CN105975483B - 一种基于用户偏好的消息推送方法和平台 - Google Patents
一种基于用户偏好的消息推送方法和平台 Download PDFInfo
- Publication number
- CN105975483B CN105975483B CN201610262773.6A CN201610262773A CN105975483B CN 105975483 B CN105975483 B CN 105975483B CN 201610262773 A CN201610262773 A CN 201610262773A CN 105975483 B CN105975483 B CN 105975483B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- preference information
- promotion
- preference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Abstract
本发明实施例提供了一种基于用户偏好的消息推送方法和平台,其中所述方法包括:接收第一用户设定的推广信息;获取与所述推广信息匹配的第二用户的标识;获取所述第二用户的标识对应的第二用户的偏好信息;基于所述第二用户的偏好信息与所述推广信息,生成推送消息;向所述第二用户推送所述推送消息。本发明实施例可以自动生成个性化的推送消息,使得推送消息能够更符合第二用户的需求,提高推送消息的准确率,从而提升转化率。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种基于用户偏好的消息推送方法和一种基于用户偏好的消息推送平台。
背景技术
随着互联网信息技术的发展,O2O(Online To Offline,在线离线/线上到线下)商业模式逐渐兴起。其中,O2O是指将线下的商务机会与互联网结合,让互联网成为线下交易的平台。
在O2O领域,用户使用平台型应用程序app进行消费决策的途径主要有两种:一是用户主动发起浏览、筛选、搜索等操作,获取相关信息后进行决策;二是平台通过运营活动、个性化推荐等消息推送(PUSH)的形式引导用户决策。
消息推送是app运营的重要手段,能够主动触达用户,但是运营不当会影响用户体验。因此一般push的资源都由平台严格控制,不会开放给商家使用,作为实际服务的提供者,商家缺少主动触达用户的手段。
商家也可以通过微信公众号向会员(关注微信公众号即成为会员)发送消息,但是需要用户首先知道该商家的微信号并关注,推广成本较高。并且,消费者成为该商家的会员后,商家也只能获取会员在本店消费的有限信息,对营销的帮助有限。此外,消费者一般不会关注太多单店的微信号,因此形成了消费者为了获取优惠关注商家的微信号,消费之后再取消关注的死循环,导致用户留存率低。
发明内容
鉴于上述问题,提出了本发明实施例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一种基于用户偏好的消息推送方法和相应的一种基于用户偏好的消息推送平台。
为了解决上述问题,本发明实施例公开了一种基于用户偏好的消息推送方法,包括:
接收第一用户设定的推广信息;
获取与所述推广信息匹配的第二用户的标识;
获取所述第二用户的标识对应的第二用户的偏好信息;
基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
向所述第二用户推送所述推送消息。
优选地,所述推广信息包括:推广规则以及推广内容。
优选地,所述获取与所述推广信息匹配的第二用户的标识的步骤包括:
获取登录用户的历史行为数据和/或实时行为数据;
判断所述登录用户的历史行为数据和/或实时行为数据是否符合所述推广规则;
将符合所述推广规则的登录用户的标识作为与所述推广信息匹配的第二用户的标识。
优选地,所述获取所述第二用户的标识对应的第二用户的偏好信息的步骤包括:
基于所述历史行为数据计算所述第二用户的基本偏好信息;
采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
优选地,所述历史行为数据包括多种特定行为,所述基于所述历史行为数据计算所述第二用户的基本偏好信息的步骤包括:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
优选地,在所述基于所述第二用户的偏好信息与所述推广信息,生成推送消息的步骤之前,还包括:
计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度;
将匹配度大于预设阈值的第二用户作为目标第二用户。
优选地,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度的步骤包括:
从第二用户的多种类型的偏好信息中,确定所述推广规则中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与推广信息的匹配度。
优选地,所述基于所述第二用户的偏好信息与所述推广信息,生成推送消息的步骤包括:
获取所述目标第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述推广内容,生成推送消息。
本发明实施例还公开了一种基于用户偏好的消息推送方法,包括:
接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
获取第二用户的偏好信息;
从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
向所述第二用户推送所述推送消息。
优选地,所述推广信息包括:推广规则以及推广内容。
优选地,所述获取第二用户的偏好信息的步骤包括:
获取第二用户的历史行为数据和/或实时行为数据;
基于所述历史行为数据计算所述第二用户的基本偏好信息;
采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
优选地,所述历史行为数据包括多种特定行为,所述基于所述历史行为数据计算所述第二用户的基本偏好信息的步骤包括:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
优选地,所述从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息的步骤包括:
从所述推广信息数据库中选择与所述第二用户的历史行为数据和/或实时行为数据匹配的推广信息,作为第一候选推广信息;
计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度;
将匹配度大于预设阈值的第一候选推广信息,作为第二候选推广信息;
分别计算所述第二候选推广信息的排序系数;
将排序系数最高的第二候选推广信息作为目标推广信息。
优选地,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度的步骤包括:
从第二用户的多种类型的偏好信息中,确定所述第一候选推广信息中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与第一候选推广信息的匹配度。
优选地,采用如下方式计算所述第二候选推广信息的排序系数rank:
rank=bid*Q,
其中,bid为第一用户对所述推送规则的出价;
Q为推送规则的质量;
Q=用户偏好信息*历史推广效果
历史推广效果=推送消息带来的订单量/推送消息的发送量。
优选地,所述基于所述第二用户的偏好信息与所述推广信息,生成推送消息的步骤包括:
获取所述第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述目标推广信息中的推广内容,生成推送消息。
本发明实施例还公开了一种基于用户偏好的消息推送平台,包括:
第一推广信息接收模块,用于接收第一用户设定的推广信息;
第二用户标识获取模块,用于获取与所述推广信息匹配的第二用户的标识;
第一偏好信息获取模块,用于获取所述第二用户的标识对应的第二用户的偏好信息;
第一推送消息生成模块,用于基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
第一推送模块,用于向所述第二用户推送所述推送消息。
本发明实施例还公开了一种基于用户偏好的消息推送平台,包括:
第二推广信息接收模块,用于接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
第二偏好信息获取模块,用于获取第二用户的偏好信息;
