一种产品评测方法、装置及存储介质与流程

本发明涉及信息处理技术，具体涉及一种产品评测方法、装置及存储介质。
背景技术：
：目前，在众多互联网产品体验评价体系中，从产品设计开发和用户整体的使用满意度的角度，对产品进行评价分析，是最为主流的两类。但是，前者源自开发人员维度的评价方法，侧重于评价产品全部功能点的可用、易用与界面设计；后者则来自市场调研收集用户数据的思维理念，以用户对使用体验的主观评价作为依据。以上两种评价体系均是传统产品质量评价标准，由于互联网产品与传统意义上的“产品”与“服务”的不同，导致两种评价体系都有无法避免的问题。例如，从产品设计开发的角度出发，对产品的功能方面发现的问题，其实是在用户可接受的范围之内，或用户并没有明确感知，并不足以影响用户实际的使用体验。而从用户整体的使用满意度出发，由于用户主观体验差异巨大，一般用户在互联网产品的使用过程中，基本不会对产品设计时的全部功能点有明确感知，而且，用户在遇到产品使用体验问题时，也很难主动定位到产品的某个具体功能点，从而导致从产品评价到具体的产品改进方案困难重重。另一方面，在实际操作执行中，多采用抽样问卷调查的形式收集用户评价，而采用抽样问卷调查的形式存有两大问题：一是用户评价并不是遇到问题后的第一时间反馈，影响评价的准确性；二是调查形式制约了内容的详细程度，过长或过复杂的问卷，会影响评价的真实性，而过于简单的问卷，则影响评价定位的精准性。技术实现要素：为解决现有存在的技术问题，本发明实施例期望提供一种产品评测方法、装置及存储介质，用以解决现有技术中无法对产品的指标，作出精准评测的问题。本发明实施例的技术方案是这样实现的：根据本发明实施例中的一方面，提供一种产品评测方法，所述方法包括：获取对应产品指标的样本数据；根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。上述方案中，获取对应产品指标的样本数据，包括：获取产品的流程指标和评论指标；根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道；根据所述数据渠道，获取对应所述流程指标和所述评论指标的样本数据。上述方案中，根据所述样本数据，对所述产品指标进行加权计算，以得到每个指标的分值，包括：根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。上述方案中，根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形，包括：获取每个产品指标对应的指标权重；计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；将所述乘积相加，得到每个产品指标的总分值；根据每个产品指标的总分值，生成对所述产品进行指标评测的二维图形。上述方案中，在根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形之后，所述方法还包括：通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。根据本发明实施例中的另一方面，提供一种产品评测装置，所述装置包括：获取单元、计算单元和生成单元；其中，所述获取单元，用于获取对应产品指标的样本数据；所述计算单元，用于根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；所述生成单元，用于根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。上述方案中，所述获取单元，具体用于获取产品的流程指标和评论指标；根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道；根据所述数据渠道，获取对应所述流程指标和所述评论指标的样本数据。上述方案中，所述计算单元，具体用于根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。上述方案中，所述获取单元，还用于获取每个产品指标对应的指标权重；所述计算单元，还用于计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；将所述乘积相加，得到每个产品指标的总分值；所述生成单元，具体用于根据每个产品指标的总分值，生成对所述产品进行指标评测的二维图形。上述方案中，所述装置还包括：显示单元；所述计算单元，还用于通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；所述显示单元，用于根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。根据本发明实施例中的再一方面，提供一种产品评测装置，所述装置包括：存储器和处理器；其中，所述存储器，用于存储能够在所述处理器上运行的计算机程序；所述处理器，用于运行所述计算机程序时，执行上述产品评测方法中所描述的方法步骤。根据本发明实施例中的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述产品评测方法中所描述的方法步骤。本发明实施例提供一种产品评测方法、装置及存储介质，通过从多个维度获取对应产品指标的样本数据，然后再根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。