CN107730311A - 一种推荐信息的推送方法、装置及服务器 - Google Patents

一种推荐信息的推送方法、装置及服务器 Download PDF

Info

Publication number
CN107730311A
CN107730311A CN201710914986.7A CN201710914986A CN107730311A CN 107730311 A CN107730311 A CN 107730311A CN 201710914986 A CN201710914986 A CN 201710914986A CN 107730311 A CN107730311 A CN 107730311A
Authority
CN
China
Prior art keywords
information
trade company
user
targeted customer
user information
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.)
Pending
Application number
CN201710914986.7A
Other languages
English (en)
Inventor
张露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaodu Information Technology Co Ltd
Original Assignee
Beijing Xiaodu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaodu Information Technology Co Ltd filed Critical Beijing Xiaodu Information Technology Co Ltd
Priority to CN201710914986.7A priority Critical patent/CN107730311A/zh
Publication of CN107730311A publication Critical patent/CN107730311A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种推荐信息的推送方法、装置及服务器，涉及O2O技术领域，主要目的在于实现为O2O平台上的商户确定潜在用户。本发明实施例所采用的技术方案是获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；确定与所述历史用户信息关联的目标用户信息；根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。

Description

一种推荐信息的推送方法、装置及服务器
技术领域
本发明实施例涉及线上到线下(O2O，Online To Offline)技术领域，尤其涉及一种推荐信息的推送方法、装置及服务器。
背景技术
伴随着O2O平台不断发展和完善，越来越多的商户参与到平台中。
目前，O2O平台上，通常用户主动进入商户的店铺进行消费。而那些未进入过商户店铺却具有消费潜力的用户是无法被商户获知的。所以，如何为商户确定潜在用户成为了亟待解决的问题。
发明内容
鉴于上述问题，本发明提供一种推荐信息的推送方法、装置及服务器，主要目的在于实现为商户确定潜在用户。
为解决上述技术问题，第一方面，本发明提供一种推荐信息的推送方法，包括：获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；确定与所述历史用户信息关联的目标用户信息；根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
第二方面，本发明提供一种推荐信息的推送装置，包括：第一获取模块，用于获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；第一确定模块，用于确定与所述历史用户信息关联的目标用户信息；推送模块，用于根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
第三方面，本发明提供一种服务器，包括：存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述一个或者多个技术方案所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述一个或者多个技术方案所述方法的步骤。
本发明实施例所提供的推荐信息的推送方法、装置及服务器，首先，获取O2O平台上第一商户的历史用户信息，也就是第一商户的忠实用户，然后，根据这些历史用户信息，确定与之关联的目标用户信息，也就是第一商户的潜在用户，如此，便实现了为第一商户确定潜在用户。进一步地，在此之后，O2O平台就可以将第一商户的推荐信息推送给这些潜在用户，以扩大第一商户的顾客群体，进而提高第一商户的商品消费概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1-1为本发明实施例中的推荐消息的推送方法的第一种实施流程示意图；
图1-2为本发明实施例中的推荐消息的推送方法的第二种实施流程示意图；
图2-1为本发明实施例中的用户画像的刻画指标的示意图；
图2-2为本发明实施例中的用户关联度的第一种示意图；
图2-3为本发明实施例中的用户关联度的第二种示意图；
图3-1为本发明实施例中的推送装置的第一种结构示意图；
图3-2为本发明实施例中的推送装置的第二种结构示意图；
图4为本发明实施例中的服务器的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
