单元，被配置为执行基于所述排序分值获取每个指标参数的同比数据和/或环比数据；
异常指标获取单元，被配置为执行基于所述同比数据和/或所述环比数据确定所述目标用户的异常指标参数。
可选地，所述装置还包括：
处理策略确定模块，被配置为执行确定与所述异常指标参数相对应的处理策略，所述处理策略用于调整与所述异常指标参数对应的目标用户关联属性。
可选地，若所述异常指标参数为直播次数，则所述目标用户关联属性为直播次数；所述处理策略确定模块包括：
第一策略确定单元，被配置为执行确定表征调整直播次数的第一处理策略。
可选地，若所述异常指标参数为单场直播观看人数，则所述目标用户关联属性为观播用户获取参数；所述处理策略确定模块包括：
历史数据获取单元，被配置为执行获取表征观播用户获取参数的每个子参数的目标历史数据和参考历史数据；
排序分值获取单元，被配置为执行基于每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
异常子参数获取单元，被配置为执行将排序分值较小的至少一个子参数作为表征所述观播用户获取参数的异常子参数；
第二策略确定单元，被配置为执行确定与每个异常子参数相对应的第二处理策略，所述第二处理策略用于调整所述异常子参数。
可选地，若所述异常指标参数为订单参数，则所述目标用户关联属性为物品供给参数；所述处理策略确定模块包括：
历史数据获取单元，被配置为执行获取表征物品供给参数的每个子参数的目标历史数据和参考历史数据；
排序分值获取单元，被配置为执行基于所述每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
异常子参数获取单元，被配置为执行将排序分值较小的至少一个子参数作为表征所述物品供给参数的异常子参数；
第三策略确定单元，被配置为执行确定与每个异常子参数相对应的第三处理策略，所述第三处理策略用于调整所述异常子参数。
可选地，所述方法还包括参考用户确定模块，用于确定预设数量个参考用户，所述参考用户确定模块包括：
关键特征获取单元，被配置为执行分别获取目标用户和第一数量个候选用户的关键特征数据；所述关键特征数据包括以下至少一种：用户属性数据和关联用户数据；
相似度获取单元，被配置为执行基于所述关键特征数据分别计算所述目标用户和每个候选用户的相似度；
参考用户确定单元，被配置为执行将相似度较大的预设数量个候选用户确定为参考用户。
根据本公开实施例的第三方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行的计算机程序的存储器；
其中，所述处理器被配置为执行所述存储器中的计算机程序，以实现上述的方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现上述的方法。
根据本公开实施例的第五方面，提供一种应用程序，当该应用程序由电子设备的处理器执行时，使得所述电子设备能够实现上述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
由上述实施例可知，本公开实施例可以获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；然后，基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；之后，基于所述排序分值确定所述目标用户的异常指标参数。这样，本实施例中可以帮助迅速定位目标用户的异常指标参数，提高用户对自身数据的检查效率，以方便目标用户针对异常指标参数做出相应的改进以消除异常指标参数，有利于提升使用体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种用户数据处理方法的流程图。
图2是根据一示例性实施例示出的确定参考用户的流程图。
图3是根据一示例性实施例示出的获取异常指标的流程图。
图4是根据一示例性实施例示出的另一种用户数据处理方法的流程图。
图5是根据一示例性实施例示出的生成第二处理策略的流程图。
图6是根据一示例性实施例示出的生成第三处理策略的流程图。
图7是根据一示例性实施例示出的一种显示效果示意图。
图8是根据一示例性实施例示出的一种用户数据处理装置的框图。
图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性所描述的实施例并不代表与本公开相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置例子。
为解决上述技术问题，本公开实施例提供了一种用户数据处理方法，图1是根据一示例性实施例示出的一种用户数据处理方法的流程图，应用于电子设备，该电子设备可以是移动终端、服务器等。
参见图1，一种用户数据处理方法，包括步骤11～步骤13：
在步骤11中，获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联。
本实施例中，电子设备可以确定出与直播间相关联的指标参数。基于所确定出的指标参数，电子设备可以获取目标用户的每个指标参数的历史数据，后续称之为目标历史数据。
需要说明的是，目标历史数据可以是目标最近一个月或者本月、最近一周或者本周以及数个小时等时间段内的数据，可以根据具体场景获取历史数据的数量。
以与直播间相关联的全部用户累计支付订单金额GMV为例，电子设备可以对全部用户累计支付订单金额GMV进行拆解，获得指标参数。考虑到在直播电商场景下，99％的GMV发生在直播间，GMV可以用如下公式表示：
GMV＝直播次数*(单场直播观看新用户数*新客购买转化率*新客人均单量*新客单笔订单金额+单场直播观看老用户数*老客购买转化率*老客人均单量*老客单笔订单金额)。
