CN107784562A - 一种新车信息的信息推送方法和装置 - Google Patents

Abstract

本申请提供了一种新车信息的信息推送方法和装置，该方法和装置应用于手机移动应用平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

Description

一种新车信息的信息推送方法和装置

技术领域

本申请涉及车辆技术领域，更具体地说，涉及一种新车信息的信息推送方法和装置。

背景技术

为了提高新车对潜在买主的吸引力，汽车销售平台一般会向用户推送新车信息，以便引起用户注意并使用户购车时对相应新车施加更多关注，以便提高新车的销售量。

然而，目前在向用户推送新车信息时，是不加选择的将新车信息不加选择地推送给所有用户，即不仅不对用户加以选择，也不对新车信息加以选择，而是笼统的将所有新车信息推送给所有用户，这种没目的性的推送导致推送效率极差，无法有效吸引用户对所需新车加以关注，也就无法起到提高新车销量的作用。

发明内容

有鉴于此，本申请提供一种新车信息的信息推送方法和装置，用于针对特定用户推送特定的新车信息，以提高新车信息的推送效果。

为了实现上述目的，现提出的方案如下：

一种新车信息的信息推送方法，应用于手机移动应用平台，所述推送方法包括步骤：

获取用户的购买属性；

获取多种新车的车辆属性；

对所述购买属性与所述车辆属性进行匹配计算，得到多个车辆匹配系数；

根据所述车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。

可选的，获取用户的购买属性包括：

获取用户的基础数据和驾驶车辆时所驾车辆上传的行为数据，所述行为数据包括驾驶时间数据、驾驶路程数据、加减速数据、维修频率、车速数据、日均行程数据、日均耗时数据和百公里高速次数中的部分或全部；

根据所述基础数据和所述行为数据进行计算，得到所述购买属性，所述购买属性包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数和出行路况-市区指数中的部分或全部。

可选的，所述车辆属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数。

可选的，所述向用户推送车辆匹配系数较高的新车信息，包括：

根据用户在所述车辆信息平台进行车辆评估的频率和浏览新车信息的频率确定用户的置换意向指数；

根据置换意向指数确定目标用户；

从车辆匹配系数较高的新车中选择预设个数的新车，将预设个数的新车的信息推送给目标用户。

可选的，还包括步骤：

根据用户对所推送信息的查看情况收集用户的操作行为属性；

根据所述操作行为属性对所述购买属性进行优化处理。

一种新车信息的信息推送装置，应用于手机移动应用平台，所述推送装置包括：

第一获取模块，用于获取用户的购买属性；

第二获取模块，用于获取多种新车的车辆属性；

匹配计算模块，用于对所述购买属性与所述车辆属性进行匹配计算，得到多个车辆匹配系数；

信息推送模块，用于根据所述车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。

可选的，所述第一获取模块包括：

基础数据获取单元，用于获取用户的基础数据和驾驶车辆时所驾车辆上传的行为数据，所述行为数据包括驾驶时间数据、驾驶路程数据、加减速数据、维修频率、车速数据、日均行程数据、日均耗时数据和百公里高速次数中的部分或全部；

购买属性计算单元，用于根据所述基础数据和所述行为数据进行计算，得到所述购买属性，所述购买属性包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数和出行路况-市区指数中的部分或全部。

可选的，所述车辆属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数。

可选的，所述信息推送模块包括：

置换意向计算单元，用于根据用户在所述车辆信息平台进行车辆评估的频率和浏览新车信息的频率确定用户的置换意向指数；

目标用户选定单元，用于根据置换意向指数确定目标用户；

车辆信息推送单元，用于从车辆匹配系数较高的新车中选择预设个数的新车，将预设个数的新车的信息推送给目标用户。

可选的，还包括：

属性收集模块，用于根据用户对所推送信息的查看情况收集用户的的操作行为属性；

属性优化模块，用于根据所述操作行为属性对所述购买属性进行优化处理。

从上述的技术方案可以看出，本申请公开了一种新车信息的信息推送方法和装置，该方法和装置应用于手机移动应用平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

附图说明

为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请提供的一种新车信息的信息推送方法实施例的步骤流程图；

图2为本申请提供的另一种新车信息的信息推送方法实施例的步骤流程图；

图3为本申请提供的一种新车信息的信息推送装置实施例的结构框图；

图4为本申请提供的另一种新车信息的信息推送装置实施例的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

图1为本申请提供的一种新车信息的信息推送方法实施例的步骤流程图。

如图1所示，本实施例提供的信息推送方法应用于车辆信息平台，用于根据用户的偏好和新车的具体情况向用户推送新车信息，以精准的信息推送吸引用户对新车进行选购。该信息推送方法具体包括步骤：

S101：获取用户的购买属性。

这里的购买属性的基础为用户的基础数据和行为数据。该基础数据包括用户的身份信息、年龄、性别、住址、语言偏好、联系电话、邮箱等。基础数据来自于用户在购买车辆时在销售商处登记的信息，还可以来自于用户在使用车辆信息平台时上传的信息。

行为数据包括用户所驾驶汽车通过相应的通信手段上传的驾驶时间数据、驾驶路程数据、加减速数据、车速数据、日均行程数据、日均耗时数据和百公里高速次数等数据。

在获取到上述基础数据和用户的行为数据后，即可通过预设的逻辑计算得到该用户的购买属性。这里的购买属性分别包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数、出行路况-市区指数等数据。

S102：获取多种新车的车辆属性。

新车的属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数等数据，这些数据分别反映了汽车的性能和特点，而不同的用户对车辆的性能和特点的要求是不同的，这也就是本申请中根据用户的购车属性向用户推送不同车辆的根据。

S103：对购买属性和车辆属性进行匹配计算，得到车辆匹配参数。

在得到用户的购买属性后，针对每个用户的购买属性，将相应用户的购买属性与多个新车的车辆属性分别进行匹配计算，即计算相应用户的购车属性的与相应新车的车辆属性的匹配程度，这里将该匹配程度做一个量化处理，即车辆匹配参数，车辆匹配参数即用户购车属性与车辆属性的量化匹配程度。

由于新车有多种，每种新车又有多个型号，因此，在于相应用户的购车属性进行匹配计算时，就会因为多种汽车、多型号新车的原因得到对应一个用户的多个车辆匹配参数。在得到多个车辆匹配参数后，将车辆匹配参数按降序排列，排列后与用户的购买属性匹配性越高则排序越靠前。即排序靠前的新车或者型号是更符合用户的购买需求的。

S104：将车辆匹配系数较高的新车的信息推送给用户。

在得到多个车辆匹配系数、并对该系数进行降序排序后，将相应新车的信息推送给用户，由于用户精力时间都有限，过多的推送是无效的，且会消耗相应的推送资源。因此，这里根据排序结果将预设个数的新车的信息推送给用户，以避免过多的信息给用户造成干扰。

在具体推送时，并非所有用户需要得到新车的信息，效果最好的推送还是向有购车意愿的用户进行新车的推送，否则就是无效的推送，同样会造成资源的浪费。

具体来说，首先确定用户的置换意向指数，该指数越高说明相应用户的购车意愿越强，该置换意向指数根据用户在该车辆信息平台进行车辆评估的频率和浏览新车的频率确定，车辆评估主要为对自有车辆的残值评估，还包括预约出售检测；然后，在得到置换意向指数后对该指数进行排序，通过设置一定的阈值可以从中选取有强烈购车意愿的目标用户；最后，在选取目标用户后将该目标用户中意的新车的信息推送给该目标用户。推送的方式包括向用户发送新车信息短信、新车信息邮件、手机推送消息和新车推广网页等。

从上述技术方案可以看出，本实施例提供了一种新车信息的信息推送方法，该方法应用于手机移动应用平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

实施例二

图2为本申请提供的另一种新车信息的信息推送方法实施例的步骤流程图。

如图2所示，本实施例提供的信息推送方法应用于车辆信息平台，用于根据用户的偏好和新车的具体情况向用户推送新车信息，以精准的信息推送吸引用户对新车进行选购。该信息推送方法具体包括步骤：

S201：获取用户的购买属性。

这里的购买属性的基础为用户的基础数据和行为数据。该基础数据包括用户的身份信息、年龄、性别、住址、语言偏好、联系电话、邮箱等。基础数据来自于用户在购买车辆时在销售商处登记的信息，还可以来自于用户在使用车辆信息平台时上传的信息。

行为数据包括用户所驾驶汽车通过相应的通信手段上传的驾驶时间数据、驾驶路程数据、加减速数据、车速数据、日均行程数据、日均耗时数据和百公里高速次数等数据。

在获取到上述基础数据和用户的行为数据后，即可通过预设的逻辑计算得到该用户的购买属性。这里的购买属性分别包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数、出行路况-市区指数等数据。

S202：获取多种新车的车辆属性。

新车的属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数等数据，这些数据分别反映了汽车的性能和特点，而不同的用户对车辆的性能和特点的要求是不同的，这也就是本申请中根据用户的购车属性向用户推送不同车辆的根据。

S203：对购买属性和车辆属性进行匹配计算，得到车辆匹配参数。

在得到用户的购买属性后，针对每个用户的购买属性，将相应用户的购买属性与多个新车的车辆属性分别进行匹配计算，即计算相应用户的购车属性的与相应新车的车辆属性的匹配程度，这里将该匹配程度做一个量化处理，即车辆匹配参数，车辆匹配参数即用户购车属性与车辆属性的量化匹配程度。

由于新车有多种，每种新车又有多个型号，因此，在于相应用户的购车属性进行匹配计算时，就会因为多种汽车、多型号新车的原因得到对应一个用户的多个车辆匹配参数。在得到多个车辆匹配参数后，将车辆匹配参数按降序排列，排列后与用户的购买属性匹配性越高则排序越靠前。即排序靠前的新车或者型号是更符合用户的购买需求的。

S204：将车辆匹配系数较高的新车的信息推送给用户。

在得到多个车辆匹配系数、并对该系数进行降序排序后，将相应新车的信息推送给用户，由于用户精力时间都有限，过多的推送是无效的，且会消耗相应的推送资源。因此，这里根据排序结果将预设个数的新车的信息推送给用户，以避免过多的信息给用户造成干扰。

在具体推送时，并非所有用户需要得到新车的信息，效果最好的推送还是向有购车意愿的用户进行新车的推送，否则就是无效的推送，同样会造成资源的浪费。

具体来说，首先确定用户的置换意向指数，该指数越高说明相应用户的购车意愿越强，该置换意向指数根据用户在该车辆信息平台进行车辆评估的频率和浏览新车的频率确定，车辆评估主要为对自有车辆的残值评估，还包括预约出售检测；然后，在得到置换意向指数后对该指数进行排序，通过设置一定的阈值可以从中选取有强烈购车意愿的目标用户；最后，在选取目标用户后将该目标用户中意的新车的信息推送给该目标用户。推送的方式包括向用户发送新车信息短信、新车信息邮件、手机推送消息和新车推广网页等。

S205：根据用户对所推送信息的查看情况收集用户的操作行为属性。

当用户通过移动设备接受到车辆信息平台所推送的信息后，一般会当时对所推送的信息进行查看，或者在接受到信息后的一段时间查看，在用户查看信息时必然对作为信息载体的移动设备做出相应的操作行为。当用户对移动设备做出操作时会产生一定的消息，该消息能够即携带有用户对消息的查看情况，收集表达操作行为属性的消息即可对用户查看信息的情况进行收集。即通过收集上述的消息即可获取到用户对所推送信息的操作行为属性。

例如，在推送多种、多型号新车的信息的情况下，用户可能仅对部分信息进行查看，而对另一部分信息忽略。这种情况表明用户对其查看的信息感兴趣，对另一部分信息不敢兴趣，这种情况下就没有必要对另一部分信息所指向的新车再次推送。

S206：根据操作行为属性对用户的购买属性进行优化处理。

在得到用户的操作行为属性后，即可根据该操作行为属性对用户的购买属性做出优化。例如，通过用户的操作行为属性可以发现用户对某些车型不感兴趣，则该部分车型的某些或某个参数如果具有共性，则表明该参数不适应用户的胃口，此时则可以根据这一特性对用户的购买属性做出调整和优化，如将节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数、出行路况-市区指数中分部分或全部做出调整。

在对用户的购买属性做出优化后，即可以返回到上面对优化后的购买属性和车辆属性重新进行匹配计算，从而得到更为精确的车辆匹配参数，进而使匹配出的新车的车型更贴合用户的需求。

从上述技术方案可以看出，本实施例提供了一种新车信息的信息推送方法，该方法应用于车辆信息平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

且能够对用户的购买属性做出优化处理，通过持续不断的优化购买属性可以使用户得到的推送信息更贴合用户的实际需求，即推送效果更好。

实施例三

图3为本申请提供的一种新车信息的信息推送装置实施例的结构框图。

如图3所示，本实施例提供的信息推送装置应用于车辆信息平台，用于根据用户的偏好和新车的具体情况向用户推送新车信息，以精准的信息推送吸引用户对新车进行选购。该信息推送方法具体包括第一获取模块10、第二获取模块20、匹配计算模块30和信息推送模块40。

第一获取模块永远获取用户的购买属性。

这里的购买属性的基础为基础数据和行为数据，鉴于此，该模块包括基础数据获取单元11和购买属性计算单元12。基础数据获取单元永远获取基础数据和行为数据。

该基础数据包括用户的身份信息、年龄、性别、住址、语言偏好、联系电话、邮箱等。基础数据来自于用户在购买车辆时在销售商处登记的信息，还可以来自于用户在使用车辆信息平台时上传的信息。

行为数据包括用户所驾驶汽车通过相应的通信手段上传的驾驶时间数据、驾驶路程数据、加减速数据、车速数据、日均行程数据、日均耗时数据和百公里高速次数等数据。

购买属性计算单元永远在获取到上述基础数据和用户的行为数据后，即可通过预设的逻辑计算得到该用户的购买属性。这里的购买属性分别包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数、出行路况-市区指数等数据。

第二获取模块永远获取多种新车的车辆属性。

新车的属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数等数据，这些数据分别反映了汽车的性能和特点，而不同的用户对车辆的性能和特点的要求是不同的，这也就是本申请中根据用户的购车属性向用户推送不同车辆的根据。

匹配计算模块永远对购买属性和车辆属性进行匹配计算，得到车辆匹配参数。

在得到用户的购买属性后，针对每个用户的购买属性，将相应用户的购买属性与多个新车的车辆属性分别进行匹配计算，即计算相应用户的购车属性的与相应新车的车辆属性的匹配程度，这里将该匹配程度做一个量化处理，即车辆匹配参数，车辆匹配参数即用户购车属性与车辆属性的量化匹配程度。

由于新车有多种，每种新车又有多个型号，因此，在于相应用户的购车属性进行匹配计算时，就会因为多种汽车、多型号新车的原因得到对应一个用户的多个车辆匹配参数。在得到多个车辆匹配参数后，将车辆匹配参数按降序排列，排列后与用户的购买属性匹配性越高则排序越靠前。即排序靠前的新车或者型号是更符合用户的购买需求的。

信息推送模块永远将车辆匹配系数较高的新车的信息推送给用户。

在得到多个车辆匹配系数、并对该系数进行降序排序后，将相应新车的信息推送给用户，由于用户精力时间都有限，过多的推送是无效的，且会消耗相应的推送资源。因此，这里根据排序结果将预设个数的新车的信息推送给用户，以避免过多的信息给用户造成干扰。

在具体推送时，并非所有用户需要得到新车的信息，效果最好的推送还是向有购车意愿的用户进行新车的推送，否则就是无效的推送，同样会造成资源的浪费。

具体来说，该模块包括置换意向计算单元41、目标用户选取单元42和车辆信息推送单元43。置换意向计算单元永远确定用户的置换意向指数，该指数越高说明相应用户的购车意愿越强，该置换意向指数根据用户在该车辆信息平台进行车辆评估的频率和浏览新车的频率确定，车辆评估主要为对自有车辆的残值评估，还包括预约出售检测；目标用户选取单元永远在得到置换意向指数后对该指数进行排序，通过设置一定的阈值可以从中选取有强烈购车意愿的目标用户；车辆信息推送单元永远在选取目标用户后将该目标用户中意的新车的信息推送给该目标用户。推送的方式包括向用户发送新车信息短信、新车信息邮件、手机推送消息和新车推广网页等。

从上述技术方案可以看出，本实施例提供了一种新车信息的信息推送装置，该装置应用于车辆信息平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

实施例四

图4为本申请提供的另一种新车信息的信息推送装置实施例的结构框图。

如图4所示，本实施例提供的信息推送装置是在上一实施例的基础上增设了属性收集模块50和属性优化模块60。

属性收集模块永远根据用户对所推送信息的查看情况收集用户的操作行为属性。

当用户通过移动设备接受到车辆信息平台所推送的信息后，一般会当时对所推送的信息进行查看，或者在接受到信息后的一段时间查看，在用户查看信息时必然对作为信息载体的移动设备做出相应的操作行为。当用户对移动设备做出操作时会产生一定的消息，该消息能够即携带有用户对消息的查看情况，收集表达操作行为属性的消息即可对用户查看信息的情况进行收集。即通过收集上述的消息即可获取到用户对所推送信息的操作行为属性。

例如，在推送多种、多型号新车的信息的情况下，用户可能仅对部分信息进行查看，而对另一部分信息忽略。这种情况表明用户对其查看的信息感兴趣，对另一部分信息不敢兴趣，这种情况下就没有必要对另一部分信息所指向的新车再次推送。

属性优化模块永远根据操作行为属性对用户的购买属性进行优化处理。

在得到用户的操作行为属性后，即可根据该操作行为属性对用户的购买属性做出优化。例如，通过用户的操作行为属性可以发现用户对某些车型不感兴趣，则该部分车型的某些或某个参数如果具有共性，则表明该参数不适应用户的胃口，此时则可以根据这一特性对用户的购买属性做出调整和优化，如将节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数、出行路况-市区指数中分部分或全部做出调整。

在对用户的购买属性做出优化后，即可以返回到上面对优化后的购买属性和车辆属性重新进行匹配计算，从而得到更为精确的车辆匹配参数，进而使匹配出的新车的车型更贴合用户的需求。

从上述技术方案可以看出，本实施例提供了一种新车信息的信息推送装置，该装置应用于车辆信息平台，具体为获取用户的购买属性；获取多种新车的车辆属性；对购买属性与车辆属性进行匹配计算，得到多个车辆匹配系数；根据车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。相较于原先无差别的向不特定用户推送不特定的新车信息来说，通过对用户的购买属性与新车的车辆属性进行匹配的方式从中选出更能满足用户需求的新车，并将该新车的信息推送给用户的方式更能满足用户的需求，推送也更为有效，从而提高了新车信息的推送效果。

另外，还能够对用户的购买属性做出优化处理，通过持续不断的优化购买属性可以使用户得到的推送信息更贴合用户的实际需求，即推送效果更好。

本说明书中各个实施例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部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种新车信息的信息推送方法，应用于手机移动应用平台，其特征在于，所述推送方法包括步骤：

获取用户的购买属性；

获取多种新车的车辆属性；

对所述购买属性与所述车辆属性进行匹配计算，得到多个车辆匹配系数；

根据所述车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。

2.如权利要求1所述的信息推送方法，其特征在于，获取用户的购买属性包括：

获取用户的基础数据和驾驶车辆时所驾车辆上传的行为数据，所述行为数据包括驾驶时间数据、驾驶路程数据、加减速数据、维修频率、车速数据、日均行程数据、日均耗时数据和百公里高速次数中的部分或全部；

根据所述基础数据和所述行为数据进行计算，得到所述购买属性，所述购买属性包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数和出行路况-市区指数中的部分或全部。

3.如权利要求1所述的信息推送方法，其特征在于，所述车辆属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数。

4.如权利要求1所述的信息推送方法，其特征在于，所述向用户推送车辆匹配系数较高的新车信息，包括：

根据用户在所述车辆信息平台进行车辆评估的频率和浏览新车信息的频率确定用户的置换意向指数；

根据置换意向指数确定目标用户；

从车辆匹配系数较高的新车中选择预设个数的新车，将预设个数的新车的信息推送给目标用户。

5.如权利要求1～4任一项所述的信息推送方法，其特征在于，还包括步骤：

根据用户对所推送信息的查看情况收集用户的操作行为属性；

根据所述操作行为属性对所述购买属性进行优化处理。

6.一种新车信息的信息推送装置，应用于手机移动应用平台，其特征在于，所述推送装置包括：

第一获取模块，用于获取用户的购买属性；

第二获取模块，用于获取多种新车的车辆属性；

匹配计算模块，用于对所述购买属性与所述车辆属性进行匹配计算，得到多个车辆匹配系数；

信息推送模块，用于根据所述车辆匹配系数的高低，向用户推送车辆匹配系数较高的新车的信息。

7.如权利要求6所述的信息推送装置，其特征在于，所述第一获取模块包括：

基础数据获取单元，用于获取用户的基础数据和驾驶车辆时所驾车辆上传的行为数据，所述行为数据包括驾驶时间数据、驾驶路程数据、加减速数据、维修频率、车速数据、日均行程数据、日均耗时数据和百公里高速次数中的部分或全部；

购买属性计算单元，用于根据所述基础数据和所述行为数据进行计算，得到所述购买属性，所述购买属性包括节油指数、驾驶速度指数、急刹指数、急加急减指数、出行路况-山区指数和出行路况-市区指数中的部分或全部。

8.如权利要求6所述的信息推送装置，其特征在于，所述车辆属性包括燃油经济指数、最大功率指数、刹车相应指示、加速能力指数、最大爬坡指数和低速动力指数。

9.如权利要求6所述的信息推送装置，其特征在于，所述信息推送模块包括：

置换意向计算单元，用于根据用户在所述车辆信息平台进行车辆评估的频率和浏览新车信息的频率确定用户的置换意向指数；

目标用户选定单元，用于根据置换意向指数确定目标用户；

车辆信息推送单元，用于从车辆匹配系数较高的新车中选择预设个数的新车，将预设个数的新车的信息推送给目标用户。

10.如权利要求6～9任一项所述的信息推送装置，其特征在于，还包括：

属性收集模块，用于根据用户对所推送信息的查看情况收集用户的的操作行为属性；

属性优化模块，用于根据所述操作行为属性对所述购买属性进行优化处理。