页面停留时间 做指标

首先，统计页面停留时间

然后，将页面停留时间 做回归或者分类（目前，使用分类模型）

注：页面停留时间是连续值，但可以中位数，进行二值化。以A用户为例，访问5个页面页面停留时间分别为1、2、3、4、5，那么用中位数3进行，可以二值化为0，0，1，1，1，进而作为逻辑回归模型的二分类label。
扩展：也可以用softmax做多分类；或者用回归模型。

1.统计页面停留时间

核心计算方法：

1. 过滤二手房类目的日志
2. 由于app日志中没有session，需要为日志添加session
   session计算方法：
   1. 同一个用户一个新的启动行为算作一个session开始，
      2.同一用户超过5分钟没有行为算作一个session开始
3. 在相同session内，将用户行为序列中满足连续三种事件流漏斗的数据找出来。
   事件漏斗分别是： 1.列表页上发生详情页点击(list item)－> 2. 详情页 ->3.离开详情页(非detail事件)
4. 提取用户该行为序列中imei，帖子id，gtid， timestamp，然后利用事件3时间-事件1时间 计算停留时间

输出：

Paste_Image.png

提取字段：
以imei作为用户id: 000**********d5689dbcc36
以params中参数作为 docid
以qid /gtid 做唯一单词搜索的唯一标记
以list item的时间 timestamp 1476572224134 为 详情页进入时间

注：日志比较混乱，还处在6年前的淘宝的日志阶段——不过，还好，后来者有经验可借鉴，正在全速整理中。

---

从数据完整性、准确性统计：

1. 后端的click 日志与 用户行为日志，匹配发现，用户行为日志有缺失，缺失率为11% 左右
2. 用户最后一个页面的，页面停留时间 无法统计

---

核心：详情页退出的时间方式；App端session切割方式
方案：
App端session切割方式：以5分钟为界
详情页退出的时间方式：由于无法穷举所有非详情页的tag( list item为tag)，所以，分析日志，以 非detail 开头的tag为准，作为详情页结束时间，此方式可能不准确。