1.本技术属于数据处理技术领域，尤其涉及一种识别业务指标下降趋势的方法、装置及可读存储介质。
背景技术：2.目前，在运营、营销中，经常留意某些业务行为，例如：点击、收藏、浏览等，对用户粘性指标的影响，例如：复购率、留存率等。
3.一般通过确定有下降趋势的用户粘性指标，以确定受业务行为影响的用户粘性指标。但因下降趋势并非都是线性连贯的，而是分成多个阶段的，部分阶段正相关、部分阶段负相关、部分阶段不相关等，导致无法准确识别出下降趋势。
技术实现要素：4.本技术实施例提供了一种识别业务指标下降趋势的方法、装置及可读存储介质，可以解决无法准确识别出下降趋势的问题。
5.第一方面，本技术实施例提供了一种识别业务指标下降趋势的方法，包括：
6.针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值，所述第一下降指标值包括第一预设值及第二预设值；
7.计算第i组数据与第i-(n-1)组数据之间的n个所述第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l，n为持续性长度阈值；
8.根据所述第一趋势值筛选目标第一趋势组，所述目标第一趋势组的所述第一趋势值的平均值大于或等于第一预设阈值；
9.针对每个所述目标第一趋势组，确定第一目标数据及第二目标数据，并计算所述目标第一趋势组中全部第一目标数据的整体方差，所述第一目标数据的所述第一下降指标值为第一预设值；
10.计算所述目标第一趋势组中每个第二目标数据的方差，所述第二目标数据的所述第一下降指标值为第二预设值；
11.剔除干扰趋势组，所述干扰趋势组为所述第一目标数据的整体方差小于所述第二目标数据的方差的目标第一趋势组；
12.其中，所述原始数据包括l组数据，每组数据包括业务行为频率及所述业务行为频率对应的用户粘性指标，所述l组数据中的业务行为频率均不同。
13.可选的，所述方法还包括：
14.针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的增减比率，并根据所述当前组数据的所述增减比率与所述上一组数据的所述增减比率之间的大小关系，确定第二下降指标值；
15.计算第j组数据与第j-(n-1)组数据之间的n个所述第二下降指标值之和，得到l-n-2个第二趋势值，n+2≤j≤l；
16.根据所述第二趋势值筛选目标第二趋势组，所述目标第二趋势组的所述第二趋势值的平均值大于或等于第二预设阈值。
17.可选的，所述方法还包括：
18.针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的指数平滑率差值；
19.根据所述当前组数据的所述指数平滑率差值与所述上一组数据的所述指数平滑率差值之间的大小关系，确定第三下降指标值；
20.计算第k组数据与第k-(n-1)组数据之间的n个所述第三下降指标值之和，得到l-n-1个第三趋势值，n+1≤k≤l；
21.根据所述第三趋势值筛选目标第三趋势组，所述目标第三趋势组的所述第三趋势值的平均值大于或等于第三预设阈值。
22.可选的，所述方法还包括：
23.根据所述目标第一趋势组、所述目标第二趋势组、所述目标第三趋势组中至少一种，筛选目标用户和/或调整业务策略。
24.可选的，所述确定第二下降指标值之后，还包括：
25.针对每个所述增减比率，计算当前增减比率与上一个增减比率之间的连续增减比率；
26.根据所述连续增减比率，确定所述当前增减比率对应的数据的第二下降指标值是否正确。
27.可选的，所述针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的指数平滑率差值，包括：
28.针对所述原始数据中每组数据，计算所述用户粘性指标的指数平滑率；
29.根据所述当前组数据的所述指数平滑率及所述上一组数据的所述指数平滑率，计算所述指数平滑率差值。
30.可选的，所述计算所述当前组数据与上一组数据之间的增减比率，包括：
31.针对所述原始数据中每组数据，计算所述当前组数据的用户粘性指标与所述上一组数据的用户粘性指标之间的增减差值；
32.根据所述当前组数据的所述增减差值及所述上一组数据的用户粘性指标，计算所述增减比率。
33.第二方面，本技术实施例提供了一种识别业务指标下降趋势的装置，包括：
34.确定单元，用于针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值，所述第一下降指标值包括第一预设值及第二预设值；
35.用于针对每个所述目标第一趋势组，确定第一目标数据及第二目标数据；
36.计算单元，用于计算第i组数据与第i-(n-1)组数据之间的n个所述第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l，n为持续性长度阈值；
37.用于针对每个所述目标第一趋势组，计算所述目标第一趋势组中全部第一目标数据的整体方差，所述第一目标数据的所述第一下降指标值为第一预设值；
38.用于计算所述目标第一趋势组中每个第二目标数据的方差，所述第二目标数据的所述第一下降指标值为第二预设值；
39.筛选单元，用于根据所述第一趋势值筛选目标第一趋势组，所述目标第一趋势组的所述第一趋势值的平均值大于或等于第一预设阈值；
40.用于剔除干扰趋势组，所述干扰趋势组为所述第一目标数据的整体方差小于所述第二目标数据的方差的目标第一趋势组；
41.其中，所述原始数据包括l组数据，每组数据包括业务行为频率及所述业务行为频率对应的用户粘性指标，所述l组数据中的业务行为频率均不同。
42.第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。
