CN112995256B - 行为数据处理方法及相关设备 - Google Patents

Abstract

本发明实施例公开一种行为数据处理方法及相关设备，本发明实施例中，在接收到互联网应用发送的带有用户身份标识的测试行为数据后，判断用户身份标识和预设身份标识相同时，按照用户身份标识和测试行为数据的对应关系进行存储，以得到测试行为数据集合，再根据测试行为数据集合判断是否达到预设验收条件，以获取验收结论；在进行行为数据上报验收时，可以直接根据上传的测试行为数据集合进行验收判断，可以有效减少行为数据上报验收所需的时间，实现实时验收行为数据，显著地提高了验收效率。

Description

行为数据处理方法及相关设备

技术领域

本发明涉及互联网技术领域，具体涉及数据处理技术领域，尤其涉及一种行为数据处理方法、一种行为数据处理装置、一种终端设备及一种计算机存储介质。

背景技术

随着移动互联网的快速发展，各种互联网应用层出不穷，例如各种应用软件、网站、微信小程序、微信公众号等，出于分析、评估、优化这些互联网应用的功能或者为用户提供个性化推荐服务等需求，出现了专门收集用户在互联网应用上的行为数据，并根据这些行为数据进行分析、处理的数据分析系统。

容易想到的是，这样的数据分析系统不止服务于一个互联网应用，当有新的互联网应用需要接入到数据分析系统时，在互联网应用端确定了需要上传到数据分析系统的行为数据的维度，并完成数据上报准备工作之后，需要对数据上报进行验收，以确保互联网应用的行为数据能完整准确地上报至数据分析系统上。现有技术中，在进行数据上报验收时，需要上报测试人员在互联网应用上完成指定测试流程，互联网应用将该人员的行为数据上传至数据分析系统中；在数据分析系统端，需要根据上报测试人员的身份标识在数据分析系统的数据库中找出该人员上传的所有行为数据，再根据所有的行为数据对行为数据的完整性和正确性进行判断处理，由于数据分析系统的数据库的数据量十分庞大，一般采用分布式数据，找出上报测试人员相关的所有行为数据需要花费大量的时间，无法实现实时验收，严重影响验收效率。

发明内容

本发明实施例提供了一种行为数据处理方法及相关设备，可以实现实时验收行为数据，有效提高验收效率。

一方面，本发明实施例提供了一种行为数据处理方法，包括：

接收互联网应用发送的带有测试用户身份标识的测试行为数据；

在所述测试用户身份标识和预设身份标识为相同的情况下，按照所述测试用户身份标识和所述测试行为数据的对应关系进行存储，得到测试行为数据集合；

根据所述测试行为数据集合和预设验收条件获取验收结论；

发送所述验收结论。

可选地，所述方法还包括：

在所述验收结论为验收成功结论的情况下，接收所述互联网应用发送的带有用户身份标识的用户行为数据。

可选地，所述方法还包括：

根据所述用户行为数据得到所述互联网应用的目标用户画像；

在所述目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

可选地，所述互联网应用为消费类互联网应用，所述用户行为数据包括浏览、下单；所述方法还包括：

根据所述用户行为数据对下单商品进行聚类，得到多个商品类别；

获取每个所述商品类别的下单总量，按照所述下单总量从大到小的顺序确定所述商品类别的第一优先级；

计算目标用户的用户行为数据与所述商品类别的商品相似度，按照所述商品相似度从大到小的顺序确定所述商品类别的第二优先级；

根据所述第一优先级和所述第二优先级相加得到所述商品类别的第三优先级；

获取所述第三优先级中优先级级别最高的所述商品类别中的商品作为推荐商品；

将所述推荐商品推荐给所述目标用户。

可选地，所述获取所述第三优先级中优先级级别最高的所述商品类别中的商品作为推荐商品，包括：

获取所述第三优先级中优先级级别最高的所述商品类别中，下单数量最多的第一预设数目的商品作为初始推荐商品；

获取所述初始推荐商品的平均浏览时长；

获取所述平均浏览时长最大的第二预设数目的所述初始推荐商品作为所述推荐商品，所述第二预设数目小于所述第一预设数目。

可选地，所述测试用户身份标识和所述测试行为数据以键-值的格式进行存储。

另一方面，本发明实施例提供了一种行为数据处理装置，包括：

测试数据接收模块，用于接收互联网应用发送的带有测试用户身份标识的测试行为数据；

测试数据集合获取模块，用于在所述测试用户身份标识和预设身份标识为相同的情况下，按照所述测试用户身份标识和所述测试行为数据的对应关系进行存储，得到测试行为数据集合；

验收模块，用于根据所述测试行为数据集合和预设验收条件获取验收结论；

发送模块，用于发送所述验收结论。

可选地，所述装置还包括：

行为数据接收模块，用于在所述验收结论为验收成功结论的情况下，接收所述互联网应用发送的带有用户身份标识的用户行为数据。

可选地，所述装置还包括：

目标用户画像获取模块，用于根据所述用户行为数据得到所述互联网应用的目标用户画像；

报警模块，用于在所述目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

另一方面，本发明实施例提供了一种终端设备，包括：处理器和存储器；

所述处理器和存储器相连，其中，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行所述的行为数据处理方法。

