第三届易观算法大赛 -- OLAP Session分析(5万奖金)

ゞ浴缸里的玫瑰 2024-04-18 19:47 57阅读 0赞

![format_png][]

**                                                                                   [ OLAP Session分析][OLAP Session]**

*  **赛题背景**

Session，即会话，是指在指定的时间段内在您的网站/H5/小程序/APP上发生的一系列用户行为的集合。例如，一次会话可以包含多个页面浏览、交互事件等。Session 是具备时间属性的，根据不同的切割规则，可以生成不同长度的 Session。  
对于 Session 的理解以及相关指标的计算，其中最重要的两块就是：  
（1）Session 应该包含哪些行为事件  
（2）Session 如何切割：需设定切割时长，即相邻事件间的时间间隔超出此时长则进行切割，基于动态切割规则计算一系列         session相关指标。需要支持动态切割规则、超时、跨天、跨平台、指定开始事件、指定结束事件等。

*  **参赛对象**

OLAP Session分析大赛将分商业组及开源组，将分别为互联网/科技公司相关技术团队，以及OLA\[技术从业人员和技术爱好者提供竞技交流的平台。

*  **时间安排**

8月20日 - 9月15日，初赛报名，参赛选手在Demo环境下程序调试  
   9月15日 - 9月25日，参赛者在服务器环境下进行环境测试  
   9月25日 - 10月15日，正式环境比赛  
 10月15日 - 10月20日，参赛者提交算法文档，答辩  
 10月25日，易观A10数据智能生态大会颁奖及排名公布

*  **赛题介绍**

通常我们把用户一系列连续的行为，看作一次访问，也称之为session。基于会话的分析，即为session查询分析。  
**   Session查询分析中最重要的两块分别是：**  
   1、 session如何分割。  
   例如，用户访问您的网站，打开了一个网页，有事离开了电脑。几个小时候回来后继续访问，用户的session访问次数应该算作几 次? 又比如，用户在pc端添加了购物车，在手机端完成了支付，又应该算作几次。

2、 session指标的定义，session分析常见的分析指标有，session访问次数，访问深度、访问时长、跳出率等等

**  Session分割规则介绍：Session的划分规则分为2类**

1、 默认session，即SDK采集数据源时，已经根据一些规则，将用户行为划分为多个session，通过”$session_id”来区分
    2、 动态切割，用户可以根据前后2条连续行为的一些属性判断来确认是否切割session。本次大赛需要支持以下动态切割规则，其中超时和跨天为默认条件，其他为可选条件:
        ü 超时：即前后2条行为发生时间间隔超过某个阈值。如，30分钟
        ü 跨天：即前后2条行为发生的时间不在同一天中
        ü 指定开始事件：即当用户发生指定行为时，开始一个新的会话。如 ，登陆
        ü 指定结束事件：即当用户发生指定行为时，结束会话。如，结束事件
        ü 跨平台：即前后2次行为在不同平台发生的。如，上一条行为JS，下一条iOS

** Session常见指标定义**

ü 访问用户数(UV)=访问用户的去重数
    ü 访问次数=指用户访问应用的总次数，即会话（Session）数
    ü 浏览量(PV)=指用户浏览Web/H5页面的总次数，同一个页面访问多次会被重复计
    ü 人均访问次数=访问次数/访问用户数(UV)
    ü 人均页面浏览量=浏览量(PV)/访问用户数(UV)
    ü 人均访问时长=Session时长之和/访问用户数(UV)
    ü 单次访问页面浏览量=平均每次访问浏览页面的次数，单次访问页面浏览量=浏览量(PV)/访问次数
    ü 单次访问时长=平均每次访问的时长，单次访问时长=总访问时长/会话数
    ü 单次访问事件数=平均每次访问的事件数量（包括浏览页面和点击事件），单次访问事件数=总访问事件数/会话数
    ü 跳出率=访问了一个页面的Session数/总的Session数。用户进入着陆页就离开用户来到网站后，除了浏览LandingPage之外，没有发生其他任何操作就离开了网站，被视为跳出。用来衡量Landingpage的质量。

** 分析中其他概念**

ü Session属性，一般取会话的首事件的某个属性，作为整个会话的属性
    ü 着陆页，落地页、引导页，即会话首页面的url。
    ü 时长：我们以会话内下一个事件发生时间作为上个事件的结束时间。会话的退出事件是时长为0。单位为毫秒

*  **赛题任务**

参赛者根据我们提供的用户行为数据，准确计算出各种场景的下的会话相关指标值。  
      计算场景举例：  
      1、 使用默认session,计算出20190501-20190510，每天的会话次数、人均访问时长、退出率  
      2、 使用超时时间30分钟+跨天的session切割规则，计算出20190501-20190510，每天的会话次数、跳出率。且以 着陆页进行分组。  
      3、 使用超时时间30分钟+跨天+指定开始事件，的session切割规则计算出20190501-20190510，每天包含某个页面行为的会话 总数，人均访问深度。

*  **数据介绍**

数据为文本文件格式，具体包含字段有： 分隔符为 tab  
（1）用户ID，Long类型  
（2）时间戳, 毫秒级别，Long类型  
（3）事件code，字符串类型，本次默认全部为"$pageview"，页面浏览事件  
（4）url，字符串类型，页面的url  
（5）平台, 字符串类型  
（6）来源, 字符串类型，流量来源  
（7） 城市，字符串类型  
（8）品牌，字符串类型  
（9）购买数量，Int类型  
（10） 价格，Double类型  
（11） 日期，字符串类型  
测试数据总条数7千万左右，日期范围：2019/01/01到2019/01/07。  
比赛数据总条数5亿左右，日期范围:2019/05/01到2019/05/15

*  **提交格式:**

所有题目，默认按日期分组计算，其他维度已经指标根据题目要求计算如:  
  维度，周期，uv，pv，人均时长等  
  url1,20190501,300,800,4545  
  url1,20190502,200,500,4444-

*  **数据下载链接**

云盘地址：[https://pan.baidu.com/s/1HW\_8vauDoq6PZnTlUQAc5Q][https_pan.baidu.com_s_1HW_8vauDoq6PZnTlUQAc5Q] 密码: 8nmm

*  **提交内容**

（1）算法说明文档或PPT

（2）算法源代码

（3）测试数据的预测结果（可重复提交，但每天只能提交一次，最终结果取最优的一次）  
   提交地址：[dailidong@analysys.com.cn][dailidong_analysys.com.cn]

*  **评分方式**

计算结果正常的情况下，对用时进行排名，用时少者获胜。

*  **参赛指导**

数据准确性和算法的要求，需提前说清楚，报名后，会有大赛小助手拉您入群，群内有专门的技术人员进行解答

联系人：Cari 手机&微信：13011177753 邮件：zhangyue@analysys.com.cn

### [即刻报名][Link 1] ###

[format_png]: https://imgconvert.csdnimg.cn/aHR0cDovL2RzLmFuYWx5c3lzLmNuL2ltYWdlcy9zZmRzLzIwMTltdGJhbm5lcm9sYXAucG5n?x-oss-process=image/format,png
[OLAP Session]: http://ds.analysys.cn/2019/session.html
[https_pan.baidu.com_s_1HW_8vauDoq6PZnTlUQAc5Q]: https://pan.baidu.com/s/1HW_8vauDoq6PZnTlUQAc5Q
[dailidong_analysys.com.cn]: mailto:dailidong@analysys.com.cn
[Link 1]: https://jinshuju.net/f/chLYyg