[发明专利]一种基于分时拟合的黑盒数据拆分方法

说明书

本发明涉及一种基于分时拟合的黑盒数据拆分方法，将数据集中的部分数据划分为训练集，按照星期几、单位时间段分类整理训练集的自然新增用户数据；分别根据某一单位时间段的自然新增用户数据与下一单位时间段的自然新增用户数据多次训练计算得到某一单位时间段的数据模型，最终得到所有单位时间段的数据模型。当应用产品在应用商店进行广告投放时，可以基于现有的自然新增用户数据通过数据模型依次预测计算出后续的自然新增用户数据，再通过埋点数据统计的总新增用户数量进行对比计算出广告投放带来的新增用户数量。本发明将数据细化，每个数据模型对应每个单位时间段，因此，可靠性强、合理性强，随着时间推移的自适应能力强，也更为准确。

技术领域

本发明涉及计算机软件领域，尤其涉及一种基于分时拟合的黑盒数据拆分方法。

背景技术

为了应用产品在应用商店的曝光率，需要在应用商店进行应用产品的广告投放，应用产品方想要了解广告投放带来的下载量新增数量，但是广告放只会反馈汇总的下载数，不会反馈具体的详细数据以及广告投放带来的下载增量，而且新增用户数量还需要产品方通过埋点数据统计得到。对此，应用产品方只能在未投放广告时统计其新增用户数量，再与投放广告时的新增用户数量进行粗略比对，计算出广告投放带来的新增用户数量，但是这种计算方法存在以下缺点：

1、市场每天的环境都在变化，这种方法的准确性不够，并且不能根据市场的情况，自适应调整计算广告投放带来的新增用户数量；

2、若需要稍微准确一些了解广告投放带来的新增用户数量，则需要每间隔一段时间停止应用产品的广告投放，进行对比后，再延续广告投放，断断续续地进行对比计算，但是这种方式对应用产品的广告投放实施是不利的；

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于分时拟合的黑盒数据拆分方法，能够准确算出广告投放带来的应用产品的新增用户数量。

(二)技术方案

为了达到上述目的，本发明采用的技术方案为：一种基于分时拟合的黑盒数据拆分方法，包括：

S1、将数据集中的部分数据划分为训练集，按照星期几、单位时间段分类整理所述训练集的自然新增用户数据，其中，一天划分有多个单位时间段；

S2、分别根据某一单位时间段的自然新增用户数据与下一单位时间段的自然新增用户数据多次训练计算得到所述某一单位时间段的数据模型，最终得到所有单位时间段的数据模型；

所述数据模型用于根据某一时间段的新增用户数据预测下一单位时间段的自然新增用户数据。

(三)有益效果

本发明的有益效果是：通过将训练集中的数据按照星期几单位来划分，如星期一到星期日，而星期中每天的每个单位时间段的自然新增用户数据进行统一归类整理，例如周一00:00-00：59的自然新增用户数据整理至一起，周一01:00-01：59的自然新增用户数据整理至一起，分别基于多个周一00:00-00：59的自然新增用户数据与多个对应的周一01:00-01：59的自然新增用户数据进行训练计算，得到周一00:00-00：59这个单位时间段的数据模型，以此类推分别计算出每个星期几中每个单位时间段的数据模型。当应用产品在应用商店进行广告投放时，可以基于现有的自然新增用户数据通过数据模型依次预测计算出后续的自然新增用户数据，再通过埋点数据统计的总新增用户进行对比计算出广告投放带来的新增用户数量。本发明将数据细化，每个数据模型对应每个单位时间段，因此，可靠性强、合理性强，随着时间推移的自适应能力强，模型算法也更为准确，能更好地更真实的看到方案的实施效果，及时调整业务方案。

附图说明

图1为本发明的基于分时拟合的黑盒数据拆分方法的结构示意图；

图2为本发明的基于分时拟合的黑盒数据拆分方法中的数据模型的参数表；