运营数据的分析方法、装置、存储介质及分析设备与流程

本发明涉及计算及程序技术领域，特别是涉及一种运营数据的分析方法、装置、存储介质及运营数据的分析设备。

背景技术：

现有技术中，针对运营数据的分析及分析方法一般以关注前台运营数据为主，而针对后台运营数据的分析及分析方法一般较少，其受重视的程度也相对较低。通常情况下，由于后台数据在业务流程中运营、产品、开发沟通成本高，业务在不同点容易产生割裂、变形等，因此，现有技术中针对后台运营数据的分析与分析方法不仅成本较高，而且准确度较低。

技术实现要素：

有鉴于此，本发明提供了一种运营数据的分析方法、装置、存储介质及运营数据的分析设备，通过其对后台运营数据进行分析及分析，不仅成本较低，而且准确度较高，从而更加适于实用。

为了达到上述第一个目的，本发明提供的运营数据的分析方法的技术方案如下：

本发明提供的运营数据的分析方法包括以下步骤：

获取不同时间区间内营销活动的前台运营收益数据以及财务净利润数据；

根据所述不同时间区间内营销活动的前台运营收益数据以及财务净利润数据，得到相对应的不同时间区间内营销活动的后台运营数据；

根据所述不同时间区间内营销活动的后台运营数据以及所述后台运营数据的各影响因子的特征向量，按照预设的函数模型，得到每个不同时间区间内营销活动的后台运营数据与所述各影响因子的特征向量之间的函数；

对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到与所述各影响因子对应的特征系数的数值；

根据与所述各影响因子对应的特征系数的数值，得到所述营销活动中与后台运营数据相对应的各影响因子的优劣顺序。

本发明提供的运营数据的分析方法还可采用以下技术措施进一步实现。

作为优选，根据所述运营数据得到与所述运营数据的时间区间相对应的后台运营数据时，所述后台运营数据的运算公式为r＝m-f(x)，

其中，

f(x)：后台运营数据，其运算方式为与后台运营数据相对应的各影响因子的特征向量的加权运算得到的，

m：与所述后台运营数据的时间区间相对应的前台运营收益数据，

r：与所述后台运营数据的时间区间相对应的财务净利润数据。

作为优选，对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到与所述各影响因子对应的特征系数的数值具体包括以下步骤：

选取同一时间区间内的后台运营数据、与所述前台运营数据的时间区间相对应的前台运营收益数据、以及与所述后台运营数据的时间区间相对应的财务净利润数据作为一数据组对；

将多个数据组对代入至所述预设函数，得到多元一次方程组，其中，所述预设函数为每个所述影响因子的特征向量与其对应的特征系数值的乘积之和，每个所述影响因子的特征向量的具体数值均为对应的时间区间内，从后台获取的已知数据，所述多元一次方程组中的未知数为所述后台运营数据中的特征向量的特征系数；

通过求解所述多元一次方程组，得到所述后台运营数据中的特征向量的特征系数的数值；

将所述后台运营数据中的特征向量的特征系数的数值代入至所述预设函数，以作为所述后台运营数据代入所述后台运营数据的运算公式，得到反应后台运营数据与特征向量关系的后台运营数据函数；

指定所述后台运营数据函数中各特征向量的具体数值，通过所述后台运营数据函数的运算，得到与所述各影响因子对应的特征系数的数值。

作为优选，当用以代入至所述后台运营数据与所述特征向量之间的函数的数据组对的数量与所述特征向量的数量相同时，直接求解所述多元一次方程组，得到所述各特征向量的特征系数的数值。

作为优选，当用以代入至所述后台运营数据与所述特征向量之间的函数的数据组对的数量大于所述特征向量的数量时，通过最小二乘法求解所述多元一次方程组，得到所述各特征向量的特征系数的优化数值。

作为优选，根据所述运营数据分析结果，得到所述营销活动后台运营数据的优劣顺序的方法具体包括以下步骤：

按照所述各特征系数由大到小的顺序对与所述各特征系数对应的特征向量进行排列；

标记排列后与所述各特征系数对应的特征向量的顺序号，得到与后台运营数据相对应的各影响因子的优劣顺序。

为了达到上述第二个目的，本发明提供的运营数据的分析装置的技术方案如下：

本发明提供的运营数据的分析装置包括：

数据获取单元，用于获取不同时间区间内营销活动的前台运营收益数据以及财务净利润数据；

运算单元，用于根据所述不同时间区间内营销活动的前台运营收益数据以及财务净利润数据，得到相对应的不同时间区间内营销活动的后台运营数据；

函数创制单元，用于根据所述不同时间区间内营销活动的后台运营数据以及所述后台运营数据的各影响因子的特征向量，按照预设的函数模型，得到每个不同时间区间内营销活动的后台运营数据与所述各影响因子的特征向量之间的函数；

