CN108053262A - 数据推送方法及装置 - Google Patents

Abstract

本发明实施方式提供了数据推送方法及装置，涉及计算机应用技术领域。其中，数据推送方法包括：基于目标商户下用户定位特征的特征值集合，生成第一推荐数据；根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；将所述第一推荐数据和第二推荐数据推送至所述目标商户。本发明所提供的方法基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

Description

数据推送方法及装置

技术领域

本发明涉及计算机应用技术领域，更为具体而言，涉及数据推送方法及装置。

背景技术

满减活动是电子商务模式中一种常见的促销方式，当消费者消费达到满减金额(例如满减活动为满200减100，则满减金额为200)时，商户或电商平台会给出相应的费用减免，如此，商户能够销售更多的商品，消费者能够得到更多的优惠，进而达到双赢的目的。合理的满减活动可以给商户及平台创造更多的价值。因此，如何合理的设置满减活动对于电商平台和商户而言都至关重要。

然而，目前现有技术中缺乏合理地设置满减活动的技术方案。

发明内容

在现有的解决方案中，商户通常根据自身经验自行设置满减活动，因此导致满减活动的合理化程度较低。

对此，本发明实施方式提供了数据推送方法及装置，用以解决现有技术中所存在的上述技术问题。

第一方面，本发明实施方式提供了一种数据推送方法。

具体地，所述方法包括：

基于目标商户下用户定位特征的特征值集合，生成第一推荐数据；

根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

将所述第一推荐数据和第二推荐数据推送至所述目标商户。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

结合第一方面，在本发明的一些实施方式中，基于目标商户下用户定位特征的特征值集合，生成第一推荐数据包括：

对所述特征值集合中的元素进行升序排序；

从所述特征值集合中选取出指定排序位置的元素；

根据所述选取出的元素生成所述第一推荐数据。

结合第一方面，在本发明的一些实施方式中，根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据包括：

根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

对所述差异度进行加权处理；

根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

对所述相对价值得分进行归一化处理；

根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

结合第一方面，在本发明的一些实施方式中，根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限包括：

计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

确定所述数据比集合中的最大元素和最小元素；

根据所述第一推荐数据和所述最大元素确定所述上限；

根据所述第一推荐数据和所述最小元素确定所述下限。

结合第一方面，在本发明的一些实施方式中，所述方法还包括：

计算所述目标商户的健康度得分；

对所述健康度得分进行归一化处理；

根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

将所述第三推荐数据推送至所述目标商户。

第二方面，本发明实施方式提供了一种数据推送装置。

具体地，所述装置包括：

第一生成模块，用于基于目标商户下用户定位特征的特征值集合，生成第一推荐数据；

第二生成模块，用于根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

第一推送模块，用于将所述第一推荐数据和第二推荐数据推送至所述目标商户。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

结合第二方面，在本发明的一些实施方式中，所述第一生成模块包括：

排序单元，用于对所述特征值集合中的元素进行升序排序；

选取单元，用于从所述特征值集合中选取出指定排序位置的元素；

生成单元，用于根据所述选取出的元素生成所述第一推荐数据。

结合第二方面，在本发明的一些实施方式中，所述第二生成模块包括：

确定单元，用于根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

加权单元，用于对所述差异度进行加权处理；

计算单元，用于根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

归一单元，用于对所述相对价值得分进行归一化处理；

生成单元，用于根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

结合第二方面，在本发明的一些实施方式中，所述确定单元包括：

计算组件，用于计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

第一确定组件，用于确定所述数据比集合中的最大元素和最小元素；

第二确定组件，用于根据所述第一推荐数据和所述最大元素确定所述上限；

第三确定组件，用于根据所述第一推荐数据和所述最小元素确定所述下限。

结合第二方面，在本发明的一些实施方式中，所述装置还包括：

计算模块，用于计算所述目标商户的健康度得分；

归一模块，用于对所述健康度得分进行归一化处理；

第三生成模块，用于根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

第二推送模块，用于将所述第三推荐数据推送至所述目标商户。

本发明的这些方面或其他方面在以下具体实施方式的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式描述中所需要使用的附图作一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明方法实施方式1的数据推送方法的流程图；

图2示出了图1所示的处理S11的一种实施方式；

图3示出了图2所示的处理S12的一种实施方式；

图4示出了图3所示的处理S121的一种实施方式；

图5是根据本发明方法实施方式5的数据推送方法的流程图；

图6是根据本发明产品实施方式1的数据推送装置的结构示意图；

图7示出了图6所示的第一生成模块11的一种实施方式；

图8示出了图6所示的第二生成模块12的一种实施方式；

图9示出了图8所示的确定单元121的一种实施方式；

图10是根据本发明产品实施方式5的数据推送装置的结构示意图；

图11是根据本发明实施方式的一种终端设备的结构示意图。

具体实施方式

以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中，在本发明的各个具体实施方式中，众所周知的操作过程、程序模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。

并且，所描述的特征、架构或功能可在一个或一个以上实施例中以任何方式组合。

此外，本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。本领域的技术人员还可以容易理解，本文所述和附图所示的各实施方式中的程序模块、单元或步骤可以按多种不同配置进行组合和设计。

对于未在本说明书中进行具体说明的技术术语，除非另有特定说明，都应以本领域最宽泛的意思进行解释。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的标号如S10、S11等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施方式，都属于本发明保护的范围。

【方法实施方式1】

图1是根据本发明方法实施方式1的数据推送方法的流程图。参见图1，在本实施方式中，所述方法包括：

S11：基于目标商户下用户定位特征的特征值集合，生成第一推荐数据。

S12：根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据。

S13：将所述第一推荐数据和第二推荐数据推送至所述目标商户。

示例性地，在本实施方式中，用户定位特征例如包括：客单价；第一推荐数据例如为满减活动中的满值；第二推荐数据例如为满减活动中的减值；对照特征值例如为多个对照商户的平均特征值；对照商户例如为相似商户、标杆商户或者竞对商户等；相似商户例如为在经营范围、人群消费能力等方面与目标商户相似的商户；标杆商户例如为在相似商户中营销业绩优秀的商户；竞对商户例如为加入竞对平台的商户；对照数据对集合例如包括竞对商户的多个满减值对；满减值对例如包括相互对应的满值和减值，形式例如为(满值，减值)。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

【方法实施方式2】

本实施方式所提供的数据推送方法包括方法实施方式1中的全部内容，在此不再赘述。如图2所示，在本实施方式中，通过以下处理实现S11：

S111：对所述特征值集合中的元素进行升序排序。

S112：从所述特征值集合中选取出指定排序位置的元素。

S113：根据所述选取出的元素生成所述第一推荐数据。

例如，对选取出的元素进行向上倍数取整处理(即取整为与变量最接近的指定数值的倍数)以生成所述第一推荐数据。以取5的倍数为例，若选取出的元素为42，则对42进行向上倍数取整处理以得到45，并将45作为所述第一推荐数据。

【方法实施方式3】

本实施方式所提供的数据推送方法包括方法实施方式1或方法实施方式2中的全部内容，在此不再赘述。如图3所示，在本实施方式中，通过以下处理实现S12：

S121：根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限。

S122：对所述差异度进行加权处理。

S123：根据经所述加权处理的差异度计算所述目标商户的相对价值得分。

例如，将所有经加权处理的差异度相加以得到所述相对价值得分。

S124：对所述相对价值得分进行归一化处理。

S125：根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

【方法实施方式4】

本实施方式所提供的数据推送方法包括方法实施方式3中的全部内容，在此不再赘述。如图4所示，在本实施方式中，通过以下处理实现S121：

S1211：计算所述对照数据对集合中各数据对的数据比以得到数据比集合。

以所述对照数据对集合中的数据对为满减值对为例，数据比例如为减值与满值的比值。

S1212：确定所述数据比集合中的最大元素和最小元素。

S1213：根据所述第一推荐数据和所述最大元素确定所述上限。

例如，将第一推荐数据与最大元素的乘积作为所述上限。

S1214：根据所述第一推荐数据和所述最小元素确定所述下限。

例如，将第一推荐数据与最小元素的乘积作为所述下限。

【方法实施方式5】

图5是根据本发明方法实施方式5的数据推送方法的流程图。参见图5，在本实施方式中，所述方法包括：

S21：基于目标商户下用户定位特征的特征值集合，生成第一推荐数据。

S22：根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据。

S23：计算所述目标商户的健康度得分。

S24：对所述健康度得分进行归一化处理。

S25：根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据。

S26：将所述第一推荐数据、第二推荐数据和第三推荐数据推送至所述目标商户。

【方法实施方式6】

下面结合具体示例对本实施方式所提供的数据推送方法进行具体描述。在本实施方式中，所述方式包括：

(1)针对目标商户分别计算3档(当然本领域的技术人员也可以根据实际需要将满减活动的数量设置为其他数值)满减活动的满值。

例如，将目标商户近一段时间(例如，30天)内的多个客单价进行升序排列，分别选取序列中中位数、第70百分位数、第90百分位数上的客单价(当然，本领域的技术人员也可以根据实际需要选取其他序位上的客单价)。分别对选取出的3个客单价进行向上倍数取整处理以得到3档满减活动的满值。以取5的倍数为例，假设选取出的3个客单价分别为42、78和91，则分别向上取整为45、80和95，进而确定3档满减活动的满值分别为45、80和95。

(2)分别计算3档满减活动的减值。

1、分别计算3个满值下减值的上下限。

首先，获取满减值对列表JD＝{(m₁，n₁)，(m₂，n₂)，……，(m_p，n_p)}，该满减值对列表JD例如包括所有竞对商户下不同满减活动的满减值对，m_i表示为列表中第i个满减活动的满值，n_i表示为列表中第i个满减活动的减值，p为列表中满减活动的数量；计算列表JD中每一个元素的减满比以得到减满比集合(n₁/m₁，n₂/m₂，……，n_p/m_p)；确定减满比集合中的最大元素max(n₁/m₁，n₂/m₂，……，n_p/m_p)和最小元素min(n₁/m₁，n₂/m₂，……，n_p/m_p)；将步骤(1)中计算出的3个满值分别与该最大元素相乘以分别得到3档满减活动中减值的上限；将步骤(1)中计算出的3个满值分别与该最小元素相乘以分别得到3档满减活动中减值的下限。

2、计算所述目标商户的相对价值得分。

计算多个差异度(目标商户的特征值与对照特征值之间的差异度)，例如包括但不限于：目标商户的近一个月的流水与标杆商户近一个月的流水的平均值之间的差异度、目标商户的近一个月完成的订单数同标杆商户近一个月完成的订单数的平均值之间的差异度、目标商户的近一个月的流水与相似商户近一个月的流水的平均值之间的差异度、目标商户的近一个月完成的订单数同相似商户近一个月完成的订单数的平均值之间的差异度、目标商户的近一个月的流水与竞对商户近一个月的流水的平均值之间的差异度、目标商户的近一个月完成的订单数同竞对商户近一个月完成的订单数的平均值之间的差异度。

在本实施方式中，例如通过下述公式计算差异度Gap：

其中，a是指目标商户近一个月的流水或完成的订单数，b是指标杆商户、相似商户或者竞对商户近一个的流水或完成的订单数的平均值。

通过下述公式计算目标商户x的相对价值得分Score_x：

f_xy表示为目标商户x的第y个差异度，w_y表示第y个差异度的权重，num表示差异度的数量。

3、根据步骤(1)中计算出的3个满值，分别对目标商户的相对价值得分进行归一化处理，以得到3个归一化的相对价值得分。

下面以3个满值中的第i个满值M_i为例，具体说明生成归一化的相对价值得分的实现方式。

首先，获取商户列表该商户列表包括满减活动的满值设为M_i的商户。然后，通过下述公式计算目标商户x的对应于满值M_i的归一化的相对价值得分Normal_Score_x：

其中，j为商户列表中商户的数量，rank(Score_x)为目标商户x的相对价值得分Score_x在商户列表中的排序位置(相对价值得分升序排序)。

4、根据3个满值下的减值上下限和归一化的相对价值得分，分别计算3个满值下的减值。

下面仍以3个满值中的第i个满值M_i为例，具体说明减值的计算方法。

在本实施方式中，通过下述公式计算目标商户x在满值M_i下的减值N_i：

N_i＝Normal_Score_x*(H-L)+L公式(4)

其中，H和L分别为满值M_i下减值的上限和下限。

(3)分别计算3档满减活动的补贴金额。

首先，计算目标商户x的健康度得分HealthScore_x(例如综合商户的平均客单价、流水、订单量等多维特征计算得到)；然后，根据步骤(1)中计算出的3个满值，分别对目标商户的健康度得分进行归一化处理，以得到3个归一化的健康度得分；最后，根据3个满值下的归一化的健康度得分和减值，分别计算3个满值下的补贴金额。

下面仍以3个满值中的第i个满值M_i为例，分别说明生成归一化的健康度得分和计算补贴金额的实现方式。

I、生成归一化的健康度得分：

在本实施方式中，通过下述公式计算目标商户x的对应于满值M_i的归一化的健康度得分Normal_HealthScore_x：

rank(HealthScore_x)为目标商户x的健康度得分HealthScore_x在商户列表中的排序位置(健康度得分升序排序)。

II、计算补贴金额：

在本实施方式中，通过下述公式计算目标商户x在满减活动(M_i，N_i)下的补贴金额B_i：

其中，t为倾斜因子，t值越大，则补贴函数的曲线越下凹，处于高补贴档位的商户越少，处于低补贴档位的商户越多，从而减少平台的总补贴金额，反之则会增加平台的总补贴金额。示例性地，可以将t设为2。

(4)将计算出的3档满值、减值和补贴金额推送给所述目标商户，以便于目标商户设置满减活动。

【产品实施方式1】

图6是根据本发明产品实施方式1的数据推送装置的结构示意图。参见图6，在本实施方式中，数据推送装置10包括：第一生成模块11、第二生成模块12和第一推送模块13，具体地：

第一生成模块11用于基于目标商户下用户定位特征的特征值集合，生成第一推荐数据。

第二生成模块12用于根据第一生成模块11生成的第一推荐数据、对照满数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据。

第一推送模块13用于将第一生成模块11生成的第一推荐数据和第二生成模块12生成的第二推荐数据推送至所述目标商户。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

【产品实施方式2】

本实施方式所提供的数据推送装置包括产品实施方式1中的全部内容，在此不再赘述。如图7所示，在本实施方式中，第一生成模块11包括：排序单元111、选取单元112和生成单元113，具体地：

排序单元111用于对所述特征值集合中的元素进行升序排序。

选取单元112用于从所述特征值集合中选取出在排序单元111所执行的升序排序中指定排序位置的元素。

生成单元113用于根据选取单元112选取出的元素生成所述第一推荐数据。

【产品实施方式3】

本实施方式所提供的数据推送装置包括产品实施方式1或产品实施方式2中的全部内容，在此不再赘述。如图8所示，在本实施方式中，第二生成模块12包括：确定单元121、加权单元122、计算单元123、归一单元124和生成单元125，具体地：

确定单元121用于根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限。

加权单元122用于对所述差异度进行加权处理。

计算单元123用于根据经加权单元122进行加权处理的差异度计算所述目标商户的相对价值得分。

归一单元124用于对计算单元123计算出的相对价值得分进行归一化处理。

生成单元125用于根据经归一单元124进行归一化处理的相对价值得分和确定单元121确定出的上限和下限，生成所述第二推荐数据。

【产品实施方式4】

本实施方式所提供的数据推送装置包括产品实施方式3中的全部内容，在此不再赘述。如图9所示，在本实施方式中，确定单元121包括：计算组件1211、第一确定组件1212、第二确定组件1213和第三确定组件1214，具体地：

计算组件1211用于计算所述对照数据对集合中各数据对的数据比以得到数据比集合。

第一确定组件1212用于确定计算组件1211得到的数据比集合中的最大元素和最小元素。

第二确定组件1213用于根据所述第一推荐数据和第一确定组件1212确定出的最大元素确定所述上限。

第三确定组件1214用于根据所述第一推荐数据和第一确定组件1212确定出的最小元素确定所述下限。

【产品实施方式5】

图10是根据本发明产品实施方式5的数据推送装置的结构示意图。参见图10，在本实施方式中，数据推送装置20包括：第一生成模块21、第二生成模块22、第一推送模块23、计算模块24、归一模块25、第三生成模块26和第二推送模块27，具体地：

第一生成模块21、第二生成模块22和第一推送模块23分别同第一实施方式中的第一生成模块11、第二生成模块12和第一推送模块13，在此不再赘述。

计算模块24用于计算所述目标商户的健康度得分。

归一模块25用于对计算模块24计算出的健康度得分进行归一化处理。

第三生成模块26用于根据经归一模块25进行归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据。

其中，所述第三推荐数据例如为满减活动中的补贴金额。

第二推送模块27用于将第三生成模块26生成的第三推荐数据推送至所述目标商户。

如图11所示，本发明的实施方式还提供了一种终端设备，包括存储器31和处理器32；其中，

存储器31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处理器32执行时能够实现如方法实施方式1至方法实施方式6中任意一项所述的方法。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

此外，本发明的实施方式还提供一种计算机存储介质，所述计算机存储介质用于存储一条或多条计算机指令，其中，当所述一条或多条计算机指令被执行时能够实现如方法实施方式1至方法实施方式6中任意一项所述的方法。

在本实施方式中，基于商户下用户定位特征的特征值集合，生成第一推荐数据(例如满减活动中的满值)，根据所述第一推荐数据、对照数据对集合和该商户的特征值与对照特征值之间的差异度，生成第二推荐数据(例如满减活动中的减值)，因此能够使得商户更加合理地设置营销活动(例如满减活动)。

本领域的技术人员可以清楚地了解到本发明可全部通过软件实现，也可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，所述计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，智能手机或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。

本文中所使用的“软件”等词均指一般意义上的任意类型的计算机编码或者计算机可执行指令集，可以运行所述编码或者指令集来使计算机或其他处理器程序化以执行如上所述的本发明的技术方案的各个方面。此外，需要说明的是，根据实施方式的一个方面，在执行时实施本发明的技术方案的方法的一个或多个计算机程序不必须要在一台计算机或处理器上，而是可以分布于多个计算机或者处理器中的模块中，以执行本发明的技术方案的各个方面。

计算机可执行指令可以有许多形式，如程序模块，可以由一台或多台计算机或是其他设备执行。一般地，程序模块包括例程、程序、对象、组件以及数据结构等等，执行特定的任务或是实施特定的抽象数据类型。特别地，在各种实施方式中，程序模块进行的操作可以根据各个不同实施方式的需要进行结合或者拆分。

并且，本发明的技术方案可以体现为一种方法，并且已经提供了所述方法的至少一个示例。可以通过任何一种合适的顺序执行动作，所述动作表现为所述方法中的一部分。因此，实施方式可以构造成可以按照与所示出的执行顺序不同的顺序执行动作，其中，可以包括同时地执行一些动作(尽管在示出的实施方式中，这些动作是连续的)。

本文所给出的和使用的定义，应当对照字典、通过引用而并入的文档中的定义、和/或其通常意思进行理解。

在权利要求书中以及上述的说明书中，所有的过度短语，例如“包括”、“具有”、“包含”、“承载”、“具有”、“涉及”、“主要由…组成”以及类似词语是应理解为是开放式的，即，包含但不限于。

本发明说明书中使用的术语和措辞仅仅为了举例说明，并不意味构成限定。本领域技术人员应当理解，在不脱离所公开的实施方式的基本原理的前提下，对上述实施方式中的各细节可进行各种变化。因此，本发明的范围只由权利要求确定，在权利要求中，除非另有说明，所有的术语应按最宽泛合理的意思进行理解。

以上具体描述了本发明的各种不同的实施方式，下面以另一种形式描述本发明各实施方式的技术方案的各个方面或特征，并且其不限于下述一系列段落，为了清楚起见，可给这些段落中的一些或所有段落指定字母数字。这些段落中的每一段可以以任何合适的方式与一个或多个其他段落的内容组合。在不限定合适的组合中的一些的实例的条件下，下文中的一些段落特别引用其他段落并且进一步限定其他段落。

A1、一种数据推送方法，所述方法包括：

基于目标商户下用户定位特征的特征值集合生成第一推荐数据；

根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

将所述第一推荐数据和第二推荐数据推送至所述目标商户。

A2、如A1所述的方法中，基于目标商户下用户定位特征的特征值集合，生成第一推荐数据包括：

对所述特征值集合中的元素进行升序排序；

从所述特征值集合中选取出指定排序位置的元素；

根据所述选取出的元素生成所述第一推荐数据。

A3、如A1所述的方法中，根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据包括：

根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

对所述差异度进行加权处理；

根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

对所述相对价值得分进行归一化处理；

根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

A4、如A3所述的方法中，根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限包括：

计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

确定所述数据比集合中的最大元素和最小元素；

根据所述第一推荐数据和所述最大元素确定所述上限；

根据所述第一推荐数据和所述最小元素确定所述下限。

A5、如A1至A4中任一项所述的方法中，所述方法还包括：

计算所述目标商户的健康度得分；

对所述健康度得分进行归一化处理；

根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

将所述第三推荐数据推送至所述目标商户。

B6、一种数据推送装置，所述装置包括：

第一生成模块，用于基于目标商户下用户定位特征的特征值集合，生成第一推荐数据；

第二生成模块，用于根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

第一推送模块，用于将所述第一推荐数据和第二推荐数据推送至所述目标商户。

B7、如B6所述的装置中，所述第一生成模块包括：

排序单元，用于对所述特征值集合中的元素进行升序排序；

选取单元，用于从所述特征值集合中选取出指定排序位置的元素；

生成单元，用于根据所述选取出的元素生成所述第一推荐数据。

B8、如B6所述的装置中，所述第二生成模块包括：

确定单元，用于根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

加权单元，用于对所述差异度进行加权处理；

计算单元，用于根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

归一单元，用于对所述相对价值得分进行归一化处理；

生成单元，用于根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

B9、如B8所述的装置中，所述确定单元包括：

计算组件，用于计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

第一确定组件，用于确定所述数据比集合中的最大元素和最小元素；

第二确定组件，用于根据所述第一推荐数据和所述最大元素确定所述上限；

第三确定组件，用于根据所述第一推荐数据和所述最小元素确定所述下限。

B10、如B6至B9中任一项所述的装置中，所述装置还包括：

计算模块，用于计算所述目标商户的健康度得分；

归一模块，用于对所述健康度得分进行归一化处理；

第三生成模块，用于根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

第二推送模块，用于将所述第三推荐数据推送至所述目标商户。

C11、一种终端设备，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时能够实现如A1至A5中任一项所述的方法。

D12、一种计算机存储介质，用于存储一条或多条计算机指令，其中，当所述一条或多条计算机指令被执行时能够实现如A1至A5中任一项所述的方法。

Claims (10)

1.一种数据推送方法，其特征在于，所述方法包括：

基于目标商户下用户定位特征的特征值集合生成第一推荐数据；

根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

将所述第一推荐数据和第二推荐数据推送至所述目标商户。

2.如权利要求1所述的方法，其特征在于，基于目标商户下用户定位特征的特征值集合，生成第一推荐数据包括：

对所述特征值集合中的元素进行升序排序；

从所述特征值集合中选取出指定排序位置的元素；

根据所述选取出的元素生成所述第一推荐数据。

3.如权利要求1所述的方法，其特征在于，根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据包括：

根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

对所述差异度进行加权处理；

根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

对所述相对价值得分进行归一化处理；

根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

4.如权利要求3所述的方法，其特征在于，根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限包括：

计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

确定所述数据比集合中的最大元素和最小元素；

根据所述第一推荐数据和所述最大元素确定所述上限；

根据所述第一推荐数据和所述最小元素确定所述下限。

5.如权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

计算所述目标商户的健康度得分；

对所述健康度得分进行归一化处理；

根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

将所述第三推荐数据推送至所述目标商户。

6.一种数据推送装置，其特征在于，所述装置包括：

第一生成模块，用于基于目标商户下用户定位特征的特征值集合，生成第一推荐数据；

第二生成模块，用于根据所述第一推荐数据、对照数据对集合和所述目标商户的特征值与对照特征值之间的差异度，生成第二推荐数据；

第一推送模块，用于将所述第一推荐数据和第二推荐数据推送至所述目标商户。

7.如权利要求6所述的装置，其特征在于，所述第一生成模块包括：

排序单元，用于对所述特征值集合中的元素进行升序排序；

选取单元，用于从所述特征值集合中选取出指定排序位置的元素；

生成单元，用于根据所述选取出的元素生成所述第一推荐数据。

8.如权利要求6所述的装置，其特征在于，所述第二生成模块包括：

确定单元，用于根据所述第一推荐数据和所述对照数据对集合，确定所述第二推荐数据的上限和下限；

加权单元，用于对所述差异度进行加权处理；

计算单元，用于根据经所述加权处理的差异度计算所述目标商户的相对价值得分；

归一单元，用于对所述相对价值得分进行归一化处理；

生成单元，用于根据经所述归一化处理的相对价值得分、所述上限和所述下限，生成所述第二推荐数据。

9.如权利要求8所述的装置，其特征在于，所述确定单元包括：

计算组件，用于计算所述对照数据对集合中各数据对的数据比以得到数据比集合；

第一确定组件，用于确定所述数据比集合中的最大元素和最小元素；

第二确定组件，用于根据所述第一推荐数据和所述最大元素确定所述上限；

第三确定组件，用于根据所述第一推荐数据和所述最小元素确定所述下限。

10.如权利要求6至9中任一项所述的装置，其特征在于，所述装置还包括：

计算模块，用于计算所述目标商户的健康度得分；

归一模块，用于对所述健康度得分进行归一化处理；

第三生成模块，用于根据经所述归一化处理的健康度得分、所述第二推荐数据和设定的倾斜因子，生成第三推荐数据；

第二推送模块，用于将所述第三推荐数据推送至所述目标商户。