CN105430100A - 一种用户价值的评估方法、装置及其应用方法和系统 - Google Patents

Abstract

本发明涉及互联网技术领域，公开了一种用户价值的评估方法、装置及其应用方法和系统，以解决现有技术中所评估的用户价值不够准确的技术问题。该方法包括：获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。也即是，在确定用户的用户价值时需要考虑到多重因素，故而存在着对用户价值的评估更加准确的技术效果。

Description

一种用户价值的评估方法、装置及其应用方法和系统

技术领域

本发明涉及互联网技术领域，尤其涉及一种用户价值的评估方法、装置及其应用方法和系统。

背景技术

随着科学技术的不断发展，电子技术也得到了飞速的发展，电子产品的种类也越来越多，人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的移动终端，享受随着科技发展带来的舒适生活。例如，智能手机、平板电脑等移动终端已经成为人们生活中一个重要的组成部分，用户可以使用智能手机、平板电脑等移动终端来听音乐、玩游戏等等，以减轻现代快节奏生活所带来的压力。

通常情况下，电子设备都具备网络访问功能，电子设备通过和网络服务器的交互实现网络访问，并接收网络服务器提供的各种数据，其中，基于用户访问各个网站，各个网站能从中获得相关收益，其中用户价值越高，各个网站从对应用户所获得收益也越大。现有技术中，往往通过ARPU(每用户平均收入：ARPU-AverageRevenuePerUser),评估用户价值，ARPU注重的是一个时间段内运营商从每个用户所得到的利润，然而该评估方式往往只基于用户的历史消费行为评估用户的价值，由于其参考的因素较少，故而存在着所评估的用户价值不够准确的技术问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用户价值的评估方法、装置及其应用方法和系统。

第一方面，本发明实施例提供一种用户价值的评估方法，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

可选的，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

可选的，所述基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值，包括：

确定所述用户粘性数据、所述用户活跃度数据和所述用户产出数据所对应的标准化数据；

将所述标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出所述用户价值。

第二方面，本发明实施例提供一种用户价值的评估方法，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

可选的，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

第三方面，本发明实施例提供一种基于用户价值的信息推送方法，包括：

基于本发明任一实施例所介绍的用户价值的评估方法，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

判断所述第一用户价值是否小于所述第二用户价值；

在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

可选的，在所述第一用户价值小于所述第二用户价值时，所述方法还包括：

针对所述用户的所述第一用户价值小于所述第二用户价值进行提示。

可选的，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

获取所述用户访问网络过程中的历史访问记录；

基于所述历史访问记录确定出所述用户的兴趣特征；

基于所述用户的兴趣特征确定出所述第一推送信息。

可选的，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

确定所述用户与各个其他用户的用户相似度值；

确定与所述用户的所述用户相似度值大于预设相似度值的用户作为相似用户；

基于所述相似用户的兴趣特征确定出所述第一推送信息。

可选的，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

确定所述用户与各个其他用户的用户相似度值；

确定与所述用户的所述用户相似度值从高到低排序位于前M位的其他用户作为相似用户，M为正整数；

基于所述相似用户的兴趣特征确定出所述第一兴趣特征。

可选的，所述确定所述用户与各个其他用户的用户相似度值，包括：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者

根据所述用户的属性标签和各个其他用户的属性标签，确定出所述用户与各个其他用户的所述用户相似度值。

第四方面，本发明实施例提供一种基于用户价值的信息推送方法，包括：

基于本发明任一实施例所介绍的用户价值的评估方法，确定用户在当前时间的第一用户价值；

判断所述第一用户价值是否大于预设用户价值；

如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

可选的，所述获取与用户的用户相似度值大于预设相似度值的其他用户，包括：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者根据所述第一用户的属性标签和各个其他用户的属性标签，确定出所述第一用户与各个其他用户的所述用户相似度值；

基于所述用户与各个其他用户的所述用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

可选的，所述通过每个用户的终端向对应用户发送第二推送信息，包括：

在预定时间通过对应用户的终端向对应用户发送所述第二推荐信息。

第五方面，本发明实施例提供一种基于用户价值的信息推送方法，包括：

获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

基于本发明任一实施例所介绍的用户价值的评估方法，确定出所述至少一个用户中每个用户针对所述特定应用程序的用户价值；

基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

可选的，所述基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别，包括：

将所述多个用户按照所述用户价值从高到低进行排序；

基于所述排序，从所述多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

可选的，所述基于每个用户的所述用户价值将所述多个用户按照所述用户价值高低划分为至少两个用户类别，包括：

判断每个用户的所述用户价值是否大于预设用户价值；

将所述用户价值大于所述预设用户价值的用户作为第一类别用户。

第六方面，本发明实施例提供一种用户价值的评估装置，包括：

第一获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

第一评估模块，用于基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

可选的，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

可选的，所述第一评估模块，包括：

第一确定单元，用于确定所述用户粘性数据、所述用户活跃度数据和所述用户产出数据所对应的标准化数据；

第一计算单元，用于将所述标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出所述用户价值。

第七方面，本发明实施例提供一种用户价值的评估装置，包括：

第二获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

传输模块，用于将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

可选的，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

第八方面，本发明实施例提供一种基于用户价值的信息推送系统，包括：

第一获知模块，用于基于本发明任一实施例所介绍的用户价值的评估装置，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

