CN104699705A - 信息推送方法、服务器及系统 - Google Patents

Abstract

本发明涉及一种信息推送方法、服务器及系统，其方法包括：获取用户端对信息推送列表的点击信息，形成用户点击日志；基于用户点击日志，对用户点击行为分布进行分析，获取分析结果；根据分析结果从信息推送列表中选取相应的推荐条目进行下发。本发明通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推送条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

Description

信息推送方法、服务器及系统

技术领域

本发明涉及互联网技术领域，尤其涉及一种信息推送方法、服务器及系统。

背景技术

目前，互联网爆炸式信息增长使得信息过载问题越来越严重，用户很难从海量的新闻网站、论坛、博客等信息来源地去找到自己感兴趣的内容。由此，产生了个性化推荐系统。通常，个性化推荐系统根据用户的浏览历史来计算用户可能感兴趣的内容，并将这些内容优先展示给用户。

但是，个性化推荐系统面临一个很重要的问题就是如何确定每次用户请求的推荐结果下发数量。如果下发的数量不够，则无法完全满足用户每次的浏览需求，用户看完后需要再次请求；如果下发的太多，则用户无法一次完全消费，反而会造成无谓的流量浪费。

现有的推荐结果下发策略一般采用结合业务的固定的人工经验值，其存在的缺陷是：没有考虑到不同时刻用户使用产品时的场景可能不一样，从而使得其下发的推荐方案不一定是最优的下发方案。因此，现有的推荐结果下发策略无法做到灵活控制。

发明内容

本发明实施例提供一种信息推送方法、服务器及系统，旨在提高信息推送结果下发策略的灵活性，既满足用户的浏览需求，又避免造成流量浪费。

本发明实施例提出一种信息推送方法，包括：

获取用户端对信息推送列表的点击信息，形成用户点击日志；

基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

本发明实施例还提出一种信息推送服务器，包括：

获取模块，用于获取用户端对信息推送列表的点击信息，形成用户点击日志；

分析模块，用于基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

下发模块，用于根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

本发明实施例还提出一种信息推送系统，包括：用户端和与所述用户端通信连接的服务器；其中：

所述服务器为如上所述的服务器；

所述用户端，用于响应用户对信息推送列表的点击操作，将点击信息上报至所述服务器；以及，接收所述服务器下发的推荐条目。

本发明实施例提出的一种信息推送方法、服务器及系统，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

附图说明

图1是本发明信息推送方法第一实施例的流程示意图；

图2a是本发明实施例中基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的一种实施方式流程示意图；

图2b是本发明实施例中根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的一种实施方式流程示意图；

图3是本发明实施例中基于用户点击位置分布的分析策略的一种统计示意图；

图4a是本发明实施例中基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的另一种实施方式流程示意图；

图4b是本发明实施例中根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的另一种实施方式流程示意图；

图5是本发明实施例中基于不同时间段的用户点击位置分布的分析策略的一种统计示意图；

图6是本发明信息推送服务器较佳实施例的功能模块示意图；

图7是本发明实施例中分析模块的结构示意图；

图8是本发明信息推送系统较佳实施例的架构示意图。

为了使本发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明第一实施例提出一种信息推送方法，包括：

步骤S101，获取用户端对信息推送列表的点击信息，形成用户点击日志；

其中，信息推送列表可以是由后台服务器个性化推荐系统根据用户的浏览历史记录，计算得到的包括用户可能感兴趣的内容的信息推荐条目，以便将这些内容优先展示给用户。其中，信息推送列表所包含的各种信息推荐条目可以来自各种新闻网站、论坛、博客等；此外，信息推送列表所包含的信息也可以是微博、公众平台数据等用户订制信息。

为了较为准确的确定用户每次请求的推送结果下发数量，以满足大多数用户每次的浏览需求，又避免造成流量浪费，实现推送结果下发策略的灵活控制，本实施例通过分析用户对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，首先，当个性化信息推送列表呈现给用户后，用户可以根据自身需求从个性化信息推送列表中点击选取自己想要浏览的网页推荐条目，用户终端会响应用户对信息推送列表的点击操作，记录用户的点击信息，并将点击信息上报至后台服务器。

