ABF平台设计(四):体验黑科技-结构化的体验数据平台

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 场景1:新接收了一个项目,想了解一下当前的用户使用习惯和反馈,却没有一个全面、权威的数据支撑来帮助你深入了解,只能从用户口中了解到一些零散的信息;


你是否遇到过下面的场景?

场景1:

新接收了一个项目,想了解一下当前的用户使用习惯和反馈,却没有一个全面、权威的数据支撑来帮助你深入了解,只能从用户口中了解到一些零散的信息;


       场景2:

在讨论产品方案时,产品、开发在一起各抒己见,每个人都感觉自己代表用户,到底谁代表用户?


场景3:

系统经过多年的迭代,各种热门功能和僵尸功能混在一起,变得十分臃肿,你想精简一下系统功能和代码,却因为不了解哪些功能还在使用、哪些已经废弃,而不敢“轻举妄动”;


场景4:

用户报了一个线上的BUG,自己操作复现不出来,想知道用户当时的操作路径;

为什么我们了解用户行为数据会那么麻烦?

image.png


ABF体验中心的产品思路和特点

image.png


一、结构化

image.png


“功能”在这里是一个比较宽泛的概念,分为下面几种:

  • 基本功能:一次表单的填写、一次视频的上传;
  • 分类功能:对具体功能进行的分组。如上图的项目管理,它包含增、删、改、查可以看做4个基本功能。分类功能可以有无限层次。需要注意的是,页面是分类功能。
  • 项目根功能:一般对应一个工程项目。
  • 项目分类功能:对项目进行了分类。

二、主动

传统的埋点数据都是等用户主动查询,ABF体验中心尝试一种“推”的产品形态,更主动的将体验数据融合在项目系统中,以推的方式让产研更方便的看到体验数据。

image.png


三、使用简单

针对在埋点上报阶段和数据查询阶段都需要付出很多精力,这里将复杂度进行了转移。

image.png


如上图所示,将各项目中特殊的逻辑转移到一个线上的功能定义平台和数据计算阶段,埋点阶段用户无需再进行额外的编码,数据查询阶段无需在绞尽脑汁拼复杂的查询条件。


ABF体验中心的核心产品能力

一、结构化数据查询

可以从纵向和横向进行用户行为的探查。


纵向探查

纵向是在不同层次了解、对比用户行为。如下图,可以在各个系统层面,对比各个系统的使用情况。

逐步往下钻,可以看到更具体的各个功能的使用情况。

image.png


横向探查

横向是在从不同维度去分析数据。可以从用户、时间跨度、操作链路、页面、事件等不同维度在不同的功能层次探查用户行为。如下面的一些需求:

  • 查看某一具体用户在不同系统的使用分布情况
  • 查看某一功能的基本指标趋势。
  • 查看某一功能的耗时最多的用户。
  • 查看某一功能实际常用的操作路径。


二、复杂规则的功能定义和识别


功能模型

上面从业务的不同层次对功能进行了分类,从数据处理技术角度,功能分为基本功能和汇总功能。

  • 基本功能:**同上面的基本功能。指的是为完成某单项任务,在页面内的一系列操作,一般具有链路特性。如一次表单的填写:点击新增->填写各表单项->保存,一次查询操作:输入各查询条件->点查询按钮。
  • 汇总功能:**除基本功能的上层功能都是汇总功能,为了从不同层次看用户行为数据。

image.png


基本功能识别

用户的操作是任意的,是纷繁复杂的,大部分情况没有完全的固定顺序。如普通的查询功能,图中4种情况,我们都认为是一次查询功能的完成。

image.png


这需要有强大的用户行为识别能力,将纷繁复杂的用户操作与基本功能进行匹配。

ABF体验中心提供了强大的规则语法来对基本功能进行描述。

顺序

例:1->2。


image.png

重复

例:1->2?->3。?表示1、3中间可有2、也可无2。其他量词+:1次以上、*: 0次或多次、{n}:那次

image.png


分支

例:1->(2|3)->4。中间两个节点可以是2或3

image.png


组合

例:1->2|3->4{2,}->5|6->(7|8)?->9?