第一判断模块，用于判断所述第一用户价值是否小于所述第二用户价值；

第一推送模块，用于在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

可选的，所述系统还包括：

提示模块，用于在所述第一用户价值小于所述第二用户价值时，针对所述用户的所述第一用户价值小于所述第二用户价值进行提示。

可选的，所述系统还包括：

第一获取模块，用于获取所述用户访问网络过程中的历史访问记录；

第一确定模块，用于基于所述历史访问记录确定出所述用户的兴趣特征；

第二确定模块，用于基于所述用户的兴趣特征确定出所述第一推送信息。

可选的，所述系统还包括：

第三确定模块，用于确定所述用户与各个其他用户的用户相似度值；

第四确定模块，用于确定与所述用户的所述用户相似度值大于预设相似度值的用户作为相似用户；

第五确定模块，用于基于所述相似用户的兴趣特征确定出所述第一推送信息。

可选的，所述系统还包括：

第六确定模块，用于确定所述用户与各个其他用户的用户相似度值；

第七确定模块，用于确定与所述用户的所述用户相似度值从高到低排序位于前M位的其他用户作为相似用户，M为正整数；

第八确定模块，用于基于所述相似用户的兴趣特征确定出所述第一兴趣特征。

可选的，所述第三确定模块或所述第六确定模块，用于：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者

根据所述用户的属性标签和各个其他用户的属性标签，确定出所述用户与各个其他用户的所述用户相似度值。

第九方面，本发明实施例提供一种基于用户价值的信息推送系统，包括：

第九确定模块，用于基于本发明任一实施例所介绍的用户价值的评估装置，确定用户在当前时间的第一用户价值；

第二判断模块，用于判断所述第一用户价值是否大于预设用户价值；

第二获取模块，用于如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

加入模块，用于将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

第二推送模块，用于针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

可选的，所述第二获取模块，包括：

第二确定单元，用于根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者根据所述第一用户的属性标签和各个其他用户的属性标签，确定出所述第一用户与各个其他用户的所述用户相似度值；

第三确定单元，用于基于所述用户与各个其他用户的所述用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

可选的，所述第二推送模块，用于在预定时间通过对应用户的终端向对应用户发送所述第二推荐信息。

第十方面，一种基于用户价值的信息推送系统，包括：

第三获取模块，用于获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

第十确定模块，用于基于本发明任一实施例所介绍的用户价值的评估装置，确定出所述至少一个用户中每个用户针对所述特定应用程序的用户价值；

划分模块，用于基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

第三推送模块，用于针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

可选的，所述划分模块，包括：

排序单元，用于将所述多个用户按照所述用户价值从高到低进行排序；

获取单元，用于基于所述排序，从所述多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

可选的，所述划分模块，包括：

判断单元，用于判断每个用户的所述用户价值是否大于预设用户价值；

第四确定单元，用于将所述用户价值大于所述预设用户价值的用户作为第一类别用户。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：

由于在本发明实施例中，获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。也即是，在确定用户的用户价值时需要考虑到多重因素，故而存在着对用户价值的评估更加准确的技术效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种用户价值的评估方法的流程图；

图2示出了根据本发明一个实施例的一种用户价值的评估方法中确定用户价值的流程图；

图3示出了根据本发明一个实施例的另一种用户价值的评估方法的流程图；

图4示出了根据本发明一个实施例的第一种基于用户价值的信息推送方法的流程图；

图5示出了根据本发明一个实施例的第一种基于用户价值的信息推送方法中确定出两个用户的用户相似度值的流程图；

图6示出了根据本发明一个实施例的第二种基于用户价值的信息推送方法的流程图；

图7示出了根据本发明一个实施例的第三种基于用户价值的信息推送方法的流程图；

图8示出了根据本发明一个实施例的一种用户价值的评估装置的结构图；

图9示出了根据本发明一个实施例的另一种用户价值的评估装置的结构图；

图10示出了根据本发明一个实施例的第一种基于用户价值的信息推送系统的结构图；

图11示出了根据本发明一个实施例的第二种基于用户价值的信息推送系统的结构图；

图12示出了根据本发明一个实施例的第三种基于用户价值的信息推送系统的结构图。

具体实施方式

本发明实施例中的方案总体思路如下：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。也即是，在确定用户的用户价值时需要考虑到多重因素，故而存在着对用户价值的评估更加准确的技术效果。

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

第一方面，本发明实施例提供一种用户价值的评估方法，请参考图1，包括：

步骤S101：获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；

步骤S102：基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。

步骤S101中，用户粘性数据通常反应用户针对应用程序的忠诚度，用户粘性数据通常可以包含多种参数，例如：①用户访问应用程序的访问频率。其中，可以获取预设时间段(例如：10天、15天等等)内用户访问该应用程序的总次数，然后通过总次数除以天数，就可以获得该访问频率。②用户访问应用程序的平均访问时间间隔，其中，可以获取用户每次访问应用程序的时间，然后通过相邻的两个时间做差值，就可以确定这两个时间之间的访问时间间隔，然后将预设时间段内该用户的多个访问时间间隔进行加和后除以访问次数，就可以获取平均访问时间间隔。③用户访问应用程序的最近访问时间。其中，可以记录该用户每次访问该应用程序的时间，然后获取最后一次访问该应用程序的时间作为最近访问时间。当然，在具体实施过程中，用户粘性数据还可以包含其他数据，本发明实施例不再详细列举，并且不作限制。

步骤S101中，用户活跃度数据也可以包含多种参数，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

①用户活跃度数据包括：用户使用应用程序的使用时长。

举例来说，用户使用该应用程序的使用时长可以为预设时间段的总使用时长，也可以为平均使用时长，其中针对预设时间内用户针对该应用程序的每次使用时长进行加和，就可以获得总使用时长，将总使用时长除以使用次数，就可以获得平均使用时长。

②用户活跃度数据包括：用户访问应用程序所推荐的应用程序的访问时长。

举例来说，用户在访问该应用程序时，可以通过该应用程序向用户推荐其他应用程序，例如：将用于推荐其他应用程序的推荐信息显示于该应用程序的主页、显示于该应用程序的推荐列表、或者在用户使用该应用程序时产生push(推送消息)推荐其他应用程序等等。

其中，用户通过点击该应用程序所推荐的其他应用程序的访问链接就可以访问对应的应用程序，可以将用户在对应应用程序的停留时长作为该访问时长，同理，该访问时长既可以为总访问量时长，也可以为平均访问时长，本发明实施例不作限制。

用户产出数据也可以包括多种参数，下面列举其中的四种进行介绍，当然，在具体实施过程中，不限于以下四种情况。

①用户产出数据包括：用户针对应用程序的消费信息。

举例来说，在基于当前应用程序向用户推荐应用程序之后，用户可能针对被推荐的应用程序产生一些消费行为，例如：购买行为、充值行为等等，可以获取该用户的消费行为所对应的消费金额作为消费信息，也可以获取该用户产生的消费行为的应用程序数量作为消费信息，对于基于用户的消费行为确定何种形式的消费信息，本发明实施例不再详细列举，并且不作限制。

②用户产出数据包括：用户所访问的应用程序信息，所访问的应用程序的信息例如为所访问的被推荐应用程序的数量、所访问的被推荐的应用程序类别数量(也即访问了多少个类别下的被推荐应用程序)等等。

③用户产出数据包括：用户所点击的应用程序信息。举例来说，所点击的应用程序信息例如为：点击被推荐应用程序的总数量、点击被推荐应用程序的总次数等等。

④用户产出数据包括：用户所下载的应用程序信息。所下载的应用程序信息例如为下载被推荐应用程序的数量、下载的被推荐应用程序的名称等等。

在具体实施过程中，以上步骤S101和步骤S103没有执行先后顺序之分，可以同时执行，也可以先执行其中任一步骤。

步骤S102中，基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值，请参考图2，包括：

步骤S201：确定用户粘性数据、用户活跃度数据和用户产出数据所对应的标准化数据；

步骤S202：将标准化数据代入用于计算用户价值的AHP(theanalytichierarchyprocess：层次分析法)模型，进而计算出用户价值。

在执行上述步骤S201和步骤S202之前，需要首先训练获得AHP模型，AHP是由ThomasL.Saaty开发出的一种分析多目标、多准则、多因素、复杂大系统的定性与定量相结合的系统分析方法。它将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。

下面将介绍该AHP模型的训练过程，具体包括以下步骤：

(1)确定训练AHP模型的相关参数，假设其相关参数如表1所示(当然还可以为其他形式的相关参数)：

表1

(2)建立判断矩阵

层次图中上层节点关于其子层节点组成一个树形，同一个父节点下的子层节点元素间两两比较，求得相对重要性作为判断矩阵的元素。求得的判断矩阵为：A＝(a_ij)_n×n

其中，1≤i≤n，1≤j≤n，a_ij＞0，

以表1所示的训练AHP模型的相关参数为例，则用户价值为根节点，用户价值下面包含：用户粘性数据、用户活跃度数据、用户产出数据三个子节点；用户粘性数据下包含访问频率、平均访问时间间隔、最近访问时间三个子节点；用户活跃度数据下包含：使用应用程序的使用时长、用户访问应用程序所推荐的应用程序的访问时长两个子节点；用户产出数据下包含：用户针对应用程序的消费信息、用户所访问的应用程序信息、用户所点击的应用程序信息、用户所下载的应用程序信息这四个子节点。

相对重要性标度方法：若因素i与因素j同等重要，取a_ij＝1；若因素i比因素j略微重要，取a_ij＝2；若因素i比因素j明显重要，取a_ij＝3；若因素i比因素j明显重要，取a_ij＝4；若因素i比因素j极端重要，取a_ij＝5。当然，还可以采用其他相对重要性标度方法，本发明实施例不再详细列举，并且不作限制。

进而，可以基于表1中各个确定用户价值的变量的相对重要性，给各变量打分，进而建立对应的判断矩阵，例如假设建立如表2～表5所示的判断矩阵(当然还可以根据实际需求建立其他形式的判断矩阵，本发明实施例不再详细列举，并且不作限制)：

表2一级指标层判断矩阵

u	u2	u3
			u1	2	2/5
u2		1/5

其中，u1表示用户粘性数据，u2表示用户活跃度数据，u3表示用户产出数据。

表3u1-2级判断矩阵

u1	u12	u13
			u11	1	2
u12		1

其中，u11表示访问频率，u12表示平均访问时间间隔，u13表示最近访问时间。

表4u2-2级判断矩阵

u2	u22
		u21	1/2

其中，u21表示使用应用程序的使用时长，u22表示用户访问应用程序所推荐的应用程序的访问时长。

表5u3-2级判断矩阵

u3	u32	u33	u34
				u31	4	5	3
u32		1	1/2
				u33			1/3

其中，u31表示用户针对应用程序的消费信息，u32表示用户所访问的应用程序信息，u33表示用户所点击的应用程序信息，u34表示用户所下载的应用程序信息。

(3)在获得上述判断矩阵之后，求得各判断矩阵对应最大特征值的特征向量，对特征向量进行归一化处理之后，就可以获得各子节点相对其父节点的重要性权值，假设所获得重要性权值如下：

A_n＝(a₁，a₂，a₃)

A_n1＝(a₁₁，a₁₂，a₁₃)

A_n2＝(a₂₁，a₂₂)

A_n3＝(a₃₁，a₃₂,a₃₃，a₃₄)

其中，a₁表示用户粘性数据的重要性权值，a₂表示用户活跃度数据的重要性权值，a₃表示用户产出数据的重要性权值；

a₁₁表示用户访问应用程序的访问频率的重要性权值，a₁₂表示平均访问时间间隔的重要性权值，a₁₃表示最近访问时间的重要性权值；

a₂₁表示用户使用应用程序的使用时长的重要性权值，a₂₂表示用户访问应用程序所推荐的应用程序的访问时长的重要性权值；

a₃₁表示用户针对应用程序的消费信息的重要性权值，a₃₂表示用户所访问的应用程序信息的重要性权值，a₃₃表示用户所点击的应用程序信息的重要性权值，a₃₄表示用户所下载的应用程序信息所对应的重要性权值。

基于前面获得的重要性权值，则可以确定出最终的AHP模型如下：

U＝a₁*(a₁₁*u₁₁+a₁₂*u₁₂+a₁₃*u₁₃)+a₂*(a₂₁*u₂₁+a₂₂*u₂₂)

+a₃*(a₃₁*u₃₁+a₃₂*u₃₂+a₃₃*u₃₃+a₃₄*u₃₄)……………………[1]

其中，U表示用户价值；

u₁₁表示用户访问应用程序的访问频率的标准化数据，u₁₂表示平均访问时间间隔的标准化数据，u₁₃表示最近访问时间的标准化数据；

u₂₁表示用户使用应用程序的使用时长的标准化数据，u₂₂表示用户访问应用程序所推荐的应用程序的访问时长的标准化数据；

u₃₁表示用户针对应用程序的消费信息的标准化数据，u₃₂表示用户所访问的应用程序信息的标准化数据，u₃₃表示用户所点击的应用程序信息的标准化数据，u₃₄表示用户所下载的应用程序信息的标准化数据。

在获得上述AHP模型之后，就可以基于步骤S201和步骤S202计算获得用户的用户价值。

步骤S201中，针对每种参数由于其单位、指标不一样，故而首先要获得每个参数的标准化数据，其中获得标准化数据的计算公式如下：

$x^{\′}=\frac{x-x^S}{x^L-x^S}...\[2\]$

$x^{\′}=\frac{x^L-x}{x^L-x^S}...\[3\]$

其中，上述公式[2]中为正相关的参数的标准化数据计算公式，上述公式[3]为负相关的参数的标准化数据计算公式，x'表示某参数的标准化数据，x表示某参数标准化前的取值，x^L表示所有记录中该参数的最大值，x^S表示所有记录中该参数的最小值。

步骤S202中，直接将步骤S201所计算获得的各参数的标准化数据代入上述公式[1]就可以获得对应的用户价值。

基于同一发明构思，本发明实施例还提供另一种用户价值的评估方法，请参考图3，包括：

步骤S301：获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；

步骤S302：将用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估用户的用户价值。

步骤S301中，举例来说，用户粘性数据包括：用户访问应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

举例来说，用户活跃度数据包括：用户使用应用程序的使用时长、用户访问应用程序所推荐的应用程序的访问时长中的至少一种参数。

举例来说，用户产出数据包括：用户针对应用程序的消费信息、用户所访问的应用程序信息、用户所点击的应用程序信息、用户所下载的应用程序信息中的至少一种参数。

步骤S302中，基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值，包括：确定用户粘性数据、用户活跃度数据和用户产出数据所对应的标准化数据；将标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出用户价值。

基于同一发明构思，本发明实施例还提供了一种基于用户价值的信息推送方法，该方法为对本发明实施例所介绍的用户价值的评估方法的进一步的使用，请参考图4，该方法包括：

步骤S401：基于本发明任一实施例所介绍的用户价值的评估方法，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

步骤S402：判断第一用户价值是否小于第二用户价值；

步骤S403：在第一用户价值小于第二用户价值时，通过终端向用户产生第一推送信息。

举例来说，步骤S401中，可以获取当前时间所对应的用户粘性数据、用户活跃度数据、用户产出数据，然后基于本发明任一实施例所介绍用户价值的评估方法计算出用户在当前时间所对应的第一用户价值；

另外，可以获取当前时间之前的用户粘性数据、用户活跃度数据和用户产出数据，并基于这些数据计算出当前时间之前的第二用户价值。

其中，某时间点所对应的确定用户价值的各个数据例如为：该时间点之前的预设时间段内的数据，以该时间点为当前时间为例，则确定当前时间的第一用户价值所采用的数据例如为当前时间之前的1天、1周的对应数据；以该时间点为当前时间之前的某时间为例，如果该时间点为2天前，则确定2天前的第二用户价值所采用的数据例如为2天前的1天、或者1周的对应数据，当然，确定用户价值的数据还可以采用其他时间段的数据，本发明实施例不再详细列举，并且不作限制。

步骤S303中，如果第一用户价值不小于第二用户价值，则说明用户对该应用程序的兴趣并未减弱；而如果第一用户价值小于第二用户价值，则说明用户对该应用程序的兴趣在逐渐减弱，甚至可能会流失。故而需要通过一些措施方式该用户流失，第一推送信息则为防止用户流失的推送信息。

步骤S303中，可以向用户产生多种形式的第一推送信息，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，第一推送信息与用户的用户兴趣相关，在具体实施过程中，可以通过多种方式确定出用户兴趣，进而确定出第一推送信息的方式也不同，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限以下两种情况。

确定与用户的兴趣相关的第一推送信息的方式一：获取用户访问网络过程中的历史访问记录；基于历史访问记录确定出用户的兴趣特征；基于用户的兴趣特征确定出第一推送信息。

举例来说，可以收集预设时间段(例如：1周、半个月)内用户的历史访问记录，该历史访问记录包括：网络搜索记录、网络点击记录、网络浏览记录等等，然后，从历史访问记录中提取出用户访问网络所包含的关键词信息，并从关键词信息中获取排序位于前几位(例如：5位、10位等等)的关键词作为该用户的兴趣特征。然后通过该兴趣特征在网络进行搜索获得对应的搜索结果，并将对应的搜索结果作为第一推送信息提供给用户，又或者通过该兴趣特征在当前应用程序所推荐的应用程序中进行搜索，获得用户所感兴趣的应用程序提供给用户。进而，提高当前应用程序对用户的吸引力，防止用户价值继续降低。

确定与用户的兴趣相关的第一推送信息的方式二：根据用户的行为数据和各个其他用户的行为数据确定出用户与各个其他用户的用户相似度值；或者根据用户的属性标签和各个其他用户的属性标签，确定出用户与各个其他用户的用户相似度值；确定与用户的用户相似度值大于预设用户相似度值的其他用户；基于其他用户的兴趣特征向用户产生第一推送信息。

在具体实施过程中，以通过行为数据确定出用户与其他用户的用户相似度值为例，请参考图5，可以通过以下步骤确定出该用户相似度值：

步骤S501：通过行为数据确定出当前用户的第一特征向量，第一特征向量与当前用户针对各应用程序的第一行为对应；

步骤S502：通过行为数据确定其他用户中的任一用户的第二特征向量，第二特征向量与对应用户针对各应用程序的第一行为对应；

步骤S503：通过第一特征向量和第二特征向量确定当前用户与对应用户的用户相似度值。

步骤S501中，这里的行为数据例如为用户针对该应用程序所推荐的其他应用程序的充值行为、点击行为、下载行为等等，本发明实施例不作限制。

以第一行为为充值行为、行为数据为充值金额为例，假设系统中通包含10个用户，其用户ID分别为ID1～ID10，共包含6类应用程序，分别为①音乐类APP，音乐类APP下包含APP1～APP3；②视频类APP，视频类APP下包含APP4～APP7；③游戏类，游戏类APP下包含APP8～APP11；④图像处理类APP下包含APP12～APP13；⑤阅读器类APP，阅读器类下包含APP14～APP17。

每个用户针对各个应用程序的充值行为数据如表6所示(其中，如果没有充值行为，则在表6中不示出，[]中的数据则为行为数据)：

表6

步骤S501和步骤S502中可以通过多种方式确定出用户的特征向量，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

确定用户的特征向量的方式①：将用户针对每个应用程序的行为数据作为特征向量中的一个取值，进而存在多少个应用程序，则该特征向量包含多少个取值，具体为：X＝[Q_APP1，Q_APP2，……，Q_APPn]，n表示应用程序的数量；以表6所示的充值行为数据为例，则每个用户的特征向量包含17个取值，具体为X＝[Q_APP1，Q_APP2，……，Q_APP17]，用户ID1的特征向量具体为X_ID1＝[5，10，0，3，0，0，0，20，0，0，10，0，0，0，0，0，0]，针对其他用户确定出特征向量的方式与之类似，故而在此不再赘述。

确定用户的特征向量的方式②：将用户针对每类应用程序的行为数据作为特征向量中的一个取值，进而存在多少类应用程序，则该特征向量包含多少个取值，以表6所示的充值行为数据为例，则每个用户的特征向量包含5个取值，则用户ID1的特征向量具体为X_ID1＝[5+10，3，20+10，0，0]＝[15，3，30，0,0]，针对其他用户其特征向量确定方式与之类似，在此不再赘述。

步骤S503中，基于第一特征向量和第二特征向量确定出用户相似度值时，又可以采用多种方式，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

①通过第一特征向量和第二特征向量确定当前用户与对应用户的用户相似度值包括：计算第一特征向量与第二特征向量的第一距离值；通过第一距离值确定用户相似度值，用户相似度值与第一距离值呈反相关关系。

其中，可以计算多种形式的第一距离值，例如：欧几里得距离、明可夫斯基距离、曼哈顿距离等等，本发明实施例不作限制。在计算出第一距离值之后，可以直接将第一距离值的倒数作为用户相似度值，也可以将该倒数乘以一个特定系数之后作为用户相似度值，当然，基于第一距离值确定用户相似度值还可以采用其他方式，本发明实施例不再详细列举，并且不作限制。

②通过第一特征向量和第二特征向量确定当前用户与对应用户的用户相似度值包括：计算第一特征向量与第二特征向量的第一相似度值；通过第一相似度值确定用户相似度值，用户相似度值与第一相似度值呈正相关关系。

其中，可以计算多种形式的第一相似度值，例如：余弦相似度、皮尔森相关系数、调整余弦相似度等等，本发明实施例不作限制。在确定出第一相似度值之后，可以直接将第一相似度值作为用户相似度值，也可以第一相似度值乘以一个特定系数之后作为用户相似度值等等，当然，在通过第一相似度值确定出用户相似度值时，还可以采用其他方式，本发明实施例不再详细列举，并且不作限制。

通过用户的属性标签和各个其他用户的属性标签计算用户与各个其他用户的用户相似度值的方式类似，也即先基于用户的属性标签确定出第一特征向量，基于各个其他用户的属性标签确定出第二特征向量，然后基于第一特征向量与第二特征向量确定出用户与其他用户的用户相似度值。基于第一特征向量与第二特征向量确定出用户相似度值的方式前面已作介绍，在此不再赘述。

其中，系统中针对用户存在很多属性标签，不同的用户所包含的属性标签并不相同，针对某个用户可以该用户存在某个属性标签，则该属性标签对应的取值为1，如果该用户不存在某个属性标签，则该属性标签对应的取值为0，进而获得用户的特征向量，当然，基于用户的属性标签还可以通过其他方式确定出用户的特征向量，本发明实施例不再详细列举，并且不作限制。

在确定出用户与各个其他用户的用户相似度值之后，可以判断用户与每个用户的用户相似度值是否大于预设用户相似度值，如果大于预设用户相似度值，则确定对应用户与当前用户为相似用户，两者有着相似的兴趣特征，进而可以将对应用户的兴趣特征作为当前用户的兴趣特征，基于对应用户的兴趣特征给当前用户产生第一推送信息。其中，其他用户的兴趣特征可以由其他用户手动设置，也可以通过对其他用户的历史访问记录进行分析确定，本发明实施例不作限制。

基于同一发明构思，本发明实施例还提供了另一种基于用户价值的信息推送方法，该方法为对本发明实施例所介绍的用户价值的评估方法的进一步的使用，请参考图6，该方法包括：

步骤S601：基于本发明任一实施例所介绍用户价值的评估方法，确定用户在当前时间的第一用户价值；

步骤S602：判断第一用户价值是否大于预设用户价值；

步骤S603：如果第一用户价值大于预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

步骤S604：将与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，预设用户列表中包含用户价值大于预设用户价值的用户；

步骤S605：针对预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

步骤S602中可以根据实际需求设置不同的预设用户价值，本发明实施例不作限制。如果第一用户价值大于预设用户价值，则说明该用户为高价值用户，进而可以基于该用户与其他用户的用户相似度值挖掘出一批高价值的用户。

步骤S603中，可以通过多种方式获取与当前用户的用户相似度值大于预设相似度值的其他用户，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，获取与用户的用户相似度值大于预设相似度值的其他用户，包括：根据用户的行为数据和各个其他用户的行为数据确定出用户与各个其他用户的用户相似度值；基于用户与各个其他用户的用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

对于具体在实施例过程中，如何通过各个用户的用户行为确定出与当前用户的用户相似度值大于预设相似度值的其他用户，由于前面已作介绍，故而在此不再赘述。

第二种，获取与用户的用户相似度值大于预设相似度值的其他用户，包括：根据用户的属性标签和各个其他用户的属性标签，确定出用户与各个其他用户的用户相似度值；基于用户与各个其他用户的用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

对于具体在实施例过程中，如何通过各个用户的属性标签确定出与当前用户的用户相似度值大于预设相似度值的其他用户，由于前面已作介绍，故而在此不再赘述。

步骤S605中，举例来说，由于预设用户列表的用户为高价值的用户，故而可以针对这些高价值的用户进行一些有针对性的推送，例如：推荐较好的APP、推荐需要推广的APP等等，另外还可以推送红包，以激励这些用户使用应用程序的积极性。

作为一种可选的实施例，针对预设用户列表的用户产生第二推送信息，包括：每隔预设时间间隔针对预设用户列表的用户产生第二推送信息。

举例来说，预设时间间隔例如为：1天、2天等等，可以每隔该预设时间间隔就向用户派发红包、积分、虚拟产品等等。

通过上述方案，能够在当前用户为高价值用户的情况下，通过用户相似度值挖掘出另一批高价值用户；并且进一步的还可以实现对这些高价值用户进行信息推荐的技术效果。

基于同一发明构思，本发明实施例还提供了另一种基于用户价值的信息推送方法，该方法为对本发明实施例所介绍的用户价值的评估方法的进一步的使用，请参考图7，该方法包括：

步骤S701：获取至少一个终端上报的至少一个用户信息，至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

步骤S702：基于本发明任一实施例所介绍的用户价值的评估方法，确定出至少一个用户中每个用户针对特定应用程序的用户价值；

步骤S703：基于每个用户的用户价值将至少一个用户按照用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

步骤S704：针对第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

步骤S703中，至少两个用户类别例如为：高价值用户类别、低价值用户类别；又或者，至少两个用户类别例如为：高价值用户类别、中等价值用户类别、低价值用户类别等等，对于至少两个用户类别为何种用户类别，本发明实施例不作限制。其中，第一类别用户例如为高价值用户类别下所包含的用户。

步骤S703中，可以通过多种方式将多个用户划分为至少两个用户类别，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，基于每个用户的用户价值将多个用户按照用户价值高低划分为至少两个用户类别，包括：将多个用户按照用户价值从高到低进行排序；基于排序，从多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

预设比例例如为：20％、30％等等，本发明实施不作限制，其中，排序靠前的预设比例的用户往往为用户价值较高的用户，基于该方案可以将用户价值较高的用户与其他用户区分。

第二种，基于每个用户的用户价值将多个用户按照用户价值高低划分为至少两个用户类别，包括：判断每个用户的用户价值是否大于预设用户价值；将用户价值大于预设用户价值的用户作为第一类别用户。

在具体实施过程中，可以根据实际需求设置不同的预设用户价值，如果希望所确定出的第一类别用户较多，则可以将预设用户价值设置的较低，如果希望所确定出第一类别用户较少，则可以将预设用户设置较高等等。

步骤S704中，举例来说，第一类别用户通常为针对当前应用程序的用户价值较高的用户，故而可以向第一类别用户发送第三推送信息，以对用户的积极性进行激励。第三推送信息例如为向第一类别用户派发红包、向用户派发积分等等。

基于同一发明构思，本发明实施例提供一种用户价值的评估装置，请参考图8，包括：

第一获得模块80，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；

第一评估模块81，用于基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。

可选的，用户粘性数据包括：用户访问应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，用户活跃度数据包括：用户使用应用程序的使用时长、用户访问应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，用户产出数据包括：用户针对应用程序的消费信息、用户所访问的应用程序信息、用户所点击的应用程序信息、用户所下载的应用程序信息中的至少一种参数。

可选的，第一评估模块81，包括：第一确定单元，用于确定用户粘性数据、用户活跃度数据和用户产出数据所对应的标准化数据；第一计算单元，用于将标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出用户价值。

基于同一发明构思，本发明实施例还提供另一种用户价值的评估装置，请参考图9，包括：

第二获得模块90，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；

传输模块91，用于将用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估用户的用户价值。

可选的，用户粘性数据包括：用户访问应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

可选的，用户活跃度数据包括：用户使用应用程序的使用时长、用户访问应用程序所推荐的应用程序的访问时长中的至少一种参数。

可选的，用户产出数据包括：用户针对应用程序的消费信息、用户所访问的应用程序信息、用户所点击的应用程序信息、用户所下载的应用程序信息中的至少一种参数。

基于同一发明构思，本发明实施例还提供一种基于用户价值的信息推送系统，请参考图10，包括：

第一获知模块01，用于基于本发明任一实施例所介绍的用户价值的评估装置，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

第一判断模块02，用于判断第一用户价值是否小于第二用户价值；

第一推送模块03，用于在第一用户价值小于第二用户价值时，通过终端向用户产生第一推送信息。

可选的，系统还包括：提示模块，用于在第一用户价值小于第二用户价值时，针对用户的第一用户价值小于第二用户价值进行提示。

可选的，系统还包括：第一获取模块，用于获取用户访问网络过程中的历史访问记录；第一确定模块，用于基于历史访问记录确定出用户的兴趣特征；第二确定模块，用于基于用户的兴趣特征确定出第一推送信息。

可选的，系统还包括：第三确定模块，用于确定用户与各个其他用户的用户相似度值；第四确定模块，用于确定与用户的用户相似度值大于预设相似度值的用户作为相似用户；第五确定模块，用于基于相似用户的兴趣特征确定出第一推送信息。

可选的，系统还包括：第六确定模块，用于确定用户与各个其他用户的用户相似度值；第七确定模块，用于确定与用户的用户相似度值从高到低排序位于前M位的其他用户作为相似用户，M为正整数；第八确定模块，用于基于相似用户的兴趣特征确定出第一兴趣特征。

可选的，第三确定模块或第六确定模块，用于：根据用户的行为数据和各个其他用户的行为数据确定出用户与各个其他用户的用户相似度值；或者根据用户的属性标签和各个其他用户的属性标签，确定出用户与各个其他用户的用户相似度值。

基于同一发明构思，本发明实施例还提供一种基于用户价值的信息推送系统，请参考图11，包括：

第九确定模块110，用于基于本发明任一实施例所介绍的用户价值的评估装置，确定用户在当前时间的第一用户价值；

第二判断模块111，用于判断第一用户价值是否大于预设用户价值；

第二获取模块112，用于如果第一用户价值大于预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

加入模块113，用于将与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，预设用户列表中包含用户价值大于预设用户价值的用户；

第二推送模块114，用于针对预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

可选的，第二获取模块112，包括：第二确定单元，用于根据用户的行为数据和各个其他用户的行为数据确定出用户与各个其他用户的用户相似度值；或者根据第一用户的属性标签和各个其他用户的属性标签，确定出第一用户与各个其他用户的用户相似度值；第三确定单元，用于基于用户与各个其他用户的用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

可选的，第二推送模块114，用于在预定时间通过对应用户的终端向对应用户发送第二推荐信息。

基于同一发明构思，本发明实施例还通过一种基于用户价值的信息推送系统，请参考图12，包括：

第三获取模块120，用于获取至少一个终端上报的至少一个用户信息，至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

第十确定模块121，用于基于本发明任一实施例所介绍的用户价值的评估装置，确定出至少一个用户中每个用户针对特定应用程序的用户价值；

划分模块122，用于基于每个用户的用户价值将至少一个用户按照用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

