一种用户行为分析方法、装置、电子设备及存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种用户行为分析方法、装置、电子设备及存储介质。


背景技术：

2.随着大数据应用的发展，人们逐渐对olap(在线分析处理)领域的实时性要求变高，为计算一些实时的数据指标，大数据应用从离线数仓到实时数仓进行升级改造，由lamba架构过度至kappa架构。虽然解决了数据的实时性，但带来了更多的开发与运维工作。lamba架构背景是流处理引擎还不完善，流式处理的结果只作为临时的、近似的值提供参考。kappa架构虽然解决了流处理问题，但是无法支持海量数据存储，无法支持olap查询，无法复用离线数仓的数据。且现绝大多数大数据处理架构均基于hadoop全家桶，对企业的开发、维护及使用成本极高，导致目前无法高效、低成本的进行大数据实时分析与挖掘。


技术实现要素：

3.本发明的目的在于克服上述技术不足，提供一种，解决现有技术中无法高效、低成本的进行大数据实时分析与挖掘的技术问题。
4.为达到上述技术目的，本发明采取了以下技术方案：
5.第一方面，本发明提供一种用户行为分析方法，包括如下步骤：
6.获取游戏行为数据；
7.基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新；
8.基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据；
9.基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。
10.在一些实施例中，所述获取游戏行为数据，包括：
11.基于数据埋点获取所述游戏行为数据。
12.在一些实施例中，所述基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，包括：
13.获取所述游戏行为数据，基于所述游戏行为数据获取用户事件；
14.判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新。
15.在一些实施例中，所述判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新，包括：
16.判断所述用户事件是否为注册事件，如果是，则在所述用户事件宽表中新增用户记录，以完成用户事件宽表的更新，否则，更新所述用户事件宽表的用户属性，以完成所述用户事件宽表的更新。
17.在一些实施例中，所述基于预先定义的事件宽表属性字段，从所述更新后的事件
宽表中提取对应数据维度的数据，包括：
18.根据所需构建的数据模型的类型，获取预先定义的事件宽表属性字段；
19.基于所述预先定义的事件宽表属性字段，对所述更新后的事件宽表进行筛选，以提取对应数据维度的数据。
20.第二方面，本发明还提供一种用户行为分析装置，包括：
21.数据获取模块，获取游戏行为数据；
22.用户事件宽表更新模块，用于基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新；
23.数据提取模块，用于基于预先定义的事件宽表属性字段，从所述更新后的用户事件宽表中提取对应数据维度的数据；
24.数据分析模块，用于基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。
25.在一些实施例中，所述用户事件宽表更新模块包括：
26.事件获取单元，用于获取所述游戏行为数据，基于所述游戏行为数据获取用户事件；
27.判断单元，用于判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新。
28.在一些实施例中，所述数据提取模块包括：
29.字段获取单元，用于根据所需构建的数据模型的类型，获取预先定义的事件宽表属性字段；
30.筛选单元，用于基于所述预先定义的事件宽表属性字段，对所述更新后的事件宽表进行筛选，以提取对应数据维度的数据。
31.第三方面，本发明还提供一种电子设备，包括：处理器和存储器；
32.所述存储器上存储有可被所述处理器执行的计算机程序；
33.所述处理器执行所述计算机程序时实现如上所述的用户行为分析方法中的步骤。
34.第四方面，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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的用户行为分析方法中的步骤。
35.与现有技术相比，本发明提供的用户行为分析方法、装置、电子设备及存储介质，首先获取游戏行为数据，然后基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，之后基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据，最后基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。本发明用单一的事件宽表模型，高效搭建自定义的数据报表，当事件日志存储至事件宽表时，系统可自动触发用户宽表属性值计算，如留存模型及付费模型等报表。游戏每日汇总、游戏汇总等其它数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可，从而可以简单高效的分析游戏用户行为，深化游戏内的用户体验，深度挖掘用户价值。
附图说明
36.图1是本发明提供的用户行为分析方法的一实施例的流程图；
37.图2是本发明提供的用户行为分析方法中，所述步骤s200的流程图；
38.图3是本发明提供的用户行为分析方法中，所述步骤s300的流程图；
39.图4是本发明提供的用户行为分析装置的一实施例的示意图；
40.图5是本发明用户行为分析程序的一实施例的运行环境示意图。
具体实施方式
41.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
42.请参阅图1，本发明提供一种用户行为分析方法，包括如下步骤：
43.s100、获取游戏行为数据；
44.s200、基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新；
45.s300、基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据；
46.s400、基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。
47.本实施例中，首先获取游戏行为数据，然后基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，之后基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据，最后基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。本发明用单一的事件宽表模型，高效搭建自定义的数据报表，当事件日志存储至事件宽表时，系统可自动触发用户宽表属性值计算，如留存模型及付费模型等报表。游戏每日汇总、游戏汇总等其它数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可，从而可以简单高效的分析游戏用户行为，深化游戏内的用户体验，深度挖掘用户价值。
48.在一些实施例中，所述步骤s100具体包括：
49.基于数据埋点获取所述游戏行为数据。
50.本实施例中，数据埋点是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑。比如访问数(visits)，访客数(visitor)，停留时长(time on site)，页面浏览数(page views)和跳出率(bounce rate)。数据埋点分三个阶段，即初级阶段、中级阶段和高级阶段，初级的数据埋点指的是在产品流程关键部位植相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度。中级的数据埋点指的是在产品中植入多段代码追踪用户连续行为，建立用户模型来具体化用户在使用产品中的操作行为。高级的数据埋点指的是与研发及数据分析师团队合作，通过数据埋点还原出用户画像及用户行为，建立数据分析后台，通过数据分析、优化产品。因此，数据埋点可作为第三方统计工具进行数据的收集分析。本发明采用数据埋点的方式收集数据，可方便简单的收集到用户游戏行为，进而进行分析，具体的，当游戏接入数据埋点后，用户体验游戏时，触发埋点数据上报。其中，所述用户行为数据可以为多种，例如充值数据、留存数据、注册数据等等，本发明对此不做限定。
51.在一些实施例中，请参阅图2，所述步骤s200具体包括：
52.s210、获取所述游戏行为数据，基于所述游戏行为数据获取用户事件；
53.s220、判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新。
54.本实施例中，用户事件表指的是事件表包含有关资产、条件和可以沿路径要素定位的事件的信息。事件表中的各行分别引用一个事件，其位置表示为沿已命名(可识别)线状要素的测量值，而事件宽表就是比普通的事件表宽的表，比如数据库表一，在数据库中是五个字段，表二是四个字段，宽表就是把这两个有业务联系的表通过关联字段弄到一个大表中，这样列数自然就变多了，表也就宽了，所以就有了宽表，通过宽表的使用，既能解决多维分析时多表的关联问题又能提高数据查询的速度和分析操作的便捷性。因此，本发明通过用户事件宽表可以自定义提取指定数据维度的数据，在后续需要进行数据分析时，提取对应数据维度的数据即可。其中，由于用户的游戏行为数据不同，对用户事件宽表的更新方式也有差异，具体根据实际游戏行为数据进行用户事件宽表更新即可。
55.在一些实施例中，所述步骤s220具体包括：
56.判断所述用户事件是否为注册事件，如果是，则在所述用户事件宽表中新增用户记录，以完成用户事件宽表的更新，否则，更新所述用户事件宽表的用户属性，以完成所述用户事件宽表的更新。
57.本实施例中，用户从进入游戏开始，上报游戏内的行为数据至系统。由系统实时收集至用户事件宽表中，如果是用户注册事件触发用户宽表创建用户记录，其它事件触发用户宽表属性更新，以达到更新用户事件宽表的目的。
58.在一些实施例中，请参阅图3，所述步骤s300具体包括：
59.s310、根据所需构建的数据模型的类型，获取预先定义的事件宽表属性字段；
60.s320、基于所述预先定义的事件宽表属性字段，对所述更新后的事件宽表进行筛选，以提取对应数据维度的数据。
61.本实施例中，为了获取所需维度的数据，首先根据需要构建的数据模型的类型获取预先定义的事件宽表属性字段，该属性字段与数据属性对应，通过该属性字段可以查找到唯一维度的数据，因此，在得到了该事件宽表属性字段后，通过该事件宽表属性字段可对事件宽表进行筛选，以得到所需维度的数据。其中，数据模型的类型有多种，具体可根据实际需求设定，例如为了分析用户游戏消费能力，可设置付费模型，为了分析用户登录时间数据，可设置留存模型等等，通过每日汇总，游戏汇总等其他数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可。
62.当得到了所需维度的数据或，即可根据该维度的数据生成数据模型，该数据模型用于反映该维度的用户行为，从而可以对用户行为进行分析，以提供定制化的数据分析与挖掘服务。
63.本发明提供的技术方案，首先获取游戏行为数据，然后基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，之后基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据，最后基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。本发明用单一的事件宽表模型，高效搭建自定义的数据报表，当事件日志存储至事件宽表时，系统可自动触发用户宽表属性值计算，如留存模型及付费模型等报表。游戏每日汇总、游戏汇总等其它数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可，从而可以简单高效的分析游戏用户行为，深化游戏内的用户体验，
深度挖掘用户价值。
64.基于上述用户行为分析方法，本发明实施例还相应的提供一种用户行为分析装置500，请参阅图4，该用户行为分析装置500包括数据获取模块510、用户事件宽表更新模块520、数据提取模块530和数据分析模块540。
65.数据获取模块510用于获取游戏行为数据。
66.用户事件宽表更新模块520用于基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新。
67.数据提取模块530用于基于预先定义的事件宽表属性字段，从所述更新后的用户事件宽表中提取对应数据维度的数据。
68.数据分析模块540用于基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。
69.本实施例中，首先获取游戏行为数据，然后基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，之后基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据，最后基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。本发明用单一的事件宽表模型，高效搭建自定义的数据报表，当事件日志存储至事件宽表时，系统可自动触发用户宽表属性值计算，如留存模型及付费模型等报表。游戏每日汇总、游戏汇总等其它数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可，从而可以简单高效的分析游戏用户行为，深化游戏内的用户体验，深度挖掘用户价值。
70.在一些实施例中，所述数据获取模块510具体用于：
71.基于数据埋点获取所述游戏行为数据。
72.在一些实施例中，所述用户事件宽表更新模块520具体包括事件获取单元以及判断单元。
73.所述事件获取单元用于获取所述游戏行为数据，基于所述游戏行为数据获取用户事件。
74.所述判断单元用于判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新。
75.在一些实施例中，所述判断单元具体用于：
76.判断所述用户事件是否为注册事件，如果是，则在所述用户事件宽表中新增用户记录，以完成用户事件宽表的更新，否则，更新所述用户事件宽表的用户属性，以完成所述用户事件宽表的更新。
77.在一些实施例中，所述数据提取模块530具体包括字段获取单元以及筛选单元。
78.字段获取单元用于根据所需构建的数据模型的类型，获取预先定义的事件宽表属性字段。
79.筛选单元用于基于所述预先定义的事件宽表属性字段，对所述更新后的事件宽表进行筛选，以提取对应数据维度的数据。
80.如图5所示，基于上述用户行为分析方法，本发明还相应提供了一种电子设备，该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器10、存储器20及显示器30。图5仅示出了电子设备的部分组件，但是应理解
的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
81.存储器20在一些实施例中可以是该电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器20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硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器20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。存储器20用于存储安装于电子设备的应用软件及各类数据，例如安装电子设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有用户行为分析程序40，该用户行为分析程序40可被处理器10所执行，从而实现本技术各实施例的用户行为分析方法。
82.处理器10在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行用户行为分析方法等。
83.显示器30在一些实施例中可以是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。显示器30用于显示在所述用户行为分析设备的信息以及用于显示可视化的用户界面。电子设备的部件10-30通过系统总线相互通信。
84.在一实施例中，当处理器10执行存储器20中用户行为分析程序40时实现以下步骤：
85.获取游戏行为数据；
86.基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新；
87.基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据；
88.基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。
89.在一些实施例中，处理器10执行存储器20中用户行为分析程序40时还实现如下步骤：
90.基于数据埋点获取所述游戏行为数据。
91.在一些实施例中，处理器10执行存储器20中用户行为分析程序40时还实现如下步骤：
92.获取所述游戏行为数据，基于所述游戏行为数据获取用户事件；
93.判断所述用户事件是否为注册事件，并根据判断结果对所述预先搭建的用户事件宽表进行更新。
94.在一些实施例中，处理器10执行存储器20中用户行为分析程序40时还实现如下步骤：
95.判断所述用户事件是否为注册事件，如果是，则在所述用户事件宽表中新增用户记录，以完成用户事件宽表的更新，否则，更新所述用户事件宽表的用户属性，以完成所述用户事件宽表的更新。
96.在一些实施例中，处理器10执行存储器20中用户行为分析程序40时还实现如下步骤：
97.根据所需构建的数据模型的类型，获取预先定义的事件宽表属性字段；
98.基于所述预先定义的事件宽表属性字段，对所述更新后的事件宽表进行筛选，以提取对应数据维度的数据。
99.综上所述，本发明提供的用户行为分析方法、装置、电子设备及存储介质，首先获取游戏行为数据，然后基于所述游戏行为数据，对预先搭建的用户事件宽表进行更新，之后基于预先定义的事件宽表属性字段，从所述更新后的事件宽表中提取对应数据维度的数据，最后基于提取的数据构建数据模型，并根据所述数据模型进行用户行为分析。本发明用单一的事件宽表模型，高效搭建自定义的数据报表，当事件日志存储至事件宽表时，系统可自动触发用户宽表属性值计算，如留存模型及付费模型等报表。游戏每日汇总、游戏汇总等其它数据报表，可根据已定义好的事件宽表属性字段进行拉取生成即可，从而可以简单高效的分析游戏用户行为，深化游戏内的用户体验，深度挖掘用户价值。
100.以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。