CN108521439B - 一种消息推送的方法和装置 - Google Patents
一种消息推送的方法和装置 Download PDFInfo
- Publication number
- CN108521439B CN108521439B CN201810191723.2A CN201810191723A CN108521439B CN 108521439 B CN108521439 B CN 108521439B CN 201810191723 A CN201810191723 A CN 201810191723A CN 108521439 B CN108521439 B CN 108521439B
- Authority
- CN
- China
- Prior art keywords
- message
- user
- distribution channel
- channel
- pushed
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供了一种消息推送的方法和装置,所述方法包括:建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;采用所述目标分发渠道,向所述目标用户推送所述待推送消息。通过本发明实施例,实现了基于用户画像选取最佳分发渠道,并采用最佳分发渠道向用户推送消息,提升了用户的召回率。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及一种消息推送的方法和装置。
背景技术
随着互联网技术的迅速发展,向某一用户推送消息的分发渠道也越来越多,如短信、公众号等分发渠道,给用户带了极大的便利。
目前,由于分发渠道较多,用户通过分发渠道接收到的消息也越来越多,对于海量的消息,用户不可能对每个消息都进行点击,现有技术通常从推送消息的时间等方面进行分析,以确定采用某一分发渠道推送消息的最佳方式,而无法解决多种分发渠道并存的情况。
发明内容
鉴于上述问题,提出了本发明实施例以便提供克服上述问题或者至少部分地解决上述问题的一种消息推送的方法和装置。
为了解决上述问题,本发明实施例公开了一种消息推送的方法,所述方法包括:
建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;
当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;
将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;
采用所述目标分发渠道,向所述目标用户推送所述待推送消息。
优选地,所述将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道的步骤包括:
将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型;
接收所述渠道预测模型输出的针对每个分发渠道的预估点击率;
选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道。
优选地,所述建立用户画像的步骤包括:
获取用户属性特征;
获取第一行为数据,并基于所述第一行为数据确定业务线特征;
获取第二行为数据,并基于所述第二行为数据确定分发渠道特征;
将所述用户属性特征、所述业务线特征,以及所述分发渠道特征组织成用户画像。
优选地,所述业务线特征包括业务类型和业务时机,所述获取第一行为数据,并基于所述第一行为数据确定业务线特征的步骤包括:
获取第一行为数据;
将所述第一行为数据划分为实时行为数据和历史行为数据;
从所述实时行为数据中,提取出第一业务线特征;
从所述历史行为数据中,提取出第二业务线特征。
优选地,所述分发渠道特征包括渠道敏感度,所述获取第二行为数据,并基于所述第二行为数据确定分发渠道特征的步骤包括:
从所述第二行为数据中,获取每个分发渠道对应的触达次数和点击次数;
依据所述触达次数和所述点击次数,得到针对每个分发渠道的渠道点击率和针对全部分发渠道的平均点击率;
采用预设的敏感度公式对所述渠道点击率和所述平均点击率进行计算,得到每个分发渠道对应的渠道敏感度。
优选地,在所述将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道的步骤之前,还包括:
针对每个分发渠道,获取第一样本消息及对所述第一样本消息进行点击操作的用户对应的第一用户画像,作为正样本数据;
获取第二样本消息及未对所述第二样本消息进行点击操作的用户对应的第二用户画像,作为负样本数据;
采用预设的训练算法,分别对所述正样本数据和所述负样本数据进行训练,得到渠道预测模型。
本发明实施例还公开了一种消息推送的装置,所述装置包括:
用户画像建立模块,用于建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;
目标用户画像确定模块,用于当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;
