CN105184646A - 自助银行信息推送方法及装置 - Google Patents

Abstract

本发明实施例提供一种自助银行信息推送方法及装置。该方法包括：统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断营销内容对样本用户的第一吸引度；将多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对多个样本用户进行分类获得多个样本用户集，依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从目标营销内容集中选取任意一个目标营销内容推送给目标用户。本发明实施例提供了一种准确计算营销内容对客户的吸引度的方法，提高了营销内容的营销成功率。

Description

自助银行信息推送方法及装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种自助银行信息推送方法及装置。

背景技术

自助银行利用现代通讯和计算机技术，为客户提供智能化程度高、不受银行营业时间限制的24小时全天候金融服务，全部业务流程在没有银行人员协助的情况下完全由客户自己完成。

在自助银行厅内，部分银行会在未安装自助机具的空闲墙面上布置触控屏，该触控屏用于显示银行的营销内容，以便客户在自助银行厅内操作自助机具时注意到该触控屏中显示的营销内容，从而购买相应的营销内容。

不同客户对不同营销内容感兴趣的程度不同，即不同营销内容对不同客户的吸引度不同，但是，现有技术无法准确计算营销内容对客户的吸引度，导致营销内容的营销成功率较低。

发明内容

本发明实施例提供一种自助银行信息推送方法及装置，以提高营销内容的营销成功率。

本发明实施例的一个方面是提供一种自助银行信息推送方法，包括：

统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；

依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；

将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；

计算每个营销内容集对每个样本用户集的平均吸引度；

将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；

依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

本发明实施例的另一个方面是提供一种自助银行信息推送装置，包括：

统计模块，用于统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；

获取模块，用于依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；

分类模块，用于将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；

计算模块，用于计算每个营销内容集对每个样本用户集的平均吸引度；将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；

所述获取模块还用于依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

本发明实施例提供的自助银行信息推送方法及装置，提供了一种准确计算营销内容对客户的吸引度的方法，提高了营销内容的营销成功率。

附图说明

图1为本发明实施例提供的自助银行信息推送方法流程图；

图2为本发明实施例提供的自助银行信息推送装置的结构图；

图3为本发明另一实施例提供的自助银行信息推送装置的结构图。

具体实施方式

图1为本发明实施例提供的自助银行信息推送方法流程图。本发明实施例针对不同客户对不同营销内容感兴趣的程度不同，即不同营销内容对不同客户的吸引度不同，但是，现有技术无法准确计算营销内容对客户的吸引度，导致营销内容的营销成功率较低，提供了自助银行信息推送方法，该方法具体步骤如下：

步骤S101、统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；

在本发明实施例中假设预设时间T内有多个客户进入自动银行厅，该多个客户作为多个样本用户，该自动银行厅内没有安装自助机具的空闲墙面上布置有触控屏，该触控屏用于显示银行的营销内容，该多个样本用户进入自动银行厅后都会注意到该触控屏中显示的营销内容，不同的样本用户看到营销内容后会采取不同的行动，统计记录每个样本用户对其看到的营销内容采取行动的行为信息，例如，营销内容是滚动的，样本用户的目光会随着营销内容的滚动而转动，或者营销内容是可点击操作的，样本用户会点击该营销内容，再或者营销内容是可触控操作的，样本用户会触控操作该营销内容；本发明实施例根据样本用户的行为信息判断所述营销内容对所述样本用户的第一吸引度，例如，样本用户的目光转动速度与营销内容的滚动速度越相近，说明该营销内容对样本用户的吸引度越大；或者样本用户点击营销内容的次数越多，说明该营销内容对样本用户的吸引度越大；或者样本用户触控营销内容的时间越长，说明该营销内容对样本用户的吸引度越大。

步骤S102、依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；

在该自助银行厅内还设置有摄像头，当样本用户进入自助银行厅时，该摄像头依据采样间隔获取该样本用户的图像信息，与摄像头连接的设备依据图像识别算法获取样本用户的样本关注点和样本位置移动路径，样本关注点是样本用户面部双眼和鼻(或嘴)组成的三角形的中心法线与墙面相交的点，样本位置移动路径依据每个采样间隔采集到的图像信息中样本用户的脚部位置确定，从样本用户进入自动银行厅那一刻开始到样本用户距离营销内容预设距离的过程中，用样本用户脚部位置的变化表示样本位置移动路径。

步骤S103、将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；

根据步骤S102采集到的每个样本用户对应的样本关注点和样本位置移动路径对预设时间内出现的多个样本用户进行分类，具体地，将多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入到第一自组织神经网络，通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，例如，获得3个样本用户集A1、A2和A3。

同时，通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集，例如，获得3个营销内容集B1、B2和B3。若数据库中存储的营销内容数目大于预设时间内显示的营销内容的数目，则将数据库中没有显示过的营销内容通过第二自组织神经网络进行分类，划分到营销内容集B1、B2和B3中。或者，预先将数据库中存储的所有营销内容作为样本输入，通过第二自组织神经网络进行统一分类获得多个营销内容集。

步骤S104、计算每个营销内容集对每个样本用户集的平均吸引度；

对于3个样本用户集A1、A2、A3和3个营销内容集B1、B2、B3，计算每个营销内容集对每个样本用户集的平均吸引度，即计算B1对A1的平均吸引度B1/A1、B1对A2的平均吸引度B1/A2、B1对A3的平均吸引度B1/A3、B2对A1的平均吸引度B2/A1、B2对A2的平均吸引度B2/A2、B2对A3的平均吸引度B2/A3、B3对A1的平均吸引度B3/A1、B3对A2的平均吸引度B3/A2、B3对A3的平均吸引度B3/A3。

例如，B1中包括营销内容1、营销内容2、营销内容3，A1中包括样本用户1、样本用户2、样本用户3，样本用户1看到营销内容2，且营销内容2对样本用户1的第一吸引度为60％，样本用户2看到营销内容3，且营销内容3对样本用户2的第一吸引度为70％，样本用户3并没有看到B1中的营销内容，则B1对A1的平均吸引度B1/A1为(60％+70％)/2＝65％，其余的平均吸引度同理计算。

步骤S105、将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；

将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入到第三神经网络，由第三神经网络计算所述每个营销内容集对每个样本用户的第二吸引度，例如，对于样本用户1，计算营销内容集B1对样本用户1的第二吸引度B11、营销内容集B2对样本用户1的第二吸引度B21和营销内容集B3对样本用户1的第二吸引度B31，由于样本用户1看到的营销内容是营销内容集B1中的营销内容2，则营销内容集B1对样本用户1的第二吸引度B11等于60％，由于样本用户1没有看到营销内容集B2和营销内容集B3中的营销内容，样本用户1属于样本用户集A1，用营销内容集B2对样本用户集A1的平均吸引度B2/A1代替营销内容集B2对样本用户1的第二吸引度B21，用营销内容集B3对样本用户集A1的平均吸引度B3/A1代替营销内容集B3对样本用户1的第二吸引度B31。

步骤S106、依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

在预设时间之后，若自动银行厅新进来一个用户作为目标用户，先获取该目标用户的目标关注点和目标位置移动路径，将目标关注点和目标位置移动路径作为样本输入到第三神经网络，由第三神经网络计算出营销内容集B1对目标用户的第二吸引度B12、营销内容集B2对目标用户的第二吸引度B22和营销内容集B3对目标用户的第二吸引度B32，若B12、B22、B32中B22最大，则从营销内容集B2中选取任意一个目标营销内容推送给所述目标用户。由于营销内容集B2对目标用户的第二吸引度B22最大，说明营销内容集B2中的目标营销内容对目标用户的吸引度也较大。

本发明实施例提供了一种准确计算营销内容对客户的吸引度的方法，提高了营销内容的营销成功率。

在上述实施例的基础上，所述统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度，包括：依据所述样本用户的样本关注点跟踪所述营销内容的速度计算第一概率；依据所述样本用户点击所述营销内容的次数计算第二概率；依据所述样本用户触控所述营销内容的时间长度计算第三概率；所述第一吸引度为所述第一概率、所述第二概率和所述第三概率中的最大值。

由于样本用户的目光转动速度与营销内容的滚动速度越相近，说明该营销内容对样本用户的吸引度越大，具体的，依据计算第一概率，其中，V1表示所述样本用户的样本关注点移动速度，V2表示营销内容的滚动速度。