其中，点击信息可以包括用户的点击时间、在信息推送列表中的点击位置、用户ID等。

后台服务器在获取到用户端上报的点击信息后，形成用户点击日志，以便根据用户点击日志对用户的点击位置分布进行分析。

步骤S102，基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

其中，用户点击行为可以包括用户在信息推送列表中的点击位置选取行为，以及用户的点击时间选取行为等。

后台服务器根据形成的用户点击日志，分析用户在信息推送列表中的点击位置分布，并可以结合不同的时间段，累积信息推送列表中第1位到当前统计位置的点击数占总点击数的比例，由此得到分析结果，以便根据此分析结果在不同时刻给予不同的下发条数，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

步骤S103，根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

后台服务器根据统计分析结果，选取满足预设条件的推荐条目位置之前的所有推荐条目下发给对应的用户端。

本实施例通过上述方案，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

以下基于用户点击位置分布、基于不同时间段的用户点击位置分布两种分析策略，对本实施例的技术方案进行详细阐述：

作为用户点击位置分布的分析策略，如图2a所示，上述步骤S102：基于用户点击日志，对用户点击行为分布进行分析，获取分析结果可以包括：

步骤S1021，从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

步骤S1022，根据提取的所述点击位置信息，统计所述信息推送列表中各个推荐条目位置的点击数；

步骤S1023，根据统计的各个推荐条目位置的点击数，分别计算得到所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

如图2b所示，上述步骤S103：根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发可以包括：

步骤S1031，从计算得到的所有点击百分比中选取满足预设条件的百分比对应的推荐条目位置；

步骤S1032，将所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

具体地，在本实施方式中，考虑到：通常用户对于信息推送列表的点击趋势都存在头部效应，即信息推送列表头部点击比例明显高于尾部，基于这一构思，本实施例根据用户点击日志，对信息推送列表中各点击位置的点击数进行统计，并计算前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比。比如计算前10条、20条…的点击数占总点击数比例，以此来确定最终下发条数。

后台服务器会记录用户的每一次点击行为以及此次点击在信息推送列表中的位置。类似于搜索引擎，比如用户点击的是第1条结果，则会记录1，用户点击的是第10条结果，则会记录10。然后计算每个推荐条目位置的用户点击分布，并累积第1位到当前统计位置的点击数占总点击数比例。

比如，分别统计前1、5、9、13……69、73、77的点击数占总点击数的百分比，如图3所示。图3中，横坐标表示1、5、9、13……69、73、77推荐条目位置；纵坐标表示各推荐条目位置对应的累积点击数占总点击数的百分比。

从图3中可以看到，前15条点击数占总点击数的50%，头部效应很明显；前60条点击数占了总点击数的85%。

因此从图3可以看出，比较理想的下发数量是信息推送列表的前60-70条，这样可以覆盖90%以上的用户点击数，若继续增大下发数量，则性价比会越来越低，会造成无谓的流量浪费。

由此，通过上述方案，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击位置分布进行分析，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户的浏览需求，同时避免多余下发造成的流量浪费。

另外，作为不同时间段的用户点击位置分布的分析策略，如图4a所示，上述步骤S102：基于用户点击日志，对用户点击行为分布进行分析，获取分析结果可以包括：

步骤S10210，从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

步骤S10220，根据提取的所述点击位置信息，分别统计设定的各时间段内，所述信息推送列表中各个推荐条目位置的点击数；

步骤S10230，根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

如图4b所示，上述步骤S103：根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发可以包括：

步骤S10310，从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置；

步骤S10320，将相应时间段内所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

本实施方式相比上述图2a及图2b所示的实施方式，在推送结果下发策略中增加了时间段分析维度，通过分析用户在不同时间段对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，本实施方式引入时间上下文的场景，考虑到不同时间段，用户所在场景、心情可能会不一样，因此有可能会影响其点击分布。