目标推广信息获取模块,用于从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
第二推送消息生成模块,用于基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
第二推送模块,用于向所述第二用户推送所述推送消息。
本发明实施例包括以下优点:
在本发明实施例中,在接收到第一用户设定的推广信息以后,可以获取与所述推广信息匹配的第二用户的偏好信息,并根据该偏好信息与推广信息自动生成个性化的推送消息,使得推送消息能够更符合第二用户的需求,提高推送消息的准确率,从而提升转化率。
另外,由于推送消息更符合第二用户的需求,免去用户耗费更多的网络资源从其他站点中查询第一用户的消息,提高消息处理的效率。
附图说明
图1是本发明的一种基于用户偏好的消息推送方法实施例一的步骤流程图;
图2是本发明的一种基于用户偏好的消息推送方法实施例二的步骤流程图;
图3是本发明的一种基于用户偏好的消息推送平台实施例一的结构框图;
图4是本发明的一种基于用户偏好的消息推送平台实施例二的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的核心构思之一在于,第一用户能够自主设定推广信息,将app的push(消息推送)资源开放给第一用户使用,并基于第二用户的实时的地理信息、历史偏好和预订业务计算用户偏好,从而在不损害用户体验的情况下,根据用户偏好与推广信息生成推送消息,从而使商家能够主动触达用户,进行自主营销,并且获得较好的推送消息展示效果。
参照图1,示出了本发明的一种基于用户偏好的消息推送方法实施例一的步骤流程图,在本发明实施例中,从消息推送方的角度来对本发明加以描述,具体可以包括如下步骤:
步骤101,接收第一用户设定的推广信息;
应用于本发明实施例,第一用户可以为设定推广信息、主动进行消息推送的消息推送方。例如,第一用户可以为进行商品消息推送的商家。
本发明实施例可以应用于消息推送平台的app中,平台的app可以通过客户端向第一用户展现推广信息设定界面,第一用户可以通过推广信息设定界面输入个性化的推广信息。
本发明实施例将app的push(消息推送)资源开放给消息推送方(即第一用户)使用,从而使消息推送方能够主动触达被推送方(即第二用户)。例如,可以将O2O平台的app的push资源开放给商家使用,从而使商家能够主动触达消费者用户,进行自主营销,提高商家的主动性。
在具体实现中,第一用户设定的推广信息至少可以包括:推广规则以及推广内容。
推广规则可以包含时间、地点、价格、品类和门店等属性信息。通过推广规则,第一用户可以指定特定的人群进行消息推送,例如,推广规则可以设置为诸如出现在门店附近(预设距离范围内)、对所属品类感兴趣、没有门店消费记录等限制条件。
推广内容为第一用户实际进行推送的消息的内容,可以包括多个关键词。例如,某个商家设置的其门店的推广内容至少可以包括如下关键词:<海底捞(长城店)>、<100代金券>、<工作日午餐>、<立减10元>等。
当平台的app接收到第一用户设定的推广信息以后,可以生成该推广信息以及该第一用户的标识的关联关系,并将该推广信息以及对应的第一用户的标识存储在后台的推广信息数据库中,其中,该推广信息数据库可以存储多个第一用户设定的推广信息。
步骤102,获取与所述推广信息匹配的第二用户的标识;
在本发明实施例中,第二用户可以为接收推送消息的被推送方,例如消费者。当app的后台接收到第一用户设定的推广信息以后,可以从所有登录用户中选择符合该推广信息的登录用户作为与所述推广信息匹配的第二用户。
在本发明实施例的一种优选实施例中,步骤102可以包括如下子步骤:
子步骤S11,获取登录用户的历史行为数据和/或实时行为数据;
在具体实现中,平台的app的后台中,针对每个登录用户都记录有对应的行为日志,可以依据该行为日志统计每个登录用户的历史行为数据。
作为一种示例,该行为日志记录了登录用户的搜索、筛选、浏览等特定行为,针对于O2O平台而言,该行为日志还可以记录登录用户的支付、消费(包括团购验券)、评价等特定行为。则每个登录用户对应的历史行为数据至少可以包括特定行为及其统计数据,例如,可以包括如下数据的一种或多种:搜索次数、筛选次数、浏览次数、支付次数、消费次数、评价次数、预定业务的相关信息(如预定订单的位置、时间等)等。
登录用户的实时行为数据可以为该登录用户实时的行为数据,作为一种示例,该实时行为数据可以包括登录用户实时的地理位置信息、实时的时间信息等。
在具体实现中,可以通过登录用户的终端的传感器来获取登录用户的实时行为数据,例如,通过位置传感器获取登录用户实时的地理位置信息。
子步骤S12,判断所述登录用户的历史行为数据和/或实时行为数据是否符合所述推广规则;
子步骤S13,将符合所述推广规则的登录用户的标识作为与所述推广信息匹配的第二用户的标识。
当获取登录用户的历史行为数据和/或实时行为数据以后,可以判断每个登录用户的历史行为数据和/或所述实时行为数据是否符合第一用户设定的推广规则,从而确定所有与第一用户设定的推广信息匹配的登录用户。在实际中,为了便于描述,可以将该与第一用户设定的推广信息匹配的登录用户称为第二用户,并获取所述第二用户的标识。
例如,若第一用户设定的推广规则为限定推广至距离门店1km的用户,则在门店1km范围内的登录用户可以作为第二用户,如果某个登录用户距离门店超过1km,则该登录用户不为第二用户。又如,若第一用户设定的推广规则为限定推广至距离门店1km内并且没有门店消费记录的用户,则将在门店1km范围内,并且没有门店消费记录的登录用户作为第二用户,而与门店范围超过1km和/或有门店消费记录的登录用户不为第二用户。
步骤103,获取所述第二用户的标识对应的第二用户的偏好信息;
在具体实现中,第二用户的数量可以为一个或多个,优选为多个。当后台确定与推广规则匹配的第二用户以后,可以进一步获取每个第二用户的偏好信息。
应用于本发明实施例,每个第二用户的偏好信息可以包括多种类型的偏好信息,以O2O平台为例,第二用户的偏好信息至少可以包括如下类型的一种或多种:第二用户的品类偏好信息、位置偏好信息、时间偏好信息、价格偏好信息、门店偏好信息。
以下对每种类型的偏好信息加以示例性说明:
时间偏好信息:每个用户偏向于进行消费决策或完成消费的时间,例如周末、工作日等。大多数用户的时间偏好信息相对固定,符合一般规律。以时间偏好信息作为用户偏好信息的考虑维度之一,能够尽量避免在不恰当的时间进行消息推送。
位置偏好信息:每个用户偏向于进行消费决策或完成消费的地点。大多数用户的位置偏好信息相对固定,符合一般规律。由于距离用户较近,或用户经常去、经常消费的地方,更符合用户的消费偏好,以位置偏好信息作为用户偏好信息的考虑维度之一,能够尽量避免推荐距离用户距离较远或不常去地方的商家。
价格偏好信息:每个用户偏向于进行消费决策或完成消费的价格区间。由于符合用户消费能力或日常消费的价格区间的商家更受用户喜欢,以价格偏好信息作为用户偏好信息的考虑维度之一,能够尽量避免向用户推荐价格不符合用户消费能力的商家。
品类偏好:每个用户偏向于进行消费决策或完成消费的产品类型。由于用户的口味差异,每个用户对特定品类会存在品类喜好,以品类偏好信息作为用户偏好信息的考虑维度之一,向其推荐符合用户品类喜好的商家,会更符合用户的需要。
门店偏好信息:每个用户偏向于进行消费决策或完成消费的门店信息。由于用户对每一家门店的好感度、消费周期等可能影响向用户的消费决策,以门店偏好信息作为用户偏好信息的考虑维度之一,能够尽量避免推荐一些用户最近消费过或非常不满意的商家。
在本发明实施例的一种优选实施例中,步骤103可以包括如下子步骤:
子步骤S21,基于所述历史行为数据计算所述第二用户的基本偏好信息;
在本发明实施例中,第二用户的基本偏好信息可以为没有经过修正的,根据历史行为数据直接计算得到的偏好信息。
在具体实现中,该第二用户的基本偏好信息的类型与上述第二用户的偏好信息的类型相同,也可以包括第二用户的品类偏好信息、位置偏好信息、时间偏好信息、价格偏好信息、门店偏好信息等。
在本发明实施例的一种优选实施例中,子步骤S21进一步可以为:分别获取所述特定行为出现的次数;分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
具体而言,可以对第二用户的各种特定行为分别赋予不同的预设权重,并根据添加预设权重后的特定行为,计算第二用户的基本偏好信息。
例如,第二用户的历史行为数据中的特定行为包括搜索、筛选、浏览、消费、评价等行为,每个特定行为对应的预设权重分别为:10分、3分、1分、20分、5分(好评﹢5,差评-5)。若某个第二用户搜索过3次海底捞,筛选过5次火锅,浏览过29个火锅团购的详情页(其中海底捞8次),吃过2次火锅(其中1次是海底捞),给了1个好评(评价了1次海底捞)。
那么,这个第二用户对火锅这个品类的基本品类偏好信息为:
3*10+5*3+29*1+2*20+0*5=119(品类偏好信息不统计评价行为);
这个第二用户对海底捞的基本门店偏好信息为:
3*10+0*3+8*1+1*20+1*5=63(门店偏好信息不统计筛选行为)。
需要说明的是,若某一用户的偏好为海底捞的火锅,则该用户的偏好信息为:火锅的偏好信息119+海底捞的偏好信息(63)=182。
子步骤S22,采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
在具体实现中,第二用户的实时行为数据和/或历史行为数据与基本偏好存在一定的相关性(如下表1所示,其中,a-g为相关性系数),得到第二用户的基本偏好信息以后,可以根据该第二用户的实时行为数据和/或历史行为数据对基本偏好信息进行修正。
表1
在实际中,上述修正可以包括但不限于:时效性修正和/或位置修正。
在一种实施方式中,对基本偏好信息进行时效性修正的方式可以为:若检测到所述第二用户在第一时间周期内收到过推送消息,则将所述第二用户设置为免打扰用户。
在实际中,通常用户对频繁出现的同类事物会感到厌烦,因此需要过载保护,对于在T1周期(第一时间周期)内收到过push的第二用户,可以将该第二用户设置为免打扰用户。
在另一种实施方式中,对基本偏好信息进行时效性修正的方式还可以为:若检测到所述第二用户在第二时间周期内购买或消费过某个品类,则按照第一预设比例降低所述第二用户的品类偏好信息。
在实际中,对第二用户的过载保护还可以包括:在T2周期(第二时间周期)内购买或消费过某个品类的用户,按照第一预设比例暂时降低该第二用户的品类偏好信息,超过T2周期后,该品类偏好信息恢复正常。例如,在T2周期内设定下降幅度为下降40%,即修正后的偏好度=修正前的偏好度*60%。或者,还可以将修正幅度设置为负数,从而降低偏好度。
在另一种实施方式中,对基本偏好信息进行时效性修正的方式还可以为:若当前时间正是某个品类的消费旺季,则按照第二预设比例提高所述第二用户的品类偏好信息。
在具体实现中,某些品类可能存在消费旺季(如节假日、冬季滑雪等),当某个品类的消费旺季来临时,可以按照第二预设比例提高第二用户对该品类的品类偏好信息。例如,春节期间旅游的交易额比平时高出500%,那么在春节期间,第二用户对旅游品类的修正后的品类偏好信息=修正前的品类偏好信息*600%。或者,还可以将修正幅度设置为正数,从而提高偏好度。
在一种实施方式中,对基本偏好信息进行位置修正的方式可以为:若第二用户实时的地理位置信息和/或预定业务的地理位置信息偏离所述第二用户的位置偏好信息,则按照第三预设比例降低所述第二用户的位置偏好信息;若所述实时的地理位置信息和/或所述预定业务的地理位置信息在所述第二用户的位置偏好信息的预设范围内,则按照第四预设比例提高所述第二用户的位置偏好信息。
例如,某一第二用户经常在周六中午去海底捞长城分店吃火锅。则用户的时间偏好信息为周六中午;门店偏好信息为:海底捞长城分店;品类偏好信息为:火锅。但是这周六中午,他实时的地理位置信息是在天安门,离长城很远,这时就认为他对长城那边的商家不感兴趣,此时,可以将其位置偏好信息下降40%。
又如,某一第二用户经常在周六中午去海底捞长城分店吃火锅。则用户的时间偏好信息为周六中午;门店偏好信息为:海底捞长城分店;品类偏好信息为:火锅。这周末他预订了长城附近的两张下午场的电影票,通过这一预订行为可以认为他晚饭时间会对长城附近的商家感兴趣,此时,可以将其位置偏好信息提高40%。
在本发明实施例的一种优选实施例中,得到第二用户的偏好信息以后,本发明实施例还可以包括如下步骤:计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度;将匹配度大于预设阈值的第二用户作为目标第二用户。
具体而言,得到第二用户的偏好信息以后,可以分别计算每个第二用户的偏好信息与推广规则的匹配度。在具体实现中,由于推广规则可以包含时间、地点、价格、品类和门店等属性信息,可以从第二用户的多种类型的偏好信息中,确定推广规则中每个属性信息对应的偏好信息。例如,确定时间属性信息对应的时间偏好信息、确定地点属性信息对应的位置偏好信息、确定价格属性信息对应的价格偏好信息、确定门店属性信息对应的门店偏好信息、确定品类属性信息对应的品类偏好信息,然后计算属性信息与对应的偏好信息的点积,得到第二用户的偏好信息与推广规则的匹配度,即匹配度=属性信息1*偏好信息1+属性信息2*偏好信息2+……+属性信息n*偏好信息n。
例如,海底捞工作日午餐时段的推广规则,其属性信息包括:工作日午餐(时间)、火锅(品类)、长城店(地点)、人均80(价格),假设所有属性信息的权重都是1。假设某个第二用户的时间偏好信息是(工作日中午0.2,工作日晚上0.5,周末0.9)、品类偏好信息是(火锅0.9,烤肉0.7)、位置偏好信息是(天安门0.4,长城0.8)、价格偏好信息是(人均50元0.3,人均80元0.9,人均100元0.4)、门店偏好信息是(海底捞0.7,全聚德0.3)。那么这个用户的偏好信息与海底捞的推广规则的匹配度是:0.2(工作日中午)+0.9(火锅)+0.8(长城)+0.9(人均80元)+0.7(海底捞)=3.5。
得到每个第二用户的偏好信息与推广规则的匹配度以后,可以将匹配度大于预设阈值的第二用户作为目标第二用户,以向目标第二用户进行推送消息的推送。
需要说明的是,本发明实施例中的各种预设值,如第一预设比例、第二预设比例、第三预设比例、第四预设比例、预设阈值、预设权重等均为经验值,均可以通过经验公式、测试、数据挖掘和机器学习进行优化和迭代。
步骤104,基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
得到第二用户的偏好信息以后,可以根据该偏好信息,结合推广内容,生成个性化的推送消息。
在本发明实施例的一种优选实施例中,步骤104可以包括如下子步骤:
子步骤S31,获取所述目标第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
子步骤S32,以所述重点偏好信息为侧重点,结合所述推广内容,生成推送消息。
具体来说,第二用户的多种类型的偏好信息中,可以将偏好信息的数值最大的偏好信息,作为重点偏好信息。例如,若重点偏好信息为位置偏好信息,则说明第二用户看重地理位置;若重点偏好信息为时间偏好信息,则说明第二用户看重时段;若重点偏好信息为门店偏好信息,则说明第二用户看重门店。
得到重点偏好信息以后,可以以该重点偏好信息为侧重点,结合推广内容,生成个性化的推送消息。例如,推广内容包括如下关键词:<海底捞(长城店)>、<100代金券>、<工作日午餐>、<立减10元>。若重点偏好信息为位置偏好信息,则生成的推送消息可以为:【专属优惠】距您仅521米,海底捞(长城店)100代金券,限时立减10元,马上抢购>>;若重点偏好信息为时间偏好信息,则生成的推送消息可以为:海底捞(长城店)100代金券,工作日午餐专享立减10元,马上抢购>>;若重点偏好信息为门店偏好信息,则生成的推送消息可以为:您钟爱的海底捞(长城店)推出了100代金券,限时立减10元,马上抢购>>,等等。
步骤105,向所述第二用户推送所述推送消息。
生成推送消息以后,可以将推送消息推送至第二用户所在的终端中。
在本发明实施例中,在接收到第一用户设定的推广信息以后,可以获取与所述推广信息匹配的第二用户的偏好信息,并根据该偏好信息与推广信息自动生成个性化的推送消息,使得推送消息能够更符合第二用户的需求,提高推送消息的准确率,从而提升转化率。
参照图2,示出了本发明的一种基于用户偏好的消息推送方法实施例二的步骤流程图,在本发明实施例中,从被推送方的角度来对本发明加以描述,具体可以包括如下步骤:
步骤201,接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
本发明实施例可以应用于消息推送平台的app中,平台的app可以通过客户端向第一用户展现推广信息设定界面,第一用户可以通过推广信息设定界面输入个性化的推广信息。
本发明实施例将app的push(消息推送)资源开放给消息推送方(即第一用户)使用,从而使消息推送方能够主动触达被推送方(即第二用户)。例如,可以将O2O平台的app的push资源开放给商家使用,从而使商家能够主动触达消费者用户,进行自主营销,提高商家的主动性。
在具体实现中,第一用户设定的推广信息至少可以包括:推广规则以及推广内容。
推广规则可以包含时间、地点、价格、品类和门店等属性信息。通过推广规则,第一用户可以指定特定的人群进行消息推送,例如,推广规则可以设置为诸如出现在门店附近(预设距离范围内)、对所属品类感兴趣、没有门店消费记录等限制条件。
推广内容为第一用户实际进行推送的消息的内容,可以包括多个关键词。例如,某个商家设置的其门店的推广内容至少可以包括如下关键词:<海底捞(长城店)>、<100代金券>、<工作日午餐>、<立减10元>等。
