CN109688217A - 一种消息推送方法、装置及电子设备 - Google Patents
一种消息推送方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109688217A CN109688217A CN201811583365.6A CN201811583365A CN109688217A CN 109688217 A CN109688217 A CN 109688217A CN 201811583365 A CN201811583365 A CN 201811583365A CN 109688217 A CN109688217 A CN 109688217A
- Authority
- CN
- China
- Prior art keywords
- push
- scheme
- user
- push scheme
- optimal
- 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.)
- Granted
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请是关于一种消息推送方法,应用于服务器,包括:获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将所述最优推送方案全量发送至所述用户群中的剩余用户。由于本申请将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
Description
技术领域
本发明涉及消息推送技术领域,特别是涉及一种消息推送方法、装置及电子设备。
背景技术
消息推送是提升网络服务品质的有效方式之一。恰到好处的消息推送方案在触达用户后能够获得良好的转化效果,增强用户对App的依赖、提高使用率。
然而,日常生活中用户在收到推送消息时往往不会特别关注,多数情况下只是快速地瞥一眼就关闭了通知栏。因此,推送消息的内容,包括:标题、文案、配图等都至关重要,必须在极短的时间内吸引用户注意,使其对推送内容产生兴趣,这样用户才有可能产生点击行为,进一步了解更多内容。
为了提高消息推送的效率,现有技术中,在消息推送给用户后,会收集用户的行为数据,通过对行为数据的统计和计算,获得推送效果,如果推送效果不符合预期,则由人工调整推送策略,再次进行消息推送,直到达到预设效果后,确定出最终的推送策略,不再调整推送策略。例如:统计用户的点击量,计算出点击率,也就是点击量与发送量的比值,如果点击率小于预期的点击率,就调整推送策略,比如:调整发送时间、发送内容等策略因素,直到点击率达到预期的点击率,这时的推送策略即为最终的推送策略。
在这个过程中,由于调整推送策略的过程中需要人工参与,且可能需要多次改变推送策略,导致调整推送策略的耗时较长,降低了消息推送的效率。
发明内容
本发明实施例的目的在于提供一种消息推送方法、装置及电子设备,以提高消息推送的效率。具体技术方案如下:
根据本公开实施例的第一方面,提供一种消息推送方法,应用于服务器,包括:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
可选的,所述预设数量个测试用户,
采用如下步骤计算获得:
采用如下公式计算获得每种推送方案的最优发送量:
m=n/R
其中,m为每个推送方案的最优发送量,n为优化目标参数的统计数据的数据量,n=h-1(2t,α),t为预设的判断方案优劣的阈值,h-1(2t,α)为置信区间函数的反函数,α为预设的显著水平,R为根据历史转化率预设的转化率估计值;
根据如下公式计算确定测试用户的预设数量:
测试用户的预设数量≥推送方案数量×最优发送量。
可选的,t预先采用如下公式计算获得:
其中,为针对当前推送对象的多个历史推送方案的历史优化目标参数的统计值均值,为所述多个历史推送方案中各个推送方案到达量的均值,α是预设的显著性水平,Zα/2表示当显著性水平为α时,通过查询标准正态分布表获得的z临界值。
可选的,所述将所述各个推送方案均匀发送至用户群中的预设数量个测试用户的步骤,包括:
根据计算出的最优发送量,确定所述预设的各个推送方案中每个推送方案的最终发送量;所述最终发送量大于或等于所述最优发送量;
针对每个推送方案,分别从所述预设数量个测试用户中随机选取最终发送量个对应的参与测试用户;
将各个推送方案,分别发送给该推送方案对应的参与测试用户。
可选的,根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
采用如下公式将各个推送方案两两比较并排序,确定最优推送方案:
|Si-Sj|≥t;
其中,t为根据优化目标参数的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的优化目标参数的统计值,Sj表示预设数量个推送方案中第j个方案的优化目标参数的统计值。
可选的,当判断推送方案优劣的优化目标参数为多个时,所述根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据预先对目标优化参数的优先级排序,按照优先级最高的目标优化参数采用如下公式比较各个推送方案的优劣;
|Si-Sj|≥t;
其中,t为根据优化目标的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的目标统计值,Sj表示预设数量个推送方案中第j个方案的目标统计值;
判断在所述优先级最高的目标优化参数下能否确定出最优推送方案;如果未确定出最优推送方案,则按照优先级次之的目标优化参数比较所述预设数量个推送方案的优劣,直至确定出最优推送方案。
可选的,当判断推送方案优劣的优化目标参数为多个时,所述根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
根据为各个所述判断推送方案优劣的优化目标参数预设的权重,计算预设的各个推送方案中每个推送方案的得分;
将得分最高的推送方案确定为最优推送方案。
可选的,当推送对象为视频时,所述优化目标参数,为:点击率、播放率或完播率中的一种或多种。
可选的,若当前推送对象需要个性化推送,则在所述获取各个测试用户的行为数据的步骤之后,还包括:
对获取的测试用户的行为数据进行统计,得到各个推送方案的优化目标参数的统计数据,根据所述统计数据确定预设数量个优选推送方案;
获取每个优选推送方案对应的各个测试用户的用户画像及基本信息,利用数据挖掘算法,从用户画像中确定每个优选推送方案对应的用户特征;
获得用户群中各个用户的用户画像及基本信息,与每个优选推送方案对应的用户特征相匹配;如果某个用户的用户画像包含了某个优选推送方案对应的用户特征,则确定该用户与该优选推送方案对应;
将各个优选推送方案发送给用户群中,各个优选推送方案对应的用户。
可选的,在根据所述优化目标参数的统计数据,确定最优推送方案的步骤之后,所述方法还包括:
将针对当前推送对象的最优推送方案进行存储;
所述将所述最优推送方案全量发送至所述用户群中的剩余用户的步骤,包括:当检测到该推送对象的推送命令被触发时,将所述最优推送方案全量发送至所述用户群中的剩余用户。
根据本公开实施例的第二方面,提供一种消息推送装置,包括:
方案获取单元:被配置为获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
方案发送单元:被配置为将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
数据获取单元:被配置为获取各个测试用户的行为数据;
数据统计单元:被配置为若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
第一最优方案确定单元:被配置为根据所述优化目标参数的统计数据,确定最优推送方案;
全量发送单元:被配置为将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
可选的,所述预设数量个测试用户,采用计算单元获得;
所述计算单元,包括:
最优发送量计算模块:被配置为采用如下公式计算获得每种推送方案的最优发送量:
m=n/R;
其中,m为每个推送方案的最优发送量,n为优化目标参数的统计数据的数据量,n=h-1(2t,α),t为预设的判断方案优劣的阈值,h-1(2t,α)为置信区间函数的反函数,α为预设的显著水平,R为根据历史转化率预设的转化率估计值;
预设数量确定模块:被配置为根据如下公式计算确定测试用户的预设数量:
测试用户的预设数量≥推送方案数量×最优发送量。
可选的,所述最优发送量计算模块,预先采用如下公式计算获得t:
其中,为针对当前推送对象的多个历史推送方案的历史优化目标参数的统计值均值,为所述多个历史推送方案中各个推送方案到达量的均值,α是预设的显著性水平,Zα/2表示当显著性水平为α时,通过查询标准正态分布表获得的z临界值。
可选的,所述方案发送单元,包括:
发送量确定模块:被配置为根据计算出的最优发送量,确定所述预设的各个推送方案中每个推送方案的最终发送量;所述最终发送量大于或等于所述最优发送量;
用户选取模块:被配置为针对每个推送方案,分别从所述预设数量个测试用户中随机选取最终发送量个对应的参与测试用户;
方案发送模块:被配置为将各个推送方案,分别发送给该推送方案对应的参与测试用户。
可选的,所述第一最优方案确定单元,包括:
第一统计值计算模块:被配置为根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
方案比较模块:被配置为采用如下公式将各个推送方案两两比较并排序,确定最优推送方案:
|Si-Sj|≥t;
其中,t为根据优化目标参数的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的优化目标参数的统计值,Sj表示预设数量个推送方案中第j个方案的优化目标参数的统计值。
可选的,当判断推送方案优劣的优化目标参数为多个时,所述第一最优方案确定单元,包括:
排序模块:被配置为根据预先对目标优化参数的优先级排序,按照优先级最高的目标优化参数采用如下公式比较各个推送方案的优劣;
|Si-Sj|≥t;
其中,t为根据优化目标的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的目标统计值,Sj表示预设数量个推送方案中第j个方案的目标统计值;
判断模块:被配置为判断在所述优先级最高的目标优化参数下能否确定出最优推送方案;如果未确定出最优推送方案,则按照优先级次之的目标优化参数比较所述预设数量个推送方案的优劣,直至确定出最优推送方案。
可选的,当判断推送方案优劣的优化目标参数为多个时,所述第一最优方案确定单元,包括:
第二统计值计算模块:被配置为根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
得分计算模块:被配置为根据为各个所述判断推送方案优劣的优化目标参数预设的权重,计算预设的各个推送方案中每个推送方案的得分;
确定模块:被配置为将得分最高的推送方案确定为最优推送方案。
可选的,所述装置还包括:
优选推送方案确定单元:被配置为若当前推送对象需要个性化推送,则在所述获取各个测试用户的行为数据的步骤之后,对获取的测试用户的行为数据进行统计,得到各个推送方案的优化目标参数的统计数据,根据所述统计数据确定预设数量个优选推送方案;
用户特征获得单元:被配置获取每个优选推送方案对应的各个测试用户的用户画像及基本信息,利用数据挖掘算法,从用户画像中确定每个优选推送方案对应的用户特征;
匹配单元:被配置为获得用户群中各个用户的用户画像基本信息,与每个优选推送方案对应的用户特征相匹配;如果某个用户的用户画像包含了某个优选推送方案对应的用户特征,则确定该用户与该优选推送方案对应;
个性化发送单元:被配置为将各个优选推送方案发送给用户群中,各个优选推送方案对应的用户。
可选的,所述装置还包括:
存储单元:被配置为在根据优化目标参数的统计数据,确定最优推送方案的步骤之后,将针对当前推送对象的最优推送方案进行存储;
所述全量发送单元,包括:
检测单元:被配置为当检测到该推送对象的推送命令被触发时,将最优推送方案发送至用户群。
根据本公开实施例的第三方面,提供一种服务器,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行存储器上所存放的程序时,实现第一方面任一所述的方法步骤。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够在执行时实现第一方面任一所述的方法步骤。
本发明实施例提供的一种消息推送方法、装置及电子设备,可以通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了现有技术中调整推送策略耗时过长的问题,能够提高消息推送的效率。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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。
图1是根据一示例性实施例示出的一种消息推送方法的流程示意图;
图2是根据一示例性实施例示出的一种获取用户行为数据的示例图;
图3是根据一示例性实施例示出的一种消息推送方法的原理示意图;
图4是根据一示例性实施例示出的一种消息推送方法的实例图;
图5是根据一示例性实施例示出的另一种消息推送方法的流程示意图;
图6是根据一示例性实施例示出的一种消息推送装置的框图;
图7是根据一示例性实施例示出的一种电子设备示意图;
图8是根据一示例性实施例示出的一种装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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做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。
为了提高消息推送的效率,本发明实施例提供了一种消息推送方法、装置及电子设备。通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
本发明实施例提供的一种消息推送方法,应用于服务器,如图1所示,该方法包括:
在步骤S101中,获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息。
可选的,推送对象可以为:一条直播信息、一个商品、一则新闻资讯、一条系统消息等,针对当前推送对象预设的各个推送方案中,包括针对当前推送对象的不同推送内容信息,如不同的标题、文案和/或配图等。
在步骤S102中,将各个推送方案均匀发送至用户群中的预设数量个测试用户。
本步骤中,预设数量个测试用户可以采用如下步骤计算获得:
首先,采用如下公式计算获得每种推送方案的最优发送量:
m=n/R;
式中,m为每个推送方案的最优发送量,n为优化目标参数的统计数据的数据量,n=h-1(2t,α),t为预设的判断方案优劣的阈值,h-1(2t,α)为置信区间函数的反函数,α为预设的显著水平,R为根据历史转化率预设的转化率估计值。例如:优化目标参数是点击率时,转化率就是点击量与到达量之比。在实际应用中,历史转化率通常是一个范围区间,可以取最低值作为预设的转化率预估值,并计算最优发送量。
可选的,上式中判断方案优劣的阈值t采用如下公式计算获得:
其中,为针对当前推送对象的多个历史推送方案的历史优化目标参数的统计值均值,为所述多个历史推送方案中各个推送方案到达量的均值,α是预设的显著性水平,Zα/2表示当显著性水平为α时,通过查询标准正态分布表获得的z临界值。
计算出最优发送量后,根据如下公式计算确定测试用户的预设数量:
测试用户的预设数量≥推送方案数量×最优发送量。
具体的,在步骤S102中,可以先根据计算出的测试用户的预设数量以及各个推送方案的最优发送量,确定预设的各个推送方案中每个推送方案的最终发送量;其中,最终发送量应大于或等于最优发送量。再针对每个推送方案,分别从预设数量个测试用户中随机选取最终发送量个对应的参与测试用户,将各个推送方案,分别发送给该推送方案对应的参与测试用户。
例如,若有推送方案20个,测试用户数量4000人,计算出的最优发送量为100,则可以将每个推送方案的最终发送量确定为120,即20个推送方案中的每个推送方案都要发送给测试用户中随机选取的120人。因此,先从4000位测试用户中随机选取出120位参与测试用户,作为第一组,再从4000位测试用户中随机选取出120位参与测试用户,作为第二组,然后按同样方法随机选取出第三组、第四组……、第十九组、第二十组。其中,各组中的参与测试用户可以重合,最后将20个推送方案中的每个方案分别发送给第一组、第二组、……、第十九组、第二十组中的参与测试用户即可。
在步骤S103中,获取各个测试用户的行为数据。
在步骤S104中,对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据。
具体的,各个测试用户的行为数据可以通过用户的点击行为、搜索行为或播放行为来获取;这样,可以通过统计用户的点击行为的数量,计算获取点击率、通过统计用户的播放行为计算获取播放率、通过统计用户播放完成视频的行为计算获取完播率等。例如,点击率为点击行为数量与方案到达量之比;播放率为视频播放行为数量与方案到达量之比;完播率为视频播放完成的数量与方案到达量之比。其中,方案到达量指每个推送方案实际触及测试用户的数量。由于存在测试用户屏蔽推送消息等导致推送失败的情况,因此各个推送方案的到达量小于等于各个推送方案的最终发送量。
当推送对象为视频时,各个推送方案的优化目标参数可以为:点击率、播放率或完播率中的一种或几种。
将点击率作为优化目标参数进行举例说明,图2为本发明实施例提供的一种获取用户行为数据的示例图。如图2所示,横轴为获取用户点击率数据的等待时间,纵轴为回收比例,也就是转化率,即获取到的各个推送方案下的点击量与到达量之比。当等待时间分别为60分钟、120分钟、180分钟和240分钟时,对应的数据回收比例分别为40.3%、53.0%、61.2%和68.6%。可见,点击数据的获取存在一定延迟,数据回收比例随着等待时间的延长而逐渐提高,但随着等待时间的推移,回收比例的增长速度也越来越慢。因此,应当在能够接受的时间范围内回收大量数据,通常可以将该时间范围设置在一至四小时,以保证消息推送的效率,完成最优方案的决策。
在步骤S105中,根据优化目标参数的统计数据,确定最优推送方案。
具体的,当优化目标参数仅有一个时,根据优化目标参数的统计数据,计算获得预设的各个推送方案中每个推送方案的优化目标参数的统计值,可以采用如下公式将各个推送方案两两比较并排序,确定最优推送方案:
|Si-Sj|≥t;
其中,t为根据优化目标参数的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的优化目标参数的统计值,Sj表示预设数量个推送方案中第j个方案的优化目标参数的统计值。若Si与Sj差值的绝对值大等于阈值t时,则方案i优于方案j。例如,将播放率作为优化目标参数,方案1的优化目标参数的统计值7.5%,方案2的优化目标参数的统计值为6.8%,阈值t=0.5%,由于|7.5-6.8|≥0.5,因此方案1优于方案2。
可选的,当优化目标参数为多个时,可以采用如下两种方法确定最优推送方案:
方法一:根据预先对目标优化参数的优先级排序,按照优先级最高的目标优化参数采用如下公式比较各个推送方案的优劣:
|Si-Sj|≥t;
其中,t为根据优化目标的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的目标统计值,Sj表示预设数量个推送方案中第j个方案的目标统计值。
判断在优先级最高的目标优化参数下能否确定出最优推送方案;如果否,则按照优先级次之的目标优化参数比较预设数量个推送方案的优劣,直至确定出最优推送方案。
例如,推送方案1的点击率为7.5%、播放率为25%、完播率为18%,推送方案2的点击率为7.5%、播放率为23%,完播率为20%,判断阈值t=0.5,目标优化参数为点击率、播放率和完播率,且点击率的优先级高于播放率,完播率的优先级最低。那么在判断各个推送方案的优劣时,先按照优先级最高的点击率进行比较,由于两个推送方案的点击率均为7.5%,无法判断孰优孰劣,因此再按照优先级次之的播放率进行比较,因为|25-23|≥0.5,则推送方案1优于推送方案2,此时无需再比较两个推送方案的完播率。
方法二:根据优化目标参数的统计数据,计算获得预设的各个推送方案中每个推送方案的优化目标参数的统计值;根据为各个判断推送方案优劣的优化目标参数预设的权重,计算预设的各个推送方案中每个推送方案的得分。
具体的,举例来说,若优化目标参数有三个,分别为点击率、播放率和完播率,对应的权重分别为α1、α2、α3,则按照如下公式计算每个推送方案的得分:
推送方案得分=α1·点击率+α2·播放率+α3·完播率;
计算出各个推送方案的得分后,得分最高的推送方案即为最优推送方案。
在步骤S106中,将最优推送方案全量发送至用户群中的剩余用户;用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
作为本发明实施例的一种实施方式,如图3所示,本发明实施例提供的一种消息推送方法,首先获取针对当前推送对象预设的各个推送方案,将各个推送方案进行分发,均匀地发送至用户群中的预设数量个测试用户;通过客户端获取各个测试用户的行为数据并进行数据统计,获得各个推送方案的优化目标参数的统计数据;然后根据上述优化目标参数的统计数据进行决策,确定出各个推送方案中的最优推送方案,最后将最优推送方案全量发送至用户群中的剩余用户。
图4为本发明实施例提供的一种消息推送方法的示例图。如图4所示,当前推送对象为虚拟红包,针对该推送对象预设的推送内容信息包括:推送摘要和推送小图;预设的四个推送方案中,推送小图均为相同的红包图案,推送摘要分别为“恭喜你获得现金红包领取资格”、“恭喜你获得现金红包”、“恭喜你获得领取现金资格”、“恭喜你获得现金红包,快戳”。将上述四个推送方案均匀发送至用户群中的测试用户,将点击率作为优化目标参数,因此测试时用户的点击行为即为需要获取的用户行为数据。四个推送方案下的点击量分别为251、297、271和201,测试点击率分别为3.57%、4.24%、3.74%和2.82%。由于t=0.5,|4.24-3.57|≥0.5、|4.24-3.74|≥0.5、|4.24-2.82|≥0.5,推送方案二优于推送方案一、推送方案三和推送方案四,因此,将推送方案二作为最优推送方案,全量发送给用户群中的剩余用户。
本发明实施例提供的一种消息推送方法,通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
另外,本实施例中,在根据优化目标参数的统计数据,确定最优推送方案的步骤之后,可以将针对当前推送对象的最优推送方案进行存储,当检测到该推送对象的推送命令被触发时,将该最优推送方案全量发送至用户群中的剩余用户。其中,推送命令的触发方式可以为:用户在早晨睡醒后打开手机,手机屏幕在当天被第一次唤醒时即认为推送命令被触发。
可以理解的是,将确定好的最优推送方案进行存储,然后由客户端根据用户的实时场景判断是否需要对推送方案进行发送,一旦检测到推送命令被客户端触发,便可以对用户进行推送,无需根据用户之前对该推送对象的相关内容是否有浏览或点击行为来判断推送命令是否被触发。因此,当有新闻热点出现时,可以立即将其推送至用户,提高了消息推送的实时性。
本发明实施例提供的消息推送方法,还能够进一步实现个性化推送。如图5所示,包括:
在步骤S501中,获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息。
在步骤S502中,将各个推送方案均匀发送至用户群中的预设数量个测试用户。
在步骤S503中,获取各个测试用户的行为数据。
在步骤S504中,判断当前推送对象是否需要全量推送;如果否,则执行步骤S505;如果是,则执行步骤S509-S511,按图1所示的流程对最优推送方案进行全量发送。
在步骤S505中,对获取的测试用户的行为数据进行统计,得到各个推送方案的优化目标参数的统计数据,根据统计数据确定预设数量个优选推送方案。
具体的,得到各个推送方案的优化目标参数的统计数据后,计算获得预设的各个推送方案中每个推送方案的优化目标参数的统计值,并采用步骤S105中的方法对各个推送方案进行排序;然后,可以选取排在前面的预设数量个推送方案作为优选推送方案。
在步骤S506中,获取每个优选推送方案对应的各个测试用户的用户画像及基本信息,利用数据挖掘算法,从用户画像中确定每个优选推送方案对应的用户特征。
具体的,根据用户的基本信息及其社会属性、消费习惯、社交行为等,为各个测试用户打上标签,作为用户画像。其中,每个测试用户可以拥有一个或多个不同的标签,如“职业:程序员”、“性别:女”、“爱好:唱歌”等等;然后,利用数据挖掘算法从用户画像的多个标签中确定出每个优选推送方案对应的用户的特征,该特征反应了每个优选推送方案对应的用户的共性。
在步骤S507中,获得用户群中各个用户的用户画像及基本信息,与每个优选推送方案对应的用户特征相匹配;如果某个用户的用户画像包含了某个优选推送方案对应的用户特征,则确定该用户与该优选推送方案对应。
例如,有三个优选推送方案,对应的用户特征分别为“年龄在25-35岁之间”、“月收入8000-10000元”、“喜欢健身”,那么若用户群中的某个用户年龄为30岁时,则与之对应的优选推送方案为方案一。
在步骤S508中,将各个优选推送方案发送给用户群中,各个优选推送方案对应的用户。
本发明实施例提供的一种个性化消息推送方法,通过对获取的测试用户的行为数据进行统计,确定预设数量个优选推送方案;然后,获取每个优选推送方案对应的各个测试用户的用户画像及基本信息,利用数据挖掘算法,从用户画像中确定每个优选推送方案对应的用户特征;获得用户群中各个用户的用户画像及基本信息后,与每个优选推送方案对应的用户特征相匹配;如果某个用户的用户画像包含了某个优选推送方案对应的用户特征,则确定该用户与该优选推送方案对应;最后将各个优选推送方案发送给用户群中,各个优选推送方案对应的用户。用户画像能够较为准确地反映出用户的年龄、喜好、职业等特征,通过对每个优选推送方案对应的用户特征进行提取,能够获得各个优选推送方案对应的用户所具有的共性,并根据用户偏好为用户确定最佳个性化推送方案,有利于用户产生后续的点击行为,提高了推送消息触达用户后的转化率。
作为本发明实施例的一种实施方式,如图6所示,本发明实施例提供的一种消息推送装置,包括:
方案获取单元610,被配置为获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息。
方案发送单元620,被配置为将各个推送方案均匀发送至用户群中的预设数量个测试用户。
数据获取单元630,被配置为获取各个测试用户的行为数据。
数据统计单元640,被配置为若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据。
第一最优方案确定单元650,被配置为根据优化目标参数的统计数据,确定最优推送方案。
全量发送单元660,被配置为将最优推送方案全量发送至用户群中的剩余用户;用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
本发明实施例提供的一种消息推送装置,通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
作为本发明实施例的一种实施方式,该装置还包括:
计算单元,具体包括:
最优发送量计算模块,被配置为采用如下公式计算获得每种推送方案的最优发送量:
m=n/R;
其中,m为每个推送方案的最优发送量,n为优化目标参数的统计数据的数据量,n=h-1(2t,α),t为预设的判断方案优劣的阈值,h-1(2t,α)为置信区间函数的反函数,α为预设的显著水平,R为根据历史转化率预设的转化率估计值。
预设数量确定模块,被配置为根据如下公式计算确定测试用户的预设数量:
测试用户的预设数量≥推送方案数量×最优发送量。
作为本发明的一种实施方式,最优发送量计算模块,预先采用如下公式计算获得t:
其中,为针对当前推送对象的多个历史推送方案的历史优化目标参数的统计值均值,为多个历史推送方案中各个推送方案到达量的均值,α是预设的显著性水平,Zα/2表示当显著性水平为α时,通过查询标准正态分布表获得的z临界值。
作为本发明的一种实施方式,方案发送单元620,可以包括:
发送量确定模块,被配置为根据计算出的最优发送量,确定预设的各个推送方案中每个推送方案的最终发送量;最终发送量大于或等于最优发送量。
用户选取模块,被配置为针对每个推送方案,分别从预设数量个测试用户中随机选取最终发送量个对应的参与测试用户。
方案发送模块,被配置为将各个推送方案,分别发送给该推送方案对应的参与测试用户。
作为本发明的一种实施方式,第一最优方案确定单元650,可以包括:
第一统计值计算模块,被配置为根据优化目标参数的统计数据,计算获得预设的各个推送方案中每个推送方案的优化目标参数的统计值。
方案比较模块,被配置为采用如下公式将各个推送方案两两比较并排序,确定最优推送方案:
|Si-Sj|≥t;
其中,t为根据优化目标参数的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的优化目标参数的统计值,Sj表示预设数量个推送方案中第j个方案的优化目标参数的统计值。
作为本发明的一种实施方式,当判断推送方案优劣的优化目标参数为多个时,第一最优方案确定单元650,可以包括:
排序模块,被配置为根据预先对目标优化参数的优先级排序,按照优先级最高的目标优化参数采用如下公式比较各个推送方案的优劣:
|Si-Sj|≥t;
其中,t为根据优化目标的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的目标统计值,Sj表示预设数量个推送方案中第j个方案的目标统计值。
判断模块,被配置为判断在优先级最高的目标优化参数下能否确定出最优推送方案;如果未确定出最优推送方案,则按照优先级次之的目标优化参数比较预设数量个推送方案的优劣,直至确定出最优推送方案。
作为本发明的一种实施方式,当判断推送方案优劣的优化目标参数为多个时,第一最优方案确定单元650,可以包括:
第二统计值计算模块,被配置为根据优化目标参数的统计数据,计算获得预设的各个推送方案中每个推送方案的优化目标参数的统计值。
得分计算模块,被配置为根据为各个判断推送方案优劣的优化目标参数预设的权重,计算预设的各个推送方案中每个推送方案的得分。
确定模块,被配置为将得分最高的推送方案确定为最优推送方案。
作为本发明的一种实施方式,若当前推送对象需要个性化推送,则该装置还包括:
优选推送方案确定单元,被配置为若当前推送对象需要个性化推送,则在获取各个测试用户的行为数据的步骤之后,对获取的测试用户的行为数据进行统计,得到各个推送方案的优化目标参数的统计数据,根据统计数据确定预设数量个优选推送方案。
用户特征获得单元,被配置获取每个优选推送方案对应的各个测试用户的用户画像及基本信息,利用数据挖掘算法,从用户画像中确定每个优选推送方案对应的用户特征。
匹配单元,被配置为获得用户群中各个用户的用户画像基本信息,与每个优选推送方案对应的用户特征相匹配;如果某个用户的用户画像包含了某个优选推送方案对应的用户特征,则确定该用户与该优选推送方案对应。
个性化发送单元,被配置为将各个优选推送方案发送给用户群中,各个优选推送方案对应的用户。
作为本发明的一种实施方式,该装置还包括:
存储单元,被配置为在根据优化目标参数的统计数据,确定最优推送方案的步骤之后,将针对当前推送对象的最优推送方案进行存储。
所述全量发送单元,包括:
检测单元,被配置为当检测到该推送对象的推送命令被触发时,将最优推送方案发送至用户群。
本发明实施例提供的一种消息推送装置,通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
本发明实施例还提供了一种服务器,如图7所示,包括处理器701和存储器702,
处理器701;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行存储器702上所存放的程序时,实现如下步骤:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
图8是根据一示例性实施例示出的一种用于消息推送的装置800的框图。例如,装置800可以被提供为一服务器。参照图8,装置800包括处理组件822,其进一步包括一个或多个处理器,以及由存储器832所代表的存储器资源,用于存储可由处理组件822的执行的指令,例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件822被配置为执行指令,以执行如下步骤:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
装置800还可以包括一个电源组件826被配置为执行装置800的电源管理,一个有线或无线网络接口850被配置为将装置800连接到网络,和一个输入输出(I/O)接口858。装置800可以操作基于存储在存储器832的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本发明实施例提供的一种电子设备,通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,该计算机程序被处理器执行时实现第一以下步骤:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
本发明实施例通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中实现第一以下步骤:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
本发明实施例通过获取针对当前推送对象预设的各个推送方案;将各个推送方案均匀发送至用户群中的预设数量个测试用户;获取各个测试用户的行为数据;若当前推送对象需要全量发送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;根据优化目标参数的统计数据,确定最优推送方案;将最优推送方案全量发送至用户群中的剩余用户。由于本发明实施例将预设的各个推送方案同时发送给不同的参与测试用户,再统计数据确定最优推送方案,避免了调整推送策略耗时过长的问题,能够提高消息推送的效率。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,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,对于装置实施例而言,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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本公开未公开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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种消息推送方法,其特征在于,应用于服务器,所述方法包括:
获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
获取各个测试用户的行为数据;
若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
根据所述优化目标参数的统计数据,确定最优推送方案;
将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
2.根据权利要求1所述的方法,其特征在于,所述预设数量个测试用户,采用如下步骤计算获得:
采用如下公式计算获得每种推送方案的最优发送量:
m=n/R;
其中,m为每个推送方案的最优发送量,n为优化目标参数的统计数据的数据量,n=h-1(2t,α),t为预设的判断方案优劣的阈值,h-1(2t,α)为置信区间函数的反函数,α为预设的显著水平,R为根据历史转化率预设的转化率估计值;
根据如下公式计算确定测试用户的预设数量:
测试用户的预设数量≥推送方案数量×最优发送量。
3.根据权利要求2所述的方法,其特征在于,t预先采用如下公式计算获得:
其中,为针对当前推送对象的多个历史推送方案的历史优化目标参数的统计值均值,为所述多个历史推送方案中各个推送方案到达量的均值,α是预设的显著性水平,Zα/2表示当显著性水平为α时,通过查询标准正态分布表获得的z临界值。
4.根据权利要求2所述的方法,其特征在于,所述将所述各个推送方案均匀发送至用户群中的预设数量个测试用户的步骤,包括:
根据计算出的最优发送量,确定所述预设的各个推送方案中每个推送方案的最终发送量;所述最终发送量大于或等于所述最优发送量;
针对每个推送方案,分别从所述预设数量个测试用户中随机选取最终发送量个对应的参与测试用户;
将各个推送方案,分别发送给该推送方案对应的参与测试用户。
5.根据权利要求2所述的方法,其特征在于,根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
采用如下公式将各个推送方案两两比较并排序,确定最优推送方案:
|Si-Sj|≥t;
其中,t为根据优化目标参数的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的优化目标参数的统计值,Sj表示预设数量个推送方案中第j个方案的优化目标参数的统计值。
6.根据权利要求1所述的方法,其特征在于,当判断推送方案优劣的优化目标参数为多个时,所述根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据预先对目标优化参数的优先级排序,按照优先级最高的目标优化参数采用如下公式比较各个推送方案的优劣;
|Si-Sj|≥t;
其中,t为根据优化目标的统计数据计算得到的判断方案优劣的阈值,Si表示预设数量个推送方案中第i个方案的目标统计值,Sj表示预设数量个推送方案中第j个方案的目标统计值;
判断在所述优先级最高的目标优化参数下能否确定出最优推送方案;如果未确定出最优推送方案,则按照优先级次之的目标优化参数比较所述预设数量个推送方案的优劣,直至确定出最优推送方案。
7.根据权利要求1所述的方法,其特征在于,当判断推送方案优劣的优化目标参数为多个时,所述根据所述优化目标参数的统计数据,确定最优推送方案的步骤,包括:
根据优化目标参数的统计数据,计算获得所述预设的各个推送方案中每个推送方案的优化目标参数的统计值;
根据为各个所述判断推送方案优劣的优化目标参数预设的权重,计算预设的各个推送方案中每个推送方案的得分;
将得分最高的推送方案确定为最优推送方案。
8.一种消息推送装置,其特征在于,所述装置包括:
方案获取单元:被配置为获取针对当前推送对象预设的各个推送方案;每种推送方案包括:针对当前推送对象的不同推送内容信息;
方案发送单元:被配置为将所述各个推送方案均匀发送至用户群中的预设数量个测试用户;
数据获取单元:被配置为获取各个测试用户的行为数据;
数据统计单元:被配置为若当前推送对象需要全量推送,则对获取的测试用户的行为数据进行统计,获得各个推送方案的优化目标参数的统计数据;
第一最优方案确定单元:被配置为根据所述优化目标参数的统计数据,确定最优推送方案;
全量发送单元:被配置为将所述最优推送方案全量发送至所述用户群中的剩余用户;所述用户群中的剩余用户,为:用户群中除测试用户外的其他用户。
9.一种服务器,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够在执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583365.6A CN109688217B (zh) | 2018-12-24 | 2018-12-24 | 一种消息推送方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583365.6A CN109688217B (zh) | 2018-12-24 | 2018-12-24 | 一种消息推送方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109688217A true CN109688217A (zh) | 2019-04-26 |
CN109688217B CN109688217B (zh) | 2021-09-03 |
Family
ID=66189004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811583365.6A Active CN109688217B (zh) | 2018-12-24 | 2018-12-24 | 一种消息推送方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109688217B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110995529A (zh) * | 2019-11-14 | 2020-04-10 | 广州华多网络科技有限公司 | 推荐系统的配置数据测试方法、装置及电子设备 |
CN114125046A (zh) * | 2021-11-08 | 2022-03-01 | 浙江华坤道威数据科技有限公司 | 一种基于5g的信息触达系统 |
CN115331346A (zh) * | 2022-08-30 | 2022-11-11 | 深圳市巨龙创视科技有限公司 | 一种校园门禁管理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373480A (zh) * | 2015-12-15 | 2016-03-02 | 广州唯品会信息科技有限公司 | 优化ABTest系统分流的方法及系统 |
KR20170014560A (ko) * | 2015-07-30 | 2017-02-08 | 주식회사 포워드벤처스 | 푸시 메시지 전송 서버, 방법 및 컴퓨터 판독 가능한 기록 매체 |
CN108415845A (zh) * | 2018-03-28 | 2018-08-17 | 北京达佳互联信息技术有限公司 | Ab测试系统指标置信区间的计算方法、装置和服务器 |
CN108510311A (zh) * | 2018-02-28 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 一种确定营销方案的方法、装置及电子设备 |
-
2018
- 2018-12-24 CN CN201811583365.6A patent/CN109688217B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170014560A (ko) * | 2015-07-30 | 2017-02-08 | 주식회사 포워드벤처스 | 푸시 메시지 전송 서버, 방법 및 컴퓨터 판독 가능한 기록 매체 |
CN105373480A (zh) * | 2015-12-15 | 2016-03-02 | 广州唯品会信息科技有限公司 | 优化ABTest系统分流的方法及系统 |
CN108510311A (zh) * | 2018-02-28 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 一种确定营销方案的方法、装置及电子设备 |
CN108415845A (zh) * | 2018-03-28 | 2018-08-17 | 北京达佳互联信息技术有限公司 | Ab测试系统指标置信区间的计算方法、装置和服务器 |
Non-Patent Citations (1)
Title |
---|
抓力: "push文案赛马", 《知乎》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110995529A (zh) * | 2019-11-14 | 2020-04-10 | 广州华多网络科技有限公司 | 推荐系统的配置数据测试方法、装置及电子设备 |
CN110995529B (zh) * | 2019-11-14 | 2021-09-21 | 广州方硅信息技术有限公司 | 推荐系统的配置数据测试方法、装置及电子设备 |
CN114125046A (zh) * | 2021-11-08 | 2022-03-01 | 浙江华坤道威数据科技有限公司 | 一种基于5g的信息触达系统 |
CN114125046B (zh) * | 2021-11-08 | 2022-09-30 | 浙江华坤道威数据科技有限公司 | 一种基于5g的信息触达系统 |
CN115331346A (zh) * | 2022-08-30 | 2022-11-11 | 深圳市巨龙创视科技有限公司 | 一种校园门禁管理方法、装置、电子设备及存储介质 |
CN115331346B (zh) * | 2022-08-30 | 2024-02-13 | 深圳市巨龙创视科技有限公司 | 一种校园门禁管理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109688217B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11297150B2 (en) | Method and system for measuring user engagement using click/skip in content stream | |
CN104298719B (zh) | 基于社交行为进行用户的类别划分、广告投放方法和系统 | |
Bakshy et al. | Identifying influencers on twitter | |
CN107222566A (zh) | 信息推送方法、装置及服务器 | |
CN109636481A (zh) | 面向家庭用户的用户画像构建方法及装置 | |
CN109003134B (zh) | 基于人脸识别的智能广告投放系统及方法 | |
CN106412644A (zh) | 一种基于智能电视播放器的广告精准投放方法及系统 | |
CN103338223A (zh) | 一种移动应用的推荐方法、客户端及服务器 | |
CN108763502A (zh) | 信息推荐方法和系统 | |
US20090276729A1 (en) | Adaptive user feedback window | |
CN109688217A (zh) | 一种消息推送方法、装置及电子设备 | |
CN103886090A (zh) | 基于用户喜好的内容推荐方法及装置 | |
US9972034B2 (en) | Frequent markup techniques for use in native advertisement placement | |
US20140280548A1 (en) | Method and system for discovery of user unknown interests | |
CN108460082A (zh) | 一种推荐方法及装置,电子设备 | |
CN104750839B (zh) | 一种数据推荐方法、终端及服务器 | |
CN107295361A (zh) | 一种内容推送方法 | |
CN105824961B (zh) | 一种标签确定方法及装置 | |
CN106454536B (zh) | 信息推荐度的确定方法及装置 | |
CN109003135B (zh) | 基于人脸识别的智能广告匹配推送系统及方法 | |
CN103780625B (zh) | 用户兴趣发现方法和装置 | |
CN109168047A (zh) | 视频推荐方法、装置、服务器及存储介质 | |
CN109903086A (zh) | 一种相似人群扩展方法、装置及电子设备 | |
CN108566666A (zh) | Wi-Fi热点推荐方法、装置及存储介质 | |
CN109982155A (zh) | 一种播单推荐方法及系统 |
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 |