本实施例中，电子设备可以获取与目标用户对应的预设数量个参考用户。参见图2，在步骤21中，电子设备可以分别获取目标用户和第一数量(如数千或者数万)个候选用户的关键特征数据；所述关键特征数据包括以下至少一种：用户属性数据和关联用户数据，该关键特征数据可以采用一个多维向量表示。
考虑到候选用户可以向一些用户销售商品，这些用户可以作为各候选用户的关联用户，如粉丝用户，因此候选用户的关键特征数据可以包括用户属性数据和关联用户数据中的至少一种。其中，用户属性数据直接反应出目标用户或者候选用户的特征，如是否为专业电商主播、所属行业等。关联用户数据可以间接反应出目标用户或者候选用户的特征，包括人口属性(如性别、年龄、常住地)、用户环境(如手机设备价格、运营商、操作系统、应用程序版本)、用户兴趣(如垂类兴趣、垂类作者兴趣、视频关键词兴趣)和用户行为(如视频观看时长、充值金额、送礼金额、发布作品数、直播开播时长)。然后，在获取到用户属性数据和关联用户数据后可以构成关键特征数据，该关键特征数据可以采用一个多维向量表示。
在步骤22中，电子设备可以基于关键特征数据分别计算目标用户和每个候选用户的相似度。本示例中，相似度可以采用余弦公式来计算，两个向量夹角θ越小，说明两个向量越接近，计算公式如下
式中，向量A表示目标用户的关键特征数据，向量B表示候选用户的关键特征数据，||A||表示目标用户的关键特征数据的模值，||B||表示候选用户的关键特征数据的模值，cos(θ)表示夹角的余弦值，即相似度。
在步骤23中，电子设备可以对相似度进行排序，将相似度较大的预设数量(如100)个候选用户确定为目标用户的参考用户。
本实施例中，在确定预设数量个参考用户之后，电子设备可以获取每个参考用户的每个指标参数的历史数据，后续称之为参考历史数据，以区别于目标用户的目标历史数据。获取方式可以参考获取目标历史数据的获取方式，在此不再赘述。需要说明的是，后续实施例出现的子参数的目标历史数据和参考历史数据分别是对应于目标用户的子参数的历史数据和参考用户的子参数的历史数据。
在步骤12中，基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值。
本步骤中，电子设备可以基于目标历史数据和参考历史数据对目标用户与预设数量个参考用户进行排序，获得目标用户的每个指标参数的排序分值。
例如，电子设备以直播次数对目标用户和100个参考用户进行排序，假设目标用户在本月内的直播次数为30次，按照次数从少到多进行排序，获得目标用户的直播次数的序数为90。此时该序数可以直接作为排序分值。当然，在一示例中，还可以将每5个作为一组，该组分配一个排序分值，例如，序数1-5的排序分值为0，序数5-10的排序分值为5，序数10-15的排序分值为10，依次类推，则序数90的排序分值为85，同样可以达到获取排序分值的效果，相应方案落入本公开的保护范围。
需要说明的是，考虑到不同的指标参数具有不同的含义，在采用数值从大到小的排序过程中，有些指标参数的序数越大表示效果越好，有些指标参数的序数越小表示越好。为方便统一，本公开排序分值的含义均是越大越好，此时可以在排序的过程中，有些指标参数采用从大到小的方式排序，在些指标参数采用从小到大的方式排序，从而保证序数越大越好，进而排序分值也是越大越好。或者，均采用从大到小方式排序，对于序数越小越好的指标，在分配排序分值的过程中交叉分配，即序数越小时分配越大的分值，序数越大时分配越小的分值。可理解的是，在能够实现根据排序分值确定指标参数优劣的情况下，相应方案落入本公开的保护范围。
在步骤13中，基于所述排序分值确定所述目标用户的异常指标参数。
本实施例中，电子设备可以根据排序分值获取指标参数中的异常指标参数，其中异常指标参数是指目标用户的指标参数中排序分值最低的指标参数。参见图3，在步骤31中，电子设备可以基于排序分值获取每个指标参数的同比数据和/或环比数据。以同比数据为例，结果如表1所示。
表1
在步骤32中，电子设备可以基于同比数据和/或环比数据确定目标用户的的异常指标参数。
实际应用中，电子设备可以将上述每个指标参数的同比数据和/或环比数据输出给目标用户，方便目标用户发现异常指标参数。当然，也可以将上述异常指标采用不同的颜色、字体大小、格式等方式，达到提示目标用户的效果。
在一实施例中，电子设备还可以根据目标用户的每个指标参数的排序分值来获得综合得分。例如，电子设备可以计算目标用户的多个指标参数的排序分值的平均值，将平均值作为综合得分。又如，电子设备可以根据每个指标参数的权重系数和排序分值来计算得到综合得分。其中权重系数可以由目标用户预先配置或者根据目标用户关注各指标参数的频率来调整各指标参数的权重系数，频率越高，权重系数越大。
至此，本公开实施例可以获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；然后，基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；之后，基于所述排序分值确定所述目标用户的异常指标参数。这样，本实施例中可以帮助迅速定位目标用户的异常指标参数，提高用户对自身数据的检查效率，以方便目标用户针对异常指标参数做出相应的改进以消除异常指标参数，有利于提升使用体验。
图4是根据一示例性实施例示出的一种用户数据处理方法的流程图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图4，一种用户数据处理方法，包括步骤41～步骤44：
在步骤41中，获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联。