本发明实施例提供一种推荐信息的推送方法，该方法可以应用于推荐信息的推送装置，该推送装置可以设置在如线上订餐、线上购物、线上团购等O2O平台的服务器上。
图1-1为本发明实施例中的推荐消息的推送方法的第一种实施流程示意图，参见图1-1所示，该推送方法可以包括：
S101：获取第一商户对应的历史用户信息；
其中，历史用户信息为购买过第一商户的商品的历史用户的用户信息；
这里，随着O2O平台的不断发展和完善，越来越多的商户参与到平台中。除了O2O平台本身为商户提供订单、营业信息维护、基础数据查看等基础功能之外，越来越多具有营销意识商户迫切想要维护自己的老用户来源、扩宽自己的新用户来源，从而为自己带来更多订单和流水。那么，O2O平台就可以为商户提供这种能力。那么，设置在O2O平台上的推送装置可以从用户数据库中获取第一商户对应的历史用户信息，也就是说，从用户数据库中读取购买过第一商户的商品的历史用户的用户信息，这里用户信息可以用于描述用户以及其进行的消费行为，比如，用户信息可以包括用户的年龄、职业、所在城市、健康状态、婚姻状况、绑定手机号码、消费金额、消费时间、消费地点、消费类型等。
在本发明其他实施例中，推送装置可以每间隔预设时间段，获取一次历史用户信息。例如，根据当前业务需求，将预设时间段设定为每10天获取一次历史用户信息，或者设定为及每月1日、11日、21日分别获取一次历史用户信息。当然，预设时间段的设定还可以包括其他情况，本发明实施例不作具体限定。
在本发明其他实施例中，图1-2为本发明实施例中的推荐消息的推送方法的第二种实施流程示意图，参见图1-2所示，在S101之前，上述方法还可以包括：
S121：获取至少一个第二商户的商户信息；
S122：根据至少一个第二商户的商户信息，对至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；
S123：将具备用户挖掘权限的第二商户确定为第一商户。
这里，由于入驻O2O平台的商户能力参差不齐，大部分商户停留在基本功能使用水平上，所以，需要对商户设定用户挖掘权限，优先保证具有营销意识的商户的用户挖掘。推送装置可以从商户所在城市、商户品类、商户在上一额度周期的综合评分进行限制，还可以考虑结合商户画像等，以此来考察商户的潜力，并根据具体情况为商户设定用户挖掘权限。那么，S121至S123可以为，推送装置在S101之前，还可以获取至少一个第二商户的商户信息，如第二商户所在城市、商户品类等，然后，按照预设的用户挖掘权限设定条件，根据至少一个第二商户的商户信息，对至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户，最后，将具备用户挖掘权限的第二商户确定为第一商户。
S102：确定与历史用户信息关联的目标用户信息；
这里，推送装置在通过S101获得第一商户的历史用户信息之后，可以通过数据挖掘算法来对历史用户信息，获得与历史用户信息关联的目标用户信息。
在具体实施过程中，上述数据挖掘算法可以相似人群扩展(lookalike)算法，还可以在lookalike算法结合上聚类算法，当然还可以为其他人群扩展算法，本发明实施例不作具体限定。
下面对实施S102的方法过程进行说明。
第一种方法，S102可以包括：对历史用户信息进行分析，获得用于表征历史用户共同属性的用户特征信息；确定至少一个候选用户信息与用户特征信息的关联度；将关联度满足预设门限值的候选用户信息确定为目标用户信息。
这里，推送装置对第一商户的历史用户信息进行分析，获得属于历史用户的共同属性的用户特征信息，这些用户特征信息可以用来构建历史用户的用户画像。例如，图2-1为本发明实施例中的用户画像的刻画指标的示意图，参见图2-1所示，用户画像的刻画指标可以包括：消费场景、购买能力、饮食偏好、优惠属性、粘性属性、人群细分等用户基础指标，每个基础指标下又细分明细指标，比如消费场景这一基础指标下可以细分为单人或者多人、日期、时段、地点以及品类共5项明细指标；再如餐饮偏好这一基础指标下可以细分为口味、食材、菜系、菜式、核心菜、成菜以及做法等7项明细指标。当然，其他基础指标下面还可以存在多种明细指标，本发明实施例不作具体限定。
接着，推送装置确定至少一个候选用户信息与用户特征信息的关联度，也就是说，推送装置计算每一个候选用户信息与上述用户特征信息之间的关联度，即计算用户特征信息与候选用户信息的相似程度，并将关联度满足预设门限值的候选用户信息确定为目标用户信息。比如，将关联度为95％的候选用户信息确定为目标用户信息，假设，用户特征信息为家庭女性、30-40岁、已婚，未生小孩，健康，那么，跟该用户特征信息的关联度为95％的候选用户信息可以为上班族，30-40岁、已婚，未生小孩，健康、女性。
这里，上述至少一个候选用户可以为O2O平台的活跃用户，还可以为O2O平台上除了上述第一商户的历史用户之外的全部用户，当然，也可以为除了上述第一商户的历史用户之外的部分用户，如O2O平台上除了上述第一商户的历史用户之外的全部与第一商户在同一城市的用户。推送装置计算每一个候选用户与将关联度满足预设门限值的候选用户信息确定为目标用户信息。
进一步地，推送装置还可以设置一容差值，如10％至15％。在实际应用中，容差值可以根据具体要覆盖的用户数量进行拟合，本发明实施例不作具体限定。
例如，图2-2为本发明实施例中的用户关联度的第一种示意图，参见图2-2示，红线221用于表征与第一商户完全匹配的用户特征信息，这里，离红线221越近的点对用户特征的描述就越准确，红线221穿过的点222，就是第一商户的理想用户。图2-3为本发明实施例中的用户关联度的第二种示意图，参见图2-3所示，以红线221为基准，根据容差值，拟合出两条虚线231，在两条虚线中间区域就涵盖了与第一商户的历史用户信息关联的候选用户信息，也就是为第一商户挖掘的目标用户信息。
需要说明的是，在两条虚线中间区域的区域涵盖了更多的用户，这些用户部分离原始模型很近，有的则离得很远，所以可能导致我们挖掘的用户与商户的匹配度有所下降，我们挖掘用户量和商户匹配度中间做一个折衷取值，并根据每次使用数据进行不断迭代优化和升级。
第二种方法，S102可以包括：利用历史用户信息和至少一个候选用户信息对分类模型进行训练；采用训练后的分类模型对至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息；将满足容差值的候选用户信息确定为所述目标用户信息。
这里，推送装置可以采用lookalike算法来为第一商户确定目标用户信息。具体来说，推送装置将历史用户信息作为种子样本，将上述至少一个候选用户信息作为负样本，以此来对分类模型进行训练，然后，采用训练后的分类模型对至少一个候选用户信息进行筛选，比如，利用训练后的分类模型对之至少一个候选用户信息进行打分，最后，获得打分满足上述容差值的候选用户信息，并将这些候选用户信息确定为目标用户信息。
当然，在具体实施过程中，实现S102的方式可以且不限于上述两种方式，本领域技术人员可以根据实际需求自行设定，本发明实施例不作具体限定。
S103：根据目标用户信息，向对应的目标用户推送第一商户的推荐信息。
在具体实施过程中，S103可以包括：获取第一商户的推荐信息；根据目标用户信息，确定对应的目标用户；将推荐信息推送给目标用户。
这里，第一商户通过推送装置上的登录接口，登录O2O平台，然后，第一商户在O2O平台上开始创建推荐信息，此时，推送装置接收来自第一商户的创建指令，然后，执行创建指令，生成第一商户对应的创建模组，这里，创建模组用于创建推送信息，最后，推送装置将创建模组对应的链接发送给第一商户。这样，第一商户就可以通过点击该链接来调用创建模组，创建推荐信息，如此实现商户的触达。
在本发明实施例中，上述推荐信息可以第一商户发布的优惠信息，如代金券、折扣码、团购套餐、优惠活动等信息，也可以为第一商户的商户信息，如商户店铺地址、商户店铺内商品列表等，本发明实施例不作具体限定。
在实际应用中，推送装置还可以在首页消息、或者横幅广告(banner)进行定期推送，每额度周期第1天、第6天以及最后一天进行额度提醒，针对不同商户会有不同个性化提醒，同时将会将活动效果进行展示。这里所说的额度为推送装置为第一商户确定出来的与历史用户关联的目标用户的数量。
进一步地，推送装置在S103之后，目标用户可以使用注入账户的推荐信息，如优惠券，返回第一商户的店铺进行消费，或者将第一商户的推荐信息转发给自己的好友等，如此实现用户的触达。
本发明实施例所提供的推荐信息的推送方法、装置及服务器，首先，获取O2O平台上第一商户的历史用户信息，也就是第一商户的忠实用户，然后，根据这些历史用户信息，确定与之关联的目标用户信息，也就是第一商户的潜在用户，如此，便实现了为第一商户确定潜在用户。进一步地，在此之后，O2O平台就可以将第一商户的推荐信息推送给这些潜在用户，以扩大第一商户的顾客群体，进而提高第一商户的商品消费概率。
基于同一发明构思，作为对上述方法的实现，本发明实施例提供了一种推荐信息的推送装置，该装置可以设置于上述一个或者多个实施例所述的服务器中。
图3-1为本发明实施例中的推送装置的第一种结构示意图，参见图3-1所示，上述推荐信息的推送装置300，包括：第一获取模块301，用于获取第一商户对应的历史用户信息，历史用户信息为购买过第一商户的商品的历史用户的用户信息；第一确定模块302，用于确定与历史用户信息关联的目标用户信息；推送模块303，用于根据目标用户信息，向对应的目标用户推送第一商户的推荐信息。
在本发明其他实施例中，上述第一确定模块，包括：分析子模块和确定子模块；分析子模块，用于对历史用户信息进行分析，获得用于表征历史用户共同属性的用户特征信息；确定子模块，用于确定至少一个候选用户信息与用户特征信息的关联度；将关联度满足预设门限值的候选用户信息确定为目标用户信息。
在本发明其他实施例中，上述第一确定模块，包括：训练子模块和筛选子模块；训练子模块，用于利用历史用户信息和至少一个候选用户信息对分类模型进行训练；筛选子模块，用于采用训练后的分类模型对至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息确定为目标用户信息。
在本发明其他实施例中，上述第一获取模块，具体用于每间隔预设时间段，获取一次历史用户信息。
在本发明其他实施例中，图3-2为本发明实施例中的推送装置的第二种结构示意图，参见图3-2所示，上述推荐信息的推送装置300，还可以包括：第二获取模块304和第二确定模块305；第二获取模块304，用于在获取第一商户对应的历史用户信息之前，获取至少一个第二商户的商户信息；根据至少一个第二商户的商户信息，对至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；第二确定模块305，用于将具备用户挖掘权限的第二商户确定为第一商户。
在本发明其他实施例中，上述推送模块，包括：获取子模块和推送子模块；获取子模块，用于获取第一商户的推荐信息；推送子模块，用于根据目标用户信息，确定对应的目标用户；将推荐信息推送给目标用户。
在本发明其他实施例中，上述获取子模块，具体用于接收来自第一商户的创建指令；执行创建指令，生成第一商户对应的创建模组，创建模组用于创建推送信息；将创建模组对应的链接发送给第一商户。
这里需要指出的是：以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
基于同一发明构思，本发明实施例提供一种服务器，与上述一个或者多个实施例中所述的服务器一致。该服务器应用于如线上订餐、线上购物、线上团购等O2O平台。