所述依据所述样本用户点击所述营销内容的次数计算第二概率，包括：依据所述样本用户点击所述营销内容的次数和所述营销内容的历史点击次数计算第二概率。

所述营销内容所属的营销内容集中包括多个营销内容，该多个营销内容分别对应被点击的历史次数，本发明实施例优选最小的点击次数对应的成功率为70％，该多个营销内容的平均点击次数对应的成功率为80％，最大的点击次数对应的成功率为90％，当所述样本用户点击所述营销内容的次数等于最小的点击次数时，第二概率为70％，当所述样本用户点击所述营销内容的次数等于该多个营销内容的平均点击次数时，第二概率为80％，当所述样本用户点击所述营销内容的次数等于最大的点击次数时，第二概率为90％。

所述依据所述样本用户触控所述营销内容的时间长度计算第三概率，包括：依据所述样本用户触控所述营销内容的时间长度和所述营销内容的历史触控时间长度计算第三概率。

所述营销内容所属的营销内容集中包括多个营销内容，该多个营销内容分别对应被触控的时间长度，本发明实施例优选最少的触控时间长度对应的成功率为70％，该多个营销内容的平均触控时间长度对应的成功率为80％，最大的触控时间长度对应的成功率为90％，当所述样本用户触控所述营销内容的时间长度等于最少的触控时间长度时，第三概率为70％，当所述样本用户触控所述营销内容的触控时间长度等于该多个营销内容的平均触控时间长度时，第三概率为80％，当所述样本用户触控所述营销内容的时间长度等于最大的触控时间长度时，第三概率为90％。

所述从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户之后，还包括：若所述目标用户点击所述目标营销内容，则更新所述目标营销内容的历史点击次数；若所述目标用户触控所述目标营销内容，则更新所述目标营销内容的历史触控时间长度。

获取所述目标用户对目标营销内容采取行动的行为信息，依据该行为信息更新数据库，具体为，若所述目标用户点击所述目标营销内容，则更新所述目标营销内容的历史点击次数；若所述目标用户触控所述目标营销内容，则更新所述目标营销内容的历史触控时间长度。

所述从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户之后，还包括：将所述目标用户作为样本用户，更新所述第一自组织神经网络、所述第二自组织神经网络和所述第三神经网络。

在本发明实施例中，依据上述方法向目标用户推送目标营销内容后，将所述目标用户作为样本用户，重复执行步骤S101到S106的方法，更新所述第一自组织神经网络、所述第二自组织神经网络和所述第三神经网络。

本发明实施例通过将目标用户作为样本用户，不断更新第一自组织神经网络、第二自组织神经网络和第三神经网络，进一步提高了计算营销内容对客户的吸引度的准确度。

图2为本发明实施例提供的自助银行信息推送装置的结构图。本发明实施例提供的自助银行信息推送装置可以执行自助银行信息推送方法实施例提供的处理流程，如图2所示，自助银行信息推送装置20包括统计模块21、获取模块22、分类模块23和计算模块24，其中，统计模块21用于统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；获取模块22用于依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；分类模块23用于将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；计算模块24用于计算每个营销内容集对每个样本用户集的平均吸引度；将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；获取模块21还用于依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

本发明实施例提供了一种准确计算营销内容对客户的吸引度的方法，提高了营销内容的营销成功率。

图3为本发明另一实施例提供的自助银行信息推送装置的结构图。在上述实施例的基础上，统计模块21具体用于依据所述样本用户的样本关注点跟踪所述营销内容的速度计算第一概率；依据所述样本用户点击所述营销内容的次数计算第二概率；依据所述样本用户触控所述营销内容的时间长度计算第三概率；所述第一吸引度为所述第一概率、所述第二概率和所述第三概率中的最大值。

统计模块21具体用于依据所述样本用户点击所述营销内容的次数和所述营销内容的历史点击次数计算第二概率；依据所述样本用户触控所述营销内容的时间长度和所述营销内容的历史触控时间长度计算第三概率。

自助银行信息推送装置20还包括更新模块25，更新模块25用于若所述目标用户点击所述目标营销内容，则更新所述目标营销内容的历史点击次数；若所述目标用户触控所述目标营销内容，则更新所述目标营销内容的历史触控时间长度。更新模块25还用于将所述目标用户作为样本用户，更新所述第一自组织神经网络、所述第二自组织神经网络和所述第三神经网络。

本发明实施例提供的自助银行信息推送装置可以具体用于执行上述图1所提供的方法实施例，具体功能此处不再赘述。

本发明实施例通过将目标用户作为样本用户，不断更新第一自组织神经网络、第二自组织神经网络和第三神经网络，进一步提高了计算营销内容对客户的吸引度的准确度。

综上所述，本发明实施例提供了一种准确计算营销内容对客户的吸引度的方法，提高了营销内容的营销成功率；通过将目标用户作为样本用户，不断更新第一自组织神经网络、第二自组织神经网络和第三神经网络，进一步提高了计算营销内容对客户的吸引度的准确度。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种自助银行信息推送方法，其特征在于，包括：

统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；

依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；

将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；

计算每个营销内容集对每个样本用户集的平均吸引度；

将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；

依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

2.根据权利要求1所述的方法，其特征在于，所述统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度，包括：

依据所述样本用户的样本关注点跟踪所述营销内容的速度计算第一概率；

依据所述样本用户点击所述营销内容的次数计算第二概率；

依据所述样本用户触控所述营销内容的时间长度计算第三概率；

所述第一吸引度为所述第一概率、所述第二概率和所述第三概率中的最大值。

3.根据权利要求2所述的方法，其特征在于，所述依据所述样本用户点击所述营销内容的次数计算第二概率，包括：

依据所述样本用户点击所述营销内容的次数和所述营销内容的历史点击次数计算第二概率；

所述依据所述样本用户触控所述营销内容的时间长度计算第三概率，包括：

依据所述样本用户触控所述营销内容的时间长度和所述营销内容的历史触控时间长度计算第三概率。

4.根据权利要求3所述的方法，其特征在于，所述从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户之后，还包括：

若所述目标用户点击所述目标营销内容，则更新所述目标营销内容的历史点击次数；

若所述目标用户触控所述目标营销内容，则更新所述目标营销内容的历史触控时间长度。

5.根据权利要求4所述的方法，其特征在于，所述从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户之后，还包括：

将所述目标用户作为样本用户，更新所述第一自组织神经网络、所述第二自组织神经网络和所述第三神经网络。

6.一种自助银行信息推送装置，其特征在于，包括：

统计模块，用于统计预设时间内多个样本用户对其看到的营销内容采取行动的行为信息判断所述营销内容对所述样本用户的第一吸引度；

获取模块，用于依据图像识别算法获取每个样本用户的样本关注点和样本位置移动路径；

分类模块，用于将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入通过第一自组织神经网络对所述多个样本用户进行分类获得多个样本用户集，并通过第二自组织神经网络对所述预设时间内显示的所有营销内容进行分类获得多个营销内容集；

计算模块，用于计算每个营销内容集对每个样本用户集的平均吸引度；将所述多个样本用户分别对应的样本关注点和样本位置移动路径作为样本输入，将每个营销内容集对每个样本用户的第二吸引度作为样本输出，对第三神经网络进行有导师训练，，若所述样本用户看到的营销内容在所述营销内容集中，则所述第二吸引度等于所述样本用户对应的所述第一吸引度，若所述样本用户看到的营销内容不在所述营销内容集中，则所述第二吸引度等于所述营销内容集对所述样本用户所属的样本用户集的平均吸引度；

所述获取模块还用于依据图像识别算法获取目标用户的目标关注点和目标位置移动路径，将所述目标关注点和目标位置移动路径作为样本输入通过第三神经网络获得第二吸引度最大值对应的目标营销内容集，并从所述目标营销内容集中选取任意一个目标营销内容推送给所述目标用户。

7.根据权利要求6所述的自助银行信息推送装置，其特征在于，所述统计模块具体用于依据所述样本用户的样本关注点跟踪所述营销内容的速度计算第一概率；依据所述样本用户点击所述营销内容的次数计算第二概率；依据所述样本用户触控所述营销内容的时间长度计算第三概率；所述第一吸引度为所述第一概率、所述第二概率和所述第三概率中的最大值。

8.根据权利要求7所述的自助银行信息推送装置，其特征在于，所述统计模块具体用于依据所述样本用户点击所述营销内容的次数和所述营销内容的历史点击次数计算第二概率；依据所述样本用户触控所述营销内容的时间长度和所述营销内容的历史触控时间长度计算第三概率。

9.根据权利要求8所述的自助银行信息推送装置，其特征在于，还包括：

更新模块，用于若所述目标用户点击所述目标营销内容，则更新所述目标营销内容的历史点击次数；若所述目标用户触控所述目标营销内容，则更新所述目标营销内容的历史触控时间长度。

10.根据权利要求9所述的自助银行信息推送装置，其特征在于，所述更新模块还用于将所述目标用户作为样本用户，更新所述第一自组织神经网络、所述第二自组织神经网络和所述第三神经网络。