另一方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，执行所述的行为数据处理方法。

本发明实施例中，在接收到互联网应用发送的带有用户身份标识的测试行为数据后，判断用户身份标识和预设身份标识相同时，按照用户身份标识和测试行为数据的对应关系进行存储，以得到测试行为数据集合，再根据测试行为数据集合判断是否达到预设验收条件，以获取验收结论；在进行行为数据上报验收时，可以直接根据上传的测试行为数据集合进行验收判断，可以有效减少行为数据上报验收所需的时间，实现实时验收行为数据，显著地提高了验收效率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例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行为数据处理方法的场景示意图；

图2是本发明实施例提供的一种行为数据处理方法的流程示意图；

图3是本发明实施例提供的一种行为数据处理方法的流程示意图；

图4是本发明实施例提供的一种行为数据处理方法的流程示意图；

图5是本发明实施例提供的一种行为数据处理方法的流程示意图；

图6是本发明实施例提供的一种行为数据处理装置的结构示意图；

图7是本发明实施例提供的一种行为数据处理装置的结构示意图；

图8是本发明实施例提供的一种行为数据处理装置的结构示意图；

图9是本发明实施例提供的一种行为数据处理装置的结构示意图；

图10是本发明实施例提供的一种终端设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

应当理解，本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例中的互联网应用包括各种应用软件、网站、小程序、微信公众平台(微信公众号)，应用软件不限于电脑软件或者手机软件，软件类型不限于教育软件、娱乐软件、购物(消费类)软件、办公软件等，而小程序不限于微信小程序、支付宝小程序、百度小程序等，本发明实施例的行为数据处理方法可以在数据分析系统上运行，数据分析系统用于收集、处理互联网应用上传的用户行为数据，一个数据分析系统可以同时服务于一个以上的互联网应用，以分析、评估互联网应用的功能，以进一步优化互联网应用的功能，也可以通过处理用户行为数据得出用户的个性化推荐信息，为用户提供精准的推荐信息，以提升用户体验。

而用户行为数据包括行为发生时间、用户的行为等，用户的行为指用户在联网应用上产生的一系列操作，例如浏览、点击、加入购物车、移出购物车、下单、播放、转发、点赞等；互联网应用获取用户行为数据的方法包括：

第一种，在开发互联网应用时，利用日志数据在互联网应用本地记录用户产生的用户行为数据，并且互联网应用定时或实时将日志数据上传至数据分析系统上。

第二种，在互联网应用开发阶段，将数据分析系统发布的软件开发工具包 (SDK，Software Development Kit)集成到互联网应用的代码中，以使数据分析系统能获取到互联网应用上产生的用户行为数据。

第三种，通过代码埋点的方式，即在互联网应用的代码中增加旁路逻辑，以检测特定事件(例如浏览、加购物车、下单等事件)是否被触发，以使用户在互联网应用上触发对应的特定事件时能记录用户的行为相关信息，得到用户行为数据。

请参见图1，图1是本发明实施例提供的一种行为数据处理方法的场景示意图；图1中，以微信小程序，例如购物小程序作为互联网应用，通过代码埋点获取用户行为数据为例进行说明。

当购物小程序的开发者根据数据分析系统12的要求完成数据埋点等上报接口开发工作后，即数据分析系统12指定了需要上报的用户行为数据的类型，例如曝光、浏览、点击、收藏、加购物车、下单、收货等；在行为数据上报验收时，购物小程序开发端的测试人员通过电脑13向数据分析系统12发送测试时用的测试用户身份标识，用户身份标识以微信openid为例，数据分析系统12将该测试用户身份标识作为预设身份标识；之后，测试人员利用手机11在购物小程序上进行相关的指定测试操作，生成带有测试用户身份标识的测试行为数据，购物小程序实时将测试行为数据上传至数据分析系统12上；其中，指定测试操作指上述指定需要上报的用户行为数据的类型对应的用户行为操作，例如曝光、浏览、点击、收藏、加购物车、下单、收货等。

在数据分析系统12接收到测试行为数据后，通过身份标识比对，将所有身份标识与预设身份标识一致的测试行为数据进行存储，得到属于同一测试用户身份标识的测试行为数据集合，具体地，为了不影响后续的用户行为数据分析，将测试行为数据复制一份后，其中一份放入测试行为数据集合，以测试用户身份标识、测试行为数据的对应关系进行存储；另一份存入数据分析系统12的原有的用于存储购物小程序所有的用户行为数据的数据库。

数据分析系统12根据测试行为数据集合和预设验收条件进行验收，预设验收条件包括用户行为数据的类型是否齐全、用户行为数据之间的先后顺序、数量关系是否正常等，通过条件判断可以确定此次上报验收的验收结论验收结论分为验收失败结论和验收成功结论。数据分析系统12可以将验收结论下发至测试用户身份标识对应的互联网应用上，也可以将验收结论下发至电脑13，还可以是通过预留联系方式向指定人员发送验收结论，使得开发端能获知验收结论即可，开发端的人员根据不同验收结论进行不同处理，当验收结论为验收成功结论时，则可以将购物小程序正式上线；当验收结论为验收失败结论时，根据验收失败结论修改购物小程序后，再次进行数据验收。