图4为本发明实施例中的服务器的结构示意图，如图4所示，该服务器400包括：存储器401和处理器402；其中，存储器401用于存储一条或多条计算机指令403，其中，一条或多条计算机指令403被处理器402执行以实现以下步骤：获取第一商户对应的历史用户信息，历史用户信息为购买过第一商户的商品的历史用户的用户信息；确定与历史用户信息关联的目标用户信息；根据目标用户信息，向对应的目标用户推送第一商户的推荐信息。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：对历史用户信息进行分析，获得用于表征历史用户共同属性的用户特征信息；确定至少一个候选用户信息与用户特征信息的关联度；将关联度满足预设门限值的候选用户信息确定为目标用户信息。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：利用历史用户信息和至少一个候选用户信息对分类模型进行训练；采用训练后的分类模型对至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息确定为目标用户信息。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：每间隔预设时间段，获取一次历史用户信息。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：在获取第一商户对应的历史用户信息之前，获取至少一个第二商户的商户信息；根据至少一个第二商户的商户信息，对至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；将具备用户挖掘权限的第二商户确定为第一商户。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：获取第一商户的推荐信息；根据目标用户信息，确定对应的目标用户；将推荐信息推送给目标用户。
在本发明其他实施例中，处理器执行程序时还实现以下步骤：接收来自第一商户的创建指令；执行创建指令，生成第一商户对应的创建模组，创建模组用于创建推送信息；将创建模组对应的链接发送给第一商户。
这里需要指出的是：以上服务器实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明服务器实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
相应地，本发明实施例再提供一种计算机可读存储介质，该计算机存储介质中存储有计算机程序，该计算机程序被处理器执行时用于实现本发明实施例中推荐消息的推送方法的步骤。
这里需要指出的是：以上计算设备或计算机可读存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明计算设备或存储介质实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
本发明实施例还公开了A1、一种推荐信息的推送方法，包括：
获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；
确定与所述历史用户信息关联的目标用户信息；
根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
A2、根据A1所述的方法，所述确定与所述历史用户信息关联的目标用户信息，包括：
对所述历史用户信息进行分析，获得用于表征所述历史用户共同属性的用户特征信息；
确定至少一个候选用户信息与所述用户特征信息的关联度；
将所述关联度满足所述预设门限值的候选用户信息确定为所述目标用户信息。
A3、根据A1所述的方法，所述确定与所述历史用户信息关联的目标用户信息，包括：
利用所述历史用户信息和至少一个候选用户信息对分类模型进行训练；
采用训练后的分类模型对所述至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息；
将所述满足容差值的候选用户信息确定为所述目标用户信息。
A4、根据A1-A3任一项所述的方法，所述获取第一商户对应的历史用户信息，包括：
每间隔预设时间段，获取一次所述历史用户信息。
A5、根据A1所述的方法，所述获取第一商户对应的历史用户信息之前，所述方法还包括：
获取至少一个第二商户的商户信息；
根据至少一个第二商户的商户信息，对所述至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；
将所述具备用户挖掘权限的第二商户确定为所述第一商户。
A6、根据A1所述的方法，所述根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息，包括：
获取所述第一商户的推荐信息；
根据所述目标用户信息，确定所述对应的目标用户；
将所述推荐信息推送给所述目标用户。
A7、根据A6所述的方法，所述获取所述第一商户的推荐信息，包括：
接收来自所述第一商户的创建指令；
执行所述创建指令，生成所述第一商户对应的创建模组，所述创建模组用于创建所述推送信息；
将所述创建模组对应的链接发送给所述第一商户。
本发明实施例还公开了B1、一种推荐信息的推送装置，包括：
第一获取模块，用于获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；
第一确定模块，用于确定与所述历史用户信息关联的目标用户信息；
推送模块，用于根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
B2、根据B1所述的装置，所述第一确定模块，包括：分析子模块和确定子模块；
所述分析子模块，用于对所述历史用户信息进行分析，获得用于表征所述历史用户共同属性的用户特征信息；
