第三届易观算法大赛 -- OLAP Session分析(5万奖金)

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

扫描二维码关注公众号，回复： 9396827 查看本文章

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