基于用户行为埋点的音频产品功能优化方法及相关设备与流程

本发明涉及电数字数据处理，尤其涉及一种基于用户行为埋点的音频产品功能优化方法及相关设备。

背景技术：

1、当前，智能音频产品虽然在数据采集层面已普遍接入了用户行为埋点、日志上报及基础数据看板，但多数产品的数据应用仍停留在“数据采集”和“问题事后查看”的初级阶段，尚未形成从埋点分析到功能优化、再到效果验证和持续迭代的完整闭环。产品团队在优化复杂音频功能时，仍然高度依赖人工经验来判断功能是否难用、用户配置是否失败、用户是否流失，难以将音频产品中多阶段、多分支、多参数交织的复杂功能真实使用路径，有效转化为可量化、可执行的优化任务。这种依赖人工的优化模式，导致功能改版的效果难以通过客观数据进行验证、版本迭代周期长、同类型体验问题反复出现。

技术实现思路

1、本发明提供了一种基于用户行为埋点的音频产品功能优化方法及相关设备，以解决现有技术中由于音频产品功能优化高度依赖人工经验、缺乏客观数据驱动的闭环迭代机制，导致的音频产品功能优化效率较低的问题。

2、本发明第一方面提供了一种基于用户行为埋点的音频产品功能优化方法，包括：获取用户在音频产品使用过程中的行为埋点数据、设备状态数据及异常事件数据，得到标准化时序数据集；基于所述标准化时序数据集，构建用户任务状态机模型和埋点事件关联图谱；将用户实际行为序列输入所述用户任务状态机模型，将所述用户实际行为序列与所述用户任务状态机模型所表征的正常行为路径和正常行为特征进行比对，根据比对结果识别所述用户实际行为序列中的异常卡点；响应于识别到所述异常卡点，从所述埋点事件关联图谱中提取与所述异常卡点相关的候选影响因素，对所述候选影响因素进行因果分析，得到所述异常卡点的因果成因；根据所述因果成因生成产品优化方案，并对所述产品优化方案进行效果验证；将验证通过的产品优化方案上线，并记录优化信息，形成产品优化知识库。

3、在一种可行的实施方式中，在基于所述标准化时序数据集，构建用户任务状态机模型和埋点事件关联图谱之前，还包括训练样本预筛选步骤：根据所述设备状态数据中的系统资源占用率时序序列和网络传输延迟时序序列，提取每一条成功会话记录在目标任务执行期间的资源占用率峰值和网络延迟均值，对所述峰值和均值进行加权求和，计算得到该条成功会话记录的外部环境干扰系数；根据所述异常事件数据中的崩溃事件标识、重连事件标识及解码失败事件标识，检测所述标准化时序数据集中每一条成功会话记录在目标任务执行期间是否包含非预期中断事件；若包含，则将该成功会话记录标记为异常中断样本并从训练样本集中剔除；将经过所述设备状态数据和所述异常事件数据双重筛选后剩余的、不包含环境干扰且不包含非预期中断的成功会话记录，确定为用于统计状态节点间合法转移路径的纯净训练样本。

4、在一种可行的实施方式中，所述基于所述标准化时序数据集，构建用户任务状态机模型和埋点事件关联图谱，包括：根据音频产品的功能模块划分，定义多个连续的任务阶段，各任务阶段分别对应所述状态机模型中的一个状态节点，并为各状态节点分配对应的节点标识；以所述纯净训练样本为统计基准，统计各状态节点之间的转移方向及转移次数，根据统计结果确定各状态节点之间的合法转移路径，汇集成合法转移路径集合；其中，所述纯净训练样本为已完成目标任务且经所述设备状态数据和所述异常事件数据筛选剔除环境干扰样本和异常中断样本后保留的成功会话记录；根据所述纯净训练样本中各状态节点下的行为特征参数分布，计算各状态节点的行为特征参数均值和标准差，以所述均值±n倍标准差作为该状态节点的期望行为特征区间，其中n为预设的容忍系数；以各类埋点事件为事件图谱节点，以事件之间的时序跟随关系为有向边，以相邻事件之间的时间间隔为边属性，构建所述埋点事件关联图谱；将各状态节点、所述合法转移路径集合以及各状态节点对应的期望行为特征区间关联存储于所述状态机模型中，完成所述用户任务状态机模型的构建，并建立所述状态机模型中各状态节点与所述埋点事件关联图谱中各埋点事件之间的映射关系。

5、在一种可行的实施方式中，将所述用户实际行为序列与所述用户任务状态机模型所表征的正常行为路径和正常行为特征进行比对，根据比对结果识别所述用户实际行为序列中的异常卡点，包括：按照用户会话边界将所述用户实际行为序列切分为多个实际行为子序列，将各实际行为子序列中的各事件依次映射至所述状态机模型中对应的状态节点，生成用户实际路径序列及各状态节点处的实际行为特征；将所述用户实际路径序列与所述状态机模型所表征的正常行为路径进行比对，得到路径比对结果；将各状态节点处的实际行为特征与所述状态机模型中对应的期望行为特征进行比对，得到特征比对结果；根据所述路径比对结果和所述特征比对结果，确定所述用户实际行为序列中是否存在偏离所述正常行为路径或所述正常行为特征的异常状态节点，将确定存在偏离的异常状态节点标记为异常卡点。

6、在一种可行的实施方式中，所述按照用户会话边界将所述用户实际行为序列切分为多个实际行为子序列，将各实际行为子序列中的各事件依次映射至所述状态机模型中对应的状态节点，生成用户实际路径序列及各状态节点处的实际行为特征，包括：检测所述用户实际行为序列中的会话边界信号，以所述会话边界信号为分割点将所述用户实际行为序列切分为多个实际行为子序列；根据埋点事件与状态节点之间的预设映射规则，将各实际行为子序列中的各事件映射至所述状态机模型中对应的状态节点，生成用户实际路径序列；记录各状态节点处的事件时间戳信息，根据所述事件时间戳信息生成各状态节点处的实际停留时长，作为实际行为特征。

7、在一种可行的实施方式中，所述将所述用户实际路径序列与所述状态机模型所表征的正常行为路径进行比对，得到路径比对结果，包括：获取所述状态机模型中的合法转移路径集合，所述合法转移路径集合用于表征所述正常行为路径；从所述用户实际路径序列中提取相邻状态节点对，依次判断各相邻状态节点对是否存在于所述合法转移路径集合中；统计不存在于所述合法转移路径集合中的相邻状态节点对的数量和分布，根据统计结果生成路径比对结果。

8、在一种可行的实施方式中，所述将各状态节点处的实际行为特征与所述状态机模型中对应的期望行为特征进行比对，得到特征比对结果，包括：获取所述状态机模型中各状态节点对应的期望行为特征区间，所述期望行为特征区间用于表征所述正常行为特征；从所述用户实际路径序列中提取各状态节点处的实际行为特征值，将各状态节点处的所述实际行为特征值与该状态节点对应的期望行为特征区间进行逐一比对；判断各状态节点处的所述实际行为特征值是否落入对应的所述期望行为特征区间内，根据各状态节点的判断结果生成特征比对结果。

9、在一种可行的实施方式中，所述根据所述路径比对结果和所述特征比对结果，确定所述用户实际行为序列中是否存在偏离所述正常行为路径或所述正常行为特征的异常状态节点，将确定存在的异常状态节点标记为异常卡点，包括：根据所述路径比对结果，检测所述用户实际路径序列中是否存在偏离所述合法转移路径集合的相邻状态节点对，若存在，将该相邻状态节点对中的后一状态节点确定为第一类异常状态节点；根据所述特征比对结果，检测各状态节点中是否存在实际行为特征值未落入对应期望行为特征区间的状态节点，若存在，将该状态节点确定为第二类异常状态节点；将所述第一类异常状态节点和所述第二类异常状态节点合并为异常状态节点集合，将所述异常状态节点集合中的各状态节点标记为异常卡点。

10、在一种可行的实施方式中，所述响应于识别到所述异常卡点，从所述埋点事件关联图谱中提取与所述异常卡点相关的候选影响因素，对所述候选影响因素进行因果分析，得到所述异常卡点的因果成因，包括：以所述异常卡点对应的状态节点在所述埋点事件关联图谱中所对应的映射事件为起点，按照时序逆向追溯预设层级的关联事件，提取各关联事件所对应的设备状态参数和用户操作参数作为候选因素，汇集成候选影响因素集合；从所述候选影响因素集合中依次取出各候选因素，将用户群按照该候选因素的取值划分为第一分组和第二分组，分别获取所述第一分组和所述第二分组在所述异常卡点处的行为表现差异；根据所述行为表现差异判断各候选因素是否对所述异常卡点的发生具有统计意义上的显著影响，将具有显著影响的候选因素判定为所述异常卡点的因果成因。

11、在一种可行的实施方式中，所述从所述候选影响因素集合中依次取出各候选因素，将用户群按照该候选因素的取值划分为第一分组和第二分组，分别获取所述第一分组和所述第二分组在所述异常卡点处的行为表现差异，包括：从所述候选影响因素集合中取出一个候选因素，获取该候选因素在历史数据中的取值分布，根据所述取值分布确定该候选因素的目标取值范围；将用户群中该候选因素的取值落入所述目标取值范围内的用户划分为第一分组，将该候选因素的取值落入所述目标取值范围外的用户划分为第二分组；分别统计所述第一分组和所述第二分组中经过所述异常卡点的用户总数和通过所述异常卡点的用户数，计算所述第一分组和所述第二分组各自的卡点通过率，将所述第一分组的卡点通过率与所述第二分组的卡点通过率的差值作为所述行为表现差异。

12、在一种可行的实施方式中，所述根据所述行为表现差异判断各候选因素是否对所述异常卡点的发生具有统计意义上的显著影响，将具有显著影响的候选因素判定为所述异常卡点的因果成因，包括：获取所述第一分组和所述第二分组在所述异常卡点处的卡点通过率差值，基于所述第一分组和所述第二分组的样本量计算所述差值对应的显著性水平；将所述显著性水平与预设的显著性阈值进行比较，当所述显著性水平小于或等于所述显著性阈值时，判定该候选因素对所述异常卡点的发生具有统计意义上的显著影响；将判定为具有显著影响的候选因素作为所述异常卡点的因果成因输出，遍历所述候选影响因素集合中的所有候选因素，输出各候选因素对应的因果成因判定结果。

13、在一种可行的实施方式中，所述根据所述因果成因生成产品优化方案，并对所述产品优化方案进行效果验证，包括：根据所述因果成因所属的因素类型确定优化方向，根据所述异常卡点所处的任务阶段确定优化位置，基于所述优化方向和所述优化位置生成产品优化方案，并为所述产品优化方案绑定用于衡量优化效果的验证指标；将所述产品优化方案确定为待验证优化方案，以预设的流量比例将用户划分为实验组和对照组，对所述实验组应用所述待验证优化方案，对所述对照组不应用所述待验证优化方案；分别采集所述实验组和所述对照组在所述验证指标上的指标值，计算所述实验组相对于所述对照组的指标差异，当所述指标差异满足预设的收益条件，且所述实验组在预设的负向监控指标上的表现不显著劣于所述对照组时，判定所述待验证优化方案验证通过；其中，所述预设的负向监控指标用于衡量所述产品优化方案对音频产品整体稳定性或用户体验产生的非预期负面影响。

14、本发明第二方面提供了一种基于用户行为埋点的音频产品功能优化装置，包括：获取模块，用于获取用户在音频产品使用过程中的行为埋点数据、设备状态数据及异常事件数据，得到标准化时序数据集；构建模块，用于基于所述标准化时序数据集，构建用户任务状态机模型和埋点事件关联图谱；识别模块，用于将用户实际行为序列输入所述用户任务状态机模型，将所述用户实际行为序列与所述用户任务状态机模型所表征的正常行为路径和正常行为特征进行比对，根据比对结果识别所述用户实际行为序列中的异常卡点；分析模块，用于响应于识别到所述异常卡点，从所述埋点事件关联图谱中提取与所述异常卡点相关的候选影响因素，对所述候选影响因素进行因果分析，得到所述异常卡点的因果成因；验证模块，用于根据所述因果成因生成产品优化方案，并对所述产品优化方案进行效果验证；处理模块，用于将验证通过的产品优化方案上线，并记录优化信息，形成产品优化知识库。

15、本发明第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述的基于用户行为埋点的音频产品功能优化方法。

16、本发明的第四方面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指令，当其在计算机上运行时，使得计算机执行上述的基于用户行为埋点的音频产品功能优化方法。

17、本发明实施例中，通过构建用户任务状态机模型和埋点事件关联图谱，将音频产品中多阶段、多分支的复杂功能使用路径量化为可计算的状态节点和转移路径，实现了对用户行为序列的自动化异常卡点识别；在此基础上，通过从埋点事件关联图谱中逆向追溯候选影响因素并进行因果分析，将卡点现象与根因之间的因果关系从主观经验推断提升为基于数据统计的客观量化判定，提高了异常根因定位的准确性和可解释性；进一步地，通过基于因果成因自动生成优化方案并进行ab实验验证，将功能优化从“事后人工修补”转变为“数据驱动-方案生成-效果验证-知识沉淀”的闭环迭代流程，有效缩短了问题定位和方案验证的周期，降低了同类问题重复出现的概率，提升了音频产品功能优化的效率和效果。