一种基于用户行为分析的客户端优化系统及方法与流程

本发明涉及电视端互联网视频聚合领域，具体来说，涉及一种基于用户行为分析的客户端优化系统及方法。

背景技术：

随着互联网技术已逐渐进入电视领域，大量的家庭都安装了电视机顶盒或者购买了智能电视，用于接收互联网上的内容。然而各家设备厂商的技术条件不同，所生产的接入设备（特指电视盒子以及智能电视）的操作系统以及相关硬件性能参差不齐。特别是在广泛使用的安卓平台上，经常会出现同一个apk在不同厂家的设备上性能会出现很大差别。对于交互要求较高的电视端互联网视频聚合类应用来说，如果交互过程占用了过多设备资源会导致卡顿甚至死机等问题，严重影响用户体验。

通过监测电视盒子/智能电视的内存与CPU使用情况可以大致了解设备的运行状态，从而预判出隐患，但是一方面这并不等于直接检测出卡顿或死机，换句话说监测设备内存与CPU并非发现问题的充要条件；另一方面，一旦发现问题，如何及时优化客户端改进用户体验亦欠缺策略。

针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现要素：

针对相关技术中的上述技术问题，本发明提出一种基于用户行为分析的客户端优化系统及方法，能够降低应用对CPU和内存的消耗，达到更好的用户体验效果。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种基于用户行为分析的客户端优化系统，包括：

客户端，用于提供用户观看视频时的操作行为信息；

日志系统，用于收集客户端提供的操作行为信息并生成日志，将日志发送给服务器后台；

服务器后台，用于分析日志系统发送的日志，识别出需要优化的客户端并作优化, 其中，所述服务器后台判断标定客户端是否达到警戒阈值，服务器后台对达到警戒阈值的客户端做代码优化。

进一步的，所述服务器后台统计标定客户端的CPU与内存占用情况，判断标定客户端的CPU与内存中用情况是否达到警戒阈值，并对达到警戒阈值的客户端做代码优化。

进一步的，所述警戒阈值指CPU与内存占用率达到百分之五十。

进一步的，所述代码优化具体包括所述服务器后台将客户端的视频聚合展现引擎从cocos2d切换为java。

一种基于用户行为分析的客户端优化方法，包括以下步骤：

S1日志系统收集客户端提供的用户观看视频时的操作行为信息并生成日志，服务器后台通过分析日志识别出标定客户端并生成标定客户端列表；

S2服务器后台判断标定客户端是否达到警戒阈值，服务器后台对达到警戒阈值的客户端做代码优化。

进一步的，步骤S1包括：

S11客户端提供用户观看视频时的操作行为信息；

S12日志系统收集客户端提供的操作行为信息生成日志，日志系统将日志发送给服务器后台；

S13服务器后台从日志中提取典型的用户操作行为信息，服务器后台识别出具有这些操作行为信息的客户端记为标定客户端；

S14服务器后台生成标定客户端列表。

进一步的，在步骤S13中，典型的用户操作行为信息为能够表征视频出现卡顿现象的用户操作行为信息。

进一步的，步骤S2包括：

S21服务器后台统计标定客户端的CPU与内存占用情况；

S22服务器后台判断标定客户端的CPU与内存中用情况是否达到警戒阈值；

S23服务器后台对达到警戒阈值的客户端做代码优化。

进一步的，在步骤S22和S23中，所述警戒阈值指CPU与内存占用率达到百分之五十。

进一步的，在步骤S23中，所述代码优化具体包括所述服务器后台将客户端的视频聚合展现引擎从cocos2d切换为java。

本发明的有益效果：本发明降低了应用对CPU和内存的消耗，达到更好的用户体验效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例所述的基于用户行为分析的客户端优化系统的结构框图；

图2是根据本发明实施例的识别标定客户端的流程图；

图3是根据本发明实施例的对标定客户端做代码优化的流程图。

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所获得的所有其他实施例，都属于本发明保护的范围。

如图1-3所示，根据本发明实施例所述的一种基于用户行为分析的客户端优化系统，包括：

客户端，用于提供用户观看视频时的操作行为信息；

日志系统，用于收集客户端提供的操作行为信息并生成日志，将日志发送给服务器后台；

服务器后台，用于分析日志系统发送的日志，识别出需要优化的客户端并作优化, 其中，所述服务器后台判断标定客户端是否达到警戒阈值，服务器后台对达到警戒阈值的客户端做代码优化。

其中，所述服务器后台统计标定客户端的CPU与内存占用情况，判断标定客户端的CPU与内存中用情况是否达到警戒阈值，并对达到警戒阈值的客户端做代码优化。

其中，所述警戒阈值指CPU与内存占用率达到百分之五十。

其中，所述代码优化具体包括所述服务器后台将客户端的视频聚合展现引擎从cocos2d切换为java。

一种基于用户行为分析的客户端优化方法，包括以下步骤：

S1日志系统收集客户端提供的用户观看视频时的操作行为信息并生成日志，服务器后台通过分析日志识别出标定客户端并生成标定客户端列表；

S2服务器后台判断标定客户端是否达到警戒阈值，服务器后台对达到警戒阈值的客户端做代码优化。

其中，步骤S1进一步包括：

S11客户端提供用户观看视频时的操作行为信息；

S12日志系统收集客户端提供的操作行为信息生成日志，日志系统将日志发送给服务器后台；

S13服务器后台从日志中提取典型的用户操作行为信息，服务器后台识别出具有这些操作行为信息的客户端记为标定客户端；

S14服务器后台生成标定客户端列表。

其中，在步骤S13中，典型的用户操作行为信息为能够表征视频出现卡顿现象的用户操作行为信息。

其中，步骤S2进一步包括：

S21服务器后台统计标定客户端的CPU与内存占用情况；

S22服务器后台判断标定客户端的CPU与内存中用情况是否达到警戒阈值；

S23服务器后台对达到警戒阈值的客户端做代码优化。

其中，在步骤S22和S23中，所述警戒阈值指CPU与内存占用率达到百分之五十。

其中，在步骤S23中，所述代码优化具体包括所述服务器后台将客户端的视频聚合展现引擎从cocos2d切换为java。

为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。

在具体使用时，本方案首先通过日志系统收集海量客户端的用户操作信息，通过服务器后台的大数据分析提取能够表征视频出现卡顿等故障的用户操作行为，并在后续运营过程中监测海量客户端中出现了这些典型行为的客户端，从而识别出一类客户端称作标定客户端。

针对上一步得到的标定客户端进行优化。该优化方法是先统计该客户端在运行视频聚合应用时的CPU与内存占用情况，排除未达到警戒阈值的客户端；对达到警戒阈值的客户端做代码优化。

综上所述，借助于本发明的上述技术方案，本发明降低了应用对CPU和内存的消耗，达到更好的用户体验效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。