数据分析单元，对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到与所述各影响因子对应的特征系数的数值；

排序单元，用于根据与所述各影响因子对应的特征系数的数值，得到所述营销活动中与后台运营数据相对应的各影响因子的优劣顺序。

本发明提供的运营数据的分析装置还可采用以下技术措施进一步实现。

作为优选，

所述数据获取单元包括：

第一数据获取模块，用于获取不同时间区间内营销活动的后台运营数据；

第二数据获取模块，用于获取与所述后台运营数据的时间区间相对应的前台运营收益数据；

第三数据获取模块，用于获取与后台运营数据的时间区间相对应的财务净利润数据；

和/或，

所述单元包括：

排序模块：用于按照所述各特征系数由大到小的顺序对与所述各特征系数对应的特征向量进行排列；

标记模块：用于标记与所述各特征系数由大到小排序的顺序相对应的特征向量的顺序号，得到与后台运营数据相对应的各影响因子的优劣顺序。

为了达到上述第三个目的，本发明提供的存储介质的技术方案如下：

本发明提供的存储介质上存储有运营数据的分析程序，所述运营数据的分析程序被处理器执行时，实现本发明提供的运营数据的分析方法。

为了达到上述第四个目的，本发明提供的运营数据的分析设备的技术方案如下：

本发明提供的运营数据的分析设备包括存储器、处理器寄存处在存储器上并可在所述处理器上运营的运营数据的分析程序，所述运营数据的分析程序被处理器执行时，实现本发明提供的运营数据的分析方法。

本发明提供的运营数据的分析方法、装置、存储介质及运营数据的分析设备依次通过获取不同时间区间内营销活动的后台运营数据、与所述后台运营数据的时间区间相对应的前台运营收益数据以及与所述后台运营数据的时间区间相对应的财务净利润数据；根据与所述后台运营数据，与后台运营数据相对应的前台运营收益数据、财务净利润数据以及各影响因子的特征向量，按照预设的函数模型，得到所述后台运营数据与所述特征向量之间的函数；对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到所述运营数据分析结果；根据所述运营数据分析结果，得到所述营销活动中，与后台运营数据相对应的各影响因子的优劣顺序。通过该方法、装置、存储介质及运营数据的分析设备，能够对营销活动后台运营数据进行量化，从而得到较为准确的运营数据分析结果，其不仅有利于掌握本次营销活动的运营状况，还能够为后续营销活动提供有价值的参考，使得后续营销活动获得的现金收益最大。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例方案涉及的硬件运行环境的运营数据的分析设备结构示意图。

图2为本发明实施例一提供的运营数据的分析方法的步骤流程图；

图3为本发明实施例一提供的运营数据分析方法中，通过数据分析得到运营数据分析结果的方法的具体步骤流程图；

图4(a)为本发明实施例一提供的运营数据分析方法中，其中一时间区间与另一时间区间之间相邻的示意图；

图4(b)为本发明实施例一提供的运营数据分析方法中，其中一时间区间与另一时间区间之间间隔一段时间的示意图；

图4(c)为本发明实施例一提供的运营数据分析方法中，其中一时间区间与另一时间区间之间有一段重叠时间的示意图；

图4(d)为本发明实施例一提供的运营数据分析方法中，其中一时间区间被另一时间区间包容的示意图；

图5为本发明实施例二提供的运营数据的分析装置中各模块之间的信号流向关系示意图；

图6为本发明实施例二提供的运营数据的分析装置中各模块之间的具体信号流向关系示意图。

具体实施方式

本发明为解决现有技术存在的问题，提供一种运营数据的分析方法、装置、存储介质及运营数据的分析设备，通过其对后台运营数据进行分析及分析，不仅成本较低，而且准确度较高，从而更加适于实用。

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的运营数据分析方法、装置、存储介质及运营数据的分析设备，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特征、结构、或特点可由任何合适形式组合。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，具体的理解为：可以同时包含有a与b，可以单独存在a，也可以单独存在b，能够具备上述三种任一种情况。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的运营数据的分析设备结构示意图。

如图1所示，该运营数据的分析设备可以包括：处理器1001，例如中央处理器(centralprocessingunit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(randomaccessmemory，ram)存储器，也可以是稳定的非易失性存储器(non-volatilememory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对运营数据的分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及运营数据的分析程序。

在图1所示的运营数据的分析设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明运营数据的分析设备中的处理器1001、存储器1005可以设置在运营数据的分析设备中，所述运营数据的分析设备通过处理器1001调用存储器1005中存储的运营数据的分析程序，并执行本发明实施例提供的运营数据的分析方法。

实施例一

参见附图2，本发明实施例一提供的运营数据的分析方法包括以下步骤：

步骤s101：获取不同时间区间内营销活动的前台运营收益数据以及财务净利润数据。

本实施例以5个时间区间为例进行说明如下：

具体而言，本实施例中，获取不同时间区间内营销活动中的后台运营数据具体可以为，获取不同时间区间内的前台运营收益数据具体可以为，获取5个时间区间内的前台运营收益数据，包括m1、m2、m3、m4、m5；获取与所述后台运营数据的获取与所述5个时间区间相对应的财务净利润数据包括r1、r2、r3、r4、r5，其中，财务净利润数据是通过账面净利润得到的。

步骤s102：根据所述不同时间区间内营销活动的前台运营收益数据以及财务净利润数据，得到相对应的不同时间区间内营销活动的后台运营数据。

具体而言，本实施例中，需要根据5个时间区间内的前台运营收益数据m1、m2、m3、m4、m5，与所述5个时间区间相对应的财务净利润数据r1、r2、r3、r4、r5，得到5个时间区间内营销活动的后台运营数据f(x1)、f(x2)、f(x3)、f(x4)、f(x5)。

步骤s103：根据所述不同时间区间内营销活动的后台运营数据以及所述后台运营数据的各影响因子的特征向量，按照预设的函数模型，得到每个不同时间区间内营销活动的后台运营数据与所述各影响因子的特征向量之间的函数。

本实施例中，选取的与后台运营数据相对应的各影响因子的特征向量包括：t1-活动持续时间，d-页面点击数量，t2-页面点击耗时，j-向用户发放的奖励的现金价值，l-针对用户的限制条件，后台运营数据与所述特征向量之间的函数模型为f(x)＝x1t1+x2d+x3t2+x4j+x5l，其中，x1、x2、x3、x4、x5分别为该后台运营数据函数f(x)中，针对各特征向量的特征系数。

步骤s104：对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到与所述各影响因子对应的特征系数的数值。

具体而言，本实施例中，是指根据后台运营数据的函数f(x)＝x1t1+x2d+x3t2+x4j+x5l中，针对各特征向量的特征系数x1、x2、x3、x4、x5，以及各特征向量t1-活动持续时间，d-页面点击数量，t2-页面点击耗时，j-向用户发放的奖励的现金价值，l-针对用户的限制条件进行数据分析，得到与所述各影响因子对应的特征系数x1、x2、x3、x4、x5的数值；

步骤s105：根据与所述各影响因子对应的特征系数的数值，得到所述营销活动中与后台运营数据相对应的各影响因子的优劣顺序。

具体而言，假设各影响因子对应的特征系数的数值依次为x1＝5、x2＝4、x3＝3、x4＝2、x5＝1，那么x1、x2、x3、x4、x5由大到小的排序顺序依次为：x1、x2、x3、x4、x5。由于特征系数x1与特征向量t1相对应，则标记特征向量t1的顺序号为1；特征系数x2与特征向量d相对应，则标记特征向量d的顺序号为2；特征系数x3与特征向量t2相对应，则标记特征向量t2的顺序号为3；特征系数x4与特征向量j相对应，则标记特征向量j的顺序号为2；特征系数x5与特征向量l相对应，则标记特征向量l的顺序号为5，此时，按照顺序号，对各特征向量依次排序的结果为t1、d、t2、j、l，在得到与后台运营数据相对应的各影响因子中，排位越靠前的，对营销活动的影响越大，排位越靠后的，对营销活动的影响越小，在这种情况下，可以为后续营销活动提供指导。例如，如某一影响因子对营销活动的影响较小，则在后续营销活动中，减小对该影响因子的投入；如某一影响因子对营销活动的影响较大又有提高财务净利润的作用，则在后续营销活动中，加大对该影响因子的投入；如某一影响因子对营销活动的影响较大又有降低财务净利润的作用，则在后续营销活动中，剔除对该影响因子的投入，最终目的是在投入尽可能小的情况下，获得尽可能多的财务净利润。

由此可见，通过本发明实施例一提供的运营数据的分析方法，能够对营销活动中，后台运营数据的个影响因子进行量化，从而得到较为准确的运营数据分析结果，其不仅有利于掌握本次营销活动的运营状况，还能够为后续营销活动提供有价值的参考，使得后续营销活动获得的现金收益最大。

本实施例中，所述预设函数为r＝m-f(x)，

其中，

f(x)：后台运营数据，其运算方式为与后台运营数据相对应的各影响因子的特征向量的加权运算得到的，

m：与所述后台运营数据的时间区间相对应的前台运营收益数据，

r：与所述后台运营数据的时间区间相对应的财务净利润数据。

此处需要说明的是，与后台运营数据的时间区间相对应的前台运营收益数据m可以根据该时间区间内，末时刻的流水累计与始时刻的流水累计的差值换算得到，与后台运营收益数据的时间区间相对应的财务净利润数据可以根据该时间区间内，末时刻的净利润总额与始时刻的净利润总额的差值换算得到。

参见附图3，对所述后台运营数据、与所述后台运营数据的时间区间相对应的前台运营收益数据以及与所述后台运营数据的时间区间相对应的财务净利润数据，进行数据分析，得到与所述各影响因子对应的特征系数的数值具体包括以下步骤：

步骤s201：选取同一时间区间内的后台运营数据、与所述前台运营数据的时间区间相对应的前台运营收益数据、以及与所述后台运营数据的时间区间相对应的财务净利润数据作为一数据组对。

具体而言，

在本实施的第一种具体实现方式中，选取的数据组对的对数数为5组，即{f(x1)、m1、r1}，{f(x2)、m2、r2}，{f(x3)、m3、r3}，{f(x4)、m4、r4、}，{f(x5)、m5、r5}。

在本实施例的第二种具体实现方式中，选取的数据组的对数大于5组，即{f(x1)、m1、r1}，{f(x2)、m2、r2}，{f(x3)、m3、r3}，{f(x4)、m4、r4、}，{f(x5)、m5、r5}，…，{f(xn)、mn、rn}，其中，n为大于5的正整数。

步骤s202：将多个数据组对代入至所述后台运营数据与所述特征向量之间的函数，得到多元一次方程组，其中，所述预设函数为每个所述影响因子的特征向量与其对应的特征系数值的乘积之和，每个所述影响因子的特征向量的具体数值均为对应的时间区间内，从后台获取的已知数据，所述多元一次方程组中的未知数为所述后台运营数据中的特征向量的特征系数。

具体而言，

在本实施例中，预设函数为f(x)＝x1t1+x2d+x3t2+x4j+x5l，其中，t1-活动持续时间，d-页面点击数量，t2-页面点击耗时，j-向用户发放的奖励的现金价值，l-针对用户的限制条件，均为对应的时间区间内，从后台获取的已知数据；

在本实施例的第一种具体的实现方式中，将上述5组数据组对分别代入至后台运营数据与特征向量之间的函数，得到的5元一次方程组如下：

在本实施例的第二种具体的实现方式中，将上述大于5组数据组对分别代入至后台运营数据与特征向量之间的函数，得到的n元一次方程组如下：

其中，n为大于5的正整数。

步骤s203：通过求解所述多元一次方程组，得到所述后台运营数据中的特征向量的特征系数的数值。

具体而言，

在本实施例的第一种实现方式中，由于该5元一次方程组中有5个未知数，因此，通过直接求解该5元一次方程组(1)，得到后台运营数据函数f(x)＝x1t1+x2d+x3t2+x4j+x5l中的各特征系数x1、x2、x3、x4、x5的值。

在本实施例的第二种具体实现方式中，由于该n元一次方程组中的方程式的数量多于未知数的数量，因此，需要通过最小二乘法求解该n元一次方程组(2)，得到优化的后台运营数据函数f(x)＇＝x1＇t1+x2＇d+x3＇t2+x4＇j+x5＇l中的优化的各特征系数x1＇、x2＇、x3＇、x4＇、x5＇的值。

步骤s204：将所述后台运营数据中的特征向量的特征系数的数值代入至所述预设函数，得到反应后台运营数据与特征向量关系的后台运营数据函数。

具体而言，

在本实施例的第一种具体的实现方式中，将得到的各特征系数代入至所述后台运营数据函数f(x)，即得到自变量分别为t1、d、t2、j、l的后台运营数据函数f(x)＝x1t1+x2d+x3t2+x4j+x5l。

在本实施例的第二种具体的实现方式中，将得到的优化的各特征系数代入至优化的后台运营数据函数f(x)＇，即得到自变量分别为t1、d、t2、j、l的优化的后台运营数据函数f(x)＇x1＇t1+x2＇d+x3＇t2+x4＇j+x5＇l；

步骤s205：指定所述后台运营数据的函数中各特征向量的具体数值，即可通过后台运营数据的函数的运算，得到与所述各影响因子对应的特征系数的数值。

具体而言，

在本实施例的第一种具体的实现方式中，指定所述后台运营数据的函数f(x)中各特征向量的具体数值，即可通过后台运营数据的函数f(x)的运算，得到与各特征向量的具体数值对应的运营数据分析结果。

在本实施例的第二种具体的实现方式中，指定所述优化的后台运营数据的函数f(x)＇中各特征向量的具体数值，即可通过后台运营数据的函数f(x)＇的运算，得到与各特征向量的具体数值对应的优化的运营数据分析结果。

本实施例中，根据所述运营数据分析结果，得到所述营销活动后台运营数据的优劣顺序的方法具体包括以下步骤：

按照所述各特征系数由大到小排序的顺序对与所述各特征系数对应的特征向量进行排列。

具体而言，

在本实施例的第一种具体的实现方式中，按照各各特征系数x1、x2、x3、x4、x5的值由大到小排序，由前到后排列与所述各特征系数由大到小排序的顺序相对应的特征向量t1、d、t2、j、l。

在本实施例的第二种具体的实现方式中，按照各特征系数x1＇、x2＇、x3＇、x4＇、x5＇的值由大到小排序，由前到后排列与所述各特征系数由大到小排序的顺序相对应的特征向量t1、d、t2、j、l。

标记排列后与所述各特征系数对应的特征向量的顺序号，得到与后台运营数据相对应的各影响因子的优劣顺序。

具体而言，在本实施例中，排列后特征向量t1、d、t2、j、l的顺序号，即为与后台运营数据相对应的各影响因子的优劣顺序。

其中，在本实施例中，所述后台运营数据的时间区间的数量为多个，每个所述时间区间的起点和终点至少有一个与其他所述时间区间的起点或者终点不同。在这种情况下，能够得到多个不同的数据组对，参见附图4(a)、4(b)、4(c)和4(d)，所述多个时间区间之间的关系选自附图4(a)相邻两个时间区间之间无时间间隔相连，此时，时间区间t1的截止点t2页也同时为时间区间t2的起始点；或者附图4(b)所示的相邻两个时间区间之间具有时间间隔，此时，时间区间t1的截止点t2与时间区间t2的起始点t3之间具有的时间间隔t3-t2大于零；或者附图4(c)相邻两个时间区间之间有一部分叠加时间，此时，时间区间t1的截止点t2与时间区间t2的起始点t3之间具有的时间间隔t3-t2小于零；或者附图4(d)所示的有的时间区间被另外的时间区间包容，此时，时间区间t2的起始点t2晚于时间区间t1的起始点t1，时间区间t2的截止点t4早于时间区间t1的截止点t2，实践中，可以根据实际需求进行选择。

实施例二

参见附图5和附图6，本发明实施例二提供的运营数据的分析装置包括：

数据获取单元401，用于获取不同时间区间内营销活动的前台运营收益数据以及财务净利润数据。

具体而言，在本实施例中，数据获取单元401又可以分别包括：

第一数据获取模块4011，用于获取不同时间区间内营销活动的后台运营数据，包括f(x1)、f(x2)、f(x3)、f(x4)、f(x5)。

第二数据获取模块4012，用于获取与后台运营数据的时间区间相对应的前台运营收益数据，包括m1、m2、m3、m4、m5。

第三数据获取模块4013，用于获取与后台运营数据的时间区间相对应的财务净利润数据，包括r1、r2、r3、r4、r5。

运算单元402，根据所述不同时间区间内营销活动的前台运营收益数据以及财务净利润数据，得到相对应的不同时间区间内营销活动的后台运营数据。

具体而言，本实施例中，需要根据5个时间区间内的前台运营收益数据m1、m2、m3、m4、m5，与所述5个时间区间相对应的财务净利润数据r1、r2、r3、r4、r5，得到5个时间区间内营销活动的后台运营数据f(x1)、f(x2)、f(x3)、f(x4)、f(x5)。

函数创制单元403，用于根据与所述后台运营数据，与后台运营数据相对应的前台运营收益数据、财务净利润数据以及各影响因子的特征向量，按照预设的函数模型，得到所述后台运营数据与所述特征向量之间的函数。

