CN116048650A - 一种积分系统中基于用户行为监测的应用动态分级方法 - Google Patents
一种积分系统中基于用户行为监测的应用动态分级方法 Download PDFInfo
- Publication number
- CN116048650A CN116048650A CN202211495324.8A CN202211495324A CN116048650A CN 116048650 A CN116048650 A CN 116048650A CN 202211495324 A CN202211495324 A CN 202211495324A CN 116048650 A CN116048650 A CN 116048650A
- Authority
- CN
- China
- Prior art keywords
- application
- user behavior
- user
- dynamic
- different
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种积分系统中基于用户行为监测的应用动态分级方法。在积分应用服务的路径中,实时采集用户行为,并对用户行为进行分析处理和量化计算,根据设定的应用分级模型进行匹配,得到各应用实时动态的分级结果。本发明包括积分用户行为实时采集模块、用户行为量化分析处理模块、应用分级模型及计算模块、应用动态分级判定模块。
Description
技术领域
本发明涉及积分领域,特别是涉及一种积分系统中基于用户行为监测的应用动态分级方法。
背景技术
随着互联网信息时代的到来,App应用和移动应用占领了市场的绝大部分份额,截止2021年,从市场应用软件来分析:移动应用占市场的58%,社交应用、教育应用、生活服务等占比42%,在这些应用中最突出的是游戏类的应用,一直保持领先。占全部应用的24%,日常生活、电商排其次,在目前的移动应用排名前三,分别占全部移动应用的15%和11%,现在市场上的生活类服务应用已经超过了社交类的应用了,排到了第四的位置。
随着智能手机的普能,智能手机改变了我们的生活方式,也给你们生活提供了非常多的便利,现在从衣、食、住 、行都可以通过手机app应用来实现,不需要出门就能实现上工作以及生活上面的非常的需求。随着人们的物质生活的不断提升,app应用直接给我们的生活带来了便利,当然App应用现在是分很多的类型的,主要有游戏类、社交类、购物类、工具类等。
除了应用分类外,在互联网业务运营体系中,通常都会考虑应用分级,以便更好的服务支撑重点和重要应用,构建良好有序的应用生态。
在积分业务运营系统中,也构建了传统的应用分级方法。以积分用户需求、积分运营规则和业务发展作为分级背景和需求,对积分系统中的大量应用进行了分级定义。但都参考的传统静态分级的方法,一旦定义后基本不变或者只根据考核规则进行终末调整,无法在运营过程中,根据重要的用户行为来实时判定市场用户对应用的需求、喜好程度,以此来对应用进行实时动态的分级定义和调整。本发明专利正是基于此背景和需求,实现在积分系统中,通过实时监测用户行为,设定评估模型和量化计算后,获得各应用的动态分级定义。
发明内容
本发明提供了一种积分系统中基于用户行为监测的应用动态分级方法。在积分应用服务的路径中,实时采集用户行为,并对用户行为进行分析处理和量化计算,根据设定的应用分级模型进行匹配,得到各应用实时动态的分级结果。本发明包括积分用户行为实时采集模块、用户行为量化分析处理模块、应用分级模型及计算模块、应用动态分级判定模块。
1、积分用户行为实时采集模块:
在积分应用服务的路径中,设定用户行为采集点,对用户行为进行实时采集和汇聚,给用户行为量化分析处理模块提供原始数据信息。按照积分业务系统特征,可以构建以下用户行为采集点模型(如图1所示)。
其中,结合积分服务场景和应用管理要求,对应用ID、采集点ID、用户类型、终端类型等,设置以下映射模型:
(1)应用ID映射模型设置:应用ID由积分运营管理平台统一顺序设置,确保各应用ID的全局唯一性,其对应的应用类型S_T是应用申请时明确的类型(如图2所示)。
(2)采集点ID映射模型设置:设置采集点为3种类型:业务浏览型(V),业务订购型(O),积分支付型(P)。各应用可以针对以上3种类型,在业务访问流程的最大访问节点中,设置用户行为数据采集点(如图3所示)。
(3)用户类型设置:用户类型定义为2种:登录会员类型及匿名游客访问类型。默认登录用户为积分会员用户。
(4)终端类型设置:通过用户访问DPI信息中,获取用户访问操作系统(OS)及浏览器信息,映射到用户访问终端类型。用户访问终端类型设置为3类,分别代表用户使用不同终端进行业务访问,3类终端分别定义如图4所示。
2、用户行为量化分析处理模块:以积分应用ID为索引,对采集和汇聚的用户行为数据进行标签化预处理,提炼出应用分级模型及计算模块中,各纬度数据(模型因子)的基础数据,并进行统计、归类,便于应用分级模型及计算模块进行计算处理。设置各纬度数据(模型因子),形成以应用ID为索引,在不同访问终端类型及不用业务类型下的日均访问量数据分布(如图5所示)。
