CN109993586B - 一种营销产品的方法和装置 - Google Patents

Abstract

本发明公开了一种营销产品的方法和装置，所述方法包括：获取目标群在预设时间段内通信的消息数据集；根据消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在目标单位时间段内的合成活跃值；根据目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在目标单位时间段内对应的话题发起概率；从目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；基于各目标用户的合成活跃值、话题发起概率和标记量，确定各目标用户在目标单位时间段内的影响值；将产品分配给影响值最高的目标用户进行营销。

Description

一种营销产品的方法和装置

技术领域

本申请涉及通信领域，尤其涉及一种营销产品的方法和装置。

背景技术

随着互联网的不断发展，人们越来越依赖于网上通信。因此，层出不穷的聊天工具越来越多，人们随时都可以通过聊天工具进行聊天。为了扩大产品的影响力，一些商家发现了聊天工具的市场，通过网上通信对产品进行营销。

现有技术中，营销产品是商家指定一个代理人，代理人建立一个聊天群，代理人在聊天群中推销产品，这种产品推广方式并不合理，如果商家指定的代理人的并不积极，不容易在聊天群中发起话题，导致产品营销的效率降低。

发明内容

有鉴于此，本申请的目的在于提供了一种营销产品的方法和装置，以解决现有技术中营销产品效率低的问题。

第一方面，本申请实施例提供了一种营销产品的方法，包括：

获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

将产品分配给影响值最高的目标用户进行营销。

可选的，所述根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值，包括：

根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该目标用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

可选的，所述根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率，包括：

根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

可选的，所述根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率，包括：

针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

计算该目标用户在各轮次对应的乘积的累加值；

计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

可选的，所述从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量，包括：

根据预设规则筛选出所述第二预设时间段内包含有预设标识的消息数据；

根据筛选后的消息数据以及所述预设标识后的用户，统计各目标用户的标记量。

可选的，所述基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值，包括：

针对每一目标用户，对该目标用户的合成活跃值、话题发起概率和标记量进行加权求和，得到该目标用户的影响值。

第二方面，本申请实施例提供了一种营销产品的装置，包括：

获取模块，用于获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

合成活跃值计算模块，用于根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

话题发起概率计算模块，用于根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

标记量计算模块，用于从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

确定模块，用于基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

分配模块，用于将产品分配给影响值最高的目标用户进行营销。

可选的，所述合成活跃值计算模块具体用于：

根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

可选的，所述话题发起概率计算模块具体包括：分组单元、轮次划分单元、第一计算单元和第二计算单元；

所述分组单元，具体用于根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

所述轮次划分单元，具体用于针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

所述第一计算单元，具体用于针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

所述第二计算单元，具体用于根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

可选的，所述第二计算单元具体用于：

针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

计算该目标用户在各轮次对应的乘积的累加值；

计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

本申请提供的一种营销产品的方法，通过计算目标群中各用户的活跃值、话题发起概率和标记量，进而，得到各用户的影响力，给影响力最高的用户分配营销产品的任务，当影响力最高的用户在聊天群中聊天时，该营销的产品可以高频率的出现在聊天记录中，达到了扩大产品影响力的效果，提高了产品营销的效率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种营销产品的方法的流程示意图；

图2为本申请实施例提供的一种营销产品的装置的结构示意图；

图3为本申请实施例提供的一种话题发起概率计算模块的具体的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，本申请提供了一种营销产品的方法，包括：

S101，获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

S102，根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

S103，根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

S104，从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

S105，基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

S106，将产品分配给影响值最高的目标用户进行营销。

其中，在上述步骤S101中，目标群是多个用户在聊天工具中建立的交流群。聊天工具包括微信、QQ、钉钉等，本申请在此不予限制。目标用户是组成该目标群的用户。消息数据集包含有在目标群中，预设时间段内所有的消息数据，消息数据是在目标群内，用户所发送的聊天对话。预设时间段是预先设置好的，可以为10天、8天等，本申请在此不予限制。单位时间段包括12小时、24小时等，优选的，单位时间段为24小时。例如，预设时间段为10天，则单位时间段为一天(即24小时)。目标单位时间段是预设时间段内，最后一个单位时间段。例如，预设时间段是从XXXX年XX月1日0时0分0秒到XXXX年XX月10日24时0分0秒，则目标单位时间段是XXXX年XX月10日0时0分0秒到XXX年XX月10日24时0分0秒。

