CN110389963B - 基于大数据的渠道效果识别方法、装置、设备和存储介质 - Google Patents

基于大数据的渠道效果识别方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN110389963B
CN110389963B CN201910527851.4A CN201910527851A CN110389963B CN 110389963 B CN110389963 B CN 110389963B CN 201910527851 A CN201910527851 A CN 201910527851A CN 110389963 B CN110389963 B CN 110389963B
Authority
CN
China
Prior art keywords
product
target
channel
products
effect
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.)
Active
Application number
CN201910527851.4A
Other languages
English (en)
Other versions
CN110389963A (zh
Inventor
郭鸿程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN201910527851.4A priority Critical patent/CN110389963B/zh
Publication of CN110389963A publication Critical patent/CN110389963A/zh
Application granted granted Critical
Publication of CN110389963B publication Critical patent/CN110389963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明揭示了一种基于大数据的渠道效果识别方法、装置、设备和存储介质，其中方法包括接收目标用户、渠道和目标产品的产品信息，得到目标产品的产品权重值；依次选取渠道，同时依次选取第二目标用户，选取以模拟用户特定行为的方式获取该选取的渠道的页面内容相似度最高的第二目标产品；对渠道中相同的目标产品归类为一种第三目标产品；统计第三目标产品在每个渠道出现的数量并计算第三目标产品在每个渠道的分布百分比，由分布百分比乘以对应的产品权重值得出第三目标产品在每个渠道的分布值；将各个第三目标产品在每个渠道的分布值进行累加，得到每个渠道的效果得分；根据效果得分识别渠道的投放效果。本发明旨在解决如何识别渠道效果的问题。

Description

基于大数据的渠道效果识别方法、装置、设备和存储介质
技术领域
本发明涉及到大数据技术领域，特别是涉及到一种基于大数据的渠道效果识别方法、装置、设备和存储介质。
背景技术
在做广告投放选择广告投放渠道的时候，很需要知道不同渠道的广告投放效果，但是广告投放效果的数据都是由渠道提供，有时候很难从渠道获取准确的信息。因此，如何识别渠道广告投放效果是亟待解决的问题。
发明内容
本发明的主要目的为提供一种基于大数据的渠道效果识别方法、装置、设备和存储介质，旨在解决如何识别渠道广告投放效果的问题。
为了实现上述发明目的，本发明提出一种基于大数据的渠道效果识别方法，包括：
接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
从多个渠道中依次选取一个渠道，并在每选取一个渠道时，从多个第一目标用户中依次选取一个第二目标用户，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容，并计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品，以得到每一个第二目标产品在每一个渠道中对应的第二目标产品，特定行为至少包括第二目标用户进行与预设业务相关的行为；
对各个第二目标产品在每一个渠道中对应的第二目标产品进行对比，将相同的第二目标产品归类为一种第三目标产品；
依次统计第三目标产品在每一个渠道出现的第一数量；
根据第一数量，由预设公式计算第三目标产品在每一个渠道的分布百分比；
由分布百分比乘以第三目标产品的产品权重值得出第三目标产品在每一个渠道的分布值；
将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分；
根据每一个渠道的效果得分识别渠道的投放效果。
进一步地，产品信息至少包括第一目标产品的产品数据，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值产品权重值的步骤中，包括：
根据每一个产品数据将多个第一目标产品进行升序排序，并根据多个第一目标产品的排序顺序对多个第一目标产品进行升序编号，将编号记为第一目标产品的产品权重值，得到每一个第一目标产品的产品权重值。
进一步地，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容的步骤中，包括：
从系统数据库中获取第二目标用户的历史的用户行为特征；
分析用户行为特征，得到第二目标用户的特定行为；
模拟第二目标用户按照特定行为获取该选取的渠道的页面内容。
进一步地，根据每一个渠道的效果得分识别渠道的投放效果的步骤中，包括：
将每一个渠道的效果得分进行相互对比，效果得分越高则表明渠道的投放效果越好，以此识别每一个渠道的投放效果。
进一步地，产品信息包括产品内容，计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品的步骤中，包括：
