網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法及裝置制造方法【專利摘要】本發(fā)明公開了一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法及裝置。其中，該方法包括：采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，初始數(shù)據(jù)集中包括一個(gè)或多個(gè)用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；從初始數(shù)據(jù)集中提取用戶的首次訪問數(shù)據(jù)；使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；在判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；基于關(guān)聯(lián)訪問數(shù)據(jù)對(duì)初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。采用本發(fā)明，解決了現(xiàn)有技術(shù)中因Cookie信息丟失導(dǎo)致識(shí)別用戶精準(zhǔn)性差的問題，實(shí)現(xiàn)了準(zhǔn)確統(tǒng)計(jì)用戶訪問頁面數(shù)據(jù)的效果，抵抗Cookie丟失所帶來的副作用，串聯(lián)用戶的行為以實(shí)現(xiàn)還原真實(shí)用戶行為的目的?！緦＠f明】網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法及裝置【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及數(shù)據(jù)統(tǒng)計(jì)領(lǐng)域，具體而言，涉及一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法及裝置?！?br>背景技術(shù)：
】[0002]在網(wǎng)站分析領(lǐng)域，常常需要將用戶在互聯(lián)網(wǎng)上的所有行為串聯(lián)起來，將用戶割裂的行為(如pv、session)及其屬性聯(lián)系起來并作聚合歸因分析，是重要的網(wǎng)站流量分析手段。如何追蹤一個(gè)具體的訪客行為，將他的具體瀏覽情況串聯(lián)起來，是完成網(wǎng)站流量分析的重要技術(shù)手段?，F(xiàn)有技術(shù)方案主要采用的是Cookie追蹤的方式，即在相關(guān)網(wǎng)頁的http請(qǐng)求回復(fù)中設(shè)置Set-Cookie的header信息,或通過javascript在客戶端生成cookie,然后用戶端瀏覽器會(huì)將相關(guān)cookie保存在本機(jī)上，待用戶下次訪問此網(wǎng)站時(shí)，其http請(qǐng)求中就會(huì)包含這個(gè)cookie，這樣服務(wù)器端便可得知該請(qǐng)求來自上次訪問過的用戶。通過這種方法，可以追蹤同一訪客在網(wǎng)站上的多次行為，但是其有效時(shí)間為cookie的過期時(shí)間。[0003]上述技術(shù)方案的缺點(diǎn)在于，完全依賴于Cookie信息識(shí)別用戶，在實(shí)際環(huán)境中，Cookie信息很容易丟失(如用戶手動(dòng)清除Cookie，重裝瀏覽器，重裝操作系統(tǒng)等)。因此同一訪客的行為可能生成多次Cookie，并被識(shí)別為多個(gè)不同訪客的行為。這樣訪客行為分析的精準(zhǔn)性就無法得到保障。[0004]針對(duì)現(xiàn)有技術(shù)中因Cookie信息丟失導(dǎo)致識(shí)別用戶精準(zhǔn)性差的問題，目前尚未提出有效的解決方案。【
發(fā)明內(nèi)容】[0005]本發(fā)明實(shí)施例提供了一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法及裝置，以至少解決現(xiàn)有技術(shù)中因Cookie信息丟失導(dǎo)致識(shí)別用戶行為精準(zhǔn)性差的技術(shù)問題。[0006]根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，該方法包括:采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，初始數(shù)據(jù)集中包括一個(gè)或多個(gè)用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；從初始數(shù)據(jù)集中提取用戶的首次訪問數(shù)據(jù)；使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；在判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；基于關(guān)聯(lián)訪問數(shù)據(jù)對(duì)初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。[0007]進(jìn)一步地，在使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果之前，方法包括:獲取用戶的初始行為數(shù)據(jù)庫，其中，初始行為數(shù)據(jù)庫中保存所有用戶的頁面瀏覽數(shù)據(jù)，每個(gè)頁面瀏覽數(shù)據(jù)中包括瀏覽首次字段；將對(duì)應(yīng)每個(gè)用戶的首次頁面瀏覽數(shù)據(jù)的瀏覽首次字段的屬性記為正確；對(duì)初始行為數(shù)據(jù)庫中的頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫；建立初始網(wǎng)絡(luò)判定模型；使用網(wǎng)絡(luò)判定模型對(duì)過濾行為數(shù)據(jù)庫進(jìn)行訓(xùn)練得到預(yù)設(shè)判定模型。[0008]進(jìn)一步地，每個(gè)頁面瀏覽數(shù)據(jù)中包括訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段，對(duì)初始行為數(shù)據(jù)庫中的頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫的步驟包括:將初始行為數(shù)據(jù)庫中的訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段為空的頁面瀏覽數(shù)據(jù)從初始行為數(shù)據(jù)庫中刪除，得到過濾行為數(shù)據(jù)庫。[0009]進(jìn)一步地，使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果的步驟包括:獲取首次訪問數(shù)據(jù)的訪問首次字段；使用預(yù)設(shè)判定模型對(duì)訪問首次字段的屬性進(jìn)行判定；在訪問首次字段的屬性為正確的情況下，確定判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相同；在訪問首次字段的屬性不為正確的情況下，確定判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反。[0010]進(jìn)一步地，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)的步驟包括:從初始數(shù)據(jù)集中篩選出與首次訪問數(shù)據(jù)的IP和瀏覽器標(biāo)識(shí)相同的初始頁面瀏覽數(shù)據(jù)；比較初始頁面瀏覽數(shù)據(jù)的初始訪問時(shí)間與首次訪問數(shù)據(jù)的首次訪問時(shí)間；記錄初始關(guān)聯(lián)訪問數(shù)據(jù)，其中，初始關(guān)聯(lián)訪問數(shù)據(jù)的第一初始訪問時(shí)間比首次訪問時(shí)間小；從初始關(guān)聯(lián)訪問數(shù)據(jù)中提取關(guān)聯(lián)訪問數(shù)據(jù)，其中，關(guān)聯(lián)訪問數(shù)據(jù)的第二初始訪問時(shí)間是所有第一初始訪問時(shí)間中最大的。[0011]進(jìn)一步地，基于關(guān)聯(lián)訪問數(shù)據(jù)對(duì)用戶訪問行為的初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集的步驟包括:從初始數(shù)據(jù)集中提取用戶的所有初始頁面瀏覽數(shù)據(jù)；將初始頁面瀏覽數(shù)據(jù)與關(guān)聯(lián)訪問數(shù)據(jù)進(jìn)行合并得到修復(fù)訪問數(shù)據(jù)；使用修復(fù)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集得到修復(fù)數(shù)據(jù)集。[0012]根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，該裝置包括:采集模塊，用于采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，初始數(shù)據(jù)集中包括一個(gè)或多個(gè)用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；第一數(shù)據(jù)提取模塊，用于從初始數(shù)據(jù)集中提取用戶的首次訪問數(shù)據(jù)；判定模塊，用于使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；匹配模塊，用于在判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；修復(fù)模塊，用于基于關(guān)聯(lián)訪問數(shù)據(jù)對(duì)初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。[0013]進(jìn)一步地，網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置還包括:數(shù)據(jù)庫獲取模塊，用于獲取用戶的初始行為數(shù)據(jù)庫，其中，初始行為數(shù)據(jù)庫中保存所有用戶的頁面瀏覽數(shù)據(jù)，每個(gè)頁面瀏覽數(shù)據(jù)中包括瀏覽首次字段；屬性標(biāo)記模塊，用于將對(duì)應(yīng)每個(gè)用戶的首次頁面瀏覽數(shù)據(jù)的瀏覽首次字段的屬性記為正確；過濾模塊，用于對(duì)初始行為數(shù)據(jù)庫中的頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫；模型建立模塊，用于建立初始網(wǎng)絡(luò)判定模型；模型獲取模塊，用于使用網(wǎng)絡(luò)判定模型對(duì)過濾行為數(shù)據(jù)庫進(jìn)行訓(xùn)練得到預(yù)設(shè)判定模型。[0014]進(jìn)一步地，過濾模塊包括:將初始行為數(shù)據(jù)庫中的訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段為空的頁面瀏覽數(shù)據(jù)從初始行為數(shù)據(jù)庫中刪除，得到過濾行為數(shù)據(jù)庫，其中，每個(gè)頁面瀏覽數(shù)據(jù)中包括訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段。[0015]進(jìn)一步地，判定模塊包括:字段獲取模塊，用于獲取首次訪問數(shù)據(jù)的訪問首次字段；屬性判定模塊，用于使用預(yù)設(shè)判定模型對(duì)訪問首次字段的屬性進(jìn)行判定；第一確定模塊，用于在訪問首次字段的屬性為正確的情況下，確定判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相同；第二確定模塊，用于在訪問首次字段的屬性不為正確的情況下，確定判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反。[0016]進(jìn)一步地，匹配模塊包括:篩選模塊，用于從初始數(shù)據(jù)集中篩選出與首次訪問數(shù)據(jù)的IP和瀏覽器標(biāo)識(shí)相同的初始頁面瀏覽數(shù)據(jù)；比較模塊，用于比較初始頁面瀏覽數(shù)據(jù)的初始訪問時(shí)間與首次訪問數(shù)據(jù)的首次訪問時(shí)間；記錄模塊，用于記錄初始關(guān)聯(lián)訪問數(shù)據(jù)，其中，初始關(guān)聯(lián)訪問數(shù)據(jù)的第一初始訪問時(shí)間比首次訪問時(shí)間??；第二數(shù)據(jù)提取模塊，用于從初始關(guān)聯(lián)訪問數(shù)據(jù)中提取關(guān)聯(lián)訪問數(shù)據(jù)，其中，關(guān)聯(lián)訪問數(shù)據(jù)的第二初始訪問時(shí)間是所有第一初始訪問時(shí)間中最大的。[0017]進(jìn)一步地，修復(fù)模塊包括:第三數(shù)據(jù)提取模塊，用于從初始數(shù)據(jù)集中提取用戶的所有初始頁面瀏覽數(shù)據(jù)；合并模塊，用于將初始頁面瀏覽數(shù)據(jù)與關(guān)聯(lián)訪問數(shù)據(jù)進(jìn)行合并得到修復(fù)訪問數(shù)據(jù)；修復(fù)子模塊，用于使用修復(fù)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集得到修復(fù)數(shù)據(jù)集。