CN115314404B - 服务优化方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例属于大数据领域，应用于业务请求风险管控领域中，涉及一种服务优化方法、装置、计算机设备及存储介质方法，包括采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

Description

服务优化方法、装置、计算机设备及存储介质

技术领域

本申请涉及大数据和业务请求风险管控技术领域，尤其涉及一种服务优化方法、装置、计算机设备及存储介质。

背景技术

现如今多数移动端设备性能已经达到了几年前笔记本电脑的性能，对于用户来说有大量的性能过剩。

在移动端，数据上报技术十分成熟却仅用于用户行为采集，而移动端可以做的事情远不止于此，目前，对于业务服务热区的性能监测多利用服务端的监测系统进行后台监测，以后台监测结果决定是否对服务热区进行优化，但是，这种优化方式往往并未考虑到用户的服务体验，容易造成目标用户流失。

发明内容

本申请实施例的目的在于提出一种服务优化方法、装置、计算机设备及存储介质，以便于在大数据下衡量业务的服务质量和进行服务风险评估，避免目标用户的服务质量体验下降，规避目标用户流失。

为了解决上述技术问题，本申请实施例提供一种服务优化方法，采用了如下所述的技术方案：

一种服务优化方法，包括下述步骤：

以业务场景为维度采集不同场景下的服务数据；

对所述不同场景下的服务数据进行分析，得到用户业务热区，其中，所述用户业务热区即预设时间段内用户访问量或者点击量达到预设阈值的业务场景区域；

以用户为维度筛选出目标用户；

基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件；

若达到，启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务。

进一步的，所述以业务场景为维度采集不同场景下的服务数据的步骤，具体包括：

获取所述不同场景对应的页面跳转节点；

以所述页面跳转节点为监测对象，监测跳转目标为所述页面跳转节点对应的场景的请求量和跳转成功的实际次数；

获取所述跳转成功时对应跳转请求的请求发出时间点、进入场景时间点；

将所述请求量、跳转成功的实际次数、所述请求发出时间点、进入场景时间点作为服务数据。

进一步的，在所述获取所述不同场景对应的页面跳转节点的步骤之前，所述方法还包括：

引入页面解析工具对业务场景对应页面进行解析，获取不同场景对应的js脚本；

基于所述js脚本，得到所述不同场景对应的页面跳转节点；

为所述页面跳转节点设置节点标识；

并通过表单形式为所述页面跳转节点、节点标识、所述场景构建三者间对应关系；

以所述三者间对应关系确定所述不同场景对应的页面跳转节点。

进一步的,所述对所述不同场景下的服务数据进行分析，得到用户业务热区的步骤，具体包括：

预设数据上报时间间隔/数据量缓存阈值；

判断当前时间点与上一次数据上报时间点间的间隔是否达到所述数据上报时间间隔/预设缓存区内服务数据是否达到预设数据量缓存阈值，若达到，则通过数据上报方式将所述服务数据进行上报；