image.png


汇总功能

汇总功能是通过其子的数据自下而上聚合而来。


三、跨系统链路定义和识别

在运营中后台系统中,很多任务依赖于多个系统的功能来完成。体验中心提供了跨系统功能的定义和识别,定义规则和基本功能基本一致。


四、一键生成功能结构

对于比较庞大的系统,功能的录入是一件比较费时的事情。这里提供了将项目代码里的路由配置一键同步为功能定义平台的功能。

image.pngimage.png


五、嵌入到项目系统的挂件

如“主动”章节提到的,体验中心提供了可以嵌入到系统的挂件。与系统融合,更方便看体验数据,能“推”动产研对体验的关注。

之后功能平台和体验数据中心的功能都将逐步迁移到这个挂件中,与系统深度融合,方便操作。

image.png

页面概览


image.png


挂件会展示页面的访问次数、人数、人均访问次数,可切换日期、时间模式(近1、7、30天),可以查看指定用户。

点击热点

切换PV、UV、人均,可以查看页面元素的点击情况,可切换日期、时间模式(近1、7、30天),可以查看指定用户。

下钻探查

点击页面访问数据或者事件数据,可以下钻探查。

  • 看UV的详情
  • 看事件的详情
  • 看用户的一整天的访问轨迹

用户轨迹

可查看指定用户的操作轨迹

image.png



总结

不同与传统的体验数据平台,ABF体验中心提供了结构化的体验数据探查能力,让产研能既整体又局部的了解用户在系统中的行为,并通过更主动的数据推送策略,让产研更关注体验数据,为提升用户体验提供数据支撑。

体验黑科技,让你比用户更了解用户。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
98 1
|
15天前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
【赵渝强老师】基于大数据组件的平台架构
|
1月前
|
机器学习/深度学习 监控 搜索推荐
电商平台如何精准抓住你的心?揭秘大数据背后的神秘推荐系统!
【10月更文挑战第12天】在信息爆炸时代,数据驱动决策成为企业优化决策的关键方法。本文以某大型电商平台的商品推荐系统为例,介绍其通过收集用户行为数据,经过预处理、特征工程、模型选择与训练、评估优化及部署监控等步骤,实现个性化商品推荐,提升用户体验和销售额的过程。
81 1
|
3月前
|
搜索推荐 OLAP 流计算
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
56 1
|
3月前
|
数据可视化
Echarts数据可视化大屏开发| 大数据分析平台
Echarts数据可视化大屏开发| 大数据分析平台
|
4月前
|
SQL 分布式计算 大数据
大数据处理平台Hive详解
【7月更文挑战第15天】Hive作为基于Hadoop的数据仓库工具,在大数据处理和分析领域发挥着重要作用。通过提供类SQL的查询语言,Hive降低了数据处理的门槛,使得具有SQL背景的开发者可以轻松地处理大规模数据。然而,Hive也存在查询延迟高、表达能力有限等缺点,需要在实际应用中根据具体场景和需求进行选择和优化。
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何在MaxCompute上使用Protobuf处理数据
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何实现数据在MaxCompute中是永久的
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
4月前
|
存储 分布式计算 Hadoop
阿里巴巴飞天大数据架构体系与Hadoop生态系统的深度融合:构建高效、可扩展的数据处理平台
技术持续创新:随着新技术的不断涌现和应用场景的复杂化,阿里巴巴将继续投入研发力量推动技术创新和升级换代。 生态系统更加完善:Hadoop生态系统将继续扩展和完善,为用户提供更多元化、更灵活的数据处理工具和服务。
|
4月前
|
存储 分布式计算 并行计算
使用Hadoop构建Java大数据分析平台
使用Hadoop构建Java大数据分析平台
下一篇
无影云桌面