所述确定子模块，用于确定至少一个候选用户信息与所述用户特征信息的关联度；将所述关联度满足所述预设门限值的候选用户信息确定为所述目标用户信息。
B3、根据B1所述的装置，所述第一确定模块，包括：训练子模块和筛选子模块；
所述训练子模块，用于利用所述历史用户信息和至少一个候选用户信息对分类模型进行训练；
所述筛选子模块，用于采用训练后的分类模型对所述至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息；将所述满足容差值的候选用户信息确定为所述目标用户信息。
B4、根据B1-B3任一项所述的装置，所述第一获取模块，具体用于每间隔预设时间段，获取一次所述历史用户信息。
B5、根据B1所述的装置，所述装置还包括：第二获取模块和第二确定模块；
所述第二获取模块，用于在获取所述第一商户对应的历史用户信息之前，获取至少一个第二商户的商户信息；根据至少一个第二商户的商户信息，对所述至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；
所述第二确定模块，用于将所述具备用户挖掘权限的第二商户确定为所述第一商户。
B6、根据B1所述的装置，所述推送模块，包括：获取子模块和推送子模块；
所述获取子模块，用于获取所述第一商户的推荐信息；
所述推送子模块，用于根据所述目标用户信息，确定所述对应的目标用户；将所述推荐信息推送给所述目标用户。
B7、根据B6所述的装置，所述获取子模块，具体用于接收来自所述第一商户的创建指令；执行所述创建指令，生成所述第一商户对应的创建模组，所述创建模组用于创建所述推送信息；将所述创建模组对应的链接发送给所述第一商户。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。
本发明是参照根据本发明实施例的方法、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设备上，使得在计算机或其他可编程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，则可对这些实施例作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范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种推荐信息的推送方法，其特征在于，包括：
获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；
确定与所述历史用户信息关联的目标用户信息；
根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述确定与所述历史用户信息关联的目标用户信息，包括：
对所述历史用户信息进行分析，获得用于表征所述历史用户共同属性的用户特征信息；
确定至少一个候选用户信息与所述用户特征信息的关联度；
将所述关联度满足所述预设门限值的候选用户信息确定为所述目标用户信息。
3.根据权利要求1所述的方法，其特征在于，所述确定与所述历史用户信息关联的目标用户信息，包括：
利用所述历史用户信息和至少一个候选用户信息对分类模型进行训练；
采用训练后的分类模型对所述至少一个候选用户信息进行筛选，获得满足容差值的候选用户信息；
将所述满足容差值的候选用户信息确定为所述目标用户信息。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取第一商户对应的历史用户信息，包括：
每间隔预设时间段，获取一次所述历史用户信息。
5.根据权利要求1所述的方法，其特征在于，所述获取第一商户对应的历史用户信息之前，所述方法还包括：
获取至少一个第二商户的商户信息；
根据至少一个第二商户的商户信息，对所述至少一个第二商户进行筛选，获得具备用户挖掘权限的第二商户；
将所述具备用户挖掘权限的第二商户确定为所述第一商户。
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息，包括：
获取所述第一商户的推荐信息；
根据所述目标用户信息，确定所述对应的目标用户；
将所述推荐信息推送给所述目标用户。
7.根据权利要求6所述的方法，其特征在于，所述获取所述第一商户的推荐信息，包括：
接收来自所述第一商户的创建指令；
执行所述创建指令，生成所述第一商户对应的创建模组，所述创建模组用于创建所述推送信息；
将所述创建模组对应的链接发送给所述第一商户。
8.一种推荐信息的推送装置，其特征在于，包括：
第一获取模块，用于获取第一商户对应的历史用户信息，所述历史用户信息为购买过所述第一商户的商品的历史用户的用户信息；
第一确定模块，用于确定与所述历史用户信息关联的目标用户信息；
推送模块，用于根据所述目标用户信息，向对应的目标用户推送所述第一商户的推荐信息。
9.一种服务器，特征在于，包括：存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
CN201710914986.7A 2017-09-29 2017-09-29 一种推荐信息的推送方法、装置及服务器 Pending CN107730311A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710914986.7A CN107730311A (zh) 2017-09-29 2017-09-29 一种推荐信息的推送方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710914986.7A CN107730311A (zh) 2017-09-29 2017-09-29 一种推荐信息的推送方法、装置及服务器

Publications (1)

Publication Number Publication Date
CN107730311A true CN107730311A (zh) 2018-02-23

Family

ID=61208379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710914986.7A Pending CN107730311A (zh) 2017-09-29 2017-09-29 一种推荐信息的推送方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN107730311A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033285A (zh) * 2018-07-12 2018-12-18 北京比特智学科技有限公司 信息推送方法及装置
CN109255656A (zh) * 2018-08-31 2019-01-22 有米科技股份有限公司 一种基于复合模型的用户扩展方法、装置及系统
CN109284413A (zh) * 2018-09-07 2019-01-29 平安科技（深圳）有限公司 基于人脸识别的商品推荐方法、装置、设备及存储介质
CN109325807A (zh) * 2018-09-21 2019-02-12 上海重盟信息技术有限公司 一种数据推送的方法和装置
CN109377328A (zh) * 2018-12-19 2019-02-22 口口相传(北京)网络技术有限公司 商家门店地理位置的推荐方法及装置
CN109523305A (zh) * 2018-10-23 2019-03-26 上海舍汇信息技术有限公司 购房咨询处理装置
CN109583932A (zh) * 2018-09-29 2019-04-05 阿里巴巴集团控股有限公司 一种生成活动人群的方法、装置及电子设备
CN109919719A (zh) * 2019-02-22 2019-06-21 掌阅科技股份有限公司 信息推送方法、计算设备及计算机存储介质
CN110601925A (zh) * 2019-10-21 2019-12-20 秒针信息技术有限公司 一种信息筛选方法、装置、电子设备及存储介质
CN110727857A (zh) * 2019-09-04 2020-01-24 口碑(上海)信息技术有限公司 针对业务对象识别潜在用户的关键特征的方法及装置
CN110738521A (zh) * 2019-10-10 2020-01-31 深圳市云积分科技有限公司 一种多电商品牌的客户销售方法和装置
CN110782278A (zh) * 2019-10-15 2020-02-11 支付宝(杭州)信息技术有限公司 一种数据处理方法和装置
CN110782325A (zh) * 2019-10-31 2020-02-11 深圳市云积分科技有限公司 一种会员信息的推荐方法和装置
CN111127060A (zh) * 2018-10-31 2020-05-08 百度在线网络技术（北京）有限公司 确定业务的推广用户的方法和装置
CN111222952A (zh) * 2020-01-09 2020-06-02 苏宁云计算有限公司 一种营销客群推荐方法及装置
CN111353688A (zh) * 2020-02-05 2020-06-30 口碑(上海)信息技术有限公司 一种用户资源分配方法以及装置
CN111582906A (zh) * 2020-03-26 2020-08-25 口碑(上海)信息技术有限公司 一种目标用户信息的获取方法、装置以及电子设备
CN111754253A (zh) * 2019-06-20 2020-10-09 北京沃东天骏信息技术有限公司 用户的鉴权方法、装置、计算机设备及存储介质
CN113869893A (zh) * 2021-09-02 2021-12-31 支付宝(杭州)信息技术有限公司 一种资源核销方法、装置及设备
CN113919856A (zh) * 2020-07-09 2022-01-11 上海钧正网络科技有限公司 目标用户选择方法、系统、设备及存储介质
CN115379269A (zh) * 2022-08-17 2022-11-22 咪咕文化科技有限公司 虚拟形象直播互动方法、计算设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070198388A1 (en) * 1996-06-10 2007-08-23 Libman Richard M System and method for automatically providing personalized notices concerning financial products and/or services
CN104731866A (zh) * 2015-02-27 2015-06-24 湖南大学 一种基于位置的个性化美食推荐方法
CN104850651A (zh) * 2015-05-29 2015-08-19 小米科技有限责任公司 信息上报方法及装置和信息推送方法及装置
CN105205689A (zh) * 2015-08-26 2015-12-30 深圳市万音达科技有限公司 推荐商户的方法及系统
CN106127504A (zh) * 2016-06-12 2016-11-16 北京三快在线科技有限公司 电子物品券的推送方法、生成方法、装置、用户终端及服务器
CN106776707A (zh) * 2016-11-11 2017-05-31 百度在线网络技术（北京）有限公司 信息推送的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070198388A1 (en) * 1996-06-10 2007-08-23 Libman Richard M System and method for automatically providing personalized notices concerning financial products and/or services
CN104731866A (zh) * 2015-02-27 2015-06-24 湖南大学 一种基于位置的个性化美食推荐方法
CN104850651A (zh) * 2015-05-29 2015-08-19 小米科技有限责任公司 信息上报方法及装置和信息推送方法及装置
CN105205689A (zh) * 2015-08-26 2015-12-30 深圳市万音达科技有限公司 推荐商户的方法及系统
CN106127504A (zh) * 2016-06-12 2016-11-16 北京三快在线科技有限公司 电子物品券的推送方法、生成方法、装置、用户终端及服务器
CN106776707A (zh) * 2016-11-11 2017-05-31 百度在线网络技术（北京）有限公司 信息推送的方法和装置

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033285A (zh) * 2018-07-12 2018-12-18 北京比特智学科技有限公司 信息推送方法及装置
CN109255656A (zh) * 2018-08-31 2019-01-22 有米科技股份有限公司 一种基于复合模型的用户扩展方法、装置及系统
CN109255656B (zh) * 2018-08-31 2020-09-18 有米科技股份有限公司 一种基于复合模型的用户扩展方法、装置及系统
CN109284413A (zh) * 2018-09-07 2019-01-29 平安科技（深圳）有限公司 基于人脸识别的商品推荐方法、装置、设备及存储介质
CN109325807A (zh) * 2018-09-21 2019-02-12 上海重盟信息技术有限公司 一种数据推送的方法和装置
CN109325807B (zh) * 2018-09-21 2022-05-03 上海重盟信息技术有限公司 一种数据推送的方法和装置
CN109583932A (zh) * 2018-09-29 2019-04-05 阿里巴巴集团控股有限公司 一种生成活动人群的方法、装置及电子设备
CN109523305A (zh) * 2018-10-23 2019-03-26 上海舍汇信息技术有限公司 购房咨询处理装置
CN111127060B (zh) * 2018-10-31 2023-08-08 百度在线网络技术（北京）有限公司 确定业务的推广用户的方法和装置
CN111127060A (zh) * 2018-10-31 2020-05-08 百度在线网络技术（北京）有限公司 确定业务的推广用户的方法和装置
CN109377328A (zh) * 2018-12-19 2019-02-22 口口相传(北京)网络技术有限公司 商家门店地理位置的推荐方法及装置
CN109377328B (zh) * 2018-12-19 2021-03-30 口口相传(北京)网络技术有限公司 商家门店地理位置的推荐方法及装置
CN109919719A (zh) * 2019-02-22 2019-06-21 掌阅科技股份有限公司 信息推送方法、计算设备及计算机存储介质
CN111754253A (zh) * 2019-06-20 2020-10-09 北京沃东天骏信息技术有限公司 用户的鉴权方法、装置、计算机设备及存储介质
CN110727857A (zh) * 2019-09-04 2020-01-24 口碑(上海)信息技术有限公司 针对业务对象识别潜在用户的关键特征的方法及装置
CN110738521A (zh) * 2019-10-10 2020-01-31 深圳市云积分科技有限公司 一种多电商品牌的客户销售方法和装置
CN110738521B (zh) * 2019-10-10 2022-04-15 深圳市云积分科技有限公司 一种多电商品牌的客户销售方法和装置
CN110782278A (zh) * 2019-10-15 2020-02-11 支付宝(杭州)信息技术有限公司 一种数据处理方法和装置
CN110601925A (zh) * 2019-10-21 2019-12-20 秒针信息技术有限公司 一种信息筛选方法、装置、电子设备及存储介质
CN110601925B (zh) * 2019-10-21 2021-07-27 秒针信息技术有限公司 一种信息筛选方法、装置、电子设备及存储介质
CN110782325A (zh) * 2019-10-31 2020-02-11 深圳市云积分科技有限公司 一种会员信息的推荐方法和装置
CN111222952A (zh) * 2020-01-09 2020-06-02 苏宁云计算有限公司 一种营销客群推荐方法及装置
CN111222952B (zh) * 2020-01-09 2023-10-31 苏宁云计算有限公司 一种营销客群推荐方法及装置
CN111353688A (zh) * 2020-02-05 2020-06-30 口碑(上海)信息技术有限公司 一种用户资源分配方法以及装置
CN111353688B (zh) * 2020-02-05 2024-02-27 口碑(上海)信息技术有限公司 一种用户资源分配方法以及装置
CN111582906A (zh) * 2020-03-26 2020-08-25 口碑(上海)信息技术有限公司 一种目标用户信息的获取方法、装置以及电子设备
CN113919856A (zh) * 2020-07-09 2022-01-11 上海钧正网络科技有限公司 目标用户选择方法、系统、设备及存储介质
CN113869893A (zh) * 2021-09-02 2021-12-31 支付宝(杭州)信息技术有限公司 一种资源核销方法、装置及设备
CN115379269A (zh) * 2022-08-17 2022-11-22 咪咕文化科技有限公司 虚拟形象直播互动方法、计算设备及存储介质

Similar Documents

Publication Publication Date Title
CN107730311A (zh) 一种推荐信息的推送方法、装置及服务器
Han et al. Segmentation of telecom customers based on customer value by decision tree model
CN105490823B (zh) 一种数据处理方法及装置
CN104239338A (zh) 信息推荐方法及装置
US20200234218A1 (en) Systems and methods for entity performance and risk scoring
CN110415002A (zh) 客户行为预测方法及系统
CN107679103A (zh) 用于实体的属性分析方法及系统
Lynn et al. The digital economy and digital business
CN116739652A (zh) 一种服装电商销量预测建模方法
Wang et al. Future development trend of “new retail” and e-commerce based on big data
Khan et al. Elevating Consumer Purchase Intentions in Pakistan: The Power of Digital Marketing
CN109658195A (zh) 一种商品展示决策方法
CN110119784B (zh) 一种订单推荐方法及装置
WO2020150597A1 (en) Systems and methods for entity performance and risk scoring
Madsen et al. The application of big data in fashion retailing: a narrative review
TWM587310U (zh) 金融商品之潛在購買客群篩選系統
KR101853555B1 (ko) Sw 시장 정보 서비스 시스템
CN107291722B (zh) 一种描述词的分类方法及设备
CN107633422A (zh) 一种基于用户行为的市场预测方法及装置
Kapooria Customer relationship management: Key to customer sovereignty
CN112767002A (zh) 一种基于区块链的旅游营商环境和旅游区评价方法及装置
CN111784091A (zh) 用于处理信息的方法和装置
Erjavec et al. SMEs “Growing Smart”: The Complementarity of Intangible and Digital Investment in Small Firms and Their Contribution to Firm Performance
CN109285029A (zh) 预测方法和装置、计算设备及存储介质
CN110135467A (zh) 一种基于数据拼接的模型训练方法、装置、系统和记录介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Building N3, building 12, No. 27, Chengzhong Road, Jiancai, Haidian District, Beijing 100096

Applicant after: Beijing Xingxuan Technology Co.,Ltd.

Address before: Room 202, 2 floors, 1-3 floors, No. 11 Shangdi Information Road, Haidian District, Beijing 100085

Applicant before: Beijing Xiaodu Information Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180223