第三推送模块123，用于针对第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

可选的，划分模块122，包括：排序单元，用于将多个用户按照用户价值从高到低进行排序；获取单元，用于基于排序，从多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

可选的，划分模块122，包括：判断单元，用于判断每个用户的用户价值是否大于预设用户价值；第四确定单元，用于将用户价值大于预设用户价值的用户作为第一类别用户。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：

由于在本发明实施例中，获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，用户产出数据用于表征用户针对应用程序所推荐的其他应用程序的操作信息；基于用户粘性数据、用户活跃度数据和用户产出数据评估用户的用户价值。。也即是，在确定用户的用户价值时需要考虑到多重因素，故而存在着对用户价值的评估更加准确的技术效果。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置或者系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本发明公开了，A1、一种用户价值的评估方法，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

A2、如A1所述的方法，其特征在于，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

A3、如A1所述的方法，其特征在于，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

A4、如A1所述的方法，其特征在于，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

A5、如A1所述的方法，其特征在于，所述基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值，包括：

确定所述用户粘性数据、所述用户活跃度数据和所述用户产出数据所对应的标准化数据；

将所述标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出所述用户价值。

B6、一种用户价值的评估方法，其特征在于，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

B7、如B6所述的方法，其特征在于，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

B8、如B6所述的方法，其特征在于，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

B9、如B6所述的方法，其特征在于，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

C10、一种基于用户价值的信息推送方法，包括：

基于A1-A5、B6-B9任一所述的用户价值的评估方法，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

判断所述第一用户价值是否小于所述第二用户价值；

在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

C11、如C10所述的方法，其特征在于，在所述第一用户价值小于所述第二用户价值时，所述方法还包括：

针对所述用户的所述第一用户价值小于所述第二用户价值进行提示。

C12、如C10所述的方法，其特征在于，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

获取所述用户访问网络过程中的历史访问记录；

基于所述历史访问记录确定出所述用户的兴趣特征；

基于所述用户的兴趣特征确定出所述第一推送信息。

C13、如C10所述的方法，其特征在于，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

确定所述用户与各个其他用户的用户相似度值；

确定与所述用户的所述用户相似度值大于预设相似度值的用户作为相似用户；

基于所述相似用户的兴趣特征确定出所述第一推送信息。

C14、如C10所述的方法，其特征在于，在所述通过终端向所述用户产生第一推送信息之前，所述方法还包括：

确定所述用户与各个其他用户的用户相似度值；

确定与所述用户的所述用户相似度值从高到低排序位于前M位的其他用户作为相似用户，M为正整数；

基于所述相似用户的兴趣特征确定出所述第一兴趣特征。

C15、如C13或C14所述的方法，其特征在于，所述确定所述用户与各个其他用户的用户相似度值，包括：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者

根据所述用户的属性标签和各个其他用户的属性标签，确定出所述用户与各个其他用户的所述用户相似度值。

D16、一种基于用户价值的信息推送方法，包括：

基于A1-A5、B6-B9任一所述的用户价值的评估方法，确定用户在当前时间的第一用户价值；

判断所述第一用户价值是否大于预设用户价值；

如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

D17、如D16所述的方法，其特征在于，所述获取与用户的用户相似度值大于预设相似度值的其他用户，包括：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者根据所述第一用户的属性标签和各个其他用户的属性标签，确定出所述第一用户与各个其他用户的所述用户相似度值；

基于所述用户与各个其他用户的所述用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

D18、如D16所述的方法，其特征在于，所述通过每个用户的终端向对应用户发送第二推送信息，包括：

在预定时间通过对应用户的终端向对应用户发送所述第二推荐信息。

E19、一种基于用户价值的信息推送方法，包括：

获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

基于A1-A5、B6-B9任一所述的用户价值的评估方法，确定出所述至少一个用户中每个用户针对所述特定应用程序的用户价值；

基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

E20、如E19所述的方法，其特征在于，所述基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别，包括：

将所述多个用户按照所述用户价值从高到低进行排序；

基于所述排序，从所述多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

E21、如E19所述的方法，其特征在于，所述基于每个用户的所述用户价值将所述多个用户按照所述用户价值高低划分为至少两个用户类别，包括：

判断每个用户的所述用户价值是否大于预设用户价值；

将所述用户价值大于所述预设用户价值的用户作为第一类别用户。

F22、一种用户价值的评估装置，包括：

第一获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

第一评估模块，用于基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

F23、如F22所述的装置，其特征在于，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

F24、如F22所述的装置，其特征在于，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

F25、如F22所述的装置，其特征在于，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

F26、如F22所述的装置，其特征在于，所述第一评估模块，包括：

第一确定单元，用于确定所述用户粘性数据、所述用户活跃度数据和所述用户产出数据所对应的标准化数据；

第一计算单元，用于将所述标准化数据代入用于计算用户价值的层次分析法AHP模型，进而计算出所述用户价值。

G27、一种用户价值的评估装置，包括：

第二获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

传输模块，用于将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

G28、如G27所述的装置，其特征在于，所述用户粘性数据包括：所述用户访问所述应用程序的访问频率、平均访问时间间隔、最近访问时间中的至少一种参数。

G29、如G27所述的装置，其特征在于，所述用户活跃度数据包括：所述用户使用所述应用程序的使用时长、所述用户访问所述应用程序所推荐的应用程序的访问时长中的至少一种参数。

G30、如G27所述的装置，其特征在于，所述用户产出数据包括：所述用户针对应用程序的消费信息、所述用户所访问的应用程序信息、所述用户所点击的应用程序信息、所述用户所下载的应用程序信息中的至少一种参数。

H31、一种基于用户价值的信息推送系统，包括：

第一获知模块，用于基于F22-F26、G27-G30任一所述的用户价值的评估装置，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

第一判断模块，用于判断所述第一用户价值是否小于所述第二用户价值；

第一推送模块，用于在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

H32、如H31所述的系统，其特征在于，所述系统还包括：

提示模块，用于在所述第一用户价值小于所述第二用户价值时，针对所述用户的所述第一用户价值小于所述第二用户价值进行提示。

H33、如H31所述的系统，其特征在于，所述系统还包括：

第一获取模块，用于获取所述用户访问网络过程中的历史访问记录；

第一确定模块，用于基于所述历史访问记录确定出所述用户的兴趣特征；

第二确定模块，用于基于所述用户的兴趣特征确定出所述第一推送信息。

H34、如H31所述的系统，其特征在于，所述系统还包括：

第三确定模块，用于确定所述用户与各个其他用户的用户相似度值；

第四确定模块，用于确定与所述用户的所述用户相似度值大于预设相似度值的用户作为相似用户；

第五确定模块，用于基于所述相似用户的兴趣特征确定出所述第一推送信息。

H35、如H31所述的系统，其特征在于，所述系统还包括：

第六确定模块，用于确定所述用户与各个其他用户的用户相似度值；

第七确定模块，用于确定与所述用户的所述用户相似度值从高到低排序位于前M位的其他用户作为相似用户，M为正整数；

第八确定模块，用于基于所述相似用户的兴趣特征确定出所述第一兴趣特征。

H36、如H34或H35所述的系统，其特征在于，所述第三确定模块或所述第六确定模块，用于：

根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者

根据所述用户的属性标签和各个其他用户的属性标签，确定出所述用户与各个其他用户的所述用户相似度值。

I37、一种基于用户价值的信息推送系统，包括：

第九确定模块，用于基于F22-F26、G27-G30任一所述的用户价值的评估装置，确定用户在当前时间的第一用户价值；

第二判断模块，用于判断所述第一用户价值是否大于预设用户价值；

第二获取模块，用于如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

加入模块，用于将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

第二推送模块，用于针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

I38、如I37所述的系统，其特征在于，所述第二获取模块，包括：

第二确定单元，用于根据所述用户的行为数据和各个其他用户的行为数据确定出所述用户与各个其他用户的所述用户相似度值；或者根据所述第一用户的属性标签和各个其他用户的属性标签，确定出所述第一用户与各个其他用户的所述用户相似度值；

第三确定单元，用于基于所述用户与各个其他用户的所述用户相似度值确定出与用户的相似度值大于预设相似度值的其他用户。

I39、如I38所述的方法，其特征在于，所述第二推送模块，用于在预定时间通过对应用户的终端向对应用户发送所述第二推荐信息。

J40、一种基于用户价值的信息推送系统，其特征在于，包括：

第三获取模块，用于获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

第十确定模块，用于基于F22-F26、G27-G30任一所述的用户价值的评估装置，确定出所述至少一个用户中每个用户针对所述特定应用程序的所述用户价值；

划分模块，用于基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

第三推送模块，用于针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

J41、如J40所述的系统，其特征在于，所述划分模块，包括：

排序单元，用于将所述多个用户按照所述用户价值从高到低进行排序；

获取单元，用于基于所述排序，从所述多个用户中获取出排序靠前预设比例的用户作为第一类别用户。

J42、如J40所述的系统，其特征在于，所述划分模块，包括：

判断单元，用于判断每个用户的所述用户价值是否大于预设用户价值；

第四确定单元，用于将所述用户价值大于所述预设用户价值的用户作为第一类别用户。

Claims (10)

1.一种用户价值的评估方法，其特征在于，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

2.一种用户价值的评估方法，其特征在于，包括：

获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

3.一种基于用户价值的信息推送方法，其特征在于，包括：

基于权利要求1或2所述的用户价值的评估方法，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

判断所述第一用户价值是否小于所述第二用户价值；

在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

4.一种基于用户价值的信息推送方法，其特征在于，包括：

基于权利要求1或2所述的用户价值的评估方法，确定用户在当前时间的第一用户价值；

判断所述第一用户价值是否大于预设用户价值；

如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

5.一种基于用户价值的信息推送方法，其特征在于，包括：

获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

基于权利要求1或2所述的用户价值的评估方法，确定出所述至少一个用户中每个用户针对所述特定应用程序的用户价值；

基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。

6.一种用户价值的评估装置，其特征在于，包括：

第一获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

第一评估模块，用于基于所述用户粘性数据、所述用户活跃度数据和所述用户产出数据评估所述用户的用户价值。

7.一种用户价值的评估装置，其特征在于，包括：

第二获得模块，用于获得终端采集的用户访问应用程序的用户粘性数据、用户活跃度数据以及用户产出数据，所述用户产出数据用于表征所述用户针对所述应用程序所推荐的其他应用程序的操作信息；

传输模块，用于将所述用户粘性数据、用户活跃度数据以及用户产出数据传输至网络服务器，以供网络服务器据此评估所述用户的用户价值。

8.一种基于用户价值的信息推送系统，其特征在于，包括：

第一获知模块，用于基于权利要求7或8所述的用户价值的评估装置，获知用户在当前时间的第一用户价值以及在当前时间之前的第二用户价值；

第一判断模块，用于判断所述第一用户价值是否小于所述第二用户价值；

第一推送模块，用于在所述第一用户价值小于所述第二用户价值时，通过终端向所述用户产生第一推送信息。

9.一种基于用户价值的信息推送系统，其特征在于，包括：

第九确定模块，用于基于权利要求7或8所述的用户价值的评估装置，确定用户在当前时间的第一用户价值；

第二判断模块，用于判断所述第一用户价值是否大于预设用户价值；

第二获取模块，用于如果所述第一用户价值大于所述预设用户价值，获取与用户的相似度值大于预设相似度值的其他用户；

加入模块，用于将所述与用户的相似度值大于预设相似度值的其他用户加入预设用户列表，所述预设用户列表中包含用户价值大于所述预设用户价值的用户；

第二推送模块，用于针对所述预设用户列表所包含的用户，通过每个用户的终端向对应用户发送第二推送信息。

10.一种基于用户价值的信息推送系统，其特征在于，包括：

第三获取模块，用于获取至少一个终端上报的至少一个用户信息，所述至少一个用户信息所对应的至少一个用户为访问特定应用程序的用户；

第十确定模块，用于基于权利要求7或8所述的用户价值的评估装置，确定出所述至少一个用户中每个用户针对所述特定应用程序的所述用户价值；

划分模块，用于基于每个用户的所述用户价值将所述至少一个用户按照所述用户价值高低划分为包含第一类别用户在内的至少两个用户类别；

第三推送模块，用于针对所述第一类别用户，通过每个用户的终端向对应用户发送第三推送信息。