CN113076473A - 用户数据处理方法、装置、计算机设备及存储介质 - Google Patents
用户数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113076473A CN113076473A CN202110298127.6A CN202110298127A CN113076473A CN 113076473 A CN113076473 A CN 113076473A CN 202110298127 A CN202110298127 A CN 202110298127A CN 113076473 A CN113076473 A CN 113076473A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- grouping
- target
- requirement
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000007405 data analysis Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims description 63
- 230000006399 behavior Effects 0.000 claims description 61
- 230000004044 response Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 19
- 238000005034 decoration Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000013480 data collection Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种用户数据处理方法、装置、计算机设备及存储介质。该用户数据处理方法包括:接收业务终端发送的用户分群请求,所述用户分群请求包括目标推送数据和与所述目标推送数据相对应的分群需求;对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑;基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据;将所述目标推送数据推送给所述目标用户数据对应的客户终端,本方法可以实现针对性精准营销并加快数据处理速度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种用户数据处理方法、装置、计算机设备及存储介质。
背景技术
目前,家庭装修行业中,用户往往对装修的流程、装修价格等了解程度较低,难以做出准确地判断,通常需要业务人员需要和每一用户不断进行沟通交流,修改计划,花费时间较长,工作效率低。
发明内容
本发明实施例提供一种用户数据处理方法、装置、计算机设备及存储介质,以解决花费时间较长,工作效率低的问题。
一种用户数据处理方法,包括:
接收业务终端发送的用户分群请求,所述用户分群请求包括目标推送数据和与所述目标推送数据相对应的分群需求;
对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑;
基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据;
将所述目标推送数据推送给所述目标用户数据对应的客户终端。
一种用户数据处理装置,包括:
用户分群请求接收模块,用于接收业务终端发送的用户分群请求,所述用户分群请求包括目标推送数据和与所述目标推送数据相对应的分群需求;
分群逻辑获取模块,用于对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑;
目标用户数据获取模块,用于基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据;
推送模块,用于将所述目标推送数据推送给所述目标用户数据对应的客户终端。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述用户数据处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述用户数据处理方法的步骤。
上述用户数据处理方法、装置、计算机设备及存储介质,采用数据采集工具,监听所述客户终端形成的与所述目标推送数据相对应的结果响应数据,采用数据采集工具可以快速地得到目标用户对目标推送数据的响应情况,以便后续根据结果响应数据快速地对目标推动数据和分群需求进行修改,提高营销准确率。所述结果响应数据进行统计,获取响应分析结果;若所述响应分析结果不满足预设条件,则修改与所述目标推送数据相对应的分群需求,通过自动化分析,为业务人员是否对分群需求进行修改,提供精准地数据支持,避免业务人员线下分析,花费的时间成本和人力成本过高。
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是本发明一实施例中用户数据处理方法的一应用环境示意图;
图2是本发明一实施例中用户数据处理方法的一流程图;
图3是本发明一实施例中用户数据处理方法的另一流程图;
图4是本发明一实施例中用户数据处理方法的另一流程图;
图5是本发明一实施例中用户数据处理方法的另一流程图;
