一種基于app質(zhì)量的app排名預(yù)測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及應(yīng)用程序排名技術(shù)領(lǐng)域，尤其涉及一種基于APP質(zhì)量的APP排名預(yù)測方法及系統(tǒng)。
【背景技術(shù)】
[0002]隨著智能手機、平板電腦等移動終端設(shè)備的普及以及移動互聯(lián)網(wǎng)的興起，傳統(tǒng)的企業(yè)wap站點營銷方式逐漸被應(yīng)用程序(Applicat1n，APP)的風頭所掩蓋，應(yīng)用所產(chǎn)生的終端設(shè)備流量已經(jīng)遠遠超過了傳統(tǒng)互聯(lián)網(wǎng)(PC端)的流量。在經(jīng)歷了僅作為第三方應(yīng)用參與互聯(lián)網(wǎng)商業(yè)活動的階段后，應(yīng)用商店如APPLE的Apple Store、Android的Google play為APP吸引受眾提供了一個開放的平臺和發(fā)展機遇，讓自己的APP出現(xiàn)在應(yīng)用商店的榜單之上無疑是每個開發(fā)者夢寐以求的事情。蘋果和谷歌等AAP商店都有屬于自己的一套APP排名規(guī)則，對外自然秘而不宣，但下載量(安裝量)、好評率顯然是其重要因素，也正因為如此，曾經(jīng)的刷榜現(xiàn)象對APP排名的科學(xué)性造成了很大的破壞。
[0003]APP排名對于公司制作下一步的發(fā)展策略是極其重要的。公司要根據(jù)排名的高低決定APP的營銷策略等等，若能預(yù)測APP的排名，無疑對公司的發(fā)展是有百益而無一害。而就目前所能搜集到的資料中，并沒有一種可以明確預(yù)測APP排名的方法，只是討論各大應(yīng)用商店APP排名的規(guī)則。隨著排名算法的不斷研究，曾經(jīng)的刷榜方式將逐漸失效，而APP質(zhì)量將重新躍然紙上。APP質(zhì)量將逐漸占據(jù)排名算法的主體部分。于是，基于質(zhì)量評估來預(yù)測APP排名的方法可見是比較科學(xué)的。
[0004]現(xiàn)有中存在APPlause的質(zhì)量評估方式:可量化的APP質(zhì)量分析服務(wù)。
[0005]APPlause通過一種爬蟲算法實時抓取Google Play和1S APP Store中的數(shù)以百萬計的用戶評價與星級評分，然后將抓取來的數(shù)據(jù)分解成代表十項質(zhì)量指標的數(shù)據(jù)類型一一內(nèi)容、美觀、互操作性、性能、定價、隱私、安全性、穩(wěn)定性、可用性。
[0006]利用機器學(xué)習(xí)的方法，將大量數(shù)據(jù)分解得到的評價類關(guān)鍵詞與對應(yīng)的質(zhì)量指標進行綁定，將用戶評價由主觀信息轉(zhuǎn)變?yōu)榱炕u估方法。然后，用戶對于特定應(yīng)用的評價，就能作用于相應(yīng)的指標評分之上了。例如當很多用戶抱怨“卡死”或“閃退”的時候，穩(wěn)定性這一項的得分就會下降。
[0007]—般情況下，用戶并不具備專業(yè)的鑒定水平，以言語表達出來的評價雖然有大致的方向，但對于程度的把握并不在行。由此得到的APP質(zhì)量評估，在較大程度上夾帶著用戶的主觀喜惡，當然巨大的數(shù)據(jù)量在一定程度上削弱了這種現(xiàn)象，但以此作為APP應(yīng)用質(zhì)量的考量還是略顯不當。
[0008]另外，這種技術(shù)只是用于評估APP的質(zhì)量，并沒有將其用于預(yù)測APP排名上面。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于APP質(zhì)量的APP排名預(yù)測方法及系統(tǒng)，可以基于APP質(zhì)量評估對APP商店中的APP進行預(yù)測排名，提高ΑΡΗ)排名的準確性，促進APP質(zhì)量的提升。
[0010]為了解決上述問題，本發(fā)明提出了一種基于APP質(zhì)量的APP排名預(yù)測方法，所述方法包括:
[0011]根據(jù)APP的類型設(shè)置不同的排行榜，并對所述排行榜進行區(qū)間劃分；
[0012]通過ISO的質(zhì)量模型和用戶的使用反饋評估APP的質(zhì)量，獲得APP的評估質(zhì)量；
[0013]根據(jù)所述評估質(zhì)量判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名；