而当数据分析系统12同时对接多个互联网应用，对应地，设置有多个数据库分别用于存储多个互联网应用对应的用户行为数据，验收时，一个互联网应用建立一个测试行为数据集合。相对于现有技术而言，本发明实施例的验收方法，不再需要去数据库中查找对应测试人员的测试行为数据，可以节省大量的查找时间，有效提升验收效率，可以实现实时验收。

请参见图2，是本发明实施例提供的一种行为数据处理方法的流程示意图；行为数据处理方法，包括：

步骤S201，接收互联网应用发送的带有测试用户身份标识的测试行为数据；

具体地，测试用户身份标识是指测试者的用户身份标识，每一个用户行为数据，都带有产生该用户行为数据的用户的身份标识，即用户身份标识，其可以是由数字和/或字母组成，例如微信的个人用户身份标识，如unionid和openid；以及商家小程序的商户号。

步骤S202，在测试用户身份标识和预设身份标识为相同的情况下，按照测试用户身份标识和测试行为数据的对应关系进行存储，得到测试行为数据集合；

具体地，预先获取测试者的身份标识作为预设身份标识，在进行验收时，判断接收到的测试行为数据的测试用户身份标识，是否与预设身份标识相同，判断两者相同的时候，将对应的测试行为数据按照测试用户身份标识(也即预设身份标识)、测试行为数据的对应关系进行存储，以得到对应该互联网应用的测试行为数据集合；在等待一段时间仍未接收到测试行为数据，或者接收到互联网应用端(通过互联网应用发送或者通过手机、电脑等智能通信设备发送) 发送的测试数据发送结束消息时，可以得到对应互联网应用的完整的测试行为数据集合。

步骤S203，根据测试行为数据集合和预设验收条件获取验收结论；

具体地，验收判断时，判断测试行为数据集合是否符合预设验收条件，以获取验收结论。

步骤S204，发送验收结论。

具体地，向互联网应用端发送验收结论，可以按照预设通知路径通知互联网应用端，例如，可以将验收结论下发至测试用户身份标识对应的互联网应用上，使得互联网应用的测试人员知晓验收结论；也可以是通过预留联系方式向指定人员(指互联网应用的相关人员，如开发人员或测试人员)发送验收结论，使得开发端能获知验收结论即可，比如通过短信、邮件、小程序等方式发送验收结论至指定人员，以通知互联网应用的相关人员，实现自助验收，进一步提高验收效率。

本发明实施例中，在行为数据上报验收时，可以直接根据上传的测试行为数据集合进行验收判断，与现有技术相比，可以有效减少行为数据上报验收所需的时间，实现实时验收行为数据，显著地提高了验收效率。

另外，人工验收数据上报时，互联网应用开发完成后，开发人员或者测试人员联系数据分析系统的运营人员进行数据上报验收；在数据分析系统这一端，无需数据分析系统的开发人员参与，只需运营人员进行数据上报跟进即可，运营人员只需从数据分析系统抽取对应该互联网应用的测试行为数据集合，再根据预设验收条件对测试行为数据集合进行检验即可，验收完成后，可以通过数据分析系统下发验收结论至互联网应用端，以通知互联网应用端的工作人员。由上述可知，在人工验收的情况下，与现有技术相比，同样可以节省验收时间，提升验收效率。

进一步地，步骤S202中，测试用户身份标识和测试行为数据可以以键-值的格式进行存储，即以测试用户身份标识为键，而测试行为数据作为与键相对应的值。以微信为例，当需要验收微信程序的用户行为数据时，以测试用户的微信个人用户身份标识(unionid或openid)为键，以测试用户的用户行为数据为与键相对应的值；而当需要验收微信商家小程序的用户行为数据时，以商家的商户号加测试用户的个人用户身份标识为键，以测试用户的用户行为数据为与键相对应的值。数据分析系统在进行数据上报验收时，根据预设身份标识抽取出相对应的测试行为数据集合进行上报验收，键值对存储的方式可以有效提高抽取测试行为数据集合进行上报验收的效率。

进一步地，验收结论包括验收结果信息、验收明细信息和验收数据统计信息，验收结果信息包括各个验收项目的验收结果(例如验收通过和验收未通过)，验收项目包括行为数据类别验收、行为数据先后顺序验收、行为数据数量关系验收等；验收明细信息是各个验收项目的明细信息，例如，以行为数据先后顺序验收和行为数据数量关系验收为例，可以统计测试行为数据集合中满足各种预设异常条件的数量，并建立统计表格；而验收数据统计信息是对测试行为数据集合中各个类别的用户行为数据进行数量统计后得到的统计信息，可以是建立各个类别的用户行为数据的数量统计表。验收结论可以根据验收结果信息分为验收成功结论和验收失败结论。步骤S203中，判断测试行为数据集合是否符合预设验收条件的具体过程如下：

步骤A1、确定测试行为数据集合中各类用户行为数据的数量，根据数量建立数量统计表；

步骤A2、判断测试行为数据集合的行为数据类别是否不等于预设行为数据类别，并判断测试行为数据集合的行为数据是否符合预设异常条件，若判断结果均为是，验收失败，生成验收结论，否则，验收成功，生成验收结论。

