【技术实现步骤摘要】
应用数据处理方法、装置、计算机设备和存储介质
[0001]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
。
技术介绍
[0002]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
。
[0003]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
[0004]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
。
[0005]本申请提供了一种应用数据处理方法,包括:
[0006]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 ...
【技术保护点】
【技术特征摘要】
1.
一种应用数据处理方法,其特征在于,所述方法包括: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;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;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
。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;所述激活时间是所述目标对象标识针对所述预设转化行为的行为触发时间;所述多个统计时间形成的时间区间,是从所述目标对象标识针对所述目标应用的首次访问时间到所述行为触发时间形成的时间区间
。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;所述应用功能维度集,包括所述目标应用提供的多个应用功能分别对应的应用功能维度;所述应用资源维度集,包括所述目标应用提供的多个应用资源分别对应的应用资源维度;所述应用资源的消耗用于支持应用功能的使用
。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;所述资源累积维度,用于指示应用资源截至统计时间累积消耗或累积待消耗的资源量;所述资源单周期消耗维度,用于指示应用资源在单个统计时间内消耗的资源量;所述资源相邻周期消耗维度,用于指示应用资源消耗的资源量在两个相邻的统计时间之间的变化情况
。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:在所述第一使用数据点集中,基于目标数据点和其他使用数据点在使用信息上的差异,得到目标数据点分别和其他各个使用数据点之间的距离;
将各个距离按照从小到大进行排列,获取位于预设排列位置的距离作为目标距离;在所述第一使用数据点集中,将距离小于或等于目标距离的使用数据点作为目标数据点对应的相邻数据点,组成目标数据点对应的相邻数据点集
。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:针对目标数据点对应的相邻数据点集中任意一个相邻数据点,在所述第一使用数据点集中,基于相邻数据点分别和其他各个使用数据点之间的距离,按照距离从小到大获取位于预设排列位置的使用数据点,作为相邻数据点对应的参考数据点;针对目标数据点对应的相邻数据点集中任意一个相邻数据点,从目标数据点和相邻数据点之间的距离
、
相邻数据点和对应的参考数据点之间的距离中,获取距离最大值作为目标数据点和相邻数据点之间的参考距离;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
。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:基于目标数据点分别和各个相邻数据点之间的参考距离,得到目标数据点对应的距离均值;基于目标数据点对应的距离均值,得到目标数据点对应的数据密度;其中,目标数据点对应的数据密度和距离均值呈负相关
。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:基于目标数据点对应的相邻数据点集中各个相邻数据点所对应的数据密度,得到目标数据点对应的密度均值;基于目标数据点对应的密度均值和目标数据点对应的数据密度之间的密度比值,得到目标数据点对应的数据异常度;其中,目标数据点对应的数据异常度和密度比值呈正相关
。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:从所述第一使用数据点集中,获取数据异常度大于预设异常度的使用数据点作为异常数据点,得到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
。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:确定所述目标对象标识对应的相似对象标识群;针对所述相似对象标识群,获取以相似对象标识访问所述目标应用产生的第二使用数据点集,得到所述相似对象标识...
【专利技术属性】
技术研发人员:陆倩茵,
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。