图6是本发明一实施例中用户数据处理方法的另一流程图;
图7是本发明一实施例中用户数据处理方法的另一流程图;
图8是本发明一实施例中用户数据处理装置的一原理框图;
图9是本发明一实施例中计算机设备的一示意图。
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,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的用户数据处理方法,该用户数据处理方法可应用如图1所示的应用环境中。具体地,该用户数据处理方法应用在用户分群系统中,该用户分群系统包括如图1所示的客户端和服务器,客户端与服务器通过网络进行通信,用于对业务终端发送的分群需求进行处理,以得到目标用户数据,实现将目标推送数据推送给目标用户数据,以实现精准营销。其中,客户端又称为用户端,是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种用户数据处理方法,示例性地,该适用于装修企业,以实现精准营销。以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S201:接收业务终端发送的用户分群请求,用户分群请求包括目标推送数据和与目标推送数据相对应的分群需求。
其中,业务终端是任务人员所使用的终端,该终端可以是个人计算机、笔记本电脑、智能手机和平板电脑等。本实施例中,不同的业务人员处理不同的业务种类,例如,对于装修企业,业务人员1负责目标推送数据为欧美装修风格的业务;业务人员2负责目标推送数据为中国风装修风格的业务;业务人员3负责目标推送数据为个性的业务。为便于对待分析数据进行修改等操作处理和加快数据处理速度,因此,将所有待分析数据存储在同一个数据分析引擎中,为了达到精准推送的目的,需要根据分群需求对待分析数据进行处理,得到目标用户数据,以从潜在用户中筛选出适合推送目标推送数据的目标用户,以达到精准营销的目的。其中,待分析数据是潜在用户对应的数据,具体地,每一个潜在用户对应一个待分析数据,该待分析数据包括但不限于姓名、联系方式和是否购房等。目标用户是根据分群需求从潜在用户中筛选出来的用户。
数据分析引擎是通过众多的待分析数据进行分析,得出与分群需求对应的目标用户数据的引擎,该数据分析引擎包括但不限于elasticsearch。
用户分群请求是客户端向服务器发送的请求,以便服务器根据分群需求,启动数据分析引擎对待分析数据进行处理,得到目标用户数据,从而将目标推送数据推动给目标用户数据对应的客户终端,实现精准推送和快速得到分析结果。
目标推送数据是业务人员依据其所负责的业务形成的,以向目标用户进行推广的数据,该目标推送数据可以是与业务相关的推广计划和参与该活动的网站地址和其他链接等。其中,推广计划包括装修风格、装修时长、居住体验和费用等。
分群需求是指业务终端发送的,希望对存储在数据分析引擎中的原始用户进行划分的需求,以从原始用户中筛选出适合推送目标推送数据的目标用户,实现精准推送的目的。例如,分群需求可以是(10天内做过“线索创建-家装分期”;【且】;项目状态属于“有需求”);【或】;账号id=183xxxxxxxx。
具体地,业务终端上显示有需求配置界面,业务人员通过该需求配置界面直观地且快速地配置目标推送数据和分群需求,有利于减低操作难度,加快工作效率。
其中,需求配置界面是供业务人员配置分群需求和目标推送数据的界面。该需求配置界面上设置有条件配置选项。在条件配置选项中设置有数据来源选项、数据有效时间选项和业务开展条件等,业务人员根据自己负责的业务对数据来源选项、数据有效时间选项或者业务开展条件进行补充或者筛选,以形成目标推动数据和分群需求。数据来源选项是指原始用户数据的来源,例如,该数据来源选项可以是客服系统或者数据采集工具等。其中,数据有效时间是指所选择的原始用户数据的起始时间和终止时间,以保证原始用户数据的有效性。示例性地,业务人员点击需求配置界面上的数据有效时间选项,该数据有效时间选项下拉,出现多个时间点,业务人员选择其中一个时间点作为待分析数据的时间区间,例如,时间点可以是从当前时间到前N天的待分析数据。业务开展条件是指符合业务的潜在用户需要具备的条件,例如,对于家装业务员,该业务开展条件是潜在用户购买家具、浏览家庭装修页面或者搜索与家装相关的关键词等。
进一步地,该数据分析引擎设置有定时清理指令,待分析数据对应有存储时间,当待分析数据的存储时间达到预设存储时间时,则自动触发定制清理指令对存储时间达到预设存储时间的待分析数据进行清理,减轻待分析数据的存储压力和工作效率。
S202:对分群需求进行解析处理,得到分群需求对应的分群逻辑。
其中,分群逻辑是指对分群需求进行解析处理,以便于数据分析引擎识别和搜索的逻辑,此处可以理解为数据分析引擎可识别的语句,以加快得到目标用户数据的速度。
S203:基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据。
本实施例中,数据分析引擎根据分群逻辑对存储的待分析数据进行筛选,以得到满足分群逻辑的待分析数据为目标用户数据,为后续的精准营销提供技术支持。具体地,待分析数据中包括多个潜在用户的数据,因此,数据分析引擎利用与潜在用户的数量相等的线程并发执行步骤S203,以加快数据处理的速度。
S204:将目标推送数据推送给目标用户数据对应的客户终端。
其中,客户终端是指目标用户数据对应的用户所使用的终端。本实施例中,将目标推送数据推送给目标用户数据对应的客户终端,实现针对性精准营销,提高营销成功率。
