CN109598576A - 服务推荐方法、装置及设备 - Google Patents

Abstract

本说明书实施例提供一种服务推荐方法、装置及设备，该方法可以预先配置有推荐方案模型，通过获取目标用户的用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征，可以输出针对目标用户的付费服务推荐方案，因此可以为目标用户输入符合其需求的付费服务，实现了付费服务的动态推荐，推荐精准度较高。

Description

服务推荐方法、装置及设备

技术领域

本说明书涉及互联网技术领域，尤其涉及服务推荐方法、装置及设备。

背景技术

随着互联网技术的快速发展，互联网产品越来越多，给用户带来了很多便利。对于一些网络云盘等产品，通常有免费服务、以及一种或多种付费服务。这些产品的功能界面通常会提供付费服务入口，以向用户推荐付费服务。基于此，需要提供一种精准度更高的服务推荐方案。

发明内容

为克服相关技术中存在的问题，本说明书提供了数据推荐方法、装置及设备。

根据本说明书实施例的第一方面，提供一种服务推荐方法，包括：

获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

可选的，所述对所述目标用户进行付费服务推荐，包括：

在所述目标用户使用服务的页面中输出付费推荐入口。

可选的，所述使用特征包括如下一种或多种：

使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。

可选的，所述服务特征，包括如下一种或多种：

存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

可选的，所述付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。

根据本说明书实施例的第二方面，提供一种服务推荐装置，包括：

特征获取模块，用于：获取目标用户的用户特征以及所述目标用户对服务的使用特征；

方案获取模块，用于：以所述用户特征和使用特征为输入，调用推荐方案模型，获取所述推荐方案模型输出的付费服务推荐方案；其中，所述推荐方案模型预先利用用户数据、用户对服务的历史使用数据、以及免费服务和付费服务的区别特征数据训练得到；

推荐模块，用于：利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

可选的，所述推荐模块，具体用于：

在所述目标用户使用服务的页面中输出付费推荐入口。

可选的，所述使用特征包括如下一种或多种：

使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。

可选的，所述服务特征，包括如下一种或多种：

存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

可选的，所述付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。

根据本说明书实施例的第三方面，提供一种服务推荐设备，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，其中，所述处理器执行所述程序时实现如下方法：

获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，可以预先配置有推荐方案模型，通过获取目标用户的用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征，可以输出针对目标用户的付费服务推荐方案，因此可以为目标用户输入符合其需求的付费服务，实现了付费服务的动态推荐，推荐精准度较高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书根据一示例性实施例示出的一种服务推荐方法的流程图。

图2是本说明书根据一示例性实施例示出的一种方法的应用场景图。

图3是本说明书实施例服务推荐装置所在计算机设备的一种硬件结构图。

图4是本说明书根据一示例性实施例示出的一种服务推荐装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

目前，互联网产品的种类、提供的服务越来越多样化。以网络云盘类产品为例，此类产品通常有免费服务、以及一种或多种付费服务等，用户可以选取适合自身需要的服务。此类产品中可能会向用户进行付费服务的推荐，一种服务推荐的实现思路是在产品的功能界面中固定提供一付费服务入口，此种方式可能会被用户忽视，导致服务推荐效果较差，推荐精准度较低。

本说明书实施例提供了一种服务推荐方法，根据此方法可以精准地向用户推荐付费服务。该方法的部分流程可参照图1所示，可以包括如下步骤：

在步骤102中，获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征。

在步骤104中，将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案。

在步骤106中，利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

本说明书实施例的方法中，互联网产品的服务方可能面向用户提供有客户端，在一些例子中，本说明书实施例的方法可应用于客户端，由客户端获取付费服务推荐方案并进行推荐。在另一些例子中，也可以是应用在与客户端对应的服务端中，当用户利用客户端登录服务端后，由服务端获取付费服务推荐方案并利用客户端进行推荐。

本申请实施例可以预先训练有推荐方案模型，该推荐方案模型可以预置于客户端，也可以设置于服务端中。在一些例子中，推荐方案模型可以由服务方预先进行训练，训练后的推荐方案模型可以配置于客户端中，以用于服务推荐。例如，在需要进行服务推荐时，可以由服务端获取付费服务推荐方案后返回给客户端、利用客户端进行服务推荐，也可以是由客户端直接利用推荐方案模型获取付费服务推荐方案，直接在本端中进行付费服务推荐。

接下来对推荐方案模型进行说明。本实施例中，服务方可以预先准备用于训练的样本数据。样本数据至少包括用户数据、用户对服务的历史使用数据以及各类服务的特征数据。

其中，用户数据可以指示用户的个人信息、注册信息或身份信息等。作为例子，可以在用户注册账户后要求用户填写注册资料，基于用户填写注册资料后提交的数据后获取该用户数据，也可以在用户使用服务的过程中持续获取用户数据。

用户对服务的历史使用数据可以通过客户端收集，例如客户端可以在一定时间范围内，收集多个用户在客户端使用服务的过程中产生的使用数据，客户端收集后可以发送给服务端。此处的用户对服务的历史使用数据，包括用户对免费服务的使用数据，也包括对各类付费服务的使用数据。具体的，使用数据可以包括如下一种或多种数据：使用时间范围数据、使用时长数据、使用频度数据、已使用存储空间数据或已使用存储数量数据等等。获取历史使用数据可以有多种用途，例如确定用户对服务的使用习惯，确定使用免费服务的用户的特点，确定使用付费服务的特点，确定用户从使用免费服务转变为付费服务的特点等等。

本实施例中，还可以获取免费服务的服务数据和付费服务的服务数据，以确定免费服务和付费服务的区别，实际应用中可根据所应用的场景灵活配置，该服务数据可以由服务方的技术人员配置，以网络云盘为例，免费服务的服务数据和付费服务的服务数据可以包括存储空间区别数据、文件夹数量区别数据、功能类型区别数据、存储数量区别数据、存储总量区别数据、计算单位峰值区别数据、计算总量区别数据、网络下载速度区别数据、网络上传速度区别数据、网络下载总量区别数据或网络上传总量区别数据等等。

通常，样本数据需要达到一定的数量以保证训练出的模型的精确度，而样本数据越多，则模型的精确度可能越高。另一方面，当推荐方案模型训练好后开始应用，可以利用推荐方案模型获取目标用户的付费服务推荐方案以进行推荐，客户端能够获取到推荐后目标用户的反馈结果(例如是否选取推荐的付费服务)，模型开始投入应用后，客户端接收的反馈结果和其他用户数据也可以作为样本，从实现对推荐方案模型的持续训练及优化。

在准备有上述样本数据后，推荐方案模型可以利用样本数据对机器学习模型训练得到。在训练过程中，训练一个准确率较高的合适的模型，需要依赖于特征选择和模型选择。其中，机器学习模型可以包括逻辑回归模型，随机森林模型、贝叶斯方法模型、支持向量机模型或神经网络模型等等，模型的选择影响最终所训练得到的识别模型的精确度，因此，实际应用中可以选择多种模型进行训练，而训练过程较为耗时，需要复杂、迭代，不断地去试错和重复。

训练过程的另一方面，是选取合适的特征。本实施例中所确定的特征，可以包括有用户特征、目标用户对服务的使用特征以及目标用户当前所使用服务的服务特征。

具体的，所述用户特征可以包括：用户的个人特征或身份特征等，例如年龄、性别、教育程度、职业、所在行业、工作单位或工作单位是否为企业用户等等。上述用户特征可以指示用户对付费服务的偏好或需求，因此可以通过该用户特征对用户对付费服务的偏好或需求。例如，某种职业的用户可能需要使用较大的存储空间，对付费服务的偏好较大；或者，年龄较大的用户可能对付费服务的偏好较小等等，通过该用户特征可以一定程度上预测用户对付费服务的偏好或需求。

所述使用特征包括如下一种或多种：使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。上述使用特征可以由客户端或服务端通过持续收集用户使用服务的数据而确定，上述使用特征也可能会指示用户对付费服务的需求，例如使用频度较多的用户更有可能需要各类付费服务，存储空间使用较多的用户更有可能需要升级付费服务等等。通过该用户特征可以一定程度上预测用户对付费服务的偏好或需求。

本实施例中，目标用户当前所使用服务的服务特征包括如下一种或多种：存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

通过上述方式，服务方准备好样本数据，选取好目标特征和模型，即可预先训练出推荐方案模型，在推荐方案模型训练完成后，该推荐方案模型可以设置于电子设备中或者也可以设置于服务端中，在需要时，可以获取目标用户的付费服务推荐方案。

具体的获取付费服务推荐方案的过程，可以是获取目标用户的用户特征以及目标用户对服务的使用特征并输入至该推荐方案模型中，利用该模型输出匹配该目标用户的付费服务推荐方案。可以理解，获取付费服务推荐方案时所输入的特征可以与训练过程中所使用的特征类型大致相同。可选的，付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。其中，付费服务推荐方案中的付费服务类型指示服务方所提供的若干种付费服务的其中一个或多个；推荐频度指示付费服务方案的推荐频率，例如用户每次打开页面就推荐一次，或者是每天推荐一次，或者是每隔一定时间间隔推荐一次等等；推荐时间指示付费服务方案的在什么时间段或时刻推荐给用户，该推荐时间可以是不影响用户使用服务的时间等；推荐位置可以是服务方所提供的多个页面中的其中一个或多个，或者还可以是具体某个页面的某个具体位置，从而使得用户可以及时查阅到付费服务推荐方案。通过上述信息，可以动态地进行服务推荐，例如可以在所述目标用户使用服务的页面中输出付费推荐入口，使得推荐的付费服务符合用户的偏好和需求。

如图2所示，是本说明书根据一示例性实施例示出一种服务推荐的界面示意图，图2中以一知识库服务产品为例，该产品为用户提供网络云盘和文件共享等服务，用户可以上传文件存储于服务方为其提供的网络存储空间中。该知识库服务产品可应用本实施例的服务推荐方案，在用户使用服务的过程中，通过用户特征、目标用户对服务的使用特征(例如当前该用户已使用的存储空间大小、所上传的文件数量或建立的文件夹数量等)以及所述目标用户当前所使用服务的服务特征(例如当前用户使用免费服务)，进而将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对该目标用户的付费服务推荐方案，利用该付费服务推荐方案，可以在目标用户使用服务的页面中动态输出付费推荐入口。具体的，图2所示实施例的付费推荐入口为“升级Pro用户，享受更多知识库”的矩形框，用户可以触发该付费推荐入口进入付费服务购买页面。

由上述实施例可见，本实施例可以预先配置有推荐方案模型，通过获取目标用户的用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征，可以输出针对目标用户的付费服务推荐方案，因此可以为目标用户输入符合其需求的付费服务，实现了付费服务的动态推荐，推荐精准度较高。

与前述服务推荐方法的实施例相对应，本说明书还提供了服务推荐装置及其所应用的设备的实施例。

本说明书服务推荐装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书实施例服务推荐装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中装置331所在的服务器或电子设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

如图4所示，图4是本说明书根据一示例性实施例示出的一种服务推荐装置的框图，所述装置包括：

特征获取模块41，用于：获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

方案获取模块42，用于：将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

推荐模块43，用于：利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

可选的，所述推荐模块，具体用于：

在所述目标用户使用服务的页面中输出付费推荐入口。

可选的，所述使用特征包括如下一种或多种：

使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。

可选的，所述服务特征包括如下一种或多种：

存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

可选的，所述付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。

相应的，本说明书还提供一种服务推荐设备，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，其中，所述处理器执行所述程序时实现如下方法：

获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

上述服务推荐装置中各个模块的功能和作用的实现过程具体详见上述服务推荐方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述对本说明书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或步骤可以按照不同于实施例中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才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。

应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (11)

1.一种服务推荐方法，包括：

至少获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

2.根据权利要求1所述的方法，所述对所述目标用户进行付费服务推荐，包括：

在所述目标用户使用服务的页面中输出付费推荐入口。

3.根据权利要求1所述的方法，所述使用特征包括如下一种或多种：

使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。

4.根据权利要求1所述的方法，所述服务特征包括如下一种或多种：

存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

5.根据权利要求1所述的方法，所述付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。

6.一种服务推荐装置，包括：

特征获取模块，用于：至少获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

方案获取模块，用于：将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

推荐模块，用于：利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。

7.根据权利要求6所述的装置，所述推荐模块，具体用于：

在所述目标用户使用服务的页面中输出付费推荐入口。

8.根据权利要求6所述的装置，所述使用特征包括如下一种或多种：

使用时间范围特征、使用时长特征、使用频度特征、已使用存储空间特征或已使用存储数量特征。

9.根据权利要求6所述的装置，所述服务特征，包括如下一种或多种：

存储空间特征、文件夹数量特征、功能类型特征、存储数量特征、存储总量特征、计算单位峰值特征、计算总量特征、网络下载速度特征、网络上传速度特征、网络下载总量特征或网络上传总量特征。

10.根据权利要求6所述的装置，所述付费服务推荐方案中包括如下一种或多种信息：付费服务类型、推荐频度、推荐时间或推荐位置。

11.一种服务推荐设备，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，其中，所述处理器执行所述程序时实现如下方法：

至少获取目标用户的如下特征：用户特征、所述目标用户对服务的使用特征以及所述目标用户当前所使用服务的服务特征；

将获取的特征输入至推荐方案模型，获取所述推荐方案模型输出的针对所述目标用户的付费服务推荐方案；

利用所述付费服务推荐方案对所述目标用户进行付费服务推荐。