CN114417101A - 一种基于数据埋点的用户识别方法及系统 - Google Patents

Abstract

本发明涉及用户识别技术领域，具体涉及一种基于数据埋点的用户识别方法及系统，包括以下步骤：将数据库中的埋点数据进行标准化处理，并且将新生成的标签数据存储至数据库中；接收用户画像模型规则，并根据该规则对数据库中埋点标签数据进行计算，得到用户标签样本数据；基于样本数据对用户画像模型进行测试，并根据检验标准对模型进行改良；根据模型建设用户识别系统，并在需要获取用户信息时，展示用户画像各项数据。本发明将相对复杂、抽象的用户行为，当下情境转化为可量化的计算公式，并应用到数据库中，实现基于公式的数据处理，让数据拥有统一指标且效率更高，让商务开发人员更高效的获取用户信息，对后续数据分析和决策进行辅助作用。

Description

一种基于数据埋点的用户识别方法及系统

技术领域

本发明涉及用户识别技术领域，具体涉及一种基于数据埋点的用户识别方法及系统。

背景技术

目前互联网常见用户识别方式为给用户建立用户画像，通常需要对用户的属性数据、行为数据、情境数据、商品数据等多维度数据源进行采集，并将这些数据指标化、标签化建立出合理的数据标签体系，再继续按照业务规则将数据标签提炼为用户标签。最终将用户标签赋予相应的用户生成用户画像。

现有技术难点在于用户的数据难以收集以及数据量过少会导致用户画像质量较低、过于片面等问题。目前用户画像主要基于用户基础属性数据、行为数据、交易数据等信息，但其中行为数据较难采集，大多只采集用户的基础行为，如注册时间、来源渠道、下单时间等信息。且大部分用户画像不涉及情境数据，但用户在不同的情境下需求也会不同，如果用户画像中缺失了情境内容的话会导致画像出现以偏概全的情况。

发明内容

针对现有技术的不足，本发明公开了一种基于数据埋点的用户识别方法及系统，用于实现一套能够根据指定的规则处理埋点数据，生成埋点标签并根据业务逻辑进行用户画像建模的系统，让商务开发人员可以更高效地获取用户信息，对后续数据分析和决策进行辅助作用。

本发明通过以下技术方案予以实现：

第一方面，本发明提供一种基于数据埋点的用户识别方法，包括以下步骤：

S1初始化，将数据库中的埋点数据进行标准化处理，并且将新生成的标签数据存储至数据库中；

S2接收用户画像模型规则，并根据该规则对数据库中埋点标签数据进行计算，得到用户标签样本数据；

S3基于样本数据对用户画像模型进行测试，并根据检验标准对模型进行改良；

S4根据S3中的模型建设用户识别系统，并在需要获取用户信息时，展示用户画像各项数据。

更进一步的，所述方法中，将数据库中的埋点数据根据埋点标签规则进行标准化处理，给每个用户id的每条埋点数据打上相应地埋点标签以及情境标签，并且将新生成的标签数据存储至数据库中。

更进一步的，所述方法中，数据标准化流程包括以下步骤：

制定包含各类细则的埋点标签规范，以及每一条细则的具体内容，并根据实际情况，明确规定埋点数据中各个字段指标与各个埋点标签指标间的对应关系；

编写程序执行埋点标签规则，根据埋点规范细则，对数据库中的埋点数据逐一进行比对，对比满足标签规则要求后可对该埋点数据添加对应标签；

重复执行上述操作直至数据库中所有埋点数据均完成标签化，将标签按照用户id整合，生成各个用户的标签表格，并将新的埋点标签数据存入数据库中。

更进一步的，所述方法中，对用户画像模型进行设计时，当用户识别系统接收到用户画像模型规则后，根据规则对数据库中埋点标签数据进行计算，得到用户标签样本数据。

更进一步的，所述方法中，用户画像建模时，将埋点标签转化为用户标签，其中用户标签包括

统计类标签，直接通过数据统计分析得出的指标；

规则类标签，根据业务规则对埋点标签进行转换；

算法预测类标签，由数据挖掘算法得出；

用户情境标签，对位置以及时间信息打上标签。

更进一步的，所述方法中，用户画像建模时，包括以下步骤：

步骤1：根据实际需求设计用户画像模型，先将埋点标签进行分类，再给不同类别地埋点标签设定相应的用户标签，并对该类别的情境标签进行整合，生成该用户标签对应的情境标签；

步骤2：对用户画像结果进行测试，进行分层抽样验证或随机抽样验证，对用户进行回访，验证用户画像准确性，若模型通过验证则跳到步骤4，若未通过验证则前往步骤3；

步骤3：修改模型的参数以及各个埋点标签的权重，生成优化后的模型，并对该模型重复步骤1到步骤2；

步骤4：确认为最终的用户画像模型，并将该模型设定进用户识别系统中。

更进一步的，所述方法中，将用户画像模型规则设定进用户识别系统后端模块，再由后端模块对数据库发起请求，按照用户画像模型规则对数据库内埋点标签进行匹配，将埋点标签转化为用户标签，并对用户标签数据进行存储；

数据库将生成的用户标签列表返回给后端，后端再将用户标签列表数据进行处理后传给前端；

前端将获取的用户画像数据根据用户id进行整合，按照指定数据以及展示形式进行可视化处理，并在交互页面中给予展示。

更进一步的，所述方法中，基于用户画像模型建设用户识别系统，当数据分析师或运营需要获取用户信息时，用户识别系统可以展示用户画像各项数据，当需要对用户画像进行进一步筛选时，用户识别系统根据新规则调整展现内容。

更进一步的，所述方法中，用户识别系统操作流程为：

根据系统设定好的用户画像模型规则，请求埋点标签数据并生成用户标签数据；

识别系统在前端页面将用户画像数据进行展示；

数据分析以及运营人员对用户画像进行查看；

数据分析以及运营人员可在识别系统前端勾选需要查看的用户画像数据；

识别系统前端模块根据所需数据，对已有的用户画像数据进行匹配，保留匹配成功的数据，隐藏匹配不成功的数据，并将所有匹配成功的数据按照需要的展现形式进行展示；

数据分析以及运营人员在识别系统前端页面查看选中数据。

第二方面，本发明提供了一种基于数据埋点的用户识别系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行第一方面所述的基于数据埋点的用户识别方法。

本发明的有益效果为：

本发明将相对复杂、抽象的用户行为，当下情境转化为可量化的计算公式，并应用到数据库中，实现基于公式的数据处理，让数据拥有统一指标且效率更高。

本发明用户在程序中的埋点数据量相对而言会高于其他数据量，可以获取更多且全面的用户数据，让用户画像更加准确。埋点数据可以记录下用户在进行操作时的具体情境，将情境数据添加进用户画像的建设过程可以更加全面地描述用户信息。将庞大的埋点数据用转化为数量更少的标签数据，使埋点数据更容易运用在用户画像建模的过程中。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明基于数据埋点的用户识别方法总体流程上半部图；

图2是本发明基于数据埋点的用户识别方法总体流程下半部图

图3是本发明实施例数据标准化过程图；

图4是本发明实施例埋点标签概念模型图；

图5是本发明实施例用户识别系统运作流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

参照图1和2所示，本实施例提供一种基于数据埋点的用户识别方法，包括以下步骤：

S1初始化，将数据库中的埋点数据进行标准化处理，并且将新生成的标签数据存储至数据库中；

S2接收用户画像模型规则，并根据该规则对数据库中埋点标签数据进行计算，得到用户标签样本数据；

S3基于样本数据对用户画像模型进行测试，并根据检验标准对模型进行改良；

S4根据S3中的模型建设用户识别系统，并在需要获取用户信息时，展示用户画像各项数据。

本实施例更进一步地提供一种数据标准化流程，将数据库中的埋点数据根据埋点标签规则进行标准化处理，给每个用户id的每条埋点数据打上相应地埋点标签以及情境标签，并且将新生成的标签数据存储至数据库中，为后续用户画像建模做准备。

本实施例更进一步地提供一种用户画像建模，由方案负责人对用户画像模型进行设计，当用户识别系统接收到用户画像模型规则后，根据规则对数据库中埋点标签数据进行计算，得到用户标签样本数据。基于样本数据对用户画像模型进行测试，并对模型进行改良。当模型通过检验标准后可作为用户识别技术使用。

本实施例更进一步地提供一种用户识别系统操作，基于用户画像模型建设用户识别系统，当数据分析师或运营需要获取用户信息时，用户识别系统可以展示用户画像各项数据。当需要对用户画像进行进一步筛选时，用户识别系统可以根据新规则调整展现内容。

本实施例方法实现一套能够根据指定的规则处理埋点数据，生成埋点标签并根据业务逻辑进行用户画像建模的系统，让商务开发人员可以更高效地获取用户信息，对后续数据分析和决策进行辅助作用。

本实施例利用数据和标签将用户行为、操作情境等难以评估的信息转化为可量化的公式，将用户的所有行为通过埋点数据记录下来，并在埋点数据字段中记录下用户在进行该行为时的情境信息(时间、地点等)。将埋点数据根据一定规则生成相应的埋点标签体系，根据业务逻辑进行用户画像建模，对用户画像模型进行测试后可将用户标签赋予相应的用户，达到识别用户特性的目的。

实施例2

在具体实施层面，本实施例在实施例1的基础上，提供了一种数据标准化流程具体如下：

本实施例埋点数据库中存有根据埋点设计录入的埋点数据，埋点数据字段包含每个用户的唯一识别字段——用户id(ip地址、微信号等)，以及该id在程序内的全部操作行为、操作对象、页面地址、操作创建时间、使用设备、所在地等信息数据。然后通过数据标准化过程创建埋点标签规则，具体过程如图3所示。

本实施例首先由专业负责人制定包含各类细则的埋点标签规范，以及每一条细则的具体内容。根据实际情况，明确规定埋点数据中各个字段指标与各个埋点标签指标间的对应关系。

本实施例优选的如，度假村、农家乐介绍页面收藏功能的点击记录以及浏览记录会被标记为“休闲玩乐”标签，而产品介绍页面的点击与浏览记录会被标记为“消费”标签。

本实施例在用户进行操作时，操作时间以及所在地会随同埋点数据被记录下来。每条埋点标签后应伴随相应情境标签，以供判断用户操作时的具体情境。

本实施例由数据管理人员编写程序来执行埋点标签规则。根据埋点规范细则，对数据库中的埋点数据逐一进行比对，对比满足标签规则要求后可对该埋点数据添加对应标签。

本实施例优选的如，埋点标签规范规定所有购物商城内的页面浏览、收藏以及下单数据被定为“消费”标签，而购物商城中美食特产页面的浏览、收藏、以及下单数据都设定为“美食”标签。则数据库中所有模块为美食特产且操作行为为浏览、收藏以及下单的埋点数据均被打上“美食”以及“消费”标签。

本实施例而用户的情境信息也会被打上相应的标签。用户情境标签被分为位置和时间两大类，位置主要记录埋点数据产生时用户所在地，而时间信息主要记录埋点数据的创建时间。

本实施例优选的如，用户于9月1日上午在普陀山浏览了5分钟的观音菩萨介绍文章，该条埋点数据可被标记为“观音菩萨”、“普陀山”、“9月1日”、“秋季”、“上午”。

本实施例重复执行上述操作直至数据库中所有埋点数据均完成标签化。并将标签按照用户id整合，生成各个用户的标签表格，最后将新的埋点标签数据存入数据库中。

实施例3

在具体实施层面，本实施例在实施例1的基础上，提供了一种用户画像建模流程，本实施例用户画像建模过程是给用户打上用户标签的过程，也是将埋点标签转化为用户标签的过程。可分为4类：

本实施例统计类标签：直接通过数据统计分析得出的指标。如按照“观音菩萨”标签数量统计，有3-5个该标签可被标记为“对观音菩萨感兴趣”，有6-10个该标签可被标记为“对观音菩萨很感兴趣”，有10个以上该标签可被标记为“对观音菩萨非常感兴趣”。

本实施例规则类标签：根据业务规则对埋点标签进行转换。如一周内拥有“历史文章”、“朱元璋”、“曹操”等历史相关标签总计超过20个可被打上“历史爱好者”标签。

本实施例算法预测类标签：统计数据无法直接得出，需要借助于数据挖掘算法得出。

本实施例优选的如，用户对价格的敏感度，可用收藏商品价格标签以及相关标签数量建立算法模型，得出标签规则。

本实施例用户情境标签：对位置以及时间信息打上标签。

本实施例优选的如，位置标签为“普陀山”，时间标签为“2021年9月1日”、“秋季”、“9月”、“上午”。

参照图4所示，本实施例提供以下步骤：

步骤1：先由方案负责人根据实际需求设计用户画像模型。先将埋点标签进行分类，再给不同类别地埋点标签设定相应的用户标签，并对该类别的情境标签进行整合，生成该用户标签对应的情境标签。

本实施例优选的如，将埋点标签“观音菩萨”、“佛经”、“佛珠”归类为“对佛教感兴趣”，当一名用户的这三个标签总和数量达到10个以上，则可对该用户打上“对佛教感兴趣”标签。

本实施例更进一步实施时，将这三个埋点标签对应的情境标签整合出用位置、季节、月份、时间段等情境标签。得出用户标签“对佛教感兴趣”和对应情境标签“普陀山”“春秋季节”、“9月和3月”、“白天”。

本实施例将用户画像模型规则设定进用户识别系统后端模块。再由后端模块对数据库发起请求，按照用户画像模型规则对数据库内埋点标签进行匹配，将埋点标签转化为用户标签，并对用户标签数据进行存储。

本实施例数据库将生成的用户标签列表返回给后端，后端再将用户标签列表数据进行处理后传给前端。

本实施例前端将获取的用户画像数据根据用户id进行整合，按照指定数据以及展示形式进行可视化处理，并在交互页面中给予展示。

步骤2：由方案负责人对用户画像结果进行测试，可进行分层抽样验证或随机抽样验证，对用户进行回访，验证用户画像准确性。若模型通过验证则跳到步骤4，若未通过验证则前往步骤3。

步骤3：修改模型的参数以及各个埋点标签的权重，生成优化后的模型，并对该模型重复步骤1到步骤2。

步骤4：确认为最终的用户画像模型，并将该模型设定进用户识别系统中。

实施例4

在具体实施层面，本实施例在实施例1的基础上，参照图5所示，提供了一种用户识别系统操作流程包括以下步骤：

步骤1：根据系统设定好的用户画像模型规则，请求埋点标签数据并生成用户标签数据。

步骤2：识别系统在前端页面将用户画像数据进行展示。

步骤3：数据分析以及运营人员对用户画像进行查看。

步骤4：数据分析以及运营人员可在识别系统前端勾选需要查看的用户画像数据。

步骤5：识别系统前端模块根据所需数据，对已有的用户画像数据进行匹配，保留匹配成功的数据，隐藏匹配不成功的数据，并将所有匹配成功的数据按照需要的展现形式进行展示；

步骤6：数据分析以及运营人员在识别系统前端页面查看选中数据。

实施例5

在其他层面，本实施例提供了一种基于数据埋点的用户识别系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行基于数据埋点的用户识别方法。

综上，本发明将相对复杂、抽象的用户行为，当下情境转化为可量化的计算公式，并应用到数据库中，实现基于公式的数据处理，让数据拥有统一指标且效率更高。

本发明用户在程序中的埋点数据量相对而言会高于其他数据量，可以获取更多且全面的用户数据，让用户画像更加准确。埋点数据可以记录下用户在进行操作时的具体情境，将情境数据添加进用户画像的建设过程可以更加全面地描述用户信息。将庞大的埋点数据用转化为数量更少的标签数据，使埋点数据更容易运用在用户画像建模的过程中。

以上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。

Claims (10)

1.一种基于数据埋点的用户识别方法，其特征在于，包括以下步骤：

S1初始化，将数据库中的埋点数据进行标准化处理，并且将新生成的标签数据存储至数据库中；

S2接收用户画像模型规则，并根据该规则对数据库中埋点标签数据进行计算，得到用户标签样本数据；

S3基于样本数据对用户画像模型进行测试，并根据检验标准对模型进行改良；

S4根据S3中的模型建设用户识别系统，并在需要获取用户信息时，展示用户画像各项数据。

2.根据权利要求1所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，将数据库中的埋点数据根据埋点标签规则进行标准化处理，给每个用户id的每条埋点数据打上相应地埋点标签以及情境标签，并且将新生成的标签数据存储至数据库中。

3.根据权利要求2所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，数据标准化流程包括以下步骤：

制定包含各类细则的埋点标签规范，以及每一条细则的具体内容，并根据实际情况，明确规定埋点数据中各个字段指标与各个埋点标签指标间的对应关系；

编写程序执行埋点标签规则，根据埋点规范细则，对数据库中的埋点数据逐一进行比对，对比满足标签规则要求后可对该埋点数据添加对应标签；

重复执行上述操作直至数据库中所有埋点数据均完成标签化，将标签按照用户id整合，生成各个用户的标签表格，并将新的埋点标签数据存入数据库中。

4.根据权利要求1所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，对用户画像模型进行设计时，当用户识别系统接收到用户画像模型规则后，根据规则对数据库中埋点标签数据进行计算，得到用户标签样本数据。

5.根据权利要求4所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，用户画像建模时，将埋点标签转化为用户标签，其中用户标签包括

统计类标签，直接通过数据统计分析得出的指标；

规则类标签，根据业务规则对埋点标签进行转换；

算法预测类标签，由数据挖掘算法得出；

用户情境标签，对位置以及时间信息打上标签。

6.根据权利要求4所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，用户画像建模时，包括以下步骤：

步骤1：根据实际需求设计用户画像模型，先将埋点标签进行分类，再给不同类别地埋点标签设定相应的用户标签，并对该类别的情境标签进行整合，生成该用户标签对应的情境标签；

步骤2：对用户画像结果进行测试，进行分层抽样验证或随机抽样验证，对用户进行回访，验证用户画像准确性，若模型通过验证则跳到步骤4，若未通过验证则前往步骤3；

步骤3：修改模型的参数以及各个埋点标签的权重，生成优化后的模型，并对该模型重复步骤1到步骤2；

步骤4：确认为最终的用户画像模型，并将该模型设定进用户识别系统中。

7.根据权利要求6所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，将用户画像模型规则设定进用户识别系统后端模块，再由后端模块对数据库发起请求，按照用户画像模型规则对数据库内埋点标签进行匹配，将埋点标签转化为用户标签，并对用户标签数据进行存储；

数据库将生成的用户标签列表返回给后端，后端再将用户标签列表数据进行处理后传给前端；

前端将获取的用户画像数据根据用户id进行整合，按照指定数据以及展示形式进行可视化处理，并在交互页面中给予展示。

8.根据权利要求1所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，基于用户画像模型建设用户识别系统，当数据分析师或运营需要获取用户信息时，用户识别系统可以展示用户画像各项数据，当需要对用户画像进行进一步筛选时，用户识别系统根据新规则调整展现内容。

9.根据权利要求8所述的一种基于数据埋点的用户识别方法，其特征在于，所述方法中，用户识别系统操作流程为：

根据系统设定好的用户画像模型规则，请求埋点标签数据并生成用户标签数据；

识别系统在前端页面将用户画像数据进行展示；

数据分析以及运营人员对用户画像进行查看；

数据分析以及运营人员可在识别系统前端勾选需要查看的用户画像数据；

识别系统前端模块根据所需数据，对已有的用户画像数据进行匹配，保留匹配成功的数据，隐藏匹配不成功的数据，并将所有匹配成功的数据按照需要的展现形式进行展示；

数据分析以及运营人员在识别系统前端页面查看选中数据。

10.一种基于数据埋点的用户识别系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至9中任一所述的基于数据埋点的用户识别方法。

Images