本实施例所提供的用户数据处理方法,接收业务终端发送的用户分群请求,用户分群请求包括目标推送数据和与目标推送数据相对应的分群需求;对分群需求进行解析处理,得到分群需求对应的分群逻辑,以得到数据分析引擎可识别的语句,以加快得到目标用户数据的速度。基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据,为后续的精准营销提供技术支持。将目标推送数据推送给目标用户数据对应的客户终端,实现针对性精准营销,提高营销成功率。
在一实施例中,在步骤S204之后,即在将目标推送数据推送给目标用户数据对应的客户终端之后,用户数据处理方法还包括:
S205:采用数据采集工具,监听客户终端形成的与目标推送数据相对应的结果响应数据。
其中,结果响应数据是指客户终端对应的目标用户是否接收目标推动数据,并进行咨询等操作形成的数据。具体地,结果响应数据包括目标用户响应目标推动数据和目标用户不响应目标推动数据这两种情况。本实施例中,当客户终端接收到目标推送数据后,数据采集工具监听到目标用户点击目标推送数据中的网站地址或者链接等,此时,结果响应数据为目标用户响应目标推动数据;当客户终端接收到目标推送数据后,数据采集工具监听到目标用户不根据目标推动数据进行相应操作时,此时,结果响应数据为目标用户不响应目标推动数据。本实施例中,采用数据采集工具可以快速地得到目标用户对目标推送数据的响应情况,以便后续根据结果响应数据快速地对目标推动数据和分群需求进行修改,提高营销准确率。
S206:对结果响应数据进行统计,获取响应分析结果。
其中,响应分析结果是指目标用户是否响应目标推送数据的结果。具体地,对每一个目标用户的结果响应数据进行统计,以得到目标用户不响应目标推动数据的不响应数量和目标用户响应目标推动数据的响应数量,形成响应分析结果。
S207:若响应分析结果不满足预设条件,则修改与目标推送数据相对应的分群需求。
其中,预设条件是预先设定的条件。示例性地,该预设条件可以是50%,即当响应分析结果为不小于50%,则响应分析结果满足预设条件,目标推送数据和目标用户数据精准匹配,可以实现精准营销,不需要对分群需求等进行修改。当响应分析结果为小于50%,则响应分析结果不满足预设条件,目标推送数据和目标用户数据匹配存在错误,需要进行修改。本实施例通过自动化分析,为业务人员是否对分群需求进行修改,提供精准地数据支持,避免业务人员线下分析,花费的时间成本和人力成本过高。
本实施例所提供的用户数据处理方法,采用数据采集工具,监听客户终端形成的与目标推送数据相对应的结果响应数据,采用数据采集工具可以快速地得到目标用户对目标推送数据的响应情况,以便后续根据结果响应数据快速地对目标推动数据和分群需求进行修改,提高营销准确率。结果响应数据进行统计,获取响应分析结果;若响应分析结果不满足预设条件,则修改与目标推送数据相对应的分群需求,通过自动化分析,为业务人员是否对分群需求进行修改,提供精准地数据支持,避免业务人员线下分析,花费的时间成本和人力成本过高。
在一实施例中,如图3所示,步骤S201,即在接收业务终端发送的用户分群请求之前,用户数据处理方法还包括:
S301:获取原始用户数据。
其中,原始用户数据是指通过数据采集工具或者客服系统等上传的,与潜在用户相关的数据。例如,该原始用户数据可以用户属性、用户标签和用户浏览网页等。本实施例中,数据采集工具或者客服系统按照一定的时间段将原始用户数据发送给服务器,即服务器获取的原始用户数据是所有潜在用户对应的数据,服务器将原始用户数据存在不同的数据表格中,例如,数据采集工具上传的原始用户数据存储在列表1中,客服系统储在列表2中。
S302:对原始用户数据进行标准化处理,获取标准用户数据。
其中,标准用户数据是指对原始用户数据进行标准化处理后,得到Json数据格式的数据,Json数据格式的标准用户数据具有格式简单、易于读写,便于数据维护;易于解析和读取搜索等,以便后续的数据分析等优点。具体地,服务器将数据采集工具或者客服系统等上传的原始用户数据存储hahoop中,此时,原始用户数据是以string类型存储的,该string类型的原始用户数据操作和分析难度较大,不便于后续的分析处理。本实施例中,采用json将string类型的原始用户数据进行标准化处理,以得到Json数据格式的标准用户数据,以便后续分析处理,提高数据处理速度,以更快得到目标用户数据。
S303:对标准用户数据进行拼接处理,获取待分析数据,将待分析数据存储在数据分析引擎中。
其中,拼接处理是指依据标准用户数据中的用户ID,将属于同一个用户ID对应的数据全部拼接在一起的处理。
具体地,服务器获取的原始用户数据是所有潜在用户对应的数据,服务器将潜在用户对应存在不同的数据表格中,此时,可能存在不同潜在用户对应的数据存在在同一个表格中,或者同一潜在用户对应的数据存在不同的表格中。因此,先对原始用户数据进行标准化处理,以得到便于处理和分析的标准用户数据,以提高后续的数据处理效率。然后,根据用户ID对标准用户数据进行拼接处理,将属于同一个用户ID的标准用户数据聚合在一起,并存储在同一表格中,得到每一用户ID对应的表格,将所有用户ID对应表格确定为待分析数据,并将待分析数据存储在数据分析引擎中,为后续的数据分析提供数据基础,且由于待分析数据是标准化处理后的数据,具有便于处理和便于读写等优点,可以加快数据分析处理。