当平台的app接收到第一用户设定的推广信息以后,可以生成该推广信息以及该第一用户的标识的关联关系,并将该推广信息以及对应的第一用户的标识存在在后台的推广信息数据库中,其中,该推广信息数据库可以存储多个第一用户设定的推广信息。
步骤202,获取第二用户的偏好信息;
在本发明实施例中,第二用户可以为接收推送消息的被推送方。本发明实施例可以获取指定的第二用户的偏好信息。
应用于本发明实施例,第二用户的偏好信息可以包括多种类型的偏好信息,以O2O平台为例,第二用户的偏好信息至少可以包括如下类型的一种或多种:第二用户的品类偏好信息、位置偏好信息、时间偏好信息、价格偏好信息、门店偏好信息。
在本发明实施例的一种优选实施例中,步骤202可以包括如下子步骤:
子步骤S41,获取第二用户的历史行为数据和/或实时行为数据;
在具体实现中,平台的app的后台中,针对每个登录用户都记录有对应的行为日志,可以依据该行为日志统计每个登录用户的历史行为数据。因此,可以从第二用户的行为日志中统计该第二用户的历史行为数据。
作为一种示例,该第二用户的行为日志记录了第二用户的搜索、筛选、浏览等特定行为,针对于O2O平台而言,该行为日志还可以记录第二用户的支付、消费(包括团购验券)、评价等特定行为。则第二用户对应的历史行为数据至少可以包括特定行为及其统计数据,例如,可以包括如下数据的一种或多种:搜索次数、筛选次数、浏览次数、支付次数、消费次数、评价次数、预定业务的相关信息(如预定订单的位置、时间等)等。
第二用户的实时行为数据可以为该第二用户实时的行为数据,作为一种示例,该实时行为数据可以包括第二用户实时的地理位置信息、实时的时间信息等。
在具体实现中,可以通过第二用户的终端的传感器来获取第二用户的实时行为数据,例如,通过位置传感器获取第二用户实时的地理位置信息。
子步骤S42,基于所述历史行为数据计算所述第二用户的基本偏好信息;
在本发明实施例中,第二用户的基本偏好信息可以为没有经过修正的,根据历史行为数据直接计算得到的偏好信息。
在具体实现中,该第二用户的基本偏好信息的类型与上述第二用户的偏好信息的类型相同,也可以包括第二用户的品类偏好信息、位置偏好信息、时间偏好信息、价格偏好信息、门店偏好信息等。
在本发明实施例的一种优选实施例中,子步骤S42进一步可以为:分别获取所述特定行为出现的次数;分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
具体而言,可以对第二用户的各种特定行为分别赋予不同的预设权重,并根据添加预设权重后的特定行为,计算第二用户的基本偏好信息。
例如,第二用户的历史行为数据中的特定行为包括搜索、筛选、浏览、消费、评价等行为,每个特定行为对应的预设权重分别为:10分、3分、1分、20分、5分(好评﹢5,差评-5)。若某个第二用户搜索过3次海底捞,筛选过5次火锅,浏览过29个火锅团购的详情页(其中海底捞8次),吃过2次火锅(其中1次是海底捞),给了1个好评(评价了1次海底捞)。
那么,这个第二用户对火锅这个品类的基本品类偏好信息为:
3*10+5*3+29*1+2*20+0*5=119(品类偏好信息不统计评价行为);
这个第二用户对海底捞的基本门店偏好信息为:
3*10+0*3+8*1+1*20+1*5=63(门店偏好信息不统计筛选行为)。
需要说明的是,若某一用户的偏好为海底捞的火锅,则该用户的偏好信息为:火锅的偏好信息119+海底捞的偏好信息(63)=182。
子步骤S43,采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
在具体实现中,第二用户的实时行为数据和/或历史行为数据与基本偏好存在一定的相关性,得到第二用户的基本偏好信息以后,可以根据该第二用户的实时行为数据和/或历史行为数据对基本偏好信息进行修正,其中,该修正可以包括但不限于:时效性修正和/或位置修正。
在一种实施方式中,对基本偏好信息进行时效性修正的方式可以为:若检测到所述第二用户在第一时间周期内收到过推送消息,则将所述第二用户设置为免打扰用户。
在实际中,通常用户对频繁出现的同类事物会感到厌烦,因此需要过载保护,若该第二用户在T1周期(第一时间周期)内收到过push,则可以将该第二用户设置为免打扰用户。
在另一种实施方式中,对基本偏好信息进行时效性修正的方式还可以为:若检测到所述第二用户在第二时间周期内购买或消费过某个品类,则按照第一预设比例降低所述第二用户的品类偏好信息。
在实际中,对第二用户的过载保护还可以包括:若该第二用户在T2周期(第二时间周期)内购买或消费过某个品类,按照第一预设比例暂时降低该第二用户的品类偏好信息,超过T2周期后,该品类偏好信息恢复正常。例如,在T2周期内设定下降幅度为下降40%,即修正后的偏好度=修正前的偏好度*60%。或者,还可以将修正幅度设置为负数,从而降低偏好度。
在另一种实施方式中,对基本偏好信息进行时效性修正的方式还可以为:若当前时间正是某个品类的消费旺季,则按照第二预设比例提高所述第二用户的品类偏好信息。
在具体实现中,某些品类可能存在消费旺季(如节假日、冬季滑雪等),当某个品类的消费旺季来临时,可以按照第二预设比例提高第二用户对该品类的品类偏好信息。例如,春节期间旅游的交易额比平时高出500%,那么在春节期间,第二用户对旅游品类的修正后的品类偏好信息=修正前的品类偏好信息*600%。或者,还可以将修正幅度设置为正数,从而提高偏好度。
在一种实施方式中,对基本偏好信息进行位置修正的方式可以为:若第二用户实时的地理位置信息和/或预定业务的地理位置信息偏离所述第二用户的位置偏好信息,则按照第三预设比例降低所述第二用户的位置偏好信息;若所述实时的地理位置信息和/或所述预定业务的地理位置信息在所述第二用户的位置偏好信息的预设范围内,则按照第四预设比例提高所述第二用户的位置偏好信息。
例如,第二用户经常在周六中午去海底捞长城分店吃火锅。则用户的时间偏好信息为周六中午;门店偏好信息为:海底捞长城分店;品类偏好信息为:火锅。但是这周六中午,他实时的地理位置信息是在天安门,离长城很远,这时就认为他对长城那边的商家不感兴趣,此时,可以将其位置偏好信息下降40%。
又如,第二用户经常在周六中午去海底捞长城分店吃火锅。则用户的时间偏好信息为周六中午;门店偏好信息为:海底捞长城分店;品类偏好信息为:火锅。这周末他预订了长城附近的两张下午场的电影票,通过这一预订行为可以认为他晚饭时间会对长城附近的商家感兴趣,此时,可以将其位置偏好信息提高40%。
需要说明的是,本发明实施例中的各种预设值,如第一预设比例、第二预设比例、第三预设比例、第四预设比例、预设阈值、预设权重等均为经验值,均可以通过经验公式、测试、数据挖掘和机器学习进行优化和迭代。
步骤203,从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
得到第二用户的偏好信息以后,可以从推广信息数据库中选择与该第二用户的偏好信息匹配的目标推广信息。
在本发明实施例的一种优选实施例中,步骤203可以包括如下子步骤:
子步骤S51,从所述推广信息数据库中选择与所述第二用户的历史行为数据和/或实时行为数据匹配的推广信息,作为第一候选推广信息;
当获取第二用户的历史行为数据和/或实时行为数据以后,可以判断该第二用户的历史行为数据和/或实时行为数据是否满足推广信息数据库中某一个或多个推广规则所限定的条件,若满足,则该推广规则为第一候选推广信息。
例如,若某个推广规则为限定推广至距离门店1km的用户,此时若第二用户距离该门店的距离在1km范围内,则认为该推广规则为第一候选推广信息。又如,若某个推广规则为限定推广至距离门店1km内并且没有门店消费记录的用户,此时若第二用户能够满足上述两个条件,则认为该推广规则为第一候选推广信息。
子步骤S52,计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度;
在本发明实施例的一种优选实施例中,子步骤S52进一步可以为:从第二用户的多种类型的偏好信息中,确定所述第一候选推广信息中每个属性信息对应的偏好信息;计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与第一候选推广信息的匹配度。
具体而言,第一候选推广信息可以有多条,可以分别计算每条第一候选推广信息与第二用户的偏好信息的匹配度。在具体实现中,由于推广规则可以包含时间、地点、价格、品类和门店等属性信息,可以从第二用户的多种类型的偏好信息中,确定推广规则中每个属性信息对应的偏好信息。例如,确定时间属性信息对应的时间偏好信息、确定地点属性信息对应的位置偏好信息、确定价格属性信息对应的价格偏好信息、确定门店属性信息对应的门店偏好信息、确定品类属性信息对应的品类偏好信息,然后计算属性信息与对应的偏好信息的点积,得到第二用户的偏好信息与推广规则的匹配度,即匹配度=属性信息1*偏好信息1+属性信息2*偏好信息2+……+属性信息n*偏好信息n。