从而能够获取到更全面的样本数据，从而能够得到更精准的产品评测分析结果。附图说明图1为本发明实施例一种产品评测方法的流程示意图；图2为本发明实施例中建立用户评价指标体系的示意图；图3为本发明实施例中对指标总分进行显示的效果示意图；图4为本发明实施例中产品评测装置的组成结构示意图；图5为本发明实施例另一种产品评测装置的组成示意图。具体实施方式下面结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。图1为本发明实施例一种产品评测方法的流程示意图；如图1所示，所述方法包括：步骤101，获取对应产品指标的样本数据；本发明实施例中，所述方法主要应用于产品评测服务器。由所述服务器根据用户对互联网产品的实际使用流程，将所述实际使用流程作为对产品进行评测的一个维度，获取产品的流程指标。其中，所述流程指标兼顾了产品开发设计过程中常见的流程图形式；另外，所述服务器再将互联网产品的使用体验结果作为对产品进行评测的另一维度，获取所述产品的评论指标。其中，所述评论指标与所述流程指标一一对应。通过采用从至少两个数据维度获得指标，能够更加精准地对产品进行问题定位。本发明实施例中，所述服务器获取到所述产品的流程指标和评论指标后，根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道。这里，所述数据渠道包括：用户实时体验反馈的数据，如客服数据、线上评价数据、后台技术指标数据、线上线下市场调研数据等等。然后，所述服务器根据所述数据渠道，从所述数据渠道获取对应所述流程指标和所述评论指标的样本数据。这里，所述样本数据，包括数值数据和文本数据。图2为本发明实施例中建立用户评价指标体系的示意图。如图2所示，以咪咕音乐这一产品为例，根据咪咕音乐的产品特征，在咪咕音乐这一互联网产品中，横坐标所示的各种指标包括：用户在使用咪咕音乐这一产品时的操作流程，这里，将所述操作流程称为：流程指标；例如，所述流程指标包括：打开、注册登录、搜索、使用、下载、评论、分享、付费。纵坐标所示的各种指标为：用户在使用咪咕音乐这一产品后，对所述咪咕音乐这一产品所作出的评论，这里，将所述评论对应的各指标，称为评论指标。例如，所述评指标包括：内容、功能、性能、界面、运营。然后，所述服务器根据咪咕音乐这一产品的特征与数据获取的能力，通过线下调研、线上问卷以及舆情监控的方式，对所咪咕音乐这一产品的流程指标和评论指标的样本数据，进行采集。表1为咪咕音乐这一产品的样本数据采集结果：数据渠道数据采集方式线下调研线下探访、座谈会、体验会等线上问卷在线填写问卷舆情监控实时抓取微博、应用商店等渠道的用户对咪咕音乐的相关评价表1如表1所示，根据数据评论指标和流程指标，确定出的数据渠道包括：线下调研、线上问卷和舆情监控；其中，线下调研的数据，是通过线下探访、座谈会、体验会等方式进行获取；所述线上问卷的数据，是通过他人在互联网上的网页问卷中，进行问卷填写后，从己填写好的问卷数据中，获取数据；所述舆情监控的数据，是通过数据抓取技术进行数据获取。例如，以万能框架(httphelper)为基础，采用监测布点——关键词库建立——爬虫程序编写——数据抓取——噪声过滤的处理流程，进行舆情监控数据的获取。具体地，对于舆情监控数据的获取，第一，首先确定相关产品线上的数据来源，如微博、各大应用商店等；第二，根据业务需求，编辑数据识别的关键词库；第三，编写爬虫程序，不同数据源采用不同的方式，如接入微博的应用程序编程接口(api，applicationprogramminginterface)，需要采用网页浏览的方式抓取应用商店评论；第四，程序运行调试，根据数据量，设置数据的抓取频率与运行时间；第五，从抓取的数据中，筛除无效、重复、不相关与意义不明的部分，形成最终的可用数据。本发明实施例中，将出现两次以上的内容，确定为相同数据，也可以叫重复数据，则将重复的数据从抓取的数据中筛除。将完全以标点附号、或者数字出现的数据，称为无效数据，则将无效数据从抓取的数据中筛除。将与产品本身完全不相关的数据，确定为不相关或意义不明的数据，则将不相关或意义不明的数据，从抓取的数据中筛除。步骤102，根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；本发明实施例中，所述服务器获取到的样本数据中，包括至少两个维度的指标数据，为了得到每个指标对应的分值，则在所述服务器获取到样本数据后，需要对所述样本数据对应的指标，进行加权计算，以得到每个产品指标的分值。由于，通过不同维度获取到的样本数据的类型可能不同，当获取到的样本数据的数据类型不同时，所述服务器需要采用归一化计算方法，对不同类型的数据进行归一化处理，以得到相同类型的数据，以便进一步对产品的指标进行分析。例如，通过线上、线下问卷，得到的指标对应的样本数据是数值类型的数据，则可以直接获每个指标对应的评分；通过舆情监控，抓取到的指标对应的样本数据是文本形式的数据，则需要采用自然语言处理技术，根据文本内容及感情色彩，抽取文本核心内容，将文本类型的数据转换为评分数值。然后，将归一化的样本数据的对应的分值，用1至10分代表不同用户从差到好的体验层级，中间分数代表逐渐递增的体验水平，并在10分制量表中进行显示。当然，将归一化的样本数据对应的分值，也可以用百分制量表进行显示，具体量表的选择与评分标准的设定，应结合产品与公司特征制定。