本实施例所提供的用户数据处理方法,对原始用户数据进行标准化处理,获取标准用户数据,Json数据格式的标准用户数据具有格式简单、易于读写,便于数据维护;易于解析和读取搜索等,以便后续的数据分析等优点。对标准用户数据进行拼接处理,获取待分析数据,将待分析存储在数据分析引擎中,为后续的数据分析提供数据基础,且由于待分析数据是标准化处理后的数据,具有便于处理和便于读写等优点,可以加快数据分析处理。
在一实施例中,如图4所示,步骤S301,即获取原始用户数据,包括:
S401:获取用户行为数据,对用户行为数据进行分析处理,获取用户分析数据。
其中,用户行为数据是指潜在用户使用APP和浏览器等产生的数据,该用户行为数据包括用户ID、浏览网页、网页停留时间和网页操作等。用户分析数据是指对用户行为数据进行分析,以将同一个用户的用户行为数据进行按照固定格式,存储到同一行列或者表格中,以便于对用户分析数据进行处理,提高数据分析速度。示例性地,用户行为数据存储在表1中。
S402:接收客服系统上报的用户标签数据。
其中,客服系统是指客服人员与潜在用户联系的系统,示例性地,客服系统上报的用户标签数据存储在表2中,该客服系统通常设置有客服人员和对应的通讯设备,客户人员通过客服系统与潜在用户进行联系,同时记录潜在用户的个人信息,形成用户标签,以保证后续获取得到的原始用户数据具有完整性和全面性,为后续获取目标用户数据提供技术支持。用户标签数据是客服人员与潜在用户通话过程中记录的用户数据,例如,用户标签数据可以是用户性别、用户喜好风格和用户是否需要装修等。
S403:基于用户分析数据和用户标签数据,获取原始用户数据。
本实施例中,对用户分析数据和用户标签数据进行分析,以将重复的数据、空值和异常数据删除,形成原始用户数据,保证数据的完整性和全面性,以提供数据处理速度,为后续进行数据迁移,将原始用户数据发送到数据分析引擎中进行分群处理,实现精准营销提供技术支持。
本实施例所提供的用户数据处理方法,获取用户行为数据,对用户行为数据进行分析处理,获取用户分析数据,以便于对用户分析数据进行处理,提高数据分析速度。接收客服系统上报的用户标签数据;基于用户分析数据和用户标签数据,获取原始用户数据,保证数据的完整性和全面性,以提供数据处理速度,为后续进行数据迁移,将原始用户数据发送到数据分析引擎中进行分群处理,实现精准营销提供技术支持。
在一实施例中,如图5所示,步骤S401,即获取用户行为数据,包括:
S501:接收数据采集工具采集的用户ID和与用户ID对应的初始数据。
S502:基于用户ID,对初始数据进行聚合处理,将属于同一个用户ID的初始数据确为同一用户ID对应的用户行为数据。
其中,数据采集工具是用于采集潜在用户使用APP和浏览器等产生的数据(即初始数据)的工具。用户ID是用于唯一识别潜在用户的标签。
具体地,按照用户ID,将属于同一个潜在用户的用户行为数据聚合在一起,并按照固定格式将属于同一个用户ID的初始数据进行存储,获取用户行为数据,以便于后续加快分析速度,即仅需一个关键词就可以得到该潜在用户所有的信息。例如,同一个潜在用户的规范行为数据可以是搜索-搜索框位置-搜索词,这样将同一个潜在用户的用户行为数据集合在一起,以便于后续的数据处理。
本实施例所提供的用户数据处理方法,基于用户ID,对初始数据进行聚合处理,将属于同一个用户ID的初始数据确为同一用户ID对应的用户行为数据,以便于后续加快分析速度和数据处理。
在一实施例中,如图6所示,步骤S401,即对用户行为数据进行分析处理,获取用户分析数据,包括:
S601:对每一用户ID对应的用户行为数据进行处理,获取用户ID对应的用户分值和用户权重。
其中,用户分值是表示潜在用户是否为重要的分值;该用户分值具体包括用户ID对应的行为活跃值R、行为频率值F和行为时长值M。
具体地,根据所有的用户行为数据,确定所有用户ID对应的潜在用户最近一次访问与业务相关的APP或者网页距离当前时间的天数D1、所有潜在用户最近半年内访问与业务相关的APP或者网页的天数D2、及所有潜在用户最近半年访问与业务相关的APP或者网页的累计时长D3。
则每一个用户ID的行为活跃值R等于(D1max-D1)/(D1max-D1min),其中,D1max是指所有潜在用户最近一次访问与业务相关的APP或者网页距离当前时间的天数中的最大值;D1用户ID对应的潜在用户最近一次访问与业务相关的APP或者网页距离当前时间的天数;D1min是指所有潜在用户最近一次访问与业务相关的APP或者网页距离当前时间的天数中的最小值。
每一个用户ID对应的行为频率值F等于(D2-D2min)/(D2max-D2min),其中,D2是指用户ID对应的潜在用户最近半年内访问与业务相关的APP或者网页的天数;D2min是指潜在用户最近半年内访问与业务相关的APP或者网页的天数中的最小值;D2max是指潜在用户最近半年内访问与业务相关的APP或者网页的天数中的最大值。
每一个用户ID对应的行为时长值M等于(D3-D3min)/(D3max-D3min),其中,D3是指用户ID对应的潜在用户最近半年访问与业务相关的APP或者网页的累计时长;D3min是指所有潜在用户最近半年访问与业务相关的APP或者网页的累计时长中的最小值;D3max是指所有潜在用户最近半年访问与业务相关的APP或者网页的累计时长中的最大值。
用户权重是指表示用户分值重要性的占比。用户权重包括行为活跃值R对应的用户权重、行为频率值F对应的用户权重和行为时长值M对应的用户权重。具体地,采用专家判断法获取多组行为活跃值R对应的初始权重、行为频率值F对应的初始权重和行为时长值M对应的初始权重;对多组行为活跃值R对应的初始权重、行为频率值F对应的初始权重和行为时长值M对应的初始权重进行均值计算,得到行为活跃值R对应的用户权重、行为频率值F对应的用户权重和行为时长值M对应的用户权重。
