本申请涉及计算机,特别是涉及一种应用数据处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术:
1、随着计算机技术的发展,出现了各种各样的互联网产品,互联网产品是指基于网络的应用产品,例如,网页应用、移动应用、桌面应用等。互联网产品的用户在使用互联网产品的过程中,若触发特定行为,则会从待激活用户转化为已激活用户。对已激活用户的激活转化进行归因分析对互联网产品的信息推送有重要作用。
2、相关技术中,通常是人工对已激活用户的激活转化进行归因分析,人工从已激活用户针对互联网产品的大量使用数据中分析激活因素。然而,人工进行归因分析,费时费力,成本高,存在归因分析效率低的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高归因分析效率的应用数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、本申请提供了一种应用数据处理方法,包括:
3、获取以目标对象标识访问目标应用产生的第一使用数据点集;所述目标对象标识是所述目标应用的已激活对象标识;所述第一使用数据点集,包括在所述目标对象标识的激活时间之前的多个统计时间分别对应的使用数据点;所述使用数据点,用于指示当以所述目标对象标识在统计时间访问所述目标应用时,在针对所述目标应用预设的目标使用维度上的使用信息;
4、将所述第一使用数据点集中的各个使用数据点分别作为目标数据点;
5、针对任意一个目标数据点,基于目标数据点和所述第一使用数据点集中其他各个使用数据点之间的距离,从所述第一使用数据点集中确定目标数据点对应的相邻数据点集,基于目标数据点对应的数据密度和相邻数据点集中各个相邻数据点对应的数据密度之间的密度差异,确定目标数据点对应的数据异常度;使用数据点对应的数据密度,用于指示使用数据点和对应的各个相邻数据点之间的聚集程度;
6、基于所述各个使用数据点分别对应的数据异常度,从所述第一使用数据点集中确定异常数据点,作为所述目标对象标识在所述目标使用维度上对应的目标异常数据点;所述目标异常数据点,用于确定所述目标对象标识的激活因素。
7、本申请还提供了一种应用数据处理装置,包括:
8、使用数据点获取模块,用于获取以目标对象标识访问目标应用产生的第一使用数据点集;所述目标对象标识是所述目标应用的已激活对象标识;所述第一使用数据点集,包括在所述目标对象标识的激活时间之前的多个统计时间分别对应的使用数据点;所述使用数据点,用于指示当以所述目标对象标识在统计时间访问所述目标应用时,在针对所述目标应用预设的目标使用维度上的使用信息;
9、数据异常度确定模块,用于将所述第一使用数据点集中的各个使用数据点分别作为目标数据点;针对任意一个目标数据点,基于目标数据点和所述第一使用数据点集中其他各个使用数据点之间的距离,从所述第一使用数据点集中确定目标数据点对应的相邻数据点集,基于目标数据点对应的数据密度和相邻数据点集中各个相邻数据点对应的数据密度之间的密度差异,确定目标数据点对应的数据异常度;使用数据点对应的数据密度,用于指示使用数据点和对应的各个相邻数据点之间的聚集程度;
10、异常数据点确定模块,用于基于所述各个使用数据点分别对应的数据异常度,从所述第一使用数据点集中确定异常数据点,作为所述目标对象标识在所述目标使用维度上对应的目标异常数据点;所述目标异常数据点,用于确定所述目标对象标识的激活因素。
11、本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述应用数据处理方法所述的步骤。
12、本申请还提供了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应用数据处理方法所述的步骤。
13、本申请还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述应用数据处理方法所述的步骤。
