CN116308497A - 数据处理方法及装置 - Google Patents
数据处理方法及装置 Download PDFInfo
- Publication number
- CN116308497A CN116308497A CN202310097678.5A CN202310097678A CN116308497A CN 116308497 A CN116308497 A CN 116308497A CN 202310097678 A CN202310097678 A CN 202310097678A CN 116308497 A CN116308497 A CN 116308497A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- behavior
- questionnaire
- aiming
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 230000006870 function Effects 0.000 claims abstract description 170
- 230000003993 interaction Effects 0.000 claims abstract description 86
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000003542 behavioural effect Effects 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 253
- 238000012545 processing Methods 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 17
- 238000011161 development Methods 0.000 abstract description 8
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000003796 beauty Effects 0.000 description 32
- 230000001960 triggered effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 241000209140 Triticum Species 0.000 description 4
- 235000021307 Triticum Nutrition 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 240000000233 Melia azedarach Species 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供数据处理方法及装置,其中所述数据处理方法应用于服务器,包括:接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;将所述行为调查问卷发送至所述目标用户;避免了不同类型的用户使用同一调查问卷导致的用户评价、意见反馈等不真实,进而,可以构建用户使用该功能的实时评价体系,促进业务功能发展。
Description
技术领域
本申请涉及计算机技术领域,特别涉及数据处理方法。本申请同时涉及数据处理系统,数据处理装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
在某些业务领域中,为了提升平台或应用程序提供服务的能力,需对用户使用某一功能的使用情况、用户评价、意见反馈等进行收集,并根据收集到数据进行分析,以明确影响用户使用该功能体验度的主要影响因素,进而能够适应性调整对应的服务,给用户更好的使用体验。
目前,一般是采用统一的调查问卷进行调研,来收集不同用户使用这一功能的相关数据,但该种方式收集到的数据针对性不强,用户评价或意见反馈的真实性也有所存疑,无法反映用户使用某一功能的真实评价。
发明内容
有鉴于此,本申请实施例提供了数据处理方法。本申请同时涉及数据处理系统,数据处理装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在收集到的数据针对性不强,无法反映用户使用某一功能的真实评价。
根据本申请实施例的第一方面,提供了一种数据处理方法,应用于服务器,包括:
接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;
将所述行为调查问卷发送至所述目标用户。
根据本申请实施例的第二方面,提供了一种数据处理方法,应用于客户端,包括:
确定目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
将所述用户互动行为数据发送至服务器,并接收所述服务器发送的针对所述目标功能的行为调查问卷,其中,所述行为调查问卷基于所述用户互动行为数据生成;
确定所述目标用户针对所述行为调查问卷的用户答复信息,并将所述用户答复信息发送至所述服务器。
根据本申请实施例的第三方面,提供了一种数据处理系统,所述数据处理系统包括客户端和服务器;
所述客户端,被配置为确定目标应用程序针对目标功能的关键事件,获取目标用户针对所述关键事件的用户互动行为数据,并将所述用户互动行为数据上传至所述服务器;
所述服务器,被配置为接收所述用户互动行为数据,并基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;根据所述用户行为标签,生成针对所述目标功能的行为调查问卷;将所述行为调查问卷发送至所述客户端。
根据本申请实施例的第四方面,提供了一种数据处理装置,应用于服务器,包括:
数据接收模块,被配置为接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
问卷生成模块,被配置为基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;
问卷发送模块,被配置为将所述行为调查问卷发送至所述目标用户。
根据本申请实施例的第五方面,提供了一种计算设备,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指令,所述处理器执行所述计算机指令时实现所述数据处理方法的步骤。
根据本申请实施例的第六方面,提供了一种计算机可读存储介质,其存储有计算机指令,该计算机指令被处理器执行时实现所述数据处理方法的步骤。
本申请提供的数据处理方法,应用于服务器,包括:接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;将所述行为调查问卷发送至所述目标用户。
本申请一实施例,通过收集每个用户使用某一功能所触发的关键事件,获取关键事件对应的用户互动行为数据,并根据用户互动行为数据生成针对该功能的行为调查问卷,再将该行为调查问卷投放至目标用户;该种方式通过收集针对用户触发的关键事件对应的行为数据,以构建用户针对某一功能使用的行为标签,为该用户匹配个性化问卷,避免了不同类型的用户使用同一调查问卷导致的用户评价、意见反馈等不真实,进而,可以构建用户使用该功能的实时评价体系,促进业务功能发展。
附图说明
图1是本申请一实施例提供的一种数据处理系统的系统结构示意图;
图2是本申请一实施例提供的一种数据处理方法的流程图;
图3是本申请一实施例提供的一种应用于目标应用程序的数据处理方法的业务流程示意图;
图4是本申请一实施例提供的另一种数据处理方法的流程图;
图5是本申请一实施例提供的一种数据处理装置的结构示意图;
图6是本申请一实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本申请一个或多个实施例涉及的名词术语进行解释。
埋点:又称为事件追踪(EventTracking),指的是针对特定用户行为或事件进行捕获,处理和发送的相关技术及其实施过程。
目前业务领域存在许多工具提供给用户使用,比如应用程序汇总的美颜功能、多人连麦功能、KTV功能等等,但是对这些功能的使用情况、用户评价、意见反馈等,一般只能通过统一的问卷调查进行调研,且该调查问卷中的问题针对性不强,因此无法实时掌控用户使用应用程序的某一功能的状况,同时又缺乏整体性。
基于此,为了能够针对不同的用户快速构建用户实时评价体系,帮助业务功能发展。可针对不同的用户匹配不同的调查问卷,使得调查问卷具有针对性,能够准确地收集到用户使用某一功能的真实评价与感受,以便于后续能够准确构建实时评价体系,帮助业务功能的发展。因此,本申请实施例中可通过用户关键事件上报和数据收集分析归来,构建用户针对关键事件的行为指标,通过行为指标为单个用户匹配个性化问卷,然后通过问卷回收构建实时评价体系。
在本申请中,提供了数据处理方法,本申请同时涉及数据处理系统,数据处理装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1,图1是本申请一实施例提供的一种数据处理系统的系统结构示意图。需要说明的是,图1中的数据处理系统100包括客户端102和服务器104;基于此,用户A可通过数据处理系统100投放的问卷,对使用某一功能的过程和感受进行评价,以便于后续提升业务功能的发展。
实际应用中,所述客户端102,被配置为确定目标应用程序针对目标功能的关键事件,获取目标用户针对所述关键事件的用户互动行为数据,并将所述用户互动行为数据上传至所述服务器;
所述服务器104,被配置为接收所述用户互动行为数据,并基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;根据所述用户行为标签,生成针对所述目标功能的行为调查问卷;将所述行为调查问卷发送至所述客户端。
其中,目标应用程序可以理解为任意一种类型的应用程序,本实施例对此不作限定;目标功能也可以理解为该目标应用程序中所提供的功能服务,比如美颜功能、多人连麦功能等;关键事件可以理解为针对目标功能用户所触发的互动事件,比如开启美颜功能事件、美颜功能使用时长、关闭美颜功能事件等等。
用户互动行为数据可以理解为用户触发关键事件所实时记录的行为数据,比如时间1-开启美颜功能、时间2-使用美颜功能、时间3-开启美颜功能、时间4-关闭美颜功能等;用户行为标签可以理解为描述用户使用该目标功能的属性标签,比如美颜轻度用户、美颜重度用户等。需要说明的是,对用户互动行为数据可以根据同时触发的关键事件个数、或者单一关键事件的时长进行不同等级划分,例如,在预设时间内收集的关键事件为两个,分别为美颜功能触发事件和连麦功能触发事件,那么,在确定用户行为标签时,可以保留这两个不同类别的标签,即美颜、连麦;例如,在预设时间内仅收集单一关键事件均为美颜功能事件,那么,在确定用户行为标签时,同类别的标签可优先保留程度较高的,比如美颜重度用户>美颜轻度用户。上述仅为示例性描述,并不对具体应用场景做进一步限定。
具体实施时,用户A通过客户端102使用目标应用程序中的目标功能,并且客户端102中添加关键事件行为上报埋点,以确定用户A在使用该目标功能时触发的关键事件,并获取到用户A针对该关键事件的用户互动行为数据,并将该用户互动行为数据上传至服务器104;进一步地,服务器104在收集到用户互动行为数据时,可构建用户A针对该关键事件的用户行为标签,并根据该用户行为标签在标签管理模块中匹配对应的标签,由问卷管理模块生成针对该目标功能的行为调查问卷,并将该行为调查问卷投放至客户端102,便于后续用户A通过客户端102填写问卷。
进一步地,所述客户端102,进一步被配置为接收所述目标用户针对所述行为调查问卷的用户答复信息,并将所述用户答复信息发送至所述服务器;
所述服务器104,进一步被配置为基于所述用户答复信息,生成针对所述目标功能的功能评价信息。
实际应用中,客户端102在接收到用户A针对该行为调查问卷的用户答复信息之后,可将该用户答复信息发送至服务器104,需要说明的是,用户答复信息可以理解为用户针对行为调查问卷中的题目回复的信息集合,比如行为调查问卷中包括十个待答复题目,那么用户A针对该十个待答复题目的答复信息集合,可作为用户答复信息发送至服务器;进一步地,服务器104在接收到用户A对应的用户答复信息之后,可根据用户答复信息,生成针对该目标功能的功能评价信息;需要说明的是,功能评价信息可以理解为针对用户反馈的用户答复信息所分析的针对目标功能的功能评价,且该功能评价是具有真实性以及可利用性的,为后续持续优化用户使用体验及用户参与形式提供数据依据。
综上,本申请实施例提供的数据处理系统,通过为不同的用户匹配个性化调查问卷,以收集用户使用某一业务功能的真实评价内容,有效地促进对某一业务功能的发展与应用。
图2示出了根据本申请一实施例提供的一种数据处理方法的流程图,具体包括以下步骤:
需要说明的是,本申请实施例提供的数据处理方法应用于服务器,通过目标用户在客户端中使用目标应用程序中的目标功能的关键事件,构建用户行为标签,并通过用户行为标签为目标用户匹配个性化问卷,便于后续通过问卷回收构建实时评价体系。
步骤202:接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件。
其中,目标应用程序可以理解为任意一种类型的应用程序,本实施例对此不作限定;目标功能也可以理解为该目标应用程序中所提供的功能服务,比如美颜功能、多人连麦功能等;关键事件可以理解为针对目标功能用户所触发的互动行为事件,比如开启美颜功能事件、美颜功能使用时长、关闭美颜功能事件等等。用户互动行为数据可以理解为用户触发关键事件所实时记录的行为数据,比如时间1-开启美颜功能、时间2-使用美颜功能、时间3-开启美颜功能、时间4-关闭美颜功能等。
实际应用中,服务器通过接收到目标用户针对关键事件对应的用户互动行为数据,其中,目标用户为通过客户端使用目标应用程序的用户,包括在目标应用程序中注册的用户或者是非注册的用户,本实施例对此不作限定。
步骤204:基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷。
其中,行为调查问卷可以理解为目标用户使用某一目标功能的调查情况问卷。
实际应用中,服务器在确定每个目标用户对应的用户互动行为数据后,可为该目标用户匹配个性化问卷,生成针对目标功能的行为调查问卷。
进一步地,所述基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷,包括:
基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;
根据所述用户行为标签,生成针对所述目标功能的行为调查问卷。
其中,用户行为标签可以理解为描述用户使用该目标功能的属性标签,比如标签为美颜轻度用户、美颜重度用户等。
实际应用中,服务器在收集到用户针对关键事件对应的用户互动行为数据之后,即可根据用户互动行为数据构建目标用户的用户行为标签,该用户行为标签反映目标用户所触发的关键事件对应的行为属性标签,比如目标用户使用美颜功能触发的关键事件,以反映目标用户使用美颜功能行为的标签,包括但不限于轻度使用者、重度使用者等;需要说明的是,用户行为标签是从任意一个评价角度,描述用户行为属性的标签,本实施例中以用户使用美颜功能的爱好程度来对用户行为进行评价,以区分不用的目标用户,这种描述方式在本申请中作为示例体现,并不做任何限定。
进一步地,用户互动行为数据中可包括目标用户触发各种关键事件对应的属性信息,均可作为构建用户行为标签的参考信息;具体的,所述基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签,包括:
基于所述用户互动行为数据,确定所述关键事件在预设时间周期内对应的事件属性信息,其中,所述事件属性信息包括所述目标用户执行所述关键事件的次数、时长、时间区间、执行位置中的至少一项;
基于所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
实际应用中,服务器根据收集到的用户互动行为数据,可确定出关键事件在预设时间周期内的事件属性信息,需要说明的是,事件属性信息包括所述目标用户执行所述关键事件的次数、时长、时间区间、执行位置中的至少一项,本实施例对此不作限定;进一步地,服务器根据确定的事件属性信息构建该目标用户针对关键事件的用户行为标签。
作为示例,关键事件为“开启美颜功能”时,可通过用户互动行为数据统计1小时内“开启美颜功能”的次数为5次,即事件属性信息可表示:“开启美颜功能”次数-5次。
更进一步地,服务器收集到的用户互动行为数据中,不仅限于包括一个关键事件,还可能包括多个关键事件,用户在使用目标应用程序时,可触发到该目标功能的多个关键事件,对每个关键事件均可生成对应的事件属性信息,以全面地反应用户使用状态;具体的,所述基于所述用户互动行为数据,确定所述关键事件在预设时间周期内对应的事件属性信息,包括:
基于所述用户互动行为数据,确定所述目标用户针对所述目标应用程序的目标功能执行的至少一个关键事件;
确定每个关键事件在预设时间周期内对应的事件属性信息。
实际应用中,服务器可先从用户互动行为数据中,确定出目标用户针对目标应用程序的目标功能执行的过程中的至少一个关键事件,需要强调的是,关键事件是由客户端预先埋点设定的,该服务器仅作为数据收集的一方,对具体的埋点事件等并不做任何处理;进而,服务器可通过统计处理,确定每个关键事件在预设时间周期内对应的事件属性信息。
此外,除了根据关键事件对应的事件属性信息构建目标用户的用户行为标签以外,还可考虑到目标用户自身的用户属性信息,可能会影响后续的用户行为标签;具体的,所述基于所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签,包括:
获取所述目标用户对应的用户属性信息;
基于所述用户属性信息和所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
其中,用户属性信息可以理解为目标用户使用该目标应用程序对应的属性信息,包括账户身份等级信息、使用客户端版本等基础信息;需要说明的是,本申请所涉及的用户属性信息(包括但不限于用户设备信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
实际应用中,服务器可根据用户属性信息和事件属性信息,构建目标用户针对所有关键事件的用户行为标签,比如使用功能次数、使用功能时长、使用功能时间范围、使用功能的位置等等。
进一步地,本申请提供的构建用户行为标签的过程,可通过神经网络模型实现;具体的,所述基于所述用户属性信息和所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签,包括:
将所述用户属性信息和所述事件属性信息,输入预设行为标签生成模型,获得所述目标用户针对所述关键事件的用户行为标签;
其中,所述预设行为标签生成模型为根据所述用户属性信息和所述事件属性信息,匹配所述目标用户针对所述关键事件的行为标签。
需要说明的是,预设行为标签生成模型为预先训练的,可根据目标用户对应的用户属性信息、以及目标用户针对目标功能触发的关键事件对应的事件属性信息,确定的目标用户的用户行为标签,本实施例中对模型的预训练过程并不做限定。
实际应用中,服务器可根据预先配置的预设行为标签生成模型,将确定的目标用户对应的用户属性信息,以及目标用户触发的关键事件对应的事件属性信息输入至该预设行为标签生成模型中即可,便可获得该预设行为标签生成模型输出的用户行为标签。
需要强调的是,本实施例提供的构建用户行为标签的方式仅为示例性表示,并不局限于利用神经网络模型实现,在此不做过多赘述。
基于此,作为示例,用户行为标签可以为[美颜深度用户]标签,其包含[打开美颜]N次,[使用美颜时长]N分钟等。
本实施例提供了两种生成行为调查问卷的方式,但并不局限于这两种方式,第一种是在预设问卷题目数据库中抽取不同的题目,来组成需要该目标用户答复的针对目标功能的行为调查问卷;具体的,所述根据所述用户行为标签,生成针对所述目标功能的行为调查问卷,包括:
根据所述用户行为标签在预设问卷题目数据库中,抽取所述用户行为标签对应的至少一个目标题目;
基于所述至少一个目标题目,生成针对所述目标功能的行为调查问卷。
实际应用中,预设问卷题目数据库中可包含大量的题目,且每个题目均可与用户行为标签相关联,比如题目1-美颜轻度用户、题目2-美颜重度用户等,具体的题目样式与内容,本实施例对此并不做限定。进一步,服务器可抽取与用户行为标签匹配的至少一个目标题目,并将抽取到的目标题目作为调查问卷中的题目,进而生成目标用户使用目标功能的行为调查问卷。需要说明的是,不同目标用户对应的行为调查问卷,针对同一目标功能的题目也可并不相同,比如用户1,针对美颜功能的行为调查问卷中有10道题目;用户2,针对美颜功能的行为调查问卷中有20道题目等。其中,调查问卷的不一致是具有针对性的特点的,可能与目标用户所触发的关键事件或者是用户属性信息相关联,具体的,在此不做限定。
另外,同一个用户也可以有多个用户行为标签,每个用户行为标签均可对应相应的调查问卷题目,若该用户的所有标签对应的问卷题目之间有重合的部分,也可对问卷题目执行去重操作后,再整合形成最终的行为调查问卷。
第二种是在预设调查问卷数据库中匹配一个与目标用户匹配的个性化问卷即可;具体的,所述根据所述用户行为标签,生成针对所述目标功能的行为调查问卷,包括:
根据所述用户行为标签在预设调查问卷数据库中,匹配所述目标功能对应的至少一个待定调查问卷;
根据所述目标用户的用户属性信息在所述至少一个待定调查问卷中,确定行为调查问卷。
实际应用中,预设调查问卷数据库中针对每个目标功能可预先生成不同的调查问卷,比如美颜功能,可对应5套调查问卷,便于服务器后续再根据5套调查问卷筛选出最终的行为调查问卷。具体实施时,可根据用户行为标签匹配出相应的至少一个待定调查问卷,再根据目标用户的用户属性信息在多个待定调查问卷中,确定最终目标用户针对目标功能的行为调查问卷。此外,在确定行为调查问卷时,若某一用户的所有用户行为标签可对应多份调查问卷,也可选择与最多的用户行为标签匹配的调查问卷,作为最终发放至用户的行为调查问卷。
作为示例,[美颜深度用户]标签,可能会推荐功能使用反馈的调查问卷;[美颜轻度用户]标签,可能会推荐使用满意度的调查问卷等。
基于此,根据构建的用户行为标签,为目标用户使用目标功能匹配个性化调查问卷,便于后续实现针对不同的用户快速构建用户实时评价体系。
