CN109146533B - 信息推送方法和装置 - Google Patents

Abstract

本申请公开了信息推送方法和装置。该方法的一具体实施方式包括：获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量；基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期；基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。该实施方式提高了信息推送的有效性。

Description

信息推送方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及电子商务技术领域，尤其涉及信息推送方法和装置。

背景技术

随着电子商务的高速发展，各个电商公司经营品类范围的不断扩大，积累的用户订单数据的不断丰富，基于用户针对消费品的复购行为的分析，预测用户下一次购买该物品的时间已经成为各公司预测销量、提升商品复购转化率的一种重要手段。因此，如何有效的向用户推送信息，是一个值得研究的问题。

发明内容

本申请的目的在于提出一种改进的信息推送方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种信息推送方法，该方法包括：获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量；基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期；基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

在一些实施例中，基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量，包括：确定各个间隔期的日均消耗量的类型，其中，类型包括正常和异常；基于各个间隔期的日均消耗量的类型，确定用户针对物品类别的物品的平均日均消耗量。

在一些实施例中，确定各个间隔期的日均消耗量的类型，包括：将物品类别和针对物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型，以确定针对物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，类型识别模型用于表征针对物品类别的物品的间隔期的日均消耗量与类型的对应关系。

在一些实施例中，该方法还包括：训练类型识别模型的步骤，包括：获取针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，样本集合包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；利用机器学习方法，基于标识出的正常类型的间隔期的日均消耗量的样本和标识出的异常类型的间隔期的日均消耗量的样本，训练得到类型识别模型。

在一些实施例中，确定各个间隔期的日均消耗量的类型，包括：求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为日期在后的间隔期的日均消耗量的稳定度，其中，针对每个间隔期的日均消耗量，将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期；确定稳定度是否小于等于预设的稳定度阈值；若是，则确定日期在后的间隔期的日均消耗量的类型为正常；若否，则确定日期在后的间隔期的日均消耗量的类型为异常。

在一些实施例中，基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量，包括：按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号；对于正常类型的间隔期的日均消耗量，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量；对于异常类型的间隔期的日均消耗量，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量；确定正常平均日均消耗量与异常平均日均消耗量的平均值，并将确定出的平均值作为用户针对物品类别的物品的平均日均消耗量。

在一些实施例中，基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期，包括：将最新订单对应的购买量除以平均日均消耗量所得的商确定为用户针对物品类别的物品的使用天数；基于最新订单的订单日期与使用天数，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期。

在一些实施例中，基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息，包括：当当前日期符合推送日期时，向用户的用户终端推送物品类别的物品关联的物品信息。

第二方面，本申请实施例提供了一种信息推送装置，该装置包括：获取单元，配置用于获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；第一确定单元，配置用于基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；第二确定单元，配置用于基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量；第三确定单元，配置用于基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期；推送单元，配置用于基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

在一些实施例中，第二确定单元，包括：第一确定模块，配置用于确定各个间隔期的日均消耗量的类型，其中，类型包括正常和异常；第二确定模块，配置用于基于各个间隔期的日均消耗量的类型，确定用户针对物品类别的物品的平均日均消耗量。

在一些实施例中，第一确定模块进一步配置用于：将物品类别和针对物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型，以确定针对物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，类型识别模型用于表征针对物品类别的物品的间隔期的日均消耗量与类型的对应关系。

在一些实施例中，该装置还包括：类型识别模型训练单元，配置用于训练类型识别模型，包括：获取模块，配置用于获取针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，样本集合包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；训练模块，配置用于利用机器学习方法，基于标识出的正常类型的间隔期的日均消耗量的样本和标识出的异常类型的间隔期的日均消耗量的样本，训练得到类型识别模型。

在一些实施例中，第一确定模块，包括：第一确定子模块，配置用于求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为日期在后的间隔期的日均消耗量的稳定度，其中，针对每个间隔期的日均消耗量，将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期；第二确定子模块，配置用于确定稳定度是否小于等于预设的稳定度阈值；第三确定子模块，配置用于若稳定度小于等于预设的稳定度阈值，则确定日期在后的间隔期的日均消耗量的类型为正常；第四确定子模块，配置用于若稳定度大于预设的稳定度阈值，则确定日期在后的间隔期的日均消耗量的类型为异常。

在一些实施例中，第二确定模块，包括：编号子模块，配置用于按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号；第一选取子模块，配置用于对于正常类型的间隔期的日均消耗量，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量；第二选取子模块，配置用于对于异常类型的间隔期的日均消耗量，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量；确定子模块，配置用于确定正常平均日均消耗量与异常平均日均消耗量的平均值，并将确定出的平均值作为用户针对物品类别的物品的平均日均消耗量。

在一些实施例中，第三确定单元，包括：第一确定模块，配置用于将最新订单对应的购买量除以平均日均消耗量所得的商确定为用户针对物品类别的物品的使用天数；第二确定模块，配置用于基于最新订单的订单日期与使用天数，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期。

在一些实施例中，推送单元进一步配置用于：当当前日期符合推送日期时，向用户的用户终端推送物品类别的物品关联的物品信息。

第三方面，本申请实施例还提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现本申请提供的信息推送方法。

第四方面，本申请实施例还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申请提供的信息推送方法。

本申请提供的信息推送方法和装置，通过获取用户针对同一物品类别的物品的至少两个订单信息，而后基于上述至少两个订单信息对应的订单日期和购买量等信息，确定向上述用户的终端设备推送上述物品类别的物品关联的物品信息的推送时间，最后基于确定出的推送时间，向上述用户的终端设备推送相应的物品信息，从而有效利用了订单信息的订单日期和购买量，提高了信息推送的有效性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的信息推送方法的一个实施例的流程图；

图3是根据本申请的信息推送方法的一个应用场景的示意图；

图4是根据本申请的信息推送方法的又一个实施例的流程图；

图5是根据本申请的信息推送装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息推送方法或信息推送装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用等。终端设备101、102、103可以接收服务器105发送的物品信息并对物品信息进行呈现。

终端设备101、102、103可以是具有显示屏并且支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的物品信息提供支持的后台订单服务器。后台订单服务器可以对用户的订单信息等数据进行分析等处理，并将处理结果(例如物品信息)反馈给终端设备。例如，后台订单服务器可以首先获取用户针对同一物品类别的物品的至少两个订单信息；之后，可以基于上述至少两个订单信息对应的订单日期和购买量等信息，确定向上述用户的终端设备推送上述物品类别的物品关联的物品信息的推送时间；最后，可以基于确定出的推送时间，向上述用户的终端设备推送相应的物品信息。

需要说明的是，本申请实施例所提供的信息推送方法一般由服务器105执行，相应地，信息推送装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法，包括以下步骤：

步骤201，获取用户针对同一物品类别的物品的至少两个订单信息。

在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的服务器)可以首先获取用户的订单信息；之后，在用户的订单信息中选取针对同一物品类别的物品的至少两个订单信息，其中，上述订单信息可以包括订单日期和购买量，购买量可以为在一次购买行为中的量，例如，用户购买了3包纸尿裤，每包纸尿裤中有10片，则购买量为30片；用户购买了2瓶洗发水，其中，一瓶洗发水为500毫升(ML)，另一瓶洗发水为1000毫升，则购买量为1500毫升。上述电子设备可以从本地数据库中获取上述用户的订单信息，也可以从其他订单服务器中获取上述用户的订单信息。

作为示例，当用户对洗发水进行多次购买之后，上述电子设备可以获取用户针对洗发水的至少两个订单信息，例如，获取到用户在4月22日购买了2瓶500毫升的A品牌的洗发水，在6月1日购买了1瓶750毫升的A品牌的洗发水和1瓶500毫升的B品牌的洗发水。

在本实施例中，上述物品也可以包括服务，例如，家政服务、手机充值服务等等。

步骤202，基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量。

在本实施例中，上述电子设备可以基于步骤201中获取到的至少两个订单信息中的购买量，确定用户针对上述物品类别的物品的间隔期的日均消耗量，其中，间隔期可以为订单日期相邻的两个订单之间的日期间隔，例如，6月1日的订单与6月3日的订单之间的间隔期为2天。

在本实施例中，对于至少两个订单信息中的每个订单信息，上述电子设备可以首先将与该订单信息中的订单日期相邻且订单日期在后的订单信息中的订单日期减去该订单信息中的订单日期，将所得的差值确定为该订单信息对应的订单与订单日期在后的订单的间隔期；之后，可以确定该订单信息对应的购买量除以上述间隔期得到的商，将所得的商确定为上述用户针对上述物品类别的物品在上述间隔期内的间隔期的日均消耗量。作为示例，当获取到用户在5月1日购买了500毫升的洗发水，在5月26日购买了750毫升的洗发水，则这两个订单之间的间隔期为25天，利用5月1日的购买量500毫升除以间隔期25天，则可以确定出在5月1日至5月26日这间隔期25天内用户的日均消耗量为20毫升。

步骤203，基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量。

在本实施例中，基于步骤202中确定出的上述用户针对上述物品类别的物品的各个间隔期的日期消耗量，上述电子设备可以确定上述用户针对上述物品类别的物品的平均日期消耗量。

在本实施例中，上述电子设备可以求取各个间隔期的日期消耗量的平均值，可以将所得的平均值作为上述用户针对上述物品类别的物品的平均日期消耗量。例如，当针对洗发水的各个间隔期的日期消耗量为10毫升、12毫升、20毫升、15毫升，则可以将求取出的平均值14.25毫升作为上述用户针对洗发水的平均日期消耗量。

在本实施例的一些可选的实现方式中，上述电子设备可以首先确定各个间隔期的日均消耗量的类型，其中，上述类型可以包括正常和异常；之后，可以执行与各个类型的间隔期的日均消耗量相对应的预设的计算操作，以生成上述用户针对上述物品类别的物品的平均日期消耗量。

在本实施例的一些可选的实现方式中，上述电子设备可以将物品类别和针对该物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型中，以确定针对该物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，上述类型识别模型可以用于表征针对物品类别的物品的间隔期的日均消耗量与类型之间的对应关系。作为示例，类型识别模型可以是技术人员基于大量的物品类别的物品的间隔期的日均消耗量和间隔期的日均消耗量的类型的统计而预先制定的、存储有多个物品类别的物品的间隔期的日均消耗量与类型的对应关系的对应关系表；也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对物品类别的物品的间隔期的日均消耗量中的一个或多个间隔期的日均消耗量进行计算以得到用于表征类型的计算结果的计算公式，例如，该计算公式可以是求取各个相邻的间隔期的日均消耗量的差值的绝对值，再求取上述差值的绝对值与日期在前的间隔期的日均消耗量的商，计算所得的商与预设的稳定度阈值的差值，得到的差值的符号可以用于表征类型，差值为负数，则类型为正常，差值为正数，则类型为异常。

在本实施例的一些可选的实现方式中，上述电子设备可以预先训练类型识别模型。训练类型识别模型的步骤可以包括：首先，获取用户针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，上述样本集合中包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；之后，可以利用机器学习方法，将正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量分别作为输入，将正常类型标识和异常类型标识分别作为输出，训练得到类型识别模型。具体的，上述电子设备可以使用朴素贝叶斯模型(Naive Bayesian Model，NBM)或支持向量机(Support Vector Machine，SVM)等用于分类的模型，将上述正常类型的间隔期的日均消耗量作为输入，将上述正常类型标识作为对应的模型输出，同时将上述异常类型的间隔期的日均消耗量作为输入，将上述异常类型标识作为对应的模型输出，利用机器学习方法，对该模型进行训练，得到类型识别模型。在确定出上述用户针对该物品类别的物品的各个间隔期的日均消耗量对应的类型之后，上述电子设备还可以获取上述用户的正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量，并基于机器学习方法，将上述用户的正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量分别作为输入，将正常类型标识和异常类型标识分别作为输出，训练得到上述用户的类型识别模型。在本实施例中，上述电子设备可以获取后台的订单信息，并对订单信息进行处理，例如，对订单信息中的缺失值进行舍弃或补全，对非普通用户账号(企业账号、风险账号等)的订单信息进行过滤，之后，可以将处理之后的订单信息作为上述训练时所使用的样本。

步骤204，基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期。

在本实施例中，上述电子设备可以基于步骤203确定出的平均日均消耗量和最新订单(订单日期最近的订单)对应的购买量，确定向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期。

在本实施例的一些可选的实现方式中，上述电子设备可以将最新订单对应的购买量除以上述平均日均消耗量所得的商确定为上述用户针对上述物品类别的物品的使用天数；之后，可以基于上述使用天数和最新订单的订单日期，确定向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期。上述电子设备可以首先计算上述使用天数和最新订单的订单日期的日期之和；之后，可以获取当前月份的总天数；然后，可以确定上述日期之和是否大于当前月份的总天数，若小于等于，则将当前月份的数值作为推送日期中的月份的数值，并将上述日期之和作为推送日期中的日期的数值；若大于，则上述电子设备可以确定当前月份的数值是否为12，若不是12，则可以将当前月份的数值加1作为推送日期中的月份的数值，并将上述和值减去上述当前月份的总天数所得到的差值作为推送日期中的日期，若是12，则可以将当前年份的数值加1作为推送日期中的年份的数值，并将推送日期中的月份的数值设置为1，并将上述和值减去上述当前月份的总天数所得到的差值作为推送日期中的日期。作为示例，当最新订单的订单日期为2016年12月30日，针对洗发水的使用天数为10天，则确定出的向上述用户的用户终端推送与洗发水关联的物品信息的推送日期为2017年1月9日。

在本实施例中，上述电子设备可以将最新订单对应的购买量除以上述平均日均消耗量所得的商确定为上述用户针对上述物品类别的物品的使用天数；之后，可以基于上述使用天数和最新订单的订单日期，确定用户使用完上述物品类别的物品的使用结束日期，将上述使用结束日期减去预设的提前推送天数所得的值确定为向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期；上述电子设备也可以将上述使用结束日期加上预设的延迟推送天数所得的值确定为向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期；上述电子设备也可以将上述使用结束日期减去预设的提前推送天数所得的值确定为向上述用户的用户终端推送上述物品类别的物品关联的物品信息的最早推送日期，并将上述使用结束日期加上预设的延迟推送天数所得的值确定为向上述用户的用户终端推送上述物品类别的物品关联的物品信息的最晚推送日期，由此，可以确定出向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送时间段。例如，当确定出的使用结束日期为6月5日，预设的提前推送天数为2天，预设的延迟推送天数为1天，则推送时间段可以为6月3日至6月6日。

步骤205，基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

在本实施例中，上述电子设备可以基于步骤204中确定出的推送日期，向上述用户的用户终端推送上述物品类别的物品关联的物品信息。上述电子设备可以以短信、邮件、应用信息等形式向用户的用户终端推送物品信息。

在本实施例的一些可选的实现方式中，当当前日期符合上述推送时间时，上述电子设备可以向上述用户的用户终端推送上述物品类别的物品关联的物品信息。例如，若推送日期为12月5日，当当前日期为12月5日时，则可以向上述用户的用户终端推送上述物品类别的物品关联的物品信息。

在本实施例中，当当前日期处于上述推送时间段时，上述电子设备可以向上述用户的用户终端推送上述物品类别的物品关联的物品信息。

本申请的上述实施例提供的方法通过获取用户针对同一物品类别的物品的至少两个订单信息，而后基于上述至少两个订单信息对应的订单日期和购买量等信息，确定向上述用户的终端设备推送上述物品类别的物品关联的物品信息的推送时间，最后基于确定出的推送时间，向上述用户的终端设备推送相应的物品信息，从而有效利用了订单信息的订单日期和购买量，提高了信息推送的有效性。

继续参见图3，图3是根据本实施例的信息推送方法的应用场景的一个示意图。在图3的应用场景中，订单服务器301首先获取用户针对同一物品类别的物品的包含订单时间302和购买量303的至少两个订单信息；而后，订单服务器301基于至少两个订单信息中的购买量303和订单时间302，确定上述用户的间隔期的日均消耗量304；之后，订单服务器301基于间隔期的日均消耗量304，确定出上述用户的平均日均消耗量305；然后，订单服务器301基于平均日均消耗量305与最新订单对应的购买量306，确定向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期307；最后，订单服务器301基于推送日期307，向上述用户的用户终端308推送上述物品类别的物品关联的物品信息。

进一步参考图4，其示出了信息推送方法的又一个实施例的流程400。该信息推送方法的流程400，包括以下步骤：

步骤401，获取用户针对同一物品类别的物品的至少两个订单信息。

步骤402，基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量。

在本实施例中，步骤401和步骤402的操作与步骤201和步骤202的操作基本相同，在此不再赘述。

步骤403，求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为日期在后的间隔期的日均消耗量的稳定度。

在本实施例中，上述电子设备可以首先求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，例如，可以利用日期在前的间隔期的日均消耗量减去相邻的且日期在后的间隔期的日均消耗量得到间隔期的日均消耗量之差，也可以利用日期在后的间隔期的日均消耗量减去相邻的且日期在前的间隔期的日均消耗量得到间隔期的日均消耗量之差，再求取间隔期的日均消耗量之差的绝对值；之后，可以将间隔期的日均消耗量之差的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为上述日期在后的间隔期的日均消耗量的稳定度。针对每个间隔期的日均消耗量，上述电子设备可以将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期。

需要说明的是，若将在前订单日期作为该间隔期的日均消耗量的日期，则其他间隔期的日均消耗量的日期也需要将在前订单日期作为其日期；若将在后订单日期作为该间隔期的日均消耗量的日期，则其他间隔期的日均消耗量的日期也需要将在后订单日期作为其日期。

步骤404，按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号。

在本实施例中，上述电子设备可以按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序进行编号，也可以按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由大到小的顺序进行编号。

步骤405，确定稳定度是否小于等于预设的稳定度阈值。

在本实施例中，上述电子设备可以确定步骤404中确定出的稳定度是否小于等于预设的稳定度阈值，若稳定度小于等于预设的稳定度阈值，则执行步骤406；若稳定度大于预设的稳定度阈值，则执行步骤407。

在本实施例中，上述电子设备可以首先利用预设的初始稳定度阈值确定各个间隔期的日均消耗量的类型，以通过计算正常平均日均消耗量与异常平均日均消耗量，生成上述用户针对上述物品类别的物品的平均日均消耗量，并基于该平均日均消耗量与最新订单对应的购买量，确定向上述用户的用户终端推送物品信息的推送日期；之后，可以改变初始稳定度阈值的数值，再重新确定出推送日期，对于多个推送日期，确定在各个推送日期进行物品信息推送之后，用户对该物品信息对应的物品的重复购买率，例如，可以通过AB测试，评估出重复购买率最高时所使用的稳定度阈值，并将该稳定度阈值作为确定间隔期的日均消耗量时所使用的稳定度阈值。AB测试是将网页(WEB)、应用(APP)界面或流程的多个版本，在同一时间维度，分别让两个或多个属性或组成成分相同(相似)的访客群组访问，收集各群组的用户体验数据和业务数据，最后分析评估出最好版本正式采用。

步骤406，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量。

在本实施例中，在步骤404中对每个间隔期的日均消耗量进行编号之后，上述电子设备可以首先将编号相邻的间隔期的日均消耗量划分为同一个区间；之后，可以对各个区间内的间隔期的日均消耗量求取平均值，得到各个平均值；最后，可以选取各个平均值中最大的平均值作为正常平均日均消耗量。

作为示例，编号1至编号3的间隔期的日均消耗量为正常类型，被划分为同一区间，分别为10毫升、8毫升和15毫升，编号5和编号6的间隔期的日均消耗量也为正常类型，被划分为同一区间，分别为12毫升、13毫升，则编号1至编号3的间隔期的日均消耗量的平均值为11毫升，编号5和编号6的间隔期的日均消耗量的平均值为12.5毫升；可以选取12.5毫升作为正常平均日均消耗量。

步骤407，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量。

在本实施例中，上述电子设备可以在各个异常类型的间隔期的日均消耗量中选取最大的间隔期的日均消耗量作为异常平均日均消耗量。

步骤408，确定正常平均日均消耗量与异常平均日均消耗量的平均值，并将确定出的平均值作为用户针对物品类别的物品的平均日均消耗量。

在本实施例中，上述电子设备可以求取步骤406中选取出的正常平均日均消耗量与步骤407中选取出的异常平均日均消耗量的平均值，并将上述求取出的平均值作为上述用户针对上述物品类别的物品的平均日均消耗量。

步骤409，基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期。

步骤410，基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

在本实施例中，步骤409和步骤410的操作与步骤204和步骤205的操作基本相同，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程400突出了对间隔期的日均消耗量进行分类，并根据不同类型的间隔期的日均消耗量计算平均日均消耗量的步骤。由此，本实施例描述的方案可以区分正常购买与囤货的情况，并根据不同情况求取平均日均消耗量，从而实现了更有效的信息推送。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息推送装置500包括：获取单元501、第一确定单元502、第二确定单元503、第三确定单元504和推送单元505。其中，获取单元501配置用于获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；第一确定单元502配置用于基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；第二确定单元503配置用于基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量；第三确定单元504配置用于基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期；推送单元505配置用于基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

在本实施例中，信息推送装置500的获取单元501、第一确定单元502、第二确定单元503、第三确定单元504和推送单元505的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。

在本实施例的一些可选的实现方式中，上述第二确定单元503可以包括第一确定模块(图中未示出)和第二确定模块(图中未示出)。上述确定模块可以首先确定各个间隔期的日均消耗量的类型，其中，上述类型可以包括正常和异常；之后，上述第二确定模块可以执行与各个类型的间隔期的日均消耗量相对应的预设的计算操作，以生成上述用户针对上述物品类别的物品的平均日期消耗量。

在本实施例的一些可选的实现方式中，上述第一确定模块可以将物品类别和针对该物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型中，以确定针对该物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，上述类型识别模型可以用于表征针对物品类别的物品的间隔期的日均消耗量与类型之间的对应关系。

在本实施例的一些可选的实现方式中，信息推送装置500还可以包括类型识别模型训练单元(图中未示出)，上述类型识别模型训练单元可以包括获取模块(图中未示出)和训练模块(图中未示出)。上述类型识别模型训练单元可以预先训练类型识别模型。训练类型识别模型的步骤可以包括：首先，上述获取模块获取用户针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，上述样本集合中包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；之后，上述训练模块可以利用机器学习方法，将正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量分别作为输入，将正常类型标识和异常类型标识分别作为输出，训练得到类型识别模型。具体的，上述训练模块可以使用朴素贝叶斯模型或支持向量机等用于分类的模型，将上述正常类型的间隔期的日均消耗量作为输入，将上述正常类型标识作为对应的模型输出，同时将上述异常类型的间隔期的日均消耗量作为输入，将上述异常类型标识作为对应的模型输出，利用机器学习方法，对该模型进行训练，得到类型识别模型。在确定出上述用户针对该物品类别的物品的各个间隔期的日均消耗量对应的类型之后，还可以获取上述用户的正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量，并基于机器学习方法，将上述用户的正常类型的间隔期的日均消耗量和异常类型的间隔期的日均消耗量分别作为输入，将正常类型标识和异常类型标识分别作为输出，训练得到上述用户的类型识别模型。

在本实施例的一些可选的实现方式中，上述第一确定模块还可以包括第一确定子模块(图中未示出)、第二确定子模块(图中未示出)、第三确定子模块(图中未示出)和第四确定子模块(图中未示出)。上述第一确定子模块可以首先求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，例如，可以利用日期在前的间隔期的日均消耗量减去相邻的且日期在后的间隔期的日均消耗量得到间隔期的日均消耗量之差，也可以利用日期在后的间隔期的日均消耗量减去相邻的且日期在前的间隔期的日均消耗量得到间隔期的日均消耗量之差，再求取间隔期的日均消耗量之差的绝对值；之后，可以将间隔期的日均消耗量之差的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为上述日期在后的间隔期的日均消耗量的稳定度。针对每个间隔期的日均消耗量，上述第一确定子模块可以将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期。上述第二确定子模块可以确定上述第一确定子模块确定出的稳定度是否小于等于预设的稳定度阈值，若稳定度小于等于预设的稳定度阈值，则上述第三确定子模块可以将上述日期在后的间隔期的日均消耗量的类型确定为正常；若稳定度大于预设的稳定度阈值，则上述第四确定子模块可以将上述日期在后的间隔期的日均消耗量的类型确定为异常。

在本实施例的一些可选的实现方式中，上述第二确定模块可以包括编号子模块(图中未示出)、第一选取子模块(图中未示出)、第二选取子模块(图中未示出)和确定子模块(图中未示出)。上述编号子模块可以按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序进行编号，也可以按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由大到小的顺序进行编号。在上述编号子模块对每个间隔期的日均消耗量进行编号之后，对于正常类型的间隔期的日均消耗量，上述第一选取子模块可以首先将编号相邻的间隔期的日均消耗量划分为同一个区间；之后，可以对各个区间内的间隔期的日均消耗量求取平均值，得到各个平均值；最后，可以选取各个平均值中最大的平均值作为正常平均日均消耗量。对于异常类型的间隔期的日均消耗量，上述第二选取子模块可以在各个异常类型的间隔期的日均消耗量中选取最大的间隔期的日均消耗量作为异常平均日均消耗量。上述确定子模块可以求取上述第一选取子模块选取出的正常平均日均消耗量与上述第二选取子模块选取出的异常平均日均消耗量的平均值，并将上述求取出的平均值作为上述用户针对上述物品类别的物品的平均日均消耗量。

在本实施例的一些可选的实现方式中，第三确定单元504可以包括第一确定模块(图中未示出)和第二确定模块(图中未示出)。上述第一确定模块可以将最新订单对应的购买量除以上述平均日均消耗量所得的商确定为上述用户针对上述物品类别的物品的使用天数；之后，上述第二确定模块可以基于上述使用天数和最新订单的订单日期，确定向上述用户的用户终端推送上述物品类别的物品关联的物品信息的推送日期。

在本实施例的一些可选的实现方式中，当当前日期符合上述推送时间时，上述推送单元505可以向上述用户的用户终端推送上述物品类别的物品关联的物品信息。

下面参考图6，其示出了适于用来实现本发明实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、第二确定单元、第三确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。例如，获取单元还可以被描述为“获取用户针对同一物品类别的物品的至少两个订单信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；基于至少两个订单信息中的购买量，确定用户针对物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；基于各个间隔期的日均消耗量，确定用户针对物品类别的物品的平均日均消耗量；基于平均日均消耗量和最新订单对应的购买量，确定向用户的用户终端推送物品类别的物品关联的物品信息的推送日期；基于推送日期，向用户的用户终端推送物品类别的物品关联的物品信息。

以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种信息推送方法，其特征在于，所述方法包括：

获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；

基于所述至少两个订单信息中的购买量，确定所述用户针对所述物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；

基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量；

基于所述平均日均消耗量和最新订单对应的购买量，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期；

基于所述推送日期，向所述用户的用户终端推送所述物品类别的物品关联的物品信息。

2.根据权利要求1所述的方法，其特征在于，所述基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量，包括：

确定各个间隔期的日均消耗量的类型，其中，所述类型包括正常和异常；

基于各个间隔期的日均消耗量的类型，确定所述用户针对所述物品类别的物品的平均日均消耗量。

3.根据权利要求2所述的方法，其特征在于，所述确定各个间隔期的日均消耗量的类型，包括：

将物品类别和针对物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型，以确定针对物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，所述类型识别模型用于表征针对物品类别的物品的间隔期的日均消耗量与类型的对应关系。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：训练类型识别模型的步骤，包括：

获取针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，所述样本集合包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；

利用机器学习方法，基于所述标识出的正常类型的间隔期的日均消耗量的样本和所述标识出的异常类型的间隔期的日均消耗量的样本，训练得到类型识别模型。

5.根据权利要求2所述的方法，其特征在于，所述确定各个间隔期的日均消耗量的类型，包括：

求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将所述差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为所述日期在后的间隔期的日均消耗量的稳定度，其中，针对每个间隔期的日均消耗量，将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期；

确定所述稳定度是否小于等于预设的稳定度阈值；

若是，则确定所述日期在后的间隔期的日均消耗量的类型为正常；

若否，则确定所述日期在后的间隔期的日均消耗量的类型为异常。

6.根据权利要求5所述的方法，其特征在于，所述基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量，包括：

按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号；

对于正常类型的间隔期的日均消耗量，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量；

对于异常类型的间隔期的日均消耗量，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量；

确定所述正常平均日均消耗量与所述异常平均日均消耗量的平均值，并将确定出的平均值作为所述用户针对所述物品类别的物品的平均日均消耗量。

7.根据权利要求1或6所述的方法，其特征在于，所述基于所述平均日均消耗量和最新订单对应的购买量，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期，包括：

将最新订单对应的购买量除以所述平均日均消耗量所得的商确定为所述用户针对所述物品类别的物品的使用天数；

基于最新订单的订单日期与所述使用天数，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期。

8.根据权利要求1所述的方法，其特征在于，所述基于所述推送日期，向所述用户的用户终端推送所述物品类别的物品关联的物品信息，包括：

当当前日期符合所述推送日期时，向所述用户的用户终端推送所述物品类别的物品关联的物品信息。

9.一种信息推送装置，其特征在于，所述装置包括：

获取单元，配置用于获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；

第一确定单元，配置用于基于所述至少两个订单信息中的购买量，确定所述用户针对所述物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；

第二确定单元，配置用于基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量；

第三确定单元，配置用于基于所述平均日均消耗量和最新订单对应的购买量，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期；

推送单元，配置用于基于所述推送日期，向所述用户的用户终端推送所述物品类别的物品关联的物品信息。

10.根据权利要求9所述的装置，其特征在于，所述第二确定单元，包括：

第一确定模块，配置用于确定各个间隔期的日均消耗量的类型，其中，所述类型包括正常和异常；

第二确定模块，配置用于基于各个间隔期的日均消耗量的类型，确定所述用户针对所述物品类别的物品的平均日均消耗量。

11.根据权利要求10所述的装置，其特征在于，所述第一确定模块进一步配置用于：

将物品类别和针对物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型，以确定针对物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，所述类型识别模型用于表征针对物品类别的物品的间隔期的日均消耗量与类型的对应关系。

12.根据权利要求11所述的装置，其特征在于，所述装置还包括：

类型识别模型训练单元，配置用于训练类型识别模型，包括：

获取模块，配置用于获取针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，所述样本集合包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；

训练模块，配置用于利用机器学习方法，基于所述标识出的正常类型的间隔期的日均消耗量的样本和所述标识出的异常类型的间隔期的日均消耗量的样本，训练得到类型识别模型。

13.根据权利要求10所述的装置，其特征在于，所述第一确定模块，包括：

第一确定子模块，配置用于求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将所述差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为所述日期在后的间隔期的日均消耗量的稳定度，其中，针对每个间隔期的日均消耗量，将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期；

第二确定子模块，配置用于确定所述稳定度是否小于等于预设的稳定度阈值；

第三确定子模块，配置用于若所述稳定度小于等于预设的稳定度阈值，则确定所述日期在后的间隔期的日均消耗量的类型为正常；

第四确定子模块，配置用于若所述稳定度大于预设的稳定度阈值，则确定所述日期在后的间隔期的日均消耗量的类型为异常。

14.根据权利要求13所述的装置，其特征在于，所述第二确定模块，包括：

编号子模块，配置用于按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号；

第一选取子模块，配置用于对于正常类型的间隔期的日均消耗量，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量；

第二选取子模块，配置用于对于异常类型的间隔期的日均消耗量，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量；

确定子模块，配置用于确定所述正常平均日均消耗量与所述异常平均日均消耗量的平均值，并将确定出的平均值作为所述用户针对所述物品类别的物品的平均日均消耗量。

15.根据权利要求9或14所述的装置，其特征在于，所述第三确定单元，包括：

第一确定模块，配置用于将最新订单对应的购买量除以所述平均日均消耗量所得的商确定为所述用户针对所述物品类别的物品的使用天数；

第二确定模块，配置用于基于最新订单的订单日期与所述使用天数，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期。

16.根据权利要求9所述的装置，其特征在于，所述推送单元进一步配置用于：

当当前日期符合所述推送日期时，向所述用户的用户终端推送所述物品类别的物品关联的物品信息。

17.一种服务器，包括：

一个或多个处理器；

存储装置，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1-8中任一所述的方法。

18.一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1-8中任一所述的方法。

Images