[0018]在本發(fā)明實(shí)施例中，通過在匹配模塊匹配出關(guān)聯(lián)訪問數(shù)據(jù)之后，基于關(guān)聯(lián)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集以獲取修復(fù)數(shù)據(jù)集，從而可以將因?yàn)镃ookie丟失的數(shù)據(jù)拼接上，從而可以減少同一訪客的行為可能生成多次Cookie的數(shù)據(jù)，并且可以減少因?yàn)镃ookie丟失而重新記錄的數(shù)據(jù)，解決了現(xiàn)有技術(shù)中因Cookie信息丟失導(dǎo)致識(shí)別用戶精準(zhǔn)性差的問題，實(shí)現(xiàn)了準(zhǔn)確統(tǒng)計(jì)用戶訪問頁面數(shù)據(jù)的效果，抵抗Cookie丟失所帶來的副作用，串聯(lián)用戶的行為以實(shí)現(xiàn)還原真實(shí)用戶行為的目的?！緦＠綀D】【附圖說明】[0019]此處所說明的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:[0020]圖1是根據(jù)本發(fā)明實(shí)施例的一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置的示意圖；以及[0021]圖2是根據(jù)本發(fā)明實(shí)施例的一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法的流程圖?！揪唧w實(shí)施方式】[0022]首先，在對(duì)本發(fā)明實(shí)施例進(jìn)行描述的過程中出現(xiàn)的部分名詞或術(shù)語適用于如下解釋:[0023]為了使本【
技術(shù)領(lǐng)域：
】的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。[0024]需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”等是用于區(qū)別類似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤４送?，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。[0025]根據(jù)本發(fā)明實(shí)施例，提供了一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，如圖1所示，該裝置包括:采集模塊10，用于采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，初始數(shù)據(jù)集中包括一個(gè)或多個(gè)用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；第一數(shù)據(jù)提取模塊30，用于從初始數(shù)據(jù)集中提取用戶的首次訪問數(shù)據(jù)；判定模塊50，用于使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；匹配模塊70，用于在判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；修復(fù)模塊90，用于基于關(guān)聯(lián)訪問數(shù)據(jù)對(duì)初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。[0026]采用本發(fā)明，可以使用采集模塊采集用戶訪問頁面的初始數(shù)據(jù)集，在第一數(shù)據(jù)提取模塊從初始數(shù)據(jù)集中提取用戶的首次訪問數(shù)據(jù)之后，判定模塊使用預(yù)設(shè)判定模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果，匹配模塊在判定結(jié)果與預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用首次訪問數(shù)據(jù)在初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)，然后修復(fù)模炔基于關(guān)聯(lián)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集以獲取修復(fù)數(shù)據(jù)集。通過在匹配模塊匹配出關(guān)聯(lián)訪問數(shù)據(jù)之后，基于關(guān)聯(lián)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集以獲取修復(fù)數(shù)據(jù)集，從而可以將因?yàn)镃ookie丟失的數(shù)據(jù)拼接上，從而可以減少同一訪客的行為可能生成多次Cookie的數(shù)據(jù)，并且可以減少因?yàn)镃ookie丟失而重新記錄的數(shù)據(jù)，解決了現(xiàn)有技術(shù)中因Cookie信息丟失導(dǎo)致識(shí)別用戶精準(zhǔn)性差的問題，實(shí)現(xiàn)了準(zhǔn)確統(tǒng)計(jì)用戶訪問頁面數(shù)據(jù)的效果，抵抗Cookie丟失所帶來的副作用，串聯(lián)用戶的行為以實(shí)現(xiàn)還原真實(shí)用戶行為的目的。