43.第四方面，本技术实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。
44.第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。
45.可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
46.本技术实施例与现有技术相比存在的有益效果是：
47.本技术实施例通过计算第i组数据与第i-(n-1)组数据之间的n个第一下降指标值之和，根据第一趋势值筛选第一趋势值的平均值大于或等于第一预设阈值的第一趋势组，得到多个下降趋势。然后通过计算所述目标第一趋势组中全部第一目标数据的整体方差，计算目标第一趋势组中全部第二目标数据的方差，第二目标数据是第一下降指标值为第二预设值的数据，剔除第一目标数据的方差小于第二目标数据的方差的目标第一趋势组，以剔除受个别波动影响而不属于下降的趋势，从而准确识别出主下降趋势，准确得到受业务行为影响的用户粘性指标数据。
附图说明
48.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是本技术一实施例提供的识别业务指标下降趋势的方法的第一种流程示意图；
50.图2是本技术一实施例提供的识别业务指标下降趋势的方法的第二种流程示意图；
51.图3是本技术一实施例提供的识别业务指标下降趋势的方法的第三种流程示意图；
52.图4是本技术一实施例提供的识别业务指标下降趋势的装置的结构示意图；
53.图5是本技术一实施例提供的电子设备的结构示意图。
具体实施方式
54.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
55.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
56.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
57.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0058]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0059]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0060]
图1是本技术一实施例提供的识别业务指标下降趋势的方法的第一种流程示意图。如图1所示，所述方法包括：
[0061]
s11：针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值。
[0062]
其中，第一下降指标值包括第一预设值及第二预设值。原始数据包括l组数据，每组数据包括业务行为频率及业务行为频率对应的用户粘性指标，l组数据中的业务行为频率均不同。一个业务行为频次对应的用户粘性指标数据来自大数据中多个用户的数据。业务行为指的是单一行为，具体可为评论、点赞、收藏等。用户粘性指标数据具体可为复购率、留存率等。例如，原始数据中，每组数据包括点击次数及该点击次数对应的复购率，点击次数为1至24次。当点击次数为1次时，对应的复购率为20.2％，表示为序号z＝1，d1＝20.2％。当点击次数为2次时，对应的复购率为13.3％，表示为序号z＝2，d2＝13.3％，等等。
[0063]
在应用中，当前组数据的用户粘性指标小于上一组数据的用户粘性指标时，第一下降指标值为第一预设值；当前组数据的用户粘性指标大于或等于上一组数据的用户粘性指标时，第一下降指标值为第二预设值。这为识别出主下降趋势提供基础。其中，第一预设值设为1，第二预设值设为0。例如，第1组数据的点击次数为1次、复购率为20.20％，第一下降指标值直接赋值为0。第2组数据的点击次数为2次、复购率为13.30％，13.30％小于20.20％，第一下降指标值为1。第3组数据的点击次数为3次、复购率为19.70％，19.70％大
于13.30％第一下降指标值为0。第4组数据的点击次数为4次、复购率为13.60％，13.60％小于19.70％，第一下降指标值为1。第5组数据的点击次数为5次、复购率为7.20％，7.20％小于13.60％，第一下降指标值为1。
[0064]
s12：计算第i组数据与第i-(n-1)组数据之间的n个第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l。
[0065]
其中，n为持续性长度阈值。为了更好地识别出下降趋势的用户粘性指标，n的取值范围[3，l]。
[0066]
在应用中，确定n的值后，从i＝n开始，将第i组数据与第i-(n-1)组数据之间的n组数据组成第一趋势组，直至i＝l，得到l-n+1个第一趋势组。
[0067]
根据公式计算第一趋势组的第一下降指标值之和：pv(n，i)＝∑vi＝vi+v
i-1
+v
i-2
+v
i-3
+...+v
i-(n-1)
，pv为n组具有连续性下降趋势的数据的第一下降指标值之和，v为第一下降指标值，i为序号，且与z对应。
[0068]
从i＝n开始，计算第一个第一趋势组的第一趋势值，然后使i＝n+1，计算第二个第一趋势组的第一趋势值，以此类推，直至i＝l，得到l-n+1个第一趋势组的第一趋势值。例如，确定n＝4后，将第4组数据和第1组数据之间的四组数据组成第一个第一趋势组。在第一个第一趋势组中，第1组数据的第一下降指标值v1＝0；第2组数据的第一下降指标值v2＝1；第3组数据的第一下降指标值v3＝0；第4组数据的第一下降指标值v4＝1。第一个第一趋势组的第一趋势值：pv(4，4)＝v4+v3+v2+v1＝2。