将页面内容转换为文字内容；
依次从多个第一目标产品的产品信息中获取产品内容，计算产品内容与文字内容的相似度；
在多个第一目标产品中选取与文字内容相似度最高的第二目标产品。
进一步地，产品内容为第一产品关键字，计算产品内容与文字内容的相似度的步骤中，包括：
将第一产品关键字与文字内容逐一匹配，得到与文字内容相同的第二产品关键字数量；
计算第二产品关键字数量和第一产品关键字数量之比，得到产品内容与文字内容的相似度。
进一步地，将第一产品关键字与文字内容逐一匹配，得到与文字内容相同的第二产品关键字数量的步骤中，包括：
将文字内容进行分词处理；
将第一产品关键字与各个分词进行匹配，得到与分词相同的第二产品关键字；
统计第二产品关键字数量。
本发明还提出一种基于大数据的渠道效果识别装置，包括：
接收模块，用于接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
获取模块，用于从多个渠道中依次选取一个渠道，并在每选取一个渠道时，从多个第一目标用户中依次选取一个第二目标用户，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容，并计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品，以得到每一个第二目标产品在每一个渠道中对应的第二目标产品，特定行为至少包括第二目标用户进行与预设业务相关的行为；
对比模块，用于对各个第二目标产品在每一个渠道中对应的第二目标产品进行对比，将相同的第二目标产品归类为一种第三目标产品；
统计模块，用于依次统计第三目标产品在每一个渠道出现的第一数量；
第一计算模块，用于根据第一数量，由预设公式计算第三目标产品在每一个渠道的分布百分比；
第二计算模块，用于由分布百分比乘以第三目标产品的产品权重值得出第三目标产品在每一个渠道的分布值；
累加模块，用于将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分；
识别模块，用于根据每一个渠道的效果得分识别渠道的投放效果。
本发明还提出一种设备，包括存储器和处理器，所述存储器存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述任一项方法的步骤。
本发明还提供一种计算机非易失性可读存储介质，其上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述任一项方法的步骤。
本发明基于大数据的渠道效果识别方法、装置、设备和存储介质的有益效果为：通过在多个渠道模拟多个用户特定行为的方式采集多个页面内容，将页面内容与多个目标产品进行匹配，统计每个目标产品在每个渠道出现数量，进而计算每个目标产品在每个渠道的分布百分比，以分布百分比乘以对应目标产品的影响权重值，得到各个渠道的分布值，将渠道的分布值累加，根据累加的分值得到渠道的效果得分，根据效果得分可以判断每个目标产品在每个渠道的投入情况，能得到多个目标产品对于每个渠道的综合投入选择，渠道的效果得分越高，多个目标产品对该渠道的综合的投入资源比较高，从多个目标产品对渠道的投入情况即可识别每个渠道的广告投放效果。
附图说明
图1为本发明基于大数据的渠道效果识别方法的步骤示意图；
图2为本发明基于大数据的渠道效果识别装置的流程示意图；
图3为本发明设备一实施例的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，一种基于大数据的渠道效果识别方法，包括：
S1、接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
S2、从多个渠道中依次选取一个渠道，并在每选取一个渠道时，从多个第一目标用户中依次选取一个第二目标用户，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容，并计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品，以得到每一个第二目标产品在每一个渠道中对应的第二目标产品，特定行为至少包括第二目标用户进行与预设业务相关的行为；
S3、对各个第二目标产品在每一个渠道中对应的第二目标产品进行对比，将相同的第二目标产品归类为一种第三目标产品；
S4、依次统计第三目标产品在每一个渠道出现的第一数量；
S5、根据第一数量，由预设公式计算第三目标产品在每一个渠道的分布百分比；
S6、由分布百分比乘以第三目标产品的产品权重值得出第三目标产品在每一个渠道的分布值；
S7、将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分；
S8、根据每一个渠道的效果得分识别渠道的投放效果。
在上述步骤S1中，以贷款业务为例，首先在已申请过贷款业务的用户中筛选出多个目标用户，例如由专家从用户数据库中挑选出一批具有代表性、普遍性的目标用户，多个目标用户可以是海量的用户，同时选取多个目标产品，目标产品可以是运维人员根据目标用户选择的，如运维人员分析目标用户的用户画像，在自身产品选择合适目标用户的多个预测产品，在根据选出的多个预测产品在竞争产品中挑选出与预测产品同类的竞争产品作为目标产品，产品权重值是表示目标产品的重要程度，可以让表现好的目标产品与表现差的目标产品进行区分。
进一步地，产品信息至少包括第一目标产品的产品数据，在步骤S1中，包括：
S11、根据每一个产品数据将多个第一目标产品进行升序排序，并根据多个第一目标产品的排序顺序依次给多个第一目标产品进行升序编号，将编号记为第一目标产品的产品权重值，得到每一个第一目标产品的产品权重值。