[0027]在本發(fā)明的上述實(shí)施例中，修復(fù)模塊90可以包括:第三數(shù)據(jù)提取模塊，用于從初始數(shù)據(jù)集中提取用戶的所有初始頁面瀏覽數(shù)據(jù)；合并模塊，用于將初始頁面瀏覽數(shù)據(jù)與關(guān)聯(lián)訪問數(shù)據(jù)進(jìn)行合并得到修復(fù)訪問數(shù)據(jù)；修復(fù)子模塊，用于使用修復(fù)訪問數(shù)據(jù)修復(fù)初始數(shù)據(jù)集得到修復(fù)數(shù)據(jù)集。[0028]具體地,上述實(shí)施例中采集模塊可以基于cookie追蹤獲取初始數(shù)據(jù)集,該初始數(shù)據(jù)集中可以保存用戶訪問頁面的行為數(shù)據(jù)，主要可以是指用戶對(duì)于目標(biāo)網(wǎng)站的頁面瀏覽(PageView，下簡(jiǎn)稱PV)數(shù)據(jù)(也即上述實(shí)施例中的初始頁面瀏覽數(shù)據(jù))。PV數(shù)據(jù)可通過在頁面部署javascript代碼獲取。[0029]更具體地，上述實(shí)施例中獲取的初始數(shù)據(jù)集可以采用數(shù)據(jù)表pvtable的形式表現(xiàn)，對(duì)應(yīng)每條初始頁面瀏覽數(shù)據(jù)均可以包括一個(gè)或多個(gè)字段，這些字段可以是:pvid，uid,url,time,ip,useragent,adsource,adcompaign,trafficsource,isfirst氺以及hour氺，上述字段分別:pv唯一標(biāo)識(shí)、用戶唯一標(biāo)識(shí)、pv所訪問的url、pv的發(fā)生時(shí)間、用戶ip、用戶瀏覽器useragent標(biāo)識(shí)、廣告來源、廣告活動(dòng)名稱、來源網(wǎng)站、是否為此用戶的第一個(gè)PV、pv發(fā)生時(shí)間的所屬小時(shí)。其中，uid是基于傳統(tǒng)的cookie追蹤手段由前端javascript腳本生成，可保證具有同一uid的pv來自同一個(gè)用戶；而帶有星號(hào)的字段，在采集模塊采集初始數(shù)據(jù)集時(shí)設(shè)為空值，將通過對(duì)數(shù)據(jù)的篩選和計(jì)算得出帶有星號(hào)的字段的值。本發(fā)明實(shí)施例中的PV和pv均指頁面瀏覽數(shù)據(jù)。[0030]其中，上述實(shí)施例中的廣告來源、廣告活動(dòng)名稱具體是指當(dāng)次pv的廣告相關(guān)信息(若有的話)，一般此信息可以通過分析url的參數(shù)獲得。[0031]例如:對(duì)于http://www.abc.com/pagel.aspx?utm_source=sl&utm_campaign=s2,其廣告來源(一般對(duì)應(yīng)utm_source參數(shù))即為si,廣告活動(dòng)名稱(一般對(duì)應(yīng)utm_campaign參數(shù))即為s2。這些參數(shù)可以是人為設(shè)置的，用于標(biāo)識(shí)相關(guān)訪問是通過什么廣告帶來的。[0032]其中，上述實(shí)施例中的預(yù)設(shè)判定模塊可以使用isFirst字段的值為正確的pv數(shù)據(jù)作為訓(xùn)練集合，訓(xùn)練isFirst的值為正確的判定模型，并將所有isFirst為true的集合使用預(yù)設(shè)模型對(duì)首次訪問數(shù)據(jù)進(jìn)行判斷，獲得與判定模型結(jié)果相反的偽首pv(即isFirst的值不為正確)，對(duì)于偽首pv，利用ip,useragent和time進(jìn)行前向匹配尋找到相關(guān)pv(即關(guān)聯(lián)訪問數(shù)據(jù))，將屬于該用戶的所有初始頁面瀏覽數(shù)據(jù)與偽首pv所屬訪客行為(即關(guān)聯(lián)訪問數(shù)據(jù))進(jìn)行合并，獲取修正后的訪客行為(即修復(fù)數(shù)據(jù)集)。在該實(shí)施例中，在Cookie追蹤的基礎(chǔ)上，能夠通過機(jī)器模型學(xué)習(xí)的方法，進(jìn)行訪客行為的拼接，抵抗Cookie丟失所帶來的副作用，能夠修正對(duì)于cookie丟失帶來的數(shù)據(jù)失準(zhǔn)，以達(dá)到串聯(lián)還原真實(shí)用戶行為的目的。[0033]在本發(fā)明的上述實(shí)施例中，網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置還可以包括:數(shù)據(jù)庫獲取模塊，用于獲取用戶的初始行為數(shù)據(jù)庫，其中，初始行為數(shù)據(jù)庫中保存所有用戶的頁面瀏覽數(shù)據(jù)，每個(gè)頁面瀏覽數(shù)據(jù)中包括瀏覽首次字段；屬性標(biāo)記模塊，用于將對(duì)應(yīng)每個(gè)用戶的首次頁面瀏覽數(shù)據(jù)的瀏覽首次字段的屬性記為正確；過濾模塊，用于對(duì)初始行為數(shù)據(jù)庫中的頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫；模型建立模塊，用于建立初始網(wǎng)絡(luò)判定模型；模型獲取模塊，用于使用過濾行為數(shù)據(jù)庫對(duì)網(wǎng)絡(luò)判定模型進(jìn)行訓(xùn)練得到預(yù)設(shè)判定模型。[0034]具體地，過濾模塊可以包括:將初始行為數(shù)據(jù)庫中的訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段為空的頁面瀏覽數(shù)據(jù)從初始行為數(shù)據(jù)庫中刪除，得到過濾行為數(shù)據(jù)庫，其中，每個(gè)頁面瀏覽數(shù)據(jù)中包括訪問頁面來源字段(即來源網(wǎng)站)、訪問來源網(wǎng)站字段(即廣告來源)以及訪問活動(dòng)名稱字段(即廣告活動(dòng)名稱)。[0035]具體地，客戶端腳本在瀏覽器中執(zhí)行時(shí)，可以為用戶生成唯一ID，并在記錄訪客Pv行為時(shí)附帶將此ID發(fā)送給數(shù)據(jù)處理端訪客行為日志系統(tǒng)，數(shù)據(jù)處理端收到相關(guān)數(shù)據(jù)(即初始行為數(shù)據(jù)庫中的頁面瀏覽數(shù)據(jù))后，按照時(shí)間順序根據(jù)用戶ID是否第一次出現(xiàn)為頁面瀏覽數(shù)據(jù)打上isFirst(即瀏覽首次字段)標(biāo)簽，即將用戶的首次頁面瀏覽數(shù)據(jù)的瀏覽首次字段的屬性記為正確。[0036]根據(jù)本發(fā)明的上述實(shí)施例，屬性標(biāo)記模塊在訪問行為數(shù)據(jù)庫中選擇出所有用戶的第一個(gè)PV，并將這些PV數(shù)據(jù)的isfirst字段設(shè)為TRUE(即正確)時(shí)可以使用如下源碼:[0037]【權(quán)利要求】1.一種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，包括:采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，所述初始數(shù)據(jù)集中包括一個(gè)或多個(gè)所述用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；從所述初始數(shù)據(jù)集中提取所述用戶的首次訪問數(shù)據(jù)；使用預(yù)設(shè)判定模型對(duì)所述首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；在所述判定結(jié)果與所述預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用所述首次訪問數(shù)據(jù)在所述初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；基于所述關(guān)聯(lián)訪問數(shù)據(jù)對(duì)所述初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。2.根據(jù)權(quán)利要求1所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，在使用預(yù)設(shè)判定模型對(duì)所述首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果之前，所述方法包括:獲取用戶的初始行為數(shù)據(jù)庫，其中，所述初始行為數(shù)據(jù)庫中保存所有所述用戶的頁面瀏覽數(shù)據(jù)，每個(gè)所述頁面瀏覽數(shù)據(jù)中包括瀏覽首次字段；將對(duì)應(yīng)每個(gè)所述用戶的首次頁面瀏覽數(shù)據(jù)的所述瀏覽首次字段的屬性記為正確；對(duì)所述初始行為數(shù)據(jù)庫中的所述頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫；建立初始網(wǎng)絡(luò)判定模型；使用所述網(wǎng)絡(luò)判定模型對(duì)所述過濾行為數(shù)據(jù)庫進(jìn)行訓(xùn)練得到所述預(yù)設(shè)判定模型。3.根據(jù)權(quán)利要求2所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，每個(gè)所述頁面瀏覽數(shù)據(jù)中包括訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段，對(duì)所述初始行為數(shù)據(jù)庫中的所述頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫的步驟包括:將所述初始行為數(shù)據(jù)庫中的所述訪問頁面來源字段、所述訪問來源網(wǎng)站字段以及所述訪問活動(dòng)名稱字段為空的所述頁面瀏覽數(shù)據(jù)從所述初始行為數(shù)據(jù)庫中刪除，得到所述過濾行為數(shù)據(jù)庫。4.根據(jù)權(quán)利要求3所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，使用預(yù)設(shè)判定模型對(duì)所述首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果的步驟包括:獲取所述首次訪問數(shù)據(jù)的訪問首次字段；使用所述預(yù)設(shè)判定模型對(duì)所述訪問首次字段的屬性進(jìn)行判定；在所述訪問首次字段的屬性為正確的情況下，確定所述判定結(jié)果與所述預(yù)設(shè)判定模型的所述預(yù)設(shè)結(jié)果相同；在所述訪問首次字段的屬性不為正確的情況下，確定所述判定結(jié)果與所述預(yù)設(shè)判定模型的所述預(yù)設(shè)結(jié)果相反。5.根據(jù)權(quán)利要求1所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，使用所述首次訪問數(shù)據(jù)在所述初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)的步驟包括:從所述初始數(shù)據(jù)集中篩選出與所述首次訪問數(shù)據(jù)的IP和瀏覽器標(biāo)識(shí)相同的所述初始頁面瀏覽數(shù)據(jù)；比較所述初始頁面瀏覽數(shù)據(jù)的初始訪問時(shí)間與所述首次訪問數(shù)據(jù)的首次訪問時(shí)間；記錄初始關(guān)聯(lián)訪問數(shù)據(jù)，其中，所述初始關(guān)聯(lián)訪問數(shù)據(jù)的第一初始訪問時(shí)間比所述首次訪問時(shí)間?。粡乃龀跏缄P(guān)聯(lián)訪問數(shù)據(jù)中提取所述關(guān)聯(lián)訪問數(shù)據(jù)，其中，所述關(guān)聯(lián)訪問數(shù)據(jù)的第二初始訪問時(shí)間是所有所述第一初始訪問時(shí)間中最大的。6.根據(jù)權(quán)利要求1所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于，基于所述關(guān)聯(lián)訪問數(shù)據(jù)對(duì)用戶訪問行為的初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集的步驟包括:從所述初始數(shù)據(jù)集中提取所述用戶的所有所述初始頁面瀏覽數(shù)據(jù)；將所述初始頁面瀏覽數(shù)據(jù)與所述關(guān)聯(lián)訪問數(shù)據(jù)進(jìn)行合并得到修復(fù)訪問數(shù)據(jù)；使用所述修復(fù)訪問數(shù)據(jù)修復(fù)所述初始數(shù)據(jù)集得到所述修復(fù)數(shù)據(jù)集。7.—種網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，包括:采集模塊，用于采集用戶訪問頁面行為的初始數(shù)據(jù)集，其中，所述初始數(shù)據(jù)集中包括一個(gè)或多個(gè)所述用戶訪問目標(biāo)網(wǎng)站的初始頁面瀏覽數(shù)據(jù)；第一數(shù)據(jù)提取模塊，用于從所述初始數(shù)據(jù)集中提取所述用戶的首次訪問數(shù)據(jù)；判定模塊，用于使用預(yù)設(shè)判定模型對(duì)所述首次訪問數(shù)據(jù)進(jìn)行判定得到判定結(jié)果；匹配模塊，用于在所述判定結(jié)果與所述預(yù)設(shè)判定模型的預(yù)設(shè)結(jié)果相反時(shí)，使用所述首次訪問數(shù)據(jù)在所述初始數(shù)據(jù)集中進(jìn)行前溯匹配得到關(guān)聯(lián)訪問數(shù)據(jù)；修復(fù)模塊，用于基于所述關(guān)聯(lián)訪問數(shù)據(jù)對(duì)所述初始數(shù)據(jù)集進(jìn)行拼接和修復(fù)得到修復(fù)數(shù)據(jù)集。8.根據(jù)權(quán)利要求7所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，所述網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置還包括:數(shù)據(jù)庫獲取模塊，用于獲取用戶的初始行為數(shù)據(jù)庫，其中，所述初始行為數(shù)據(jù)庫中保存所有所述用戶的頁面瀏覽數(shù)據(jù)，每個(gè)所述頁面瀏覽數(shù)據(jù)中包括瀏覽首次字段；屬性標(biāo)記模塊，用于將對(duì)應(yīng)每個(gè)所述用戶的首次頁面瀏覽數(shù)據(jù)的所述瀏覽首次字段的屬性記為正確；過濾模塊，用于對(duì)所述初始行為數(shù)據(jù)庫中的所述頁面瀏覽數(shù)據(jù)進(jìn)行過濾得到過濾行為數(shù)據(jù)庫；模型建立模塊，用于建立初始網(wǎng)絡(luò)判定模型；模型獲取模塊，用于使用所述網(wǎng)絡(luò)判定模型對(duì)所述過濾行為數(shù)據(jù)庫進(jìn)行訓(xùn)練得到所述預(yù)設(shè)判定模型。9.根據(jù)權(quán)利要求8所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，所述過濾模塊包括:將所述初始行為數(shù)據(jù)庫中的訪問頁面來源字段、訪問來源網(wǎng)站字段以及訪問活動(dòng)名稱字段為空的所述頁面瀏覽數(shù)據(jù)從所述初始行為數(shù)據(jù)庫中刪除，得到所述過濾行為數(shù)據(jù)庫，其中，每個(gè)所述頁面瀏覽數(shù)據(jù)中包括所述訪問頁面來源字段、所述訪問來源網(wǎng)站字段以及所述訪問活動(dòng)名稱字段。10.根據(jù)權(quán)利要求9所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，所述判定模塊包括:字段獲取模塊，用于獲取所述首次訪問數(shù)據(jù)的訪問首次字段；屬性判定模塊，用于使用所述預(yù)設(shè)判定模型對(duì)所述訪問首次字段的屬性進(jìn)行判定；第一確定模塊，用于在所述訪問首次字段的屬性為正確的情況下，確定所述判定結(jié)果與所述預(yù)設(shè)判定模型的所述預(yù)設(shè)結(jié)果相同；第二確定模塊，用于在所述訪問首次字段的屬性不為正確的情況下，確定所述判定結(jié)果與所述預(yù)設(shè)判定模型的所述預(yù)設(shè)結(jié)果相反。11.根據(jù)權(quán)利要求7所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，所述匹配模塊包括:篩選模塊，用于從所述初始數(shù)據(jù)集中篩選出與所述首次訪問數(shù)據(jù)的IP和瀏覽器標(biāo)識(shí)相同的所述初始頁面瀏覽數(shù)據(jù)；比較模塊，用于比較所述初始頁面瀏覽數(shù)據(jù)的初始訪問時(shí)間與所述首次訪問數(shù)據(jù)的首次訪問時(shí)間；記錄模塊，用于記錄初始關(guān)聯(lián)訪問數(shù)據(jù)，其中，所述初始關(guān)聯(lián)訪問數(shù)據(jù)的第一初始訪問時(shí)間比所述首次訪問時(shí)間??；第二數(shù)據(jù)提取模塊，用于從所述初始關(guān)聯(lián)訪問數(shù)據(jù)中提取所述關(guān)聯(lián)訪問數(shù)據(jù)，其中，所述關(guān)聯(lián)訪問數(shù)據(jù)的第二初始訪問時(shí)間是所有所述第一初始訪問時(shí)間中最大的。12.根據(jù)權(quán)利要求7所述的網(wǎng)頁訪問數(shù)據(jù)統(tǒng)計(jì)裝置，其特征在于，所述修復(fù)模塊包括:第三數(shù)據(jù)提取模塊，用于從所述初始數(shù)據(jù)集中提取所述用戶的所有所述初始頁面瀏覽數(shù)據(jù)；合并模塊，用于將所述初始頁面瀏覽數(shù)據(jù)與所述關(guān)聯(lián)訪問數(shù)據(jù)進(jìn)行合并得到修復(fù)訪問數(shù)據(jù)；修復(fù)子模塊，用于使用所述修復(fù)訪問數(shù)據(jù)修復(fù)所述初始數(shù)據(jù)集得到所述修復(fù)數(shù)據(jù)集?！疚臋n編號(hào)】G06F17/30GK103605738SQ201310585858【公開日】2014年2月26日申請(qǐng)日期:2013年11月19日優(yōu)先權(quán)日:2013年11月19日【發(fā)明者】何愷鐸申請(qǐng)人:北京國(guó)雙科技有限公司