CN108289121B - 营销信息的推送方法及装置 - Google Patents

Abstract

本说明书一个或多个实施例公开了一种营销信息的推送方法及装置，用以解决现有技术中推送营销信息不精准、导致用户点击率低的问题。所述方法包括：获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；根据所述关联分析结果向所述用户推送营销信息。

Description

营销信息的推送方法及装置

技术领域

本说明书涉及信息挖掘技术领域，尤其涉及一种营销信息的推送方法及装置。

背景技术

目前，为使用户尽可能多地参加应用程序APP页面上的推广活动，以提升用户活跃度或交易量，通常采用向用户手机端推送消息的方式，即，APP向用户手机端推送消息，用户通过点击所推送的消息即可跳转到APP的相应页面参加推广活动。

但是，目前的推送消息的方式基本都采用全量消息推送方式，即将所有推广活动的消息都推送给用户。显然，这种方式容易降低用户对推广活动的兴趣，甚至导致用户因反感而卸载APP。因此，在目前这种推送消息的方式下，用户对消息的点击率并不高，即使点击消息进入推广活动页面，参加推广活动的几率也不高。

发明内容

本说明书一个或多个实施例的目的是提供一种营销信息的推送方法及装置，用以解决现有技术中推送营销信息不精准、导致用户点击率低的问题。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种营销信息的推送方法，包括：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息。

在一个实施例中，所述对所述用户的行为数据进行行为模式分析，得到行为模式数据，包括：

对所述用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

对所述用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

在一个实施例中，所述对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果，包括：

根据所述用户的登录时间，确定所述用户对应的登录时间片；

对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果。

在一个实施例中，所述对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果，包括：

根据所述用户在各登录时间片的消费行为模式数据，确定所述用户在与所述各登录时间片相对应的各时间周期内的消费行为模式数据。

在一个实施例中，所述对所述用户在各登录时间片的消费行为模式数据进行分析，包括：

确定所述用户在各登录时间片的行为模式数据分别对应的权重值；其中，所述权重值与各所述行为模式数据的值正相关；

从各所述行为模式数据中提取符合预设筛选条件的第一行为模式数据，所述预设筛选条件包括以下至少一项：所述权重值达到预设阈值、所述权重值为位于前N个的高权重值；

对所述提取的第一行为模式数据进行分析。

在一个实施例中，所述确定所述用户在各登录时间片的行为模式数据分别对应的权重值之后，所述对所述用户在各登录时间片的消费行为模式数据进行分析，还包括：

确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低所述第二行为模式数据所对应的权重值。

在一个实施例中，所述根据所述关联分析结果向所述用户推送营销信息，包括：

从多个营销信息中选择与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；

向所述用户推送所述目标营销信息。

在一个实施例中，所述向所述用户推送所述目标营销信息，包括：

根据所述用户在所述各时间周期内的消费行为模式数据，确定对所述目标营销信息的推送次数；

按照所述推送次数向所述用户推送所述目标营销信息。

另一方面，本说明书一个或多个实施例提供一种营销信息的推送装置，包括：

获取模块，获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

第一分析模块，对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

第二分析模块，对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

推送模块，根据所述关联分析结果向所述用户推送营销信息。

在一个实施例中，所述第一分析模块包括：

第一分析单元，对所述用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

第二分析单元，对所述用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

在一个实施例中，所述第二分析模块包括：

确定单元，根据所述用户的登录时间，确定所述用户对应的登录时间片；

第三分析单元，对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果。

在一个实施例中，所述第三分析单元还用于：

根据所述用户在各登录时间片的消费行为模式数据，确定所述用户在与所述各登录时间片相对应的各时间周期内的消费行为模式数据。

在一个实施例中，所述第三分析单元还用于：

确定所述用户在各登录时间片的行为模式数据分别对应的权重值；其中，所述权重值与各所述行为模式数据的值正相关；

从各所述行为模式数据中提取符合预设筛选条件的第一行为模式数据，所述预设筛选条件包括以下至少一项：所述权重值达到预设阈值、所述权重值为位于前N个的高权重值；

对所述提取的第一行为模式数据进行分析。

在一个实施例中，所述第三分析单元还用于：

在所述确定所述用户在各登录时间片的行为模式数据分别对应的权重值之后，确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低所述第二行为模式数据所对应的权重值。

在一个实施例中，所述推送模块包括：

选择或生成单元，从多个营销信息中选择与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；

推送单元，向所述用户推送所述目标营销信息。

在一个实施例中，所述推送单元还用于：

根据所述用户在所述各时间周期内的消费行为模式数据，确定对所述目标营销信息的推送次数；

按照所述推送次数向所述用户推送所述目标营销信息。

再一方面，本说明书一个或多个实施例提供一种营销信息的推送设备，其特征在于，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息。

再一方面，本说明书一个或多个实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息。

采用本说明书一个或多个实施例的技术方案，通过获取用户的行为数据(包括登录行为数据和消费行为数据)，并对行为数据进行行为模式分析以得到行为模式数据，进而对行为模式数据进行关联分析，并根据关联分析结果向用户推送营销信息，使得向用户推送的营销信息符合用户的行为模式数据，即符合用户的行为习惯，从而提高用户对营销信息的点击率，最终提高用户对营销信息所对应的营销活动的参与率及消费率。并且，该技术方案通过向用户推送符合其行为习惯的营销信息，能够避免造成用户对不符合其行为习惯的营销信息的反感，在一定程度上提高了用户对信息推送的体验度。

附图说明

为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本说明书一实施例的一种营销信息的推送方法的示意性流程图；

图2是根据本说明书一实施例的一种营销信息的推送装置的示意性框图；

图3是根据本说明书一实施例的一种营销信息的推送设备的示意性框图。

具体实施方式

本说明书一个或多个实施例提供一种营销信息的推送方法及装置，用以解决现有技术中推送营销信息不精准、导致用户点击率低的问题。

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本说明书一个或多个实施例保护的范围。

图1是根据本说明书一实施例的一种营销信息的推送方法的示意性流程图，如图1所示，该方法包括：

S102，获取用户的行为数据，行为数据包括登录行为数据和消费行为数据。

其中，登录行为数据包括登录时间、登录地点、登录网络、登录账号中的至少一种数据。

消费行为数据包括消费时间、消费商户、消费地点、消费商品、消费金额中的至少一种数据。

S104，对用户的行为数据进行行为模式分析，得到行为模式数据。

其中，行为模式包括行为数据的至少一个维度。对用户的行为数据进行行为模式分析即指在行为数据的至少一个维度上对行为数据进行分析。例如，对用户的登录时间进行分析，可得到用户在“登录时间”维度上的登录行为模式数据。

S106，对行为模式数据进行关联分析，得到行为模式数据的关联分析结果。

S108，根据行为模式向用户推送营销信息。

采用本说明书一个或多个实施例的技术方案，通过获取用户的行为数据(包括登录行为数据和消费行为数据)，并对行为数据进行行为模式分析以得到行为模式数据，进而对行为模式数据进行关联分析，并根据关联分析结果向用户推送营销信息，使得向用户推送的营销信息符合用户的行为模式数据，即符合用户的行为习惯，从而提高用户对营销信息的点击率，最终提高用户对营销信息所对应的营销活动的参与率及消费率。并且，该技术方案通过向用户推送符合其行为习惯的营销信息，能够避免造成用户对不符合其行为习惯的营销信息的反感，在一定程度上提高了用户对信息推送的体验度。

以下针对上述实施例提供的营销信息的推送方法进行详细说明。

首先执行S102，即获取用户的行为数据，该行为数据包括登录行为数据和消费行为数据。

在一个实施例中，可获取用户在一段时间内的行为数据，包括用户在一段时间内的登录行为数据和消费行为数据。其中，一段时间内的行为数据应能够反映出用户的行为习惯，例如，根据统计学和心理学的理论，一旦习惯养成，短期内就会稳定延续，假设用户的行为习惯的养成时间大约为18天，则可将一段时间设定为18天。通过获取用户在最近18天内的登录行为数据和消费行为数据，即可为下一步行为模式数据的分析做准备。

获取用户的行为数据之后，继续执行S104，即对用户的行为数据进行行为模式分析，以得到行为模式数据。

其中，行为模式包括行为数据的至少一个维度。上述提及，对用户的行为数据进行行为模式分析即指在行为数据的至少一个维度上对行为数据进行分析。因此，通过对用户的登录行为数据进行行为模式分析，可得到以下至少一个维度的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号。通过对用户的消费行为数据进行行为模式分析，可得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

在上述对S102的说明中已指出，可获取用户在一段时间内的行为数据，那么，可对用户在该一段时间内的行为数据进行行为模式分析，以得到行为模式数据。

例如，设定一段时间为18天。当获取到用户在最近18天内的登录行为数据及消费行为数据之后，即可对用户在最近18天内的登录行为数据进行行为模式分析，以得到用户在最近18天内分别在登录时间、登录次数、登录地点、登录网络、登录账号中的至少一个维度上的登录行为模式数据；以及，对用户在最近18天内的消费行为数据进行行为模式分析，以得到用户在最近18天内分别在消费时间、消费商户、消费地点、消费商品、消费金额中的至少一个维度上的消费行为模式数据。

以下以维度“登录时间”、“登录次数”、“消费时间”、“消费商户”及“消费金额”为例说明如何分析出用户的行为模式数据。

假设获取到用户在最近7天内的登录行为数据和消费行为数据。通过对用户在最近7天内的登录行为数据和消费行为数据分别进行行为模式分析，可得到如下表1所示的登录行为模式数据——在维度“登录时间”及“登录次数”上的登录行为模式数据，以及，如下表2所示的消费行为模式数据——在维度“消费时间”、“消费商户”及“消费金额”上的登录行为模式数据。在表1及表2中分别以“天”为单位对用户的行为数据进行分析。

表1

登录时间	登录次数
		第1天	1次
第2天	3次
		第3天	1次
第4天	1次
		第5天	2次
第6天	5次
		第7天	1次

表2

消费时间	消费商户	消费金额
			第1天	商户A	50元
第2天	商户B	100元
			第3天	商户A	200元
第4天	商户B	60元
			第5天	商户A	180元
第6天	商户B、C	120元
			第7天	商户A	80元

分析得到行为模式数据之后，继续执行S106，即对行为模式数据进行关联分析，以得到行为模式数据的关联分析结果。具体的：

首先，根据用户的登录时间确定用户对应的登录时间片。

登录时间片与用户的登录时间相关，假设用户的登录时间以“天”为单位，则可设定每一天为一个登录时间片，如上述表1和表2中所示的登录时间及消费时间。假设用户的登录时间以“小时”为单位，则可设定每一小时为一个登录时间片。

其次，对用户在各登录时间片的消费行为模式数据进行分析，得到关联分析结果。

对用户在各登录时间片的消费行为模式数据进行分析时，可根据用户在各登录时间片的消费行为模式数据，确定用户在与各登录时间片相对应的各时间周期内的消费行为模式数据。其中，与各登录时间片相对应的各时间周期指与各登录时间片的时长相等的不同时间段，例如，登录时间片包括最近7天的每一天，那么与各登录时间片相对应的各时间周期即为下一个7天、下下个7天，等等。

沿用上述举例，通过关联分析上述表1中的登录行为模式数据及表2中的消费行为模式数据，可得到用户在之后一段时间内每7天内的消费行为模式数据，即关联分析结果。

假设登录时间片包括最近7天的每一天。由上述表1可知，用户在登录时间片“第1天”内登录1次；由上述表2可知，用户在登录时间片“第1天”内在消费商户A处的消费金额为50元。关联表1所示登录时间片“第1天”内的登录行为模式数据及表2所示登录时间片“第1天”内的消费行为模式数据，可确定出用户在与登录时间片“第1天”相对应的下一个时间周期(如下一个7天)内的第1天将会在消费商户A处消费大约50元。因此，可在下一个时间周期(即下一个7天)内的第1天为用户推送与消费商户A相关的营销信息(后续将详细说明如何向用户推送营销信息)。

在一个实施例中，在分析用户在各登录时间片的行为模式数据时，可从分析出的所有行为模式数据中筛选出部分行为模式数据进行关联。筛选依据可以是用户登录地点的人口聚集情况、登录次数的多少、用户消费次数的多少、用户消费金额的高低等等。

以下通过述步骤A1-A3说明如何筛选待关联分析的消费行为模式数据。

步骤A1、确定用户在各登录时间片的行为模式数据分别对应的权重值。

其中，权重值与各行为模式数据的值正相关。各行为模式数据的值指各行为模式数据对应的具体数值。例如，登录行为模式数据的值可以是登录次数的值，登录次数越多，即登录行为模式数据的值越大，登录行为模式数据对应的权重值也就越高；消费行为模式数据的值可以是消费次数的值，或者消费金额的值，消费金额越大，即消费行为模式数据的值越高，消费行为模式数据对应的权重值也就越高，等等。

例如，从上述表1可看出，在最近7天内，用户在登录时间片“第6天”的登录次数为最高，在登录时间片“第2天”的登录次数为次高，在登录时间“第5天”的登录次数为第三高，因此可确定用户在登录时间片“第6天”的登录行为模式数据对应的权重值最高，假设为9，确定用户在登录时间片“第2天”的登录行为模式数据对应的权重值次高，假设为6，确定用户在登录时间片“第5天”的登录行为模式数据对应的权重值第三高，假设为3。

从上述表2可看出，在最近7天内，用户在登录时间片“第3天”的消费金额为最高，在登录时间片“第5天”的消费金额为次高，在登录时间片“第6天”的消费金额为第三高，因此可确定用户在登录时间片“第3天”的消费行为模式数据对应的权重值最高，假设为9，确定用户在登录时间片“第5天”的消费行为模式数据对应的权重值次高，假设为6，确定用户在登录时间片“第6天”的消费行为模式数据对应的权重值第三高，假设为3。

在一个实施例中，确定各行为模式数据分别对应的权重值之后，可确定并筛选出各登录时间片内登录次数达到第一阈值、但消费次数低于第二阈值的行为模式数据，进而降低筛选出的行为模式数据所对应的权重值。该实施例的目的在于，针对一些仅登录但未消费的行为模式数据进行权重值的降低，从而确保关联的各个行为模式据均能表征用户的消费行为。

例如，从上述表1和表2所示的行为模式数据中可看出，在登录时间片“第6天”内，用户的登录次数为5，但消费次数仅为4次，说明用户在登录时间片“第6天”内存在仅登录但未消费的情况，因此可相应降低用户在登录时间片“第6天”内的登录行为模式数据对应的权重值。

步骤A2、从各行为模式数据中提取符合预设筛选条件的第一行为模式数据。

其中，第一行为模式数据包括第一登录行为模式数据及第一消费行为模式数据。预设筛选条件包括以下至少一项：权重值达到预设阈值、权重值为位于前N个的高权重值。

沿用上述举例，假设N＝3，从登录行为模式数据中提取位于前3个的高权重值对应的第一登录行为模式数据，即提取出用户分别在登录时间片“第6天”、登录时间片“第2天”、登录时间片“第5天”的登录行为模式数据作为符合预设筛选条件的第一登录行为模式数据。以及，从消费行为模式数据中提取位于前3个的高权重值对应的第一消费行为模式数据，即提取出用户分别在登录时间片“第3天”、登录时间片“第5天”、登录时间片“第6天”的消费行为模式数据作为第一消费行为模式数据。

步骤A3、对提取的第一行为模式数据进行分析。

例如，可对用户在登录时间片“第6天”、登录时间片“第2天”、登录时间片“第5天”内的第一消费行为模式数据进行分析。

本实施例对筛选出的符合预设筛选条件的行为模式数据进行分析，而并非分析所有的行为模式数据，由于符合预设筛选条件的行为模式数据通常包含更多的行为模式数据，因此能够更加准确地反映出用户的行为习惯。

由上述实施例可知，通过对用户在各登录时间片的消费行为模式数据进行关联分析，使得关联分析结果(包括用户在与各登录时间片相对应的各时间周期内的消费行为模式数据)能够符合用户日常的消费行为习惯，从而在合适的时间点向用户推送符合用户消费行为习惯的营销信息，如在各时间周期内的第1天向用户推送与消费商户A相关的营销信息，而与消费商户A无关的营销信息则不向用户推送。避免造成用户对不符合其消费行为习惯的营销信息的反感，在一定程度上提高了用户对营销信息推送的体验度。

在分析出关联分析结果之后，继续执行S108，即根据关联分析结果向用户推送营销信息。

在一个实施例中，向用户推送营销信息之前，首先需从多个营销信息中选择与用户在各时间周期内的消费行为模式数据相匹配的目标营销信息，其中，多个营销信息可由营销人员预先策划并存储。还可直接生成与用户在各时间周期内的消费行为模式数据相匹配的目标营销信息，即无需依赖营销人员策划营销信息。其次再向用户推送目标营销信息。

例如，经上述S102-S106的步骤之后，分析出用户在下一个时间周期(假设为明天)内的消费行为模式数据为：用户在明天将会在消费商户A处进行消费，那么可在明天向用户推送与消费商户A相关的目标营销信息。

本实施例中，通过向用户推送与用户在各时间周期内的消费行为模式数据相匹配的目标营销信息，可避免向用户推送其不感兴趣、或与其当前的消费行为习惯不符的营销信息，从而避免造成用户对不符合其消费行为习惯的营销信息的反感。并且，用户对与其消费行为习惯相符的营销信息的兴趣往往较大，因此本实施例能够提高用户对营销信息的点击率，最终提高用户对营销信息所对应的营销活动的参与率及消费率。

在一个实施例中，可一次或多次向用户推送目标营销信息：首先，根据用户在各时间周期内的消费行为模式数据，确定对目标营销信息的推送次数；其次，按照推送次数向用户推送目标营销信息。

本实施例中，推送次数与用户在各时间周期内的消费行为模式数据相关。通常情况下，为提高用户对各营销信息的点击率，可针对各消费行为模式数据对应的具体数值来确定推送次数。消费行为模式数据对应的具体数值越大，推送次数就越高。

例如，同一时间周期内，用户在消费商户A处的消费金额为1000元，在消费商户B处的消费金额为500元，则向用户推送与消费商户A相关的目标营销信息的推送次数应大于向用户推送与消费商户B相关的目标营销信息的推送次数，如，向用户推送3次与消费商户A相关的目标营销信息，以及，向用户推送1次与消费商户B相关的目标营销信息。显然，这种多次推送的方式可大大提高用户对营销信息的点击率。

综上，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

以上为本说明书一个或多个实施例提供的营销信息的推送方法，基于同样的思路，本说明书一个或多个实施例还提供一种营销信息的推送装置。

图2是根据本说明书一实施例的营销信息的推送装置的示意性框图。如图2所示，营销信息的推送装置包括：

获取模块210，获取用户的行为数据，行为数据包括登录行为数据和消费行为数据；

第一分析模块220，对用户的行为数据进行行为模式分析，得到行为模式数据；行为模式包括行为数据的至少一个维度；

第二分析模块230，对行为模式数据进行关联分析，得到行为模式数据的关联分析结果；

推送模块240，根据关联分析结果向用户推送营销信息。

在一个实施例中，第一分析模块220包括：

第一分析单元，对用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

第二分析单元，对用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

在一个实施例中，第二分析模块230包括：

确定单元，根据用户的登录时间，确定用户对应的登录时间片；

第三分析单元，对用户在各登录时间片的消费行为模式数据进行分析，得到关联分析结果。

在一个实施例中，第三分析单元还用于：

根据用户在各登录时间片的消费行为模式数据，确定用户在与各登录时间片相对应的各时间周期内的消费行为模式数据。

在一个实施例中，第三分析单元还用于：

确定用户在各登录时间片的行为模式数据分别对应的权重值；其中，权重值与各行为模式数据的值正相关；

从各行为模式数据中提取符合预设筛选条件的第一行为模式数据，预设筛选条件包括以下至少一项：权重值达到预设阈值、权重值为位于前N个的高权重值；

对提取的第一行为模式数据进行分析。

在一个实施例中，第三分析单元还用于：

在确定用户在各登录时间片的行为模式数据分别对应的权重值之后，确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低第二行为模式数据所对应的权重值。

在一个实施例中，推送模块240包括：

选择或生成单元，从多个营销信息中选择与用户在各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与用户在各时间周期内的消费行为模式数据相匹配的目标营销信息；

推送单元，向用户推送目标营销信息。

在一个实施例中，推送单元还用于：

根据用户在各时间周期内的消费行为模式数据，确定对目标营销信息的推送次数；

按照推送次数向用户推送目标营销信息。

采用本说明书一个或多个实施例的技术方案，通过获取用户的行为数据(包括登录行为数据和消费行为数据)，并对行为数据进行行为模式分析以得到行为模式数据，进而对行为模式数据进行关联分析，并根据关联分析结果向用户推送营销信息，使得向用户推送的营销信息符合用户的行为模式数据，即符合用户的行为习惯，从而提高用户对营销信息的点击率，最终提高用户对营销信息所对应的营销活动的参与率及消费率。并且，该技术方案通过向用户推送符合其行为习惯的营销信息，能够避免造成用户对不符合其行为习惯的营销信息的反感，在一定程度上提高了用户对信息推送的体验度。

本领域的技术人员应可理解，图2中的营销信息的推送装置能够用来实现前文所述的营销信息的推送方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。

基于同样的思路，本说明书一个或多个实施例还提供一种营销信息的推送设备，如图3所示。营销信息的推送设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器301和存储器302，存储器302中可以存储有一个或一个以上存储应用程序或数据。其中，存储器302可以是短暂存储或持久存储。存储在存储器302的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对营销信息的推送设备中的一系列计算机可执行指令。更进一步地，处理器301可以设置为与存储器302通信，在营销信息的推送设备上执行存储器302中的一系列计算机可执行指令。营销信息的推送设备还可以包括一个或一个以上电源303，一个或一个以上有线或无线网络接口304，一个或一个以上输入输出接口305，一个或一个以上键盘306。

具体在本实施例中，营销信息的推送设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对营销信息的推送设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

对所述用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

对所述用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

根据所述用户的登录时间，确定所述用户对应的登录时间片；

对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

根据所述用户在各登录时间片的消费行为模式数据，确定所述用户在与所述各登录时间片相对应的各时间周期内的消费行为模式数据。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

确定所述用户在各登录时间片的行为模式数据分别对应的权重值；其中，所述权重值与各所述行为模式数据的值正相关；

从各所述行为模式数据中提取符合预设筛选条件的第一行为模式数据，所述预设筛选条件包括以下至少一项：所述权重值达到预设阈值、所述权重值为位于前N个的高权重值；

对所述提取的第一行为模式数据进行分析。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低所述第二行为模式数据所对应的权重值。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

从多个营销信息中选择与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；

向所述用户推送所述目标营销信息。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

根据所述用户在所述各时间周期内的消费行为模式数据，确定对所述目标营销信息的推送次数；

按照所述推送次数向所述用户推送所述目标营销信息。

本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述营销信息的推送方法，并具体用于执行：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个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，本说明书一个或多个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。

本说明书一个或多个实施例是参照根据本申请实施例的方法、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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。

Claims (18)

1.一种营销信息的推送方法，包括：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息；

其中，所述对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果，包括：

根据前一时间周期内各个登录时间片的消费行为模式数据，确定当前时间周期内相对应的各个登录时间片的消费行为模式数据；其中，所述时间周期包括多个登录时间片；所述登录时间片为所述行为数据的统计时间段。

2.根据权利要求1所述的方法，所述对所述用户的行为数据进行行为模式分析，得到行为模式数据，包括：

对所述用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

对所述用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

3.根据权利要求2所述的方法，所述对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果，包括：

根据所述用户的登录时间，确定所述用户对应的登录时间片；

对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果。

4.根据权利要求3所述的方法，所述对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果，包括：

根据所述用户在各登录时间片的消费行为模式数据，确定所述用户在与所述各登录时间片相对应的各时间周期内的消费行为模式数据。

5.根据权利要求3所述的方法，所述对所述用户在各登录时间片的消费行为模式数据进行分析，包括：

确定所述用户在各登录时间片的行为模式数据分别对应的权重值；其中，所述权重值与各所述行为模式数据的值正相关；

从各所述行为模式数据中提取符合预设筛选条件的第一行为模式数据，所述预设筛选条件包括以下至少一项：所述权重值达到预设阈值、所述权重值为位于前N个的高权重值；

对所述提取的第一行为模式数据进行分析。

6.根据权利要求5所述的方法，所述确定所述用户在各登录时间片的行为模式数据分别对应的权重值之后，所述对所述用户在各登录时间片的消费行为模式数据进行分析，还包括：

确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低所述第二行为模式数据所对应的权重值。

7.根据权利要求4所述的方法，所述根据所述关联分析结果向所述用户推送营销信息，包括：

从多个营销信息中选择与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；

向所述用户推送所述目标营销信息。

8.根据权利要求7所述的方法，所述向所述用户推送所述目标营销信息，包括：

根据所述用户在所述各时间周期内的消费行为模式数据，确定对所述目标营销信息的推送次数；

按照所述推送次数向所述用户推送所述目标营销信息。

9.一种营销信息的推送装置，包括：

获取模块，获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

第一分析模块，对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

第二分析模块，对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

推送模块，根据所述关联分析结果向所述用户推送营销信息；

其中，所述第二分析模块，具体用于：

根据前一时间周期内各个登录时间片的消费行为模式数据，确定当前时间周期内相对应的各个登录时间片的消费行为模式数据；其中，所述时间周期包括多个登录时间片；所述登录时间片为所述行为数据的统计时间段。

10.根据权利要求9所述的装置，所述第一分析模块包括：

第一分析单元，对所述用户的登录行为数据进行行为模式分析，得到以下至少一个维度上的登录行为模式数据：登录时间、登录次数、登录地点、登录网络、登录账号；及，

第二分析单元，对所述用户的消费行为数据进行行为模式分析，得到以下至少一个维度上的消费行为模式数据：消费时间、消费商户、消费地点、消费商品、消费金额。

11.根据权利要求10所述的装置，所述第二分析模块包括：

确定单元，根据所述用户的登录时间，确定所述用户对应的登录时间片；

第三分析单元，对所述用户在各登录时间片的消费行为模式数据进行分析，得到所述关联分析结果。

12.根据权利要求11所述的装置，所述第三分析单元还用于：

根据所述用户在各登录时间片的消费行为模式数据，确定所述用户在与所述各登录时间片相对应的各时间周期内的消费行为模式数据。

13.根据权利要求11所述的装置，所述第三分析单元还用于：

确定所述用户在各登录时间片的行为模式数据分别对应的权重值；其中，所述权重值与各所述行为模式数据的值正相关；

从各所述行为模式数据中提取符合预设筛选条件的第一行为模式数据，所述预设筛选条件包括以下至少一项：所述权重值达到预设阈值、所述权重值为位于前N个的高权重值；

对所述提取的第一行为模式数据进行分析。

14.根据权利要求13所述的装置，所述第三分析单元还用于：

在所述确定所述用户在各登录时间片的行为模式数据分别对应的权重值之后，确定并筛选出各登录时间片内的登录次数达到第一阈值、但消费次数低于第二阈值的第二行为模式数据；

降低所述第二行为模式数据所对应的权重值。

15.根据权利要求12所述的装置，所述推送模块包括：

选择或生成单元，从多个营销信息中选择与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；或，生成与所述用户在所述各时间周期内的消费行为模式数据相匹配的目标营销信息；

推送单元，向所述用户推送所述目标营销信息。

16.根据权利要求15所述的装置，所述推送单元还用于：

根据所述用户在所述各时间周期内的消费行为模式数据，确定对所述目标营销信息的推送次数；

按照所述推送次数向所述用户推送所述目标营销信息。

17.一种营销信息的推送设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息；

其中，所述对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果，包括：

根据前一时间周期内各个登录时间片的消费行为模式数据，确定当前时间周期内相对应的各个登录时间片的消费行为模式数据；其中，所述时间周期包括多个登录时间片；所述登录时间片为所述行为数据的统计时间段。

18.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

获取用户的行为数据，所述行为数据包括登录行为数据和消费行为数据；

对所述用户的行为数据进行行为模式分析，得到行为模式数据；所述行为模式包括所述行为数据的至少一个维度；

对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果；

根据所述关联分析结果向所述用户推送营销信息；

其中，所述对所述行为模式数据进行关联分析，得到所述行为模式数据的关联分析结果，包括：

根据前一时间周期内各个登录时间片的消费行为模式数据，确定当前时间周期内相对应的各个登录时间片的消费行为模式数据；其中，所述时间周期包括多个登录时间片；所述登录时间片为所述行为数据的统计时间段。

Images