目标分发渠道获得模块,用于将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;
待推送消息推送模块,用于采用所述目标分发渠道,向所述目标用户推送所述待推送消息。
本发明实施例公开了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如上所述的方法。
本发明实施例公开了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的方法。
本发明实施例包括以下优点:
在本发明实施例中,通过建立用户画像,用户画像可以包括用户属性特征、业务线特征,以及分发渠道特征,当接收针对目标用户的待推送消息时,可以确定目标用户对应的目标用户画像,然后将待推送消息和目标用户画像输入预先建立的渠道预测模型,获得待推送消息对应的目标分发渠道,采用目标分发渠道,向目标用户推送待推送消息,实现了基于用户画像选取最佳分发渠道,并采用最佳分发渠道向用户推送消息,提升了用户的召回率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种消息推送的方法的步骤流程图;
图2是本发明实施例的另一种消息推送的方法的步骤流程图;
图3是本发明实施例的一种消息推送的装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1,示出了本发明实施例的一种消息推送的方法的步骤流程图,具体可以包括如下步骤:
步骤101,建立用户画像;
其中,用户画像又称用户角色,是一种勾画目标用户、联系用户诉求与设计方向的有效工具。在实际操作的过程中,可以采用最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表,用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的,形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
具体的,用户画像可以基于用户在业务线场景和各个渠道实时、长期的历史行为挖掘而来,其包括用户属性特征、业务线特征,以及分发渠道特征。
作为一种示例,用户属性特征可以包括基础属性,如性别、年龄、学历、职业、居住地,还可以包括商业属性,如收入水平、价格偏好、消费能力。
业务线特征可以包括业务类型,如浏览、点击、购买的业务品类,还可以包括业务时机,如浏览、点击、购买时的时间、地点、天气。
分发渠道特征可以包括渠道敏感度,还可以包括触达次数、点击次数、渠道点击率、触达成本等。
在本发明实施例中,可以获取每个用户对应的用户基础信息和用户行为数据,然后从用户基础信息和用户行为数据中提取多个特征,将多个特征组织成用户画像。
在本发明一种优选实施例中,步骤101可以包括如下子步骤:
子步骤11,获取用户属性特征;
由于在注册时采集了每个用户的性别、年龄、学历、职业、居住地等基础属性,本发明实施例可以从基础属性中提取用户属性特征。
进一步的,本发明实施例还可以通过获取用户的消费记录,生成收入水平、价格偏好、消费能力等商业属性,然后从商业属性中提取用户属性特征。
例如,在用户A的消费记录中,购买高档酒店产品、高档餐饮等产品的订单占80%,则可以为用户A生成“高消费”的标签,作为其商业属性。
又如,在用户A最近1年的消费记录中,购买数码产品的订单数大于10,则可以为用户A生成“数码控”的标签,作为其商业属性。
子步骤12,获取第一行为数据,并基于所述第一行为数据确定业务线特征;
当用户针对某个业务进行浏览、点击、购买等操作时,可以生成第一行为数据,本发明实施例可以获取第一行为数据,然后从第一行为数据中确定业务线特征。
具体的,子步骤12可以包括如下子步骤:
子步骤121,获取第一行为数据;
本发明实施例中,可以网络爬虫技术获取用户对应的第一行为数据。
子步骤122,将所述第一行为数据划分为实时行为数据和历史行为数据;
针对第一行为数据,可以按照时间段分为实时行为数据和历史行为数据,如实时行为数据为最近一次的行为数据,历史行为数据为一周、一个月、三个月内的行为数据。
子步骤123,从所述实时行为数据中,提取出第一业务线特征;
在获得实时行为数据后,本发明实施例可以从实时行为数据的指定字段中提取出第一业务线特征,可以用于描述用户的实时意图。
例如,第一业务线特征可以为用户当日最近一次会话浏览、点击、购买的业务品类,以及用户当日最近一次会话浏览、点击、购买的时间、地点、天气、周几、是否节假日等。
子步骤124,从所述历史行为数据中,提取出第二业务线特征。
在获得历史行为数据后,本发明实施例可以从历史行为数据的指定字段中提取出第二业务线特征,可以用于描述用于长期的行为偏好。
例如,第二业务线特征可以为用户最近一个月内会话浏览、点击、购买的业务品类中出现次数大于次数阈值的业务品类。
子步骤13,获取第二行为数据,并基于所述第二行为数据确定分发渠道特征;
当用户点击通过分发渠道推送的消息时,则可以生成第二行为数据,本发明实施例可以获取第二行为数据,从第二行为数据中确定分发渠道特征。
作为一种示例,分发渠道可以包括短信、公众号、APP等。
在本发明一种优选实施例中,当分发渠道特征包括渠道敏感度时,子步骤13可以包括如下子步骤:
子步骤131,从所述第二行为数据中,获取每个分发渠道对应的触达次数和点击次数;
针对每个分发渠道,本发明实施例可以从第二行为数据中获取通过分发渠道推送消息的触达次数,以及点击通过分发渠道推送的消息的点击次数。
子步骤132,依据所述触达次数和所述点击次数,得到针对每个分发渠道的渠道点击率和针对全部分发渠道的平均点击率;
针对每个分发渠道,本发明实施例可以计算每个分发渠道对应的点击次数与触达次数的占比,得到每个分发渠道的渠道点击率。
针对全部分发渠道,本发明实施例可以先计算每个分发渠道对应的点击次数之和与触达次数之和,然后计算点击次数之和与触达次数之和的占比,得到全部分发渠道的平均点击率。
例如,针对用户B共有2个分发渠道,分别是短信和app,在获得到用户B的第二行为数据后,可以确定通过全部分发渠道共向用户B推送消息的触达次数为30次,用户B点击15次,则平均点击率为50%。
其中,通过短信向用户B推送消息的触发次数为10次,用户B点击5次,则短信对应的渠道点击率为50%;通过APP内部向用户B推送消息的触达次数为20次,用户B点击5次,则APP对应的渠道点击率为25%。
子步骤133,采用预设的敏感度公式对所述渠道点击率和所述平均点击率进行计算,得到每个分发渠道对应的渠道敏感度。
在获得渠道点击率和平均点击率后,本发明实施例可以采用预设的敏感度公式对渠道点击率和平均点击率进行计算,得到每个分发渠道对应的渠道敏感度。
其中,敏感度公式可以为sensity=1/(1+e^(-1*biase),biase=(ctr-avg_ctr)/avg_ctr,ctr为渠道点击率,avg_ctr为平均点击率。
子步骤14,将所述用户属性特征、所述业务线特征,以及所述分发渠道特征组织成用户画像。
在获得各个特征后,本发明实施例可以将用户属性特征、业务线特征,以及分发渠道特征组织成用户画像。
在本发明实施例中,通过获取用户属性特征、业务线特征,以及分发渠道特征,生成用户画像,提升了用户画像的丰富性,更加全面的反映用户。
步骤102,当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;
当接收到针对目标用户的待推送消息时,本发明实施例可以获取目标用户的标识,查找标识对应的目标用户画像。
步骤103,将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;
在获得目标用户画像后,本发明实施例可以将待推送消息和目标用户画像输入预先建立的渠道预测模型,以从多个分发渠道中确定目标分发渠道。
步骤104,采用所述目标分发渠道,向所述目标用户推送所述待推送消息。
在确定目标分发渠道后,本发明实施例可以采用目标分发渠道,将待推送消息推送至目标用户。
在本发明实施例中,通过建立用户画像,用户画像可以包括用户属性特征、业务线特征,以及分发渠道特征,当接收针对目标用户的待推送消息时,可以确定目标用户对应的目标用户画像,然后将待推送消息和目标用户画像输入预先建立的渠道预测模型,获得待推送消息对应的目标分发渠道,采用目标分发渠道,向目标用户推送待推送消息,实现了基于用户画像选取最佳分发渠道,并采用最佳分发渠道向用户推送消息,提升了用户的召回率。
参照图2,示出了本发明实施例的一种消息推送的方法的步骤流程图,具体可以包括如下步骤:
步骤201,针对每个分发渠道,获取第一样本消息及对所述第一样本消息进行点击操作的用户对应的第一用户画像,作为正样本数据;
在实际应用中,可以采用多个分发渠道向用户推送第一样本消息,用户接收到第一样本消息后,可以对第一样本消息进行点击操作,以访问第一样本消息对应的业务,本发明实施例可以确定对第一样本消息进行点击操作的用户,并可以获取该用户对应的第一用户画像,将第一样本消息和第一用户画像作为正样本数据。
步骤202,获取第二样本消息及未对所述第二样本消息进行点击操作的用户对应的第二用户画像,作为负样本数据;
在实际应用中,可以采用多个分发渠道向用户推送第二样本消息,用户接收到第二样本消息后,可以对第二样本消息进行点击操作,以访问第二样本消息对应的业务,本发明实施例可以确定未对第二样本消息进行点击操作的用户,并可以获取该用户对应的第二用户画像,将第二样本消息和第二用户画像作为负样本数据。
步骤203,采用预设的训练算法,分别对所述正样本数据和所述负样本数据进行训练,得到渠道预测模型;
在获得样本数据后,本发明实施例可以采用预设的训练算法,分别对正样本数据和负样本数据进行训练,得到渠道预测模型。
作为一种示例,训练算法可以包括支持向量机(SupportVectorMachine,SVM)、决策树(Decision Tree,DT)、神经网络(Neural network algorithm,NNA)等算法。
步骤204,当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;
当接收到针对目标用户的待推送消息时,本发明实施例可以获取目标用户的标识,查找标识对应的目标用户画像。
步骤205,将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;
在获得目标用户画像后,本发明实施例可以将待推送消息和目标用户画像输入预先建立的渠道预测模型,以从多个分发渠道中确定目标分发渠道。
在本发明一种优选实施例中,步骤205可以包括如下子步骤:
将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型;接收所述渠道预测模型输出的针对每个分发渠道的预估点击率;选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道。
在具体实现中,可以将待推送消息和目标用户画像输入渠道预测模型,渠道预测模型可以依据待推送消息和目标用户画像,对通过每个分发渠道推送待推送消息后用户的点击率进行预测,输出每个分发渠道的预测点击率。
在接收到预估点击率时,本发明实施例可以从多个分发渠道中选取预估点击率最高的分发渠道,作为待推送消息对应的目标分发渠道。
步骤206,采用所述目标分发渠道,向所述目标用户推送所述待推送消息。
在确定目标分发渠道后,本发明实施例可以采用目标分发渠道,将待推送消息推送至目标用户。
例如,当需要向用户C推送一款旅游产品的促销消息时,可以获取用户C的用户画像,然后将用户C的用户画像和促销消息输入渠道预测模型,渠道预测模型输出:采用短信推送促销消息的预测点击率是75%、采用app内部推送促销消息的预测点击率是55%,采用公众号推送促销消息的预测点击率是20%,则可以选择采用短信向用户C推送促销消息。
在本发明实施例中,通过建立用户画像,用户画像可以包括用户属性特征、业务线特征,以及分发渠道特征,当接收针对目标用户的待推送消息时,可以确定目标用户对应的目标用户画像,然后将待推送消息和目标用户画像输入预先建立的渠道预测模型,获得待推送消息对应的目标分发渠道,采用目标分发渠道,向目标用户推送待推送消息,实现了基于用户画像选取最佳分发渠道,并采用最佳分发渠道向用户推送消息,提升了用户的召回率。
而且,通过采集正样本数据和负样本数据,分别对正样本数据和负样本数据进行训练,得到渠道预测模型,然后采用渠道预测模型计算针对每个分发渠道的预测点击率,进而选取预测点击率最高的分发渠道推送消息,实现了对点击率的预测,保证了分发渠道选取的准确性,节省了消息投放成本。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行,如子步骤11、子步骤12、子步骤13可以按任意顺序或者同时进行,子步骤123、子步骤123可以按任意顺序或者同时进行,步骤201、步骤202可以按任意顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明实施例的一种消息推送的装置的结构框图,具体可以包括如下模块:
用户画像建立模块301,用于建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;
目标用户画像确定模块302,用于当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道;
目标分发渠道获得模块303,用于将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,获得所述待推送消息对应的目标分发渠道;
待推送消息推送模块304,用于采用所述目标分发渠道,向所述目标用户推送所述待推送消息。
在本发明一种优选实施例中,所述目标分发渠道获得模块303包括:
数据输入子模块,用于将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型;
数据输出子模块,用于接收所述渠道预测模型输出的针对每个分发渠道的预估点击率;
目标分发渠道选取子模块,用于选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道。
在本发明一种优选实施例中,所述用户画像建立模块301包括:
用户属性特征获取子模块,用于获取用户属性特征;
业务线特征确定子模块,用于获取第一行为数据,并基于所述第一行为数据确定业务线特征;
分发渠道特征确定子模块,用于获取第二行为数据,并基于所述第二行为数据确定分发渠道特征;
用户画像组织子模块,用于将所述用户属性特征、所述业务线特征,以及所述分发渠道特征组织成用户画像。
在本发明一种优选实施例中,所述业务线特征包括业务类型和业务时机,所述业务线特征确定子模块包括:
第一行为数据获取单元,用于获取第一行为数据;
实时历史划分单元,用于将所述第一行为数据划分为实时行为数据和历史行为数据;
第一业务线特征提取单元,用于从所述实时行为数据中,提取出第一业务线特征;
第二业务线特征提取单元,用于从所述历史行为数据中,提取出第二业务线特征。
在本发明一种优选实施例中,所述分发渠道特征包括渠道敏感度,所述分发渠道特征确定子模块包括:
次数获取单元,用于从所述第二行为数据中,获取每个分发渠道对应的触达次数和点击次数;
点击率得到单元,用于依据所述触达次数和所述点击次数,得到针对每个分发渠道的渠道点击率和针对全部分发渠道的平均点击率;
渠道敏感度得到单元,用于采用预设的敏感度公式对所述渠道点击率和所述平均点击率进行计算,得到每个分发渠道对应的渠道敏感度。
在本发明一种优选实施例中,还包括:
正样本数据获取模块,用于针对每个分发渠道,获取第一样本消息及对所述第一样本消息进行点击操作的用户对应的第一用户画像,作为正样本数据;
负样本数据获取模块,用于获取第二样本消息及未对所述第二样本消息进行点击操作的用户对应的第二用户画像,作为负样本数据;
模型训练模块,用于采用预设的训练算法,分别对所述正样本数据和所述负样本数据进行训练,得到渠道预测模型
在本发明实施例中,通过建立用户画像,用户画像可以包括用户属性特征、业务线特征,以及分发渠道特征,当接收针对目标用户的待推送消息时,可以确定目标用户对应的目标用户画像,然后将待推送消息和目标用户画像输入预先建立的渠道预测模型,获得待推送消息对应的目标分发渠道,采用目标分发渠道,向目标用户推送待推送消息,实现了基于用户画像选取最佳分发渠道,并采用最佳分发渠道向用户推送消息,提升了用户的召回率。
本发明实施例还公开了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如上所述的方法。
本发明实施例还公开了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的方法。
对于装置实施例而言,由于其与方法实施例基本相似,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。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明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,本发明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。
本发明实施例是参照根据本发明实施例的方法、终端设备(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消息处理终端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消息处理终端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消息处理终端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消息处理终端设备上,使得在计算机或其他可编程终端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终端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实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做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实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种消息推送的方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种消息推送的方法,其特征在于,所述方法包括:
建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;
当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道,所述多个分发渠道为所述目标用户点击的消息被分发而使用的渠道;
将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,接收所述渠道预测模型输出的针对所述多个分发渠道中每个分发渠道的预估点击率;选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道;
采用所述目标分发渠道,向所述目标用户推送所述待推送消息;
其中,将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,接收所述渠道预测模型输出的针对所述多个分发渠道中每个分发渠道的预估点击率;选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道的步骤之前,还包括:
针对每个分发渠道,获取第一样本消息及对所述第一样本消息进行点击操作的用户对应的第一用户画像,作为正样本数据;
针对每个分发渠道,获取第二样本消息及未对所述第二样本消息进行点击操作的用户对应的第二用户画像,作为负样本数据;
采用预设的训练算法,分别对所述正样本数据和所述负样本数据进行训练,得到渠道预测模型。
2.根据权利要求1所述的方法,其特征在于,所述建立用户画像的步骤包括:
获取用户属性特征;
获取第一行为数据,并基于所述第一行为数据确定业务线特征;
获取第二行为数据,并基于所述第二行为数据确定分发渠道特征;
将所述用户属性特征、所述业务线特征,以及所述分发渠道特征组织成用户画像。
3.根据权利要求2所述的方法,其特征在于,所述业务线特征包括业务类型和业务时机,所述获取第一行为数据,并基于所述第一行为数据确定业务线特征的步骤包括:
获取第一行为数据;
将所述第一行为数据划分为实时行为数据和历史行为数据;
从所述实时行为数据中,提取出第一业务线特征;
从所述历史行为数据中,提取出第二业务线特征。
4.根据权利要求2所述的方法,其特征在于,所述分发渠道特征包括渠道敏感度,所述获取第二行为数据,并基于所述第二行为数据确定分发渠道特征的步骤包括:
从所述第二行为数据中,获取每个分发渠道对应的触达次数和点击次数;
依据所述触达次数和所述点击次数,得到针对每个分发渠道的渠道点击率和针对全部分发渠道的平均点击率;
采用预设的敏感度公式对所述渠道点击率和所述平均点击率进行计算,得到每个分发渠道对应的渠道敏感度。
5.一种消息推送的装置,其特征在于,所述装置包括:
用户画像建立模块,用于建立用户画像;其中,所述用户画像包括用户属性特征、业务线特征,以及分发渠道特征;
目标用户画像确定模块,用于当接收针对目标用户的待推送消息时,确定所述目标用户对应的目标用户画像;其中,所述目标用户映射有多个分发渠道,所述多个分发渠道为所述目标用户点击的消息被分发而使用的渠道;
目标分发渠道获得模块,用于将所述待推送消息和所述目标用户画像输入预先建立的渠道预测模型,接收所述渠道预测模型输出的针对所述多个分发渠道中每个分发渠道的预估点击率;选取所述预估点击率最高的分发渠道,作为所述待推送消息对应的目标分发渠道;
待推送消息推送模块,用于采用所述目标分发渠道,向所述目标用户推送所述待推送消息;
其中,所述装置还包括:
正样本数据获取模块,用于针对每个分发渠道,获取第一样本消息及对所述第一样本消息进行点击操作的用户对应的第一用户画像,作为正样本数据;
负样本数据获取模块,用于针对每个分发渠道,获取第二样本消息及未对所述第二样本消息进行点击操作的用户对应的第二用户画像,作为负样本数据;
模型训练模块,用于采用预设的训练算法,分别对所述正样本数据和所述负样本数据进行训练,得到渠道预测模型。
6.一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如权利要求1~4之任一项所述的方法。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~4之任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810191723.2A CN108521439B (zh) | 2018-03-08 | 2018-03-08 | 一种消息推送的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810191723.2A CN108521439B (zh) | 2018-03-08 | 2018-03-08 | 一种消息推送的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108521439A CN108521439A (zh) | 2018-09-11 |
CN108521439B true CN108521439B (zh) | 2022-01-21 |
Family
ID=63432760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810191723.2A Active CN108521439B (zh) | 2018-03-08 | 2018-03-08 | 一种消息推送的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108521439B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461053B (zh) * | 2018-10-24 | 2023-06-16 | 平安科技(深圳)有限公司 | 多推荐渠道的动态分流方法、电子装置及存储介质 |
CN109460513B (zh) * | 2018-10-31 | 2021-01-08 | 北京字节跳动网络技术有限公司 | 用于生成点击率预测模型的方法和装置 |
CN111178925B (zh) * | 2018-11-09 | 2023-07-25 | 百度在线网络技术(北京)有限公司 | 用户画像的属性预测方法、装置、服务器和计算机可读介质 |
CN109299387B (zh) * | 2018-11-13 | 2024-03-19 | 平安科技(深圳)有限公司 | 一种基于智能推荐的消息推送方法、装置及终端设备 |
CN109684554B (zh) * | 2018-12-26 | 2021-07-20 | 腾讯科技(深圳)有限公司 | 新闻的潜在用户的确定方法及新闻推送方法 |
CN111582898A (zh) * | 2019-02-18 | 2020-08-25 | 北京奇虎科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN111615080B (zh) * | 2019-02-25 | 2023-11-03 | 广州汽车集团股份有限公司 | 车载智能终端的应用方法、装置、计算机设备和存储介质 |
CN110134860B (zh) * | 2019-04-12 | 2023-04-07 | 创新先进技术有限公司 | 用户画像生成方法、装置和设备 |
CN110457679B (zh) * | 2019-07-01 | 2023-11-28 | 深圳追一科技有限公司 | 用户画像的构建方法、装置、计算机设备和存储介质 |
CN111010426A (zh) * | 2019-11-27 | 2020-04-14 | 江苏苏宁物流有限公司 | 一种消息推送方法及装置 |
CN111090810A (zh) * | 2019-12-20 | 2020-05-01 | 北京奇艺世纪科技有限公司 | 一种应用消息的推送方法、装置及电子设备 |
CN111178976A (zh) * | 2019-12-31 | 2020-05-19 | 北京纷扬科技有限责任公司 | 一种基于bp神经网络的用户行为培育系统及方法 |
WO2021138823A1 (zh) * | 2020-01-08 | 2021-07-15 | 深圳市欢太科技有限公司 | 信息推送方法、装置、服务器及存储介质 |
CN111385190B (zh) * | 2020-03-06 | 2023-02-17 | 杭州威佩网络科技有限公司 | 一种消息发送方法、装置、电子设备及存储介质 |
CN111680858B (zh) * | 2020-04-16 | 2023-12-26 | 上海淇玥信息技术有限公司 | 一种管理业务推广策略的方法、装置和电子设备 |
CN111859106A (zh) * | 2020-05-07 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、设备及存储介质 |
CN111756837A (zh) * | 2020-06-23 | 2020-10-09 | 京东数字科技控股有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
CN111901352B (zh) * | 2020-07-30 | 2023-08-25 | 彩讯科技股份有限公司 | 消息分发处理的方法、装置、服务器及存储介质 |
CN112367345B (zh) * | 2020-09-14 | 2023-06-23 | 长沙市到家悠享网络科技有限公司 | 数据处理方法、服务端设备及计算机可读存储介质 |
CN112235395A (zh) * | 2020-10-13 | 2021-01-15 | 广州乐摇摇信息科技有限公司 | 一种基于网络路由的数据分发方法及系统 |
CN112288474A (zh) * | 2020-10-27 | 2021-01-29 | 上海淇馥信息技术有限公司 | 多渠道产品推送方法、装置及电子设备 |
CN112685641B9 (zh) * | 2020-12-31 | 2024-08-16 | 五八有限公司 | 一种信息处理方法及装置 |
CN115442321B (zh) * | 2021-06-04 | 2023-08-18 | 中国移动通信集团浙江有限公司 | 消息投放方法、装置、设备及计算机程序产品 |
CN113821721A (zh) * | 2021-09-17 | 2021-12-21 | 平安养老保险股份有限公司 | 基于用户画像的多渠道消息方法、装置和计算机设备 |
CN114553813A (zh) * | 2022-01-17 | 2022-05-27 | 中国工商银行股份有限公司 | 基于银行业务的消息推送方法和装置、处理器及电子设备 |
CN114374738B (zh) * | 2022-03-04 | 2024-07-23 | 北京火山引擎科技有限公司 | 信息推送方法、装置、存储介质及电子设备 |
CN114862472A (zh) * | 2022-05-19 | 2022-08-05 | 上海钧正网络科技有限公司 | 一种文案生成与投放方法、装置、电子设备以及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106982256A (zh) * | 2017-03-31 | 2017-07-25 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及存储介质 |
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
CN107220745A (zh) * | 2017-04-24 | 2017-09-29 | 北京红马传媒文化发展有限公司 | 一种意图行为数据的识别方法、系统及设备 |
CN107465739A (zh) * | 2017-08-01 | 2017-12-12 | 中国联合网络通信集团有限公司 | 实体渠道用户引流的方法及装置 |
CN107526754A (zh) * | 2016-09-26 | 2017-12-29 | 广州速鸿信息科技有限公司 | 一种基于大数据的用户画像平台建立方法 |
-
2018
- 2018-03-08 CN CN201810191723.2A patent/CN108521439B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
CN107526754A (zh) * | 2016-09-26 | 2017-12-29 | 广州速鸿信息科技有限公司 | 一种基于大数据的用户画像平台建立方法 |
CN106982256A (zh) * | 2017-03-31 | 2017-07-25 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及存储介质 |
CN107220745A (zh) * | 2017-04-24 | 2017-09-29 | 北京红马传媒文化发展有限公司 | 一种意图行为数据的识别方法、系统及设备 |
CN107465739A (zh) * | 2017-08-01 | 2017-12-12 | 中国联合网络通信集团有限公司 | 实体渠道用户引流的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108521439A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108521439B (zh) | 一种消息推送的方法和装置 | |
CN111178970B (zh) | 广告投放的方法及装置、电子设备和计算机可读存储介质 | |
CN108733825B (zh) | 一种对象触发事件预测方法及装置 | |
CN102262647B (zh) | 信息处理装置、信息处理方法和程序 | |
CN111125574B (zh) | 用于生成信息的方法和装置 | |
CN108205766A (zh) | 信息推送方法、装置及系统 | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN112183818A (zh) | 一种推荐概率预测方法、装置、电子设备及存储介质 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
CN109685545B (zh) | 待发放虚拟网络资源预估方法、装置及电子设备 | |
US9911130B1 (en) | Attribution modeling using regression analysis | |
US11481804B2 (en) | Dynamically varying remarketing based on evolving user interests | |
CN110880127B (zh) | 消费水平的预测方法、装置、电子设备及存储介质 | |
CN108777701A (zh) | 一种确定信息受众的方法及装置 | |
CN110717788A (zh) | 一种目标用户的筛选方法及装置 | |
CN111126649B (zh) | 用于生成信息的方法和装置 | |
CN113822734B (zh) | 用于生成信息的方法和装置 | |
CN109978594B (zh) | 订单处理方法、装置及介质 | |
US20230316106A1 (en) | Method and apparatus for training content recommendation model, device, and storage medium | |
CN111582901B (zh) | 一种展示链接效果的量化方法、装置、系统及存储介质 | |
CN113742564A (zh) | 目标资源的推送方法和装置 | |
WO2015179717A1 (en) | Determination of initial value for automated delivery of news items | |
CN112015970A (zh) | 产品推荐方法、相关设备及计算机存储介质 | |
CN110808899B (zh) | 一种内容分享方法、装置、客户端、服务器及系统 | |
CN115203565A (zh) | 推荐系统的冷启动方法和装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |