CN114780355A - 一种基于金融应用app的用户体验感知度量方法 - Google Patents
一种基于金融应用app的用户体验感知度量方法 Download PDFInfo
- Publication number
- CN114780355A CN114780355A CN202210703881.8A CN202210703881A CN114780355A CN 114780355 A CN114780355 A CN 114780355A CN 202210703881 A CN202210703881 A CN 202210703881A CN 114780355 A CN114780355 A CN 114780355A
- Authority
- CN
- China
- Prior art keywords
- app
- key
- page
- index
- measuring
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 18
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 238000013024 troubleshooting Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 25
- 238000009877 rendering Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000011160 research Methods 0.000 claims 1
- 238000012827 research and development Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及多媒体技术领域，具体是一种基于金融应用APP的用户体验感知度量方法，包括以下步骤：确定核心问题：通过对运维、研发、业务、运营等角色进行调研，确定核心问题；构建度量模型和指标体系：构建度量模型和指标体系，从多维度衡量用户体验；测量各指标值：运用多种计算方法对主观指标、客观指标、过程指标进行测量，得出具体指标值；洞察分析：根据测量得出的指标值进行问题分析，了解发生的原因，排查故障；迭代优化，并持续监测：解决问题，并预防问题重复发生，本发明包括一整套完整提升用户体验的方法论，以及构建度量模型和体系指标，并通过测量各指标值确定问题、分析问题，从而持续改进用户体验感知。
Description
技术领域
本发明涉及多媒体技术领域，具体是一种基于金融应用APP的用户体验感知度量方法。
背景技术
在衡量用户体验质量方面，现有做法是通过问卷调查等方式收集主观使用感受数据，以及通过定制需求进行埋点收集客观数据，来综合衡量本产品好不好用，分析用户在某一场景下使用产品有没有问题。
现有的做法缺少整体方法论，没有完善的度量模型和指标体系，无法反映真实用户体验。
发明内容
本发明的目的在于提供一种基于金融应用APP的用户体验感知度量方法，以解决上述背景技术中提出的问题。
本发明的技术方案是：一种基于金融应用APP的用户体验感知度量方法，包括以下步骤：
S1、确定核心问题：通过对运维、研发、业务、运营等角色进行调研，确定核心问题；
S2、构建度量模型和指标体系：构建度量模型和指标体系，从多维度衡量用户体验；
S3、测量各指标值：运用多种计算方法对主观指标、客观指标、过程指标进行测量，得出具体指标值；
S4、洞察分析：根据测量得出的指标值进行问题分析，了解发生的原因，排查故障；
S5、迭代优化，并持续监测：解决问题，并预防问题重复发生。
优选的，S2中，所述构建度量模型包括六个维度，所述六个维度包括安全体验、性能体验、功能体验、参与度、清晰度和满意度，确定评估模型后，采用GSM方法列出目标、关键信号以及关键指标。
优选的，所述安全体验的关键信号包括账号信息和交易支付，关键指标包括账号信息具备账号异常检测和通知功能、具备密码简易强度检测手段、具备动账提醒功能、交易账户发生变动具备识别是否本人操作的手段。
优选的，所述性能体验的关键信号包括APP的启动性能、页面渲染、页面响应、网络响应、以及APP的卡顿、崩溃、ANR异常问题，关键指标包括APP冷启动和热启动时长、页面平均渲染时长、页面平均响应时长、建链平均时长、建链成功率、问题数量和错误率。
优选的，所述功能体验的关键信号包括功能操作次数、操作时长、异常操作，关键指标包括功能完成所需操作次数、功能完成所需操作时长、功能页面异常报错次数。
优选的，所述参与度的关键信号包括新增用户、活跃用户、粘性用户，关键指标包括APP日新增用户数、APP月新增用户数、APP日活跃用户数、APP月活跃用户数、单次会话人均使用时长、单次会话人均访问页面数。
优选的，所述清晰度的关键信号包括页面UV、页面PV、页面转化率，关键指标包括关键页面PV数、关键页面UV数、关键页面PV转化率、关键页面UV转化率。
优选的，所述满意度的关键信号包括舆情占比率、反馈率、咨询率、应用评分、留存率、分享量和下载量，关键指标包括APP正、反面舆情占比率、在线客服咨询率、关键页面回访率、留存率以及APP分享量、下载量。
优选的，S3中，所述测量各指标值具体方法如下：
S31、确定指标基准：基准值计算包括静态部分和动态部分，所述静态部分通过传统基准值确定方法确定初始值数据库，所述动态部分对系统运行数据进行分析，建立最佳可达值数据库，并在最佳可达值数据库的基础上建立模型并利用实时数据进行检验，找到系统指标和运行方式的最佳组合，在当前的系统运行下进行参数基准值的寻找、制定，并对初始值进行在线修正；
S32、确认指标权重：采用优序图法来设定不同维度和不同指标权重；
S33、确认计算口径：根据权重设定计算口径。
优选的，S31中，所述确定指标基准包括初始基准值的确定、偏差值在线确定模型和基准值修正。
本发明通过改进在此提供一种基于金融应用APP的用户体验感知度量方法，与现有技术相比，具有如下改进及优点：
其一：相比现有方法，本方案提供一整套完整的方法论，从前至后依次包括确定核心问题、构建度量模型和指标体系、测量各指标值、洞察分析、迭代优化，并持续监测；为提升用户体验质量提供理论依据。
其二：相比现有方法，本方案通过安全体验、性能体验、功能体验、参与度、清晰度、满意度六个维度进行分析，并采用GSM方法列出目标、信号以及指标进行度量；通过合理的方式验证产品体验情况，从而提升产品用户体验。
其三：相比现有方法，本方案方法通过确定动态基准值作为衡量依据，采用优序图法确定各维度各指标权重，再利用统一计算公式计算得出当前各指标值，体现用户体验质量；将指标量化，让产品体验可度量、可优化、可监控。
附图说明
下面结合附图和实施例对本发明作进一步解释：
图1是本发明的一种基于金融应用APP的用户体验感知度量方法流程框图；
图2是本发明的一种基于金融应用APP的用户体验感知度量方法的度量模型图。
具体实施方式
下面对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明通过改进在此提供一种基于金融应用APP的用户体验，本感知度量方法发明的技术方案是：
如图1所示，一种基于金融应用APP的用户体验感知度量方法，包括以下步骤：
S1、确定核心问题：通过对运维、研发、业务、运营等角色进行调研，确定核心问题；
S2、构建度量模型和指标体系：构建度量模型和指标体系，从多维度衡量用户体验；
S3、测量各指标值：运用多种计算方法对主观指标、客观指标、过程指标进行测量，得出具体指标值；
S4、洞察分析：根据测量得出的指标值进行问题分析，了解发生的原因，排查故障；
S5、迭代优化，并持续监测：解决问题，并预防问题重复发生。
其中，如图2所示，S2中，所述构建度量模型包括六个维度，所述六个维度包括安全体验、性能体验、功能体验、参与度、清晰度和满意度，确定评估模型后，采用GSM方法列出目标、关键信号以及关键指标。
进一步的，所述安全体验的目标在于产品的使用让用户拥有更好的账号安全保护，拥有更好的交易安全防范；关键信号包括账号信息和交易支付，关键指标包括账号信息具备账号异常检测和通知功能、具备密码简易强度检测手段、具备动账提醒功能、交易账户发生变动具备识别是否本人操作的手段；采用的度量手段包括安全性测试、数据埋点分析。
进一步的，所述性能体验的目标在于用户使用产品时能更快打开APP、更快登录成功，打开页面时可以做到更快的页面加载，用户使用过程中APP表现稳定、流畅；关键信号包括APP的启动性能、页面渲染、页面响应、网络响应、以及APP的卡顿、崩溃、ANR异常问题，关键指标包括APP冷启动和热启动时长、页面平均渲染时长、页面平均响应时长、建链平均时长、建链成功率、问题（包括卡顿、崩溃、ANR）数量和错误率；采用的度量手段包括数据埋点分析、应用性能监控。
进一步的，所述功能体验的目标用户在使用APP进行功能操作时，功能体验更好；关键信号包括功能操作次数、操作时长、异常操作，关键指标包括功能完成所需操作次数、功能完成所需操作时长、功能页面异常报错次数；采用的度量手段包括数据埋点分析、问卷调查。
进一步的，所述参与度的目标在于更多新用户使用APP、更多用户经常使用APP以及用户使用APP粘性更高；关键信号包括新增用户、活跃用户、粘性用户，关键指标包括APP日新增用户数、APP月新增用户数、APP日活跃用户数、APP月活跃用户数、单次会话人均使用时长、单次会话人均访问页面数；采用的度量手段包括数据埋点分析。
进一步的，所述清晰度的目标在于使用户在APP上能更快、更准找到想要的内容，对于用户自己喜欢的内容，使用更频繁；关键信号包括页面UV、页面PV、页面转化率，关键指标包括关键页面PV数、关键页面UV数、关键页面PV转化率、关键页面UV转化率；采用的度量手段包括数据埋点分析、问卷调查。
进一步的，所述满意度的目标在于使用户在使用APP时主观感受更好，更多用户回访使用以及向更多人推荐使用APP；关键信号包括舆情占比率、反馈率、咨询率、应用评分、留存率、分享量和下载量，关键指标包括APP正、反面舆情占比率、在线客服咨询率、关键页面回访率、留存率（包括每日、每周、每月）以及APP分享量、下载量；采用的度量手段包括数据埋点分析、用户访谈、问卷调查。
进一步的，S3中，所述测量各指标值具体方法如下：
S31、确定指标基准：基准值计算包括静态部分和动态部分，所述静态部分通过传统基准值确定方法确定初始值数据库，所述动态部分对系统运行数据进行分析，建立最佳可达值数据库，并在最佳可达值数据库的基础上建立模型并利用实时数据进行检验，找到系统指标和运行方式的最佳组合，在当前的系统运行下进行参数基准值的寻找、制定，并对初始值进行在线修正；
S32、确认指标权重：采用优序图法来设定不同维度和不同指标权重；
S33、确认计算口径：根据权重设定计算口径。
其中，S31中，所述确定指标基准包括初始基准值的确定、偏差值在线确定模型和基准值修正。
其中，初始基准值主要通过对比行业平均水平或者对比公司内部类似产品给出初始基准值。例如：冷启动行业标准为5s，热启动行业标准为1.5s，某APP的冷启动平均时长为5s左右，热启动平均时长为1.5s左右，那就可以将5s作为冷启动初始基准值，1.5s作为热启动初始基准值。
偏差值在线确定模型的最佳可达值数据库包括了系统在不同环境、不同压力下系统运行可能达到的最佳运行状态的各项数据。因此不同环境、不同压力下系统的基准值应有上下浮动偏差，例如：在访问用户人数较少，系统访问压力不大的情况下，系统性能应更优，此时关于性能指标的基准值应更高。随着系统运行数据的积累，数据库内数据的丰富，就可以作为偏差值确定模型的样本集，建立关于系统偏差值的校准模型。偏差值计算公式如下：
其中，
；
其中，
；
随着运行数据不断增加，最佳可达值数据库需要主动进行更新，偏差值校准模型也需要同步的利用新样本进行更新。
关于基准值修正：初始基准值反映了系统在理论上可达到的最佳运行值，在实际系统运行中，比较难以达到。在不同环境、不同压力下系统运行可达到的最佳状态会出现差异。此时针对系统的度量指标基准值也应有上下浮动的偏差值。当前的系统度量指标的基准值就等于初始基准值±当前环境下的偏差值。
S32中，确认指标权重包括计算不同维度权重：通过问卷调查收集专家对各维度进行权重评分，根据不同专家的评分，计算不同维度的平均值，如下表所示：
上面收集到的专家权重评分表，计算得出各维度的权重平均值安全体验4.2，性能体验3.8，功能体验3，参与度3.4，清晰度3，满意度3.2。
运用优序图法计算权重：
由上面数据得到优序图法权重计算结果
根据上述相同方法，计算不同指标的权重值。以性能指标为例，如下表所示：
通过问卷调查收集专家对各指标进行权重评分，根据不同专家的评分，计算不同指标的平均值。如下表所示：
由上面收集到的专家权重评分表，计算得出各指标的权重平均值启动时长3.75，渲染时长3.75，响应时长3.5，建链时长3.25。
优序图法计算权重
由上面数据得到优序图法权重计算结果
确认计算口径包括：根据权重设定计算口径；
总score=(0.32Sscore+0.25Pscore+0.05Fscore+0.19Escore+0.05Cscore+0.14Hscore)*100；
若单个维度总分为100分，单个维度计算以性能体验分为例如下：
Pscore=(0.375启动时长score+0.375渲染时长score+0.1875响应时长score+0.0625建链时长score)*100；
启动时长score=0.375*{1-(平均启动时长±基准值)/基准值}*25score
渲染时长score=0.375*{1-(渲染启动时长±基准值)/基准值}*25score
响应时长score=0.1875*{1-(渲染启动时长±基准值)/基准值}*25score
响应时长score=0.0625*{1-(渲染启动时长±基准值)/基准值}*25score。
本方案提供一整套完整的方法论，从前至后依次包括确定核心问题、构建度量模型和指标体系、测量各指标值、洞察分析、迭代优化，并持续监测；为提升用户体验质量提供理论依据；相比现有方法，本方案通过安全体验、性能体验、功能体验、参与度、清晰度、满意度六个维度进行分析，并采用GSM方法列出目标、信号以及指标进行度量；通过合理的方式验证产品体验情况，从而提升产品用户体验；相比现有方法，本方案方法通过确定动态基准值作为衡量依据，采用优序图法确定各维度各指标权重，再利用统一计算公式计算得出当前各指标值，体现用户体验质量；将指标量化，让产品体验可度量、可优化、可监控。
上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于金融应用APP的用户体验感知度量方法，其特征在于：包括以下步骤：
S1、确定核心问题：通过对运维、研发、业务、运营角色进行调研，确定核心问题；
S2、构建度量模型和指标体系：构建度量模型和指标体系，从多维度衡量用户体验；
S3、测量各指标值：运用多种计算方法对主观指标、客观指标、过程指标进行测量，得出具体指标值；
S4、洞察分析：根据测量得出的指标值进行问题分析，了解发生的原因，排查故障；
S5、迭代优化，并持续监测：解决问题，并预防问题重复发生。
2.根据权利要求1所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：S2中，所述构建度量模型包括六个维度，所述六个维度包括安全体验、性能体验、功能体验、参与度、清晰度和满意度，确定评估模型后，采用GSM方法列出目标、关键信号以及关键指标。
3.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述安全体验的关键信号包括账号信息和交易支付，关键指标包括账号信息具备账号异常检测和通知功能、具备密码简易强度检测手段、具备动账提醒功能、交易账户发生变动具备识别是否本人操作的手段。
4.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述性能体验的关键信号包括APP的启动性能、页面渲染、页面响应、网络响应、以及APP的卡顿、崩溃、ANR异常问题，关键指标包括APP冷启动和热启动时长、页面平均渲染时长、页面平均响应时长、建链平均时长、建链成功率、问题数量和错误率。
5.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述功能体验的关键信号包括功能操作次数、操作时长、异常操作，关键指标包括功能完成所需操作次数、功能完成所需操作时长、功能页面异常报错次数。
6.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述参与度的关键信号包括新增用户、活跃用户、粘性用户，关键指标包括APP日新增用户数、APP月新增用户数、APP日活跃用户数、APP月活跃用户数、单次会话人均使用时长、单次会话人均访问页面数。
7.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述清晰度的关键信号包括页面UV、页面PV、页面转化率，关键指标包括关键页面PV数、关键页面UV数、关键页面PV转化率、关键页面UV转化率。
8.根据权利要求2所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：所述满意度的关键信号包括舆情占比率、反馈率、咨询率、应用评分、留存率、分享量和下载量，关键指标包括APP正、反面舆情占比率、在线客服咨询率、关键页面回访率、留存率以及APP分享量、下载量。
9.根据权利要求1所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：S3中，所述测量各指标值具体方法如下：
S31、确定指标基准：基准值计算包括静态部分和动态部分，所述静态部分通过传统基准值确定方法确定初始值数据库，所述动态部分对系统运行数据进行分析，建立最佳可达值数据库，并在最佳可达值数据库的基础上建立模型并利用实时数据进行检验，找到系统指标和运行方式的最佳组合，在当前的系统运行下进行参数基准值的寻找、制定，并对初始值进行在线修正；
S32、确认指标权重：采用优序图法来设定不同维度和不同指标权重；
S33、确认计算口径：根据权重设定计算口径。
10.根据权利要求9所述的一种基于金融应用APP的用户体验感知度量方法，其特征在于：S31中，所述确定指标基准包括初始基准值的确定、偏差值在线确定模型和基准值修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703881.8A CN114780355A (zh) | 2022-06-21 | 2022-06-21 | 一种基于金融应用app的用户体验感知度量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703881.8A CN114780355A (zh) | 2022-06-21 | 2022-06-21 | 一种基于金融应用app的用户体验感知度量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114780355A true CN114780355A (zh) | 2022-07-22 |
Family
ID=82420389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210703881.8A Pending CN114780355A (zh) | 2022-06-21 | 2022-06-21 | 一种基于金融应用app的用户体验感知度量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114780355A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194192A (zh) * | 2023-09-19 | 2023-12-08 | 北京速度时空信息有限公司 | 一种高精度地图的评估系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902966A (zh) * | 2019-03-06 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种用户评级方法和系统 |
| CN110059232A (zh) * | 2019-03-15 | 2019-07-26 | 杭州电子科技大学 | 一种基于用户体验度量的数据可视化方法 |
| CN110413928A (zh) * | 2019-07-26 | 2019-11-05 | 中国工商银行股份有限公司 | 用户体验度测量方法、装置、电子设备和可读介质 |
| CN113610573A (zh) * | 2021-08-04 | 2021-11-05 | 上海浦东发展银行股份有限公司 | 基于多维度的用户体验度量方法、设备和存储介质 |
-
2022
- 2022-06-21 CN CN202210703881.8A patent/CN114780355A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902966A (zh) * | 2019-03-06 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种用户评级方法和系统 |
| CN110059232A (zh) * | 2019-03-15 | 2019-07-26 | 杭州电子科技大学 | 一种基于用户体验度量的数据可视化方法 |
| CN110413928A (zh) * | 2019-07-26 | 2019-11-05 | 中国工商银行股份有限公司 | 用户体验度测量方法、装置、电子设备和可读介质 |
| CN113610573A (zh) * | 2021-08-04 | 2021-11-05 | 上海浦东发展银行股份有限公司 | 基于多维度的用户体验度量方法、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 韦灼彬等: "《装备保障效能评估与建模》", 31 January 2020, 国防工业出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194192A (zh) * | 2023-09-19 | 2023-12-08 | 北京速度时空信息有限公司 | 一种高精度地图的评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
| US10387900B2 (en) | Methods and apparatus for self-adaptive time series forecasting engine | |
| US9202200B2 (en) | Indices for credibility trending, monitoring, and lead generation | |
| CN107491970B (zh) | 实时反作弊检测监控方法和系统以及计算设备 | |
| CN110147803B (zh) | 用户流失预警处理方法与装置 | |
| US20020128884A1 (en) | Computer method for using sample data to predict future population and domain behaviors | |
| WO2012129154A2 (en) | Credibility scoring and reporting | |
| CN106126549A (zh) | 一种基于概率矩阵分解的社区信任推荐方法及其系统 | |
| US11017330B2 (en) | Method and system for analysing data | |
| CN106408325A (zh) | 基于用户支付信息的用户消费行为预测分析方法及系统 | |
| Kuhn et al. | Measuring performance in classification models | |
| CN114780355A (zh) | 一种基于金融应用app的用户体验感知度量方法 | |
| CN106952190A (zh) | 虚假房源录入行为识别与预警系统 | |
| CN116664012A (zh) | 一种基于大数据分析的企业信用评估方法及系统 | |
| CN102779131B (zh) | 基于用户间多相似度的协同过滤推荐方法 | |
| Bagarello et al. | A comprehensive analysis of Universal Soil Loss Equation‐based models at the Sparacia experimental area | |
| CN104615741A (zh) | 一种基于云计算的冷启动项目推荐的方法及装置 | |
| CN117494885A (zh) | 一种评论情感流数据模拟生成方法 | |
| Wang et al. | Open source software reliability model with the decreasing trend of fault detection rate | |
| CN112488496A (zh) | 一种财务指标预测方法及装置 | |
| EP2610810A1 (en) | Score fusion based on the displaced force of gravity | |
| Meyer et al. | The impact of biases on simulation-based risk aggregation: modeling cognitive influences on risk assessment | |
| CN116703533A (zh) | 一种商业管理数据优化存储分析方法 | |
| JP4777941B2 (ja) | 需要予測方法および装置 | |
| Yoon | Three essays on unorthodox audit evidence |
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: 20220722 |
|
| RJ01 | Rejection of invention patent application after publication |