例如,假设第二用户的时间偏好信息是(工作日中午0.2,工作日晚上0.5,周末0.9)、品类偏好信息是(火锅0.9,烤肉0.7)、位置偏好信息是(天安门0.4,长城0.8)、价格偏好信息是(人均50元0.3,人均80元0.9,人均100元0.4)、门店偏好信息是(海底捞0.7,全聚德0.3)。某条第一候选推广信息为:海底捞工作日午餐时段的推广规则,其属性信息包括:工作日午餐(时间)、火锅(品类)、长城店(地点)、人均80(价格),假设所有属性信息的权重都是1。那么这个用户的偏好信息与海底捞的推广规则的匹配度是:0.2(工作日中午)+0.9(火锅)+0.8(长城)+0.9(人均80元)+0.7(海底捞)=3.5。
子步骤S53,将匹配度大于预设阈值的第一候选推广信息,作为第二候选推广信息;
得到第二用户的偏好信息与每个第一候选推广信息的匹配度以后,可以将匹配度大于预设阈值的第一候选推广信息作为第二候选推广信息。
子步骤S54,分别计算所述第二候选推广信息的排序系数;
子步骤S55,将排序系数最高的第二候选推广信息作为目标推广信息。
在具体实现中,第二候选推广信息也可以有多条,得到多个第二候选推广信息以后,可以分别计算每个第二候选推广信息的排序系数rank,并根据rank对多个第二候选推广信息进行排序,将排序在首位(降序排序)或排序在最后一位(升序排序)的第二候选推广信息确定为目标推广信息。
在一种实施方式中,可以采用如下方式计算第二候选推广信息的排序系数rank:
rank=bid*Q,
Q=偏好信息*历史推广效果;
历史推广效果=推送消息带来的订单量/推送消息的发送量。
即,rank=bid*偏好信息*(推送消息带来的订单量/推送消息的发送量)。
其中,bid为第一用户对所述推送消息的出价,Q为推送消息的质量。
步骤204,基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
得到第二用户的偏好信息以后,可以根据该偏好信息,结合目标推广信息的推广内容,生成个性化的推送消息。
在本发明实施例的一种优选实施例中,步骤204可以包括如下子步骤:
子步骤S61,获取所述第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
子步骤S62,以所述重点偏好信息为侧重点,结合所述目标推广信息的推广内容,生成推送消息。
具体来说,第二用户的多种类型的偏好信息中,可以将偏好信息的数值最大的偏好信息,作为重点偏好信息。例如,若重点偏好信息为位置偏好信息,则说明第二用户看重地理位置;若重点偏好信息为时间偏好信息,则说明第二用户看重时段;若重点偏好信息为门店偏好信息,则说明第二用户看重门店。
得到重点偏好信息以后,可以以该重点偏好信息为侧重点,结合目标推广信息的推广内容,生成个性化的推送消息。例如,目标推广信息的推广内容包括如下关键词:<海底捞(长城店)>、<100代金券>、<工作日午餐>、<立减10元>。若重点偏好信息为位置偏好信息,则生成的推送消息可以为:【专属优惠】距您仅521米,海底捞(长城店)100代金券,限时立减10元,马上抢购>>;若重点偏好信息为时间偏好信息,则生成的推送消息可以为:海底捞(长城店)100代金券,工作日午餐专享立减10元,马上抢购>>;若重点偏好信息为门店偏好信息,则生成的推送消息可以为:您钟爱的海底捞(长城店)推出了100代金券,限时立减10元,马上抢购>>,等等。
步骤205,向所述第二用户推送所述推送消息。
生成推送消息以后,可以将推送消息推送至所述第二用户所在的终端中。
为了使本领域技术人员更好地理解本发明实施例,以下通过一个具体实例对本发明实施例加以示例性说明,但应当理解的是,本发明实施例并不限于此。
长城附近有10个商家设置了推广信息,此时用户A在长城附近打开了平台的app,上报了实时的地理位置信息。后台获取用户A的偏好信息,发现这个用户匹配了其中8个商家的推广信息。随后计算用户A的偏好信息与这8个商家的推广信息的匹配度,发现其中4个商家的推广信息的匹配度大于预设阈值2,则进一步计算这4个推广信息的排序系数,获得排序系数最大的推广信息作为目标推广信息。用户对目标推广信息的位置偏好信息最大,那么根据目标推广信息以及用户A的位置偏好信息,生成的个性化推送消息突出该目标推广信息对应的商家到当前地点的距离很近。
在本发明实施例中,可以获取指定第二用户的偏好信息,在接收到多个第一用户设定的推广信息以后,可以获取与所述第二用户的偏好信息匹配的目标推广信息,并根据该偏好信息与目标推广信息自动生成个性化的推送消息,使得推送消息能够更符合第二用户的需求,免去用户耗费更多的网络资源从其他站点中查询第一用户的消息,提高消息处理的效率。
另外,针对第一用户而言,可以提高推送消息的准确率,从而提升转化率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明的一种基于用户偏好的消息推送平台实施例一的结构框图,具体可以包括如下模块:
第一推广信息接收模块301,用于接收第一用户设定的推广信息;
第二用户标识获取模块302,用于获取与所述推广信息匹配的第二用户的标识;
第一偏好信息获取模块303,用于获取所述第二用户的标识对应的第二用户的偏好信息;
第一推送消息生成模块304,用于基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
第一推送模块305,用于向所述第二用户推送所述推送消息。
在本发明实施例的一种优选实施例中,所述推广信息包括:推广规则以及推广内容。
在本发明实施例的一种优选实施例中,所述第二用户标识获取模块302进一步可以包括如下子模块:
行为数据获取子模块,用于获取登录用户的历史行为数据和/或实时行为数据;
判断子模块,用于判断所述登录用户的历史行为数据和/或实时行为数据是否符合所述推广规则并将符合所述推广规则的登录用户的标识作为与所述推广信息匹配的第二用户的标识。
在本发明实施例的一种优选实施例中,所述第一偏好信息获取模块303进一步可以包括如下子模块:
基本偏好信息获取子模块,用于基于所述历史行为数据计算所述第二用户的基本偏好信息;
修正子模块,用于采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
在本发明实施例的一种优选实施例中,所述历史行为数据包括多种特定行为,所述基本偏好信息获取子模块还用于:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
在本发明实施例的一种优选实施例中,所述第二用户的偏好信息包括所述第二用户的品类偏好信息,所述修正子模块还用于:
若检测到所述第二用户在第一时间周期内收到过推送消息,则将所述第二用户设置为免打扰用户;
若检测到所述第二用户在第二时间周期内购买或消费过某个品类,则按照第一预设比例降低所述第二用户的品类偏好信息;
若当前时间正是某个品类的消费旺季,则按照第二预设比例提高所述第二用户的品类偏好信息。
在本发明实施例的一种优选实施例中,所述第二用户的偏好信息包括所述第二用户的位置偏好信息,所述实时行为数据包括实时的地理位置信息,所述历史行为数据包括所述第二用户预定业务的地理位置信息;
所述修正子模块还用于:
若所述实时的地理位置信息和/或所述预定业务的地理位置信息偏离所述第二用户的位置偏好信息,则按照第三预设比例降低所述第二用户的位置偏好信息;
若所述实时的地理位置信息和/或所述预定业务的地理位置信息在所述第二用户的位置偏好信息的预设范围内,则按照第四预设比例提高所述第二用户的位置偏好信息。
在本发明实施例的一种优选实施例中,所述用户偏好信息至少还包括以下类型的一种或多种:时间偏好信息、价格偏好信息、门店偏好信息。
在本发明实施例的一种优选实施例中,所述平台还包括:
匹配度计算模块,用于计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度;
目标第二用户确定模块,用于将匹配度大于预设阈值的第二用户作为目标第二用户。
在本发明实施例的一种优选实施例中,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述匹配度计算模块还用于:
从第二用户的多种类型的偏好信息中,确定所述推广规则中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与推广信息的匹配度。
在本发明实施例的一种优选实施例中,所述第一推送消息生成模块304还用于:
获取所述目标第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述推广内容,生成推送消息。
对于图3的平台实施例而言,由于其与图1的方法实施例基本相似,所以描述的比较简单,相关之处参见图1的方法实施例的部分说明即可。
参照图4,示出了本发明的一种基于用户偏好的消息推送平台实施例二的结构框图,具体可以包括如下模块:
第二推广信息接收模块401,用于接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
第二偏好信息获取模块402,用于获取第二用户的偏好信息;
目标推广信息获取模块403,用于从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
第二推送消息生成模块404,用于基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
第二推送模块405,用于向所述第二用户推送所述推送消息。
在本发明实施例的一种优选实施例中,所述推广信息包括:推广规则以及推广内容。
在本发明实施例的一种优选实施例中,所述第二偏好信息获取模块402进一步可以包括如下子模块:
行为数据获取子模块,用于获取第二用户的历史行为数据和/或实时行为数据;
基本偏好信息获取子模块,用于基于所述历史行为数据计算所述第二用户的基本偏好信息;
修正子模块,用于采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
在本发明实施例的一种优选实施例中,所述历史行为数据包括多种特定行为,所述基本偏好信息获取子模块还用于:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
在本发明实施例的一种优选实施例中,所述第二用户的偏好信息包括所述第二用户的品类偏好信息,所述修正子模块还用于:
若检测到所述第二用户在第一时间周期内收到过推送消息,则将所述第二用户设置为免打扰用户;
若检测到所述第二用户在第二时间周期内购买或消费过某个品类,则按照第一预设比例降低所述第二用户的品类偏好信息;
若当前时间正是某个品类的消费旺季,则按照第二预设比例提高所述第二用户的品类偏好信息。
在本发明实施例的一种优选实施例中,所述第二用户的偏好信息包括所述第二用户的位置偏好信息,所述实时行为数据包括实时的地理位置信息,所述历史行为数据包括所述第二用户预定业务的地理位置信息;
所述修正子模块还用于:
若所述实时的地理位置信息和/或所述预定业务的地理位置信息偏离所述第二用户的位置偏好信息,则按照第三预设比例降低所述第二用户的位置偏好信息;
若所述实时的地理位置信息和/或所述预定业务的地理位置信息在所述第二用户的位置偏好信息的预设范围内,则按照第四预设比例提高所述第二用户的位置偏好信息。
在本发明实施例的一种优选实施例中,所述用户偏好信息至少还包括以下类型的一种或多种:时间偏好信息、价格偏好信息、门店偏好信息。
在本发明实施例的一种优选实施例中,所述目标推广信息获取模块403进一步可以包括如下子模块:
第一候选推广信息获取子模块,用于从所述推广信息数据库中选择与所述第二用户的历史行为数据和/或实时行为数据匹配的推广信息,作为第一候选推广信息;
匹配度计算子模块,用于计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度;
第二候选推广信息获取子模块,用于将匹配度大于预设阈值的第一候选推广信息,作为第二候选推广信息;
排序系数计算子模块,用于分别计算所述第二候选推广信息的排序系数;
目标推广信息获取子模块,用于将排序系数最高的第二候选推广信息作为目标推广信息。
在本发明实施例的一种优选实施例中,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述匹配度计算子模块还用于:
从第二用户的多种类型的偏好信息中,确定所述第一候选推广信息中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与第一候选推广信息的匹配度。
在本发明实施例的一种优选实施例中,采用如下方式计算所述第二候选推广信息的排序系数rank:
rank=bid*Q,
其中,bid为第一用户对所述推送规则的出价;
Q为推送规则的质量;
Q=用户偏好信息*历史推广效果
历史推广效果=推送消息带来的订单量/推送消息的发送量。
在本发明实施例的一种优选实施例中,所述第二推送消息生成模块404还用于:
获取所述第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述目标推广信息中的推广内容,生成推送消息。
对于图4的平台实施例而言,由于其与图2的方法实施例基本相似,所以描述的比较简单,相关之处参见图2的方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端设备不仅包括那些要素,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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于用户偏好的消息推送方法和一种基于用户偏好的消息推送平台,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种基于用户偏好的消息推送方法,其特征在于,包括:
接收第一用户设定的推广信息;
获取与所述推广信息匹配的第二用户的标识;
获取所述第二用户的标识对应的第二用户的偏好信息;
计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度;
将匹配度大于预设阈值的第二用户作为目标第二用户;
基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
向所述目标第二用户推送所述推送消息;
所述推广信息包括:推广规则以及推广内容,所述基于所述第二用户的偏好信息与所述推广信息,生成推送消息的步骤,包括:
获取所述目标第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述推广内容,生成推送消息。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述推广信息匹配的第二用户的标识的步骤包括:
获取登录用户的历史行为数据和/或实时行为数据;
判断所述登录用户的历史行为数据和/或实时行为数据是否符合所述推广规则;
将符合所述推广规则的登录用户的标识作为与所述推广信息匹配的第二用户的标识。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第二用户的标识对应的第二用户的偏好信息的步骤包括:
基于所述历史行为数据计算所述第二用户的基本偏好信息;
采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
4.根据权利要求3所述的方法,其特征在于,所述历史行为数据包括多种特定行为,所述基于所述历史行为数据计算所述第二用户的基本偏好信息的步骤包括:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
5.根据权利要求1所述的方法,其特征在于,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度的步骤包括:
从第二用户的多种类型的偏好信息中,确定所述推广规则中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与推广信息的匹配度。
6.一种基于用户偏好的消息推送方法,其特征在于,包括:
接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
获取第二用户的偏好信息;
从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
向所述第二用户推送所述推送消息;
所述推广信息包括:推广规则以及推广内容,所述基于所述第二用户的偏好信息与所述推广信息,生成推送消息的步骤包括:
获取所述第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述目标推广信息中的推广内容,生成推送消息。
7.根据权利要求6所述的方法,其特征在于,所述获取第二用户的偏好信息的步骤包括:
获取第二用户的历史行为数据和/或实时行为数据;
基于所述历史行为数据计算所述第二用户的基本偏好信息;
采用所述实时行为数据和/或所述历史行为数据对所述基本偏好信息进行修正,得到所述第二用户的偏好信息。
8.根据权利要求7所述的方法,其特征在于,所述历史行为数据包括多种特定行为,所述基于所述历史行为数据计算所述第二用户的基本偏好信息的步骤包括:
分别获取所述特定行为出现的次数;
分别计算每种特定行为出现的次数与对应的预设权重的点积,得到所述第二用户的基本偏好信息。
9.根据权利要求6所述的方法,其特征在于,所述从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息的步骤包括:
从所述推广信息数据库中选择与所述第二用户的历史行为数据和/或实时行为数据匹配的推广信息,作为第一候选推广信息;
计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度;
将匹配度大于预设阈值的第一候选推广信息,作为第二候选推广信息;
分别计算所述第二候选推广信息的排序系数;
将排序系数最高的第二候选推广信息作为目标推广信息。
10.根据权利要求9所述的方法,其特征在于,所述推广规则包括多种属性信息;所述偏好信息包括多种类型的偏好信息;
所述计算所述第二用户的偏好信息与所述第一候选推广信息的匹配度的步骤包括:
从第二用户的多种类型的偏好信息中,确定所述第一候选推广信息中每个属性信息对应的偏好信息;
计算每个属性信息与对应的偏好信息的点积,得到所述第二用户的偏好信息与第一候选推广信息的匹配度。
11.根据权利要求9或10所述的方法,其特征在于,采用如下方式计算所述第二候选推广信息的排序系数rank:
rank=bid*Q,
其中,bid为第一用户对所述推送规则的出价;
Q为推送规则的质量;
Q=用户偏好信息*历史推广效果
历史推广效果=推送消息带来的订单量/推送消息的发送量。
12.一种基于用户偏好的消息推送平台,其特征在于,包括:
第一推广信息接收模块,用于接收第一用户设定的推广信息;
第二用户标识获取模块,用于获取与所述推广信息匹配的第二用户的标识;
第一偏好信息获取模块,用于获取所述第二用户的标识对应的第二用户的偏好信息;
匹配度计算模块,用于计算所述第二用户的标识对应的第二用户的偏好信息与所述推广信息的匹配度;
目标第二用户确定模块,用于将匹配度大于预设阈值的第二用户作为目标第二用户;
第一推送消息生成模块,用于基于所述第二用户的偏好信息与所述推广信息,生成推送消息;
第一推送模块,用于向所述目标第二用户推送所述推送消息;
所述推广信息包括:推广规则以及推广内容,所述第一推送消息生成模块,还用于:
获取所述目标第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述推广内容,生成推送消息。
13.一种基于用户偏好的消息推送平台,其特征在于,包括:
第二推广信息接收模块,用于接收多个第一用户设定的推广信息,并将所述推广信息存储在推广信息数据库中;
第二偏好信息获取模块,用于获取第二用户的偏好信息;
目标推广信息获取模块,用于从所述推广信息数据库中确定与所述第二用户的偏好信息匹配的目标推广信息;
第二推送消息生成模块,用于基于所述第二用户的偏好信息与所述目标推广信息,生成推送消息;
第二推送模块,用于向所述第二用户推送所述推送消息;
所述推广信息包括:推广规则以及推广内容,所述第二推送消息生成模块,还用于:
获取所述第二用户的每种类型的偏好信息中,数值最大的偏好信息,作为重点偏好信息;
以所述重点偏好信息为侧重点,结合所述目标推广信息中的推广内容,生成推送消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610262773.6A CN105975483B (zh) | 2016-04-25 | 2016-04-25 | 一种基于用户偏好的消息推送方法和平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610262773.6A CN105975483B (zh) | 2016-04-25 | 2016-04-25 | 一种基于用户偏好的消息推送方法和平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105975483A CN105975483A (zh) | 2016-09-28 |
CN105975483B true CN105975483B (zh) | 2020-02-14 |
Family
ID=56993221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610262773.6A Active CN105975483B (zh) | 2016-04-25 | 2016-04-25 | 一种基于用户偏好的消息推送方法和平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105975483B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355454B (zh) * | 2016-10-31 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、服务器及客户端 |
CN107920100B (zh) * | 2016-10-10 | 2021-07-30 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN106530010B (zh) | 2016-11-15 | 2017-12-12 | 平安科技(深圳)有限公司 | 融合时间因素的协同过滤方法和装置 |
CN107094166A (zh) * | 2016-12-12 | 2017-08-25 | 口碑控股有限公司 | 一种业务信息发送方法及装置 |
CN106846035A (zh) * | 2016-12-15 | 2017-06-13 | 北京小度信息科技有限公司 | 信息推送方法及装置 |
CN108632311A (zh) * | 2017-03-20 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108512883B (zh) | 2017-04-10 | 2020-08-11 | 腾讯科技(深圳)有限公司 | 一种信息推送方法、装置及可读介质 |
CN107169798A (zh) * | 2017-05-15 | 2017-09-15 | 广东小天才科技有限公司 | 保持终端客户黏度的方法、终端设备及计算机存储介质 |
CN107220854A (zh) * | 2017-05-31 | 2017-09-29 | 深圳正品创想科技有限公司 | 一种发送电子券的方法及装置 |
CN107332878B (zh) * | 2017-06-05 | 2020-08-07 | 北京三快在线科技有限公司 | 信息的推送方法及装置、电子设备 |
CN115438264A (zh) * | 2017-06-19 | 2022-12-06 | 创新先进技术有限公司 | 一种信息处理方法、装置及设备 |
CN107562916A (zh) * | 2017-09-12 | 2018-01-09 | 如皋福大工程技术研究院有限公司 | 信息匹配方法及装置 |
CN107844988A (zh) * | 2017-09-15 | 2018-03-27 | 南京安讯科技有限责任公司 | 一种基于大数据挖掘和地理位置匹配的智能营销系统 |
CN107507044A (zh) * | 2017-09-28 | 2017-12-22 | 北京小度信息科技有限公司 | 用户挖掘方法、装置、电子设备及计算机可读存储介质 |
CN108009851A (zh) * | 2017-11-30 | 2018-05-08 | 广州云移信息科技有限公司 | 一种营销广告方案匹配方法及系统 |
CN108629045A (zh) * | 2018-05-14 | 2018-10-09 | 平安科技(深圳)有限公司 | 一种消息推送方法、存储介质和服务器 |
CN108848022A (zh) * | 2018-06-05 | 2018-11-20 | 华南理工大学 | 一种基于场景与用户行为的消息推送方法 |
CN108830689A (zh) * | 2018-06-13 | 2018-11-16 | 深圳乐信软件技术有限公司 | 物品推荐方法、装置、服务器和存储介质 |
CN110837999B (zh) * | 2018-08-17 | 2023-04-07 | 百度在线网络技术(北京)有限公司 | 课程学习提醒方法和装置 |
CN110956514A (zh) * | 2018-09-26 | 2020-04-03 | 北京京东尚科信息技术有限公司 | 一种生成订单信息的方法和装置 |
CN110363566A (zh) * | 2019-05-31 | 2019-10-22 | 口碑(上海)信息技术有限公司 | 资源对象分配方法、装置、存储介质及计算机设备 |
CN110390605B (zh) * | 2019-07-25 | 2021-11-30 | 新奥(中国)燃气投资有限公司 | 一种改造方案推送方法及装置 |
CN110517072A (zh) * | 2019-08-14 | 2019-11-29 | 平安科技(深圳)有限公司 | 车辆信息的推送方法、装置、设备及计算机可读存储介质 |
CN110751510A (zh) * | 2019-09-29 | 2020-02-04 | 深圳市融壹买信息科技有限公司 | 一种确定推广名单的方法及装置 |
CN112784147A (zh) * | 2019-11-04 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置、设备及系统 |
CN112184332A (zh) * | 2020-10-23 | 2021-01-05 | 浙江口碑网络技术有限公司 | 活动信息的推送方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106598A (zh) * | 2011-11-11 | 2013-05-15 | 卡西欧计算机株式会社 | 宣传分配系统、商店终端 |
CN103761278A (zh) * | 2014-01-09 | 2014-04-30 | 北京奇虎科技有限公司 | 一种进行位置信息搜索的方法和一种浏览器终端 |
CN104219205A (zh) * | 2013-05-31 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 推送媒体文件的方法、接收媒体文件的方法、装置和系统 |
CN105245583A (zh) * | 2015-09-24 | 2016-01-13 | 北京金山安全软件有限公司 | 一种推广信息推送方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9325648B2 (en) * | 2012-08-09 | 2016-04-26 | International Business Machines Corporation | Message subscription based on message aggregate characteristics |
CN103810201B (zh) * | 2012-11-13 | 2016-09-14 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
CN103810214B (zh) * | 2012-11-14 | 2018-03-13 | 腾讯科技(深圳)有限公司 | 搜索页面的频率信息显示方法及装置 |
CN103458275A (zh) * | 2013-09-02 | 2013-12-18 | 深圳市茁壮网络股份有限公司 | 实时交互的数字电视资讯推荐系统及方法 |
CN104008138B (zh) * | 2014-05-08 | 2017-06-30 | 南京邮电大学 | 一种基于社交网络的音乐推荐方法 |
-
2016
- 2016-04-25 CN CN201610262773.6A patent/CN105975483B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106598A (zh) * | 2011-11-11 | 2013-05-15 | 卡西欧计算机株式会社 | 宣传分配系统、商店终端 |
CN104219205A (zh) * | 2013-05-31 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 推送媒体文件的方法、接收媒体文件的方法、装置和系统 |
CN103761278A (zh) * | 2014-01-09 | 2014-04-30 | 北京奇虎科技有限公司 | 一种进行位置信息搜索的方法和一种浏览器终端 |
CN105245583A (zh) * | 2015-09-24 | 2016-01-13 | 北京金山安全软件有限公司 | 一种推广信息推送方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105975483A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975483B (zh) | 一种基于用户偏好的消息推送方法和平台 | |
US8775323B2 (en) | Method and system for providing user tailored service using social network service | |
KR101896408B1 (ko) | 음식 배달 중개 방법 및 장치 | |
US20160350832A1 (en) | Method and system for automatically generating recommendations for a client shopping list | |
CA2846025A1 (en) | Recommendations based upon explicit user similarity | |
CN106407210A (zh) | 一种业务对象的展示方法和装置 | |
US11430024B2 (en) | System and method of providing a virtual guestbook | |
JP6442535B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN106170817A (zh) | 用于不可替代资产的推荐系统 | |
US9811843B2 (en) | System and method for targeting user interests based on mobile call logs | |
US20170186065A1 (en) | System and Method of Product Selection for Promotional Display | |
EP3822902A1 (en) | Systems and methods for customization of reviews | |
US20200051143A1 (en) | Price estimation system | |
CN112053190B (zh) | 一种地摊数据管理方法、装置、存储介质及设备 | |
CN110880127A (zh) | 消费水平的预测方法、装置、电子设备及存储介质 | |
CN117391820A (zh) | 一种SaaS服务综合管理方法及系统 | |
Mykhalchuk et al. | Development of recommendation system in e-commerce using emotional analysis and machine learning methods | |
Gai et al. | Analysis of The Influence of Digital Payment Process, Quality of Application, and Online Service on Repurchase Intention of Online Shopping Platform Customers | |
US20220114626A1 (en) | Authentic review platform | |
JP6914313B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN101989344A (zh) | 一种网络自助销售服务的方法和系统 | |
CN107562846A (zh) | 一种推荐应用的方法和装置 | |
CN114461918A (zh) | 物品推荐方法、装置、电子设备和存储介质 | |
US20210150593A1 (en) | Systems and methods for customization of reviews | |
CN105023171A (zh) | 一种为用户推荐团购的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |