[发明专利]一种基于RUM性能预测未来页面跳出率的方法及装置

说明书

本发明提供一种基于RUM性能预测未来页面跳出率的方法及装置，所述方法包括：S1、获取单页访问总数和页面的总进入数，计算页面跳出率；S2、获取RUM指标数据，计算所述指标数据的性能分数；S3、根据所述页面跳出率和所述性能分数计算相关系数；S4、根据所述相关系数预测未来性能相关的未来页面跳出率，做出高跳出率预警。本发明的方法比传统的分析页面跳出率方式更侧重页面性能和错误的考量，更加地全面，快速，便捷，可解释。

技术领域

本发明属于前端异常技术领域，具体而言属于一种基于RUM性能预测未来页面跳出率的方法及装置。

背景技术

Google Analytics的页面跳出率定义为：单页访问次数或访问者从进入(目标)页离开网站的访问次数百分比，是指该网页是会话中“唯一网页”的会话占由该网页开始的所有会话的百分比。

在研究用户访问监测(RUM)数据与跳出率之间的关联关系时，虽然有一些页面跳出是基于用户主观的原因，例如不再需要该页面，或者有更好的页面选择等原因。但对于RUM数据来说，更多时间页面跳出是因为页面的性能不好或者页面出错，直接影响到页面跳出率，也就是说，这个页面的性能不好或者出错多，用户就直接离开了。

现有的页面跳出率常用于推荐系统中，如果推荐页面不符合用户需求，用户则选择跳出，通过页面跳出率可一定程度查看推荐算法的准确性。

在RUM数据中，关键页面的跳出率直接影响到业务数据，因此，对于RUM数据指标与页面跳出率之间的关系进行研究，具有很大价值。

有鉴于此，特提出本发明。

发明内容

有鉴于此，本发明公开了一种基于RUM性能预测未来页面跳出率的方法及装置，更全面、快速、便捷和可解释的RUM性能指标与页面跳出率进行研究，提供给用户未来性能相关页面跳出率的预测，做出高跳出率预警。

具体的，本发明是通过以下技术方案实现的：

第一方面，本发明公开了一种基于RUM性能预测未来页面跳出率的方法，包括如下步骤：

S1、获取单页访问总数和页面的总进入数，计算页面跳出率；

S2、获取RUM指标数据，计算所述指标数据的性能分数；

S3、根据所述页面跳出率和所述性能分数计算相关系数；

S4、根据所述相关系数预测未来性能相关的未来页面跳出率，做出高跳出率预警。

进一步地，所述S3步骤中，所述相关系数的计算公式为：所述相关系数＝所述性能分数的平均值/所述页面跳出率。

进一步地，所述S2步骤中，所述RUM指标数据包括：LCP指标、FID指标、CLS指标和页面错误率；

其中，LCP指标(Largest Contentful Paint)指最大内容绘制，测量加载性能。为了提供良好的用户体验，LCP最好在页面首次开始加载后的2.5s内发生；

FID指标(First Input Delay)指首次输入延迟，测量交互性。为了提供良好的用户体验，页面的FID最好为100ms或更短。

CLS指标(Cumulative Layout Shift)指累计布局偏移，测量视觉稳定性。为了提供良好的用户体验，页面的CLS最好保持在0.1或更少；

页面错误率指的是发生错误页面占所有页面的比率。

其中，RUM指标数据分别测量评估加载性能、交互性能、视觉稳定性和页面错误率，缺少任何一个指标数据或只测量单一指标均不能得到整体的性能评测，因此对于RUM指标数据的选择缺一不可。

所述性能分数＝LCP指标×FID指标×CLS指标×页面错误率。