CN108764994A - 一种用户行为指引方法、装置、服务器和存储介质 - Google Patents

Abstract

本发明实施例公开了一种用户行为指引方法、装置、服务器和存储介质，该方法包括：将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。本发明通过用户行为的分析和待推送的理财信息的确定，实现了引导用户在历史行为数据的基础上获知并执行符合自身需求的理财行为，提高用户在理财过程中的活跃度和用户体验，防止用户的沉寂和流失。

Description

一种用户行为指引方法、装置、服务器和存储介质

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种用户行为指引方法、装置、服务器和存储介质。

背景技术

随着互联网技术的快速发展，越来越多的用户通过互联网进行理财。用户可以通过浏览网页的形式选择符合自己需求的理财方式，不但业务交易速度快，而且交易明细清楚。

现有的互联网理财方式，用户在注册后需要逐一浏览、操作和学习理财界面中的各项功能，在需要时还可以拨打客服电话，通过客服人员的耐心讲解向客服人员了解理财功能、各项理财业务以及近期的活动。用户在不断摸索中掌握理财功能，以主动获取方式了解各项理财业务和活动，并可以主动领取某些业务提供的优惠券或加息券等。

然而，现有技术对待所有用户都是千篇一律，无法为用户提供有针对性的个性化服务。在用户作为新手或者寻找理财业务的过程中，缺少对具体用户的关注以及与用户之间的日常交互，对用户的时间和精力消磨较大，极易导致用户的沉寂和流失。

发明内容

本发明实施例提供了一种用户行为指引方法、装置、服务器和存储介质，能够指引用户的理财行为，提高用户的活跃度。

第一方面，本发明实施例提供了一种用户行为指引方法，包括：

将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

第二方面，本发明实施例提供了一种用户行为指引装置，包括：

用户匹配模块，用于将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

行为指引模块，用于向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

第三方面，本发明实施例提供了一种服务器，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的用户行为指引方法。

第四方面，本发明实施例提供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本发明任意实施例所述的用户行为指引方法。

本发明实施例通过将用户的历史行为数据与预设的指引条件进行匹配以此来判断用户是否需要理财行为指引，并对需要理财行为指引的待指引用户进行用户身份信息和/或历史行为数据的分析，从而将满足用户需求且对用户最具吸引力的推送信息确定为待指引用户的待推送信息。本发明通过用户行为的分析和待推送的理财信息的确定，实现了引导用户在历史行为数据的基础上获知并执行符合自身需求的理财行为，提高用户在理财过程中的活跃度和用户体验，防止用户的沉寂和流失。

附图说明

图1为本发明实施例一提供的一种用户行为指引方法的流程图；

图2为本发明实施例二提供的一种用户行为指引方法的流程图；

图3为本发明实施例三提供的数据分析模型构建的流程图；

图4为本发明实施例四提供的用户行为指引结果报表生成的流程图；

图5为本发明实施例五提供的一种用户行为指引装置的结构示意图；

图6为本发明实施例六提供的一种服务器的结构示意图。

具体实施方式

下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种用户行为指引方法的流程图，本实施例可适用于互联网理财中指引用户理财行为的情况，该方法可由一种用户行为指引装置来执行。该方法具体包括如下步骤：

步骤110、将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定该用户为待指引用户。

在本发明具体实施例中，历史行为数据可以包括注册行为在内的且自注册起所发生的所有操作行为记录，操作行为记录中可以记录各个操作行为及其所对应的操作时间、操作业务和浏览记录等数据信息。指引条件是指用于可以增强对用户的关注、提高与用户的个性化交互并引导用户的行为所预先设定的理财场景判断条件。可以从本地存储中获取已注册的用户的身份信息和理财行为信息，为了获取更多的分析数据，还可以利用爬虫技术等技术抓取网络中进行了互联网理财的用户的身份信息和理财行为信息。通过对大量用户数据进行大数据分析，确定需要进行行为指引的用户所满足的指引条件，例如可以包括业务指引条件、活跃度调度条件以及状态提示条件等。

本实施例可以按照预设时间规则获取用户的历史行为数据，例如实时或周期性获取，以保证对用户关注和行为指引的及时性。并将用户的历史行为数据与预设的各指引条件进行匹配。具体的，可以依据历史行为数据中各行为操作时间以及当前时间，确定与当前时间的时间间隔最小的行为作为近期行为；并依据近期行为及对应的操作时间，确定用户的理财场景信息，例如用户近期刚完成一笔小额投资或者用户在一段时间内没有任何动态信息；最终将理财场景信息与预设的各指引条件进行匹配，以此定时分析用户近况并及时判断用户是否需要被指引。若存在任意指引条件与用户的历史行为数据匹配成功，则确定该用户为待指引用户。值得注意的是，匹配成功的指引条件可以不止一条。

示例性的，由于理财产品具有周期性，其有效时限普遍是以具体的时间日期来衡量，且考虑到用户进行互联网理财时的操作频率较低但用户量庞大，因此可以设定每天同一时间节点来对用户数据进行获取和分析。假设根据用户A的历史行为数据获知其近期行为是一天前刚刚完成一次业务a，经过指引条件的匹配，存在指引条件表示业务a具有关联业务b、c和d，因此为了提高与用户的个性化交互和用户活跃度，可以将关联业务推荐给用户A，从而确定用户A为待指引用户。再例如，假设根据用户B的历史行为数据获知其近期行为是注册刚满7天，经过指引条件的匹配，存在指引条件表示在用户注册7天内未进行业务时，将新手福利使用攻略推荐给用户，因此可以确定用户B为待指引用户。

步骤120、向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

在本发明具体实施例中，在前期对指引条件进行预设后，可以对训练数据中满足各指引条件的用户的身份信息进行获取或抓取，依据各指引条件以及与各指引条件对应的身份信息和理财行为信息，通过机器学习等模型训练与各指引条件相关联的数据分析模型。该数据分析模型用于根据实际用户的具体身份信息和/或全部历史行为数据，在理财平台可提供的业务、活动和状态等资源的基础上，为用户搜索匹配符合用户需求或用户兴趣的待推送资源，例如各种定期、活期、长期、短期、大额、小额或者不同风险利率的业务推荐，以及加息、增值或者返利等活动推荐，以及指南或助手等状态互动提示等。其中，由于互联网理财中用户的信息都是实名制绑定，因此可以从用户的注册信息或业务交易信息中获取用户的身份信息，例如用户的性别、年龄、住址所在地以及职业等信息。通过结合身份信息的历史行为数据分析和模型训练，可以获取针对不同年龄、性别、地点或者职业等身份属性所普遍接受的业务特征或活动讯息。从而在确定存在待指引用户后，向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，有助于各指引条件关联的数据分析模型依据实际用户数据分析得出对该待指引用户具有针对性的待推荐信息。

具体的，在数据分析模型的分析过程中，可以依据待指引用户的身份信息和/或历史行为数据，确定待指引用户的业务场景信息、时间场景信息和用户场景信息中的至少一种。其中，业务场景信息表示确定哪一种业务需要告知特定用户，例如已完成业务的关联业务，可再次推荐给老用户但不建议推荐给新用户。时间场景信息是指触发特定信息推荐的用户所处的时间节点，例如用户90天内未产生任何动态数据，可推荐与用户历史行为数据相关的业务信息和活动信息。用户场景是指依据用户行为、业务金额和业务操作时间等综合确定的用户类型，例如累计充值金额超过1000元的用户为有效用户。由于业务场景信息、时间场景信息和用户场景信息之前具有联系，因此可以依据三个场景中的至少一种或任意的结合，来确定备选推送信息。

值得注意的是，一种指引条件所关联的数据分析模型所确定的备选推送信息可以不止一条，加之匹配成功的指引条件可以不止一条，因此在确定所有备选推送信息后，通过计算各备选推送信息与待指引用户的历史行为数据的关联程度，并依据关联程度对各备选推送信息进行排序，从而将最大的关联程度对应的备选推送信息确定为待推送信息。

示例性的，假设用户连续90天内未产生任何动态数据，与用户活跃度调度指引条件匹配成功，确定该用户为待指引用户，进而利用用户活跃度调度指引条件对应的数据分析模型对待指引用户的身份信息和/或历史行为数据进行分析。期间可从理财平台中匹配得到与历史业务交易相同或相似的业务以及与用户身份匹配的业务为业务场景信息，时间场景信息为连续90天内无动态建议推荐短期业务和加息劵，用户场景信息为流失中用户。因此，确定符合上述要求的业务和活动为备选推送信息，并通过计算各备选推送信息与待指引用户的历史行为数据的关联程度，将最大的关联程度对应的备选推送信息确定为待推送信息，例如7天理财产品以及对应的加息券。

步骤130、向待指引用户推送待推送信息。

在本发明具体实施例中，可以通过短信、微信公众号、理财软件后台以及电话访问等形式进行信息的推送。依据待指引用户的历史行为数据，确定待指引用户的渠道场景信息，即用户所选择开启或关闭的消息推送方式，并通过用户选择的渠道向待指引用户推送待推送信息。

示例性的，互联网理财中提供消息推送渠道选择界面，用户可以勾选其中的至少一种。理财软件默认设置为开启后台通知，在用户不修改的情况下默认为用户已选择。假设用户选择短信渠道，并默认软件后台通知开启，则当用户被确定为待指引用户，且待推送信息得到确定时，将待推送新编辑成短信发送至待指引用户，并主动弹出后台弹窗展示待推送信息，供用户查看和参考。

本实施例的技术方案，通过将用户的历史行为数据与预设的指引条件进行匹配以此来判断用户是否需要理财行为指引，并对需要理财行为指引的待指引用户进行用户身份信息和/或历史行为数据的分析，从而将满足用户需求且对用户最具吸引力的推送信息确定为待指引用户的待推送信息。本发明通过用户行为的分析和待推送的理财信息的确定，实现了引导用户在历史行为数据的基础上获知并执行符合自身需求的理财行为，提高用户在理财过程中的活跃度和用户体验，防止用户的沉寂和流失。

实施例二

本实施例在上述实施例一的基础上，提供了用户行为指引方法的一个优选实施方式，能够通过数据分析模型确定待推送信息。图2为本发明实施例二提供的一种用户行为指引方法的流程图，如图2所示，该方法包括以下具体步骤：

步骤210、依据历史行为数据中各行为操作时间和当前时间，确定近期行为。

在本发明具体实施例中，用户行为指引的目的在于引导用户进行下一次的业务交易，增强用户的活跃度。因此本实施例以距离当前时间最近的一次行为作为用户行为指引的判断依据，可以依据历史行为数据中各行为操作时间以及当前时间，确定与当前时间的时间间隔最小的行为作为近期行为，从而为用户设定下一步行为方式。例如，假设近期行为是用户A在2018年5月1日通过异业渠道注册成功，用户B在2018年2月15日转出所有金额等。

步骤220、依据近期行为及对应的操作时间，确定用户的理财场景信息。

在本发明具体实施例中，理财场景信息是对近期行为的进一步分析，确定用户当前的理财状态。例如在上述示例中，假设当前时间为2018年5月15日，则用户A的理财场景信息为异业渠道用户注册第15天，用户B的理财场景信息为金额全部转出且连续90天内无动态。

步骤230、将理财场景信息与预设的各指引条件进行匹配，若匹配成功，则确定该用户为待指引用户。

在本发明具体实施例中，指引条件是指用于可以增强对用户的关注、提高与用户的个性化交互并引导用户行为所预先设定的理财场景判断条件，例如可以包括业务指引条件、活跃度调度条件以及状态提示条件等。将理财场景信息与预设的各指引条件进行匹配，以此定时分析用户近况并及时判断用户是否需要被指引。若存在任意指引条件与用户的历史行为数据匹配成功，则确定该用户为待指引用户。值得注意的是，匹配成功的指引条件可以不止一条。示例性的，假设指引条件A为注册满15天，指引条件B为连续90天内无动态。则在上述示例中，用户A的理财场景信息与指引条件A匹配成功，用户B的理财场景信息与指引条件B匹配成功。进而确定用户A和用户B为待指引用户。

步骤240、向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，依据待指引用户的身份信息和/或历史行为数据，确定待指引用户的业务场景信息、时间场景信息和用户场景信息中的至少一种。

在本发明具体实施例中，可以从用户的注册信息或业务交易信息中获取用户的身份信息，例如用户的性别、年龄、住址所在地以及职业等信息。将待指引用户的身份信息和/或历史行为数据输入匹配成功的指引条件关联的数据分析模型。依据数据分析模型的分析，可以确定待指引用户的业务场景信息、时间场景信息和用户场景信息中的至少一种。

业务场景信息表示确定哪一种业务需要告知特定用户。示例性的，业务场景信息中，新手理财投资到期时，会提前告知用户并推送A业务的加息券；A业务场景分为3月定期、6月定期和12定期，对未购买A业务的用户推送该业务的加息券；对投资过B业务的用户推送A业务产品；对投资金额超过N的C业务用户推送会员赠送活动等。此外，还可以通过用户的身份信息确定业务场景信息。例如，依据用户的住址所在地，判断该所在地的城市级别，并依据该城市的平均消费水平和平均工资水平，将与城市级别、平均消费水平和平均工资水平相符的金额对应的业务作为业务场景信息。

时间场景信息是指触发特定信息推荐的用户所处的时间节点。示例性的，时间场景中，用户注册第1天推送注册成功提示；用户注册第3天，推送新手现金券活动；用户注册第7天推送新手福利使用攻略活动；用户注册第15天，推送提升异业渠道用户净值活动；用户注册第27天，推送新手现金券即将过期提示；用户注册第30天，推送邀请返利攻略活动；用户连续90天无转入/转出/充值/提现行为，推送短期业务和加息券；用户连续150天无转入/转出/充值/提现，推送长期业务和加息券；用户生日以及节日当天，推送关键日期提醒等。

用户场景信息是指依据用户行为、业务金额和业务操作时间等综合确定的用户类型。示例性的，用户场景信息中，注册30天内的用户为新用户；注册超过30天的用户为老用户；通过异业活动拉新来的用户为异业渠道用户；截至当前持有加账户余额超过1000元的用户为保有用户；累计充值金额超过1000元的用户为有效用户；基于有效用户，近30天内无转入/转出/充值/提现行为，截至当前持有加账户余额超过1000元的用户为沉默用户；基于沉默用户，若出现用户转出行为，且其后30内无转入行为，截至当前持有加账户余额超过1000元的用户为流失中用户；基于流失中用户，截至30天前持有加账户余额超过1000元，且截至当前持有加账户余额少于1000元的用户为完全流失用户。

值得注意的是，上述场景信息指示对本实施例进行的举例说明，实际场景信息不局限于此，且可以根据实际情况具体设定。

步骤250、依据业务场景信息、时间场景信息和用户场景信息中的至少一种，确定备选推送信息。

在本发明具体实施例中，由于业务场景信息、时间场景信息和用户场景信息之前具有联系，因此可以依据三个场景中的至少一种或任意的结合，来确定备选推送信息。示例性的，在上述示例中，对于业务场景信息对投资过B业务的用户推送A业务产品，则A业务产品即可作为备选推送信息之一。若业务场景信息中明确了业务所适用的用户类型，则可以同时依据业务场景信息和用户场景信息确定待指引用户的备选推送信息。

步骤260、计算各备选推送信息与历史行为数据的关联程度，并依据关联程度对各备选推送信息进行排序。

在本发明具体实施例中，关联程度可以依据备选推送信息与历史行为数据的类型、属性、用户需求、用户期望以及用户满意度等方面综合确定，关联程度越高表示该备选推送信息与用户的理财习惯、喜好以及需求等方面的符合程度越高，该备选推送信息对于用户的吸引力越大，用户查看推送信息并执行相应的业务操作的可能性越高。

优选的，计算备选推送信息分别与历史行为数据中各行为数据的单一关联程度；依据各行为数据对应的操作时间为各单一关联程度设置权重；依据备选推送信息的各单一关联程度和各单一关联程度的权重，计算备选推送信息与历史行为数据的综合关联程度。

在本发明具体实施例中，对于某一备选推送信息，依次计算其与用户的所有行为数据的单一关联程度，并依据各行为数据对应的时间为各单一关联程度设置权重。由于距离当前时间越近的行为数据更加符合用户当前的理财需求，用户长期的行为数据更加体现用户的理财行为习惯，因此可以依据各行为数据对应的操作时间，距离当前时间由近到远以递减的方式依次设置对应的单一关联程度的权重。最终依据备选推送信息的各单一关联程度和各单一关联程度的权重，通过加权求和计算得到备选推送信息与历史行为数据的综合关联程度。

示例性的，对于某用户获得2个备选推送信息，且该用户的历史行为数据中包含3个具体行为数据。假设备选推送信息A与3个具体行为数据的单一关联程度分别为0.9、0.5和0.1，备选推送信息B与3个具体行为数据的单一关联程度分别为0.6、0.8和0.2。依据时间由近到远以递减的方式依次设置权重为1、0.8和0.5，则备选推送信息A的综合关联程度为1.35，备选推送信息A的综合关联程度为1.34，与单纯进行单一关联程度求和结果中的大小关系不同。

步骤270、依据排序结果确定待指引用户的待推送信息。

在本发明具体实施例中，依据综合关联程度对备选推送信息进行排序，本实施例不对排序方式进行限定。为了便于获取最大综合关联程度对应的备选推送信息，本实施例可以按照综合关联程度由大到小的顺序进行排序，从排序最靠前的备选推送信息即可确定为待推送信息。

步骤280、依据待指引用户的历史行为数据，确定待指引用户的渠道场景信息。

在本发明具体实施例中，可以通过短信、微信公众号、理财软件后台以及电话访问等形式进行信息的推送。互联网理财中可以提供消息推送渠道选择界面，用户可以选择其中的至少一种进行勾选。此外理财软件平台默认设置为开启后台通知，在用户不修改的情况下默认包含在用户已选择的渠道范畴内。依据待指引用户的历史行为数据，确定待指引用户的渠道场景信息，即用户所选择开启或关闭的消息推送方式。

步骤290、通过渠道场景信息向待指引用户推送待推送信息。

在本发明具体实施例中，在不干扰用户的情况下，通过用户选择的渠道向待指引用户推送待推送信息，保证用户及时获知更好的理财方式，

本实施例的技术方案，以用户的近期行为为依据确定用户的理财场景信息，通过将理财场景信息与预设的指引条件进行匹配以此来判断用户是否需要理财行为指引。并将待指引用户的身份信息和/或历史行为数据输入匹配成功的指引条件对应的数据分析模型中，以此通过场景的确定、备选推送信息的获取以及关联程度的计算来确定待推送信息，并以用户选择的渠道进行推送。本发明通过用户行为的分析和待推送的理财信息的确定，将满足用户需求且对用户最具吸引力的推送信息推送用户，实现了引导用户在历史行为数据的基础上获知并执行符合自身需求的理财行为，提高用户在理财过程中的活跃度和用户体验，防止用户的沉寂和流失。

实施例三

本实施例在用户行为指引之前，提供了数据分析模型构建的一个优选实施方式，能够在模型构建过程中确定用户行为指引条件，并为待推送信息的确定提供依据和处理方式。图3为本发明实施例三提供的数据分析模型构建的流程图，如图3所示，该方法包括以下具体步骤：

步骤310、获取本地存储和/或抓取网络中用户的身份信息和理财行为信息。

在本发明具体实施例中，可以从本地存储中获取已注册的用户的身份信息和理财行为信息，为了获取更多的分析数据，还可以利用爬虫技术等技术抓取网络中进行了互联网理财的用户的身份信息和理财行为信息。由于理财平台和互联网中的理财业务、活动以及形式等方面可能存在一定的差异，因此在同时获取或拥有上述两种方式获取的理财行为信息时，可以通过理财行为的共性等特征，将上述两种数据进行标准化处理，从而获得符合该理财平台的训练数据。

步骤320、对身份信息和理财行为信息进行大数据分析，确定需要进行行为指引的用户所满足的指引条件。

在本发明具体实施例中，通过对训练数据进行大数据分析，确定需要进行行为指引的用户所满足的指引条件，例如可以包括业务指引条件、活跃度调度条件以及状态提示条件等。同时还可以依据人为经验，分别从用户和理财平台的角度出发，设定相应的指引条件。

步骤330、依据指引条件以及满足指引条件的用户的身份信息和理财行为信息，构建与各指引条件相关联的数据分析模型。

在本发明具体实施例中，在前期对指引条件进行预设后，可以对训练数据中满足各指引条件的用户的身份信息进行获取或抓取，依据各指引条件以及与各指引条件对应的身份信息和理财行为信息，通过机器学习等模型训练与各指引条件相关联的数据分析模型。该数据分析模型用于根据实际用户的具体身份信息和/或全部历史行为数据，在理财平台可提供的具体业务、活动消息和状态提示等资源的基础上，为用户搜索和匹配符合用户需求或用户兴趣的待推送资源，例如各种定期、活期、长期、短期、大额、小额或者不同风险利率的业务推荐，以及加息、增值或者返利等活动推荐，以及指南或助手等状态互动提示等。其中，由于互联网理财中用户的信息都是实名制绑定的，因此可以从用户的注册信息或业务交易信息中获取用户的身份信息，例如用户的性别、年龄、住址所在地以及职业等信息。通过结合身份信息的历史行为数据分析和模型训练，还可以获取针对不同年龄、性别、地点或者职业等身份属性所普遍接受的业务特征或活动讯息。

本实施例的技术方案，通过对大量获取互联网理财中的用户身份信息和/或历史行为数据，经过标准化等预处理得到用于模型训练的训练数据。进而利用大数据分析确定需要进行行为指引的用户所满足的指引条件，最终依据预设指引条件以及满足指引条件的用户的身份信息和理财行为信息，构建与各指引条件相关联的数据分析模型。本发明通过对训练数据的大数据分析和模型的构建，实现智能化的用户数据分析，从而为用户提供个性化理财服务奠定了基础。

实施例四

本实施例在用户行为指引之后，提供了生成用户行为指引结果报表的一个优选实施方式，能够供运营人员获知并分析用户行为指引结果。图4为本发明实施例四提供的用户行为指引结果报表生成的流程图，如图4所示，该方法包括以下具体步骤：

步骤410、依据用户行为与理财生命周期之间的预设关联关系以及用户的当前行为，确定用户的当前生命周期。

在本发明具体实施例中，理财生命周期是指用户自注册起到用户完全流失所经历的整个过程，期间可以包括具体的理财生命阶段，例如引入、成长、成熟、沉默、流失中和已流失。本实施例可以统计各业务对应的理财生命周期中的具体行为数据，并结合各业务特点为生命周期中各理财生命阶段设置对应的行为数据范围，从而依据用户的当前行为，明确用户当前所处的生命周期。

示例性的，引入阶段对应的用户行为可以包括用户的注册、实名以及绑卡等；成长阶段对应的用户行为可以包括充值、使用新手福利、关注公众号以及首笔业务交易直至与业务对应的N笔业务交易，以此类推。假设用户当前完成了首笔业务交易，则通过对用户行为监测可以判断用户当前处于成长阶段。

步骤420、依据各生命周期对应的用户活跃程度，确定用户的转换率。

在本发明具体实施例中，用户生命周期的改变表示用户进行了转换。可以理解的是，当用户转换向活跃度更高的生命周期，表示用户进行了有效转换，反之用户进行了无效转换。用户的转换率可以通过有效转换的用户数量与全部用户数量的比值来获得，也可以针对某一生命周期单独计算该生命周期对应的转换率。此处不对转换率的计算方式进行限定。

步骤430、依据当前生命周期和转换率生成用户行为指引结果报表。

在本发明具体实施例中，可以采用表格或图表结合等形式，依据各用户的当前生命周期和转换率生成用户行为指引结果报表，动态显示理财生命周期下各业务的用户数量和转换率。

本实施例的技术方案，通过对用户当前生命周期的确定，以此确定用户的转换率并生成用户行为指引结果报表。有利于理财平台的运营人员从宏观上了解理财平台的运营效果以及用户行为指引效果，从而有针对性的为运营人员提供平台改善依据，提高平台的运营竞争力。

实施例五

图5为本发明实施例五提供的一种用户行为指引装置的结构示意图，本实施例可适用于互联网理财中指引用户理财行为的情况，该装置可实现本发明任意实施例所述的用户行为指引方法。该装置具体包括：

用户匹配模块510，用于将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

行为指引模块520，用于向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

进一步的，所述装置还包括：

训练数据获取模块530，用于在所述将用户的历史行为数据与预设的各指引条件进行匹配之前，获取本地存储和/或抓取网络中用户的身份信息和理财行为信息；

指引条件确定模块540，用于对所述身份信息和理财行为信息进行大数据分析，确定需要进行行为指引的用户所满足的指引条件；其中，所述指引条件至少包括业务指引条件、活跃度调度条件以及状态提示条件；

模型构建模块550，用于依据所述指引条件以及满足所述指引条件的用户的身份信息和理财行为信息，构建与各指引条件相关联的数据分析模型。

优选的，所述用户匹配模块510，包括：

近期行为确定单元，用于依据所述历史行为数据中各行为操作时间和当前时间，确定近期行为；

理财场景确定单元，用于依据所述近期行为及对应的操作时间，确定用户的理财场景信息；

条件匹配单元，用于将所述理财场景信息与预设的各指引条件进行匹配。

优选的，所述行为指引模块520，包括：

指引场景确定单元，用于依据所述待指引用户的身份信息和/或历史行为数据，确定待指引用户的业务场景信息、时间场景信息和用户场景信息中的至少一种；

备选信息确定单元，用于依据所述业务场景信息、时间场景信息和用户场景信息中的至少一种，确定备选推送信息；

关联程度计算单元，用于计算各备选推送信息与所述历史行为数据的关联程度，并依据关联程度对各备选推送信息进行排序；

推送信息确定单元，用于依据排序结果确定所述待指引用户的待推送信息。

优选的，所述关联程度计算单元，包括：

关联程度计算子单元，用于计算所述备选推送信息分别与所述历史行为数据中各行为数据的单一关联程度；

权重设置子单元，用于依据各行为数据对应的操作时间为各单一关联程度设置权重；

关联程度确定子单元，用于依据各单一关联程度以及各单一关联程度的权重，计算所述备选推送信息与所述历史行为数据的综合关联程度。

进一步的，所述装置还包括：

推送模块560，用于在所述确定待指引用户的待推送信息之后，向所述待指引用户推送所述待推送信息。

优选的，所述推送模块560，包括：

渠道场景确定单元，用于依据所述待指引用户的历史行为数据，确定待指引用户的渠道场景信息；

推送单元，用于通过所述渠道场景信息向所述待指引用户推送所述待推送信息。

优选的，所述推送单元，包括：

生命周期确定子单元，用于在所述通过所述渠道场景数据向所述待指引用户推送所述待推送信息之后，依据用户行为与理财生命周期之间的预设关联关系以及用户的当前行为，确定用户的当前生命周期；

转换率确定子单元，用于依据各生命周期对应的用户活跃程度，确定用户的转换率；

报表生成子单元，用于依据当前生命周期和转换率生成用户行为指引结果报表。

本实施例的技术方案，通过各个功能模块之间的互相配合，实现了训练数据的获取、大数据的分析、指引条件的确定、模型的构建、条件的匹配、场景的确定、推送信息的确定和推送以及报表的生成等功能。本发明通过用户行为的分析和待推送的理财信息的确定，实现了引导用户在历史行为数据的基础上获知并执行符合自身需求的理财行为，提高用户在理财过程中的活跃度和用户体验，防止用户的沉寂和流失。

实施例六

图6为本发明实施例六提供的一种服务器的结构示意图。如图6所示，该服务器具体包括：一个或多个处理器610，图6中以一个处理器610为例；存储器620，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器610执行，使得一个或多个处理器610实现本发明任意实施例所述的用户行为指引方法。处理器610与存储器620可以通过总线或其他方式连接，图6中以通过总线连接为例。

存储器620，作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的用户行为指引方法对应的程序指令(例如，训练数据的获取和数据分析模型的构建以及推送信息的确定和推送)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的用户行为指引方法。

存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实施例七

本发明实施例七还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时用于执行一种用户行为指引方法，该方法包括：

将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

当然，本发明实施例所提供的一种计算机可读存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的用户行为指引方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种用户行为指引方法，其特征在于，包括：

将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

2.根据权利要求1所述的方法，其特征在于，在所述将用户的历史行为数据与预设的各指引条件进行匹配之前，所述方法还包括：

获取本地存储和/或抓取网络中用户的身份信息和理财行为信息；

对所述身份信息和理财行为信息进行大数据分析，确定需要进行行为指引的用户所满足的指引条件；其中，所述指引条件至少包括业务指引条件、活跃度调度条件以及状态提示条件；

依据所述指引条件以及满足所述指引条件的用户的身份信息和理财行为信息，构建与各指引条件相关联的数据分析模型。

3.根据权利要求1所述的方法，其特征在于，所述将用户的历史行为数据与预设的各指引条件进行匹配，包括：

依据所述历史行为数据中各行为操作时间和当前时间，确定近期行为；

依据所述近期行为及对应的操作时间，确定用户的理财场景信息；

将所述理财场景信息与预设的各指引条件进行匹配。

4.根据权利要求1所述的方法，其特征在于，所述向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息，包括：

依据所述待指引用户的身份信息和/或历史行为数据，确定待指引用户的业务场景信息、时间场景信息和用户场景信息中的至少一种；

依据所述业务场景信息、时间场景信息和用户场景信息中的至少一种，确定备选推送信息；

计算各备选推送信息与所述历史行为数据的关联程度，并依据关联程度对各备选推送信息进行排序；

依据排序结果确定所述待指引用户的待推送信息。

5.根据权利要求4所述的方法，其特征在于，所述计算各备选推送信息与所述历史行为数据的关联程度，包括：

计算所述备选推送信息分别与所述历史行为数据中各行为数据的单一关联程度；

依据各行为数据对应的操作时间为各单一关联程度设置权重；

依据各单一关联程度以及各单一关联程度的权重，计算所述备选推送信息与所述历史行为数据的综合关联程度。

6.根据权利要求1所述的方法，其特征在于，在所述确定待指引用户的待推送信息之后，所述方法还包括：

向所述待指引用户推送所述待推送信息。

7.根据权利要求6所述的方法，其特征在于，所述向所述待指引用户推送所述待推送信息，包括：

依据所述待指引用户的历史行为数据，确定待指引用户的渠道场景信息；

通过所述渠道场景信息向所述待指引用户推送所述待推送信息。

8.根据权利要求7所述的方法，其特征在于，在所述通过所述渠道场景数据向所述待指引用户推送所述待推送信息之后，所述方法包括：

依据用户行为与理财生命周期之间的预设关联关系以及用户的当前行为，确定用户的当前生命周期；

依据各生命周期对应的用户活跃程度，确定用户的转换率；

依据当前生命周期和转换率生成用户行为指引结果报表。

9.一种用户行为指引装置，其特征在于，包括：

用户匹配模块，用于将用户的历史行为数据与预设的各指引条件进行匹配，若匹配成功，则确定所述用户为待指引用户；

行为指引模块，用于向匹配成功的指引条件关联的数据分析模型输入待指引用户的身份信息和/或历史行为数据，确定待指引用户的待推送信息。

10.一种服务器，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的用户行为指引方法。

11.一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至8中任一项所述的用户行为指引方法。