步骤206:将所述行为调查问卷发送至所述目标用户。
实际应用中,服务器在获取到目标用户针对目标功能的行为调查问卷之后,还可将行为调查问卷发送至目标用户,便于收集目标用户针对行为调查问卷的问卷调查结果。
进一步地,所述将所述行为调查问卷发送至所述目标用户,包括:
将所述行为调查问卷发送至所述目标用户对应的客户端,其中,所述客户端中运行所述目标应用程序。
实际应用中,由于目标用户通过客户端使用目标应用程序中的目标功能,因此,服务器可将生成的行为调查问卷投放至目标用户使用的客户端中,且该客户端中运行着目标应用程序,该目标应用程序也提供目标功能给用户使用。
此外,服务器在回收相应的行为调查问卷后,可根据用户的用户答复信息,构建该目标功能的实时评价体系;具体的,所述将所述行为调查问卷发送至所述目标用户之后,还包括:
接收所述客户端发送的针对所述行为调查问卷对应的用户答复信息;
基于所述用户答复信息,生成针对所述目标功能的功能评价信息。
实际应用中,用户答复信息可以理解为目标用户针对行为调查问卷进行答复的信息,进而,再根据用户答复信息生成针对目标功能的功能评价信息;具体实施时,服务器还可将用户针对行为调查问卷的用户答复信息进行答案整合,比如,可以基于单一问题进行答案统计,再集合同一功能下所有问题答案对功能进行评价,本实施例对此不作限定。需要说明的是,同一功能不同用户的使用过程中,用户所使用的功能情况、用户评价、意见反馈等信息并不一致,因此,为了保证服务器接收到的用户答复信息具有可利用性,为不同的用户匹配相应的个性化调查问卷,便于后续针对目标功能的功能评价信息具有真实性,同时,还具备可利用价值。
综上,本申请实施例提供的数据处理方法,通过收集每个用户使用某一功能所触发的关键事件,获取关键事件对应的用户互动行为数据,并根据用户互动行为数据构建针对该关键事件对应的用户行为标签,并根据该用户行为标签生成针对该功能的行为调查问卷,再将该行为调查问卷投放至目标用户;该种方式通过收集针对用户触发的关键事件对应的行为数据,以构建用户针对某一功能使用的行为标签,为该用户匹配个性化问卷,避免了不同类型的用户使用同一调查问卷导致的用户评价、意见反馈等不真实,进而,可以构建用户使用该功能的实时评价体系,促进业务功能发展。
下述结合附图3,图3示出了本申请一实施例提供的一种应用于目标应用程序的数据处理方法的业务流程示意图。
图3中的“功能玩法”可以理解为目标用户使用目标应用程序中的某一功能玩法,由于客户端中添加关键事件行为上报埋点,用户使用该功能玩法或关键行为时,触发行为数据上报,将用户行为数据进行收集,并对该用户行为数据进行数据分析处理其中,关键事件可根据业务功能定义,比如我们有一个”美颜”业务功能,就会定义“打开美颜”,”关闭美颜”,“使用美颜时长达5分钟”等用户行为确定为关键事件。
进一步地,服务器收到用户数据上报后,可计算一定时间周期内的用户关键操作行为,并根据用户基础数据维度进行数据指标建设;需要说明的是,指标构建时基于用户触发了哪些关键事件的一个集合,一个指标里会包含多个关键事件,比如:[美颜深度用户]指标,包含[打开美颜]N次、[使用美颜时长]N分钟等。根据指标匹配个性化问卷,下发至投放渠道管理模块,同时,问卷管理模块可将个性化问卷投放至客户端;需要说明的是,功能玩法中所涉及数据可发送至问卷管理模块,用于问卷的生成;数据指标建设与投放渠道管理模块均可理解为对上报的用户数据进行数据分析的过程。
最后,用户收到个性化问卷后,填写完成并提交到服务器,服务器基于收集的问卷数据,衡量用户对于功能玩法的评价。为后续持续优化用户使用体验及用户参与形式提供数据依据。
图4示出了根据本申请一实施例提供的一种数据处理方法的流程图,具体包括以下步骤:
需要说明的是,本申请实施例提供的数据处理方法应用于客户端,不仅可以收集用户针对某一功能的互动行为数据,还可接收到针对该功能的行为调查问卷,并收集用户针对该行为调查问卷的用户答复信息。
步骤402:确定目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件。
步骤404:将所述用户互动行为数据发送至服务器,并接收所述服务器发送的针对所述目标功能的行为调查问卷,其中,所述行为调查问卷基于所述用户互动行为数据生成。
步骤406:确定所述目标用户针对所述行为调查问卷的用户答复信息,并将所述用户答复信息发送至所述服务器。
综上,客户端通过将用户互动行为数据反馈至服务器之后,还可接收到服务器返回的行为调查问卷,能够全方面地为用户匹配个性化的调查问卷,以实现对目标功能的准确性评价。
与上述方法实施例相对应,本申请还提供了数据处理装置实施例,图5示出了本申请一实施例提供的一种数据处理装置的结构示意图。如图5所示,该装置包括:
数据接收模块502,被配置为接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
问卷生成模块504,被配置为基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;
问卷发送模块506,被配置为将所述行为调查问卷发送至所述目标用户。
可选地,所述问卷生成模块504,进一步被配置为:
基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;
根据所述用户行为标签,生成针对所述目标功能的行为调查问卷。
可选地,所述问卷生成模块504,进一步被配置为:
基于所述用户互动行为数据,确定所述关键事件在预设时间周期内对应的事件属性信息,其中,所述事件属性信息包括所述目标用户执行所述关键事件的次数、时长、时间区间、执行位置中的至少一项;
