CN116843219A - 埋点数据分析方法、装置、设备及存储介质 - Google Patents
埋点数据分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116843219A CN116843219A CN202310793245.3A CN202310793245A CN116843219A CN 116843219 A CN116843219 A CN 116843219A CN 202310793245 A CN202310793245 A CN 202310793245A CN 116843219 A CN116843219 A CN 116843219A
- Authority
- CN
- China
- Prior art keywords
- service
- buried point
- event
- buried
- index set
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 72
- 230000010354 integration Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000007689 inspection Methods 0.000 claims description 35
- 238000011161 development Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 16
- 238000007726 management method Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013480 data collection Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009960 carding Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及金融科技领域的人工智能技术，揭露了一种埋点数据分析方法，包括：对业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，对标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件，对埋点事件进行埋点规范检查及SDK集成，得到集成埋点事件，对集成埋点事件进行埋点测试，将埋点测试通过的集成埋点事件发布至预设业务页面，接收业务页面收集的业务数据并分析，得到业务分析结果。本发明还涉及区块链技术，所述业务分析结果可存储在区块链的节点中。本发明还提出一种埋点数据分析装置、电子设备以及可读存储介质。本发明可以提高数据分析的效率，例如在金融农险领域，可以提高对农险数据分析的效率。
Description
技术领域
本发明涉及金融科技及人工智能技术领域，尤其涉及一种埋点数据分析方法、装置、电子设备及可读存储介质。
背景技术
随着人工智能的发展，数据量不断增加，不同领域数据分析也变得越来越重要，例如，金融领域的农险场景下，需要不断收集相应农险产品的数据进行分析，给出分析结果。
现有技术中，数据分析变得越来越智能化，可以通过埋点来自动收集页面的数据，然而现有埋点方案存在以下问题：随着业务指标的增加，人工梳理业务指标并开发的开发复杂度及难度越来越高，埋点开发成本变得越来越高，同时一些埋点方案可能会降低页面的加载速度或者增加页面的资源消耗，使得数据收集的效率较低，严重影响数据分析的效率。例如，金融领域的农险产品较多，需要收集多个页面的核心业务指标，且核心业务指标中又会包括多个子指标，大大增加了开发难度，导致数据收集变得越来越困难，严重影响了数据分析效率。
发明内容
本发明提供一种埋点数据分析方法、装置、电子设备及可读存储介质，其主要目的在于可以提高数据分析的效率。
为实现上述目的，本发明提供的一种埋点数据分析方法，包括：
获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合；
利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
对所述埋点事件进行埋点规范检查，得到规范埋点事件；
对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
可选地，所述获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，包括：
获取不同业务端口发送的业务指标，得到业务指标集合；
对所述业务指标集合中的业务指标进行去重处理及拆分处理，得到标准业务指标集合。
可选地，所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件，包括：
利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型，得到不同业务指标的原始埋点事件；
按照预设的事件格式及埋点上报方式对所述原始埋点事件进行埋点上报，得到不同业务指标的埋点事件。
可选地，所述利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型之前，还包括：
基于预设的SDK工具，构建不同业务端口的元数据分类模型；
基于所述标准业务指标集合中的业务指标对所述元数据分类模型进行层级划分，得到所述元数据事件模型。
可选地，所述对所述埋点事件进行埋点规范检查，得到规范埋点事件，包括：
对所述埋点事件进行变量规范检查，得到变量检查结果；
对所述埋点事件进行属性规范检查，得到属性检查结果；
对所述埋点事件进行埋点标注检查，得到标注检查结果；
基于所述变量检查结果、所述属性检查结果及所述标注检查结果对所述埋点事件进行规范调整，得到规范埋点事件。
可选地，所述对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试，包括：
基于所述SDK工具的开发规范，对所述规范埋点事件进行SDK集成，得到集成埋点事件；
基于预设的埋点测试模版对所述集成埋点事件进行埋点测试，得到埋点测试结果。
可选地，所述得到埋点测试结果之后，还包括：
若所述埋点测试结果满足预设要求，则确定所述集成埋点事件的埋点测试通过；
若所述埋点测试结果不满足预设要求，则确定所述集成埋点事件的埋点测试未通过，返回所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点建模的步骤。
为了解决上述问题，本发明还提供一种埋点数据分析装置，所述装置包括：
埋点设计模块，用于获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
埋点集成模块，用于对所述埋点事件进行埋点规范检查，得到规范埋点事件，对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
数据分析模块，用于将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的埋点数据分析方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的埋点数据分析方法。
本发明基于SDK工具对标准业务指标集合进行元数据埋点建模，得到不同业务指标的埋点事件，由于SDK工具会提供轻量级埋点方式，因此不会降低页面的加载速度或增加页面的资源消耗，提高埋点数据收集的准确率及效率。同时在经过埋点规范检查、SDK集成及买埋点测试后，将埋点事件发布至预设业务页面，不需要人工对不同业务指标进行单独开发，可以减小开发成本，提高埋点数据分析的效率。例如在金融领域，通过SDK工具将农险产品的核心业务指标进行元数据埋点建模，得到对应的埋点事件，不需要人工逐个业务指标去配置，减少了开发难度及成本，大大提高了数据分析的效率。因此本发明提出的埋点数据分析方法、装置、电子设备及计算机可读存储介质，可以提高数据分析的效率。
附图说明
图1为本发明一实施例提供的埋点数据分析方法的流程示意图；
图2为本发明一实施例提供的埋点数据分析装置的功能模块图；
图3为本发明一实施例提供的实现所述埋点数据分析方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种埋点数据分析方法。所述埋点数据分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述埋点数据分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的埋点数据分析方法的流程示意图。在本实施例中，所述埋点数据分析方法包括以下步骤S1-S5：
S1、获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合。
本发明实施例中，所述业务指标集合包括不同业务端口的核心指标，例如，在金融领域中，所述业务指标集合可以为点击数、浏览数等业务指标。
详细地，所述获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，包括：
获取不同业务端口发送的业务指标，得到业务指标集合；
对所述业务指标集合中的业务指标进行去重处理及拆分处理，得到标准业务指标集合。
本发明一可选实施例中，例如在金融领域的产险及农险场景下，不同业务场景的业务端口会根据待接入业务明确具体的核心业务指标，对于业务上有强烈需求提升或者下降需求的业务指标，可以拆解成多个指标，对于不同业务端口重复的指标可以进行删除。同时，明确每个业务指标的描述口径，将有歧义的指标订正，将无意义的指标删掉，确保标准业务指标集合可以满足最小范围的业务闭环，提高数据分析效率。
S2、利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件。
本发明实施例中，所述预设的SDK工具可以是本领域习知的埋点工具(例如，可以是神策SDK等工具)，所述预设的SDK工具仅仅是为了说明方案的可实施性而进行的示例性举例，并不限定本方案必须采用所述神策SDK工具。
详细地，所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件，包括：
利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型，得到不同业务指标的原始埋点事件；
按照预设的事件格式及埋点上报方式对所述原始埋点事件进行埋点上报，得到不同业务指标的埋点事件。
本发明一可选实施例中，预设的事件格式是指SDK工具中的预置事件和预置属性，例如“$xxx”的格式。同时按照不同类型的页面/按钮可以单独设计埋点，如“A类型页面浏览事件”、“A类型按钮点击事件”。对于同类型的页面/按钮可以使用同一个埋点，并且增加事件属性来进行区分。
具体地，设计埋点的时候需要根据实际业务情况具体分析，例如金融领域需要单独的关注农险页面的浏览情况，则可以单独设计一个埋点事件，如“双十一专题活动页浏览事件”。
进一步地，所述利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型之前，还包括：
基于预设的SDK工具，构建不同业务端口的元数据分类模型；
基于所述标准业务指标集合中的业务指标对所述元数据分类模型进行层级划分，得到所述元数据事件模型。
本发明一可选实施例中，所述元数据事件模型是一种用户-事件模型，首先，基于不同业务端口的业务需求依次拆解模块、分类、页面、属性、事件等几类元数据构建元数据分类模型，再对每类元数据进行层级划分，得到元数据事件模型。其中，模块是根据业务功能划分的功能名称；分类是指每个功能，对应的子功能为一级分类，一级分类下面的子功能为二级分类，三级功能类推；页面指的是业务规划的物理页面，每个埋点事件都放在对应的页面上；属性包括用户属性和事件属性，上报埋点事件时可以附带用户属性和事件属性；事件也称埋点，是一个操作行为，根据上报方式的不同，可以分为全埋点和自定义埋点。通过元数据事件模型进行埋点构建，可以降低代码复杂度，降低开发成本。
例如，在金融领域的农险场景下，元数据事件模型包括：首页、农险分评估、投保、核保、批改、保单管理、电子档案室、信息修改、规则设置管理等模块，核心首页、农险分申请、农险分查询、农险分审核、出单、投保查询、待办任务、询价、开通知单等页面，投保险种、机构名称、投保类型、定价编号、场景类型等事件属性，投保申请页_第一屏_曝光、投保申请_核心按钮_点击、待办任务_列表页_曝光、保单审核_核保处理_弹窗按钮_点击、批改跟踪_列表页_曝光等自定义事件。
S3、对所述埋点事件进行埋点规范检查，得到规范埋点事件。
详细地，所述对所述埋点事件进行埋点规范检查，得到规范埋点事件，包括：
对所述埋点事件进行变量规范检查，得到变量检查结果；
对所述埋点事件进行属性规范检查，得到属性检查结果；
对所述埋点事件进行埋点标注检查，得到标注检查结果；
基于所述变量检查结果、所述属性检查结果及所述标注检查结果对所述埋点事件进行规范调整，得到规范埋点事件。
本发明实施例中，所述变量规范检查是指对事件的英文变量名进行大小写检查、重名检查等；所述属性规范检查是指对事件属性的英文名进行大小写检查、重名检查，对事件属性值类型逐个进行属性检查，避免出现同属性名，但类型不同的情况；所述埋点标注检查是指对埋点事件的业务端口、触发时机等在事件上标注清楚，然后根据变量检查结果、属性检查结果及标注检查结果对埋点事件进行规范调整，得到规范埋点事件。
S4、对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试。
详细地，所述对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试，包括：
基于所述SDK工具的开发规范，对所述规范埋点事件进行SDK集成，得到集成埋点事件；
基于预设的埋点测试模版对所述集成埋点事件进行埋点测试，得到埋点测试结果。
本发明一可选实施例中，可以通过神策SDK工具的开发规范在H5应用中编写埋点代码来进行SDK集成开发，得到集成埋点事件，所述开发规范包括触发埋点代码时机等，并根据埋点测试模版对集成埋点事件进行买点测试，得到埋点测试结果，所述埋点测试结果包括埋点事件个数的完整性、属性值的正确性等。
详细地，所述得到埋点测试结果之后，还包括：
若所述埋点测试结果满足预设要求，则确定所述集成埋点事件的埋点测试通过；
若所述埋点测试结果不满足预设要求，则确定所述集成埋点事件的埋点测试未通过，返回所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点建模的步骤。
本发明一可选实施例中，若埋点测试结果中埋点事件个数的完整性、属性值的正确性不满足预设要求时，可以重新利用预设的SDK工具对标准业务指标集合进行元数据埋点建模，再进行埋点规范检查、SDK集成等。同时，在埋点测试不通过的时候，可以不断迭代调整优化埋点事件。
S5、将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
本发明实施例中，在埋点测试结果中埋点事件个数的完整性、属性值的正确性满足预设要求时，确定集成埋点事件的埋点测试通过。所述预设业务页面可以为不同业务场景的H5页面等。
详细地，所述接收所述业务页面收集的业务数据并分析，得到业务分析结果，包括：
接收所述业务页面收集的业务数据，利用所述SDK工具中的可视化工具对所述业务数据进行可视化分析，得到业务分析结果。
本发明一可选实施例中，埋点事件发布至预设业务页面后，不断收集业务页面中的业务数据，可以使用神策SDK工具提供的可视化数据分析工具，对收集到的业务数据进行处理和分析，得到业务分析结果。
本发明基于SDK工具对标准业务指标集合进行元数据埋点建模，得到不同业务指标的埋点事件，由于SDK工具会提供轻量级埋点方式，因此不会降低页面的加载速度或增加页面的资源消耗，提高埋点数据收集的准确率及效率。同时在经过埋点规范检查、SDK集成及买埋点测试后，将埋点事件发布至预设业务页面，不需要人工对不同业务指标进行单独开发，可以减小开发成本，提高埋点数据分析的效率。例如在金融领域，通过SDK工具将农险产品的核心业务指标进行元数据埋点建模，得到对应的埋点事件，不需要人工逐个业务指标去配置，减少了开发难度及成本，大大提高了数据分析的效率。因此本发明提出的埋点数据分析方法，可以提高数据分析的效率。
如图2所示，是本发明一实施例提供的埋点数据分析装置的功能模块图。
本发明所述埋点数据分析装置100可以安装于电子设备中。根据实现的功能，所述埋点数据分析装置100可以包括埋点设计模块101、埋点集成模块102及数据分析模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述埋点设计模块101，用于获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
所述埋点集成模块102，用于对所述埋点事件进行埋点规范检查，得到规范埋点事件，对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
所述数据分析模块103，用于将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
详细地，所述埋点数据分析装置100各模块的具体实施方式如下：
步骤一、获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合。
本发明实施例中，所述业务指标集合包括不同业务端口的核心指标，例如，在金融领域中，所述业务指标集合可以为点击数、浏览数等业务指标。
详细地，所述获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，包括：
获取不同业务端口发送的业务指标，得到业务指标集合；
对所述业务指标集合中的业务指标进行去重处理及拆分处理，得到标准业务指标集合。
本发明一可选实施例中，例如在金融领域的产险及农险场景下，不同业务场景的业务端口会根据待接入业务明确具体的核心业务指标，对于业务上有强烈需求提升或者下降需求的业务指标，可以拆解成多个指标，对于不同业务端口重复的指标可以进行删除。同时，明确每个业务指标的描述口径，将有歧义的指标订正，将无意义的指标删掉，确保标准业务指标集合可以满足最小范围的业务闭环，提高数据分析效率。
步骤二、利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件。
本发明实施例中，所述预设的SDK工具可以是本领域习知的埋点工具(例如，可以是神策SDK等工具)，所述预设的SDK工具仅仅是为了说明方案的可实施性而进行的示例性举例，并不限定本方案必须采用所述神策SDK工具。
详细地，所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件，包括：
利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型，得到不同业务指标的原始埋点事件；
按照预设的事件格式及埋点上报方式对所述原始埋点事件进行埋点上报，得到不同业务指标的埋点事件。
本发明一可选实施例中，预设的事件格式是指SDK工具中的预置事件和预置属性，例如“$xxx”的格式。同时按照不同类型的页面/按钮可以单独设计埋点，如“A类型页面浏览事件”、“A类型按钮点击事件”。对于同类型的页面/按钮可以使用同一个埋点，并且增加事件属性来进行区分。
具体地，设计埋点的时候需要根据实际业务情况具体分析，例如金融领域需要单独的关注农险页面的浏览情况，则可以单独设计一个埋点事件，如“双十一专题活动页浏览事件”。
进一步地，所述利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型之前，还包括：
基于预设的SDK工具，构建不同业务端口的元数据分类模型；
基于所述标准业务指标集合中的业务指标对所述元数据分类模型进行层级划分，得到所述元数据事件模型。
本发明一可选实施例中，所述元数据事件模型是一种用户-事件模型，首先，基于不同业务端口的业务需求依次拆解模块、分类、页面、属性、事件等几类元数据构建元数据分类模型，再对每类元数据进行层级划分，得到元数据事件模型。其中，模块是根据业务功能划分的功能名称；分类是指每个功能，对应的子功能为一级分类，一级分类下面的子功能为二级分类，三级功能类推；页面指的是业务规划的物理页面，每个埋点事件都放在对应的页面上；属性包括用户属性和事件属性，上报埋点事件时可以附带用户属性和事件属性；事件也称埋点，是一个操作行为，根据上报方式的不同，可以分为全埋点和自定义埋点。通过元数据事件模型进行埋点构建，可以降低代码复杂度，降低开发成本。
例如，在金融领域的农险场景下，元数据事件模型包括：首页、农险分评估、投保、核保、批改、保单管理、电子档案室、信息修改、规则设置管理等模块，核心首页、农险分申请、农险分查询、农险分审核、出单、投保查询、待办任务、询价、开通知单等页面，投保险种、机构名称、投保类型、定价编号、场景类型等事件属性，投保申请页_第一屏_曝光、投保申请_核心按钮_点击、待办任务_列表页_曝光、保单审核_核保处理_弹窗按钮_点击、批改跟踪_列表页_曝光等自定义事件。
步骤三、对所述埋点事件进行埋点规范检查，得到规范埋点事件。
详细地，所述对所述埋点事件进行埋点规范检查，得到规范埋点事件，包括：
对所述埋点事件进行变量规范检查，得到变量检查结果；
对所述埋点事件进行属性规范检查，得到属性检查结果；
对所述埋点事件进行埋点标注检查，得到标注检查结果；
基于所述变量检查结果、所述属性检查结果及所述标注检查结果对所述埋点事件进行规范调整，得到规范埋点事件。
本发明实施例中，所述变量规范检查是指对事件的英文变量名进行大小写检查、重名检查等；所述属性规范检查是指对事件属性的英文名进行大小写检查、重名检查，对事件属性值类型逐个进行属性检查，避免出现同属性名，但类型不同的情况；所述埋点标注检查是指对埋点事件的业务端口、触发时机等在事件上标注清楚，然后根据变量检查结果、属性检查结果及标注检查结果对埋点事件进行规范调整，得到规范埋点事件。
步骤四、对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试。
详细地，所述对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试，包括：
基于所述SDK工具的开发规范，对所述规范埋点事件进行SDK集成，得到集成埋点事件；
基于预设的埋点测试模版对所述集成埋点事件进行埋点测试，得到埋点测试结果。
本发明一可选实施例中，可以通过神策SDK工具的开发规范在H5应用中编写埋点代码来进行SDK集成开发，得到集成埋点事件，所述开发规范包括触发埋点代码时机等，并根据埋点测试模版对集成埋点事件进行买点测试，得到埋点测试结果，所述埋点测试结果包括埋点事件个数的完整性、属性值的正确性等。
详细地，所述得到埋点测试结果之后，还包括：
若所述埋点测试结果满足预设要求，则确定所述集成埋点事件的埋点测试通过；
若所述埋点测试结果不满足预设要求，则确定所述集成埋点事件的埋点测试未通过，返回所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点建模的步骤。
本发明一可选实施例中，若埋点测试结果中埋点事件个数的完整性、属性值的正确性不满足预设要求时，可以重新利用预设的SDK工具对标准业务指标集合进行元数据埋点建模，再进行埋点规范检查、SDK集成等。同时，在埋点测试不通过的时候，可以不断迭代调整优化埋点事件。
步骤五、将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
本发明实施例中，在埋点测试结果中埋点事件个数的完整性、属性值的正确性满足预设要求时，确定集成埋点事件的埋点测试通过。所述预设业务页面可以为不同业务场景的H5页面等。
详细地，所述接收所述业务页面收集的业务数据并分析，得到业务分析结果，包括：
接收所述业务页面收集的业务数据，利用所述SDK工具中的可视化工具对所述业务数据进行可视化分析，得到业务分析结果。
本发明一可选实施例中，埋点事件发布至预设业务页面后，不断收集业务页面中的业务数据，可以使用神策SDK工具提供的可视化数据分析工具，对收集到的业务数据进行处理和分析，得到业务分析结果。
本发明基于SDK工具对标准业务指标集合进行元数据埋点建模，得到不同业务指标的埋点事件，由于SDK工具会提供轻量级埋点方式，因此不会降低页面的加载速度或增加页面的资源消耗，提高埋点数据收集的准确率及效率。同时在经过埋点规范检查、SDK集成及买埋点测试后，将埋点事件发布至预设业务页面，不需要人工对不同业务指标进行单独开发，可以减小开发成本，提高埋点数据分析的效率。例如在金融领域，通过SDK工具将农险产品的核心业务指标进行元数据埋点建模，得到对应的埋点事件，不需要人工逐个业务指标去配置，减少了开发难度及成本，大大提高了数据分析的效率。因此本发明提出的埋点数据分析装置，可以提高数据分析的效率。
如图3所示，是本发明一实施例提供的实现所述埋点数据分析方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如埋点数据分析程序。
其中，所述存储器11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、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如埋点数据分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如埋点数据分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的埋点数据分析程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合；
利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
对所述埋点事件进行埋点规范检查，得到规范埋点事件；
对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合；
利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
对所述埋点事件进行埋点规范检查，得到规范埋点事件；
对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明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。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种埋点数据分析方法，其特征在于，所述方法包括：
获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合；
利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
对所述埋点事件进行埋点规范检查，得到规范埋点事件；
对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
2.如权利要求1所述的埋点数据分析方法，其特征在于，所述获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，包括：
获取不同业务端口发送的业务指标，得到业务指标集合；
对所述业务指标集合中的业务指标进行去重处理及拆分处理，得到标准业务指标集合。
3.如权利要求1所述的埋点数据分析方法，其特征在于，所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件，包括：
利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型，得到不同业务指标的原始埋点事件；
按照预设的事件格式及埋点上报方式对所述原始埋点事件进行埋点上报，得到不同业务指标的埋点事件。
4.如权利要求3中所述的埋点数据分析方法，其特征在于，所述利用所述SDK工具将所述标准业务指标集合中的业务指标填充至预设的元数据事件模型之前，还包括：
基于预设的SDK工具，构建不同业务端口的元数据分类模型；
基于所述标准业务指标集合中的业务指标对所述元数据分类模型进行层级划分，得到所述元数据事件模型。
5.如权利要求1所述的埋点数据分析方法，其特征在于，所述对所述埋点事件进行埋点规范检查，得到规范埋点事件，包括：
对所述埋点事件进行变量规范检查，得到变量检查结果；
对所述埋点事件进行属性规范检查，得到属性检查结果；
对所述埋点事件进行埋点标注检查，得到标注检查结果；
基于所述变量检查结果、所述属性检查结果及所述标注检查结果对所述埋点事件进行规范调整，得到规范埋点事件。
6.如权利要求1中所述的埋点数据分析方法，其特征在于，所述对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试，包括：
基于所述SDK工具的开发规范，对所述规范埋点事件进行SDK集成，得到集成埋点事件；
基于预设的埋点测试模版对所述集成埋点事件进行埋点测试，得到埋点测试结果。
7.如权利要求6所述的埋点数据分析方法，其特征在于，所述得到埋点测试结果之后，还包括：
若所述埋点测试结果满足预设要求，则确定所述集成埋点事件的埋点测试通过；
若所述埋点测试结果不满足预设要求，则确定所述集成埋点事件的埋点测试未通过，返回所述利用预设的SDK工具对所述标准业务指标集合进行元数据埋点建模的步骤。
8.一种埋点数据分析装置，其特征在于，所述装置包括：
埋点设计模块，用于获取业务指标集合，对所述业务指标集合中的业务指标进行指标梳理，得到标准业务指标集合，利用预设的SDK工具对所述标准业务指标集合进行元数据埋点，得到不同业务指标的埋点事件；
埋点集成模块，用于对所述埋点事件进行埋点规范检查，得到规范埋点事件，对所述规范埋点事件进行SDK集成，得到集成埋点事件，对所述集成埋点事件进行埋点测试；
数据分析模块，用于将所述埋点测试通过的集成埋点事件发布至预设业务页面，接收所述业务页面收集的业务数据并分析，得到业务分析结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的埋点数据分析方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的埋点数据分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793245.3A CN116843219A (zh) | 2023-06-29 | 2023-06-29 | 埋点数据分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793245.3A CN116843219A (zh) | 2023-06-29 | 2023-06-29 | 埋点数据分析方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116843219A true CN116843219A (zh) | 2023-10-03 |
Family
ID=88172009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310793245.3A Pending CN116843219A (zh) | 2023-06-29 | 2023-06-29 | 埋点数据分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843219A (zh) |
-
2023
- 2023-06-29 CN CN202310793245.3A patent/CN116843219A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111611458A (zh) | 大数据治理中基于元数据和数据分析技术实现系统数据架构梳理的方法 | |
| CN112445875B (zh) | 数据关联及检验方法、装置、电子设备及存储介质 | |
| CN112306835B (zh) | 用户数据监控分析方法、装置、设备及介质 | |
| CN115827895A (zh) | 一种漏洞知识图谱处理方法、装置、设备及介质 | |
| CN114840531B (zh) | 基于血缘关系的数据模型重构方法、装置、设备及介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113268665A (zh) | 基于随机森林的信息推荐方法、装置、设备及存储介质 | |
| CN113434542B (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
| CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
| US11605012B2 (en) | Framework for processing machine learning model metrics | |
| CN116843481A (zh) | 知识图谱分析方法、装置、设备及存储介质 | |
| CN116860311A (zh) | 脚本分析方法、装置、计算机设备及存储介质 | |
| CN112052310A (zh) | 基于大数据的信息获取方法、装置、设备及存储介质 | |
| CN113051171B (zh) | 接口测试方法、装置、设备及存储介质 | |
| CN111859985B (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
| CN115510188A (zh) | 文本关键词关联方法、装置、设备及存储介质 | |
| CN116843219A (zh) | 埋点数据分析方法、装置、设备及存储介质 | |
| CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
| CN114722146A (zh) | 基于人工智能的供应链资产校验方法、装置、设备及介质 | |
| CN113344674A (zh) | 基于用户购买力的产品推荐方法、装置、设备及存储介质 | |
| CN116991364B (zh) | 基于大数据的软件开发系统管理方法 | |
| CN115242638B (zh) | 可行触达的筛选方法、装置、电子设备及存储介质 | |
| CN116991364A (zh) | 基于大数据的软件开发系统管理方法 | |
| CN113486266B (zh) | 页面标签添加方法、装置、设备及存储介质 | |
| CN114519647A (zh) | 基于图分析的保险理赔方法、装置、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 |