具体地，行为数据类别即行为数据的维度，以购物类互联网应用为例，行为数据类别包括曝光、浏览、点击、收藏、关注、加购物车、移出购物车、下单、收货等；另外，在互联网应用的开发阶段，预先指定了互联网应用需要上报的行为数据类别作为预设行为数据类别，在正式验收时，可以将其作为判断依据进行验证。容易想到的，也可以是预先设定好各种不同的互联网应用的默认行为数据类别作为预设行为数据类别，可以根据互联网应用的类型来设定，例如，娱乐类互联网应用的预设行为数据类别包括观看、点赞、转发、购买等，而教育类互联网应用的预设行为数据类别包括观看、留言、转发、收藏、购买等，预设行为数据类别可以是一个或2个以上的行为数据类别。

在进行数据上报验收时，根据测试行为数据集合确定测试用户所上报的所有用户行为数据的类别，根据所有的用户行为数据类别和预设行为数据类别进行对比，以确定用户行为数据类别是否上报齐全，当用户行为数据类别上报齐全，则行为数据类别验收成功，否则，用户行为数据上报不齐全，行为数据类别验收失败。

另外，预设异常条件是指行为数据在非正常情况下会出现的数量关系异常、数据先后顺序异常情况，对于数量关系异常，以购物类互联网应用为例，以从购物车中删除商品的用户行为为例，根据该商品在测试行为数据集合中查找是否存在测试用户将该商品加入购物车的行为，若不存在，则表示该行为数据符合预设异常条件，验收失败，生成验收结论，否则，验收成功，生成验收结论；另外，有点击商品的行为却无浏览商品的行为、有向购物车添加商品的行为却无浏览商品的行为、有收藏商品的行为却无浏览商品的行为、有购买商品的行为却无向购物车添加商品的行为等等，都属于行为数据出现数量关系异常的情况；而行为数据先后顺序异常，例如，加入购物车的时间比下单的时间还早，浏览的时间比加入购物车的时间还早等等，通过比较用户行为的发生时间，可以确定是否存在行为数据先后顺序异常。对于其余类型的互联网应用，可以以此类推，得出应该设置的预设异常条件。

进一步地，方法还包括：

在验收结论为验收成功结论的情况下，接收互联网应用发送的带有用户身份标识的用户行为数据。

具体地，根据验收结果信息确定验收结论为验收成功结论后，即互联网应用通过上报验收后，可以正式上线该互联网应用，数据分析系统可以接收从互联网应用上发送的带有用户身份标识的用户行为数据。

进一步地，为了评估互联网应用所服务的目标用户是否准确，参考图3，图 3是本发明实施例提供的一种行为数据处理方法的流程示意图，方法还包括：

步骤S301，根据用户行为数据得到互联网应用的目标用户画像；

具体地，先利用大量带有标签的用户行为数据对自动标签模型进行训练，以得到能根据某一用户行为数据自动得出用户标签的模型；利用训练好的自动标签模型对互联网应用的用户行为数据进行处理，得到互联网应用的所有用户的用户标签，用户标签一部分是通用的标签，一部分是依据互联网应用的不同而不同的，通用的标签包括性别、年龄、教育水平、职业等，而以购物类互联网应用为例，用户标签还可以包括婚姻状况、家庭情况、收入状况、购买力水平、产品偏好等；而娱乐类互联网应用的用户标签，还可以包括互动内容、兴趣爱好等；根据标注好用户标签的用户数据进行统计处理，得到数量最多的若干个(可以根据需要进行设置，例如数量最多的前5个标签)用户标签，将若干个标签作为目标用户画像的目标标签。

步骤S302，在目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

具体地，每一个互联网应用都有明确要服务的用户，即预设用户画像，互联网应用实际上线后，使目标用户画像和预设用户画像一致，可以使互联网应用的服务对象更加聚焦，更加的专注；预设用户画像包括多个预设用户标签，根据目标标签和预设用户标签的偏移量判断偏移量是否大于预设偏移阈值，以目标标签为年龄为例，当目标标签为18-35岁时，预设用户标签为35-50岁，则偏移量也即偏移程度为1/(35-18+1)*100％＝94％，假设预设偏移阈值为0-10％，则偏移量大于预设偏移阈值，此时，生成报警信息，并将该报警信息通过预设通知路径发送给互联网应用端的指定人员，以提醒互联网应用的相关工作人员，该互联网应用的用户画像出现偏移，需要进行调整，以更好地服务特定的用户，提高用户体验。

进一步地，当互联网应用为消费类互联网应用时，用户行为数据包括浏览、下单；为了提高推荐商品的准确度，参考图4，图4是本发明实施例提供的一种行为数据处理方法的流程示意图；方法还包括：

步骤S401，根据用户行为数据对下单商品进行聚类，得到多个商品类别；

具体地，按照商品类型对所有的下单商品进行聚类，可以将每个下单商品归属到一个商品类别中，可以聚类得到多个商品类别，例如，商品类型包括办公用品、化妆用品、食物、服饰、家用电器等。

步骤S402，获取每个商品类别的下单总量，按照下单总量从大到小的顺序确定商品类别的第一优先级；

具体地，统计每个商品类别的下单总量，并对下单总量按照从大到小的顺序进行排序，将下单总量的排名确定为商品类别的第一优先级，例如，若下单总量从大到小的顺序为家用电器、办公用品、化妆用品、服饰、食物，则家用电器的第一优先级为第一位，办公用品的第一优先级为第二位，以此类推。

步骤S403，计算目标用户的用户行为数据与商品类别的商品相似度，按照商品相似度从大到小的顺序确定商品类别的第二优先级；

具体地，先获取需要进行商品推荐的用户作为目标用户，再获取目标用户以往的用户行为数据，计算目标用户的用户行为数据和商品类别的商品相似度，将目标用户所有的购买商品和上述商品类别进行商品相似度计算，计算与某一商品类别的商品相似度时，可以将目标用户所有的购买商品中属于该商品类别的商品数量占所有购买商品数量的比例，作为该商品类别的商品相似度；例如，计算与办公用品的商品相似度时，先计算目标用户所有的购买商品中属于办公用品的数量，再计算该数量占目标用户所有的购买商品的比例，该比例即为对应办公用品的商品相似度。再对商品相似度进行从大到小的排序，将商品相似度的排名作为商品类别的第二优先级，例如，商品相似度从大到小的排序为服饰、办公用品、食物、家用电器、化妆用品，则服饰的第二优先级为第一位，办公用品的第二优先级为第二位，以此类推。

步骤S404，根据第一优先级和第二优先级相加得到商品类别的第三优先级；

具体地，根据第一优先级和第二优先级相加得到商品类别的第三优先级，例如，可以得到第三优先级的顺序为办公用品、家用电器和服饰并列第二、化妆用品、食物。

步骤S405，获取第三优先级中优先级级别最高的商品类别中的商品作为推荐商品；

具体地，选择第三优先级中优先级级别最高的商品类别对应的商品作为推荐商品，例如将办公用品中的商品作为推荐商品，向目标用户推荐。

步骤S406，将推荐商品推荐给目标用户。

具体地，将推荐商品在目标用户的互联网应用中进行展示，以向目标用户进行商品推荐。

利用图4的方法向目标用户进行商品推荐，结合热销商品以及目标用户个人的购买经历给出推荐商品，能有效提高推荐商品的精准度，为用户提供恰当的推荐商品，提高用户体验。

更进一步地，如果直接将第三优先级级别最高的商品类别对应的商品作为推荐商品的话，推荐商品的数量有可能过多，将对目标用户造成不断的困扰，因此，参考图5，图5是本发明实施例提供的一种行为数据处理方法的流程示意图；步骤S405包括：

步骤S501，获取第三优先级中优先级级别最高的商品类别中，下单数量最多的第一预设数目的商品作为初始推荐商品；

具体地，对第三优先级中优先级级别最高的商品类别中的商品进行下单数量排序，获取下单数量最多的第一预设数目的商品作为初始推荐商品，即获取下单数量最多的前几名作为初始推荐商品，第一预设数目可以根据实际情况进行自由设置。

步骤S502，获取初始推荐商品的平均浏览时长；

具体地，根据用户行为数据获取初始推荐商品的平均浏览时长，即对所有下单了初始推荐商品的用户进行浏览时长的计算，再计算平均值，得到平均浏览时长。

步骤S503，获取平均浏览时长最大的第二预设数目的初始推荐商品作为推荐商品，第二预设数目小于第一预设数目。

具体地，根据平均浏览时长，选择出最大的第二预设数目的平均浏览时长的初始推荐商品作为最终的推荐商品，其中第二预设数目小于第一预设数目，即对初始推荐商品的平均浏览时长进行排序，选择平均浏览时长最大的前几名作为最终的推荐商品，第二预设数目也可以根据需求进行自由设置。

利用图5的方法，根据平均浏览时长从第三优先级级别最高的商品类别中，选择出最终的推荐商品，即从原本数量众多的推荐商品，得到数量较少的推荐商品，用户对某一商品花费了大量的浏览时间最终完成下单，可以从侧面看出用户对该商品的喜爱程度较高，该商品的质量可信度更高，值得向更多用户进行推荐。

进一步地，当互联网应用为娱乐类互联网应用时，以音视频互联网应用，例如爱奇艺、网易音乐等，现有技术中，一般是为所有的用户提供播放对象推荐服务，导致对象推荐的处理量巨大，因此，本实施例中，在进行播放对象推荐时，方法还包括：

步骤B1，根据用户行为数据获取用户播放量大于第一预设播放量的第一用户，并获取用户播放量小于第二预设播放量的第二用户，第一预设播放量大于第二预设播放量；

具体地，第一预设播放量可以是大于一般用户的播放量，而第二预设播放量可以是小于一般用户的播放量，第一预设播放量可以是第二预设播放量的10 倍以上，具体数值可以根据具体需要进行设置。

步骤B2，计算第一用户的播放量平均值作为第一平均值，并计算第二用户的播放量平均值作为第二平均值；

具体地，计算所有的第一用户的播放量的平均值作为第一平均值，并计算所有的第二用户的播放量的平均值为第二平均值。

步骤B3，判断目标用户的播放量是否小于第二平均值，或目标用户的播放量是否大于第一平均值，若判断结果为是，则进行对目标用户进行播放对象推荐。

具体地，根据目标用户以往的用户行为数据计算目标用户的播放量，在目标用户的播放量小于第二平均值时，或者大于第一平均值时，更有必要为目标用户进行播放对象推荐，已有播放量极少的目标用户，有可能由于时间成本等原因，找不到更多的感兴趣播放对象，而已有播放量巨大的目标用户，可能已经接触过所有其感兴趣的播放对象，不清楚再播放哪些对象了，此时根据目标用户的用户行为数据为其提供推荐播放对象，及时解决目标用户的困惑，以提升互联网应用的用户的体验度，除了可以保证对象推荐功能之外，同时又能减少对象推荐时的数据处理量。

基于上述行为数据处理方法实施例的描述，本发明实施例还公开了一种行为数据处理装置，参考图6，图6是本发明实施例提供的一种行为数据处理装置的结构示意图，行为数据处理装置包括测试数据接收模块601、测试数据集合获取模块602、验收模块603、发送模块604；其中：

测试数据接收模块601，用于接收互联网应用发送的带有测试用户身份标识的测试行为数据；

测试数据集合获取模块602，用于在测试用户身份标识和预设身份标识为相同的情况下，按照测试用户身份标识和测试行为数据的对应关系进行存储，得到测试行为数据集合；

验收模块603，用于根据测试行为数据集合和预设验收条件获取验收结论；

发送模块604，用于发送验收结论。

其中，测试数据接收模块601、测试数据集合获取模块602、验收模块603、发送模块604的具体功能实现方式可以参见上述图2对应实施例中的步骤S201- 步骤S204，这里不再进行赘述。

进一步地，验收模块603包括，具体：

第一子模块，用于确定测试行为数据集合中各类用户行为数据的数量，根据数量建立数量统计表；

第二子模块，用于判断测试行为数据集合的行为数据类别是否不等于预设行为数据类别，并判断测试行为数据集合的行为数据是否符合预设异常条件，若判断结果均为是，验收失败，生成验收结论，否则，验收成功，生成验收结论。

其中，第一子模块、第二子模块的具体功能实现方式可以参见上述实施例中的步骤A1-步骤A2，这里不再进行赘述。

进一步地，装置还包括：

行为数据接收模块，用于在验收结论为验收成功结论的情况下，接收互联网应用发送的带有用户身份标识的用户行为数据。

其中，行为数据接收模块的具体功能实现方式可以参见上述方法实施例中对接收用户行为数据的描述，这里不再进行赘述。

进一步地，参考图7，图7是本发明实施例提供的一种行为数据处理装置的结构示意图，装置还包括目标用户画像获取模块701、报警模块702，其中：

目标用户画像获取模块701，用于根据用户行为数据得到互联网应用的目标用户画像；

报警模块702，用于在目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

其中，目标用户画像获取模块701、报警模块702的具体功能实现方式可以参见上述图3对应实施例中的步骤S301-步骤S302，这里不再进行赘述。

进一步地，互联网应用为消费类互联网应用，用户行为数据包括浏览、下单；参考图8，图8是本发明实施例提供的一种行为数据处理装置的结构示意图，装置还包括聚类模块801、第一优先级获取模块802、第二优先级获取模块803、第三优先级获取模块804、推荐商品获取模块805、推荐模块806，其中：

聚类模块801，用于根据用户行为数据对下单商品进行聚类，得到多个商品类别；

第一优先级获取模块802，用于获取每个商品类别的下单总量，按照下单总量从大到小的顺序确定商品类别的第一优先级；

第二优先级获取模块803，用于计算目标用户的用户行为数据与商品类别的商品相似度，按照商品相似度从大到小的顺序确定商品类别的第二优先级；

第三优先级获取模块804，用于根据第一优先级和第二优先级相加得到商品类别的第三优先级；

推荐商品获取模块805，用于获取第三优先级中优先级级别最高的商品类别中的商品作为推荐商品；

推荐模块806，用于将推荐商品推荐给目标用户。

其中，聚类模块801、第一优先级获取模块802、第二优先级获取模块803、第三优先级获取模块804、推荐商品获取模块805、推荐模块806的具体功能实现方式可以参见上述图4对应实施例中的步骤S401-步骤S406，这里不再进行赘述。

更进一步地，参考图9，图9是本发明实施例提供的一种行为数据处理装置的结构示意图，推荐商品获取模块805包括初始推荐商品获取子模块901、平均数值获取子模块902、推荐商品确定子模块903，其中：

初始推荐商品获取子模块901，用于获取第三优先级中优先级级别最高的商品类别中，下单数量最多的第一预设数目的商品作为初始推荐商品；

平均数值获取子模块902，用于获取初始推荐商品的平均浏览时长和平均浏览速度；

推荐商品确定子模块903，用于获取平均浏览时长最大，且平均浏览速度最小的第二预设数目的初始推荐商品作为推荐商品，第二预设数目小于第一预设数目。

其中，初始推荐商品获取子模块901、平均数值获取子模块902、推荐商品确定子模块903的具体功能实现方式可以参见上述图5对应实施例中的步骤 S501-步骤S503，这里不再进行赘述。

