本发明专利技术公开了一种活动执行过程中的异动分析方法、装置、介质及设备，包括：获取活动当前监控周期内的异动指标数据；获取历史活动数据，根据历史活动数据、异动指标数据和第一判据得到第一判断结果；获取当前监控周期内的全局数据，根据全局数据、异动指标数据和第二判据得到第二判断结果；根据第一判断结果和第二判断结果确定异动指标数据异常时，得到所述当前监控周期内的的异动数据和告警信息。基于人工智能的深度学习构建异动预测模型，还可以输出下一监控周期的异动预测信息。利用本发明专利技术的技术方案可以在活动执行过程中对异动进行分析，实现动态的监控和分析，同时多维度的数据指标、多维度的数据对比以及复合预测模型提升了异动报警、异动预测的准确性。异动预测的准确性。异动预测的准确性。
【技术实现步骤摘要】
一种活动执行过程中的异动分析方法、装置、设备及介质
[0001]本专利技术涉及数据分析领域，具体涉及一种活动执行过程中的异动分析方法、装置、设备及介质。
技术介绍
[0002]目前对于活动的总结主要集中在活动结束后进行汇总分析，这样的方案割裂了具体的每日数据对于活动的贡献而且无法实现活动数据的动态监控。且对于目前的活动分析来说，分析指标比较单一不够全面，活动的页面PV(Page View，页面浏览量)、UV(Unique Visitor，独立访客)数据与实际的用户参与情况存在较大偏差；再者对于活动数据来说，刚开始会有一定程度的用户参与量下滑的情况，需要区别正常和非正常的数据下滑。
[0003]随着人工智能的发展，深度学习模型已广泛应用到各行各业，在各个场景发挥着非常重要的作用。利用神经网络对活动数据的预测容易受到大量内部因素和外部因素的影响，活动数据的变化波动大且没有确定的规律，具有很强的无序性，活动的时间节点的影响也增加了预测的随机性，使得不同时间点的活动预测有着很大的差异，这都提高了活动数据预测的困难程度。
技术实现思路
[0004]为了解决现有技术的问题，本专利技术提供了一种活动执行过程中的异动分析方法、装置、设备及介质。所述技术方案如下：
[0005]第一方面，本专利技术提供了一种活动执行过程中的异动分析方法，所述方法包括：
[0006]获取活动当前监控周期内的异动指标数据；
[0007]获取历史活动数据，根据所述历史活动数据、所述异动指标数据和第一判据得到第一判断结果，所述第一判断结果表征所述当前监控周期内的异动指标数据在历史活动维度的异动表现；
[0008]获取所述当前监控周期内的全局数据，根据所述全局数据、所述异动指标数据和第二判据得到第二判断结果，所述第二判断结果表征所述当前监控周期内的异动指标数据在全局维度的异动表现；
[0009]根据所述第一判断结果和所述第二判断结果确定所述异动指标数据异常时，得到所述当前监控周期内的异动数据和告警信息。
[0010]第二方面，本专利技术提供了一种活动执行过程中的异动分析装置，所述装置包括：
[0011]数据获取模块，用于获取活动当前监控周期内的异动指标数据；
[0012]第一判断模块，用于获取历史活动数据，根据所述历史活动数据、所述异动指标数据和第一判据得到第一判断结果，所述第一判断结果表征所述当前监控周期内的异动指标数据在历史活动维度的异动表现；
[0013]第二判断模块，用于获取所述当前监控周期内的全局数据，根据所述全局数据、所述异动指标数据和所述第二判据得到第二判断结果，所述第二判断结果表征所述当前监控
周期内的异动指标数据在全局维度的异动表现；
[0014]异动分析模块，用于根据所述第一判断结果和所述第二判断结果确定所述异动指标数据异常时，得到所述当前监控周期内的异动数据和告警信息。
[0015]第三方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的一种活动执行过程中的异动分析方法。
[0016]第四方面，本专利技术提供了一种计算机设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由所述处理器加载并执行如第一方面所述的一种活动执行过程中的异动分析方法。
[0017]本专利技术提供的一种活动执行过程中的异动分析方法、装置、设备及存储介质，具有如下技术效果：
[0018](1)相比在活动结束后进行活动的汇总分析，本专利技术提供的技术方案实现了在活动执行过程中对异动数据的动态监控和分析，在活动的一个监控周期结束后，进行对当前监控周期数据异动的分析和对下一监控周期的异动预测，使数据的异动分析更具时效性，方便业务层根据异动分析及时调整活动策略；