在上述步骤S11中，产品权重值主要的依据是根据每个第一目标产品的产品数据情况来确定，产品数据可以是产品业绩等，如目标产品业绩好，表现好，那么相对来说第一目标产品所投放的渠道是比较重要的，例如有五个第一目标产品，按产品业绩升序排序，业绩最低的第一目标产品排在第一位，业绩最高的第一目标产品排在第五位，那么业绩最低的目标产品的产品权重值为一，业绩最高的目标产品的产品权重值为五，以此确定五个第一目标产品的产品权重值。
在上述步骤S2中，在每一个渠道以模拟每一个目标用户特定用户行为的方式获取选取的渠道的页面内容，特定行为至少包括目标用户进行与预设业务相关的行为，例如，我们预设业务是贷款，第二目标用户在双十一的时候购买东西的时候，容易申请贷款，那么可以在渠道中模拟类似资质的用户在类似的时间进行类似的操作，获取渠道投放广告的页面内容，页面内容可以通过截屏获取，并计算将获取的页面内容与第二目标产品的产品信息的相似度，如通过文字内容进行匹配，从而分析以模拟第二目标用户特定行的方式为在渠道获取的页面内容是否存在与第一目标产品相关的内容，确定页面内容对应的是哪个第二目标产品，从而得到第二目标用户在该选取的渠道中对应的第二目标产品，通过在每一个渠道中选取每一个第二目标用户，以得到每一个第二目标用户在每一个渠道中对应的第二目标产品，上述渠道是选择投放的目标产品广告的渠道。
进一步地，在步骤S2中，包括：
S21、从系统数据库中获取第二目标用户的历史的用户行为特征；
S22、分析用户行为特征，得到第二目标用户的特定行为；
S23、模拟第二目标用户按照特定行为获取该选取的所述渠道的页面内容。
在本实施例中，用户行为主要是指用户在互联网、移动互联网上的行为，例如浏览网页、搜索记录、使用应用软件、网络社交行为等等。系统数据库中有针对不同的网络数据源独立的收集每个用户的用户行为数据，例如可以搜集用户所访问的网站、搜索内容、访问时间、网站内容，手机应用程序使用情况等等。在系统数据库中获取第二目标用户的历史行为特征数据，并对获取的用户行为特征通过大数据进行分析，确定第二目标用户在申请贷款产品时的操作行为，例如第二目标用户在去年双十一购买车的时候申请了贷款，即第二目标用户进行与预设业务(贷款)相关的行为是双十一的时候购买车，即可以得到第二目标用户特定行为是双十一的时候购买车，根据得到的第二目标用户的特定行为，通过爬虫软件与渠道的接口API交互，虚拟的在渠道中模拟第二目标用户按照特定行为进行操作，然后获取到渠道的页面内容。
进一步地，在步骤S2中，还包括：
S24、判断页面内容是否和预设业务相关；
S25、若与预设的业务相关，则进入计算所述页面内容与多个第一目标产品的所述产品信息的相似度的步骤。
在本实施例中，考虑到模拟用户行为获取渠道的页面内容是随机的，因此获取的页面内容可能和我们业务完全无关，直接将页面内容和每个目标产品的产品信息直接匹配，一是匹配次数多，二是完全无关业务的内容匹配起来会比较浪费时间，效率也会慢，所以可以先与预设的业务去对比，确定页面内容是否含有和我们业务相关的内容，如我们的业务是贷款业务，可以查找页面内容中是否有贷款等字眼，若没有，则判断获取的页面内容是和预设的贷款业务无关的，则采集的渠道当前的页面内容中没有目标产品的产品信息，所以针对这次采集的页面内容，可以直接过滤，不需要再和目标产品的产品信息去进行相似度匹配。
进一步地，产品信息包括目标产品的产品内容，在步骤S2中，包括：
S26、将页面内容转换为文字内容；
S27、依次从多个第一目标产品的产品信息中获取产品内容，计算产品内容与文字内容的相似度；
S28、在多个第一目标产品中选取与文字内容相似度最高的第二目标产品。
在本实施例中，一般采集的页面内容是通过截屏等手段采集到的页面图片，对页面图片可以通过进行光学字符识别(Optical Character Recognition，简称OCR)，即针对印刷体字符，采用光学的方式将文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式。利用OCR对页面图片进行字符识别，以识别出页面图片中的文字内容，将识别的文字内容与多个目标产品的产品内容进行计算相似度，相似度可以通过python、Java等对比两段字符串的相似度或者根据关键字去匹配，得到多个目标产品的产品内容与获取的页面内容的相似度，在计算的相似度中选择相似度最高的第一目标产品作为对应页面内容的第二目标产品，这是由于相似度最高则可以认为获取的页面内容中有对应第二目标产品的产品内容。
进一步地，产品内容为第一产品关键字，在步骤S27中，包括：
S271、将第一产品关键字与文字内容逐一匹配，得到与文字内容相同的第二产品关键字数量；
S272、计算第二产品关键字数量和第一产品关键字数量之比，得到产品内容与文字内容的相似度。
在本实施例中，考虑到全部产品内容与页面内容进行对比会比较繁琐，我们可以将目标产品的产品内容设定若干第一产品关键字，如目标产品的种类是消费贷、现金贷、信用贷等，其他第一产品关键字还可以是期限、额度金额(最高)、放贷时间等，每个第一产品关键字去和页面内容转化的文字内容进行匹配，与文字内容相同的记为第二产品关键字，相似度为第二产品关键字个数与第一产品关键字总数的比例，如目标产品设定的第一产品关键字有10个，而有8个第二产品关键字，则8/10＝0.8，即相似度为80％。
进一步地，在步骤S271中，包括：
S2711、将文字内容进行分词处理；
S2712、将第一产品关键字与各个分词进行匹配，得到与分词相同的第二产品关键字；
S2713、统计第二产品关键字数量。
在本实施例中，将转换的文字内容进行分词时可采用N元文法统计模型(N-gramModel)、隐马尔科夫模型(Hidden Markov Model，简称HMM)、最大熵模型(Maximum EntropyModel)来进行分词，分词算法可包括：正向最大匹配，反向最大匹配，双向最大匹配，最短路径算法等，用文字内容的分词与第一产品关键字进行匹配，由于分词与第一产品关键字都是短词组，在匹配的过程中不需要重复匹配多次，以此得到与分词相同的第二产品关键字，统计第二产品关键字的数量。
在上述步骤S3中，对每一个渠道中出现的第二目标产品进行对比，将相同的第二目标产品进行归类为一种第三目标产品，可以得到多个第三目标产品，这多个第三目标产品都是不同的目标产品，以方便后续统计在同一渠道出现的相同的目标产品的数量。
在上述步骤S4中，在多个第三目标产品中依次选取一个第三目标产品，统计第三目标产品在每一个渠道出现的第一数量，从而得到每一个第三目标产品在每一个渠道出现的第一数量。
在上述步骤S5中，将第三目标产品在每一个渠道出现的第一数量进行相加，得到第三目标产品在多个渠道出现的总的第二数量，用第一数量除以第二数量即可得到第三目标产品在每一个渠道的分布百分比，这分布百分比可以从侧面说明第三目标产品在每一个渠道的投入情况。
在上述步骤S6中，以第三目标产品在每一个渠道的分布百分比乘以对应第三目标产品的产品权重值，得到第三目标产品在每一个渠道的分布效果值，即第三目标产品的业绩如果相对比较好，那么其产品权重值也相对比较好，得到的分布效果值也会比较高，这个分布效果值可以说明第三目标产品选择每个渠道投入的情况，第三目标产品在渠道的分布效果值比较高，则第三目标产品到该渠道投入的资源也相对比较高，这也可以侧面说明该渠道的转化效果也相对比较好，那么渠道的投放效果也相对比较好。
在上述步骤S7中，将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分，效果得分即所有的第三目标产品在每一个渠道中投入的情况，效果得分越高，则说明所有第三目标产品在该渠道综合投入的资源是比较高的，也可以从侧面说明该渠道的投放效果是比较好。
在上述步骤S8中，渠道的效果得分说明所有第三目标产品在该渠道综合投入的资源的情况，即可以从侧面说明该渠道的投放效果，进而可以识别每一个渠道的投放效果，以方便我们选择广告投放渠道，并且可以调整每个渠道的资源投入情况。
进一步地，在步骤S8中，包括：
S81、将每一个渠道的效果得分进行相互对比，效果得分越高则表明渠道的投放效果越好，以此识别每一个渠道的投放效果。
在上述步骤S81中，将每一个渠道的效果得分进行相互对比，效果得分越高，则说明所有第三目标产品在该渠道综合投入的资源是比较高的，从侧面说明该渠道的投放效果是比较好，以此识别每一个渠道的投放效果。
参照图2，本发明还提出一种基于大数据的渠道效果识别装置，包括：
接收模块1，用于接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
获取模块2，用于从多个渠道中依次选取一个渠道，并在每选取一个渠道时，从多个第一目标用户中依次选取一个第二目标用户，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容，并计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品，以得到每一个第二目标产品在每一个渠道中对应的第二目标产品，特定行为至少包括第二目标用户进行与预设业务相关的行为；
对比模块3，用于对各个第二目标产品在每一个渠道中对应的第二目标产品进行对比，将相同的第二目标产品归类为一种第三目标产品；
统计模块4，用于依次统计第三目标产品在每一个渠道出现的第一数量；
第一计算模块5，用于根据第一数量，由预设公式计算第三目标产品在每一个渠道的分布百分比；
第二计算模块6，用于由分布百分比乘以第三目标产品的产品权重值得出第三目标产品在每一个渠道的分布值；
累加模块7，用于将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分；
识别模块8，用于根据每一个渠道的效果得分识别渠道的投放效果。
在上述接收模块1中，以贷款业务为例，首先在已申请过贷款业务的用户中筛选出多个目标用户，例如由专家从用户数据库中挑选出一批具有代表性、普遍性的目标用户，多个目标用户可以是海量的用户，同时选取多个目标产品，目标产品可以是运维人员根据目标用户选择的，如运维人员分析目标用户的用户画像，在自身产品选择合适目标用户的多个预测产品，在根据选出的多个预测产品在竞争产品中挑选出与预测产品同类的竞争产品作为目标产品，产品权重值是表示目标产品的重要程度，可以让表现好的目标产品与表现差的目标产品进行区分。
进一步地，产品信息至少包括第一目标产品的产品数据，接收模块1包括：
权重子模块，用于根据每一个产品数据将多个第一目标产品进行升序排序，并根据多个第一目标产品的排序顺序依次给多个第一目标产品进行升序编号，将编号记为第一目标产品的产品权重值，得到每一个第一目标产品的产品权重值。
在上述权重子模块中，产品权重值主要的依据是根据每个第一目标产品的产品数据情况来确定，产品数据可以是产品业绩等，如目标产品业绩好，表现好，那么相对来说第一目标产品所投放的渠道是比较重要的，例如有五个第一目标产品，按产品业绩升序排序，业绩最低的第一目标产品排在第一位，业绩最高的第一目标产品排在第五位，那么业绩最低的目标产品的产品权重值为一，业绩最高的目标产品的产品权重值为五，以此确定五个第一目标产品的产品权重值。
在上述获取模块2中，在每一个渠道以模拟每一个目标用户特定用户行为的方式获取选取的渠道的页面内容，特定行为至少包括目标用户进行与预设业务相关的行为，例如，我们预设业务是贷款，第二目标用户在双十一的时候购买东西的时候，容易申请贷款，那么可以在渠道中模拟类似资质的用户在类似的时间进行类似的操作，获取渠道投放广告的页面内容，页面内容可以通过截屏获取，并计算将获取的页面内容与第二目标产品的产品信息的相似度，如通过文字内容进行匹配，从而分析以模拟第二目标用户特定行的方式为在渠道获取的页面内容是否存在与第一目标产品相关的内容，确定页面内容对应的是哪个第二目标产品，从而得到第二目标用户在该选取的渠道中对应的第二目标产品，通过在每一个渠道中选取每一个第二目标用户，以得到每一个第二目标用户在每一个渠道中对应的第二目标产品，上述渠道是选择投放的目标产品广告的渠道。
进一步地，获取模块2中包括：
获取子模块，用于从系统数据库中获取第二目标用户的历史的用户行为特征；
分析子模块，用于分析用户行为特征，得到第二目标用户的特定行为；
模拟子模块，用于模拟第二目标用户按照特定行为获取该选取的所述渠道的页面内容。
在本实施例中，用户行为主要是指用户在互联网、移动互联网上的行为，例如浏览网页、搜索记录、使用应用软件、网络社交行为等等。系统数据库中有针对不同的网络数据源独立的收集每个用户的用户行为数据，例如可以搜集用户所访问的网站、搜索内容、访问时间、网站内容，手机应用程序使用情况等等。在系统数据库中获取第二目标用户的历史行为特征数据，并对获取的用户行为特征通过大数据进行分析，确定第二目标用户在申请贷款产品时的操作行为，例如第二目标用户在去年双十一购买车的时候申请了贷款，即第二目标用户进行与预设业务(贷款)相关的行为是双十一的时候购买车，即可以得到第二目标用户特定行为是双十一的时候购买车，根据得到的第二目标用户的特定行为，通过爬虫软件与渠道的接口API交互，虚拟的在渠道中模拟第二目标用户按照特定行为进行操作，然后获取到渠道的页面内容。
进一步地，获取模块2包括：
判断子模块，用于判断页面内容是否和预设业务相关；
进入子模块，用于判断子模块的判断结果为是，则进入计算所述页面内容与多个第一目标产品的所述产品信息的相似度的步骤。
在本实施例中，考虑到模拟用户行为获取渠道的页面内容是随机的，因此获取的页面内容可能和我们业务完全无关，直接将页面内容和每个目标产品的产品信息直接匹配，一是匹配次数多，二是完全无关业务的内容匹配起来会比较浪费时间，效率也会慢，所以可以先与预设的业务去对比，确定页面内容是否含有和我们业务相关的内容，如我们的业务是贷款业务，可以查找页面内容中是否有贷款等字眼，若没有，则判断获取的页面内容是和预设的贷款业务无关的，则采集的渠道当前的页面内容中没有目标产品的产品信息，所以针对这次采集的页面内容，可以直接过滤，不需要再和目标产品的产品信息去进行相似度匹配。
进一步地，获取模块2包括：
转化子模块，用于将页面内容转换为文字内容；
计算子模块，用于依次从多个第一目标产品的产品信息中获取产品内容，计算产品内容与文字内容的相似度；
对比子模块，用于多个第一目标产品中选取与文字内容相似度最高的第二目标产品。
在本实施例中，一般采集的页面内容是通过截屏等手段采集到的页面图片，对页面图片可以通过进行光学字符识别(Optical Character Recognition，简称OCR)，即针对印刷体字符，采用光学的方式将文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式。利用OCR对页面图片进行字符识别，以识别出页面图片中的文字内容，将识别的文字内容与多个目标产品的产品内容进行计算相似度，相似度可以通过python、Java等对比两段字符串的相似度或者根据关键字去匹配，得到多个目标产品的产品内容与获取的页面内容的相似度，在计算的相似度中选择相似度最高的第一目标产品作为对应页面内容的第二目标产品，这是由于相似度最高则可以认为获取的页面内容中有对应第二目标产品的产品内容。
进一步地，计算子模块包括：
匹配单元，用于将第一产品关键字与文字内容逐一匹配，得到与文字内容相同的第二产品关键字数量；
计算单元，用于计算第二产品关键字数量和第一产品关键字数量之比，得到产品内容与文字内容的相似度。
在本实施例中，考虑到全部产品内容与页面内容进行对比会比较繁琐，我们可以将目标产品的产品内容设定若干第一产品关键字，如目标产品的种类是消费贷、现金贷、信用贷等，其他第一关键字还可以是期限、额度金额(最高)、放贷时间等，每个第一产品关键字去和页面内容转化的文字内容进行匹配，与文字内容相同的记为第二产品关键字，相似度为第二产品关键字个数与第一产品关键字总数的比例，如目标产品设定的第一产品关键字有10个，而有8个第二产品关键字，则8/10＝0.8，即相似度为80％。
进一步地，匹配单元包括：
分词子单元，用于将文字内容进行分词处理；
匹配子单元，用于将第一产品关键字与各个分词进行匹配，得到与分词相同的第二产品关键字；
统计子单元，用于统计第二产品关键字数量。
在本实施例中，将转换的文字内容进行分词时可采用N元文法统计模型(N-gramModel)、隐马尔科夫模型(Hidden Markov Model，简称HMM)、最大熵模型(Maximum EntropyModel)来进行分词，分词算法可包括：正向最大匹配，反向最大匹配，双向最大匹配，最短路径算法等，用文字内容的分词与第一产品关键字进行匹配，由于分词与第一产品关键字都是短词组，在匹配的过程中不需要重复匹配多次，以此得到与分词相同的第二产品关键字，统计第二产品关键字的数量。
在上述对比模块3中，对每一个渠道中出现的第二目标产品进行对比，将相同的第二目标产品进行归类为一种第三目标产品，可以得到多个第三目标产品，这多个第三目标产品都是不同的目标产品，以方便后续统计在同一渠道出现的相同的目标产品的数量。
在上述统计模块4中，在多个第三目标产品中依次选取一个第三目标产品，统计第三目标产品在每一个渠道出现的第一数量，从而得到每一个第三目标产品在每一个渠道出现的第一数量。
在上述第一计算模块5中，将第三目标产品在每一个渠道出现的第一数量进行相加，得到第三目标产品在多个渠道出现的总的第二数量，用第一数量除以第二数量即可得到第三目标产品在每一个渠道的分布百分比，这分布百分比可以从侧面说明第三目标产品在每一个渠道的投入情况。
在上述第二计算模块6中，以第三目标产品在每一个渠道的分布百分比乘以对应第三目标产品的产品权重值，得到第三目标产品在每一个渠道的分布效果值，即第三目标产品的业绩如果相对比较好，那么其产品权重值也相对比较好，得到的分布效果值也会比较高，这个分布效果值可以说明第三目标产品选择每个渠道投入的情况，第三目标产品在渠道的分布效果值比较高，则第三目标产品到该渠道投入的资源也相对比较高，这也可以侧面说明该渠道的转化效果也相对比较好，那么渠道的投放效果也相对比较好。
在上述累加模块7中，将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分，效果得分即所有的第三目标产品在每一个渠道中投入的情况，效果得分越高，则说明所有第三目标产品在该渠道综合投入的资源是比较高的，也可以从侧面说明该渠道的投放效果是比较好。
在上述识别模块8中，渠道的效果得分说明所有第三目标产品在该渠道综合投入的资源的情况，即可以从侧面说明该渠道的投放效果，进而可以识别每一个渠道的投放效果，以方便我们选择广告投放渠道，并且可以调整每个渠道的资源投入情况。
进一步地，识别模块8包括：
识别子模块，用于将每一个渠道的效果得分进行相互对比，效果得分越高则表明渠道的投放效果越好，以此识别每一个渠道的投放效果。
在上述识别子模块中，将每一个渠道的效果得分进行相互对比，效果得分越高，则说明所有第三目标产品在该渠道综合投入的资源是比较高的，从侧面说明该渠道的投放效果是比较好，以此识别每一个渠道的投放效果。
参照图3，本申请实施例中还提供一种设备，该设备可以是计算机或服务器，其内部结构可以如图3所示。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该设备的数据库用于存储配置项信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令在执行时，执行如上述各方法的实施例的流程。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机非易失性可读存储介质，其上存储有计算机可读指令，该计算机可读指令在执行时，执行如上述各方法的实施例的流程，包括：接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；从多个渠道中依次选取一个渠道，并在每选取一个渠道时，从多个第一目标用户中依次选取一个第二目标用户，以模拟第二目标用户特定行为的方式获取该选取的渠道的页面内容，并计算页面内容与多个第一目标产品的产品信息的相似度，根据相似度在多个第一目标产品中选取与页面内容相似度最高的第二目标产品，以得到每一个第二目标产品在每一个渠道中对应的第二目标产品，特定行为至少包括第二目标用户进行与预设业务相关的行为；对各个第二目标产品在每一个渠道中对应的第二目标产品进行对比，将相同的第二目标产品归类为一种第三目标产品；依次统计第三目标产品在每一个渠道出现的第一数量；根据第一数量，由预设公式计算第三目标产品在每一个渠道的分布百分比；由分布百分比乘以第三目标产品的产品权重值得出第三目标产品在每一个渠道的分布值；将各个第三目标产品在每一个渠道的分布值进行累加，根据累加的分值得到每一个渠道的效果得分；根据每一个渠道的效果得分识别渠道的投放效果。
通过在多个渠道模拟多个用户特定行为的方式采集多个页面内容，将页面内容与多个目标产品进行匹配，统计每个目标产品在每个渠道出现数量，进而计算每个目标产品在每个渠道的分布百分比，以分布百分比乘以对应目标产品的影响权重值，得到各个渠道的分布值，将渠道的分布值累加，根据累加的分值得到渠道的效果得分，根据效果得分可以判断每个目标产品在每个渠道的投入情况，能得到多个目标产品对于每个渠道的综合投入选择，渠道的效果得分越高，多个目标产品对该渠道的综合的投入资源比较高，从多个目标产品对渠道的投入情况即可识别每个渠道的广告投放效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种基于大数据的渠道效果识别方法，其特征在于，包括：
接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个所述产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
从多个所述渠道中依次选取一个渠道，并在每选取一个所述渠道时，从多个所述第一目标用户中依次选取一个第二目标用户，以模拟所述第二目标用户特定行为的方式获取该选取的所述渠道的页面内容，并计算所述页面内容与多个第一目标产品的所述产品信息的相似度，根据相似度在多个第一目标产品中选取与所述页面内容相似度最高的第二目标产品，以得到每一个所述第二目标产品在每一个所述渠道中对应的所述第二目标产品，所述特定行为至少包括所述第二目标用户进行与预设业务相关的行为；
对各个所述第二目标产品在每一个所述渠道中对应的所述第二目标产品进行对比，将相同的所述第二目标产品归类为一种第三目标产品；
依次统计所述第三目标产品在每一个所述渠道出现的第一数量；
根据所述第一数量，由预设公式计算所述第三目标产品在每一个所述渠道的分布百分比；
由所述分布百分比乘以所述第三目标产品的产品权重值得出所述第三目标产品在每一个所述渠道的分布值；
将各个所述第三目标产品在每一个所述渠道的所述分布值进行累加，根据累加的分值得到每一个所述渠道的效果得分；
根据每一个所述渠道的所述效果得分识别所述渠道的投放效果。
2.根据权利要求1所述的基于大数据的渠道效果识别方法，其特征在于，所述产品信息至少包括第一目标产品的产品数据，所述根据每一个所述产品信息按照预设权重规则得到每一个第一目标产品的产品权重值产品权重值的步骤中，包括：
根据每一个所述产品数据将多个第一目标产品进行升序排序，并根据多个第一目标产品的排序顺序对多个第一目标产品进行升序编号，将编号记为第一目标产品的产品权重值，得到每一个第一目标产品的所述产品权重值。
3.根据权利要求1所述的基于大数据的渠道效果识别方法，其特征在于，所述以模拟所述第二目标用户特定行为的方式获取该选取的所述渠道的页面内容的步骤中，包括：
从系统数据库中获取所述第二目标用户的历史的用户行为特征；
分析所述用户行为特征，得到所述第二目标用户的所述特定行为；
模拟所述第二目标用户按照所述特定行为获取该选取的所述渠道的所述页面内容。
4.根据权利要求1所述的基于大数据的渠道效果识别方法，其特征在于，所述根据每一个所述渠道的所述效果得分识别所述渠道的投放效果的步骤中，包括：
将每一个所述渠道的所述效果得分进行相互对比，所述效果得分越高则表明所述渠道的投放效果越好，以此识别每一个所述渠道的投放效果。
5.根据权利要求1所述的基于大数据的渠道效果识别方法，其特征在于，所述产品信息包括产品内容，所述计算所述页面内容与多个第一目标产品的所述产品信息的相似度，根据相似度在多个第一目标产品中选取与所述页面内容相似度最高的第二目标产品的步骤中，包括：
将所述页面内容转换为文字内容；
依次从多个第一目标产品的所述产品信息中获取所述产品内容，计算所述产品内容与所述文字内容的相似度；
在多个第一目标产品中选取与所述文字内容相似度最高的所述第二目标产品。
6.根据权利要求5所述的基于大数据的渠道效果识别方法，其特征在于，所述产品内容为第一产品关键字，所述计算所述产品内容与所述文字内容的相似度的步骤中，包括：
将所述第一产品关键字与所述文字内容逐一匹配，得到与所述文字内容相同的第二产品关键字数量；
计算所述第二产品关键字数量和所述第一产品关键字数量之比，得到所述产品内容与所述文字内容的相似度。
7.根据权利要求6所述的基于大数据的渠道效果识别方法，其特征在于，所述将所述第一产品关键字与所述文字内容逐一匹配，得到与所述文字内容相同的第二产品关键字数量的步骤中，包括：
将所述文字内容进行分词处理；
将所述第一产品关键字与各个分词进行匹配，得到与分词相同的所述第二产品关键字；
统计所述第二产品关键字数量。
8.一种基于大数据的渠道效果识别装置，其特征在于，包括：
接收模块，用于接收多个第一目标用户、多个渠道和多个第一目标产品的产品信息，根据每一个所述产品信息按照预设权重规则得到每一个第一目标产品的产品权重值；
获取模块，用于从多个所述渠道中依次选取一个渠道，并在每选取一个所述渠道时，从多个所述第一目标用户中依次选取一个第二目标用户，以模拟所述第二目标用户特定行为的方式获取该选取的所述渠道的页面内容，并计算所述页面内容与多个第一目标产品的所述产品信息的相似度，根据相似度在多个第一目标产品中选取与所述页面内容相似度最高的第二目标产品，以得到每一个所述第二目标产品在每一个所述渠道中对应的所述第二目标产品，所述特定行为至少包括所述第二目标用户进行与预设业务相关的行为；
对比模块，用于对各个所述第二目标产品在每一个所述渠道中对应的所述第二目标产品进行对比，将相同的所述第二目标产品归类为一种第三目标产品；
统计模块，用于依次统计所述第三目标产品在每一个所述渠道出现的第一数量；
第一计算模块，用于根据所述第一数量，由预设公式计算所述第三目标产品在每一个所述渠道的分布百分比；
第二计算模块，用于由所述分布百分比乘以所述第三目标产品的产品权重值得出所述第三目标产品在每一个所述渠道的分布值；
累加模块，用于将各个所述第三目标产品在每一个所述渠道的所述分布值进行累加，根据累加的分值得到每一个所述渠道的效果得分；
识别模块，用于根据每一个所述渠道的所述效果得分识别所述渠道的投放效果。
9.一种设备，包括存储器和处理器，所述存储器存储有计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机非易失性可读存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
CN201910527851.4A 2019-06-18 2019-06-18 基于大数据的渠道效果识别方法、装置、设备和存储介质 Active CN110389963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910527851.4A CN110389963B (zh) 2019-06-18 2019-06-18 基于大数据的渠道效果识别方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910527851.4A CN110389963B (zh) 2019-06-18 2019-06-18 基于大数据的渠道效果识别方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110389963A CN110389963A (zh) 2019-10-29
CN110389963B true CN110389963B (zh) 2022-03-18

Family

ID=68285732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910527851.4A Active CN110389963B (zh) 2019-06-18 2019-06-18 基于大数据的渠道效果识别方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110389963B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258220B (zh) * 2020-10-12 2024-06-07 北京豆牛网络科技有限公司 信息采集及分析方法、系统、电子设备和计算机可读介质
CN112417246B (zh) * 2020-11-19 2024-08-09 中国建设银行股份有限公司 银行电子渠道相似度确定方法及装置
CN112612966B (zh) * 2020-12-31 2024-07-26 中国农业银行股份有限公司 一种信息推荐方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6434747B1 (en) * 2000-01-19 2002-08-13 Individual Network, Inc. Method and system for providing a customized media list
CN103795697A (zh) * 2012-11-01 2014-05-14 腾讯科技（深圳）有限公司 一种网络媒介信息投放效果模拟方法和系统
CN104794631A (zh) * 2015-03-31 2015-07-22 北京奇艺世纪科技有限公司 一种广告投放效果的验证方法和装置
CN105719162A (zh) * 2016-01-20 2016-06-29 北京京东尚科信息技术有限公司 监测推广链接有效性的方法及装置
CN106355432A (zh) * 2016-08-19 2017-01-25 焦点科技股份有限公司 一种付费广告效果监测调控的方法
CN109360012A (zh) * 2018-08-22 2019-02-19 中国平安人寿保险股份有限公司 广告投放渠道的选择方法及装置、存储介质、电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6434747B1 (en) * 2000-01-19 2002-08-13 Individual Network, Inc. Method and system for providing a customized media list
CN103795697A (zh) * 2012-11-01 2014-05-14 腾讯科技（深圳）有限公司 一种网络媒介信息投放效果模拟方法和系统
CN104794631A (zh) * 2015-03-31 2015-07-22 北京奇艺世纪科技有限公司 一种广告投放效果的验证方法和装置
CN105719162A (zh) * 2016-01-20 2016-06-29 北京京东尚科信息技术有限公司 监测推广链接有效性的方法及装置
CN106355432A (zh) * 2016-08-19 2017-01-25 焦点科技股份有限公司 一种付费广告效果监测调控的方法
CN109360012A (zh) * 2018-08-22 2019-02-19 中国平安人寿保险股份有限公司 广告投放渠道的选择方法及装置、存储介质、电子设备

Also Published As

Publication number Publication date
CN110389963A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
KR101658794B1 (ko) 문서 분류 시스템, 문서 분류 방법 및 문서 분류 프로그램
CN110389963B (zh) 基于大数据的渠道效果识别方法、装置、设备和存储介质
US10521748B2 (en) Retention risk determiner
JP5965557B1 (ja) 類似度学習システム及び類似度学習方法
CN111552870A (zh) 对象推荐方法、电子装置及存储介质
CN109829629A (zh) 风险分析报告的生成方法、装置、计算机设备和存储介质
CN114612251A (zh) 风险评估方法、装置、设备及存储介质
US20170103335A1 (en) Success support system, information processing device, method, and program
JP5986687B2 (ja) データ分別システム、データ分別方法、データ分別のためのプログラム、及び、このプログラムの記録媒体
CN110362798B (zh) 裁决信息检索分析方法、装置、计算机设备和存储介质
CN111061948B (zh) 一种用户标签推荐方法、装置、计算机设备及存储介质
CN114399379A (zh) 基于人工智能的催收行为识别方法、装置、设备及介质
CN112035775B (zh) 基于随机森林模型的用户识别方法、装置和计算机设备
CN110781380A (zh) 信息推送方法、装置、计算机设备和存储介质
CN113420018A (zh) 用户行为数据分析方法、装置、设备及存储介质
CN114037545A (zh) 客户推荐方法、装置、设备及存储介质
CN114399382A (zh) 用户欺诈风险的检测方法、装置、计算机设备及存储介质
CN112990989B (zh) 价值预测模型输入数据生成方法、装置、设备和介质
CN111767390A (zh) 技能词评估方法及装置、电子设备、计算机可读介质
CN110851560B (zh) 信息检索方法、装置及设备
US8918406B2 (en) Intelligent analysis queue construction
CN109902937B (zh) 任务数据的质检方法、装置、计算机设备及存储介质
US9940319B2 (en) Information analysis system, information analysis method, and information analysis program
CN111382254A (zh) 电子名片推荐方法、装置、设备及计算机可读存储介质
CN113052686B (zh) 一种数据处理方法及装置

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