[0069]
将第5组数据与第2组数据之间的四组数据组成第二个第一趋势组。在第二个第一趋势组中，第2组数据的第一下降指标值v2＝1；第3组数据的第一下降指标值v3＝0；第4组数据的第一下降指标值v4＝1；第5组数据的第一下降指标值v5＝1。第二个第一趋势组的第一趋势值：pv(4，5)＝v5+v4+v3+v2＝3。其他第一趋势组的第一趋势值，以此类推。
[0070]
s13：根据第一趋势值筛选目标第一趋势组。
[0071]
其中，目标第一趋势组的第一趋势值的平均值大于或等于第一预设阈值。计算第一趋势值的平均值的公式为m＝pv(n，i)/n。
[0072]
筛选出来的目标第一趋势组可能反映了主下降趋势，可能属于受业务行为影响的用户粘性指标数据，即可能属于业务指标中下降趋势中的一种。
[0073]
其中，把不能反映下降趋势的目标第一趋势组剔除，一般要求目标第一趋势组中第一下降指标值为1的数据的占比大于0.75。例如，确定n＝4后，第一趋势组包括四组数据，要求四组数据中至少有三组数据的第一下降指标值为1。当n＝8，第一趋势组包括八组数据，要求八组数据中至少有六组数据的第一下降指标值为1。
[0074]
示例的，预先设置预设阈值为0.75。第一个第一趋势组的第一趋势值：pv(4，4)＝2。其第一趋势值的平均值：m＝pv(4，4)/4＝2/4＝0.5。因pv(4，4)的第一趋势值的平均值为0.5，0.5小于预设阈值0.75，pv(4，4)不是目标第一趋势组，过滤pv(4，4)。
[0075]
第二个第一趋势组的第一趋势值：pv(4，5)＝3。其第一趋势值的平均值：m＝pv(4，5)/4＝2/4＝0.75。因pv(4，5)的第一趋势值的平均值为0.75，0.75等于预设阈值0.75，pv(4，5)是目标第一趋势组。
[0076]
s14：针对每个目标第一趋势组，确定第一目标数据及第二目标数据，并计算目标第一趋势组中全部第一目标数据的整体方差。
[0077]
其中，第一目标数据的第一下降指标值为第一预设值，第二目标数据的第一下降指标值为第二预设值。将目标第一趋势组中第一下降指标值为第一预设值的数据确定为第一目标数据。将目标第一趋势组中第一下降指标值为第二预设值的数据确定为第二目标数据。在本实施例中，第一预设值为1，第二预设值为0。
[0078]
在应用中，在目标第一趋势组中，先计算第一目标数据的用户粘性指标之和的平均值，计算公式：u＝(∑di)/h，v＝1。其中u为平均值，d为用户粘性指标，h为目标第一趋势组中第一目标数据的数量，i为序号，且与z对应。例如，pv(4，5)是目标第一趋势组，其中第一下降指标值为1的数据有第2组数据、第4组数据、第5组数据，确定为第一目标数据。第一目标数据有3个，对应的用户粘性指标之和∑di＝13.30％+13.60％+7.20％＝34.2％。用户粘性指标之和的平均值u＝34.2％/3＝11.4％。
[0079]
然后计算全部第一目标数据的整体方差，计算公式：δ＝(∑(d
i-u)2)/h，v＝1。其中δ为整体方差，d为用户粘性指标，h为目标第一趋势组中第一目标数据的数量，i为序号，且与z对应。
[0080]
例如，在pv(4，5)中，第一目标数据包括第2组数据、第4组数据、第5组数据。对第2组数据、第4组数据、第5组数据这3个第一目标数据计算整体方差，δ＝[(13.30％-11.4％)2+(13.60％-11.4％)2+(7.20％-11.4％)2]/3＝0.26％。
[0081]
s15：计算目标第一趋势组中每个第二目标数据的方差。
[0082]
在应用中，基于第一目标数据之和的平均值，计算每个第二目标数据的方差，计算公式：s＝(d
i-u)2。例如，在pv(4，5)中，第二目标数据包括第3组数据。第3组数据的方差s＝(19.70％-11.4％)2＝0.69％。
[0083]
s16：剔除干扰趋势组，干扰趋势组为第一目标数据的整体方差小于第二目标数据的方差的目标第一趋势组。
[0084]
在应用中，当目标第一趋势组存在一个第一目标数据的整体方差小于第二目标数据的方差，即存在一个δ《s，该目标第一趋势组为干扰趋势组，需要剔除。例如，在pv(4，5)中，3个第一目标数据的整体方差δ小于第3组数据的方差s，0.26％小于0.69％，pv(4，5)为干扰趋势组，剔除。
[0085]
可以理解的，目标第一趋势组中的数据虽总体表现为下降趋势，但若目标第一趋势组中呈现上升的数据带来的上升幅度大于呈现下降的数据带来的下降幅度，会使得目标第一趋势组不属于下降趋势，不是受业务行为影响的用户粘性指标数据，需将这部分的目标第一趋势组剔除。剔除这部分干扰趋势组后，最终得到的目标第一趋势组为下降趋势更为准确的数据。
[0086]
示例的，原始数据经过计算第一趋势值后，如下表所示；其中，表中的频次表示为业务行为频次，l＝24；表中的复购率为用户粘性指标数据，n取值4，第一预设阈值设为0.75。
[0087]
频次复购率dvpv频次复购率vpv120.20％0 135.80％13213.30％1 1418.10％03319.70％0 1524.90％02413.60％121628.10％01
57.20％131726.30％11611.20％021819.90％12722.70％021913.00％13819.40％122013.10％03911.50％122111.20％131012.80％022210.20％13117.40％132312.00％02126.10％132412.20％02
[0088]
其中，vz＝1，dz《d
z-1
；vz＝0，dz≥d
z-1
；z为每组数据的序号，与频次、复购率对应。
[0089]
根据公式pv(4，i)＝∑vi＝vi+v
i-1
+v
i-2
+v
i-3
，计算第一趋势组的第一趋势值，i为序号，且与z对应。然后根据pv(4，i)/4≥0.75，筛选目标第一趋势组，筛选出pv(4，5)、pv(4，11)、pv(4，12)、pv(4，13)、pv(4，14)。
[0090]
对pv(4，5)进行校验，针对第一目标数据，计算平均值u：u＝(13.30％+13.60％+7.20％)/3＝11.4％；计算整体方差δ：δ＝[(13.30％-11.4％)2+(13.60％-11.4％)2+(7.20％-11.4％)2]/3＝0.26％。
[0091]
针对第二目标数据，计算方差s：s＝(19.70％-11.4％)2＝0.69％。
[0092]
存在δ《s，pv(4，5)为干扰趋势组，予以剔除。
[0093]
对其他目标第一趋势组也进行上述步骤，得到干扰趋势组pv(4，14)，予以剔除。最终保留的目标第一趋势组包括pv(4，11)、pv(4，12)、pv(4，13)。保留的目标第一趋势组为主下降趋势，为受业务行为影响的用户粘性指标数据。
[0094]
本实施例通过计算第i组数据与第i-(n-1)组数据之间的n个第一下降指标值之和，根据第一趋势值筛选第一趋势值的平均值大于或等于第一预设阈值的第一趋势组，得到多个目标第一趋势组。然后通过计算所述目标第一趋势组中全部第一目标数据的整体方差，计算所述目标第一趋势组中全部第二目标数据的方差，所述第二目标数据是所述第一下降指标值为第二预设值的数据，剔除第一目标数据的方差小于第二目标数据的方差的目标第一趋势组，以准确识别出主下降趋势，准确得到受业务行为影响的用户粘性指标数据。
[0095]
图2是本技术一实施例提供的识别业务指标下降趋势的方法的第二种流程示意图。如图2所示，所述方法还包括：
[0096]
s21：针对原始数据中每组数据，计算当前组数据与上一组数据之间的增减比率，并根据当前组数据的增减比率与上一组数据的增减比率之间的大小关系，确定第二下降指标值。
[0097]
在应用中，针对原始数据中每组数据，计算当前组数据的用户粘性指标与上一组数据的用户粘性指标之间的增减差值，该增减差值为当前组数据的增减差值；根据当前组数据的增减差值及上一组数据的用户粘性指标，计算增减比率。
[0098]
其中，计算增减差值的公式为dz＝d
z-d
z-1
；计算增减比率的公式为t＝(dz/d
z-1
)
×
100％。d为增减差值，t为增减比率，z为每组数据对应的序号。
[0099]
当前组数据的增减比率小于上一组数据的增减比率时，第二下降指标值为第一预设值；当前组数据的增减比率大于或等于上一组数据的增减比率时，第二下降指标值为第二预设值。例如，第2组数据的增减比率为-34.16％。第3组数据的增减比率为48.12％，
48.12％大于-34.16％，第二下降指标值为0。第4组数据的增减比率为-30.96％，-30.96％小于48.12％，第二下降指标值为1。
[0100]
s22：计算第j组数据与第j-(n-1)组数据之间的n个第二下降指标值之和，得到l-n-2个第二趋势值，n+2≤j≤l。
[0101]
在应用中，确定n的值后，从j＝n+2开始，将第j组数据与第j+2组数据之间的n组数据组成第二趋势组，直至i＝l，得到l-n+2个第二趋势组。
[0102]
根据公式计算第二趋势组的第二下降指标值之和：pv’(n，j)＝∑v’j＝v’j+v’j-1
+v’j-2
+v’j-3
+...+v’j-(n-1)，pv’为第二趋势组的第二下降指标值之和，v’为第二下降指标值，j为序号，且与z对应。
[0103]
从j＝n+2开始，计算第一个第二趋势组的第二趋势值，然后使j＝n+3，计算第二个第二趋势组的第二趋势值，以此类推，直至j＝l，得到l-n-2个第二趋势组的第二趋势值。例如，确定n＝4后，将第6组数据和第3组数据之间的四组数据组成第一个第二趋势组。在第一个第二趋势组中，第3组数据的第二下降指标值v
’3＝0；第4组数据的第二下降指标值v
’4＝1；第5组数据的第二下降指标值v
’5＝1；第6组数据的第二下降指标值v
’6＝0。pv’(4，6)＝v
’6+v
’5+v
’4+v
’3＝2。其他第二趋势组的第二趋势值，以此类推。
[0104]
s23：根据第二趋势值筛选目标第二趋势组。
[0105]
其中，目标第二趋势组的第二趋势值的平均值大于或等于第二预设阈值。计算第二趋势值的平均值的公式为m’＝pv’(n，j)/n。
[0106]
筛选出来的目标第二趋势组能够预测后期的下降趋势，即预测到有目标第一趋势组，能为识别受业务行为影响的用户粘性指标数据提供基础。
[0107]
为了保证筛选出来的目标第二趋势组能够预测后期的下降趋势，一般要求第二趋势组中第二下降指标值为1的数据的占比大于0.75，以使选出来的目标第二趋势组能够预测后期的下降趋势。例如，当n＝4，第二趋势组包括四组数据，要求四组数据中至少有三组数据的第二下降指标值为1。当n＝8，第二趋势组包括八组数据，要求八组数据中至少有六组数据的第二下降指标值为1。
[0108]
示例的，预先设置预设阈值为0.75。第一个第二趋势组的第二趋势值：pv’(4，6)＝2。其第二趋势值的平均值：m＝pv’(4，6)/4＝2/4＝0.5。因pv’(4，4)的第二趋势值的平均值为0.5，0.5小于预设阈值0.75，pv’(4，4)不为目标第二趋势组，过滤。
[0109]
可以理解的，目标第二趋势组中的数据虽表现为上升趋势，但上升速度在逐步变缓，后期的数据可能由上升变为下降，此时提前监测到上升速度在逐步变缓的部分变得十分重要。目标第二趋势组为目标第一趋势组的前置预警，也属于业务指标中下降趋势中的一种。
[0110]
示例的，原始数据经过计算第二趋势值后，如下表所示：
[0111][0112][0113]
其中，v’z
＝1，tz《t
z-1
；v’z
＝0，tz≥t
z-1
。第二预设阈值设为0.75。其中，z为每组数据对应的序号，t为增减比率。
[0114]
根据公式pv’(4，j)＝∑v’j＝v’j+v’j-1
+v’j-2
+v’j-3
，计算第二趋势组的第二趋
势值，其中，j为序号，且与z对应。然后根据pv’(4，j)/4≥0.75，筛选目标第二趋势组，筛选出pv’(4,11)、pv’(4，17)、pv’(4，18)。
[0115]
在一个实施例中，确定第二下降指标值之后，还包括：
[0116]
针对每个增减比率，计算当前增减比率与上一个增减比率之间的连续增减比率。
[0117]
在应用中，计算连续增减比率的公式为t
z’＝t
z-t
z-1
，z》1，t’为连续增减比率，z为每组数据对应的序号。
[0118]
根据连续增减比率，确定当前增减比率对应的数据的第二下降指标值是否正确。
[0119]
在应用中，当连续增减比率为非负数时，若对应的数据的第二下降指标值为第二预设值，则确定第二下降指标值正确，否则，不正确。当连续增减比率为负数时，若对应的数据的第二下降指标值为第一预设值，则确定第二下降指标值正确，否则，不正确。
[0120]
示例的，连续增减比率与第二下降指标值之间的关系，如下表所示：
[0121]
频次复购率d增减比率t连续增减比率t
’v’
120.20％
ꢀꢀꢀ
213.30％-34.16％
ꢀꢀ
319.70％48.12％82.28％0413.60％-30.96％-79.08％157.20％-47.06％-16.09％1611.20％55.56％102.61％0722.70％102.68％47.12％0819.40％-14.54％-117.22％1911.50％-40.72％-26.18％11012.80％11.30％52.03％0117.40％-42.19％-53.49％1126.10％-17.57％24.62％0135.80％-4.92％12.65％01418.10％212.07％216.99％01524.90％37.57％-174.50％11628.10％12.85％-24.72％11726.30％-6.41％-19.26％11819.90％-24.33％-17.93％11913.00％-6.90％-34.67％12013.10％0.10％0.77％02111.20％-1.90％-14.50％12210.20％-1.00％-8.93％12312.00％1.80％17.65％02412.20％0.20％1.67％0
[0122]
图3是本技术一实施例提供的识别业务指标下降趋势的方法的第三种流程示意图。如图3所示，所述方法还包括：
[0123]
s31：针对原始数据中每组数据，计算当前组数据与上一组数据之间的指数平滑率
差值。
[0124]
在应用中，针对原始数据中每组数据，计算用户粘性指标的指数平滑率；根据当前组数据的指数平滑率及上一组数据的指数平滑率，计算指数平滑率差值。
[0125]
其中，计算指数平滑率的公式为dd1＝d1；dd
z+1
＝αdz+(1-α)ddz；计算指数平滑率差值的公式为ddz＝dd
z-dd
z-1
。dd为指数平滑率，dd为指数平滑率差值，z为每组数据对应的序号。α的值根据应用场景、实际情况进行设置。
[0126]
s32：根据当前组数据的指数平滑率差值与上一组数据的指数平滑率差值之间的大小关系，确定第三下降指标值。
[0127]
在应用中，当前组数据的指数平滑率差值小于上一组数据的指数平滑率差值时，第三下降指标值为第一预设值；当前组数据的指数平滑率差值大于或等于上一组数据的指数平滑率差值时，第三下降指标值为第二预设值。例如，第3组数据的指数平滑率差值为-4.83％，第4组数据的指数平滑率差值为3.03％，3.03％大于-4.83％，第三下降指标值为0。第5组数据的指数平滑率差值为-3.36％，-3.36％小于3.03％，第三下降指标值为1。
[0128]
s33：计算第k组数据与第k-(n-1)组数据之间的n个第三下降指标值之和，得到l-n-1个第三趋势值，n+1≤k≤l。
[0129]
在应用中，确定n的值后，从k＝n+1开始，将第k组数据与第k-(n-1)组数据之间的n组数据组成第三趋势组，直至i＝l，得到l-n-1个第三趋势组。
[0130]
根据公式计算第三趋势组的第三下降指标值之和：pvv(n，k)＝∑vvk＝vvk+vv
k-1
+vv
k-2
+vv
k-3
+...+vv
k-(n-1)，pvv为第三趋势组的第三下降指标值之和，vv为第三下降指标值，k为序号，且与z对应。
[0131]
即从k＝n+1开始，计算第一个第三趋势组的第三趋势值，然后使k＝n+2，计算第二个第三趋势组的第三趋势值，以此类推，直至k＝l，得到l-n-1个第三趋势组的第三趋势值。例如，确定n＝4后，将第5组数据和第2组数据之间的四组数据组成第一个第三趋势组。在第一个第三趋势组中，第2组数据的第三下降指标值vv2＝0；第3组数据的第三下降指标值vv3＝1；第4组数据的第三下降指标值vv4＝0；第5组数据的第三下降指标值vv5＝1。pvv(4，5)＝vv5+vv4+vv3+vv2＝2。其他第三趋势组的第三趋势值，以此类推。
[0132]
s34：根据第三趋势值筛选目标第三趋势组。
[0133]
其中，目标第三趋势组的第三趋势值的平均值大于或等于第三预设阈值。计算第三趋势值的平均值的公式为mm＝pvv(n，i)/n。
[0134]
筛选出来的目标第三趋势组预测了下降趋势，也反映了受业务行为影响的用户粘性指标数据。
[0135]
在应用中，为了保证筛选出来的目标第三趋势组能够预测下降趋势，一般要求第三趋势组中第三下降指标值为1的数据的占比大于0.75，以使选出来的目标第三趋势组能够预测下降趋势。例如，当n＝4，第三趋势组包括四组数据，要求四组数据中至少有三组数据的第三下降指标值为1。当n＝8，第三趋势组包括八组数据，要求八组数据中至少有六组数据的第三下降指标值为1。
[0136]
示例的，预先设置预设阈值为0.75。第一个第三趋势组的第三趋势值：pvv(4，5)＝2。其第三趋势值的平均值：m＝pvv(4，5)/4＝2/4＝0.5。因pvv(4，5)的第三趋势值的平均值为0.5，0.5小于预设阈值0.75，pv’(4，5)不为目标第二趋势组，过滤。
[0137]
可以理解的，根据实际情况，下滑趋势会有一定的惯性存在，使得下滑趋势可能会有一定的延续。目标第三趋势组反映了目标第一趋势组后期可能出现的下降趋势，也反映了目标第一趋势组后期的稳定情况。目标第三趋势组为目标第一趋势组的后置预测，也属于业务指标中下降趋势中的一种。
[0138]
示例的，原始数据经过计算第三趋势值后，如下表所示：
[0139][0140]
[0141]
其中，vvz＝1，ddz《dd
z-1
；vvz＝0，ddz≥dd
z-1
。第三预设阈值设为0.75。其中，z为每组数据对应的序号，dd为指数平滑率差值。
[0142]
根据公式pvv(4，k)＝∑vvk＝vvk+vv
k-1
+vv
k-2
+vv
k-3
，计算第三趋势组的第三趋势值，k为序号，且与z对应。然后根据pvv(4，k)/4≥0.75，筛选目标第三趋势组，筛选出pvv(4，6)、pvv(4，12)、pvv(4，13)、pvv(4，14)、pvv(4，15)。
[0143]
在一个实施例中，所述方法还包括：
[0144]
根据目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种，筛选目标用户和/或调整业务策略。
[0145]
在应用中，因这三种目标趋势组均能反映受业务行为影响的用户粘性指标数据，为需要关注的下降趋势。
[0146]
示例的，原始数据筛选出目标第一趋势组、目标第二趋势组及目标第三趋势组的情况，如下表所示：
[0147]
[0148][0149]
其中，表中pv＝1对应的目标第一趋势组为：频次为{8,9,10,11}的数据组、频次为{9,10,11,12}的数据组、频次为{10,11,12,13}的数据组、频次为{16,17,18,19}的数据组、频次为{17,18,19,20}的数据组、频次为{18,19,20,21}的数据组、频次为{19,20,21,22}的数据组。目标第一趋势组反映了主下降趋势。
[0150]
pv’＝1对应的目标第二趋势组为：频次为{8,9,10,11}的数据组、频次为{14,15,16,17}的数据组、频次为{15,16,17,18}的数据组、频次为{16,17,18,19}的数据组、频次为{17,18,19,20}的数据组、频次为{18,19,20,21}的数据组。目标第二趋势组提前预警了主下降趋势，即提前预警了目标第一趋势组。
[0151]
pvv＝1对应的目标第三趋势组为：频次为{3,4,5,6}的数据组、频次为{9,10,11,12}的数据组、频次为{10,11,12,13}的数据组、频次为{11,12,13,14}的数据组、频次为{12,13,14,15}的数据组、频次为{18,19,20,21}的数据组、频次为{19,20,21,22}的数据组、频次为{20,21,22,23}的数据组、频次为{21,22,23,24}的数据组。目标第三趋势组反映目标第一趋势组后两个区间的情况，从而后置预测了目标第一下降趋势的影响。
[0152]
在一个实施例中，所述方法还包括：
[0153]
选取不同的n值；
[0154]
针对选取的每个n值，识别目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种。
[0155]
在应用中，为了更好地、更多地筛选出目标用户，更好地调整业务策略，可通过选取不同的n值，识别出更多地目标第一趋势组、目标第二趋势组、目标第三趋势组实现。
[0156]
其中，一个n值对应一组第一预设阈值、第二预设阈值、第三预设阈值。
[0157]
示例的，选取的n值包括4、5、6。
[0158]
n＝4时，筛选出对应的目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种。
[0159]
n＝5时，筛选出对应的目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种。
[0160]
n＝6时，筛选出对应的目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种。
[0161]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0162]
对应于上文实施例所述的方法，为了便于说明，仅示出了与本技术实施例相关的部分。
[0163]
图4是本技术一实施例提供的识别业务指标下降趋势的装置的结构示意图。如图4所示，所述装置，包括：
[0164]
确定单元10，用于针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值，第一下降指标值包括第一预设值及第二预设值；
[0165]
用于针对每个目标第一趋势组，确定第一目标数据及第二目标数据；
[0166]
计算单元11，用于计算第i组数据与第i-(n-1)组数据之间的n个第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l，n为持续性长度阈值；
[0167]
用于针对每个目标第一趋势组，计算目标第一趋势组中全部第一目标数据的整体方差，第一目标数据的第一下降指标值为第一预设值；
[0168]
用于计算目标第一趋势组中每个第二目标数据的方差，第二目标数据的第一下降指标值为第二预设值；
[0169]
筛选单元12，用于根据第一趋势值筛选目标第一趋势组，目标第一趋势组的第一趋势值的平均值大于或等于第一预设阈值；
[0170]
用于剔除干扰趋势组，干扰趋势组为第一目标数据的整体方差小于第二目标数据的方差的目标第一趋势组；
[0171]
其中，原始数据包括l组数据，每组数据包括业务行为频率及业务行为频率对应的用户粘性指标，l组数据中的业务行为频率均不同。
[0172]
在一个实施例中，计算单元，还用于针对原始数据中每组数据，计算当前组数据与上一组数据之间的增减比率；
[0173]
还用于计算第j组数据与第j-(n-1)组数据之间的n个第二下降指标值之和，得到l-n-2个第二趋势值，n+2≤j≤l；
[0174]
确定单元，还用于根据当前组数据的增减比率与上一组数据的增减比率之间的大小关系，确定第二下降指标值；
[0175]
筛选单元，还用于根据第二趋势值筛选目标第二趋势组，目标第二趋势组的第二趋势值的平均值大于或等于第二预设阈值。
[0176]
在一个实施例中，计算单元，还用于针对原始数据中每组数据，计算当前组数据与上一组数据之间的指数平滑率差值；
[0177]
还用于计算第k组数据与第k-(n-1)组数据之间的n个第三下降指标值之和，得到l-n-1个第三趋势值，n+1≤k≤l；
[0178]
确定单元，还用于根据当前组数据的指数平滑率差值与上一组数据的指数平滑率差值之间的大小关系，确定第三下降指标值；
[0179]
筛选单元，还用于根据第三趋势值筛选目标第三趋势组，目标第三趋势组的第三趋势值的平均值大于或等于第三预设阈值。
[0180]
在一个实施例中，所述装置还包括处理单元；
[0181]
处理单元，用于根据目标第一趋势组、目标第二趋势组、目标第三趋势组中至少一种，筛选目标用户和/或调整业务策略。
[0182]
图5为本技术一实施例提供的电子设备的结构示意图。如图5所示，该实施例的电
子设备2包括：至少一个处理器20(图5中仅示出一个)、存储器21以及存储在所述存储器21中并可在所述至少一个处理器20上运行的计算机程序22，所述处理器20执行所述计算机程序22时实现上述任意各个方法实施例中的步骤。
[0183]
所述电子设备2可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备2可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图5仅仅是电子设备2的举例，并不构成对电子设备2的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0184]
所称处理器20可以是中央处理单元(central processing unit，cpu)，该处理器20还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0185]
所述存储器21在一些实施例中可以是所述电子设备2的内部存储单元，例如电子设备2的硬盘或内存。所述存储器21在另一些实施例中也可以是所述电子设备2的外部存储设备，例如所述电子设备2上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器21还可以既包括所述电子设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
[0186]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0187]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0188]
本技术实施例还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存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
[0189]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。
[0190]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个
方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0191]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0192]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0193]
在本技术所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0194]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0195]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。
技术特征：1.一种识别业务指标下降趋势的方法，其特征在于，包括：针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值，所述第一下降指标值包括第一预设值及第二预设值；计算第i组数据与第i-(n-1)组数据之间的n个所述第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l，n为持续性长度阈值；根据所述第一趋势值筛选目标第一趋势组，所述目标第一趋势组的所述第一趋势值的平均值大于或等于第一预设阈值；针对每个所述目标第一趋势组，确定第一目标数据及第二目标数据，并计算所述目标第一趋势组中全部第一目标数据的整体方差，所述第一目标数据的所述第一下降指标值为第一预设值；计算所述目标第一趋势组中每个第二目标数据的方差，所述第二目标数据的所述第一下降指标值为第二预设值；剔除干扰趋势组，所述干扰趋势组为所述第一目标数据的整体方差小于所述第二目标数据的方差的目标第一趋势组；其中，所述原始数据包括l组数据，每组数据包括业务行为频率及所述业务行为频率对应的用户粘性指标，所述l组数据中的业务行为频率均不同。2.如权利要求1所述的方法，其特征在于，还包括：针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的增减比率，并根据所述当前组数据的所述增减比率与所述上一组数据的所述增减比率之间的大小关系，确定第二下降指标值；计算第j组数据与第j-(n-1)组数据之间的n个所述第二下降指标值之和，得到l-n-2个第二趋势值，n+2≤j≤l；根据所述第二趋势值筛选目标第二趋势组，所述目标第二趋势组的所述第二趋势值的平均值大于或等于第二预设阈值。3.如权利要求1或2所述的方法，其特征在于，还包括：针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的指数平滑率差值；根据所述当前组数据的所述指数平滑率差值与所述上一组数据的所述指数平滑率差值之间的大小关系，确定第三下降指标值；计算第k组数据与第k-(n-1)组数据之间的n个所述第三下降指标值之和，得到l-n-1个第三趋势值，n+1≤k≤l；根据所述第三趋势值筛选目标第三趋势组，所述目标第三趋势组的所述第三趋势值的平均值大于或等于第三预设阈值。4.如权利要求3所述的方法，其特征在于，还包括：根据所述目标第一趋势组、所述目标第二趋势组、所述目标第三趋势组中至少一种，筛选目标用户和/或调整业务策略。5.如权利要求2所述的方法，其特征在于，所述确定第二下降指标值之后，还包括：针对每个所述增减比率，计算当前增减比率与上一个增减比率之间的连续增减比率；根据所述连续增减比率，确定所述当前增减比率对应的数据的第二下降指标值是否正
确。6.如权利要求3所述的方法，其特征在于，所述针对所述原始数据中每组数据，计算所述当前组数据与所述上一组数据之间的指数平滑率差值，包括：针对所述原始数据中每组数据，计算所述用户粘性指标的指数平滑率；根据所述当前组数据的所述指数平滑率及所述上一组数据的所述指数平滑率，计算所述指数平滑率差值。7.如权利要求2所述的方法，其特征在于，所述计算所述当前组数据与上一组数据之间的增减比率，包括：针对所述原始数据中每组数据，计算所述当前组数据的用户粘性指标与所述上一组数据的用户粘性指标之间的增减差值；根据所述当前组数据的所述增减差值及所述上一组数据的用户粘性指标，计算所述增减比率。8.一种识别业务指标下降趋势的装置，其特征在于，包括：确定单元，用于针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值，所述第一下降指标值包括第一预设值及第二预设值；用于针对每个目标第一趋势组，确定第一目标数据及第二目标数据；计算单元，用于计算第i组数据与第i-(n-1)组数据之间的n个所述第一下降指标值之和，得到l-n+1个第一趋势值，n≤i≤l，n为持续性长度阈值；用于针对每个目标第一趋势组，计算所述目标第一趋势组中全部第一目标数据的整体方差，所述第一目标数据的所述第一下降指标值为第一预设值；用于计算所述目标第一趋势组中每个第二目标数据的方差，所述第二目标数据的所述第一下降指标值为第二预设值；筛选单元，用于根据所述第一趋势值筛选所述目标第一趋势组，所述目标第一趋势组的所述第一趋势值的平均值大于或等于第一预设阈值；用于剔除干扰趋势组，所述干扰趋势组为所述第一目标数据的整体方差小于所述第二目标数据的方差的目标第一趋势组；其中，所述原始数据包括l组数据，每组数据包括业务行为频率及所述业务行为频率对应的用户粘性指标，所述l组数据中的业务行为频率均不同。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
技术总结本申请提供了一种识别业务指标下降趋势的方法、装置及可读存储介质。所述方法包括：针对原始数据中每组数据，根据当前组数据与上一组数据之间的大小关系，确定第一下降指标值；计算第i组数据与第i-(n-1)组数据之间的n个第一下降指标值之和，得到L-n+1个第一趋势值，根据第一趋势值筛选目标第一趋势组；针对每个目标第一趋势组，确定第一目标数据及第二目标数据，并计算目标第一趋势组中全部第一目标数据的整体方差，计算目标第一趋势组中每个第二目标数据的方差；剔除干扰趋势组。本申请能够准确识别出主下降趋势，而准确得到受业务行为影响的用户粘性指标数据。响的用户粘性指标数据。响的用户粘性指标数据。
技术研发人员：慕畅
受保护的技术使用者：深圳市梦网科技发展有限公司
技术研发日：2022.07.25
技术公布日：2022/11/1