本发明实施例中，所述服务器在得到产品指标的样本数据后，还需要根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；然后，再根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。这里，可以采用内容覆盖度的算法，对不同数据渠道的权重进行计算。例如，根据样本数据，确定出数据渠道数量为a，渠道覆盖的指标数量为cn，各渠道的基础权重为1/a，则各渠道最终权重分别为1/a*c1、1/a*c2、1/a*c3……。表2是以咪咕音乐——音乐播放器为例，对各数据渠道的权重进行计算。数据渠道渠道权重线下调研数据33.3％*100％＝33.3％线上问卷数据33.3％*4/5*100％＝26.7％舆情监控数据33.3％*3/5*100％＝20.0％表2如表2所示，包括采用线上问卷、线下调研与舆情监控三个渠道数据，其中，线下调研数据覆盖5个指标(全部指标)，线上问卷数据覆盖4个结果性指标，舆情监控数据覆盖3个指标。通过将全部的指标“5”“为100％，除以数据渠道总数“3”，得到每个渠道的基础权重为33.3％。然后，再根据所述基础权重，计算每个数据渠道的权重。具体计算每个数据渠道的权重的方法：对于线下调研数据，覆盖有5个指标(即全部指标)，因此，将渠道的基础权重33.3％与100％相乘，得到数据渠道(线下调研)的权重为33.3％。对于线上问卷数据，覆盖有4个指标(即全部指标的4/5)，因此，将渠道的基础权重33.3％与100％相乘后，得到的乘积再与4/5相乘，即得到数据渠道(线上问卷)的权重为26.7％。对于舆情监控数据，覆盖有3个指标(即全部指标的3/5)，因此，将渠道的基础权重33.3％与100％相乘后，得到的乘积再与3/5相乘，即得到数据渠道(线上问卷数据，覆盖有4个指标(即全部指标的4/5)，因此，将渠道的基础权重33.3％与100％相乘后，得到的乘积再与4/5相乘，即得到数据渠道(线上问卷)的权重为20.0％。本发明实施例中，针对不同产品的体验环节，各个过程性指标会有不同程度的影响，通过加权的方式处理，更能代表用户的真实体验。因此，所述服务器在得到每个数据渠道的权重之后，还需要对数据渠道中相同产品指标进行加权计算，以得到每个产品指标的评分。具体地，在对数据渠道中相同产品指标进行加权计算之前，需要结合具体产品的特征，对每个产品的过程指标或评论指标的权重进行预设。然后，根据预设的指标权重和每个指标的评分，计算该指标的总分。下面，以咪咕音乐——音乐播放器为例，进行指标总分计算。表3示出了以过程性指标“打开”为例，对过程性指标“打开”的总分进行计算。表3如表3所示，包括评论指标：内容、功能、性能、界面和运营。由于音乐播放器对于用户而言，音乐的内容与功能的完备性更加重要，所以，对指标“内容”和指标“功能“设置的指标权重，相比指标“性能”、指标“界面”、指标“运营”较高。而根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算后，得到了产品指标的评分为：指标“内容”的得分为5.2、指标“功能”的得分为6.4、指标“性能”的得分为6.1、指标“界面”的得分为8.8和指标“运营”的得分为0。所述服务器在获取到每个产品指标对应的指标权重和指标分值后，通过计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；然后，再将所述乘积相加，得到每个产品指标的总分值。也就是说，将5.2与0.3相乘，将6.4与0.3相乘，将6.1与0.2相乘，将8.8与0.2相乘，之后，再将所有的乘积相加，即可得到指标“打开”的总分值为6.5。步骤103，根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。本发明实施例中，所述服务器得到每个产品指标的总分值后，根据每个产品的总分值，生成对所述产品进行指标评测的二维图形。所述二维图形，可以包括二维地图、二维图表等形式。所述服务器在根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形之后，所述方法还包括：通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。这里，不同指标对产品体验的影响，很多时候并不是相互独立的，指标之间同样存在着相互影响。因此部分指标间存在有一定的关联性。具体可以根据业务理解与相关分析两方面共同确定指标关联性。所述服务器在建立产品指标体系时，会根据业务人员的理解与经验，确定哪些指标会影响其他指标；然后，在对产品指标的源数据处理后，利用聚类分析法、因子分析法等方法，对产品指标体系内的各项指标进行分析，确定各项指标之间在计算内容上的重叠程度，据此再次筛选指标，最终确定指标关联性。其中，通过因子分析确定指标间的联系性，例如用球状检验(bartlett)相关阵中各变量间的相关性，是否为单位阵，即检验各个变量是否各自独立。因子分析前，首先进行kmo检验和巴特利球体检验，kmo检验用于检查变量间的偏相关性，取值在0～1之前。kmo统计量越接近于1，变量间的偏相关性越强，因子分析的效果越好。