进一步地，互联网应用为娱乐类互联网应用时，装置还包括播放量判断模块、平均播放量获取模块、推荐判断模块，其中：

播放量判断模块，用于根据用户行为数据获取用户播放量大于第一预设播放量的第一用户，并获取用户播放量小于第二预设播放量的第二用户，第一预设播放量大于第二预设播放量；

平均播放量获取模块，用于计算第一用户的播放量平均值作为第一平均值，并计算第二用户的播放量平均值作为第二平均值；

推荐判断模块，用于判断目标用户的播放量是否小于第二平均值，或目标用户的播放量是否大于第一平均值，若判断结果为是，则进行对目标用户进行播放对象推荐。

其中，播放量判断模块、平均播放量获取模块、推荐判断模块的具体功能实现方式可以参见上述方法实施例中的步骤B1-步骤B3，这里不再进行赘述。

值得指出的是，图6、图7、图8和图9所示的行为数据处理装置中的各个单元或模块可以分别或全部合并为一个或若干个另外的单元或模块来构成，或者其中的某个(些)单元或模块还可以再拆分为功能上更小的多个单元或模块来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元或模块是基于逻辑功能划分的，在实际应用中，一个单元(或模块) 的功能也可以由多个单元(或模块)来实现，或者多个单元(或模块)的功能由一个单元(或模块)实现。

基于上述方法实施例以及装置实施例的描述，本发明实施例还提供一种终端设备。

请参见图10，是本发明实施例提供的一种终端设备的结构示意图。如图10 所示，上述图6至图9中的行为数据处理装置可以应用于所述终端设备100，所述终端设备100可以包括：处理器101，网络接口104和存储器105，此外，所述终端设备100还可以包括：用户接口103，和至少一个通信总线102。其中，通信总线102用于实现这些组件之间的连接通信。其中，用户接口103可以包括显示屏(Display)、键盘(Keyboard)，可选用户接口103还可以包括标准的有线接口、无线接口。网络接口104可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器105可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器105可选的还可以是至少一个位于远离前述处理器101的存储装置。如图10所示，作为一种计算机存储介质的存储器105中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。

在图10所示的终端设备100中，网络接口104可提供网络通讯功能；而用户接口103主要用于为用户提供输入的接口；而处理器101可以用于调用存储器105中存储的设备控制应用程序，以实现：

接收互联网应用发送的带有测试用户身份标识的测试行为数据；

在测试用户身份标识和预设身份标识为相同的情况下，按照测试用户身份标识和测试行为数据的对应关系进行存储，得到测试行为数据集合；

根据测试行为数据集合和预设验收条件获取验收结论；

发送验收结论。

在一个实施例中，处理器101还用于执行以下步骤：

在验收结论为验收成功结论的情况下，接收互联网应用发送的带有用户身份标识的用户行为数据。

在一个实施例中，处理器101还用于执行以下步骤：

根据用户行为数据得到互联网应用的目标用户画像；

在目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

在一个实施例中，互联网应用为消费类互联网应用，用户行为数据包括浏览、下单；处理器101还用于执行以下步骤：

根据用户行为数据对下单商品进行聚类，得到多个商品类别；

获取每个商品类别的下单总量，按照下单总量从大到小的顺序确定商品类别的第一优先级；

计算目标用户的用户行为数据与商品类别的商品相似度，按照商品相似度从大到小的顺序确定商品类别的第二优先级；

根据第一优先级和第二优先级相加得到商品类别的第三优先级；

获取第三优先级中优先级级别最高的商品类别中的商品作为推荐商品；

将推荐商品推荐给目标用户。

在一个实施例中，处理器101在执行获取第三优先级中优先级级别最高的商品类别中的商品作为推荐商品时，具体执行以下步骤：

获取第三优先级中优先级级别最高的商品类别中，下单数量最多的第一预设数目的商品作为初始推荐商品；

获取初始推荐商品的平均浏览时长；

获取平均浏览时长最大的第二预设数目的初始推荐商品作为推荐商品，第二预设数目小于第一预设数目。

在一个实施例中，处理器101还用于执行以下步骤：

根据用户行为数据获取用户播放量大于第一预设播放量的第一用户，并获取用户播放量小于第二预设播放量的第二用户，第一预设播放量大于第二预设播放量；

计算第一用户的播放量平均值作为第一平均值，并计算第二用户的播放量平均值作为第二平均值；

判断目标用户的播放量是否小于第二平均值，或目标用户的播放量是否大于第一平均值，若判断结果为是，则进行对目标用户进行播放对象推荐。

应当理解，本发明实施例中所描述的终端设备100可执行前文图2到图5 所对应实施例中对所述行为数据处理方法的描述，也可执行前文图6至图9所对应实施例中对所述行为数据处理装置的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。

此外，这里需要指出的是：本发明实施例还提供了一种计算机存储介质，且所述计算机存储介质中存储有前文提及的行为数据处理装置所执行的计算机程序，且所述计算机程序包括程序指令，当所述处理器执行所述程序指令时，能够执行前文图2到图5所对应实施例中对所述行为数据处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本发明所涉及的计算机存储介质实施例中未披露的技术细节，请参照本发明方法实施例的描述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (11)

1.一种行为数据处理方法，其特征在于，包括：

接收互联网应用发送的带有测试用户身份标识的测试行为数据；所述测试行为数据为测试用户在所述互联网应用上进行指定测试操作时所生成的；

在所述测试用户身份标识和预设身份标识为相同的情况下，按照所述测试用户身份标识和所述测试行为数据的对应关系进行存储，得到测试行为数据集合；所述预设身份标识为数据分析系统预先获取的所述测试用户的用户身份标识；

根据所述测试行为数据集合和预设验收条件获取验收结论；所述预设验收条件包括用户行为数据的类型是否齐全、用户行为数据之间的先后顺序、数量关系是否正常；所述验收结论包括验收结果信息、验收明细信息和验收数据统计信息；所述验收结果信息包括各个验收项目的验收结果；所述验收项目包括行为数据类别验收、行为数据先后顺序验收、行为数据数量关系验收；所述验收明细信息是所述各个验收项目的明细信息；所述验收数据统计信息是对所述测试行为数据集合中各个类别的测试行为数据进行数量统计后所建立的数量统计表；所述验收结论包括根据所述验收结果信息所确定的验收成功结论和验收失败结论 ；所述验收失败结论是在所述测试行为数据集合的行为数据类别不等于预设行为数据类别，且所述测试行为数据集合的测试行为数据符合预设异常条件时所生成的；

发送所述验收结论。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述验收结论为验收成功结论的情况下，接收所述互联网应用发送的带有用户身份标识的用户行为数据。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述用户行为数据得到所述互联网应用的目标用户画像；

在所述目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

4.根据权利要求2或3所述的方法，其特征在于，所述互联网应用为消费类互联网应用，所述用户行为数据包括浏览、下单；所述方法还包括：

根据所述用户行为数据对下单商品进行聚类，得到多个商品类别；

获取每个所述商品类别的下单总量，按照所述下单总量从大到小的顺序确定所述商品类别的第一优先级；

计算目标用户的用户行为数据与所述商品类别的商品相似度，按照所述商品相似度从大到小的顺序确定所述商品类别的第二优先级；

根据所述第一优先级和所述第二优先级相加得到所述商品类别的第三优先级；

获取所述第三优先级中优先级级别最高的所述商品类别中的商品作为推荐商品；

将所述推荐商品推荐给所述目标用户。

5.根据权利要求4所述的方法，其特征在于，所述获取所述第三优先级中优先级级别最高的所述商品类别中的商品作为推荐商品，包括：

获取所述第三优先级中优先级级别最高的所述商品类别中，下单数量最多的第一预设数目的商品作为初始推荐商品；

获取所述初始推荐商品的平均浏览时长；

获取所述平均浏览时长最大的第二预设数目的所述初始推荐商品作为所述推荐商品，所述第二预设数目小于所述第一预设数目。

6.根据权利要求1或2所述的方法，其特征在于，所述测试用户身份标识和所述测试行为数据以键-值的格式进行存储。

7.一种行为数据处理装置，其特征在于，包括：

测试数据接收模块，用于接收互联网应用发送的带有测试用户身份标识的测试行为数据；所述测试行为数据为测试用户在所述互联网应用上进行指定测试操作时所生成的；

测试数据集合获取模块，用于在所述测试用户身份标识和预设身份标识为相同的情况下，按照所述测试用户身份标识和所述测试行为数据的对应关系进行存储，得到测试行为数据集合；所述预设身份标识为数据分析系统预先获取的所述测试用户的用户身份标识；

验收模块，用于根据所述测试行为数据集合和预设验收条件获取验收结论；所述预设验收条件包括用户行为数据的类型是否齐全、用户行为数据之间的先后顺序、数量关系是否正常；所述验收结论包括验收结果信息、验收明细信息和验收数据统计信息；所述验收结果信息包括各个验收项目的验收结果；所述验收项目包括行为数据类别验收、行为数据先后顺序验收、行为数据数量关系验收；所述验收明细信息是所述各个验收项目的明细信息；所述验收数据统计信息是对所述测试行为数据集合中各个类别的测试行为数据进行数量统计后所建立的数量统计表；所述验收结论包括根据所述验收结果信息所确定的验收成功结论和验收失败结论 ；所述验收失败结论是在所述测试行为数据集合的行为数据类别不等于预设行为数据类别，且所述测试行为数据集合的测试行为数据符合预设异常条件时所生成的；

发送模块，用于发送所述验收结论。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

行为数据接收模块，用于在所述验收结论为验收成功结论的情况下，接收所述互联网应用发送的带有用户身份标识的用户行为数据。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

目标用户画像获取模块，用于根据所述用户行为数据得到所述互联网应用的目标用户画像；

报警模块，用于在所述目标用户画像与预设用户画像的偏移量大于预设偏移阈值时，生成报警信息。

10.一种终端设备，其特征在于，包括：处理器和存储器；

所述处理器和存储器相连，其中，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1-6任一项所述的行为数据处理方法。

11.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，执行如权利要求1-6任一项所述的行为数据处理方法。

Images