具体的，目标群中的各消息数据都有时间戳信息，其中，时间戳信息是表示该消息数据已经存在的字符序列，该字符序列表征数据存在时的时间，例如，时间为XXX年XX月10日24时0分0秒，则字符序列为XXXXX10240000。根据目标群中各消息数据的时间戳信息，选出符合预设时间段的消息数据。

在上述步骤S102中，消息数据量是消息数据集中所有消息数据的数量。合成活跃值是预设时间段内各单位时间段的活跃值之和。

具体的，针对一个目标用户，统计该用户在各单位时间段内的发言量，并计算该用户在该单位时间段内的发言量与该单位时间段内所有发言量的发言比值。对各单位时间段内该用户的发言量和发言比值进行加权求和，得到该单位时间段内该用户的活跃值，最后，将该用户在各单位时间段内的活跃值进行求和，得到合成活跃值。

在上述步骤S103中，内容信息是消息数据的文字内容。话题发起概率是目标用户首次发起话题的概率。

具体的，根据消息数据的时间戳信息，从消息数据集中选出目标单位时间段内的消息数据。根据目标时间段内的各消息数据的时间戳信息对消息数据进行分组。针对每一分组，计算相邻消息数据的上下文关系，具有关联关系的消息数据分为一个轮次。计算各轮次中各目标用户的话题发起概率。针对各目标用户，各轮次的话题发起概率相加，得到该用户在目标单位时间段内的话题发起概率。

在上述步骤S104中，预设标识是预先设置好的符号，该符号为@等，本申请在此不予限制。

具体的，根据目标时间段内各消息数据的内容信息，统计预设标识后各用户对应的数量，各用户对应的数量为标记量。

例如，消息数据的内容信息为：“你今天买XXX产品了吗？@A”，则@为预设标识，用户A被预设标识标记一次，按照上述方法，统计用户A被标记的标记量。

在上述步骤S105中，在目标单位时间段内，各目标用户都有合成活跃值、话题发起概率和标记量。在计算用户影响值的时候，合成活跃值、话题发起概率和标记量分别乘以相应的权重值，对乘以权重值之后的合成活跃值、话题发起概率和标记量进行相加，得到用户的影响值。

在上述步骤S106中，根据各用户对应的影响值，筛选出影响值最高的目标用户，给该目标用户分配营销产品的任务，让该目标用户对该产品进行营销。

本申请提供了一种营销产品的方法，通过计算各目标用户在目标单位时间段内的合成活跃值、话题发起概率和标记量，进而，得到各目标用户的影响值，根据影响值筛选出最有影响力的目标用户，将营销产品的任务分配给最具有影响力的目标用户，通过该目标用户对产品进行营销，扩大了该产品的影响力，提高了产品营销的效率。

为了保证目标用户影响值计算的更准确，在步骤S101获取目标群的消息数据之后，还需要对获取的消息数据进行预处理。

具体的，在获取的目标群在预设时间段内的所有消息数据之后，需要对所有的消息数据进行数据预处理。数据预处理是根据预设规则，删除不必要的消息数据。预设规则指的是消息数据中包含有早安、午安、晚安、打卡等词，并且消息数据的字数不超过字数阈值。字数阈值包括5、6、7、10、15等，本申请在此不予限制，优选的字数阈值为5。根据预设规则删除不必要的消息数据之后，剩下的所有消息数据组成消息数据集。

例如，字数阈值为5，消息数据集中有2个消息数据，2个消息数据分别为：“早安哦。”、“敷一张面膜就睡觉了，晚安。”。第一个消息数据中包含有“早安”，并且字数为4，未超过字数阈值，则删除第一个消息数据；第二个消息数据中包含有“晚安”，但是字数为13，超过字数阈值，保留第二个消息数据。

本实施例中，通过预设规则删除不必要的消息数据，保留有效的消息数据，减少了数据处理的数据量，也提高了数据处理的准确率。

为了更详细的了解各目标用户在单位时间段内的合成活跃值的计算过程，步骤S102，包括以下步骤：

步骤S1021，根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

步骤S1022，针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

步骤S1023，基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

在步骤S1021中，根据消息数据集中各消息数据的时间戳信息，确定各消息数据所在的单位时间段，统计各单位时间段内的消息数据的消息数据量。

其中，并不是所有的消息数据的时间戳信息与单位时间段的时间是对应的。当相邻的两个消息数据的时间戳信息之间的时间差不超过时间阈值时，但两个消息数据的是时间戳信息分别对应两个相邻的单位时间段，则后一个消息数据属于前一个单位时间段。时间阈值是实际情况人为规定的，本申请在此不予限制。

例如，时间阈值为10分钟，消息数据a的时间戳信息表征的时刻为XXXX年XX月2日23时59分00秒，该时刻对应的单位时间段为单位时间段T1；消息数据b的时间戳信息表征的时刻为XXXX年XX月3日00时01分00秒，该时刻对应的单位时间段为单位时间段T2，则消息数据b与消息数据a属于单位时间段T1。

在上述步骤S1022中，针对每一个目标用户，在各单位时间段内所有的消息数据中，统计出该目标用户所对应的消息数据量。其中，各消息数据都有一个用户标识的属性，消息数据的用户标识用于表征该消息数据是用户标识对应的用户所发送的。在筛选该目标用户发送的消息时，筛选出具有该目标用户对应的用户标识的消息数据，统计筛选完成后的消息数据量。

计算该目标用户在单位时间段内的消息数据量与单位时间内的消息数据量的比值。

对该目标用户在单位时间段内的消息数据量和上述计算得到的比值，进行加权求和，得到该目标用户在单位时间段内的活跃值。

单位时间段内的活跃值计算公式为：

active_i＝β*num_i+γ*percent_i；

其中，i为第i个单位时间段，active_i为第i个单位时间段的活跃值，num_i为目标用户在第i个单位时间段的内的消息数据量，percent_i为目标用户在第i个单位时间段内的消息数据量与第i个单位时间内的消息数据量的比值，β、γ为人为规定的加权值，取值范围大于0，本申请在此不予限制。

在步骤S1023中，预设时间衰减系数是根据时间控制衰减函数以及预设系数范围，预先计算好的。各单位时间段都有一个对应的预设时间衰减系数。预设系数范围是人为规定的，大于0的值，本申请在此不予限制。

时间控制衰减函数为：

N(i)＝N_oe^-α(i+l)；

其中，i为第i个单位时间段，N(i)为第i个单位时间段的时间衰减系数，N_o为N在0时刻的初始值，e为自然常数的底数，α和l为控制系数，上述两个控制系数的取值是由预设系数范围决定的。

例如，预设时间段有10个单位时间段，预设系数范围为[1,0.1]，说明在预设时间段内，时间衰减系数从1衰减至0.1。根据预设系数范围计算控制系数α和l，将1和0.1带入到时间控制衰减函数得到如下公式：

计算得到，控制系数

控制系数

在计得到各单位时间的时间衰减系数后，计算各单位时间段的活跃值与该单位时间段对应的时间衰减系数的乘积，将预设时间段内各段位时间的活跃值与时间衰减系数的乘积值相加，得到目标单位时间段内的合成活跃值。

目标单位时间段内的合成活跃值的计算公式为：

其中，Sactive为目标单位时间段内的合成活跃值，i为第i个单位时间段，n为共n个单位时间段，active_i为第i个单位时间段的活跃值，N_o为N在0时刻的初始值，e为自然常数的底数，α和l为控制系数。

通过上述三个步骤，说明目标用户在目标单位时间段内的活跃度，不仅仅是根据目标单位时间段内的发言量得到的，是与目标单位时间段最近的多个单位时间段的发言量相关的。

如果某目标用户在目标单位时间段内没有发言，但是在目标单位时间段之前的6个单位时间段都有大量发言。不能根据该目标用户在目标单位时间段内没有发言，就说明该目标用户不活跃，这个结论是不准确的。因为，在目标单位时间段之前的6个单位时间段是很活跃的，只根据目标单位时间段内的发言量来计算该目标用户的活跃值并不准确，计算结果比较片面，需要结合目标单位时间段之前的各单位时间段的发言量来计算目标单位时间段的合成活跃值，通过上述这种目标用户在目标单位时间段内的合成活跃值的方式更准确。

为了更详细的了解各目标用户在目标单位时间段内的话题发起概率的计算过程，步骤S103，包括以下步骤：

步骤S1031，根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

步骤S1032，针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

步骤S1033，针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

步骤S1034，根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

在上述步骤S1031中，按照时间顺序，对目标单位时间段内的消息数据进行分组。分组规则为，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值。针对每一分组，相邻的两个消息数据，前一条消息数据的时间戳信息与后一条消息数据的时间戳信息的时间差不超过预设时间阈值。

例如，预设时间阈值为10分钟，消息数据c1的时间戳信息表征的时刻为XXXX年XX月3日12时01分00秒，消息数据c1的时间戳信息表征的时刻为XXXX年XX月3日12时05分00秒，消息数据c3的时间戳信息的时间表征的时刻为XXXX年XX月3日12时21分00秒。消息数据c1和消息数据c2之间没有其他消息数据，消息数据c2和消息数据c3之间没有其他消息数据。消息数据c1和消息数据c2之间的时间差为4分钟，没有超过预设时间阈值，则消息数据c1和消息数据c2属于同一分组。消息数据c2和消息数据c3之间的时间差为16分钟，超过了预设时间阈值，则消息数据c3与消息数据c1、消息数据c2不属于同一分组，消息数据c1和消息数据c2为前一分组的消息数据，消息数据c3为后一分组的消息数据。

在上述步骤S1032中，针对每一个分组，根据该分组中的各消息数据的内容信息，通过Bert算法计算各消息数据之间的上下文关系值。若两条消息数据之间的上下文关系值大于预设关系值，说明两条消息数据之间关联关系较大，分为同一轮次；若两条消息数据之间的上下文关系值小于预设关系值，说明两条消息数据之间关联关系较小，不分为同一轮次。其中，预设关系值是根据实际情况设置的，包括50％、60％等，优选的，预设关系值为50％。根据各消息数据之间的上下文关系值，将分组中的各消息数据根据话题的不同进行轮次的划分。

例如，预设关系值为50％，有10条消息数据，分别为d1、d2、d3、d4、d5、d6、d7、d8、d9、d10。通过Bert算法计算得到，d2与d1的上下文关系值为80％，d2与d1分为同一轮次，记为轮次E1；d3与d2的上下文关系值为60％，d3与d2分为同一轮次；d4与d3的上下文关系值为30％，d4分为另一轮次，记为轮次E2；d5与d4的上下文关系值为20％，此时，d5与d4不属于同一轮次，计算d5与d3之间的上下文关系值，计算得到d5与d3的上下文关系值为70％，则d5与d3分为同一轮次；d6与d5的上下文关系值为50％，d6与d5分为同一轮次；d7与d6的上下文关系值为20％，再一次计算d7与d4之间的上下文关系值，得到d7与d4之间的上下文关系值为35％，则d7与d4、d6都不属于同一轮次，记为轮次E3；d8与d7的上下文关系值为21％，计算得到d8与d6的关系值为82％，则d8与d6属于同一轮次；d9与d8的上下文关系值为97％，则d9与d8属于同一轮次；d10与d9的上下文关系值为10％，计算d10与d7之间的上下文关系值为41％，计算d10与d4之间的上下文关系值为67％，则d10与d4属于同一轮次。

由上述计算结果可知，d1、d2、d3、d5、d6、d8、d9属于轮次E1；d4、d10属于轮次E2；d7属于轮次E3。

在轮次划分结束后，为了减少数据处理的数据量，可以减少因消息数据较少，对话题影响较小的轮次。针对每一轮次，统计各轮次的消息数据量。删除小于预设消息数据量的轮次，保留大于或等于预设消息数据量的轮次。其中，预设消息数据量是根据实际情况规定的，预设消息数据量包括5、6等，本申请在此不予限制。

在上述步骤S1033中，预设阈值控制范围是预先设置好的、大于0的数值，本申请在此不予限制。

具体的，针对保留的每一轮次，利用预设阈值控制范围和话题发起概率计算公式，计算该轮次中各消息数据的泊松分布比。根据各消息数据的时间戳信息，以及对应的用户标识，确定各目标用户在该轮次中第一条消息数据的泊松分布比，针对各目标用户，该目标用户的第一条消息数据对应的泊松分布比为该目标用户的话题发起概率。

话题发起概率计算公式为：

其中，k为第k条消息数据，e为自然常数的底数，τ、γ为控制系数，上述两个控制系数的值是由预设阈值控制范围决定的。

例如，预设阈值控制范围为[0.9，0.01]，轮次中共有m条消息数据，将该0.9和0.01代入话题发起概率计算公式得到如下公式：

计算得到，控制系数

控制系数

将计算得到的控制系数λ、τ带入到话题发起概率计算公式中，计算各消息数据的泊松分布比，进而，确定各目标用户在该轮次中的话题发起概率。

在步骤S1034中，在目标单位时间段内，针对各目标用户，根据该目标用户在各轮次的话题发起概率，计算该目标用户在目标单位时间段内的话题发起概率。

通过上述三个步骤，通过各轮次的消息数据量和目标单位时间段内的消息数据量，计算目标用户在目标单位时间段内的话题发起概率，使得计算得到的话题发起概率更准确。

为了更准确的计算目标用户单位时间段的话题发起概率，本申请提供了一种更详细的计算目标用户单位时间段的话题发起概率的方法，步骤S1034包括：

步骤S10341，针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

步骤S10342，计算该目标用户在各轮次对应的乘积的累加值；

步骤S10343，计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

在上述步骤S10341中，在目标单位时间段内共有K个轮次，目标用户用字母r表示，L_K表示第K个轮次的消息数据量，

表示用户r在第K个轮次的话题发起概率。在第K个轮次中，用户r的话题发起概率与消息数据量的乘积为

在上述步骤S10342中，计算目标单位时间段内，所有轮次中用户r的话题发起概率与消息数据量的乘积的累加值，即

在上述步骤S10343中，根据上述步骤S10342中的累加值与目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率G_r。

其中，r为第r个用户，G_r为目标单位时间段内第r个用户的话题发起概率，K为第K个轮次，M为目标单位时间段内包含的消息数据量，

为用户r在第K个轮次的话题发起概率，L_K为第K个轮次的消息数据量。

为了更详细的了解各目标用户在目标单位时间段内的标记量的计算过程，步骤S104，包括：

步骤S1041，根据预设规则筛选出所述第二预设时间段内包含有预设标识的消息数据；

步骤S1042，根据筛选后的消息数据以及所述预设标识后的用户，统计各目标用户的标记量。

在步骤S1041中，预设规则是预先设置好的，例如，爬虫算法等，本申请在此不予限制。

具体的，在目标段位时间段内的所有消息数据中，利用预设规则，选出含有预设标识的消息数据。

在步骤S1042中，筛选出的消息数据中包含有内容信息，内容信息中的预设标识后会有表征各用户的用户标识，根据用户标识在预设关系表中查找到对应的用户ID。其中，预设关系表中存储有用户标识和该用户标识对应的用户ID，用户ID是目标用户的唯一标识。统计筛查找到的各用户ID的数量。

因各目标用户的用户标识可能存在重复的情况，因此，在统计各目标用户被标记的数量时，需要统计表征各目标用户的唯一标识。

为了更详细的了解各目标用户在目标单位时间段内的影响值的计算过程，步骤S105，包括：

步骤S1051，针对每一目标用户，对该目标用户的合成活跃值、话题发起概率和标记量进行加权求和，得到该目标用户的影响值。

在步骤S1051中，在计算目标用户的影响值时，根据已经计算得到的各目标用户的合成活跃值、话题发起概率和标记量，对上述各值乘以相应的权重，将上述乘以相应权重的三个值相加，得到各目标用户的影响值。

计算目标用户影响值的计算公式为：

Influence_r＝δ*Sactive_r+μ*G_r+σ*θ_r；

其中，r为第r个目标用户，Influence_r为第r个目标用户的影响值，Sactive_r为第r个用户在目标单位时间内的合成活跃值，G_r为第r个目标用户在目标单位时间内的话题发起概率，θ_r为第r个目标用户在目标单位时间内的标记量，δ、μ、σ是认为规定的加权值，取值范围大于0，本申请在此不予限制。

如图2所示，本申请提供了一种营销产品的装置，包括：

获取模块201，用于获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

合成活跃值计算模块202，用于根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

话题发起概率计算模块203，用于根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

标记量计算模块204，用于从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

确定模块205，用于基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

分配模块206，用于将产品分配给影响值最高的目标用户进行营销。

可选的，所述合成活跃值计算模块202具体用于：

根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

如图3所示，所述话题发起概率计算模块203具体包括：分组单元2031、轮次划分单元2032、第一计算单元2033和第二计算单元2034；

所述分组单元2031，具体用于根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

所述轮次划分单元2032，具体用于针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

所述第一计算单元2033，具体用于针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

所述第二计算单元2034，具体用于根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

可选的，所述第二计算单元2034具体用于：

针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

计算该目标用户在各轮次对应的乘积的累加值；

计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

可选的，所述标记量计算模块204具体用于：

根据预设规则筛选出所述第二预设时间段内包含有预设标识的消息数据；

根据筛选后的消息数据以及所述预设标识后的用户，统计各目标用户的标记量。

可选的，所述确定模块205具体用于：

针对每一目标用户，对该目标用户的合成活跃值、话题发起概率和标记量进行加权求和，得到该目标用户的影响值。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种营销产品的方法，其特征在于，包括：

获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

将产品分配给影响值最高的目标用户进行营销；

所述根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值，包括：

根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该目标用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

2.如权利要求1所述的方法，其特征在于，所述根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率，包括：

根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

3.如权利要求2所述的方法，其特征在于，所述根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率，包括：

针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

计算该目标用户在各轮次对应的乘积的累加值；

计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

4.如权利要求1所述的方法，其特征在于，所述从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量，包括：

根据预设规则筛选出第二预设时间段内包含有预设标识的消息数据；

根据筛选后的消息数据以及所述预设标识后的用户，统计各目标用户的标记量。

5.如权利要求1所述的方法，其特征在于，所述基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值，包括：

针对每一目标用户，对该目标用户的合成活跃值、话题发起概率和标记量进行加权求和，得到该目标用户的影响值。

6.一种营销产品的装置，其特征在于，包括：

获取模块，用于获取目标群在预设时间段内通信的消息数据集，其中，所述消息数据集包含有多个目标用户对应的消息数据，所述预设时间段包括多个单位时间段，距离当前时间最近的单位时间段为目标单位时间段；

合成活跃值计算模块，用于根据所述消息数据集包含的消息数据量，以及各消息数据对应的时间戳信息，确定各目标用户在所述目标单位时间段内的合成活跃值；

话题发起概率计算模块，用于根据所述目标单位时间段内包含的各消息数据的时间戳信息以及内容信息，确定各目标用户在所述目标单位时间段内对应的话题发起概率；

标记量计算模块，用于从所述目标单位时间段内包含的各消息数据中，统计各目标用户被预设标识标记的标记量；

确定模块，用于基于各目标用户的所述合成活跃值、所述话题发起概率和所述标记量，确定各目标用户在所述目标单位时间段内的影响值；

分配模块，用于将产品分配给影响值最高的目标用户进行营销；

所述合成活跃值计算模块具体用于：

根据消息数据对应的时间戳信息，确定每一单位时间段内包含的消息数据量；

针对每一目标用户，统计该目标用户在各单位时间段内的消息数据量，基于该用户在单位时间段内的消息数据量以及该单位时间段内的消息数据量，计算该目标用户在该单位时间段内的活跃值；

基于该目标用户在各单位时间段内的活跃值以及预设时间衰减系数，计算得到该目标用户在所述目标单位时间段内的合成活跃值。

7.如权利要求6所述的装置，其特征在于，所述话题发起概率计算模块包括：分组单元、轮次划分单元、第一计算单元和第二计算单元；

所述分组单元，具体用于根据所述目标单位时间段内各消息数据的时间戳信息，将所述目标单位时间段内各消息数据进行顺序分组，其中，相邻两个分组中，前一分组的最后一条消息数据的时间戳信息与后一分组的第一条消息数据的时间戳信息的时间差超过预设时间阈值；

所述轮次划分单元，具体用于针对每一分组，根据该分组内各消息数据的内容信息，进行轮次划分；

所述第一计算单元，具体用于针对每一轮次，将该轮次中包含的消息数据量、目标用户在该轮次中的第一条消息数据的时间戳信息以及预设阈值控制范围应用于预先设置的话题发起概率计算公式，计算该目标用户在该轮次的话题发起概率；

所述第二计算单元，具体用于根据该目标用户在各轮次的话题发起概率、所述目标单位时间段内包含的消息数据量、各轮次包含的消息数据量，计算该目标用户在所述目标单位时间段内的话题发起概率。

8.如权利要求7所述的装置，其特征在于，所述第二计算单元具体用于：

针对所述目标单位时间段内的每一轮次，计算该目标用户在该轮次的话题发起概率与该轮次包含的消息数据量的乘积；

计算该目标用户在各轮次对应的乘积的累加值；

计算所述累加值与所述目标单位时间段内包含的消息数据量的比值，得到该目标用户在所述目标单位时间段内的话题发起概率。

Images