[0019](2)本专利技术提供的技术方案结合活动特点设计了多个维度的监控数据指标，并对监控数据进行多个维度的交叉细化对比，能较为全面地反映数据是否产生异动。具体地，通过根据活动自身维度的对比发现异动，结合在历史活动维度和全局维度的异动表现进一步判断当前监控周期的数据是否异常，避免了单一告警带来的不准确性，同时使异动数据的可解释性更高；
[0020](3)本专利技术提供的技术方案在异动数据的预测上，利用了时间序列分析方法与BP神经网络复合的预测模型，能更好地适应活动数据，可以处理各种复杂环境下的线性和非线性数据序列，取的更好的预测准确性，尤其能在部分极端情况下反馈出数据的异动情况。
[0021]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0023]图1是本申请实施例提供的一种活动执行过程中的异动分析方法的实施环境示意图；
[0024]图2是本专利技术实施例提供的一种活动执行过程中的异动分析方法的流程图；
[0025]图3是本专利技术实施例提供的一种获取活动当前监控周期内的异动指标数据的流程图；
[0026]图4是本专利技术实施例提供的一种根据历史活动数据获取第一判断结果的流程图；
[0027]图5是本专利技术实施例提供的一种具体指标数据的异动分析的流程框图；
[0028]图6是本专利技术实施例提供的一种根据全局数据获取第二判断结果的流程图；
[0029]图7是本专利技术实施例提供的一种对下一监控周期进行异动数据预测的流程图；
[0030]图8(1)是本专利技术实施例提供的一种ARIMA模型的预测流程示意图；
[0031]图8(2)是本专利技术实施例提供的一种BP神经网络模型拓扑结构图；
[0032]图9是本专利技术实施例提供的一种异动预测模型的结构图；
[0033]图10是本专利技术实施例提供的异动预测模型的预测效果图；
[0034]图11是本专利技术实施例提供的一种活动执行过程中的异动分析装置示意图；
[0035]图12是本专利技术实施例提供的运行一种活动执行过程中的异动分析方法的服务器的硬件结构框图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
[0037]需要说本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种活动执行过程中的异动分析方法，其特征在于，所述方法包括：获取活动当前监控周期内的异动指标数据；获取历史活动数据，根据所述历史活动数据、所述异动指标数据和第一判据得到第一判断结果，所述第一判断结果表征所述当前监控周期内的异动指标数据在历史活动维度的异动表现；获取所述当前监控周期内的全局数据，根据所述全局数据、所述异动指标数据和第二判据得到第二判断结果，所述第二判断结果表征所述当前监控周期内的异动指标数据在全局维度的异动表现；根据所述第一判断结果和所述第二判断结果确定所述异动指标数据异常时，得到所述当前监控周期内的异动数据和告警信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取异动预测模型，根据所述异动预测模型判断所述当前周期内的异动数据是否拟合；若拟合，则根据所述异动预测模型和所述当前监控周期内的异动数据输出下一监控周期内的异动预测数据和告警信息。3.根据权利要求1至2任一项所述的方法，其特征在于，所述获取活动当前监控周期内的异动指标数据包括：获取所述活动上一监控周期内的监控数据和当前监控周期内的监控数据；根据预设的多个数据指标，将所述当前监控周期内的监控数据和所述上一监控周期内的监控数据进行环比分析，得到所述多个数据指标的环比结果；根据所述多个数据指标的环比结果和所述多个数据指标对应的异常判据，确定所述当前监控周期内的异动指标数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述历史活动数据、所述异动指标数据和第一判据得到第一判断结果包括：根据所述异动指标数据对应的异动指标，获取所述历史活动数据中所述异动指标对应的历史数据；将所述异动指标数据和所述历史数据进行对比，得到第一维度对比结果；根据所述第一维度对比结果和所述第一判据，判断所述异动指标数据是否异常，得到第一判断结果。5.根据权利要求4所述的方法，其特征在于，所述将所述异动指标数据和所述历史数据进行对比，得到第一维度对比结果，包括：根据预设公式和所述历史数据计算所述异动指标的异动阈值，将所述异动指标数据与所述异动阈值进行对比，得到所述第一维度对比结果；和/或，根据所述历史数据生成预设格式的数据分布图，利用所述数据分布图将所述异动指标数据和所述历史数据的对比...
【专利技术属性】
技术研发人员：孙恺，杨丹，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。