CN107797894B - App用户行为分析方法和装置 - Google Patents

Abstract

本发明提出了一种APP用户行为分析方法，该方法包括：获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录，将用户分为三种类型，分别为新用户、活跃用户和老用户，根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据，提取出各类型用户对应的用户行为路径，进而确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点，并将该关键转变点进行展示。后续可以根据该关键转变点对用户进行有针对性的干预，从而提高用户从新用户变为活跃用户、以及活跃用户变为老用户的转化率。此外，还提出了一种APP用户行为分析装置。

Description

APP用户行为分析方法和装置

技术领域

本发明涉及计算机处理领域，特别是涉及一种APP用户行为分析方法和装置。

背景技术

随着智能手机的发展，智能手机端的APP(Application，应用程序)也随之迅速发展了起来。任何一个APP应用都希望用户数能够快速增长，不过，单纯吸引新用户并非最明智的做法。如何在吸引新用户的同时保持已有用户的活跃度才是一个APP应用最应该关注的问题，因为一旦用户的活跃度下降，就意味着用户的离开或流失。传统的为了提高APP的活跃度一般是通过不断尝试采用不同的APP界面，而没有关注用户本身行为转变的特点。而如果能够发现用户转变为活跃用户的关键，然后有针对性的进行干预，将有利于提高用户的活跃度。因此，亟待需要一种能够分析APP用户行为特点的方法。

发明内容

基于此，有必要针对上述问题，提出一种能够分析用户行为特点的APP用户行为分析方法和装置。

一种APP用户行为分析方法，所述方法包括：获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录；根据所述用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户；根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据；从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径；根据所述各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点；将所述从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点发送到终端进行展示。

在其中一个实施例中，所述根据所述用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户的步骤包括：根据所述历史交易记录查找用户是否有购买记录，若有，则判定所述用户为老用户；若没有购买记录，则根据所述用户点击行为日志查看用户在所述预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户。

在其中一个实施例中，所述从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径的步骤包括：根据所述每种类型用户对应的用户行为数据筛选出与每种类型用户对应的路径节点；根据筛选出的路径节点分别确定出与各类型用户对应的用户行为路径。

在其中一个实施例中，所述根据所述各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点的步骤包括：根据所述用户行为路径中各个路径节点的点击次数和逗留时长确定每种类型用户对应的关键路径节点；根据所述关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

在其中一个实施例中，所述方法还包括：采用时间序列分析算法从所述各类型用户对应的用户行为路径中分析出用户点击行为的先后顺序；根据所述用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

一种APP用户行为分析装置，所述装置包括：获取模块，用于获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录；类型划分模块，用于根据所述用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户；行为数据获取模块，用于根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据；提取模块，用于从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径；确定模块，用于根据所述各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点；展示模块，用于将所述从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点发送到终端进行展示。

在其中一个实施例中，所述类型划分模块还用于根据所述历史交易记录查找用户是否有购买记录，若有，则判定所述用户为老用户；若没有购买记录，则根据所述用户点击行为日志查看用户在所述预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户。

在其中一个实施例中，所述提取模块包括：筛选模块，用于根据所述用户行为数据筛选出与每种类型用户对应的路径节点；行为路径确定模块，用于根据筛选出的路径节点确定出与各类型用户对应的用户行为路径。

在其中一个实施例中，所述确定模块包括：关键路径节点确定模块，用于根据所述用户行为路径中各个路径节点的点击次数和访问时长确定每种类型用户对应的关键路径节点；分析模块，用于根据所述关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

在其中一个实施例中，所述装置还包括：顺序分析模块，用于采用时间序列分析算法从所述用户对应的用户行为路径中分析出用户点击行为的先后顺序；计算模块，用于根据所述用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

上述APP用户行为分析方法和装置，通过获取预设时间段内的用户点击行为日志以及对应的历史交易记录，将用户分为三种类型，分别为新用户、活跃用户和老用户，根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据，从用户行为数据中提取出各类型用户对应的用户行为路径，根据用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点，将用户从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点发送到终端进行展示。该方法通过对根据用户点击行为日志和预设的埋点获取的用户行为数据进行分析，获取到了用户从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点，后续可以根据该关键转变点对用户进行有针对性的干预，从而提高用户从新用户变为活跃用户、以及活跃用户变为老用户的转化率。

附图说明

图1为一个实施例中APP用户行为分析方法的应用环境图；

图2为一个实施例中服务器的内部结构图；

图3为一个实施例中APP用户行为分析方法流程图；

图4为一个实施例中从用户行为数据中提取出用户行为路径的方法流程图；

图5为一个实施例中用户行为路径的示意图；

图6为一个实施例中根据用户行为路径确定关键转变点的方法流程图；

图7为另一个实施例中APP用户行为分析方法流程图；

图8为一个实施例中APP用户行为分析装置的结构框图；

图9为一个实施例中提取模块的结构框图；

图10为一个实施例中确定模块的结构框图；

图11为另一个实施例中APP用户行为分析装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，APP用户行为分析方法可应用于如图1所示的应用环境中，在该环境中，服务器102与终端104通过网络连接。其中，服务器102可以是独立的服务器，也可以是多个服务器组成的服务器集群，终端104可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。其中，服务器102用于获取预设时间段内的APP用户点击行为日志以及对应的历史交易记录，根据用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户，根据用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据，从每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径，根据各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点，将该关键转变点发送到终端104进行展示。

如图2所示，在一个实施例中，上述服务器102的内部结构如图2所示，包括通过系统总线连接的处理器、非易失性存储介质、内存和网络接口。其中，该非易失存储介质包括操作系统、数据库、APP用户行为分析装置。数据库用于存储数据。该APP用户行为分析的装置用于实现一种APP用户行为分析的方法，该服务器的处理器用于提供计算和控制能力，支撑整个服务器的运行。该服务器的网络接口用于与外部的服务器和终端通过网络连接通信，比如，将关键转变点发送给终端等。本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的服务器的限定，具体的服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

如图3所示，在一个实施例中，提出了一种APP用户行为分析方法，该方法包括：

步骤302，获取预设时间段内的APP的用户点击行为日志以及对应的历史交易记录。

在本实施例中，服务器提取待分析的APP过往一段时间段内的用户点击行为日志和对应的历史交易记录，其中，用户点击行为日志记录了用户在什么时间点进行了登录，在每个页面逗留的时长等信息，历史交易记录则记载了用户购买产品的交易记录，即什么时间购买了什么产品。

步骤304，根据用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户。

在本实施例中，服务器根据用户点击行为日志和对应的历史交易记录将用户分为三种类型，一种是新用户、一种是活跃用户、一种是老用户。其中，老用户是指在该APP上有过购买记录的用户，所以根据历史交易记录就可以了解哪些用户属于老客户。活跃用户是指那些访问频率比较高的用户，新用户是指访问次数比较少的用户。具体的，活跃用户是指在预设时间段内的点击次数大于预设次数(比如，5次)的用户。新用户是指在预设时间段内的点击次数不大于预设次数的用户。即根据用户的历史点击行为和历史购买行为将用户分为了新用户、活跃用户和老用户。

步骤306，根据用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据。

在本实施例中，用户点击行为日志中一般只是记载了用户登录的时间、访问页面的URL(Uniform Resource Locator，统一资源定位符)以及在每个页面的逗留时间。而用户通过页面具体访问的内容则需要通过预设的埋点来获取。其中，埋点是指用于收集操作信息的数据收集脚本。也就是说，用户点击行为日志只是记载了用户在什么时间访问了哪些页面以及在每个页面的逗留时间，而通过预设埋点则可以获取用户具体访问的内容，综合通过两者获取到的信息就可以分别获取到新用户、活跃用户以及老用户对应的用户行为数据。其中，设埋点收集用户行为数据是现有技术，此处不再赘述。

步骤308，从每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径。

在本实施例中，服务器在获取到与每种类型用户对应的用户行为数据后，通过对这些用户行为数据进行分析，可以得到每种类型用户对应的用户行为路径，其中，用户行为路径是由路径节点连接而成的。具体的，首先，从各类型用户对应的用户行为数据中筛选出不同的路径节点，路径节点是指用户在访问页面过程中经过的可点击点，比如，页面上出现的可点击的按钮等。获取到每种类型用户对应的路径节点后，就可以根据对应的各个路径节点获取到每种类型用户对应的用户行为路径。用户行为路径是有一个个路径节点连接而成的，其反映了用户访问信息的流转规律。

步骤310，根据各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

在本实施例中，服务器在提取到各类型用户对应的用户行为路径后，通过对用户行为路径进行分析可以得到用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键路径，然后采用漏斗分析模型分析出关键路径中每一步的转化率，然后找出影响每一步转化率的因素，这些因素就是找到的关键转变点。具体的，首先，根据用户行为路径中各个路径节点的点击次数和逗留时长确定每种类型用户对应的关键路径节点，其次，采用时间序列分析算法根据关键路径节点分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键路径，其中，关键路径是由一个个关键路径节点连接而成的；最后，通过漏斗分析模型分析关键路径中每一步的转化率以及影响转化率的关键因素，找到的关键因素就是用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

步骤312，将从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点进行展示。

在本实施例中，服务器根据用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点后，将确定的关键转变点在服务器界面上进行展示，这样便于了解用户从新用户到活跃用户的关键因素，以及从活跃用户变为老用户的关键因素，然后通过有针对性的干预提高用户从新用户变为活跃用户的转化率以及从活跃用户变为老用户的转化率。举个例子，如果了解到用户从新用户变为活跃用户的关键是关注了某健康活动，那么有针对性的为新用户推荐该健康活动将有利于提高用户从新用户到活跃用户的转化率。

在本实施例中，通过获取预设时间段内的用户点击行为日志以及对应的历史交易记录，将用户分为三种类型，分别为新用户、活跃用户和老用户，根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据，从用户行为数据中提取出各类型用户对应的用户行为路径，根据用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点，将用户从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点发送到终端进行展示。该方法通过对根据用户点击行为日志和预设的埋点获取的用户行为数据进行分析，获取到了用户从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点，后续可以根据该关键转变点对用户进行有针对性的干预，从而提高用户从新用户变为活跃用户、以及活跃用户变为老用户的转化率。

在一个实施例中，根据用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户的步骤包括：根据历史交易记录查找用户是否有购买记录，若有，则判定用户为老用户；若没有购买记录，则根据用户点击行为日志查看用户在预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户。

在本实施例中，服务器提取到预设时间段内的用户点击行为日志和对应的历史交易记录后，为了研究不同阶段用户的行为特点，将用户分为了三种类型，分别为新用户、活跃用户和老用户。其中，老用户是指有过购买记录的用户，即用户通过该APP有过购买行为。若用户没有过购买记录，则根据用户在预设时间段内的点击次数将用户分为新用户和活跃用户。其中，活跃用户是指在预设时间段内的点击次数大于预设次数(比如，5次)的用户。新用户是指在预设时间段内的点击次数不大于预设次数的用户。这样，通过根据用户的点击行为和购买行为将用户分为了新用户、活跃用户和老用户。

如图4所示，在一个实施例中，从每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径的步骤包括：

步骤308A，根据用户行为数据筛选出与每种类型用户对应的路径节点。

在本实施例中，服务器根据用户点击行为日志和预设的埋点分别获取与新用户、活跃用户以及老用户对应的用户行为数据后，根据这些用户行为数据筛选出与每种类型用户对应的路径节点。其中，用户行为数据包括了用户访问页面的历史记录，即记载了用户在什么时间访问了哪些页面以及具体访问了哪些信息，在每个页面的停留时长等信息。路径节点是指用户在访问页面过程中经过的可点击点。根据用户行为数据中的用户访问页面的历史记录获取用户经过的路径节点，然后筛选出不同类型用户对应的路径节点，即筛选出新用户、活跃用户以及老用户分别对应的路径节点。

步骤308B，根据筛选出的路径节点分别确定出与各类型用户对应的用户行为路径。

在本实施例中，用户行为路径是通过连接多个路径节点得到的，其可以形象的表示出用户访问页面的行为踪迹。具体的，服务器在根据用户行为数据筛选出与每种类型用户对应的路径节点后，根据筛选出的路径节点就可以确定出与各类型用户对应的用户行为路径。如图5所示为一个实施例中用户行为路径的示意图。从图5中可以看出，用户行为路径是由一个个路径节点连接而成的。由于不同类型用户对应的路径节点可能不同，所以需要分别确定出各类型用户对应的用户行为路径。

如图6所示，在一个实施例中，根据各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点的步骤包括：

步骤310A，根据用户行为路径中各个路径节点的点击次数和逗留时长确定每种类型用户对应的关键路径节点。

在本实施例中，由于不同路径节点的点击次数以及每次逗留时长都是不同的，为了反映出哪些路径节点是比较重要的节点，或者说是用户喜欢点击的节点，需要进一步确定出与每种类型用户对应的关键路径节点。也就是说，服务器从用户行为数据中提取出各类型用户对应的用户行为路径后，根据每个用户行为路径中各个路径节点的点击次数和逗留时长筛选出比较重要的关键路径节点。具体的，分别根据路径节点的点击次数和逗留时长按照从大到小的顺序进行排序，选取点击次数和逗留时长都比较靠前的路径节点作为关键路径节点，比如选取点击次数和逗留时长都排在前10的路径节点作为关键路径节点。

步骤310B，根据关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

在本实施例中，服务器在根据用户行为路径中的各个路径节点的点击次数和逗留时长确定了与每种类型用户对应的关键路径节点后，采用时间序列分析算法分析每种类型用户的成长过程，即分析用户的点击行为的先后顺序，然后结合每一步点击的转化率确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。具体的，通过时间序列分析算法计算得到用户从新用户到活跃用户、以及从活跃用户到老用户转变的关键路径，然后再结合漏斗模型分析关键路径中每一步点击的转化率，分析出每一步转化用户与非转化用户的行为特点，找出每一步点击转化成功的因素，根据这些因素就可以清楚的了解用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键因素，该关键因素就是分析出的关键转变点，了解到关键转变点后，后续就可以有针对的进行干预，提高关键路径中每一步的转化率，进而就提高了用户从新用户变为活跃用户的转化率，以及从活跃用户变为老用户的转化率。

如图7，在一个实施例中，上述APP用户行为分析方法还包括：

步骤314，采用时间序列分析算法从各类型用户对应的用户行为路径中分析出用户点击行为的先后顺序。

在本实施例中，服务器从用户行为数据中提取出各类型用户对应的用户行为路径后，采用时间序列分析算法从各类型用户的用户行为路径中分析出用户点击行为的先后顺序，即分析出每种类型用户对应的成长历程。

步骤316，根据所述用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

在本实施例中，服务器分析出各类型用户对应的成长历程后，分别根据每种类型用户对应的用户点击行为的先后顺序计算出用户从新用户到活跃用户经历的平均时长，以及从活跃用户到老用户经历的平均时长，从而就可以统计出用户从新用户到老用户的平均时长。这样后续可以参考该时长在合适的时间对用户进行有针对性的干预。比如，如果计算得到用户从新用户成长为老用户的平均时长是10天，当检测到用户在第11天还没有发展为老用户时，那么此时可以采取有针对性的干预措施提高用户的转化率。

如图8所示，在一个实施例中，提出了一种APP用户行为分析装置，该装置800包括：

获取模块802，用于获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录。

类型划分模块804，用于根据用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户。

行为数据获取模块806，用于根据用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据。

提取模块808，用于从每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径。

确定模块810，用于根据各类型用户对应的用户行为路径确定用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

展示模块812，用于将从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点进行展示。

在一个实施例中，类型划分模块还用于根据历史交易记录查找用户是否有购买记录，若有，则判定用户为老用户，若没有购买记录，则根据用户点击行为日志查看用户在预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户。

如图9所示，在一个实施例中，提取模块808包括：

筛选模块808A，用于根据用户行为数据筛选出与每种类型用户对应的路径节点。

行为路径确定模块808B，用于根据筛选出的路径节点确定出与各类型用户对应的用户行为路径。

如图10所示，在一个实施例中，确定模块810包括：

关键路径节点确定模块810A，用于根据用户行为路径中各个路径节点的点击次数和访问时长确定每种类型用户对应的关键路径节点。

分析模块810B，用于根据关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点。

如图11所示，在一个实施例中，提出了一种APP用户行为分析装置1100，除了包括模块802-812，还包括：

顺序分析模块814，用于采用时间序列分析算法从用户对应的用户行为路径中分析出用户点击行为的先后顺序。

计算模块816，用于根据用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种APP用户行为分析方法，所述方法包括：

获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录；

根据所述用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户，根据所述历史交易记录查找用户是否有购买记录，若有，则判定所述用户为老用户，若没有购买记录，则根据所述用户点击行为日志查看用户在所述预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户；

根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据；

从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径；

根据所述用户行为路径中各个路径节点的点击次数和逗留时长按照从大到小的顺序进行排序，选取点击次数和逗留时长均靠前的路径节点作为每种类型用户对应的关键路径节点；

根据所述关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点；

将所述从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点发送给终端进行展示。

2.根据权利要求1所述的方法，其特征在于，所述从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径的步骤包括：

根据所述每种类型用户对应的用户行为数据筛选出与每种类型用户对应的路径节点；

根据筛选出的路径节点分别确定出与各类型用户对应的用户行为路径。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用时间序列分析算法从所述各类型用户对应的用户行为路径中分析出用户点击行为的先后顺序；

根据所述用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

4.一种APP用户行为分析装置，其特征在于，所述装置包括：

获取模块，用于获取预设时间段内APP的用户点击行为日志以及对应的历史交易记录；

类型划分模块，用于根据所述用户点击行为日志和历史交易记录将用户分为三种类型，分别为新用户、活跃用户和老用户，还用于根据所述历史交易记录查找用户是否有购买记录，若有，则判定所述用户为老用户；若没有购买记录，则根据所述用户点击行为日志查看用户在所述预设时间段内的点击次数是否大于预设次数，若是，则判定用户为活跃用户，若否，则判定用户为新用户；

行为数据获取模块，用于根据所述用户点击行为日志和预设的埋点获取与每种类型用户对应的用户行为数据；

提取模块，用于从所述每种类型用户对应的用户行为数据中提取出各类型用户对应的用户行为路径；

确定模块，包括关键路径节点确定模块和分析模块，其中，

所述关键路径节点确定模块，用于根据所述用户行为路径中各个路径节点的点击次数和访问时长按照从大到小的顺序进行排序，选取点击次数和逗留时长均靠前的路径节点作为每种类型用户对应的关键路径节点；

所述分析模块，用于根据所述关键路径节点采用时间序列和漏斗模型分析出用户从新用户变为活跃用户、以及从活跃用户变为老用户的关键转变点；

展示模块，用于将所述从新用户变为活跃用户、以及活跃用户变为老用户的关键转变点发送到终端进行展示。

5.根据权利要求4所述的装置，其特征在于，所述提取模块包括：

筛选模块，用于根据所述用户行为数据筛选出与每种类型用户对应的路径节点；

行为路径确定模块，用于根据筛选出的路径节点确定出与各类型用户对应的用户行为路径。

6.根据权利要求4所述的装置，其特征在于，所述装置还包括：

顺序分析模块，用于采用时间序列分析算法从所述用户对应的用户行为路径中分析出用户点击行为的先后顺序；

计算模块，用于根据所述用户点击行为的先后顺序计算用户从新用户转变为老用户的平均时长。

7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至3中任一项所述方法的步骤。

8.一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如权利要求1至3中任一项所述方法的步骤。

Images