14、上述应用数据处理方法、装置、计算机设备、存储介质和计算机程序产品,获取以目标对象标识访问目标应用产生的第一使用数据点集;将第一使用数据点集中的各个使用数据点分别作为目标数据点;针对任意一个目标数据点,基于目标数据点和第一使用数据点集中其他各个使用数据点之间的距离,从第一使用数据点集中确定目标数据点对应的相邻数据点集,基于目标数据点对应的数据密度和相邻数据点集中各个相邻数据点对应的数据密度之间的密度差异,确定目标数据点对应的数据异常度;基于各个使用数据点分别对应的数据异常度,从第一使用数据点集中确定异常数据点,作为目标对象标识在目标使用维度上对应的目标异常数据点。这样,已激活对象在激活转化之前访问应用,在某个统计时间内在某个使用维度上所产生的使用信息通过使用数据点来表示,使用数据点可以反映已激活对象的使用行为。第一使用数据点集包括针对对象在激活转化之前的多个统计时间,在目标使用维度上分别对应的使用数据点。通过智能计算使用数据点对应的数据异常度从第一使用数据点集中查找异常数据点,以确定已激活对象的激活因素,能够提高针对对象激活转化的归因分析效率,避免人工进行归因分析。使用数据点的数据密度可以反映使用数据点和与其在使用信息上邻近的使用数据点(即相邻数据点)之间的聚集程度,使用数据点对应的数据异常度,是基于使用数据点对应的数据密度和相邻数据点所对应的数据密度之间的密度差异得到的,可以反映使用数据点和相邻数据点在密度分布上的差异,基于数据异常度能够找出表示使用信息出现异常波动的使用数据点作为异常数据点,异常数据点代表在目标使用维度上的使用信息的异常波动点、在目标使用维度上的行为突变点,行为突变点可以反映已激活对象的激活原因,通过计算使用数据点对应的数据异常度确定异常数据点能够保障针对对象激活转化的归因分析准确性。快速准确分析已激活对象的激活因素有助于后续提高目标应用的信息推送的有效性,减少或避免重复的、无效的推送,从而节约计算机资源。
1.一种应用数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述已激活对象标识是在访问所述目标应用时产生了预设转化行为的对象标识;
3.根据权利要求1所述的方法,其特征在于,所述目标使用维度是针对所述目标应用预设的多个候选使用维度中的任意一个,所述多个候选使用维度包括针对所述目标应用预设的应用功能维度集、应用资源维度集中的至少一者;
4.根据权利要求3所述的方法,其特征在于,所述应用资源维度包括资源累积维度、资源单周期消耗维度、资源相邻周期消耗维度中的至少一者;
5.根据权利要求1所述的方法,其特征在于,所述基于目标数据点和所述第一使用数据点集中其他各个使用数据点之间的距离,从所述第一使用数据点集中确定目标数据点对应的相邻数据点集,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述统计目标数据点分别和各个相邻数据点之间的参考距离,确定目标数据点对应的数据密度,包括:
8.根据权利要求1所述的方法,其特征在于,所述基于目标数据点对应的数据密度和相邻数据点集中各个相邻数据点对应的数据密度之间的密度差异,确定目标数据点对应的数据异常度,包括:
9.根据权利要求1所述的方法,其特征在于,所述基于所述各个使用数据点分别对应的数据异常度,从所述第一使用数据点集中确定异常数据点,作为所述目标对象标识在所述目标使用维度上对应的目标异常数据点,包括:
10.根据权利要求1至9任一项所述的方法,其特征在于,所述方法还包括:
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
12.根据权利要求10所述的方法,其特征在于,所述方法还包括:
13.根据权利要求10所述的方法,其特征在于,所述方法还包括:
14.根据权利要求13所述的方法,其特征在于,所述将所述目标对象标识在所述目标使用维度上对应的各个异常数据点划分为正向异常数据点和反向异常数据点,包括:
15.根据权利要求13所述的方法,其特征在于,所述基于所述正向异常数据点,确定针对所述目标应用的待激活对象标识的信息推送策略,包括:
16.根据权利要求1至15中任一项所述的方法,其特征在于,所述目标应用为网盘应用,所述网盘应用用于管理和存储文件数据;
17.一种应用数据处理装置,其特征在于,所述装置包括:
18.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至16中任一项所述的方法的步骤。
19.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至16中任一项所述的方法的步骤。
20.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至16中任一项所述的方法的步骤。