本实施例中，步骤41的方案与步骤11的方案类似，具体可以参见图1及步骤11的内容，在此不再赘述。
在步骤42中，基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值。
本实施例中，步骤42的方案与步骤12的方案类似，具体可以参见图1及步骤12的内容，在此不再赘述。
在步骤43中，基于所述排序分值确定所述目标用户的异常指标参数。
本实施例中，步骤43的方案与步骤13的方案类似，具体可以参见图1及步骤13的内容，在此不再赘述。
在步骤44中，确定与所述异常指标参数相对应的处理策略，所述处理策略用于调整与所述异常指标参数对应的目标用户关联属性。
本实施例中，电子设备可以确定与异常指标参数相对应的处理策略，以调整与异常指标参数对应的目标用户关联属性，包括：
在一示例中，如果异常指标参数为直播次数，电子设备可以确定目标用户关联属性为直播次数，此时电子设备可以确定表征调整直播次数的第一处理策略，例如第一处理策略可以是“您的开播次数过低，请多多开播！”。
在另一示例中，如果异常指标参数为单场直播观看人数，电子设备可以确定目标用户关联属性为观播用户获取参数，即确定目标用户在直播观看用户流量获取能力方面存在问题。参见图5，在步骤51中，电子设备可以获取表征观播用户获取参数的每个子参数的目标历史数据和参数历史数据。其中表征观播用户获取参数的子参数可以参见表2。
表2观播用户获取参数
在步骤52中，电子设备可以基于每个子参数的目标历史数据和参考历史数据，对目标用户和预设数量个参考用户进行排序，确定每个子参数的排序分值。其中，子参数的排序分值的获取方式可以参考步骤12，在此不再赘述。
在步骤53中，电子设备可以将排序分值较小的至少一个(如3个)子参数作为异常子参数。在步骤54中，电子设备可以确定与每个异常子参数相对应的第二处理策略，该第二处理策略用于调整异常子参数其中第二处理策略如表2所示。
在又一示例中，如果异常指标参数为订单参数，电子设备可以确定目标用户关联属性为物品供给参数，如订单参数可以包括以下至少一种：购买转化率、人均购买单量或单笔订单金额，即电子设备可以确定目标用户在物供给能力与服务能力存在问题。参见图6，在步骤61中，电子设备可以获取表征物品供给参数的每个子参数的目标历史数据和参考历史数据，如表3和表4所示所示。
表3物品供给参数之货品供给子参数
表4物品供给参数之服务能力子参数
在步骤62中，电子设备可以基于每个子参数的目标历史数据和参考历史数据对目标用户与预设数量个参考用户进行排序，确定每个子参数的排序分值，其中，子参数的排序分值的获取方式可以参考步骤12，在此不再赘述。在步骤63中，电子设备可以排序分值较小的至少一个(如3)个子参数作为异常子参数。在步骤64中，电子设备可以确定与每个异常子参数相对应的第三处理策略，该第三处理策略可以调整对应的异常子参数。该第三处理策略如表3和表4所示。
本实施例中，当目标用户使用客户端中的客户中心功能时可以获得如图7所示的显示界面。参见图7，电子设备可以将目标用户的每个指标的数据通过雷达图或者文本内容展示出来；同时，还展示了异常指示的改进建议。
至此，本公开实施例可以确定针对异常指标参数的处理策略，这样目标用户可以有针对性的调整异常指标参数，有利于提升使用体验。
图8是根据一示例性实施例示出的一种用户数据处理装置的框图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图8，一种用户数据处理装置，包括：
历史数据获取模块81，被配置为执行获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；
排序分值获取模块82，被配置为执行基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；
异常指标获取模块83，被配置为执行基于所述排序分值确定所述目标用户的异常指标参数。
在一实施例中，所述异常指标获取模块包括：
比例数据获取单元，被配置为执行基于所述排序分值获取每个指标参数的同比数据和/或环比数据；
异常指标获取单元，被配置为执行基于所述同比数据和/或所述环比数据确定所述目标用户的异常指标参数。
在一实施例中，所述装置还包括：
处理策略确定模块，被配置为执行确定与所述异常指标参数相对应的处理策略，所述处理策略用于调整与所述异常指标参数对应的目标用户关联属性。
在一实施例中，若所述异常指标参数为直播次数，则所述目标用户关联属性为直播次数；所述处理策略确定模块包括：
第一策略确定单元，被配置为执行确定表征调整直播次数的第一处理策略。
在一实施例中，若所述异常指标参数为单场直播观看人数，则所述目标用户关联属性为观播用户获取参数；所述处理策略确定模块包括：
历史数据获取单元，被配置为执行获取表征观播用户获取参数的每个子参数的目标历史数据和参考历史数据；
排序分值获取单元，被配置为执行基于每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
异常子参数获取单元，被配置为执行将排序分值较小的至少一个子参数作为表征所述观播用户获取参数的异常子参数；
第二策略确定单元，被配置为执行确定与每个异常子参数相对应的第二处理策略，所述第二处理策略用于调整所述异常子参数。
在一实施例中，若所述异常指标参数为订单参数，则所述目标用户关联属性为物品供给参数；所述处理策略确定模块包括：
历史数据获取单元，被配置为执行获取表征物品供给参数的每个子参数的目标历史数据和参考历史数据；
排序分值获取单元，被配置为执行基于所述每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
