CN108230051A - 一种基于标签权重算法的用户对商品关注度的确定方法 - Google Patents

一种基于标签权重算法的用户对商品关注度的确定方法 Download PDF

Info

Publication number
CN108230051A
CN108230051A CN201810147461.XA CN201810147461A CN108230051A CN 108230051 A CN108230051 A CN 108230051A CN 201810147461 A CN201810147461 A CN 201810147461A CN 108230051 A CN108230051 A CN 108230051A
Authority
CN
China
Prior art keywords
weight
user
commodity
attention rate
data
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
CN201810147461.XA
Other languages
English (en)
Inventor
胡国龙
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.)
Kunshan Several Thai Data Technology Co Ltd
Original Assignee
Kunshan Several Thai Data 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 Kunshan Several Thai Data Technology Co Ltd filed Critical Kunshan Several Thai Data Technology Co Ltd
Priority to CN201810147461.XA priority Critical patent/CN108230051A/zh
Publication of CN108230051A publication Critical patent/CN108230051A/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
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于大数据、数据挖掘、人工智能、商业智能领域，提供了一种基于标签权重算法的用户对商品关注度的确定计算方法。获取电信、电商等用户原始数据。原始数据需要按照用户进行分组，再按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类。数据按照商品型号分组、时间排序、网址、次数分组。按照标签权重公式计算，计算用户对某种商品的关注度。标签权重=时间衰减因子×网址子权重×次数权重。根据标签权重公式计算各商品型号的关注度。最后按照关注度（标签权重）排序，确定用户对某商品型号的关注度。