实际分析中，kmo统计量在0.7以上时效果比较好；当kmo统计量在0.5以下，此时不适合应用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。如果变量间彼此独立，则无法从中提取公因子，也就无法应用因子分析法。bartlett球形检验判断如果相关阵是单位阵，则各变量独立因子分析法无效。由spss检验结果显示sig.<0.05(即p值<0.05)时，说明各变量间具有相关性，因子分析有效。本发明实施例中，指标间的关联性有以下两个独立维度：其一是常规的用户使用流程。例如，按照从打开、登录到分享、付费的使用流程，也可以说，是指标的先后使用顺序；其二是指标间相互影响的关联。例如功能类指标需要依托性能类指标实现，同时也受到界面类指标的设计影响，此时，可以说该指标的评价受到性能与界面设计的双重影响，两者之间存在一定的相关性。待服务器确定出产品指标间的关联性后，根据所述关联性，对所述二维图形中的产品指标进行分类显示。由于指标数据的展现形式对数据理解有着重要影响。因此，在指标体系中，对各指标得分进行标注后，再用不同颜色、或者不同的显示效果对标注的指标得分进行等级标注，形成用户体验的二维地图。其中，二维地图中，不同颜色、或者不同显示效果所代表的得分等级，应根据产品特征或实际业务需要确定，一方面根据全部样本得分的分布分箱处理，另一方面也要结合业务理解进行调整。本发明实施例中，二维地图的指标排序可以与初始指标体系一致，也可以与初始指标体系不一致，当二维地图的指标排序与初始指标体系不一致时，需要结合指标关联性，将相关联的指标分类布置，以形成便于理解、更有针对性的用户体验的二维地图。本发明实施例中，指标排序的目的是通过不同的角度，协助发现数据结果背后的原因。具体，指标排序存在三种排序方法：第一是用户使用流程的指标顺序；因为用户对于产品体验，可能受某些环节产品问题的直接影响，因此，将用户使用的指标顺序，作为指标排序的一个维度；第二是依据指标间的关联性进行指标排序；因为相关度高的指标之间可能存在一定的共性问题，因此，将指标间的关联性，作为指标排序的另一个维度；第三是单纯的根据数据结果进行指标排序；可以将显著低分与显著高分的指标归类，或是采用聚类分析将指标分组，原因是低分指标之间可能存在共同的体验问题。例如，在球状检验(bartlett)的结果中，当kmo值小于等于0.5，说明指标更倾向按业务流程分析，则采用第一种排序方法对指标进行排序，即用户使用流程的指标顺序；当kmo值大于等于0.7，说明指标间存在较强关联，则采用第二种排序方法对指标进行排序，即依据指标间的关联性进行指标排序；当kmo值介于0.5至0.7之间，说明指标间存在的关联性优先，则采用第三种排序方法对指标进行排序，即单纯的根据数据结果进行指标排序。图3为本发明实施例中对指标总分进行显示的效果示意图；如图3所示，以咪咕音乐这一互联网产品为例，横坐标所示的各种指标包括：用户在使用咪咕音乐这一产品时的操作流程，这里，将所述操作流程称为：流程指标；例如，所述流程指标包括：打开、注册登录、搜索、使用、下载、评论、分享、付费。纵坐标所示的各种指标为：用户在使用咪咕音乐这一产品后，对所述咪咕音乐这一产品所作出的评论，这里，将所述评论对应的各指标，称为评论指标。例如，所述评指标包括：内容、功能、性能、界面、运营。其中，填充图案为“斜线”的代表用户感知差，填充图案为“空白”的代表用户感知一般，填充图案为“菱形”的代表用户感知好。业务理解在指标的排序是起到重要作用，两个业务角度并无交集的指标，可能会被数据排在相关联的位置；另一方面，在指标排序后探索数据背后的原因，必须结合实际业务的运行情况分析，例如不同的运营活动内容，会对不同的指标产生影响，活动希望传递的信息，也可能会在用户群体中产生预料之外的效果，需要业务人员的经验对数据结果进行解读。通过二维图形，将产品指标的总分进行显示，不仅能够提高数据处理的效率。而对互联网产品而言，也能够快速发现并解决问题。另外，通过本发明实施例，汇总针对全部用户对产品指标进行评论的源数据，为产品的开发人员提供一种简单易懂的理解方式，并都能够围绕用户体验制定下一步的产品改进方案，减少了沟通成本；其次，基于详细的指标体系，使用户对产品体验中的问题能够迅速定位，方便问题原因的寻找。如果利用用户体验结果进行深入决策，围绕用户体验地图的输出方式，也能更加精准，更容易实现具体工作落实到人的工作流程。图4为本发明实施例中产品评测装置的组成结构示意图；如图4所示，所述装置包括：获取单元401、计算单元402和生成单元403；其中，所述获取单元401，用于获取对应产品指标的样本数据；所述计算单元402，用于根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；所述生成单元403，用于根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。本发明实施例中，所述装置具体可以是产品评测服务器。由获取单元401根据用户对互联网产品的实际使用流程，将所述实际使用流程作为对产品进行评测的一个维度，获取产品的流程指标。其中，所述流程指标兼顾了产品开发设计过程中常见的流程图形式；另外，所述获取单元401再将互联网产品的使用体验结果作为对产品进行评测的另一维度，获取所述产品的评论指标。其中，所述评论指标与所述流程指标一一对应。通过采用从至少两个数据维度获得指标，能够更加精准地对产品进行问题定位。本发明实施例中，所述获取单元401获取到所述产品的流程指标和评论指标后，根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道。这里，所述数据渠道包括：用户实时体验反馈的数据，如客服数据、线上评价数据、后台技术指标数据、线上线下市场调研数据等等。然后，所述获取单元401根据所述数据渠道，从所述数据渠道获取对应所述流程指标和所述评论指标的样本数据。这里，所述样本数据，包括数值数据和文本数据。所述获取单元401获取对应产品指标的样本数据的示例，请参照方法实施例中的表1所示。本发明实施例中，所述获取单元401获取到的样本数据中，包括至少两个维度的指标数据，为了得到每个指标对应的分值，则在所述获取单元401获取到样本数据后，触发所述计算单元402，由所述计算单元402对所述样本数据对应的指标，进行加权计算，以得到每个产品指标的分值。由于所述获取单元401，通过不同维度获取到的样本数据的类型可能不同，当所述获取单元401获取到的样本数据的数据类型不同时，所述计算单元402需要采用归一化计算方法，对不同类型的数据进行归一化处理，以得到相同类型的数据，以便进一步对产品的指标进行分析。例如，通过线上、线下问卷，得到的指标对应的样本数据是数值类型的数据，则所述获取单元401可以直接获每个指标对应的评分；通过舆情监控，抓取到的指标对应的样本数据是文本形式的数据，则需要所述计算单元402采用自然语言处理技术，根据文本内容及感情色彩，抽取文本核心内容，将文本类型的数据转换为评分数值。然后，将归一化的样本数据的对应的分值，用1至10分代表不同用户从差到好的体验层级，中间分数代表逐渐递增的体验水平，并在10分制量表中进行显示。当然，将归一化的样本数据对应的分值，也可以用百分制量表进行显示，具体量表的选择与评分标准的设定，应结合产品与公司特征制定。本发明实施例中，所述获取单元401在得到产品指标的样本数据后，触发所述计算单元402，具体由所述计算单元402根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；之后，所述计算单元402再根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；然后，再由所述计算单元402根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。这里，所述计算单元402可以采用内容覆盖度的算法，对不同数据渠道的权重进行计算。例如，所述计算单元402根据样本数据，确定出数据渠道数量为a，渠道覆盖的指标数量为cn，各渠道的基础权重为1/a，则各渠道最终权重分别为1/a*c1、1/a*c2、1/a*c3……。具体对各数据渠道的权重进行计算，请参照方法实施例中的表2所示。本发明实施例中，针对不同产品的体验环节，各个过程性指标会有不同程度的影响，通过加权的方式处理，更能代表用户的真实体验。因此，所述服务器在得到每个数据渠道的权重之后，还需要对数据渠道中相同产品指标进行加权计算，以得到每个产品指标的评分。具体地，所述计算单元402在对数据渠道中相同产品指标进行加权计算之前，需要结合具体产品的特征，对每个产品的过程指标或评论指标的权重进行预设。然后，根据预设的指标权重和每个指标的评分，计算该指标的总分。具体进行指标总分计算的方法请参照方法实施例中的表3所示。本发明实施例中，所述服务器得到每个产品指标的总分值后，触发所述生成单元403，由所述生成单元403根据每个产品的总分值，生成对所述产品进行指标评测的二维图形。其中，所述二维图形，可以包括二维地图、二维图表等形式。本发明实施例中，具体由所述获取单元401获取每个产品指标对应的指标权重；之后，触发所述计算单元402计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；所述计算单元402将所述乘积相加，得到每个产品指标的总分值后，触发所述生成单元403，由所述生成单元403根据每个产品指标的总分值，生成对所述产品进行指标评测的二维图形。本发明实施例中，所述装置还包括：显示单元404；具体地，所述计算单元402，还用于通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；所述显示单元404，用于根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。这里，由于不同指标对产品体验的影响，很多时候并不是相互独立的，指标之间同样存在着相互影响。因此部分指标间存在有一定的关联性。所述计算单元402具体可以根据业务理解与相关分析两方面共同确定指标关联性。所述服务器在建立产品指标体系时，会根据业务人员的理解与经验，确定哪些指标会影响其他指标；然后，在对产品指标的源数据处理后，触发所述计算单元402利用聚类分析法、因子分析法等方法，对产品指标体系内的各项指标进行分析，确定各项指标之间在计算内容上的重叠程度，据此再次筛选指标，最终确定指标关联性。其中，所述计算单元402通过因子分析确定指标间的联系性，例如用球状检验(bartlett)相关阵中各变量间的相关性，是否为单位阵，即检验各个变量是否各自独立。因子分析前，首先进行kmo检验和巴特利球体检验，kmo检验用于检查变量间的偏相关性，取值在0～1之前。kmo统计量越接近于1，变量间的偏相关性越强，因子分析的效果越好。实际分析中，kmo统计量在0.7以上时效果比较好；当kmo统计量在0.5以下，此时不适合应用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。如果变量间彼此独立，则无法从中提取公因子，也就无法应用因子分析法。bartlett球形检验判断如果相关阵是单位阵，则各变量独立因子分析法无效。由spss检验结果显示sig.<0.05(即p值<0.05)时，说明各变量间具有相关性，因子分析有效。本发明实施例中，指标间的关联性有以下两个独立维度：其一是常规的用户使用流程。例如，按照从打开、登录到分享、付费的使用流程，也可以说，是指标的先后使用顺序；其二是指标间相互影响的关联。例如功能类指标需要依托性能类指标实现，同时也受到界面类指标的设计影响，此时，可以说该指标的评价受到性能与界面设计的双重影响，两者之间存在一定的相关性。待所述计算单元402确定出产品指标间的关联性后，触发所述显示单元404根据所述关联性，对所述二维图形中的产品指标进行分类显示。由于指标数据的展现形式对数据理解有着重要影响。因此，在指标体系中，对各指标得分进行标注后，再用不同颜色、或者不同的显示效果对标注的指标得分进行等级标注，形成用户体验的二维地图。其中，二维地图中，不同颜色、或者不同显示效果所代表的得分等级，应根据产品特征或实际业务需要确定，一方面根据全部样本得分的分布分箱处理，另一方面也要结合业务理解进行调整。本发明实施例中，二维地图的指标排序可以与初始指标体系一致，也可以与初始指标体系不一致，当二维地图的指标排序与初始指标体系不一致时，需要结合指标关联性，将相关联的指标分类布置，以形成便于理解、更有针对性的用户体验的二维地图。本发明实施例中，指标排序的目的是通过不同的角度，协助发现数据结果背后的原因。具体，指标排序存在三种排序方法：第一是用户使用流程的指标顺序；因为用户对于产品体验，可能受某些环节产品问题的直接影响，因此，将用户使用的指标顺序，作为指标排序的一个维度；第二是依据指标间的关联性进行指标排序；因为相关度高的指标之间可能存在一定的共性问题，因此，将指标间的关联性，作为指标排序的另一个维度；第三是单纯的根据数据结果进行指标排序；可以将显著低分与显著高分的指标归类，或是采用聚类分析将指标分组，原因是低分指标之间可能存在共同的体验问题。例如，在球状检验(bartlett)的结果中，当kmo值小于等于0.5，说明指标更倾向按业务流程分析，则采用第一种排序方法对指标进行排序，即用户使用流程的指标顺序；当kmo值大于等于0.7，说明指标间存在较强关联，则采用第二种排序方法对指标进行排序，即依据指标间的关联性进行指标排序；当kmo值介于0.5至0.7之间，说明指标间存在的关联性优先，则采用第三种排序方法对指标进行排序，即单纯的根据数据结果进行指标排序。具体，使用二维图形对产品指标进行显示的方法，请参照方法实施例中对图2的描述。本发明实施例，通过二维图形，将产品指标的总分进行显示，不仅能够提高数据处理的效率。而对互联网产品而言，也能够快速发现并解决问题。另外，汇总针对全部用户对产品指标进行评论的源数据，为产品的开发人员提供一种简单易懂的理解方式，并都能够围绕用户体验制定下一步的产品改进方案，减少了沟通成本；其次，基于详细的指标体系，使用户对产品体验中的问题能够迅速定位，方便问题原因的寻找。如果利用用户体验结果进行深入决策，围绕用户体验地图的输出方式，也能更加精准，更容易实现具体工作落实到人的工作流程。需要说明的是：上述实施例提供的产品评测装置在进行产品评测时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的产品评测装置与产品评测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。本发明实施例还提供了另一种产品评测装置，该产品评测装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行：获取对应产品指标的样本数据；根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。所述处理器还用于运行所述计算机程序时，执行：获取产品的流程指标和评论指标；根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道；根据所述数据渠道，获取对应所述流程指标和所述评论指标的样本数据。所述处理器还用于运行所述计算机程序时，执行：根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。所述处理器还用于运行所述计算机程序时，执行：获取每个产品指标对应的指标权重；计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；将所述乘积相加，得到每个产品指标的总分值；根据每个产品指标的总分值，生成对所述产品进行指标评测的二维图形。所述处理器还用于运行所述计算机程序时，执行：通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。图5是根据本发明一示例性实施例示出的一种产品评测装置的结构示意图，产品评测装置500可以是移动电话、计算机、数字广播终端、信息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。参照图5，产品评测装置500可以包括以下一个或多个组件：处理组件501、存储器502、电源组件503、多媒体组件504、音频组件505、输入/输出(i/o)接口506、传感器组件507、以及通信组件508。处理组件501通常控制产品评测装置500的整体操作，诸如与显示、电话呼叫、数据通信、相机拍摄和信息记录等相关联的操作。处理组件501可以包括一个或多个处理器5010来执行计算机程序，以完成上述方法的全部或部分步骤。此外，处理组件501可以包括一个或多个模块，便于处理组件501与其他组件之间的交互。例如，处理组件501可以包括多媒体模块，以方便处理组件501与多媒体组件504之间的交互。存储器502可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(rom，readonlymemory)、可编程只读存储器(prom，programmableread-onlymemory)、可擦除可编程只读存储器(eprom，erasableprogrammableread-onlymemory)、电可擦除可编程只读存储器(eeprom，electricallyerasableprogrammableread-onlymemory)、磁性随机存取存储器(fram，ferromagneticrandomaccessmemory)、快闪存储器(flashmemory)、磁表面存储器、光盘、或只读光盘(cd-rom，compactdiscread-onlymemory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，randomaccessmemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，staticrandomaccessmemory)、同步静态随机存取存储器(ssram，synchronousstaticrandomaccessmemory)、动态随机存取存储器(dram，dynamicrandomaccessmemory)、同步动态随机存取存储器(sdram，synchronousdynamicrandomaccessmemory)、双倍数据速率同步动态随机存取存储器(ddrsdram，doubledataratesynchronousdynamicrandomaccessmemory)、增强型同步动态随机存取存储器(esdram，enhancedsynchronousdynamicrandomaccessmemory)、同步连接动态随机存取存储器(sldram，synclinkdynamicrandomaccessmemory)、直接内存总线随机存取存储器(drram，directrambusrandomaccessmemory)。本发明实施例描述的存储器502旨在包括但不限于这些和任意其它适合类型的存储器。存储器502用于存储各种类型的数据以支持产品评测装置500的操作。这些数据的示例包括：用于在产品评测装置500上操作的任何计算机程序，如操作系统和应用程序；联系人数据；电话簿数据；消息；图片；视频等。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序，例如媒体播放器(mediaplayer)、浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。电源组件503为产品评测装置500的各种组件提供电力。电源组件503可以包括电源管理系统，一个或多个电源，及其他与为产品评测装置500生成、管理和分配电力相关联的组件。多媒体组件504包括在产品评测装置500与用户之间提供的一个作为输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd，liquidcrystaldisplay)和触控面板(tp，touchpanel)。如果屏幕包括触控面板，屏幕可以由触摸屏来实现，以接收来自用户的输入信号。触控面板包括一个或多个触摸传感器，以感测触摸、滑动和触摸面板上的手势。触摸传感器不仅能感测触摸或滑动操作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件504可以包括一个前置摄像头和/或后置摄像头。当产品评测装置500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头或后置摄像头可以是一个固定的光学透镜系统、或具有焦距和光学变焦能力。音频组件505用于输出和/或输入音频信号。例如，音频组件505包括一个麦克风，当产品评测装置500处于操作模式，如呼叫模式、记录模式或语音识别模式时，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或经由通信组件508发送。在一些实施例中，音频组件505还可以包括一个扬声器，用于输出音频信号。i/o接口506为处理组件501与外围接口模块之间的信息交互提供接口，上述外围接口模块可以是键盘、鼠标、轨迹球、点击轮、按键、按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。传感器组件507包括一个或多个传感器，用于为产品评测装置500提供各个方面的状态评估。例如，传感器组件507可以检测到产品评测装置500所处的打开/关闭状态，组件的相对定位，例如所述组件为产品评测装置500的显示器和小键盘；传感器组件507还可以检测产品评测装置500或产品评测装置500一个组件的位置改变，用户与产品评测装置500接触的存在或不存在，产品评测装置500的方位或加速/减速、以及产品评测装置500的温度变化。传感器组件507可以包括接近传感器，用于在没有任何的物理接触时检测附近物体的存在。传感器组件507还可以包括光传感器，如金属氧化物半导体元件(cmos，complementarymetal-oxidesemiconductor)图像传感器或电荷耦合元件(ccd，chargecoupleddevice)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件507还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器等。通信组件508用于产品评测装置500与其他设备之间有线或无线方式的通信。产品评测装置500可以接入基于通信标准的无线网络，如wifi、2g或3g、或它们的组合。在一个示例性实施例中，通信组件508经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件508还包括近场通信(nfc，nearfieldcommunication)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid，radiofrequencyidentification)技术、红外数据组织(irda，infrareddataassociation)技术、超宽带(uwb，ultrawideband)技术、蓝牙(bt，bluetooth)技术或其他技术来实现。上述本发明实施例揭示的方法可以应用于处理器5010中，或者由处理器5010实现。处理器5010可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器5010中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器5010可以是通用处理器、数字信号处理器(dsp，digitalsignalprocessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器5010可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器5010读取存储器502中的信息，结合其硬件完成前述方法的步骤。在示例性实施例中，产品评测装置500可以被一个或多个应用专用集成电路(asic，applicationspecificintegratedcircuit)、dsp、可编程逻辑器件(pld，programmablelogicdevice)、复杂可编程逻辑器件(cpld，complexprogrammablelogicdevice)、现场可编程门阵列(fpga，field-programmablegatearray)、通用处理器、控制器、微控制器(mcu，microcontrollerunit)、微处理器(microprocessor)、或其他电子元件实现，用于执行前述方法。在示例性实施例中，本发明实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器502，上述计算机程序可由产品评测装置500的处理器5010执行，以完成前述方法所述步骤。计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、flashmemory、磁表面存储器、光盘、或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器运行时，执行：获取对应产品指标的样本数据；根据所述样本数据，对所述产品指标进行加权计算，以得到每个产品指标的分值；根据每个产品指标的分值，生成对所述产品进行指标评测的二维图形。该计算机程序被处理器运行时，还执行：获取产品的流程指标和评论指标；根据所述流程指标和所述评论指标，确定对应所述流程指标和所述评论指标的数据渠道；根据所述数据渠道，获取对应所述流程指标和所述评论指标的样本数据。该计算机程序被处理器运行时，还执行：根据所述样本数据，确定与所述样本数据对应的数据渠道数量和每个数据渠道覆盖的指标数量；根据所述数据渠道数量和每个数据渠道覆盖的指标数量，确定每个数据渠道的权重；根据每个数据渠道的权重，对数据渠道中的相同产品指标进行加权计算，以得到每个产品指标的分值。该计算机程序被处理器运行时，还执行：获取每个产品指标对应的指标权重；计算每个产品指标的分值与每个产品指标对应的指标权重的乘积；将所述乘积相加，得到每个产品指标的总分值；根据每个产品指标的总分值，生成对所述产品进行指标评测的二维图形。该计算机程序被处理器运行时，还执行：通过聚类分析法或因子分析法，计算所述二维图形中产品指标的关联性；根据所述二维图形中产品指标的关联性，对所述二维图形中的产品指标进行分类显示。以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。当前第1页12