异常子参数获取单元，被配置为执行将排序分值较小的至少一个子参数作为表征所述物品供给参数的异常子参数；
第三策略确定单元，被配置为执行确定与每个异常子参数相对应的第三处理策略，所述第三处理策略用于调整所述异常子参数。
在一实施例中，所述方法还包括参考用户确定模块，用于确定预设数量个参考用户，所述参考用户确定模块包括：
关键特征获取单元，被配置为执行分别获取目标用户和第一数量个候选用户的关键特征数据；所述关键特征数据包括以下至少一种：用户属性数据和关联用户数据；
相似度获取单元，被配置为执行基于所述关键特征数据分别计算所述目标用户和每个候选用户的相似度；
参考用户确定单元，被配置为执行将相似度较大的预设数量个候选用户确定为参考用户。
可理解的是，本公开实施例提供的装置与上述图1或图4所示方法相对应，具体内容可以参考方法各实施例的内容，在此不再赘述。
图9是根据一示例性实施例示出的一种电子设备的框图。参照图9，电子设备900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，通信组件916，以及图像采集组件918。
处理组件902通常控制电子设备900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在电子设备900的操作。这些数据的示例包括用于在电子设备900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为电子设备900的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为电子设备900生成、管理和分配电力相关联的组件。
多媒体组件908包括在电子设备900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当电子设备900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当电子设备900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为电子设备900提供各个方面的状态评估。例如，传感器组件914可以检测到电子设备900的打开/关闭状态，组件的相对定位，例如所述组件为电子设备900的显示器和小键盘，传感器组件914还可以检测电子设备900或电子设备900一个组件的位置改变，用户与电子设备900接触的存在或不存在，电子设备900方位或加速/减速和电子设备900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于电子设备900和其他设备之间有线或无线方式的通信。电子设备900可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在本公开一实施例中，电子设备900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法的步骤。
在本公开一实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由电子设备900的处理器920能够执行上述方法的步骤。
在本公开一实施例中，还提供了一种计算机程序产品，当该计算机程序产品由电子设备的处理器执行时，使得所述电子设备能够执行上述方法的步骤。
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相关的方式描述，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/服务器/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。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖上述各实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种用户数据处理方法，其特征在于，包括：
获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；
基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；
基于所述排序分值确定所述目标用户的异常指标参数。
2.根据权利要求1所述的用户数据处理方法，其特征在于，基于所述排序分值确定所述目标用户的异常指标参数，包括：
基于所述排序分值获取每个指标参数的同比数据和/或环比数据；
基于所述同比数据和/或所述环比数据确定所述目标用户的异常指标参数。
3.根据权利要求1所述的用户数据处理方法，其特征在于，确定所述目标用户的异常指标参数之后，所述方法还包括：
确定与所述异常指标参数相对应的处理策略，所述处理策略用于调整与所述异常指标参数对应的目标用户关联属性。
4.根据权利要求3所述的用户数据处理方法，其特征在于，若所述异常指标参数为直播次数，则所述目标用户关联属性为直播次数；确定与所述异常指标参数相对应的处理策略，包括：
确定表征调整直播次数的第一处理策略。
5.根据权利要求3所述的用户数据处理方法，其特征在于，若所述异常指标参数为单场直播观看人数，则所述目标用户关联属性为观播用户获取参数；确定与所述异常指标参数相对应的处理策略，包括：
获取表征观播用户获取参数的每个子参数的目标历史数据和参考历史数据；
基于每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
将排序分值较小的至少一个子参数作为表征所述观播用户获取参数的异常子参数；
确定与每个异常子参数相对应的第二处理策略，所述第二处理策略用于调整所述异常子参数。
6.根据权利要求3所述的用户数据处理方法，其特征在于，若所述异常指标参数为订单参数，则所述目标用户关联属性为物品供给参数；确定与所述异常指标参数相对应的处理策略，包括：
获取表征物品供给参数的每个子参数的目标历史数据和参考历史数据；
基于所述每个子参数的所述目标历史数据和所述参考历史数据，确定每个子参数的排序分值；
将排序分值较小的至少一个子参数作为表征所述物品供给参数的异常子参数；
确定与每个异常子参数相对应的第三处理策略，所述第三处理策略用于调整所述异常子参数。
7.一种用户数据处理装置，其特征在于，包括：
历史数据获取模块，被配置为执行获取目标用户的每个指标参数的目标历史数据，以及获取预设数量个参考用户中每个参考用户的每个指标参数的参考历史数据；所述指标参数与所述用户的直播间相关联；
排序分值获取模块，被配置为执行基于所述目标历史数据和所述参考历史数据，获得所述目标用户的每个指标参数的排序分值；
异常指标获取模块，被配置为执行基于所述排序分值确定所述目标用户的异常指标参数。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行的计算机程序的存储器；
其中，所述处理器被配置为执行所述存储器中的计算机程序，以实现如权利要求1～6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现如权利要求1～6任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011599797.3A CN112738630A (zh) | 2020-12-29 | 2020-12-29 | 用户数据处理方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011599797.3A CN112738630A (zh) | 2020-12-29 | 2020-12-29 | 用户数据处理方法及装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112738630A true CN112738630A (zh) | 2021-04-30 |
Family
ID=75611562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011599797.3A Pending CN112738630A (zh) | 2020-12-29 | 2020-12-29 | 用户数据处理方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112738630A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114020996A (zh) * | 2021-09-26 | 2022-02-08 | 武汉斗鱼网络科技有限公司 | 一种识别异常观看用户的方法、装置、介质及计算机设备 |
| CN115730738A (zh) * | 2022-11-30 | 2023-03-03 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 工艺参数确定方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107093120A (zh) * | 2016-09-28 | 2017-08-25 | 北京小度信息科技有限公司 | 服务策略推送方法和装置 |
| CN108320101A (zh) * | 2018-02-02 | 2018-07-24 | 武汉斗鱼网络科技有限公司 | 直播间运营能力评估方法、装置及终端设备 |
| US20180234443A1 (en) * | 2017-02-15 | 2018-08-16 | Microsoft Technology Licensing, Llc | System and method for detecting anomalies including detection and removal of outliers associated with network traffic to cloud applications |
| CN109889905A (zh) * | 2019-02-13 | 2019-06-14 | 武汉斗鱼网络科技有限公司 | 一种主播综合价值评估方法、存储介质、设备及系统 |
| CN110046781A (zh) * | 2018-12-04 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
| CN111797075A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据回收方法、装置、存储介质及电子设备 |
-
2020
- 2020-12-29 CN CN202011599797.3A patent/CN112738630A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107093120A (zh) * | 2016-09-28 | 2017-08-25 | 北京小度信息科技有限公司 | 服务策略推送方法和装置 |
| US20180234443A1 (en) * | 2017-02-15 | 2018-08-16 | Microsoft Technology Licensing, Llc | System and method for detecting anomalies including detection and removal of outliers associated with network traffic to cloud applications |
| CN108320101A (zh) * | 2018-02-02 | 2018-07-24 | 武汉斗鱼网络科技有限公司 | 直播间运营能力评估方法、装置及终端设备 |
| CN110046781A (zh) * | 2018-12-04 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
| CN109889905A (zh) * | 2019-02-13 | 2019-06-14 | 武汉斗鱼网络科技有限公司 | 一种主播综合价值评估方法、存储介质、设备及系统 |
| CN111797075A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据回收方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 飞瓜数据: "复盘2000+场直播后 我们总结出9个直播间销量的关键指标", 《网址HTTPS://WWW.EBRUN.COM/20201126/411998.SHTML》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114020996A (zh) * | 2021-09-26 | 2022-02-08 | 武汉斗鱼网络科技有限公司 | 一种识别异常观看用户的方法、装置、介质及计算机设备 |
| CN115730738A (zh) * | 2022-11-30 | 2023-03-03 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 工艺参数确定方法、装置、计算机设备和存储介质 |
| CN115730738B (zh) * | 2022-11-30 | 2024-01-05 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 工艺参数确定方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170193399A1 (en) | Method and device for conducting classification model training | |
| CN111431727B (zh) | 一种群组展示方法、装置、终端、服务器及系统 | |
| CN108596728A (zh) | 收货地址提供方法及装置 | |
| CN112738630A (zh) | 用户数据处理方法及装置、电子设备、存储介质 | |
| CN112348606A (zh) | 信息推荐方法、装置及系统 | |
| CN113920465A (zh) | 片尾识别方法、装置、电子设备及存储介质 | |
| CN108230094B (zh) | 车辆推荐方法及装置 | |
| CN112785344A (zh) | 广告投放方法、装置、电子设备和存储介质 | |
| CN112131466A (zh) | 群组展示方法、装置、系统和存储介质 | |
| CN115481332A (zh) | 提供商品搜索信息的方法及电子设备 | |
| CN112000878A (zh) | 物品信息查询方法、装置、系统、电子设备及存储介质 | |
| CN107402767A (zh) | 显示推送消息的方法和装置 | |
| CN113343075B (zh) | 一种虚拟资源推送方法、装置、电子设备及存储介质 | |
| CN114647774A (zh) | 推送方法、装置、电子设备及存储介质 | |
| CN107590717B (zh) | 基于互联网的购物方法、装置和存储介质 | |
| CN111859097A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113190725B (zh) | 对象的推荐及模型训练方法和装置、设备、介质和产品 | |
| CN108205534B (zh) | 一种皮肤资源展示方法、装置及电子设备 | |
| CN109165963B (zh) | 一种数据预测方法、装置及电子设备 | |
| CN114666643A (zh) | 一种信息显示方法、装置、电子设备及存储介质 | |
| CN114443163A (zh) | 资源属性的配置方法、装置、电子设备和存储介质 | |
| CN111325595B (zh) | 用户权益信息展示方法、装置及电子设备 | |
| CN111325567B (zh) | 用户权益信息展示方法、装置及电子设备 | |
| CN111681118A (zh) | 一种数据处理方法及装置 | |
| CN106021587B (zh) | 页面更新的方法、装置及系统 |
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 |
Application publication date: 20210430 |
|
| RJ01 | Rejection of invention patent application after publication |