CN117252450A - 归因方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请实施例提供了归因方法、装置、电子设备和存储介质。所述方法的实施例包括：提取目标指标对应的目标关系式，目标关系式用于表征目标指标的指标值与影响指标值的多个因子之间的关系；获取多个因子中各因子的波动数据，并基于波动数据和目标关系式，确定各因子对指标值波动的贡献值；基于贡献值，输出指标值波动的归因结果。该实施方式提高了归因效率以及归因结果的准确性，且易于维护和扩展。

Description

归因方法、装置、电子设备和存储介质

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种归因方法、装置、电子设备和存储介质。

背景技术

随着互联网行业的发展，各类服务场景已采取数智化运营。数智化运营通常需要设定若干指标，在指标波动时分析其波动的原因，以进行相关策略调整。

现有技术中，通常需要专业人员针对某项指标搭建数据看板，借助数据看板进行数据分析，从而依据经验进行对该指标的波动进行归因。这种归因方式的归因效率以及归因结果的准确性较低，同时不易于维护和扩展。

发明内容

本申请实施例提出了归因方法、装置、电子设备和计算机可读介质，以提高归因效率以及归因结果的准确性，同时易于维护和扩展。

第一方面，本申请实施例提供了一种归因方法，包括：提取目标指标对应的目标关系式，所述目标关系式用于表征所述目标指标的指标值与影响所述指标值的多个因子之间的关系；获取所述多个因子中各因子的波动数据，并基于所述波动数据和所述目标关系式，确定各因子对所述指标值波动的贡献值；基于所述贡献值，输出所述指标值波动的归因结果。

第二方面，本申请实施例还提供了一种归因装置，包括：提取单元，用于提取目标指标对应的目标关系式，所述目标关系式用于表征所述目标指标的指标值与影响所述指标值的多个因子之间的关系；确定单元，用于获取所述多个因子中各因子的波动数据，并基于所述波动数据和所述目标关系式，确定各因子对所述指标值波动的贡献值；输出单元，用于基于所述贡献值，输出所述指标值波动的归因结果。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本申请实施例中一个或多个所述的归因方法。

第四方面，本申请实施例还提供了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本申请实施例中一个或多个所述的归因方法。

与现有技术相比，本申请实施例包括以下优点：

通过提取目标指标对应的目标关系式，而后基于各因子的波动数据和目标关系式，确定各因子对指标值波动的贡献值，最后基于贡献值输出指标值波动的归因结果，从而实现对指标值波动的归因。此过程中，将指标值与影响该指标值的多个因子的关系提炼为目标关系式，可便于在归因场景、指标或因子发生变动时进行维护和扩展。基于该目标关系式以及各因子的波动数据进行归因，一方面，省去了专业人员搭建数据看板、沟通以及数据分析的过程，提高了归因效率；另一方面，能够全面地、定量地确定出各因子对指标值波动的影响程度，提高了归因结果的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的归因方法的一个应用场景的示意图；

图2是本申请的归因方法中的提供归因服务的服务端的处理过程示意图；

图3是本申请的归因方法的又一个应用场景的示意图；

图4是本申请的归因方法的一个实施例的流程图；

图5是本申请的归因方法的一个实施例的贡献值确定步骤的流程图；

图6是本申请的归因装置的一个实施例的结构示意图。

图7是本申请一实施例提供的装置的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本申请实施例可应用于归因场景，可在多项因子共同作用使得某项指标的指标值发生波动时，确定各项因子对上述波动所起的作用。具体地，本申请实施例可适用于各类场景中所设定的指标。所适用的场景可包括但不限于电商场景、物流场景、各类数据处理场景等。以电商场景为例，其指标可包括但不限于电商平台或者电商应用的页面访问量、日活跃用户数量、用户转化率等。以物流场景为例，其指标可包括但不限于寄件量、妥投率、及时交付率、客诉率等。以企业内部的数据处理场景为例，其指标可包括但不限于利润、项目支出、员工工资支出等。通过对指标值的波动进行归因，可便于进行相关策略调整或改善服务质量。

本申请实施例中的因子可以是指标值的影响因素，其可被量化为数值。作为示例，若目标指标为某应用程序的日活跃用户数量，则其对应的因子可以包括但不限于该应用程序所提供的各个服务频道的日活跃用户数量。其中，每个服务频道的日活跃用户数量可进一步受到该服务频道的月活跃用户数量和活跃度的影响，因此上述月活跃用户数量和活跃度也可作为因子。上述活跃度可进一步包括活跃天数和月天数的影响，因此上述活跃天数和月天数也可作为因子。作为又一示例，若目标指标为物流场景的妥投率，则其对应的因子可包括但不限于恶劣天气天数、收件人地址错误次数、收点人电话错误次数等。作为再一示例，若目标指标为公司利润，则其对应的因子可包括但不限于销售量、单价、利润率等。

本申请实施例可将指标的指标值与影响该指标值的多个因子的关系提炼为关系式，由此，可易于在归因场景、指标或因子发生变动时进行维护和扩展。本申请实施例在上述关系式的基础上，结合各因子的波动数据，分析各因子对该指标值波动的贡献值，得到归因结果。一方面，省去了专业人员搭建数据看板、沟通以及数据分析的过程，提高了归因效率。另一方面，能够全面地、定量地确定出各因子对指标值波动的影响程度，提高了归因结果的准确性。

在一些场景中，参见图1所示，本申请的归因方法可应用于客户端与服务端的交互过程中，并可由客户端触发。其中，服务端既可以是本地服务端，也可以是云端。服务端和客户端可采用有线连接或者无线连接方式进行交互。其中，上述无线连接方式可包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX(World Interoperability for MicrowaveAccess，全球微波接入互操作性)连接、Zigbee(紫蜂协议)连接、UWB(ultra wideband，超宽带)连接、以及其他现在已知或将来开发的无线连接方式。

服务端可以向客户端提供交互界面。交互界面中可以显示供用户选择的指标。用户可以通过客户端所显示的交互界面查看指标对应的关系式。在用户选中目标指标后，客户端可将归因请求上传给服务端。如图1所示，若用户需要对物流平台中的“寄件量”这一指标进行归因，便可以点击“指标1：寄件量”这一选项，从而通过客户端向服务端发送归因请求。其中，归因请求中可携带所需归因的指标的标识，如“寄件量”这一指标的标识。实践中，影响物流平台的寄件量的因子可包括但不限于以下至少一项：物流平台的用户数量、物流平台的推广次数、物流平台的用户转化率、运费、计费减免值等。

服务端可进行多项指标以及关系式的维护。对于每项指标，其对应的关系式可用于表征该项指标的指标值与影响该指标值的多个因子之间的关系。关系式可以是各种形式的公式，如各类指标值的增长公式。不同指标对应的关系式可以不同。需要说明的是，指标值并非通过关系式进行计算，关系式仅用于为指标值与影响指标值的不同因子建立关联关系。服务端在接收到归因请求后，即可将归因请求所指示的指标作为目标指标，提取目标指标对应的目标关系式。例如，目标关系式可表示为S＝α×A+β×B+C×D。其中，S为目标指标的指标值，A、B、C、D均为影响S的因子。α和β可以是预设的常数。

服务端还可对影响各项指标的因子的数据进行维护，例如，可进行数据采集、更新、查询、分析、计算等。同时，服务端可部署有归因算法，以提供归因服务。在提取目标关系式后，服务端可以获取影响目标指标的因子的波动数据。并基于波动数据和目标关系式，采用内置的归因算法确定各因子对指标值波动的贡献值。具体地，服务端可首先对目标关系式进行拆解，确定出各个因子。如对S＝α×A+β×B+C×D进行拆解，确定出其因子包括因子A、因子B、因子C、因子D。而后，可依次针对每个因子计算贡献值。其中，贡献值可以用于表征因子对指标值波动的影响程度。影响程度越大，贡献值越大。例如，因子A的贡献值为500，因子B的贡献值为700，因子C的贡献值为900，因子D的贡献值为100，则因子C对指标值波动的影响最大，其次为因子B，再次为因子A，最后为因子D。

服务端在得到各因子对指标值波动的贡献值后，可以基于所得到的贡献值生成归因结果。例如，可将各因子对应的贡献值汇总为统计表或归因报告，以此统计表或归因报告作为归因结果。在生成归因结果后，可将归因结果反馈给客户端。如此，可在客户端的交互界面中显示该归因结果。用户可进一步在客户端的交互界面中对该归因结果进行浏览、复制、粘贴、下载、转发等操作。

由于各指标与所对应的因子的关系以关系式形式存储于服务端，因此，在服务场景变更时，可对指标、因子或者关系式进行适应性变更，由此，易于进行维护和扩展。此外，在归因过程中，基于关系式和各因子的波动数据分析各因子对该指标值波动的贡献值，进而进行归因结果的生成，一方面，省去了专业人员搭建数据看板、沟通以及数据分析的过程，提高了归因效率。另一方面，能够全面地、定量地确定出各因子对指标值波动的影响程度，提高了归因结果的准确性。

进一步地，因子的波动数据可以包括在参照时间的参照值和在比对时间的比对值。在一些场景中，参照时间和比对时间可由用户指定。例如，参照时间和比对时间可携带于客户端所发送的归因请求中。此场景下，服务端可基于归因请求中所携带的参照时间和比对时间，提取参照值和比对值。在另一些场景中，参照时间和比对时间可根据预先配置确定。例如，若客户端发送的归因请求中未携带参照时间和比对时间，则服务端可根据预先配置选取默认的参照时间(如前一天上午10:00)和比对时间(如当天上午10:00)。

参见图2所示的服务端的处理过程示意图。服务端在得到目标指标的目标关系式、参照日期和对比日期后，可首先基于目标公式中所涉及的因子，进行数据加载，得到各因子的参照值和比对值。而后，可调用目标接口，以加载归因算法。其中，归因算法可包括但不限于预置归因算法和用户自定义的归因算法(如“自定义归因算法A”、“自定义归因算法B”)。预置归因算法可基于连环替代分析法实现。服务端可默认加载预置归因算法，当目标关系式无法适配预置归因算法时，可加载自定义归因算法。在加载归因算法后，服务端可基于参照值、比对值和目标关系式，采用所加载的归因算法确定各因子对指标值波动的贡献值，得到归因结果。由此，服务端不仅可以进行关系式维护、因子维护、指标维护，还可以进行归因算法维护。从而，可以以产品化形式提供通用服务，使用户能够即时使用归因服务。进一步地，采用相同的归因算法对不同指标进行归因，可增强不同服务场景的可对比性，服务端也可基于此进一步提供比对服务。另外，服务端还可以提供对指标波动归因的订阅服务、推送服务以及对归因任务进行任务调度等，此处不作限定。

下面以采用预置归因算法为例进行说明。

第一步，将目标指标在参照时间的指标值作为第一值。例如，目标关系式为S＝α×A+β×B+C×D。因子A的参照值可记为A1，因子B的参照值可记为B1，因子C的参照值可记为C1，因子D的参照值可记为D1。因子A的比对值可记为A2，因子B的比对值可记为B2，因子C的比对值可记为C2，因子D的比对值可记为D2。目标指标的第一值等于α×A1+β×B1+C1×D1。

第二步，迭代执行如下步骤：首先，从未确定贡献值的因子中选取目标因子。而后，将目标因子的参照值替换为目标因子的比对值，基于替换后的各因子的参照值和上述目标关系式，确定目标指标的第二值。之后，基于第二值和第一值，确定目标因子的对指标值波动的贡献值。例如，可将第二值与第一值之差，作为标因子的对指标值波动的贡献值。最后，将第二值作为第一值，对第一值进行更新。

继续上述示例，由于共有四个因子，因此迭代可分成四轮。

在第一轮中，可选取因子A作为目标因子。将A1替换为A2，得到目标指标的第二值α×A2+β×B1+C1×D1。目标因子A对指标值的贡献值可记为ΔA。ΔA＝(α×A2+β×B1+C1×D1)-(α×A1+β×B1+C1×D1)。在得到ΔA后，可将第一值替换为第二值α×A2+β×B1+C1×D1。

在第二轮中，可选取因子B作为目标因子。将B1替换为B2，得到目标指标的第二值α×A2+β×B2+C1×D1。目标因子B对指标值的贡献值可记为ΔB。ΔB＝(α×A2+β×B2+C1×D1)-(α×A2+β×B1+C1×D1)。在得到ΔB后，可将第一值替换为第二值α×A2+β×B2+C1×D1。

在第三轮中，可选取因子C作为目标因子。将C1替换为C2，得到目标指标的第二值α×A2+β×B2+C2×D1。目标因子C对指标值的贡献值可记为ΔC。ΔC＝(α×A2+β×B2+C2×D1)-(α×A2+β×B2+C1×D1)。在得到ΔC后，可将第一值替换为第二值α×A2+β×B2+C2×D1。

在第四轮中，可选取因子D作为目标因子。将D1替换为D2，得到目标指标的新的第二值α×A2+β×B2+C2×D2。目标因子D对指标值的贡献值可记为ΔD。ΔD＝(α×A2+β×B2+C2×D2)-(α×A2+β×B2+C2×D1)。

在ΔA、ΔB、ΔC、ΔD均计算完成后，迭代结束。ΔA+ΔB+ΔC+ΔD的值，与目标指标的指标值波动幅度(可记为ΔS)相等。其中，指标值波动幅度即为目标指标在比对时间的指标值与在参照时间的指标值之差。基于ΔA、ΔB、ΔC、ΔD的数值大小，可确定出不同因子对目标指标的指标值波动的贡献情况。实践中，数值越大，对目标指标的指标值波动的贡献越大。

需要说明的是，在每轮迭代时，可基于目标指标对应的因子信息，从未确定贡献值的因子中选取目标因子。上述因子信息包括以下至少一项：因子依赖关系信息、因子优先级信息。其中，若因子信息为因子依赖关系信息，则可以优先选取不存在依赖关系的因子作为目标因子，在不存在依赖关系的因子均已确定出贡献值后，再选取存在依赖关系的因子作为目标因子。若因子信息为因子优先级信息，则可按照优先级从高到低的次序选取目标因子。若未存储因子信息，则可按照默认次序(如关系式中因子从左到右的次序)选取目标因子。实践中，所述因子信息可在管理员或用户建立目标指标及目标关系式时配置。

在一些场景中，目标关系式可在如下情况下提取：首先，客户端可向服务端发送关系式查询请求。服务端在接收到关系式查询请求时，可首先返回预置的关系式列表。关系式列表中包括至少一个预置指标对应的预置关系式。以电商领域为例，上述至少一个预置指标可包括但不限于以下至少一项：寄件量、页面访问量、日活跃用户数量、用户转化率等指标对应的关系式。以物流领域为例，上述至少一个预置指标可包括但不限于以下至少一项：妥投率、及时交付率、客诉率、寄件量。关系式列表中的预置关系式既可以由管理员上传，也可以由其他用户上传。在返回关系式列表后，服务端可以接收客户端针对关系式列表中的预置关系式的选定信息。选定信息中可用于选定目标关系式以及目标指标。选定信息中可包括目标关系式和/或其对应的指标的标识。服务端可基于该选定信息，从关系式列表中提取所选定的目标指标对应的目标关系式。由此，可为用户提供可供其选择指标的归因服务，在有可用关系式的场景下，无需用户进行关系式的编辑，降低了时间成本。

在一些场景中，服务端还可提供关系式新建功能，以支持用户定制所需指标及其因子的关系式，提高可扩展性。以上述目标关系式为例，上述目标关系式可以由任一管理员或任一用户预先建立，并上传至服务端中进行存储。具体地，服务端可通过如下方式存储目标关系式：第一步，响应于接收到关系式新建请求，提供关系式编辑控件，以基于关系式编辑控件获取目标指标、多个因子的因子信息、以及目标关系式。其中，因子信息可以包括但不限于以下至少一项：因子依赖关系信息、因子优先级信息。需要说明的是，基于关系式编辑控件除可获取上述所列举的信息外，还可以根据需要获取目标关系式的名称、描述信息、适用的服务类型或场景信息等，此处不再一一列举。第二步，建立目标指标、目标关系式和因子信息的对应关系，并基于对应关系，存储目标指标、目标关系式和因子信息。由此，用户可随时进行指标添加、关系式定义等，并可以使用服务端的归因服务为新建指标的指标值波动进行归因，降低了开发成本。

在一些场景中，服务端还可提供关系式编辑功能，以支持用户灵活调整关系式。例如，在存储目标指标、目标关系式和因子信息之后，服务端响应于接收到关系式变更请求，可再次提供关系式编辑控件，以基于关系式编辑控件获取变更信息。其中，变更信息可用于对目标关系式、目标指标、因子信息中的至少一项进行变更。在获取到变更信息后，服务端即可对目标指标、目标关系式和因子信息中变更信息所指示的内容进行更新。由此，在服务场景变更时，用户可随时进行指标更改、关系式更改、因子更改等，降低了开发成本。

在一些场景中，本申请的归因方法可应用于服务端内部，服务端可定时检测指标值波动情况，并在指标值异常波动时触发。作为示例，参见图3中的应用场景的示意图，服务端中可维护有预置指标集。预置指标集中可包含多项预置指标，如指标1、指标2、指标3。以物流领域为例，预置指标集中的预置指标可包括以下至少一项：妥投率、及时交付率、客诉率、寄件量。服务端可定时对至少一个预置指标的指标值波动情况进行检测。例如，可将M时刻(如当日10:00)的指标值S1与N时刻(如前一日10:00)的指标值S2进行比对，检测各项预置指标的指标值波动情况。根据指标值波动情况，可检测各指标值波动幅度是否满足目标条件(如小于某一预设值)。若指标值波动幅度满足目标条件，意味着比对值存在异常波动。此时，可将满足目标条件的预置指标(如指标2)作为目标指标，从预置的关系式列表中提取目标关系式。并基于上述场景中所描述的方式对目标指标的指标值波动进行归因。在得到归因结果后，可将该归因结果推送至用户侧。此场景中，服务端可自动查询存在异常波动的目标指标并主动进行异动归因，提高了归因的灵活性。

需要说明的是，本申请实施例可适用于任意指标值波动的归因场景，不限于上述应用场景的列举。

继续参考图4，其示出了本申请的归因方法的一个实施例的流程图。该归因方法可应用于各种电子设备。该归因方法的流程，可以包括以下步骤：

步骤401，提取目标指标对应的目标关系式。

在本实施例中，归因方法的执行主体(例如图1中的服务端)可以提取目标指标对应的目标关系式。其中，目标指标可以是当前存在异常波动的指标，也可以是由用户指定待对其指标值波动进行归因的任一指标。在一些示例中，目标指标可以包括但不限于北极星指标(North Star Metric)。北极星指标也可称为第一关键指标(One Metric ThatMatters)。是指在产品的当前阶段与战略相关的核心指标。可以评估产品的成熟度及平台化用户规模。目标关系式可用于表征目标指标的指标值与影响指标值的多个因子之间的关系。因子可以指影响指标值的各项可量化的因素。

以电商场景为例，其指标可包括但不限于电商平台或者电商应用的页面访问量、日活跃用户数量、用户转化率等。以日活跃用户数量为例，影响日活跃用户数量的因子可以包括但不限于该应用程序所提供的各个服务频道的日活跃用户数量。其中，每个服务频道的日活跃用户数量可进一步受到该服务频道的月活跃用户数量和活跃度的影响，因此上述月活跃用户数量和活跃度也可作为因子。上述活跃度可进一步包括活跃天数和月天数的影响，因此上述活跃天数和月天数也可作为因子。

以物流场景为例，其指标可包括但不限于妥投率、及时交付率、客诉率等。以妥投率为例，影响其指标值的因子可包括但不限于恶劣天气天数、收件人地址错误次数、收点人电话错误次数等。

以企业内部的数据处理场景为例，其指标可包括但不限于利润、项目支出、员工工资支出等。以利润为例，影响其指标值的因子可包括但不限于销售量S、单价、利润率等，其关系式可以是

步骤402，获取多个因子中各因子的波动数据，并基于波动数据和目标关系式，确定各因子对指标值波动的贡献值。

在本实施例中，上述执行主体可以首先获取影响目标指标的指标值的多个因子中各因子的波动数据。其中，因子可被量化为数值，波动数据可用于表征因子的数值变化情况。在得到各因子的波动数据后，上述执行主体可以基于波动数据和目标关系式，确定各因子对指标值波动的贡献值。在获取到各因子的波动数据后，可以采用内置的归因算法确定各因子对指标值波动的贡献值。其中，贡献值可以用于表征因子对指标值波动的影响程度。影响程度越大，贡献值越大。其中，内置的归因算法可以是基于连环替代分析法实现的预置归因算法，也可以是由用户预先自定义的归因算法，此处不作限定。

在本实施例的一些可选的实现方式中，因子的波动数据可以包括在参照时间的参照值和在比对时间的比对值。参照时间和比对时间可由用户指定。若用户未指定，可根据预设的配置选取参照时间(如前一天上午10:00)和比对时间(如当天上午10:00)。在基于波动数据和目标关系式进行归因时，上述执行主体可调用目标接口，以加载归因算法。实践中，可默认加载预置归因算法，当目标关系式无法适配预置归因算法时，可加载自定义归因算法。在加载归因算法后，上述执行主体可基于参照值、比对值和目标关系式，采用所加载的归因算法确定各因子对指标值波动的贡献值。由此，上述执行主体不仅可以进行关系式维护、因子维护、指标维护，还可以进行归因算法维护。从而，可以产品化形式提供通用服务，使用户能够即时使用归因服务。此外，采用相同的归因算法对不同指标进行归因，增强了不同服务场景的可对比性。

在本实施例的一些可选的实现方式中，若采用预置归因算法进行归因，则在确定各因子对指标值波动的贡献值时，可参见图5所示的贡献值确定步骤的流程图执行。具体可包括如下子步骤S11至子步骤S15。其中，子步骤S12至子步骤S15可迭代多次执行，直至全部因子的贡献值均确定完成。

子步骤S11，将目标指标在参照时间的指标值作为第一值。作为示例，目标关系式为S＝α×A+β×B+C×D。因子A的参照值可记为A1，因子B的参照值可记为B1，因子C的参照值可记为C1，因子D的参照值可记为D1。因子A的比对值可记为A2，因子B的比对值可记为B2，因子C的比对值可记为C2，因子D的比对值可记为D2。目标指标的第一值等于α×A1+β×B1+C1×D1。

子步骤S12，从未确定贡献值的因子中选取目标因子。此处，可随机从未确定贡献值的因子中选取目标因子；也可以按照默认次序(如关系式中因子从左到右的次序)选取目标因子；还可以基于目标指标对应的因子信息，从未确定贡献值的因子中选取目标因子。上述因子信息包括以下至少一项：因子依赖关系信息、因子优先级信息。具体地，若因子信息为因子依赖关系信息，则可以优先选取不存在依赖关系的因子作为目标因子，在不存在依赖关系的因子均已确定出贡献值后，再选取存在依赖关系的因子作为目标因子。若因子信息为因子优先级信息，则可按照优先级从高到低的次序选取目标因子。

子步骤S13，将目标因子的参照值替换为目标因子的比对值，基于替换后的各因子的参照值和目标关系式，确定目标指标的第二值。此处，可将替换后的各因子的参照值输入至目标关系式，得到目标指标的第二值。

子步骤S14，基于第二值和第一值，确定目标因子的对指标值波动的贡献值。此处，可将第二值与第一值之差，作为标因子的对指标值波动的贡献值。

子步骤S15，将第二值作为第一值，对第一值进行更新。

继续上述示例，由于共有四个因子，因此迭代可分成四轮。

在第一轮中，可选取因子A作为目标因子。将A1替换为A2，得到目标指标的第二值α×A2+β×B1+C1×D1。目标因子A对指标值的贡献值可记为ΔA。ΔA＝(α×A2+β×B1+C1×D1)-(α×A1+β×B1+C1×D1)。在得到ΔA后，可将第一值替换为第二值α×A2+β×B1+C1×D1。

在第二轮中，可选取因子B作为目标因子。将B1替换为B2，得到目标指标的第二值α×A2+β×B2+C1×D1。目标因子B对指标值的贡献值可记为ΔB。ΔB＝(α×A2+β×B2+C1×D1)-(α×A2+β×B1+C1×D1)。在得到ΔB后，可将第一值替换为第二值α×A2+β×B2+C1×D1。

在第三轮中，可选取因子C作为目标因子。将C1替换为C2，得到目标指标的第二值α×A2+β×B2+C2×D1。目标因子C对指标值的贡献值可记为ΔC。ΔC＝(α×A2+β×B2+C2×D1)-(α×A2+β×B2+C1×D1)。在得到ΔC后，可将第一值替换为第二值α×A2+β×B2+C2×D1。

在第四轮中，可选取因子D作为目标因子。将D1替换为D2，得到目标指标的新的第二值α×A2+β×B2+C2×D2。目标因子D对指标值的贡献值可记为ΔD。ΔD＝(α×A2+β×B2+C2×D2)-(α×A2+β×B2+C2×D1)。

在ΔA、ΔB、ΔC、ΔD均计算完成后，迭代结束。ΔA+ΔB+ΔC+ΔD的值，与目标指标的指标值波动幅度(可记为ΔS)相等。其中，指标值波动幅度即为目标指标在比对时间的指标值与在参照时间的指标值之差。基于ΔA、ΔB、ΔC、ΔD的数值大小，确定出不同因子对目标指标的指标值波动的贡献情况。实践中，数值越大，对目标指标的指标值波动的贡献越大。

步骤403，基于贡献值，输出指标值波动的归因结果。

在本实施例中，在得到各因子对指标值波动的贡献值后，上述执行主体可以基于所得到的贡献值，输出指标值波动的归因结果。例如，可将各因子对应的贡献值汇总为统计表和归因报告，以此统计表或归因报告作为归因结果。在生成归因结果后，可将归因结果反馈给客户端。如此，可在客户端的交互界面中显示该归因结果。用户可进一步在客户端的交互界面中对该归因结果进行浏览、复制、粘贴、下载、转发等操作。

本申请的上述实施例提供的方法，通过提取目标指标对应的目标关系式，而后基于各因子的波动数据和目标关系式，确定各因子对指标值波动的贡献值，最后基于贡献值输出指标值波动的归因结果，从而实现对指标值波动的归因。此过程中，将指标值与影响该指标值的多个因子的关系提炼为目标关系式，可便于在归因场景、指标或因子发生变动时进行维护和扩展。基于该目标关系式以及各因子的波动数据进行归因，一方面，省去了专业人员搭建数据看板、沟通以及数据分析的过程，提高了归因效率；另一方面，能够全面地、定量地确定出各因子对指标值波动的影响程度，提高了归因结果的准确性。

在一些可选的实施例中，在上述步骤401中，上述执行主体可以在接收到关系式查询请求的情况下，首先返回预置的关系式列表。上述关系式列表中可以包括至少一个预置指标对应的预置关系式。以电商领域为例，上述至少一个预置指标可包括但不限于页面访问量、日活跃用户数量、用户转化率、寄件量、妥投率等指标对应的关系式。以物流领域为例，上述至少一个预置指标可包括但不限于以下至少一项：妥投率、及时交付率、客诉率、寄件量。关系式列表中的预置关系式既可以由管理员上传，也可以由其他用户上传。在返回关系式列表后，可以接收关系式查询请求的发送方针对关系式列表中的预置关系式的选定信息。上述选定信息中可用于选定目标关系式以及目标指标。上述选定信息中可包括目标关系式和/或其对应的指标的标识。之后，上述执行主体可基于该选定信息，从关系式列表中提取所选定的目标指标对应的目标关系式。由此，可为用户提供可供其选择指标的归因服务，在有可用关系式的场景下，无需用户进行关系式的编辑，降低了时间成本。

在一些可选的实施例中，在上述步骤401中，上述执行主体可以通过主动检测指标值波动幅度，确定需要进行归因的目标指标，并提取目标指标对应的目标关系式。具体地，上述执行主体可以首先对至少一个预置指标的指标值波动幅度进行检测，以确定指标值波动幅度满足目标条件的目标指标。此操作可以周期性的执行。例如，可在每日上午10:00执行，将当日10:00的指标值与前一日10:00的历史指标值进行比对，检测各项预置指标的指标值波动情况。之后，可以将目标指标关联的预置关系式作为目标关系式，从预置的关系式列表中提取目标关系式。此场景中，服务端可自动查询存在异常波动的目标指标并主动进行异动归因，提高了归因的灵活性。

在一些可选的实施例中，目标关系式可以由任一管理员或任一用户预先建立，并通过上述执行主体预先存储。具体地，可采用如下方式预先存储：第一步，响应于接收到关系式新建请求，提供关系式编辑控件，以基于关系式编辑控件获取目标指标、多个因子的因子信息、以及目标关系式。其中，因子信息可以包括但不限于以下至少一项：因子依赖关系信息、因子优先级信息。需要说明的是，基于关系式编辑控件除可获取上述所列举的信息外，还可以根据需要获取目标关系式的名称、描述信息、适用的服务类型或场景信息等，此处不再一一列举。第二步，建立目标指标、目标关系式和因子信息的对应关系，并基于对应关系，存储目标指标、目标关系式和因子信息。第二步，建立目标指标、目标关系式和因子信息的对应关系，并基于对应关系，存储目标指标、目标关系式和因子信息。由此，用户可随时进行指标添加、关系式定义等，并可以使用服务端的归因服务为新建指标的指标值波动进行归因，降低了开发成本。

在一些可选的实施例中，在存储目标指标、目标关系式和因子信息之后，响应于接收到关系式变更请求，上述执行主体还可以提供关系式编辑控件，以基于关系式编辑控件获取变更信息。其中，变更信息可用于对目标关系式、目标指标、因子信息中的至少一项进行变更。而后，可对目标指标、目标关系式和因子信息中变更信息所指示的内容进行更新。由此，在服务场景变更时，用户可随时进行指标更改、关系式更改、因子更改等，降低了开发成本。

需要说明的是，对于方法实施例，为了简单描述，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，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。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，所涉及的动作并不一定是本申请实施例所必须的。

进一步参考图6，在上述实施例的基础上，本申请提供了一种归因装置的一个实施例，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的归因装置600包括：提取单元601，用于提取目标指标对应的目标关系式，上述目标关系式用于表征上述目标指标的指标值与影响上述指标值的多个因子之间的关系；确定单元602，用于获取上述多个因子中各因子的波动数据，并基于上述波动数据和上述目标关系式，确定各因子对上述指标值波动的贡献值；输出单元603，用于基于上述贡献值，输出上述指标值波动的归因结果。

在本实施例的一些可选的实现方式中，上述提取单元601，进一步用于：响应于接收到关系式查询请求，返回预置的关系式列表，上述关系式列表中包括至少一个预置指标对应的预置关系式；接收针对上述关系式列表中的预置关系式的选定信息，并基于上述选定信息，从上述关系式列表中提取所选定的目标指标对应的目标关系式；其中，上述至少一个预置指标包括以下至少一项：妥投率、及时交付率、客诉率、寄件量。

在本实施例的一些可选的实现方式中，上述提取单元601，进一步用于：对至少一个预置指标的指标值波动幅度进行检测，以确定指标值波动幅度满足目标条件的目标指标；将上述目标指标关联的预置关系式作为目标关系式，从预置的关系式列表中提取上述目标关系式；其中，上述至少一个预置指标包括以下至少一项：妥投率、及时交付率、客诉率、寄件量。

在本实施例的一些可选的实现方式中，上述目标关系式通过如下方式预先存储：响应于接收到关系式新建请求，提供关系式编辑控件，以基于上述关系式编辑控件获取上述目标指标、上述多个因子的因子信息、以及上述目标关系式；建立上述目标指标、上述目标关系式和上述因子信息的对应关系，并基于上述对应关系，存储上述目标指标、上述目标关系式和上述因子信息。

在本实施例的一些可选的实现方式中，上述装置包括：更新单元，用于响应于接收到关系式变更请求，提供上述关系式编辑控件，以基于上述关系式编辑控件获取变更信息，上述变更信息用于对上述目标关系式、上述目标指标、上述因子信息中的至少一项进行变更；对上述目标指标、上述目标关系式和上述因子信息中上述变更信息所指示的内容进行更新。

在本实施例的一些可选的实现方式中，上述波动数据包括在参照时间的参照值和在比对时间的比对值；上述确定单元602，进一步用于调用目标接口，以加载归因算法；基于上述参照值、上述比对值和上述目标关系式，采用上述归因算法确定各因子对上述指标值波动的贡献值。

在本实施例的一些可选的实现方式中，上述确定单元602，进一步用于将上述目标指标在参照时间的指标值作为第一值；迭代执行如下步骤：从未确定贡献值的因子中选取目标因子；将上述目标因子的参照值替换为上述目标因子的比对值，基于替换后的各因子的参照值和上述目标关系式，确定上述目标指标的第二值；基于第二值和第一值，确定上述目标因子的对上述指标值波动的贡献值；将上述第二值作为第一值，对第一值进行更新。

本申请的上述实施例提供的装置，通过提取目标指标对应的目标关系式，而后基于各因子的波动数据和目标关系式，确定各因子对指标值波动的贡献值，最后基于贡献值输出指标值波动的归因结果，从而实现对指标值波动的归因。此过程中，将指标值与影响该指标值的多个因子的关系提炼为目标关系式，可便于在归因场景、指标或因子发生变动时进行维护和扩展。基于该目标关系式以及各因子的波动数据进行归因，一方面，省去了专业人员搭建数据看板、沟通以及数据分析的过程，提高了归因效率；另一方面，能够全面地、定量地确定出各因子对指标值波动的影响程度，提高了归因结果的准确性。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。

本申请实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中，所述电子设备包括终端设备、服务器(集群)等各类型的设备。

本申请的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括终端设备、服务器(集群)等电子设备。图7示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置700。

对于一个实施例，图7示出了示例性装置700，该装置具有一个或多个处理器702、被耦合到(一个或多个)处理器702中的至少一个的控制模块(芯片组)704、被耦合到控制模块704的存储器706、被耦合到控制模块704的非易失性存储器(NVM)/存储设备708、被耦合到控制模块704的一个或多个输入/输出设备710，以及被耦合到控制模块704的网络接口712。

处理器702可包括一个或多个单核或多核处理器，处理器702可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置700能够作为本申请实施例中所述终端设备、服务器(集群)等设备。

在一些实施例中，装置700可包括具有指令714的一个或多个计算机可读介质(例如，存储器706或NVM/存储设备708)以及与该一个或多个计算机可读介质相合并被配置为执行指令714以实现模块从而执行本申请中所述的动作的一个或多个处理器702。

对于一个实施例，控制模块704可包括任意适当的接口控制器，以向(一个或多个)处理器702中的至少一个和/或与控制模块704通信的任意适当的设备或组件提供任意适当的接口。

控制模块704可包括存储器控制器模块，以向存储器706提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。

存储器706可被用于例如为装置700加载和存储数据和/或指令714。对于一个实施例，存储器706可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，存储器706可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，控制模块704可包括一个或多个输入/输出控制器，以向NVM/存储设备708及(一个或多个)输入/输出设备710提供接口。

例如，NVM/存储设备708可被用于存储数据和/或指令714。NVM/存储设备708可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备708可包括在物理上作为装置700被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备708可通过网络经由(一个或多个)输入/输出设备710进行访问。

(一个或多个)输入/输出设备710可为装置700提供接口以与任意其他适当的设备通信，输入/输出设备710可以包括通信组件、音频组件、传感器组件等。网络接口712可为装置700提供接口以通过一个或多个网络通信，装置700可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。

对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。

在各个实施例中，装置700可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置700可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置700包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

其中，装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或NVM/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络接口。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的归因方法、装置、电子设备和存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种归因方法，其特征在于，所述方法包括：

提取目标指标对应的目标关系式，所述目标关系式用于表征所述目标指标的指标值与影响所述指标值的多个因子之间的关系；

获取所述多个因子中各因子的波动数据，并基于所述波动数据和所述目标关系式，确定各因子对所述指标值波动的贡献值；

基于所述贡献值，输出所述指标值波动的归因结果。

2.根据权利要求1所述的方法，其特征在于，所述提取目标指标对应的目标关系式，包括：

响应于接收到关系式查询请求，返回预置的关系式列表，所述关系式列表中包括至少一个预置指标对应的预置关系式；

接收针对所述关系式列表中的预置关系式的选定信息，并基于所述选定信息，从所述关系式列表中提取所选定的目标指标对应的目标关系式；

其中，所述至少一个预置指标包括以下至少一项：妥投率、及时交付率、客诉率、寄件量。

3.根据权利要求1所述的方法，其特征在于，所述提取目标指标对应的目标关系式，包括：

对至少一个预置指标的指标值波动幅度进行检测，以确定指标值波动幅度满足目标条件的目标指标；

将所述目标指标关联的预置关系式作为目标关系式，从预置的关系式列表中提取所述目标关系式；

其中，所述至少一个预置指标包括以下至少一项：妥投率、及时交付率、客诉率、寄件量。

4.根据权利要求1所述的方法，其特征在于，所述目标关系式通过如下方式预先存储：

响应于接收到关系式新建请求，提供关系式编辑控件，以基于所述关系式编辑控件获取所述目标指标、所述目标关系式、所述多个因子的因子信息；

建立所述目标指标、所述目标关系式和所述因子信息的对应关系，并基于所述对应关系，存储所述目标指标、所述目标关系式和所述因子信息。

5.根据权利要求4所述的方法，其特征在于，在存储所述目标指标、所述目标关系式和所述因子信息之后，所述方法包括：

响应于接收到关系式变更请求，提供所述关系式编辑控件，以基于所述关系式编辑控件获取变更信息，所述变更信息用于对所述目标关系式、所述目标指标、所述因子信息中的至少一项进行变更；

对所述目标指标、所述目标关系式和所述因子信息中所述变更信息所指示的内容进行更新。

6.根据权利要求1所述的方法，其特征在于，所述波动数据包括在参照时间的参照值和在比对时间的比对值；

所述基于所述波动数据和所述目标关系式，确定各因子对所述指标值波动的贡献值，包括：

调用目标接口，以加载归因算法；

基于所述参照值、所述比对值和所述目标关系式，采用所述归因算法确定各因子对所述指标值波动的贡献值。

7.根据权利要求6所述的方法，其特征在于，所述基于所述参照值、所述比对值和所述目标关系式，采用所述归因算法确定各因子对所述指标值波动的贡献值，包括：

将所述目标指标在参照时间的指标值作为第一值；

迭代执行如下步骤：从未确定贡献值的因子中选取目标因子；将所述目标因子的参照值替换为所述目标因子的比对值，基于替换后的各因子的参照值和所述目标关系式，确定所述目标指标的第二值；基于第二值和第一值，确定所述目标因子的对所述指标值波动的贡献值；将所述第二值作为第一值，对第一值进行更新。

8.一种归因装置，其特征在于，所述装置包括：

提取单元，用于提取目标指标对应的目标关系式，所述目标关系式用于表征所述目标指标的指标值与影响所述指标值的多个因子之间的关系；

确定单元，用于获取所述多个因子中各因子的波动数据，并基于所述波动数据和所述目标关系式，确定各因子对所述指标值波动的贡献值；

输出单元，用于基于所述贡献值，输出所述指标值波动的归因结果。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-7中任一所述的方法。

10.一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如权利要求1-7中任一所述的方法。