具体而言，本实施例中，函数创制单元403按照预设的函数模型创制得到的函数为f(x)＝x1t1+x2d+x3t2+x4j+x5l，其中，x1、x2、x3、x4、x5分别为该后台运营数据函数f(x)中，针对各特征向量的特征系数，t1-活动持续时间，d-页面点击数量，t2-页面点击耗时，j-向用户发放的奖励的现金价值，l-针对用户的限制条件。

数据分析单元404，用于对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到与所述各影响因子对应的特征系数的数值。

具体而言，具体而言，本实施例中，是指根据后台运营数据的函数f(x)＝x1t1+x2d+x3t2+x4j+x5l中，针对各特征向量的特征系数x1、x2、x3、x4、x5，以及各特征向量t1-活动持续时间，d-页面点击数量，t2-页面点击耗时，j-向用户发放的奖励的现金价值，l-针对用户的限制条件进行数据分析，得到所述运营数据分析结果。

排序单元405，用于根据所述运营数据分析结果，得到所述营销活动中，与后台运营数据相对应的各影响因子的优劣顺序。

具体而言，本实施例中，排序单元还可以包括：

排序模块4051：用于按照所述各特征系数由大到小的顺序对与所述各特征系数对应的特征向量进行排列。

标记模块4052，用于标记与所述各特征系数由大到小排序的顺序相对应的特征向量的顺序号，得到与后台运营数据相对应的各影响因子的优劣顺序。

本发明提供的运营数据的分析装置通过数据获取单元401获取不同时间区间内营销活动的后台运营数据、与所述后台运营数据的时间区间相对应的前台运营收益数据以及与所述后台运营数据的时间区间相对应的财务净利润数据；通过函数创制单元，根据与所述后台运营数据，与后台运营数据相对应的前台运营收益数据、财务净利润数据以及各影响因子的特征向量，按照预设的函数模型，得到所述后台运营数据与所述特征向量之间的函数；通过数据分析单元，对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到所述运营数据分析结果；通过排序单元，根据所述运营数据分析结果，得到所述营销活动中，与后台运营数据相对应的各影响因子的优劣顺序。

实施例三

本发明实施例三提供的存储介质上存储有运营数据的分析程序，所述运营数据的分析程序被处理器执行时，实现本发明提供的运营数据的分析方法。

本发明提供的存储介质在运行时，依次通过获取不同时间区间内营销活动的后台运营数据、与所述后台运营数据的时间区间相对应的前台运营收益数据以及与所述后台运营数据的时间区间相对应的财务净利润数据；根据与所述后台运营数据，与后台运营数据相对应的前台运营收益数据、财务净利润数据以及各影响因子的特征向量，按照预设的函数模型，得到所述后台运营数据与所述特征向量之间的函数；对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到所述运营数据分析结果；根据所述运营数据分析结果，得到所述营销活动中，与后台运营数据相对应的各影响因子的优劣顺序。通过该存储介质及运营数据的分析设备，能够对营销活动后台运营数据进行量化，从而得到较为准确的运营数据分析结果，其不仅有利于掌握本次营销活动的运营状况，还能够为后续营销活动提供有价值的参考，使得后续营销活动获得的现金收益最大。

实施例四

本发明实施例四提供的运营数据的分析设备包括存储器、处理器寄存处在存储器上并可在所述处理器上运行的运营数据的分析程序，所述运营数据的分析程序被处理器执行时，实现本发明提供的运营数据的分析方法。

本发明提供的运营数据的分析设备上，存储在存储器上并可在处理器上运行的数据分析程序依次通过获取不同时间区间内营销活动的后台运营数据、与所述后台运营数据的时间区间相对应的前台运营收益数据以及与所述后台运营数据的时间区间相对应的财务净利润数据；根据与所述后台运营数据，与后台运营数据相对应的前台运营收益数据、财务净利润数据以及各影响因子的特征向量，按照预设的函数模型，得到所述后台运营数据与所述特征向量之间的函数；对所述后台运营数据与所述特征向量之间的函数进行数据分析，得到所述运营数据分析结果；根据所述运营数据分析结果，得到所述营销活动中，与后台运营数据相对应的各影响因子的优劣顺序。通过该分析设备，能够对营销活动后台运营数据进行量化，从而得到较为准确的运营数据分析结果，其不仅有利于掌握本次营销活动的运营状况，还能够为后续营销活动提供有价值的参考，使得后续营销活动获得的现金收益最大。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。