[0014]結(jié)合該APP的留存率來預(yù)測APP的最終排名。
[0015]優(yōu)選地，所述對所述排行榜進行區(qū)間劃分的步驟包括:
[0016]把同類型的排行榜進行分區(qū)；
[0017]對各個分區(qū)取若干樣本；
[0018]計算出各樣本的質(zhì)量評估基礎(chǔ)分；
[0019]計算出各樣本的用戶反饋基礎(chǔ)分；
[0020]把各樣本各自的質(zhì)量評估基礎(chǔ)分和用戶反饋基礎(chǔ)分進行加權(quán)并計算出該樣本的基礎(chǔ)分；
[0021 ] 將各區(qū)間的各個樣本的基礎(chǔ)分取平均值作為此區(qū)間的分數(shù)。
[0022]優(yōu)選地，所述APP的留存率為最近一周的用戶對該APP的留存率。
[0023]優(yōu)選地，所述根據(jù)所述評估質(zhì)量判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名的步驟，包括:
[0024]取出待測APP，判斷APP的類型；
[0025]根據(jù)待測APP的類型找到對應(yīng)的排行榜；
[0026]計算出待測APP的質(zhì)量評估基礎(chǔ)分；
[0027]計算出待測APP的用戶反饋基礎(chǔ)分；
[0028]計算出待測APP的基礎(chǔ)分加權(quán)和；
[0029]判斷待測APP的基礎(chǔ)分加權(quán)和接近排行榜哪個區(qū)間的分數(shù)；
[0030]根據(jù)此區(qū)間預(yù)測待測APP的預(yù)排名在哪個區(qū)間，得出預(yù)排名。
[0031 ] 優(yōu)選地，所述結(jié)合該APP的留存率來預(yù)測APP的最終排名步驟，包括:
[0032]計算出待測APP近一周的產(chǎn)品留存率，獲取曲線的斜率變化；
[0033]根據(jù)斜率變化預(yù)測APP的最終排名。
[0034]相應(yīng)地，本發(fā)明實施例還提供一種基于APP質(zhì)量的APP排名預(yù)測系統(tǒng)，所述系統(tǒng)包括:
[0035]區(qū)間劃分模塊，用于根據(jù)APP的類型設(shè)置不同的排行榜，并對所述排行榜進行區(qū)間劃分；
[0036]質(zhì)量評估模塊，用于通過ISO的質(zhì)量模型和用戶的使用反饋評估APP的質(zhì)量，獲得APP的評估質(zhì)量；
[0037]初步排名預(yù)測模塊，用于根據(jù)所述評估質(zhì)量判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名；
[0038]最終排名預(yù)測模塊，用于結(jié)合該APP的留存率來預(yù)測APP的最終排名。
[0039]優(yōu)選地，所述區(qū)間劃分模塊還用于:
[0040]把同類型的排行榜進行分區(qū)；
[0041]對各個分區(qū)取若干樣本；
[0042]計算出各樣本的質(zhì)量評估基礎(chǔ)分；
[0043]計算出各樣本的用戶反饋基礎(chǔ)分；
[0044]把各樣本各自的質(zhì)量評估基礎(chǔ)分和用戶反饋基礎(chǔ)分進行加權(quán)并計算出該樣本的基礎(chǔ)分；
[0045]將各區(qū)間的各個樣本的基礎(chǔ)分取平均值作為此區(qū)間的分數(shù)。
[0046]優(yōu)選地，所述APP的留存率為最近一周的用戶對該APP的留存率。
[0047]優(yōu)選地，所述初步排名預(yù)測模塊還用于:
[0048]取出待測APP，判斷APP的類型；
[0049]根據(jù)待測APP的類型找到對應(yīng)的排行榜；
[0050]計算出待測APP的質(zhì)量評估基礎(chǔ)分；
[0051]計算出待測APP的用戶反饋基礎(chǔ)分；
[0052]計算出待測APP的基礎(chǔ)分加權(quán)和；
[0053]判斷待測APP的基礎(chǔ)分加權(quán)和接近排行榜哪個區(qū)間的分數(shù)；
[0054]根據(jù)此區(qū)間預(yù)測待測APP的預(yù)排名在哪個區(qū)間，得出預(yù)排名。
[0055]優(yōu)選地，所述最終排名預(yù)測模塊還用于計算出待測APP近一周的產(chǎn)品留存率，獲取曲線的斜率變化；根據(jù)斜率變化預(yù)測APP的最終排名。
[0056]在本發(fā)明實施例中，根據(jù)APP的類型設(shè)置不同的排行榜，并在排行榜中設(shè)定不同的區(qū)間，通過ISO的質(zhì)量模型和用戶的使用反饋來評估APP的質(zhì)量，判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名，再結(jié)合最近一周的用戶對該APP的留存率來預(yù)測APP的最終排名，這樣可以基于APP質(zhì)量評估對APP商店的APP進行預(yù)測排名，提高APP排名的準確性，促進APP質(zhì)量的提升。
【附圖說明】
[0057]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。
[0058]圖1是本發(fā)明實施例的基于APP質(zhì)量的APP排名預(yù)測方法的流程示意圖；
[0059]圖2是本發(fā)明實施例中對排行榜進行區(qū)間劃分的流程示意圖；
[0060]圖3是本發(fā)明實施例中根據(jù)評估質(zhì)量判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名的流程示意圖；
[0061]圖4是本發(fā)明實施例中質(zhì)量模型的示意圖；
[0062]圖5是本發(fā)明實施例的基于APP質(zhì)量的APP排名預(yù)測系統(tǒng)的結(jié)構(gòu)組成示意圖。
【具體實施方式】
[0063]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0064]圖1是本發(fā)明實施例的基于APP質(zhì)量的APP排名預(yù)測方法的流程示意圖，如圖1所示，該方法包括:
[0065]S101，根據(jù)APP的類型設(shè)置不同的排行榜，并對排行榜進行區(qū)間劃分；
[0066]S102，通過ISO的質(zhì)量模型和用戶的使用反饋評估APP的質(zhì)量，獲得APP的評估質(zhì)量;
[0067]S103，根據(jù)評估質(zhì)量判斷APP接近哪一個區(qū)間，并根據(jù)區(qū)間預(yù)測APP的排名；
[0068]S104，結(jié)合該APP的留存率來預(yù)測APP的最終排名。
[0069]其中，如圖2所示，對排行榜進行區(qū)間劃分的步驟包括:
[0070]S1021，把同類型的排行榜進行分區(qū)；如第1-10名作為一個區(qū)間，11_20名作為一個區(qū)間，前面的區(qū)間間隙可以小一點，到后面可以越來越大，這樣可以避免不同區(qū)間的分數(shù)過于接近；
[0071]S1022，對各個分區(qū)取若干樣本；不同區(qū)間需要采用一樣的取樣方式進行取樣；
[0072]S1023，計算出各樣本的質(zhì)量評估基礎(chǔ)分；
[0073]S1024，計算出各樣本的用戶反饋基礎(chǔ)分；
[0074]S1025，把各樣本各自的質(zhì)量評估基礎(chǔ)分和用戶反饋基礎(chǔ)分進行加權(quán)并計算出該樣本的基礎(chǔ)分；
[0075]S1026，將各區(qū)間的各個樣本的基礎(chǔ)分取平均值作為此區(qū)間的分數(shù)。
[0076]進一步地，如圖3所示，S103包括:
[0077]S1031，取出待測APP，判斷APP的類型；
[0078]S1032，根據(jù)待測APP的類型找到對應(yīng)的排行榜；
[0079]S1033，計算出待測APP的質(zhì)量評估基礎(chǔ)分；
[0080]S1034，計算出待測APP的用戶反饋基礎(chǔ)分；
[0081]S1035，計算出待測APP的基礎(chǔ)分加權(quán)和；
[0082]S1036，判斷待測APP的基礎(chǔ)分加權(quán)和接近排行榜哪個區(qū)間的分數(shù)；
[0083]S1037，根據(jù)此區(qū)間預(yù)測待測APP的預(yù)排名在哪個區(qū)間，得出預(yù)排名。
[0084]這里結(jié)合圖4對本發(fā)明實施例中的質(zhì)量評估基礎(chǔ)分計算進行詳細闡述:
[0085](I)對于一款A(yù)PP，對其進行質(zhì)量評估，首先是通過傳統(tǒng)的軟件質(zhì)量模型進行建模，算出其原始分。在當前的軟件質(zhì)量模型中，較為著名的有McCall模型、Boehm模型和IS0/IEC 9126質(zhì)量模型等。這里采用的是ISO的質(zhì)量模型，該模型分為兩級指標，第一級有六