[发明专利]基于贝叶斯预测埋点文档价值分析潜在用户特征的方法

说明书

本发明公开了一种基于贝叶斯预测埋点文档价值分析潜在用户特征的方法，具体包括如下步骤：收集服务端埋点数据、网页埋点数据和第三方埋点数据，将收集的埋点数据存入数据库；在线程池占用率允许范围内，通过拉取数据库中的埋点数据对当前埋点的埋点文档进行数据填充，通过贝叶斯构建埋点文档价值预测模型，预测埋点文档价值；将预测的埋点文档价值进行聚类分析，分析出潜在用户的特征。本发明针对用户行为的研究和数据挖掘，不断推进以“云网融合”为核心特征的数字信息建设与升级背景下通过埋点数据采集预测埋点文档价值，并分析潜在用户的特征，实现对潜在用户的精准定位。

技术领域

本发明属于潜在用户特征分析技术领域，具体地，涉及一种基于贝叶斯预测埋点文档价值分析潜在用户特征的方法。

背景技术

近年来，随着大数据的兴起，消费者行为分析的研究方兴未艾，数据库与数据挖掘、信息系统与信息管理、图像处理与计算机视觉、社会网络分析、电子商务等很多领域的学者加人消费者行为研究的队伍。同时，这一研究领域也受到了电子商务、社交网络等数字经济形态下的企业的高度关注，用户行为分析被视为数字经济形态下企业了解用户并开展营销活动的有效手段。随着物联网等新技术的持续推进，数据分析作为企业创新发展的关键因素之一。埋点分析，是网站分析和APP分析常用的数据采集方法。

数据埋点是数据产品经理、数据运营以及数据分析师，基于业务需求或产品需求对用户行为的每一个事件对应的位置进行开发埋点，并通过上报埋点的数据结果到埋点文档，记录汇总数据后进行分析，推动产品优化和指导运营。但是埋点文档中的指标能帮助企业宏观的了解用户访问的整体情况和趋势，从整体上把握产品的运营状况，但很难基于这些指标直接得到切实的产品改进策略，因此需要辅助人工智能进行分析。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于贝叶斯预测埋点文档价值分析潜在用户特征的方法，针对用户行为的研究和数据挖掘，不断推进以“云网融合”为核心特征的数字信息建设与升级背景下通过埋点数据采集预测埋点文档价值，并分析潜在用户的特征，实现对潜在用户的精准定位。

为实现上述目的，本发明采用如下技术方案：一种基于贝叶斯预测埋点文档价值分析潜在用户特征的方法，具体包括如下步骤：

步骤S1、收集服务端埋点数据、网页埋点数据和第三方埋点数据，将收集的埋点数据存入数据库；

步骤S2、在线程池占用率允许范围内，通过拉取数据库中的埋点数据对当前埋点的埋点文档进行数据填充，通过贝叶斯构建埋点文档价值预测模型，预测埋点文档价值；

步骤S3、将预测的埋点文档价值进行聚类分析，分析出潜在用户的特征。

进一步地，所述埋点文档包含：事件名称、事件定义、包含属性、属性定义、属性值类型、开发名称、当前状态、上线版本。

进一步地，所述线程池占用率通过线程池占用率模型进行计算：

其中，ω是线程池占用率，N是线程池运行时工作线程数，N_max是设置的最大线程数，描述工作线程饱和度，ξ₁是工作线程饱和度的权重系数，T_cur是当前采集时间窗口的任务数，T_pre是上一采集时间窗口的任务数，Q是任务缓冲队列大小，描述当前任务饱和度，ξ₂为当前任务饱和度的权重系数，描述任务缓冲队列增长速率，ξ₃是任务缓冲队列增长速率的权重系数。

进一步地，所述线程池占用率达到设定阈值，通过增设线程池或当线程池占用率下降至40％以下，再从数据库中拉取埋点数据对当前埋点的埋点文档进行数据填充。

进一步地，所述埋点文档价值预测模型为：