对上报的所述服务数据进行解析，统计不同场景分别对应的所述请求量，并对所有请求量进行排序，筛选出请求量排名前N名的场景，作为用户业务热区，其中，N为正整数。

进一步的,所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤，具体包括：

预先为所述用户业务热区设置慢请求比例阈值、错误请求率阈值和单元时间下请求量阈值；

基于预设监测组件，监测所述用户业务热区的慢请求比例、错误请求率和单元时间下请求量中任一项是否达到对应阈值；

若任一项达到对应阈值，则所述用户业务热区达到服务预警条件；

若所述项都未达到对应阈值，则所述用户业务热区未达到服务预警条件。

进一步的，在所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤之前，所述方法还包括：

从预设缓存区获取所述用户业务热区对应的服务数据；

基于所述服务数据，获取所述用户业务热区对应的请求量；

基于所述服务数据中每次请求成功时对应的请求发出时间点和进入场景时间点，确定每次请求时长；

基于预设请求时长阈值和所述请求时长，确定所述用户业务热区对应的慢请求次数，并通过所述慢请求次数和所述请求量，进行比例运算，得到慢请求比例；

基于所述请求量和所述跳转成功的实际次数，获取用户在请求进入所述用户业务热区时的未成功次数，并通过所述未成功次数和所述请求量，进行比例运算，得到错误请求率。

进一步的，所述启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务的步骤，具体包括：

在所述以用户为维度筛选出目标用户的步骤之后，对筛选出的目标用户设定区别标识；

基于所述区别标识，筛选出目标用户，并优先为其提供所述用户业务热区优化业务。

为了解决上述技术问题，本申请实施例还提供一种服务优化装置，采用了如下所述的技术方案：

一种服务优化装置，包括：

数据采集模块，用于以业务场景为维度采集不同场景下的服务数据；

业务热区识别模块，用于对所述不同场景下的服务数据进行分析，得到用户业务热区；

目标用户筛选模块，用于以用户为维度筛选出目标用户；

判断模块，用于基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件；

优化过滤模块，用于若达到，启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的服务优化方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的服务优化方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例所述服务优化方法，通过采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请可以应用于其中的示例性系统架构图；

图2根据本申请的服务优化方法的一个实施例的流程图；

图3是图2所示步骤201的一种具体实施方式的流程图；

图4是图2所示步骤204的一种具体实施方式的流程图；

图5是本申请在步骤204之前的一种服务数据处理方法的一个实施例的流程图；

图6根据本申请的服务优化装置的一个实施例的结构示意图；

图7根据本申请的计算机设备的一个实施例的结构示意图。

实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“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。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器( Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3 )、MP4( Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的服务优化方法一般由服务器/终端设备执行，相应地，服务优化装置一般设置于服务器/终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的服务优化方法的一个实施例的流程图。所述的服务优化方法，包括以下步骤：

步骤201，以业务场景为维度采集不同场景下的服务数据。

本实施例中，所述以业务场景为维度采集不同场景下的服务数据的步骤，具体包括：获取所述不同场景对应的页面跳转节点；以所述页面跳转节点为监测对象，监测跳转目标为所述页面跳转节点对应的场景的请求量和跳转成功的实际次数；获取所述跳转成功时对应跳转请求的请求发出时间点、进入场景时间点；将所述请求量、跳转成功的实际次数、所述请求发出时间点、进入场景时间点作为服务数据。

通过获取页面请求信息及服务的响应信息，并将其作为服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，避免服务请求数据量超标。

继续参考图3，图3是图2所示步骤201的一种具体实施方式的流程图，包括步骤：

步骤301，获取所述不同场景对应的页面跳转节点；

本实施例中，在所述获取所述不同场景对应的页面跳转节点的步骤之前，所述方法还包括：引入页面解析工具对业务场景对应页面进行解析，获取不同场景对应的js脚本；基于所述js脚本，得到所述不同场景对应的页面跳转节点；为所述页面跳转节点设置节点标识；并通过表单形式为所述页面跳转节点、节点标识、所述场景构建三者间对应关系，以所述三者间对应关系确定所述不同场景对应的页面跳转节点。

通过使用页面解析工具对各页面进行解析，识别解析出的跳转路径，获取页面跳转节点，直接通过js脚本获取页面跳转节点，通过表单形式为所述页面跳转节点、节点标识、所述场景构建三者间对应关系，便于直接以页面跳转节点为监测对象，监测用户的页面跳转请求。

步骤302，以所述页面跳转节点为监测对象，监测跳转目标为所述页面跳转节点对应的场景的请求量和跳转成功的实际次数；

步骤303，获取所述跳转成功时对应跳转请求的请求发出时间点、进入场景时间点；

步骤304，将所述请求量、跳转成功的实际次数、所述请求发出时间点、进入场景时间点作为服务数据。

步骤202，对所述不同场景下的服务数据进行分析，得到用户业务热区,其中，所述用户业务热区即预设时间段内用户访问量或者点击量达到预设阈值的业务场景区域。

本实施例中,所述对所述不同场景下的服务数据进行分析，得到用户业务热区的步骤，具体包括：预设数据上报时间间隔/数据量缓存阈值；判断当前时间点与上一次数据上报时间点间的间隔是否达到所述数据上报时间间隔/预设缓存区内服务数据是否达到预设数据量缓存阈值，若达到，则通过数据上报方式将所述服务数据进行上报；对上报的所述服务数据进行解析，统计不同场景分别对应的所述请求量，并对所有请求量进行排序，筛选出请求量排名前N名的场景，作为用户业务热区，其中，N为正整数。

具体的，假设预设数据上报时间间隔为7天，上次数据上报的时间为2010年6月10日，当前时间为2010年6月17日，则达到数据上述时间间隔，进行服务数据上报，或者预先设置数据量阈值，若服务数据的数据量达到预设阈值，则进行服务数据上报，通过采用数据上报的方式，预先将服务数据缓存在客户端，避免服务端数据量过多，造成服务端压力过大的情况发生。

步骤203，以用户为维度筛选出目标用户。

本实施例中,所述以用户为维度筛选出目标用户的步骤，具体包括：

获取各用户对应的业务数据量，选出业务数据量排名前M名的用户，作为目标用户。

具体的，以财产保险业务为例，存在A用户和B用户，A用户在其财产事项上的投保项目包括20项不同的险种，B用户在其财产事项的投保项目包括10项不同的险种，此时，可以将所述险种数量作为业务数据量，在进行筛选时，优选筛选出A用户作为目标用户。

步骤204，基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件。

本实施例中,所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤，具体包括：预先为所述用户业务热区设置慢请求比例阈值、错误请求率阈值和单元时间下请求量阈值；基于预设监测组件，监测所述用户业务热区的慢请求比例、错误请求率和单元时间下请求量中任一项是否达到对应阈值；若任一项达到对应阈值，则所述用户业务热区达到服务预警条件；若所述项都未达到对应阈值，则所述用户业务热区未达到服务预警条件。

通过预先设置慢请求比例阈值、错误请求率阈值和单元时间下请求量阈值，判断在接收到用户请求时，所述用户业务热区是否达到上述阈值中任一阈值，对用户业务热区进行风险监测，避免用户业务热区风险过高，造成服务质量下滑，保证用户在业务热区处的服务质量满意度。

继续参考图4，图4是图2所示步骤204的一种具体实施方式的流程图，包括步骤：

步骤401，预先为所述用户业务热区设置慢请求比例阈值、错误请求率阈值和单元时间下请求量阈值；

步骤402，基于预设监测组件，监测所述用户业务热区的慢请求比例、错误请求率和单元时间下请求量中任一项是否达到对应阈值；

步骤403，若任一项达到对应阈值，则所述用户业务热区达到服务预警条件；

步骤404，若所述项都未达到对应阈值，则所述用户业务热区未达到服务预警条件。

本实施例中，在所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤之前，所述方法还包括：从预设缓存区获取所述用户业务热区对应的服务数据；基于所述服务数据，获取所述用户业务热区对应的请求量；基于所述服务数据中每次请求成功时对应的请求发出时间点和进入场景时间点，确定每次请求时长；基于预设请求时长阈值和所述请求时长，确定所述用户业务热区对应的慢请求次数，并通过所述慢请求次数和所述请求量，进行比例运算，得到慢请求比例；基于所述请求量和所述跳转成功的实际次数，获取用户在请求进入所述用户业务热区时的未成功次数，并通过所述未成功次数和所述请求量，进行比例运算，得到错误请求率。

通过页面请求信息及服务的响应信息，确定慢请求比例、错误请求率和单元时间下请求量，以慢请求比例、错误请求率和单元时间下请求量作为衡量服务质量的指标，使得衡量指标是通过用户的真实体验而获得，不再依照原有的方式通过对服务性能进行监测，从而确认服务指标，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度。

继续参考图5，示出了本申请在步骤204之前的一种服务数据处理方法的一个实施例的流程图。所述的服务数据处理方法，包括以下步骤：

步骤501，从预设缓存区获取所述用户业务热区对应的服务数据；

步骤502，基于所述服务数据，获取所述用户业务热区对应的请求量；

步骤503，基于所述服务数据中每次请求成功时对应的请求发出时间点和进入场景时间点，确定每次请求时长；

步骤504，基于预设请求时长阈值和所述请求时长，确定所述用户业务热区对应的慢请求次数，并通过所述慢请求次数和所述请求量，进行比例运算，得到慢请求比例；

步骤505，基于所述请求量和所述跳转成功的实际次数，获取用户在请求进入所述用户业务热区时的未成功次数，并通过所述未成功次数和所述请求量，进行比例运算，得到错误请求率。

步骤205，若达到，启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务。

本实施例中，所述启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务的步骤，具体包括：在所述以用户为维度筛选出目标用户的步骤之后，对筛选出的目标用户设定区别标识；基于所述区别标识，筛选出目标用户，并优先为其提供所述用户业务热区优化业务。

通过在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

本申请通过采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

例如，本申请实施例中，可以使用人工智能技术中大数据处理技术对同一时间节点下同一个业务的请求量和请求相关信息进行获取和处理，避免了常规识别时耗时长的问题。

进一步参考图6，作为对上述图2所示方法的实现，本申请提供了一种服务优化装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例所述的服务优化装置600包括：数据采集模块601、业务热区识别模块602、目标用户筛选模块603、判断模块604和优化过滤模块605。其中：

数据采集模块601，用于以业务场景为维度采集不同场景下的服务数据；

业务热区识别模块602，用于对所述不同场景下的服务数据进行分析，得到用户业务热区,其中，所述用户业务热区即预设时间段内用户访问量或者点击量达到预设阈值的业务场景区域；

目标用户筛选模块603，用于以用户为维度筛选出目标用户；

判断模块604，用于基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件；

优化过滤模块605，用于若达到，启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务。

本申请通过采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于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，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等非易失性存储介质，或随机存储记忆体（Random Access Memory，RAM）等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。

所述计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图中仅示出了具有组件71-73的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器 (Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器71可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器71也可以是所述计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）等。当然，所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，所述存储器71通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如服务优化方法的计算机可读指令等。此外，所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器72在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器72用于运行所述存储器71中存储的计算机可读指令或者处理数据，例如运行所述服务优化方法的计算机可读指令。

所述网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在所述计算机设备7与其他电子设备之间建立通信连接。

本实施例提出的计算机设备，属于业务请求风险管控技术领域。本申请通过采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的服务优化方法的步骤。

本实施例提出的计算机可读存储介质，属于业务请求风险管控技术领域。本申请通过采集不同场景下的服务数据进行分析，得到用户业务热区，基于预设服务预警机制，判断用户业务热区是否达到服务预警条件，若达到，启动用户过滤器，识别目标用户优先为其提供用户业务热区优化业务，通过获取服务数据，便于在大数据下衡量业务的服务质量和进行服务风险评估，使得依据标准从服务端性能转换为客户端用户体验，更加贴近用户，保证用户在业务热区处的服务质量满意度，在用户业务热区达到预警条件后，优先为目标用户提供优化业务，避免目标用户的服务质量体验下降，规避目标用户流失。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种服务优化方法，其特征在于，包括下述步骤：

以业务场景为维度采集不同场景下的服务数据；

对所述不同场景下的服务数据进行分析，得到用户业务热区,其中，所述用户业务热区即预设时间段内用户访问量或者点击量达到预设阈值的业务场景区域；

以用户为维度筛选出目标用户；

基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件；

若达到，启动预设用户过滤器，识别出所述目标用户，并为所述目标用户提供所述用户业务热区优化业务。

2.根据权利要求1所述的服务优化方法，其特征在于，所述以业务场景为维度采集不同场景下的服务数据的步骤，具体包括：

获取所述不同场景对应的页面跳转节点；

以所述页面跳转节点为监测对象，监测跳转目标为所述页面跳转节点对应的场景的请求量和跳转成功的实际次数；

获取所述跳转成功时对应跳转请求的请求发出时间点、进入场景时间点；

将所述请求量、跳转成功的实际次数、所述请求发出时间点、进入场景时间点作为服务数据。

3.根据权利要求2所述的服务优化方法，其特征在于，在所述获取所述不同场景对应的页面跳转节点的步骤之前，所述方法还包括：

引入页面解析工具对业务场景对应页面进行解析，获取不同场景对应的js脚本；

基于所述js脚本，得到所述不同场景对应的页面跳转节点；

为所述页面跳转节点设置节点标识；

并通过表单形式为所述页面跳转节点、节点标识、所述场景构建三者间对应关系；

以所述三者间对应关系确定所述不同场景对应的页面跳转节点。

4.根据权利要求2所述的服务优化方法，其特征在于， 所述对所述不同场景下的服务数据进行分析，得到用户业务热区的步骤，具体包括：

预设数据上报时间间隔/数据量缓存阈值；

判断当前时间点与上一次数据上报时间点间的间隔是否达到所述数据上报时间间隔/预设缓存区内服务数据是否达到预设数据量缓存阈值，若达到，则通过数据上报方式将所述服务数据进行上报；

对上报的所述服务数据进行解析，统计不同场景分别对应的所述请求量，并对所有请求量进行排序，筛选出请求量排名前N名的场景，作为用户业务热区，其中，N为正整数。

5.根据权利要求1所述的服务优化方法，其特征在于，所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤，具体包括：

预先为所述用户业务热区设置慢请求比例阈值、错误请求率阈值和单元时间下请求量阈值；

基于预设监测组件，监测所述用户业务热区的慢请求比例、错误请求率和单元时间下请求量中任一项是否达到对应阈值；

若任一项达到对应阈值，则所述用户业务热区达到服务预警条件；

若所述项都未达到对应阈值，则所述用户业务热区未达到服务预警条件。

6.根据权利要求2所述的服务优化方法，其特征在于，在所述基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件的步骤之前，所述方法还包括：

从预设缓存区获取所述用户业务热区对应的服务数据；

基于所述服务数据，获取所述用户业务热区对应的请求量；

基于所述服务数据中每次请求成功时对应的请求发出时间点和进入场景时间点，确定每次请求时长；

基于预设请求时长阈值和所述请求时长，确定所述用户业务热区对应的慢请求次数，并通过所述慢请求次数和所述请求量，进行比例运算，得到慢请求比例；

基于所述请求量和所述跳转成功的实际次数，获取用户在请求进入所述用户业务热区时的未成功次数，并通过所述未成功次数和所述请求量，进行比例运算，得到错误请求率。

7.根据权利要求1所述的服务优化方法，其特征在于，所述启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务的步骤，具体包括：

在所述以用户为维度筛选出目标用户的步骤之后，对筛选出的目标用户设定区别标识；

基于所述区别标识，筛选出目标用户，并优先为其提供所述用户业务热区优化业务。

8.一种服务优化装置，其特征在于，包括：

数据采集模块，用于以业务场景为维度采集不同场景下的服务数据；

业务热区识别模块，用于对所述不同场景下的服务数据进行分析，得到用户业务热区，其中，所述用户业务热区即预设时间段内用户访问量或者点击量达到预设阈值的业务场景区域；

目标用户筛选模块，用于以用户为维度筛选出目标用户；

判断模块，用于基于预设服务预警机制，判断所述用户业务热区是否达到服务预警条件；

优化过滤模块，用于若达到，启动预设用户过滤器，识别所述目标用户优先为其提供所述用户业务热区优化业务。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的服务优化方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的服务优化方法的步骤。