首先，从所述用户点击日志中提取用户对信息推送列表的点击位置信息，然后根据提取的点击位置信息，分别统计设定的各时间段内，信息推送列表中各个推荐条目位置的点击数；其中，设定的各时间段可以根据实际情况来设定，比如将一天时间分为12：00以前和12：00以后两个时间段，或者，将一天细分为更多个时间段。

之后，根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。比如，计算每一时间段内，信息推送列表中前10、20……60条的点击数占信息推送列表总点击数的百分比。

最后，根据上述分析统计结果，综合确定每个时间段的最佳下发条数。首先，从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置，将相应时间段内信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端；比如选择12：00之后，将满足百分比为85%的推荐条目位置之前所有的推荐条目推送给用户。

由此，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

结合图5所示，可以将一天时间分为12：00以前和12：00以后两个时间段，分别统计两个时间段内各位置的累积点击比例，以此来确定相应下发的条数。

从图5可以看出，12点以后时间段的点击分布相比12点以前时间段要更分散一些，所以对于此时间段的下发条数可以更多一些，可能的原因是用户下午或晚上休息时间探索欲望更强、时间更多。如果想要更灵活一些，可以增加更多的时间段细分。

本实施例方案通过一种灵活的推送结果下发策略，结合用户点击反馈及时间上下文，在满足用户浏览需求的同时，避免了无效结果的下发，在一定程度上控制了数据流量。

如图6所示，本发明较佳实施例提出一种信息推送服务器，包括：获取模块201、分析模块202以及下发模块203，其中：

获取模块201，用于获取用户端对信息推送列表的点击信息，形成用户点击日志；

分析模块202，用于基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

下发模块203，用于根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

其中，信息推送列表可以是由后台服务器个性化推荐系统根据用户的浏览历史记录，计算得到的包括用户可能感兴趣的内容的信息推荐条目，以便并将这些内容优先展示给用户。其中，信息推送列表所包含的各种信息推荐条目可以来自各种新闻网站、论坛、博客等；此外，信息推送列表所包含的信息也可以是微博、公众平台数据等用户订制信息。

为了较为准确的确定用户每次请求的推送结果下发数量，以满足大多数用户每次的浏览需求，又避免造成流量浪费，实现推送结果下发策略的灵活控制，本实施例通过分析用户对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，首先，当个性化信息推送列表呈现给用户后，用户可以根据自身需求从个性化信息推送列表中点击选取自己想要浏览的网页推荐条目，用户终端会响应用户对信息推送列表的点击操作，记录用户的点击信息，并将点击信息上报至后台服务器。

其中，点击信息可以包括用户的点击时间、在信息推送列表中的点击位置、用户ID等。

后台服务器通过获取模块201获取用户端对信息推送列表的点击信息，形成用户点击日志，以便根据用户点击日志对用户的点击位置分布进行分析。

其中，用户点击行为可以包括用户在信息推送列表中的点击位置选取行为，以及用户的点击时间选取行为等。

后台服务器的分析模块202根据形成的用户点击日志，分析用户在信息推送列表中的点击位置分布，并可以结合不同的时间段，累积信息推送列表中第1位到当前统计位置的点击数占总点击数的比例，由此得到分析结果，以便下发模块203根据此分析结果在不同时刻给予不同的下发条数，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

后台服务器根据统计分析结果，选取满足预设条件的推荐条目位置之前的所有推荐条目下发给对应的用户端。

本实施例通过上述方案，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

如图7所示，所述分析模块202包括：信息提取单元2021、统计单元2022以及计算获取单元2023，其中：

作为一种实施方式，所述信息提取单元2021，用于从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

统计单元2022，用于根据提取的所述点击位置信息，统计所述信息推送列表中各个推荐条目位置的点击数；

计算获取单元2023，用于根据统计的各个推荐条目位置的点击数，分别计算得到所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

所述下发模块203，还用于从计算得到的所有点击百分比中选取满足预设条件的百分比对应的推荐条目位置；将所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

作为另一种实施方式，所述统计单元2022，还用于根据提取的所述点击位置信息，分别统计设定的各时间段内，所述信息推送列表中各个推荐条目位置的点击数；

所述计算获取单元2023，还用于根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

所述下发模块203，还用于从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置；将相应时间段内所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

以下基于用户点击位置分布、基于不同时间段的用户点击位置分布两种分析策略，对本实施例的技术方案进行详细阐述：

作为用户点击位置分布的分析策略，考虑到：通常用户对于信息推送列表的点击趋势都存在头部效应，即信息推送列表头部点击比例明显高于尾部，基于这一构思，本实施例根据用户点击日志，对信息推送列表中各点击位置的点击数进行统计，并计算前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比。比如计算前10条、20条…的点击数占总点击数比例，以此来确定最终下发条数。

后台服务器会记录用户的每一次点击行为以及此次点击在信息推送列表中的位置。类似于搜索引擎，比如用户点击的是第1条结果，则会记录1，用户点击的是第10条结果，则会记录10。然后计算每个推荐条目位置的用户点击分布，并累积第1位到当前统计位置的点击数占总点击数比例。

比如，分别统计前1、5、9、13……69、73、77的点击数占总点击数的百分比，如图3所示。图3中，横坐标表示1、5、9、13……69、73、77推荐条目位置；纵坐标表示各推荐条目位置对应的累积点击数占总点击数的百分比。

从图3中可以看到，前15条点击数占总点击数的50%，头部效应很明显；前60条点击数占了总点击数的85%。

因此从图3可以看出，比较理想的下发数量是信息推送列表的前60-70条，这样可以覆盖90%以上的用户点击数，若继续增大下发数量，则性价比会越来越低，会造成无谓的流量浪费。

由此，通过上述方案，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击位置分布进行分析，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户的浏览需求，同时避免多余下发造成的流量浪费。

另外，作为不同时间段的用户点击位置分布的分析策略，相比上述分析策略，在推送结果下发策略中增加了时间段分析维度，通过分析用户在不同时间段对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，本实施方式引入时间上下文的场景，考虑到不同时间段，用户所在场景、心情可能会不一样，因此有可能会影响其点击分布。

首先，从所述用户点击日志中提取用户对信息推送列表的点击位置信息，然后根据提取的点击位置信息，分别统计设定的各时间段内，信息推送列表中各个推荐条目位置的点击数；其中，设定的各时间段可以根据实际情况来设定，比如将一天时间分为12：00以前和12：00以后两个时间段，或者，将一天细分为更多个时间段。

之后，根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。比如，计算每一时间段内，信息推送列表中前10、20……60条的点击数占信息推送列表总点击数的百分比。

最后，根据上述分析统计结果，综合确定每个时间段的最佳下发条数。首先，从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置，将相应时间段内信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端；比如选择12：00之后，将满足百分比为85%的推荐条目位置之前所有的推荐条目推送给用户。

由此，实现信息推送结果下发策略的灵活控制，使得推送条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

结合图5所示，可以将一天时间分为12：00以前和12：00以后两个时间段，分别统计两个时间段内各位置的累积点击比例，以此来确定相应下发的条数。

从图5可以看出，12点以后时间段的点击分布相比12点以前时间段要更分散一些，所以对于此时间段的下发条数可以更多一些，可能的原因是用户下午或晚上休息时间探索欲望更强、时间更多。如果想要更灵活一些，可以增加更多的时间段细分。

本实施例方案通过一种灵活的推送结果下发策略，结合用户点击反馈及时间上下文，在满足用户浏览需求的同时，避免了无效结果的下发，在一定程度上控制了数据流量。

如图8所示，本发明较佳实施例提出一种信息推送系统，包括：用户端301和与所述用户端301通信连接的服务器302；其中：

所述服务器302可以具体采用上述实施例所述的服务器302；用于获取用户端301对信息推送列表的点击信息，形成用户点击日志；基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

所述用户端301，用于响应用户对信息推送列表的点击操作，将点击信息上报至所述服务器302；以及，接收所述服务器302下发的推荐条目。

具体地，上述信息推送列表是由后台服务器302个性化推荐系统根据用户的浏览历史记录，计算得到的包括用户可能感兴趣的内容的信息推荐条目，以便并将这些内容优先展示给用户。其中，信息推送列表所包含的各种信息推荐条目可以来自各种新闻网站、论坛、博客等。

为了较为准确的确定用户每次请求的推送结果下发数量，以满足大多数用户每次的浏览需求，又避免造成流量浪费，实现推送结果下发策略的灵活控制，本实施例通过分析用户对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，首先，当个性化信息推送列表呈现给用户后，用户可以根据自身需求从个性化信息推送列表中点击选取自己想要浏览的网页推荐条目，用户端301会响应用户对信息推送列表的点击操作，记录用户的点击信息，并将点击信息上报至后台服务器302。

其中，点击信息可以包括用户的点击时间、在信息推送列表中的点击位置、用户ID等。

后台服务器302在获取到用户端301上报的点击信息后，形成用户点击日志，以便根据用户点击日志对用户的点击行为分布进行分析。

其中，用户点击行为可以包括用户在信息推送列表中的点击位置选取行为，以及用户的点击时间选取行为等。

后台服务器302根据形成的用户点击日志，分析用户在信息推送列表中的点击位置分布，并可以结合不同的时间段，累积信息推送列表中第1位到当前统计位置的点击数占总点击数的比例，以便在不同时刻给予不同的下发条数，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

后台服务器302根据统计分析结果，选取满足预设条件的推荐条目位置之前的所有推荐条目下发给对应的用户端301。

本实施例通过上述方案，通过获取用户端301对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推送条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

以下基于用户点击位置分布、基于不同时间段的用户点击位置分布两种分析策略，对本实施例的技术方案进行详细阐述：

作为用户点击位置分布的分析策略，考虑到：通常用户对于信息推送列表的点击趋势都存在头部效应，即信息推送列表头部点击比例明显高于尾部，基于这一构思，本实施例根据用户点击日志，对信息推送列表中各点击位置的点击数进行统计，并计算前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比。比如计算前10条、20条…的点击数占总点击数比例，以此来确定最终下发条数。

后台服务器302会记录用户的每一次点击行为以及此次点击在信息推送列表中的位置。类似于搜索引擎，比如用户点击的是第1条结果，则会记录1，用户点击的是第10条结果，则会记录10。然后计算每个推荐条目位置的用户点击分布，并累积第1位到当前统计位置的点击数占总点击数比例。

比如，分别统计前1、5、9、13……69、73、77的点击数占总点击数的百分比，如图3所示。

图3中，横坐标表示1、5、9、13……69、73、77推荐条目位置；纵坐标表示各推荐条目位置对应的累积点击数占总点击数的百分比。

从图3中可以看到，前15条点击数占总点击数的50%，头部效应很明显；前60条点击数占了总点击数的85%。

因此从图3可以看出，比较理想的下发数量是信息推送列表的前60-70条，这样可以覆盖90%以上的用户点击数，若继续增大下发数量，则性价比会越来越低，会造成无谓的流量浪费。

由此，通过上述方案，通过获取用户端301对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击位置分布进行分析，实现信息推送结果下发策略的灵活控制，使得推送条数既能够满足大部分用户的浏览需求，同时避免多余下发造成的流量浪费。

另外，作为不同时间段的用户点击位置分布的分析策略，相比上述分析策略，在推送结果下发策略中增加了时间段分析维度，通过分析用户在不同时间段对于个性化推送结果的点击信息来确定推送结果的最优下发条数。

具体地，本实施方式引入时间上下文的场景，考虑到不同时间段，用户所在场景、心情可能会不一样，因此有可能会影响其点击分布。

首先，从所述用户点击日志中提取用户对信息推送列表的点击位置信息，然后根据提取的点击位置信息，分别统计设定的各时间段内，信息推送列表中各个推荐条目位置的点击数；其中，设定的各时间段可以根据实际情况来设定，比如将一天时间分为12：00以前和12：00以后两个时间段，或者，将一天细分为更多个时间段。

之后，根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。比如，计算每一时间段内，信息推送列表中前10、20……60条的点击数占信息推送列表总点击数的百分比。

最后，根据上述分析统计结果，综合确定每个时间段的最佳下发条数。首先，从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置，将相应时间段内信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端301；比如选择12：00之后，将满足百分比为85%的推荐条目位置之前所有的推荐条目推送给用户。

由此，实现信息推送结果下发策略的灵活控制，使得推送条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。

结合图5所示，可以将一天时间分为12：00以前和12：00以后两个时间段，分别统计两个时间段内各位置的累积点击比例，以此来确定相应下发的条数。

从图5可以看出，12点以后时间段的点击分布相比12点以前时间段要更分散一些，所以对于此时间段的下发条数可以更多一些，可能的原因是用户下午或晚上休息时间探索欲望更强、时间更多。如果想要更灵活一些，可以增加更多的时间段细分。

本实施例方案通过一种灵活的推送结果下发策略，结合用户点击反馈及时间上下文，在满足用户浏览需求的同时，避免了无效结果的下发，在一定程度上控制了数据流量。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种信息推送方法，其特征在于，包括：

获取用户端对信息推送列表的点击信息，形成用户点击日志；

基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

2.根据权利要求1所述的方法，其特征在于，所述基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的步骤包括：

从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

根据提取的所述点击位置信息，统计所述信息推送列表中各个推荐条目位置的点击数；

根据统计的各个推荐条目位置的点击数，分别计算得到所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

3.根据权利要求2所述的方法，其特征在于，所述根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的步骤包括：

从计算得到的所有点击百分比中选取满足预设条件的百分比对应的推荐条目位置；

将所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

4.根据权利要求1所述的方法，其特征在于，所述基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的步骤包括：

从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

根据提取的所述点击位置信息，分别统计设定的各时间段内，所述信息推送列表中各个推荐条目位置的点击数；

根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

5.根据权利要求4所述的方法，其特征在于，所述根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的步骤包括：

从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置；

将相应时间段内所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

6.一种信息推送服务器，其特征在于，包括：

获取模块，用于获取用户端对信息推送列表的点击信息，形成用户点击日志；

分析模块，用于基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；

下发模块，用于根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。

7.根据权利要求6所述的服务器，其特征在于，所述分析模块包括：

信息提取单元，用于从所述用户点击日志中提取用户对信息推送列表的点击位置信息；

统计单元，用于根据提取的所述点击位置信息，统计所述信息推送列表中各个推荐条目位置的点击数；

计算获取单元，用于根据统计的各个推荐条目位置的点击数，分别计算得到所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

8.根据权利要求7所述的服务器，其特征在于，

所述下发模块，还用于从计算得到的所有点击百分比中选取满足预设条件的百分比对应的推荐条目位置；将所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

9.根据权利要求7所述的服务器，其特征在于，

所述统计单元，还用于根据提取的所述点击位置信息，分别统计设定的各时间段内，所述信息推送列表中各个推荐条目位置的点击数；

所述计算获取单元，还用于根据统计的各时间段内各个推荐条目位置的点击数，分别计算得到每一时间段内，所述信息推送列表中前1条、（1+n）、（1+2n）……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，n为大于或等于1的整数。

10.根据权利要求9所述的服务器，其特征在于，

所述下发模块，还用于从计算得到的所有点击百分比中选取相应时间段内满足预设条件的百分比对应的推荐条目位置；将相应时间段内所述信息推送列表中第1位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。

11.一种信息推送系统，其特征在于，包括：用户端和与所述用户端通信连接的服务器；其中：

所述服务器为权利要求6-10中任一项所述的服务器；

所述用户端，用于响应用户对信息推送列表的点击操作，将点击信息上报至所述服务器；以及，接收所述服务器下发的推荐条目。