Description

一种基于标签权重算法的用户对商品关注度的确定方法
技术领域
本发明涉及一种基于标签权重算法的用户对商品关注度的确定方法, 属于大数据、数据挖掘、人工智能、商业智能领域。
背景技术
大数据的核心是数据蕴含的价值，如何从海量数据中挖掘从商业价值是大数据、商业智能、人工智能的关键所在。
电商为代表的行业已经在利用大数据掘金，主要是因为电商本身就拥有大量的消费者行为记录，能够依据这些数据快速了解消费者的需求。如何快速、准确地帮助顾客找到想要的商品，如何加大商品的有效曝光度，如何根据顾客的需求，向其推荐偏好的商品，如何提高顾客的活跃度，降低顾客的弃单率，核心是消费者网上消费行为数据，它已经变得越来越重要，收集并分析这些消费者数据，将帮助商家预测顾客的下一步购物行为。利用顾客留在网站上的行为轨迹数据，分析顾客浏览商品类别，可以帮助商家预测顾客需要哪类商品，并推出相应的相关商品，根据顾客询价情况，商家还可以预测顾客购买力，从而对高级顾客推荐名牌商品，对普通顾客推荐物美价廉的商品，以满足不同的顾客对商品的不同心理价位；跟踪顾客经常购物的网店，对此类数据进行分析，可以预测用户的下一次购物行为将可能发生在哪个网店。其中的核心问题，确定消费者（用户）对某种商品型号的喜好，将决定营销成败的关键。
全球大的运营商中约有超过一半的运营商正在实施大数据业务。商业应用集中在两方面，市场与精准营销与数据商业化。市场与精准营销方向包括客户画像、精准营销、实时营销和个性化推荐。其中客户画像是基础，运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。数据商业化方面对外（各行业的商家）提供营销洞察和精准广告投放。电信运营商分析用户线上（上网）行为大数据，给用户打标签——其中的核心标签用户关注的商品型号等、完成用户画像后。把这些数据提供给各行业的商家，各商家利用这些数据获得客户，比如提供数据给手机制造行业利用用户数据，用户的手机型号标签，帮助手机制造商精准的营销。提供数据给汽车商、4S店经销商、房地产商等，用户的商品型号标签，帮助这些行业精准的营销。
大数据在金融、电商、电信应用的基础是获得足够多用户与获得用户足够全数据。金融大数据需要对用户做精确的画像，特别是资产、信用、消费能力等方面。电商大数据建立在海量消费者网上全面的消费行为数据。所以，如何获得足够多用户与获得用户足够全数据将成为应用成功的关键。本发明针对网上用户（包括有线宽带用户与移动互联网用户）提供了一种基于标签权重算法的用户对商品关注度的确定方法，精准地为线上用户打上某种商品型号标签，解决了根据用户对某类商品的喜好进行精准营销的问题。
发明内容
针对具有线上用户行为大数据的企业或者个人，提供了一种基于标签权重算法的用户对商品关注度的确定方法，精准地为线上用户打上某种商品型号的关注度标签，并给出了对某种商品的关注度排序，更有利于精准营销，挖掘出线上用户行为大数据的内在价值。
本发明的上述技术问题主要是通过下述技术方案实现的：一种基于标签权重算法的用户对商品关注度的确定方法，该方法包括以下步骤。
步骤1：获取电信、电商等用户原始数据。如：线上电信用户通过PC或者手机浏览商品的信息，线上用户浏览电商网站上的商品信息。这些海量的线上行为原始数据，通常储存在大数据平台上，或者超大型的数据库中。
步骤2：对海量的数据按用户分组。原始数据需要按照用户进行分组，按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类。比如：研究用户对手机的关注度的时候，我们只提取出手机相关的数据，这样可以减少数据计算量。
步骤3：数据按照商品型号分组、时间排序、网址、次数分组。如：手机有很多种品牌，有华为、中兴、小米、OPPO、VIVO等。每种品牌有很多种型号，如华为有荣耀8、HUAWEInova、畅享7、Mate 10，有的价格1000元左右，有的价格超过4000元。用户可能对华为1000元左右的荣耀8感兴趣，对华为高价格手机Mate 10不敢兴趣。再按照时间排序，根据标签权重算法，根据浏览时间的远近设置不同的权重。
步骤4：通过标签权重公式计算，计算用户对某种商品的关注度。
标签权重=时间衰减因子×网址子权重×次数权重。
时间衰减因子——时间越近，权重越高。如现在是2017.12.31日。最近一个星期2017.12.24—2017.12.30的权重为1。往前一个星期2017.12.17—2017.12.23的权重为0.667。再前一个星期2017.12.10—2017.12.16的权重为0.444。再前一个星期2017.12.03—2017.12.09的权重为0.296。再往前的权重为0。
网址权重——网站PC端的权重，设置成1.0，如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等。手机端的权重，设置成2，如京东、淘宝、汽车类、房产类移动端等。
次数权重——时间衰减因子相同时间段类，浏览1次权重1.0，2次权重1.5，3—5次权重2，6—10权重2.5，11—50次以上权重3，51—100次以上权重2.5，100次以上权重1.5。
步骤5：根据标签权重公式计算各商品型号的关注度。如tiger用户。
OPPO A57，浏览时间：2017.10.13，网址：京东PC端，次数：1，OPPO A57标签权重=0.444×1.0×1.0=0.444。
荣耀8 ，浏览时间：2017.12.19 ，网址：京东PC端，次数：2，另一个时间：2017.12.21，网址：淘宝移动端，次数：1，荣耀8标签权重=0.667×1.0×1.5+0.667×2.0×1.0=2.333。
红米Note4X，浏览时间：2017.12.25，网址：淘宝移动端，次数：1，另一个时间：2017.12.26，网址：淘宝移动端，次数：1，红米Note4X标签权重=1×2.0×1.5=3。
步骤6：按照关注度（标签权重）排序，红米Note4X标签权重最大，是手机类第一关注商品，荣耀是手机类第二关注商品，OPPO A57是手机类第三关注商品 。
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简单地介绍，显而易见地，下面描述中的附图仅仅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标签权重算法确定关注度流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。参照图1，一种基于标签权重算法的用户对商品关注度的确定方法，具体实施如下。
101：获取电信、电商等用户原始数据。用户的原始数据可以存放在大数据平台，或者超大型的数据库中。大数据平台可以是开源hadoop大数据平台、CDH大数据平台等。电信、电商的用户每天生产的海量数据，主要包括用户的网上行为等数据，由用户唯一识别号ID、用户的浏览内容、用户点击的时间戳ts、用户点击的url、用户特征UseAgent等组成。如：线上电信用户通过PC或者手机浏览商品的信息，线上用户浏览电商网站上的商品信息。
102：数据按用户分组。原始数据需要先按照用户进行分组，再按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类。比如：研究用户对手机的关注度的时候，只提取出用户的手机相关数据，不用关注汽车、笔记本电脑、房产等商品数据，可以减少数据计算量。
103：数据按照商品型号分组、时间排序、网址、次数分组。如：手机有很多种品牌，有华为、中兴、小米、OPPO、VIVO等。每种品牌有很多种型号，如华为有荣耀8、HUAWEI nova、畅享7、Mate 10，有的价格1000元左右，有的价格超过4000元。用户可能对华为1000元左右的荣耀8感兴趣，对华为高价格手机Mate 10不感兴趣，所以要按照手机型号进行分组。再取一段时间范围内的数据，比如最近四周，按照时间排序，根据标签权重算法，根据浏览时间的远近设置不同的权重。再按照网址类型分组，分PC端与移动端。
104：按照标签权重公式计算，计算用户对某种商品的关注度。
标签权重=时间衰减因子×网址子权重×次数权重。
时间衰减因子——时间越近，权重越高，如现在是2017.12.31日，取前四个星期的数据，最近一个星期2017.12.24—2017.12.30的权重为1，往前一个星期2017.12.17—2017.12.23的权重为0.667，再前一个星期2017.12.10—2017.12.16的权重为0.444，再前一个星期2017.12.03—2017.12.09的权重为0.296，再往前的权重为0。
网址权重——网站PC端的权重，设置成1.0，如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等。手机端的权重，设置成2，如京东、淘宝、汽车类、房产类移动端等。
次数权重——时间衰减因子相同时间段类，浏览1次权重1.0，2次权重1.5，3—5次权重2，6—10权重2.5，11—50次以上权重3，51—100次以上权重2.5，100次以上权重1.5。
105：根据标签权重公式计算各商品型号的关注度，计算示例如下表。
ID 商品型号 时间 网址 次数
Tiger OPPO A57 2017.10.13 京东PC端 1
Tiger 荣耀8 2017.12.19 京东PC端 2
Tiger 荣耀8 2017.12.21 淘宝移动端 1
Tiger 红米Note4X 2017.12.25 淘宝移动端 1
Tiger 红米Note4X 2017.12.26 淘宝移动端 1
OPPO A57标签权重=0.444×1.0×1.0=0.444。
荣耀8标签权重=0.667×1.0×1.5+0.667×2.0×1.0=2.333。
红米Note4X标签权重=1×2.0×1.5=3。
106：按照关注度（标签权重）排序，红米Note4X标签权重最大，是手机类第一关注商品，荣耀是手机类第二关注商品，OPPO A57是手机类第三关注商品。
结果如下表
ID 商品型号1 关注度1 价格1 商品型号2 关注度2 价格2 商品型号3 关注度3 价格3
Tiger 红米Note4X 3 1099 荣耀8 2.333 1699 OPPO A57 0.444 1299

Claims (7)

1.一种基于标签权重算法的用户对商品关注度的确定方法，其特征在于：
获取电信、电商等用户原始数据；原始数据需要按照用户进行分组，再按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类；数据按照商品型号分组、时间排序、网址、次数分组；按照标签权重公式计算，计算用户对某种商品的关注度；标签权重=时间衰减因子×网址子权重×次数权重；根据标签权重公式计算各商品型号的关注度；最后按照关注度（标签权重）排序，确定用户对某商品型号的关注度。
2.根据权利1所述的一种基于标签权重算法的用户对商品关注度的确定方法，其特征在于，所述商品包括：手机、电脑、汽车、房产、教育服务等商品，商品包括这些，但不限于这些商品，这里不一一列举。
3.根据权利1所述的电信、电商等积累的线上用户原始数据包括：
电信、电商的用户每天生产的海量数据，主要包括用户的网上行为等数据，由用户唯一识别号ID、用户的浏览内容、用户点击的时间戳ts、用户点击的url、用户特征UseAgent等组成。
4.根据权利1所述的按照用户进行分组包括：
对海量的数据按用户分组，原始数据需要按照用户进行分组，按照用户浏览的商品（如手机、笔记本电脑、汽车、房产等）进行分类；比如：研究用户对手机的关注度的时候，我们只提取出手机相关数据，这样可以减少数据计算量。
5.根据权利1所述的数据按照商品型号分组、时间排序、网址、次数分组包括：
按照商品型号分组，如：手机有很多种品牌，有华为、中兴、小米、OPPO、VIVO等；每种品牌有很多种型号，如华为有荣耀8、HUAWEI nova、畅享7、Mate 10，有的价格1000元左右，有的价格超过4000元；用户可能对华为1000元左右的荣耀8感兴趣，对华为高价格手机Mate10不敢兴趣；再按照时间排序，根据标签权重算法，根据浏览时间的远近设置不同的权重。
6.根据权利1所述的按照标签权重公式计算，计算用户对某种商品的关注度包括：
标签权重=时间衰减因子×网址子权重×次数权重；时间衰减因子——时间越近，权重越高；如现在是2017.12.31日，最近一个星期2017.12.24~2017.12.30的权重为1，往前一个星期2017.12.17~2017.12.23的权重为0.667，再前一个星期2017.12.10~2017.12.16的权重为0.444，再前一个星期2017.12.03~2017.12.09的权重为0.296，再往前的权重为0；网址权重——网站PC端的权重，设置成1.0，如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等，手机端的权重，设置成2，如京东、淘宝、汽车类、房产类移动端等；次数权重——时间衰减因子相同时间段类，浏览1次权重1.0，2次权重1.5，3~5次权重2，6~10权重2.5，11~50次以上权重3，51~100次以上权重2.5，100次以上权重1.5。
7.根据权利1所述的按照关注度（标签权重）排序包括：
根据标签权重公式计算出用户对某商品型号的关注度（标签权重），再按照关注度进行排序，等于给出了用户所关注商品型号的程度高低；如：用户Tiger关注手机商品中，红米Note4X标签权重最大，是手机类第一关注商品；荣耀是手机类第二关注商品，OPPO A57是手机类第三关注商品。
CN201810147461.XA 2018-02-12 2018-02-12 一种基于标签权重算法的用户对商品关注度的确定方法 Pending CN108230051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810147461.XA CN108230051A (zh) 2018-02-12 2018-02-12 一种基于标签权重算法的用户对商品关注度的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810147461.XA CN108230051A (zh) 2018-02-12 2018-02-12 一种基于标签权重算法的用户对商品关注度的确定方法

Publications (1)

Publication Number Publication Date
CN108230051A true CN108230051A (zh) 2018-06-29

Family

ID=62661754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810147461.XA Pending CN108230051A (zh) 2018-02-12 2018-02-12 一种基于标签权重算法的用户对商品关注度的确定方法

Country Status (1)

Country Link
CN (1) CN108230051A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109670078A (zh) * 2018-12-21 2019-04-23 深圳创维数字技术有限公司 一种确定影视排序的方法、装置、设备及存储介质
CN109670017A (zh) * 2018-12-27 2019-04-23 广州云趣信息科技有限公司 一种基于标签权重算法的电话营销系统
CN109766913A (zh) * 2018-12-11 2019-05-17 东软集团股份有限公司 用户分群方法、装置、计算机可读存储介质及电子设备
CN109949092A (zh) * 2019-03-18 2019-06-28 康美药业股份有限公司 基于商品关注度的商品推送方法、服务器及存储介质
CN110232600A (zh) * 2019-06-18 2019-09-13 浙江华坤道威数据科技有限公司 一种基于多源异构数据分析的大屏广告定向投放系统及方法
CN110750717A (zh) * 2019-09-27 2020-02-04 上海麦克风文化传媒有限公司 一种排序权重更新方法
CN111709781A (zh) * 2020-06-15 2020-09-25 浙江点线文化传媒有限公司 一种广告联动推送系统
CN112015998A (zh) * 2020-11-02 2020-12-01 北京值得买科技股份有限公司 一种基于用户画像的商品推荐方法
CN112330387A (zh) * 2020-09-29 2021-02-05 重庆锐云科技有限公司 一种应用于看房软件的虚拟经纪人

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090886A (zh) * 2013-12-09 2014-10-08 深圳市腾讯计算机系统有限公司 构建用户实时画像的方法及装置
US20150178397A1 (en) * 2013-12-19 2015-06-25 Facebook, Inc. Generating Card Stacks with Queries on Online Social Networks
CN105677867A (zh) * 2016-01-08 2016-06-15 浪潮软件集团有限公司 一种用户标签的生成方法和装置
CN106909663A (zh) * 2017-02-27 2017-06-30 杭州泰指尚科技有限公司 基于标签用户品牌偏好行为预测方法及其装置
CN107016026A (zh) * 2016-11-11 2017-08-04 阿里巴巴集团控股有限公司 一种用户标签确定、信息推送方法和设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090886A (zh) * 2013-12-09 2014-10-08 深圳市腾讯计算机系统有限公司 构建用户实时画像的方法及装置
US20150178397A1 (en) * 2013-12-19 2015-06-25 Facebook, Inc. Generating Card Stacks with Queries on Online Social Networks
CN105677867A (zh) * 2016-01-08 2016-06-15 浪潮软件集团有限公司 一种用户标签的生成方法和装置
CN107016026A (zh) * 2016-11-11 2017-08-04 阿里巴巴集团控股有限公司 一种用户标签确定、信息推送方法和设备
CN106909663A (zh) * 2017-02-27 2017-06-30 杭州泰指尚科技有限公司 基于标签用户品牌偏好行为预测方法及其装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109766913A (zh) * 2018-12-11 2019-05-17 东软集团股份有限公司 用户分群方法、装置、计算机可读存储介质及电子设备
CN109670078A (zh) * 2018-12-21 2019-04-23 深圳创维数字技术有限公司 一种确定影视排序的方法、装置、设备及存储介质
CN109670017A (zh) * 2018-12-27 2019-04-23 广州云趣信息科技有限公司 一种基于标签权重算法的电话营销系统
CN109949092A (zh) * 2019-03-18 2019-06-28 康美药业股份有限公司 基于商品关注度的商品推送方法、服务器及存储介质
CN110232600A (zh) * 2019-06-18 2019-09-13 浙江华坤道威数据科技有限公司 一种基于多源异构数据分析的大屏广告定向投放系统及方法
CN110750717A (zh) * 2019-09-27 2020-02-04 上海麦克风文化传媒有限公司 一种排序权重更新方法
CN110750717B (zh) * 2019-09-27 2024-02-02 上海麦克风文化传媒有限公司 一种排序权重更新方法
CN111709781A (zh) * 2020-06-15 2020-09-25 浙江点线文化传媒有限公司 一种广告联动推送系统
CN112330387A (zh) * 2020-09-29 2021-02-05 重庆锐云科技有限公司 一种应用于看房软件的虚拟经纪人
CN112330387B (zh) * 2020-09-29 2023-07-18 重庆锐云科技有限公司 一种应用于看房软件的虚拟经纪人
CN112015998A (zh) * 2020-11-02 2020-12-01 北京值得买科技股份有限公司 一种基于用户画像的商品推荐方法

Similar Documents

Publication Publication Date Title
CN108230051A (zh) 一种基于标签权重算法的用户对商品关注度的确定方法
Raghu et al. Dynamic profiling of consumers for customized offerings over the Internet: A model and analysis
Bawm et al. A Conceptual Model for effective email marketing
Liu et al. Mobile commerce product recommendations based on hybrid multiple channels
CN105405047A (zh) 一种基于社区o2o的数据分析系统及其实现方法
TW200923817A (en) Monetizing rich media advertising interaction
WO2008055217A2 (en) Selecting advertisements based on consumer transactions
US10102542B2 (en) Optimization and attribution of marketing resources
CN106407210A (zh) 一种业务对象的展示方法和装置
CN104572775B (zh) 广告分类方法、装置及服务器
CN109767302B (zh) 大数据精准模型的构建方法及装置
CN105335518A (zh) 生成用户偏好信息的方法及装置
JP4948573B2 (ja) 広告課金装置及び方法
CN116452261A (zh) 一种基于跨境电商服务平台的广告投放数据处理方法
CN107885784A (zh) 提取用户特征数据的方法和装置
CN111626767B (zh) 资源数据的发放方法、装置及设备
CN109190027A (zh) 多源推荐方法、终端、服务器、计算机设备、可读介质
CN108694174B (zh) 内容投放数据的分析方法及装置
CN112132634A (zh) 虚拟馈赠资源发放方法、装置、计算机设备和存储介质
CN110019774A (zh) 标签分配方法、装置、存储介质及电子装置
WO2019169990A1 (zh) 一种为用户提供优惠券的方法和装置
Liu et al. Understanding the diffusion of mobile digital content: a growth curve modelling approach
CN115880077A (zh) 基于客户标签的推荐方法及其装置、电子设备及存储介质
CN106919609A (zh) 产品信息推送方法和装置
KR20200113370A (ko) 상품 판매를 위한 유튜브 크리에이터의 방송에서 판매 예측시스템 구현방법

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180629

WD01 Invention patent application deemed withdrawn after publication