S602:基于用户行为数据对应的用户权重和用户分值,获取用户ID对应的综合分值。
其中,综合分值是指表示用户ID对应的潜在用户是否重要的标识。综合分值越高,则用户ID对应的潜在用户越重要。反之,综合分值越低,则用户ID对应的潜在用户的重要性越低。则用户ID对应的综合分值等于用户ID对应的行为活跃值R与行为活跃值R对应的用户权重的积+用户ID对应的行为频率值F与行为频率值F对应的初始权重的积+用户ID对应的行为时长值M与行为时长值M对应的初始权重的的积。
本实施例中,将用户权重和用户分值进行乘积,得到用户ID对应的综合分值,为后续对用户行为数据进行筛选提供技术支持。
S603:将用户ID对应的综合分值不低于预设分值的用户行为数据,确定为用户分析数据。
本实施例中,将用户ID对应的综合分值不低于预设分值的用户行为数据,确定为用户分析数据。将用户ID对应的综合分值低于预设分值的用户行为数据删除,以提高数据处理的速度,并减小存储压力。
本实施例所提供的用户数据处理方法,每一用户ID对应的用户行为数据进行处理,获取每一用户ID对应的用户分值和用户权重。基于用户行为数据对应的用户权重和用户分值,获取用户ID对应的综合分值,为后续对用户行为数据进行筛选提供技术支持。将用户ID对应的综合分值不低于预设分值的用户行为数据,确定为用户分析数据,以提高数据处理的速度,并减小存储压力。
在一实施例中,如图7所示,步骤S202,即对分群需求进行解析处理,得到分群需求对应的分群逻辑,包括:
S701:对分群需求进行解析,确定分群需求对应的且条件和或条件。
其中,且条件是指业务人员在需求配置界面上,根据自身的业务进行配置的条件,可以理解地,在后续的采用数据分析引擎进行数据分析时,包含在且条件内的每一条件是需要满足的条件。例如,分群需求是(10天内做过“线索创建-家装分期”;【且】;项目状态属于“有需求”);【或】;账号id=183xxxxxxxx,则分群需求对应的且条件为10天内做过“线索创建-家装分期”且项目状态属于“有需求”,即目标用户数据需要同时满足10天内做过“线索创建-家装分期”和项目状态属于“有需求”。
或条件是指业务人员在需求配置界面上,根据自身的业务进行配置的条件,例如,该或条件可以是项目状态属于“有需求”;【或】;账号id=183xxxxxxxx;或者,该或条件可以是(10天内做过“线索创建-家装分期”;【且】;项目状态属于“有需求”);【或】;账号id=183xxxxxxxx,可以理解地,在后续的采用数据分析引擎进行数据分析时,只要满足包含在或条件内的其中一个条件即可。
本实施例中,业务人员在需求配置界面上,根据自身的业务配置,对条件配置选项进行配置,得到分群需求,该过程直接、简单地形成分群需求,减低业务人员的代码编写要求。为便于数据分析引擎进行搜索和分析,本示例中,对分群需求进行解析,以实现自动化得到分群需求中的且条件和或条件,减少人工接入,为后续得到对数据分析引擎友好的分群逻辑提供技术支持,保证数据处理效率较高,有利于加快搜索速度。
S702:对且条件进行合并处理,获取查询语句。
其中,查询语句是指数据分析引擎可识别和处理的语句。
具体地,确定分群需求中的且条件后,则采用must语句对且条件进行合并处理,得到查询语句,以便后续可以实现一次即可对全部的且条件进行搜索,提高后续采用数据分析引擎进行数据分析和搜索的效率。
S703:对查询语句和或条件进行合并处理,得到分群需求对应的分群逻辑。
本实施例中,采用should语句对查询语句和或条件进行合并,以得到数据分析引擎可识别和处理的分群逻辑,从而实现业务人员仅需在需求配置界面中配置分群需求,服务器对分群需求进行处理,以得到数据分析引擎可识别和处理的分群逻辑,减少代码开发成本,实现快速进行数据分析,得到目标用户数据。
本实施例所提供的用户数据处理方法,对分群需求进行解析,确定分群需求对应的且条件和或条件;对且条件进行合并处理,获取查询语句;对查询语句和或条件进行合并处理,得到分群需求对应的分群逻辑,从而实现业务人员仅需在需求配置界面中配置分群需求,服务器对分群需求进行处理,以得到数据分析引擎可识别和处理的分群逻辑,减少代码开发成本,实现快速进行数据分析,得到目标用户数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种用户数据处理装置,该用户数据处理装置与上述实施例中用户数据处理方法一一对应。如图8所示,该用户数据处理装置包括用户分群请求接收模块801、分群逻辑获取模块802、目标用户数据获取模块803和推送模块804。各功能模块详细说明如下:
用户分群请求接收模块801,用于接收业务终端发送的用户分群请求,用户分群请求包括目标推送数据和与目标推送数据相对应的分群需求。
分群逻辑获取模块802,用于对分群需求进行解析处理,得到分群需求对应的分群逻辑。
目标用户数据获取模块803,用于基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据。
推送模块804,用于将目标推送数据推送给目标用户数据对应的客户终端。
优选地,在推送模块804之后,该装置还包括:结果响应数据获取模块805、响应分析结果获取模块806和修改模块807。
结果响应数据获取模块805,用于采用数据采集工具,监听客户终端形成的与目标推送数据相对应的结果响应数据。
响应分析结果获取模块806,用于对结果响应数据进行统计,获取响应分析结果。
修改模块807,用于若响应分析结果不满足预设条件,则修改与目标推送数据相对应的分群需求。
优选地,在用户分群请求接收模块801之前,装置还包括:原始用户数据获取模块、标准用户数据获取模块和待分析数据获取模块。
原始用户数据获取模块,用于获取原始用户数据。
标准用户数据获取模块,用于对原始用户数据进行标准化处理,获取标准用户数据。
待分析数据获取模块,用于对标准用户数据进行拼接处理,获取待分析数据,将待分析存储在数据分析引擎中。
优选地,原始用户数据获取模块,包括:用户分析数据获取单元、用户标签数据获取单元和原始用户数据获取单元。
用户分析数据获取单元,用于获取用户行为数据,对用户行为数据进行分析处理,获取用户分析数据。
用户标签数据获取单元,用于接收客服系统上报的用户标签数据。
原始用户数据获取单元,用于基于用户分析数据和用户标签数据,获取原始用户数据。
优选地,用户分析数据获取单元,包括:初始数据接收子单元和聚合处理子单元。
初始数据接收子单元,用于接收数据采集工具采集的用户ID和与用户ID对应的初始数据。
聚合处理子单元,用于基于用户ID,对初始数据进行聚合处理,将属于同一个用户ID的初始数据确为同一用户ID对应的用户行为数据。
优选地,用户分析数据获取单元,包括:权重分值子单元、综合分值获取子单元和用户分析数据确定子单元。
权重分值子单元,用于每一用户ID对应的用户行为数据进行处理,获取每一用户ID对应的用户分值和用户权重。
综合分值获取子单元,用于基于用户行为数据对应的用户权重和用户分值,获取用户ID对应的综合分值。
用户分析数据确定子单元,用于将用户ID对应的综合分值不低于预设分值的用户行为数据,确定为用户分析数据。
优选地,分群逻辑获取模块802,包括:解析单元、查询语句获取单元和分群逻辑获取单元。
解析单元,用于对分群需求进行解析,确定分群需求对应的且条件和或条件。
查询语句获取单元,用于对且条件进行合并处理,获取查询语句。
分群逻辑获取单元,用于对查询语句和或条件进行合并处理,得到分群需求对应的分群逻辑。
关于用户数据处理装置的具体限定可以参见上文中对于用户数据处理方法的限定,在此不再赘述。上述用户数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标用户数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户数据处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中用户数据处理方法的步骤,例如图2所示的步骤S201-S207,或者图3至图7中所示的步骤,为避免重复,这里不再赘述。或者,处理器执行计算机程序时实现用户数据处理装置这一实施例中的各模块/单元的功能,例如图8所示的用户分群请求接收模块801、分群逻辑获取模块802、目标用户数据获取模块803、推送模块804、结果响应数据获取模块805、响应分析结果获取模块806和修改模块807的功能,为避免重复,这里不再赘述。
在一实施例中,提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中用户数据处理方法的步骤,例如图2所示的步骤S201-S207,或者图3至图7中所示的步骤,为避免重复,这里不再赘述。或者,处理器执行计算机程序时实现用户数据处理装置这一实施例中的各模块/单元的功能,例如图8所示的用户分群请求接收模块801、分群逻辑获取模块802、目标用户数据获取模块803、推送模块804、结果响应数据获取模块805、响应分析结果获取模块806和修改模块807的功能,为避免重复,这里不再赘述。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户数据处理方法,其特征在于,包括:
接收业务终端发送的用户分群请求,所述用户分群请求包括目标推送数据和与所述目标推送数据相对应的分群需求;
对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑;
基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据;
将所述目标推送数据推送给所述目标用户数据对应的客户终端。
2.如权利要求1所述的用户数据处理方法,其特征在于,在所述将所述目标推送数据推送给所述目标用户数据对应的客户终端之后,所述用户数据处理方法还包括:
采用数据采集工具,监听所述客户终端形成的与所述目标推送数据相对应的结果响应数据;
对所述结果响应数据进行统计,获取响应分析结果;
若所述响应分析结果不满足预设条件,则修改与所述目标推送数据相对应的分群需求。
3.如权利要求1所述的用户数据处理方法,其特征在于,在所述接收业务终端发送的用户分群请求之前,所述用户数据处理方法还包括:
获取原始用户数据;
对所述原始用户数据进行标准化处理,获取标准用户数据;
对所述标准用户数据进行拼接处理,获取待分析数据,将所述待分析存储在数据分析引擎中。
4.如权利要求3所述的用户数据处理方法,其特征在于,所述获取原始用户数据,包括:
获取用户行为数据,对所述用户行为数据进行分析处理,获取用户分析数据;
接收客服系统上报的用户标签数据;
基于所述用户分析数据和所述用户标签数据,获取原始用户数据。
5.如权利要求4所述的用户数据处理方法,其特征在于,所述获取用户行为数据,包括:
接收数据采集工具采集的用户ID和与所述用户ID对应的初始数据;
基于所述用户ID,对所述初始数据进行聚合处理,将属于同一个用户ID的初始数据确为同一用户ID对应的用户行为数据。
6.如权利要求4所述的用户数据处理方法,其特征在于,所述对所述用户行为数据进行分析处理,获取用户分析数据,包括:
对每一用户ID对应的所述用户行为数据进行处理,获取每一所述用户ID对应的用户分值和用户权重;
基于所述用户行为数据对应的用户权重和所述用户分值,获取所述用户ID对应的综合分值;
将所述用户ID对应的综合分值不低于预设分值的用户行为数据,确定为所述用户分析数据。
7.如权利要求1所述的用户数据处理方法,其特征在于,所述对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑,包括:
对所述分群需求进行解析,确定所述分群需求对应的且条件和或条件;
对所述且条件进行合并处理,获取查询语句;
对所述查询语句和所述或条件进行合并处理,得到所述分群需求对应的分群逻辑。
8.一种用户数据处理装置,其特征在于,包括:
用户分群请求接收模块,用于接收业务终端发送的用户分群请求,所述用户分群请求包括目标推送数据和与所述目标推送数据相对应的分群需求;
分群逻辑获取模块,用于对所述分群需求进行解析处理,得到所述分群需求对应的分群逻辑;
目标用户数据获取模块,用于基于分群逻辑,对存储在数据分析引擎中的待分析数据进行处理,获取目标用户数据;
推送模块,用于将所述目标推送数据推送给所述目标用户数据对应的客户终端。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述用户数据处理方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述用户数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110298127.6A CN113076473B (zh) | 2021-03-19 | 2021-03-19 | 用户数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110298127.6A CN113076473B (zh) | 2021-03-19 | 2021-03-19 | 用户数据处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076473A true CN113076473A (zh) | 2021-07-06 |
CN113076473B CN113076473B (zh) | 2024-05-07 |
Family
ID=76613016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110298127.6A Active CN113076473B (zh) | 2021-03-19 | 2021-03-19 | 用户数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076473B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829615A (zh) * | 2023-01-05 | 2023-03-21 | 瓴创(北京)科技有限公司 | 一种基于多数据库的用户分群方法、系统和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004402A1 (en) * | 2015-06-30 | 2017-01-05 | Digital Cavalier Technology Services Inc. | Predictive recommendation engine |
CN109995847A (zh) * | 2019-02-15 | 2019-07-09 | 平安科技(深圳)有限公司 | 基于用户群组的消息推送方法、装置及计算机设备 |
CN110767308A (zh) * | 2019-10-11 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN111177541A (zh) * | 2019-12-20 | 2020-05-19 | 上海淇玥信息技术有限公司 | 基于用户标签生成时间的数据分析方法及装置、服务器、存储介质 |
CN111192072A (zh) * | 2019-10-29 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 用户分群方法及装置、存储介质 |
CN111782966A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 用户分群方法、装置、计算机设备和介质 |
-
2021
- 2021-03-19 CN CN202110298127.6A patent/CN113076473B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004402A1 (en) * | 2015-06-30 | 2017-01-05 | Digital Cavalier Technology Services Inc. | Predictive recommendation engine |
CN109995847A (zh) * | 2019-02-15 | 2019-07-09 | 平安科技(深圳)有限公司 | 基于用户群组的消息推送方法、装置及计算机设备 |
WO2020164269A1 (zh) * | 2019-02-15 | 2020-08-20 | 平安科技(深圳)有限公司 | 基于用户群组的消息推送方法、装置及计算机设备 |
CN110767308A (zh) * | 2019-10-11 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN111192072A (zh) * | 2019-10-29 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 用户分群方法及装置、存储介质 |
CN111177541A (zh) * | 2019-12-20 | 2020-05-19 | 上海淇玥信息技术有限公司 | 基于用户标签生成时间的数据分析方法及装置、服务器、存储介质 |
CN111782966A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 用户分群方法、装置、计算机设备和介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829615A (zh) * | 2023-01-05 | 2023-03-21 | 瓴创(北京)科技有限公司 | 一种基于多数据库的用户分群方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113076473B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9256686B2 (en) | Using a bloom filter in a web analytics application | |
US8200661B1 (en) | Dynamic recommendations based on user actions | |
Heymann et al. | Turkalytics: analytics for human computation | |
KR101463974B1 (ko) | 마케팅을 위한 빅데이터 분석 시스템 및 방법 | |
US20120166438A1 (en) | System and method for recommending queries related to trending topics based on a received query | |
CN103136335A (zh) | 一种基于数据平台的数据控制方法 | |
CN103620601A (zh) | 在映射缩减过程中汇合表 | |
CN111401041A (zh) | 一种问题预测方法、装置、电子设备及存储介质 | |
CN110737706A (zh) | 数据管理方法、装置、设备及计算机可读存储介质 | |
US20190034430A1 (en) | Disambiguating a natural language request based on a disambiguation recommendation machine learning model | |
KR20200025431A (ko) | 오픈마켓 통합 관리 시스템 및 방법 | |
WO2016188334A1 (zh) | 一种用于处理应用访问数据的方法与设备 | |
US10901811B2 (en) | Creating alerts associated with a data storage system based on natural language requests | |
CN113076473B (zh) | 用户数据处理方法、装置、计算机设备及存储介质 | |
KR102413961B1 (ko) | Rpa 모니터링을 이용한 뉴스 분석 서비스 제공 방법 | |
CN111126034B (zh) | 医学变量关系的处理方法及装置、计算机介质和电子设备 | |
CN110619541A (zh) | 应用程序管理方法、装置、计算机设备及存储介质 | |
CN113239177B (zh) | 知识点查询方法、装置、服务器、介质及产品 | |
KR102585283B1 (ko) | 소셜 빅데이터 분석을 통한 국가별 사용자 관심 토픽 자동 구성 방법 | |
US11593451B2 (en) | System and method for comparing zones for different versions of a website based on performance metrics | |
CN110020166A (zh) | 一种数据分析方法及相关设备 | |
JP6320353B2 (ja) | デジタルマーケティングシステム | |
US10972353B1 (en) | Identifying change windows for performing maintenance on a service | |
CN113626387A (zh) | 一种任务数据的导出方法、装置、电子设备及存储介质 | |
CN112307019B (zh) | 数据处理方法、装置及非瞬时性计算机可读存储介质 |
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 |