3、应用分级模型及计算模块:首先,设置不用终端类型、不通业务访问类型的不同权重值,便于体现不同用户行为的重要性、价值性的区分。
(1)不同用户终端的权重设置。权重值可以通过相关管理平台进行灵活设定,并可以区分到不同的业务类别进行差异化、个性化设定,体现不同业务类型对终端访问场景的个性化体现。
(2)不同业务访问类型的权重设置。权重值可以通过相关管理平台进行灵活设定。
以当前实时时间前移1个月,作为各因子的滑动时间窗口,统计并计算出各应用ID下的各因子数值:
(1)日均PV统计和换算:∑(PV_SID)/30 =PV_A*Q_A*Q_V+PV_A*Q_A*Q_O+PV_A*Q_A*Q_P+PV_B*Q_B*Q_V+PV_B*Q_B*Q_O+PV_B*Q_B*Q_P+PV_C*Q_C*Q_V+PV_C*Q_C*Q_O+PV_C*Q_C*Q_P;
(2)日均UV统计和换算:∑(UV_SID)/30 =UV_A*Q_A*Q_V+UV_A*Q_A*Q_O+UV_A*Q_A*Q_P+UV_B*Q_B*Q_V+UV_B*Q_B*Q_O+UV_B*Q_B*Q_P+UV_C*Q_C*Q_V+UV_C*Q_C*Q_O+UV_C*Q_C*Q_P;
(3)应用访问热度计算及应用分级配置模型:计算应用访问热度H(SID)=∑(PV_SID)/30 * Q_PV+∑(UV_SID)/30 *Q_UV。其中Q_PV、Q_UV为对应的日均PV、日均UV的不同权重。权重值可以通过相关管理平台进行灵活设定。
4、应用动态分级判定模块:设置不同应用访问热度区间,对应的应用分级模型(如图8所示)。
最后,根据应用ID,映射对应的应用类型,得出各应用类型中,不同应用的级别动态排序。结合应用分级联动的相关系统,根据滑动时间窗口内,不同应用级别的动态评定结果,进行响应的资源配置及应用管理、处理等(如告警、下线等),得到动态、最优的积分应用管理效果。
附图说明
图1 为用户行为采集点模型示意图。
图2 为应用ID映射模型设置图。
图3 为采集点ID映射模型设置图。
图4 为3类终端分别定义图。
图5 为不同访问终端类型及不用业务类型下的日均访问量数据分布图。
图6 为不同用户终端的权重设置图。
图7 为不同业务访问类型的权重设置图。
图8 为不同应用访问热度区间对应的应用分级模型图。
图9 为一种积分系统中基于用户行为监测的应用动态分级方法结构图。
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。
请参阅图9,本发明实施实例中,一种积分系统中基于用户行为监测的应用动态分级方法,在积分应用服务的路径中,实时采集用户行为,并对用户行为进行分析处理和量化计算,根据设定的应用分级模型进行匹配,得到各应用实时动态的分级结果。本发明包括积分用户行为实时采集模块(S01)、用户行为量化分析处理模块(S02)、应用分级模型及计算模块(S03)、应用动态分级判定模块(S04)。
1、积分用户行为实时采集模块(S01):在积分应用服务的路径中,设定用户行为采集点,对用户行为进行实时采集和汇聚,给用户行为量化分析处理模块(S02)提供原始数据信息。按照积分业务系统特征,可以构建以下用户行为采集点模型(如图1所示)。
其中,结合积分服务场景和应用管理要求,对应用ID、采集点ID、用户类型、终端类型等,设置以下映射模型:
(1)应用ID映射模型设置:应用ID由积分运营管理平台统一顺序设置,确保各应用ID的全局唯一性,其对应的应用类型S_T是应用申请时明确的类型(如图2所示);
(2)采集点ID映射模型设置:设置采集点为3种类型:业务浏览型(V),业务订购型(O),积分支付型(P)。各应用可以针对以上3种类型,在业务访问流程的最大访问节点中,设置用户行为数据采集点(如图3所示);
(3)用户类型设置:用户类型定义为2种:登录会员类型及匿名游客访问类型。默认登录用户为积分会员用户;
(4)终端类型设置:通过用户访问DPI信息中,获取用户访问操作系统(OS)及浏览器信息,映射到用户访问终端类型。用户访问终端类型设置为3类,分别代表用户使用不同终端进行业务访问,3类终端分别定义如图4所示。
2、用户行为量化分析处理模块(S02):以积分应用ID为索引,对采集和汇聚的用户行为数据进行标签化预处理,提炼出应用分级模型及计算模块(S03)中,各纬度数据(模型因子)的基础数据,并进行统计、归类,便于应用分级模型及计算模块进行计算处理。设置各纬度数据(模型因子)如图5所示(形成以应用ID为索引,在不同访问终端类型及不用业务类型下的日均访问量数据分布)。
3、应用分级模型及计算模块(S03):首先,设置不用终端类型、不通业务访问类型的不同权重值,便于体现不同用户行为的重要性、价值性的区分。
(1)不同用户终端的权重设置。权重值可以通过相关管理平台进行灵活设定,并可以区分到不同的业务类别进行差异化、个性化设定,体现不同业务类型对终端访问场景的个性化体现(如图6所示)。
(2)不同业务访问类型的权重设置。权重值可以通过相关管理平台进行灵活设定(如图7所示)。
以当前实时时间前移1个月,作为各因子的滑动时间窗口,统计并计算出各应用ID下的各因子数值:
(1)日均PV统计和换算:∑(PV_SID)/30 =PV_A*Q_A*Q_V+PV_A*Q_A*Q_O+PV_A*Q_A*Q_P+PV_B*Q_B*Q_V+PV_B*Q_B*Q_O+PV_B*Q_B*Q_P+PV_C*Q_C*Q_V+PV_C*Q_C*Q_O+PV_C*Q_C*Q_P;
(2)日均UV统计和换算:∑(UV_SID)/30 =UV_A*Q_A*Q_V+UV_A*Q_A*Q_O+UV_A*Q_A*Q_P+UV_B*Q_B*Q_V+UV_B*Q_B*Q_O+UV_B*Q_B*Q_P+UV_C*Q_C*Q_V+UV_C*Q_C*Q_O+UV_C*Q_C*Q_P;
(3)应用访问热度计算及应用分级配置模型:计算应用访问热度H(SID)=∑(PV_SID)/30 * Q_PV+∑(UV_SID)/30 *Q_UV。其中Q_PV、Q_UV为对应的日均PV、日均UV的不同权重。权重值可以通过相关管理平台进行灵活设定。
4、应用动态分级判定模块(S04):设置不应用访问热度区间,对应的应用分级模型(如图8所示)。
最后,根据应用ID,映射对应的应用类型,得出各应用类型中,不同应用的级别动态排序。结合应用分级联动的相关系统,根据滑动时间窗口内,不同应用级别的动态评定结果,进行响应的资源配置及应用管理、处理等(如告警、下线等),得到动态、最优的积分应用管理效果。
Claims (7)
1.一种积分系统中基于用户行为监测的应用动态分级方法,其特征在于:在积分应用服务的路径中,实时采集用户行为,并对用户行为进行分析处理和量化计算,根据设定的应用分级模型进行匹配,得到各应用实时动态的分级结果。
2.本发明包括积分用户行为实时采集模块、用户行为量化分析处理模块、应用分级模型及计算模块、应用动态分级判定模块。
3.根据权利要求1所述的一种积分系统中基于用户行为监测的应用动态分级方法,其特征在于:积分用户行为实时采集模块:在积分应用服务的路径中,设定用户行为采集点,对用户行为进行实时采集和汇聚,给用户行为量化分析处理模块提供原始数据信息。
4.根据权利要求1所述的一种积分系统中基于用户行为监测的应用动态分级方法,其特征在于:用户行为量化分析处理模块:以积分应用ID为索引,对采集和汇聚的用户行为数据进行标签化预处理,提炼出应用分级模型中,各纬度数据(模型因子)的基础数据,并进行统计、归类,便于应用分级模型及计算模块进行计算处理。
5.根据权利要求1所述的一种积分系统中基于用户行为监测的应用动态分级方法,其特征在于:应用分级模型及计算模块:首先,设置不用终端类型、不通业务访问类型的不同权重值,便于体现不同用户行为的重要性、价值性的区分;(1)不同用户终端的权重设置:权重值可以通过相关管理平台进行灵活设定,并可以区分到不同的业务类别进行差异化、个性化设定,体现不同业务类型对终端访问场景的个性化体现;(2)不同业务访问类型的权重设置,权重值可以通过相关管理平台进行灵活设定:以当前实时时间前移1个月,作为各因子的滑动时间窗口,统计并计算出各应用ID下的各因子数值:
(1)日均PV统计和换算:∑(PV_SID)/30 =PV_A*Q_A*Q_V+PV_A*Q_A*Q_O+PV_A*Q_A*Q_P+PV_B*Q_B*Q_V+PV_B*Q_B*Q_O+PV_B*Q_B*Q_P+PV_C*Q_C*Q_V+PV_C*Q_C*Q_O+PV_C*Q_C*Q_P;
(2)日均UV统计和换算:∑(UV_SID)/30 =UV_A*Q_A*Q_V+UV_A*Q_A*Q_O+UV_A*Q_A*Q_P+UV_B*Q_B*Q_V+UV_B*Q_B*Q_O+UV_B*Q_B*Q_P+UV_C*Q_C*Q_V+UV_C*Q_C*Q_O+UV_C*Q_C*Q_P;
(3)应用访问热度计算及应用分级配置模型:计算应用访问热度H(SID)=∑(PV_SID)/30 * Q_PV+∑(UV_SID)/30 *Q_UV;其中Q_PV、Q_UV为对应的日均PV、日均UV的不同权重;权重值可以通过相关管理平台进行灵活设定。
6.根据权利要求1所述的一种积分系统中基于用户行为监测的应用动态分级方法,其特征在于:应用动态分级判定模块:设置不应用访问热度区间,最后,根据应用ID,映射对应的应用类型,得出各应用类型中,不同应用的级别动态排序。
7.结合应用分级联动的相关系统,根据滑动时间窗口内,不同应用级别的动态评定结果,进行响应的资源配置及应用管理、处理等(如告警、下线等),得到动态、最优的积分应用管理效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211495324.8A CN116048650A (zh) | 2022-11-27 | 2022-11-27 | 一种积分系统中基于用户行为监测的应用动态分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211495324.8A CN116048650A (zh) | 2022-11-27 | 2022-11-27 | 一种积分系统中基于用户行为监测的应用动态分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116048650A true CN116048650A (zh) | 2023-05-02 |
Family
ID=86124517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211495324.8A Pending CN116048650A (zh) | 2022-11-27 | 2022-11-27 | 一种积分系统中基于用户行为监测的应用动态分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116048650A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350351A (zh) * | 2023-12-04 | 2024-01-05 | 支付宝(杭州)信息技术有限公司 | 用户响应预测系统的训练方法、用户响应预测方法及装置 |
-
2022
- 2022-11-27 CN CN202211495324.8A patent/CN116048650A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350351A (zh) * | 2023-12-04 | 2024-01-05 | 支付宝(杭州)信息技术有限公司 | 用户响应预测系统的训练方法、用户响应预测方法及装置 |
CN117350351B (zh) * | 2023-12-04 | 2024-03-05 | 支付宝(杭州)信息技术有限公司 | 用户响应预测系统的训练方法、用户响应预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth | |
CN107818344B (zh) | 用户行为进行分类和预测的方法和系统 | |
CN106530010B (zh) | 融合时间因素的协同过滤方法和装置 | |
CN108874959B (zh) | 一种基于大数据技术的用户动态兴趣模型建立方法 | |
CN107515915B (zh) | 基于用户行为数据的用户标识关联方法 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN107896153B (zh) | 一种基于移动用户上网行为的流量套餐推荐方法及装置 | |
CN109344998A (zh) | 一种基于医疗美容场景的客户违约概率预测方法 | |
CN103678618A (zh) | 一种基于社交网络平台的Web服务推荐方法 | |
CN111666351A (zh) | 基于用户行为数据的模糊聚类系统 | |
CN109903127A (zh) | 一种群组推荐方法、装置、存储介质及服务器 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN105335518A (zh) | 生成用户偏好信息的方法及装置 | |
CN113312531A (zh) | 一种基于dpi解析与决策树模型的用户画像识别方法 | |
CN109815987A (zh) | 一种人群分类方法和分类系统 | |
CN111159561A (zh) | 根据用户行为和用户画像构建推荐引擎的方法 | |
CN116048650A (zh) | 一种积分系统中基于用户行为监测的应用动态分级方法 | |
CN110895706B (zh) | 一种目标聚类数的获取方法、装置及计算机系统 | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
CN105389714B (zh) | 一种从行为数据识别用户特性的方法 | |
CN115098777A (zh) | 一种基于数据分析的用户个性化推荐方法和系统 | |
CN109325177B (zh) | 信息推送方法、系统、可读存储介质和计算机设备 | |
Straccamore et al. | Urban economic fitness and complexity from patent data | |
CN112686690A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN115062013A (zh) | 信息推荐方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |