[发明专利]一种活动执行过程中的异动分析方法、装置、设备及介质

说明书

本发明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。

技术领域

本发明涉及数据分析领域，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。

背景技术

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(UniqueVisitor，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。

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。

发明内容

为了解决现有技术的问题，本发明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：

第一方面，本发明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：

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。

第二方面，本发明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：

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；

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；

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；

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。

第三方面，本发明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。