基于所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
可选地,所述问卷生成模块504,进一步被配置为:
获取所述目标用户对应的用户属性信息;
基于所述用户属性信息和所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
可选地,所述问卷生成模块504,进一步被配置为:
将所述用户属性信息和所述事件属性信息,输入预设行为标签生成模型,获得所述目标用户针对所述关键事件的用户行为标签;
其中,所述预设行为标签生成模型为根据所述用户属性信息和所述事件属性信息,匹配所述目标用户针对所述关键事件的行为标签。
可选地,所述问卷生成模块504,进一步被配置为:
基于所述用户互动行为数据,确定所述目标用户针对所述目标应用程序的目标功能执行的至少一个关键事件;
确定每个关键事件在预设时间周期内对应的事件属性信息。
可选地,所述问卷生成模块504,进一步被配置为:
根据所述用户行为标签在预设问卷题目数据库中,抽取所述用户行为标签对应的至少一个目标题目;
基于所述至少一个目标题目,生成针对所述目标功能的行为调查问卷。
可选地,所述问卷生成模块504,进一步被配置为:
根据所述用户行为标签在预设调查问卷数据库中,匹配所述目标功能对应的至少一个待定调查问卷;
根据所述目标用户的用户属性信息在所述至少一个待定调查问卷中,确定行为调查问卷。
可选地,所述问卷发送模块506,进一步被配置为:
将所述行为调查问卷发送至所述目标用户对应的客户端,其中,所述客户端中运行所述目标应用程序。
可选地,所述装置,还包括:
评价分析模块,被配置为接收所述客户端发送的针对所述行为调查问卷对应的用户答复信息;
基于所述用户答复信息,生成针对所述目标功能的功能评价信息。
本申请实施例提供的数据处理装置,通过收集每个用户使用某一功能所触发的关键事件,获取关键事件对应的用户互动行为数据,并根据用户互动行为数据生成针对该功能的行为调查问卷,再将该行为调查问卷投放至目标用户;该种方式通过收集针对用户触发的关键事件对应的行为数据,以构建用户针对某一功能使用的行为标签,为该用户匹配个性化问卷,避免了不同类型的用户使用同一调查问卷导致的用户评价、意见反馈等不真实,进而,可以构建用户使用该功能的实时评价体系,促进业务功能发展。
上述为本实施例的一种数据处理装置的示意性方案。需要说明的是,该数据处理装置的技术方案与上述的数据处理方法的技术方案属于同一构思,数据处理装置的技术方案未详细描述的细节内容,均可以参见上述数据处理方法的技术方案的描述。
图6示出了根据本申请一实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN,PublicSwitchedTelephoneNetwork)、局域网(LAN,LocalAreaNetwork)、广域网(WAN,WideAreaNetwork)、个域网(PAN,PersonalAreaNetwork)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC,networkinterfacecontroller))中的一个或多个,诸如IEEE802.11无线局域网(WLAN,WirelessLocalAreaNetwork)无线接口、全球微波互联接入(Wi-MAX,WorldwideInteroperabilityforMicrowaveAccess)接口、以太网接口、通用串行总线(USB,UniversalSerialBus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC,NearFieldCommunication)接口,等等。
在本申请的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本申请范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或个人计算机(PC,PersonalComputer)的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
其中,处理器620执行所述计算机指令时实现所述的数据处理方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的数据处理方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述数据处理方法的技术方案的描述。
本申请一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该计算机指令被处理器执行时实现如前所述数据处理方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的数据处理方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述数据处理方法的技术方案的描述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本申请的内容,可作很多的修改和变化。本申请选取并具体描述这些实施例,是为了更好地解释本申请的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。
Claims (16)
1.一种数据处理方法,其特征在于,应用于服务器,包括:
接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;
将所述行为调查问卷发送至所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷,包括:
基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;
根据所述用户行为标签,生成针对所述目标功能的行为调查问卷。
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签,包括:
基于所述用户互动行为数据,确定所述关键事件在预设时间周期内对应的事件属性信息,其中,所述事件属性信息包括所述目标用户执行所述关键事件的次数、时长、时间区间、执行位置中的至少一项;
基于所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
4.根据权利要求3所述的方法,其特征在于,所述基于所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签,包括:
获取所述目标用户对应的用户属性信息;
基于所述用户属性信息和所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签。
5.根据权利要求4所述的方法,其特征在于,所述基于所述用户属性信息和所述事件属性信息,构建所述目标用户针对所述关键事件的用户行为标签,包括:
将所述用户属性信息和所述事件属性信息,输入预设行为标签生成模型,获得所述目标用户针对所述关键事件的用户行为标签;
其中,所述预设行为标签生成模型为根据所述用户属性信息和所述事件属性信息,匹配所述目标用户针对所述关键事件的行为标签。
6.根据权利要求3所述的方法,其特征在于,所述基于所述用户互动行为数据,确定所述关键事件在预设时间周期内对应的事件属性信息,包括:
基于所述用户互动行为数据,确定所述目标用户针对所述目标应用程序的目标功能执行的至少一个关键事件;
确定每个关键事件在预设时间周期内对应的事件属性信息。
7.根据权利要求1-6任意一项所述的方法,其特征在于,所述根据所述用户行为标签,生成针对所述目标功能的行为调查问卷,包括:
根据所述用户行为标签在预设问卷题目数据库中,抽取所述用户行为标签对应的至少一个目标题目;
基于所述至少一个目标题目,生成针对所述目标功能的行为调查问卷。
8.根据权利要求1-6任意一项所述的方法,其特征在于,所述根据所述用户行为标签,生成针对所述目标功能的行为调查问卷,包括:
根据所述用户行为标签在预设调查问卷数据库中,匹配所述目标功能对应的至少一个待定调查问卷;
根据所述目标用户的用户属性信息在所述至少一个待定调查问卷中,确定行为调查问卷。
9.根据权利要求1所述的方法,其特征在于,所述将所述行为调查问卷发送至所述目标用户,包括:
将所述行为调查问卷发送至所述目标用户对应的客户端,其中,所述客户端中运行所述目标应用程序。
10.根据权利要求9所述的方法,其特征在于,所述将所述行为调查问卷发送至所述目标用户之后,还包括:
接收所述客户端发送的针对所述行为调查问卷对应的用户答复信息;
基于所述用户答复信息,生成针对所述目标功能的功能评价信息。
11.一种数据处理方法,其特征在于,应用于客户端,包括:
确定目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
将所述用户互动行为数据发送至服务器,并接收所述服务器发送的针对所述目标功能的行为调查问卷,其中,所述行为调查问卷基于所述用户互动行为数据生成;
确定所述目标用户针对所述行为调查问卷的用户答复信息,并将所述用户答复信息发送至所述服务器。
12.一种数据处理系统,其特征在于,所述数据处理系统包括客户端和服务器;
所述客户端,被配置为确定目标应用程序针对目标功能的关键事件,获取目标用户针对所述关键事件的用户互动行为数据,并将所述用户互动行为数据上传至所述服务器;
所述服务器,被配置为接收所述用户互动行为数据,并基于所述用户互动行为数据,构建所述目标用户针对所述关键事件的用户行为标签;根据所述用户行为标签,生成针对所述目标功能的行为调查问卷;将所述行为调查问卷发送至所述客户端。
13.根据权利要求12所述的系统,其特征在于,所述客户端,进一步被配置为接收所述目标用户针对所述行为调查问卷的用户答复信息,并将所述用户答复信息发送至所述服务器;
所述服务器,进一步被配置为基于所述用户答复信息,生成针对所述目标功能的功能评价信息。
14.一种数据处理装置,其特征在于,应用于服务器,包括:
数据接收模块,被配置为接收目标用户针对关键事件的用户互动行为数据,其中,所述关键事件包括针对目标应用程序的目标功能的互动行为事件;
问卷生成模块,被配置为基于所述用户互动行为数据,生成针对所述目标功能的行为调查问卷;
问卷发送模块,被配置为将所述行为调查问卷发送至所述目标用户。
15.一种计算设备,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指令,其特征在于,所述处理器执行所述计算机指令时实现权利要求1-10或11任意一项所述方法的步骤。
16.一种计算机可读存储介质,其存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-10或11任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097678.5A CN116308497A (zh) | 2023-02-01 | 2023-02-01 | 数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097678.5A CN116308497A (zh) | 2023-02-01 | 2023-02-01 | 数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116308497A true CN116308497A (zh) | 2023-06-23 |
Family
ID=86824879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310097678.5A Pending CN116308497A (zh) | 2023-02-01 | 2023-02-01 | 数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308497A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195907A (zh) * | 2023-08-15 | 2023-12-08 | 广东省粤正评估咨询有限公司 | 应用于市场调查处理系统的调查问卷分析方法及系统 |
CN117557005A (zh) * | 2024-01-08 | 2024-02-13 | 北京沃东天骏信息技术有限公司 | 调研数据处理方法、装置和存储介质 |
CN117670396A (zh) * | 2023-12-01 | 2024-03-08 | 广州方舟信息科技有限公司 | 电商平台调查问卷生成方法、装置、电子设备和存储介质 |
-
2023
- 2023-02-01 CN CN202310097678.5A patent/CN116308497A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195907A (zh) * | 2023-08-15 | 2023-12-08 | 广东省粤正评估咨询有限公司 | 应用于市场调查处理系统的调查问卷分析方法及系统 |
CN117195907B (zh) * | 2023-08-15 | 2024-04-02 | 广东省粤正评估咨询有限公司 | 应用于市场调查处理系统的调查问卷分析方法及系统 |
CN117670396A (zh) * | 2023-12-01 | 2024-03-08 | 广州方舟信息科技有限公司 | 电商平台调查问卷生成方法、装置、电子设备和存储介质 |
CN117557005A (zh) * | 2024-01-08 | 2024-02-13 | 北京沃东天骏信息技术有限公司 | 调研数据处理方法、装置和存储介质 |
CN117557005B (zh) * | 2024-01-08 | 2024-05-17 | 北京沃东天骏信息技术有限公司 | 调研数据处理方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245213B (zh) | 调查问卷生成方法、装置、设备和存储介质 | |
US11574139B2 (en) | Information pushing method, storage medium and server | |
CN116308497A (zh) | 数据处理方法及装置 | |
CN111125512B (zh) | 业务推荐处理方法、装置及系统 | |
CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
CN107862423B (zh) | 系统评估方法、智能评估系统及计算机可读存储介质 | |
CN110895568B (zh) | 处理庭审记录的方法和系统 | |
CN111026853B (zh) | 目标问题的确定方法、装置、服务器和客服机器人 | |
WO2022048515A1 (zh) | 一种测评实现方法、装置和存储介质 | |
CN110543550B (zh) | 自动生成试题的方法和装置 | |
CN111522735B (zh) | 测试实验的分流方法及装置 | |
CN111539774A (zh) | 无形资产的价值评估方法、系统、终端设备及存储介质 | |
CN111192170B (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN114331512A (zh) | 一种可视化数据建模及大数据画像的方法 | |
CN106294406A (zh) | 一种用于处理应用访问数据的方法与设备 | |
CN113204699B (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN117611272A (zh) | 商品推荐方法、装置及电子设备 | |
CN112215509A (zh) | 资源参数的确定方法、装置及设备 | |
CN117079772A (zh) | 一种基于社区矫正对象心理评估分析的智慧矫正系统及终端 | |
CN113407772A (zh) | 视频推荐模型的生成方法、视频推荐方法、装置 | |
CN115408606A (zh) | 保险信息推送方法、装置、存储介质及计算机设备 | |
CN114490288A (zh) | 一种基于用户操作行为的信息匹配方法及装置 | |
CN111078972B (zh) | 提问行为数据的获取方法、装置和服务器 | |
CN113792211A (zh) | 一种资源推送处理方法、装置、电子设备及存储介质 |
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 |