CN110428277A - 推荐产品的触达方法、存储介质和程序产品 - Google Patents

推荐产品的触达方法、存储介质和程序产品 Download PDF

Info

Publication number
CN110428277A
CN110428277A CN201910559025.8A CN201910559025A CN110428277A CN 110428277 A CN110428277 A CN 110428277A CN 201910559025 A CN201910559025 A CN 201910559025A CN 110428277 A CN110428277 A CN 110428277A
Authority
CN
China
Prior art keywords
channel
user
label
product
essential attribute
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
Application number
CN201910559025.8A
Other languages
English (en)
Other versions
CN110428277B (zh
Inventor
刘继宇
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910559025.8A priority Critical patent/CN110428277B/zh
Publication of CN110428277A publication Critical patent/CN110428277A/zh
Application granted granted Critical
Publication of CN110428277B publication Critical patent/CN110428277B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q30/0251—Targeted 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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供一种推荐产品的触达方法、存储介质和程序产品，涉及大数据技术领域。本方法确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达用户当前处于最终渠道中，通过最终渠道触达；否则，通过待触达用户和最终渠道的相似度触达。本方法根据各渠道基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现了灵活触达。

Description

推荐产品的触达方法、存储介质和程序产品
技术领域
本发明涉及大数据技术领域，尤其涉及推荐产品的触达方法、存储介质和程序产品。
背景技术
大数据时代，企业相比以前更容易获取当前用户或者潜在用户的大数据画像，用户画像除了能够指导企业提供更符合用户需求和偏好的产品或服务，画像中的特定标签还可以指导企业选择更加合适的广告投放渠道，实现更加精准的触达和转化。
但目前还是主要采用规则或者分类的方式进行触达，该方法中的规则或者分类较为固定，不能根据当前环境、用户特殊性以及用户真实需求灵活变化，使得现有的触达方式用户体验不佳。
发明内容
为解决上述问题，本申请实施例提供了一种推荐产品的触达方法，所述方法包括：
确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签；所述第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，其中，所述第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；
根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签；
根据各第一用户的运动轨迹标签，确定各渠道的规则标签；
根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道；所述第一标签集包括所述第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；
若待触达的第二用户当前处于最终渠道中，通过所述最终渠道向所述第二用户触达推荐产品；
若待触达的第二用户当前未处于最终渠道中，通过所述第二用户和所述最终渠道的相似度向所述第二用户触达推荐产品。
可选地，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；所述第一标签集包括所述第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；任一渠道的第二标签集包括所述任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的各标签的权重之和确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道。
可选地，所述若待触达的第二用户当前未处于最终渠道中，通过所述第二用户和所述最终渠道的相似度向所述第二用户触达推荐产品，包括：
通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score；通过相似度最大的渠道向所述第二用户触达推荐产品；
其中，sim为第二用户和任一渠道的相似度；
jacarrd_score＝第一标签集与所述任一渠道的第二标签集的交集/第一标签集与所述任一渠道的第二标签集的并集；
model_score为通过预先训练好的用户对渠道偏好模型得到的所述第二用户对所述任一渠道偏好分数；
w1为标签权重，w2为所述第二用户对所述任一渠道的偏好权重。
可选地，所述根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，包括：
对于任一渠道，
确定所述任一渠道包括的各第一基本属性标签对应的第一用户的第一数量；
将所述任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列；
将第一序列中前3个第一基本属性标签均作为所述任一渠道的第二基本属性标签。
可选地，所述根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签，包括：
对于任一渠道，
确定所述任一渠道对应的所有第一用户对所述任一渠道中各产品的偏好度＝所述任一渠道对应的所有第一用户对所述任一渠道中各产品的点击量/所述任一渠道中各产品的曝光率*10000；
将定所述任一渠道对应的所有第一用户对所述任一渠道中各产品的偏好度从大到小排序，得到第二序列；
将第二序列中前10个产品均作为所述任一渠道的产品标签。
可选地，所述根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签，包括：
对于任一渠道，
确定所述任一渠道包括的各第一兴趣标签对应的第一用户的第二数量；
将所述任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列；
将第三序列中前10个第一兴趣标签均作为所述任一渠道的第二兴趣标签。
可选地，所述根据各第一用户的运动轨迹标签，确定各渠道的规则标签，包括：
对于任一渠道，
确定所述任一渠道包括的各运动轨迹标签对应的第一用户的第三数量；
将所述任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列；
将第四序列中前10个运动轨迹标签均作为所述任一渠道的规则标签。
可选地，所述方法还包括：
对于任一渠道，
根据所述任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列，任一操作序列为按所述任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为；
确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系；
确定含有各对应关系的第一用户的第四数量；
将所述任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列；
将第五序列中前3个对应关系均作为所述任一渠道的效果标签。
本申请实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机指令，所述计算机指令使所述计算机执行本申请上述推荐产品的触达方法。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行本申请上述推荐产品的触达方法。
有益效果如下：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达。本方法根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现了灵活触达。
附图说明
下面将参照附图描述本申请的具体实施例，其中：
图1示出了本申请一实施例提供的一种推荐产品的触达方法的流程示意图；
图2示出了本申请一实施例提供的一种推荐产品的触达的结构示意图；
图3示出了本申请一实施例提供的一种计算机设备的示意图。
具体实施方式
目前还是主要采用规则或者分类的方式进行触达，该方法中的规则或者分类较为固定，不能根据当前环境、用户特殊性以及用户真实需求灵活变化，使得现有的触达方式用户体验不佳。
基于此，本申请提供一种推荐产品的触达方法，确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达。本方法根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。
参见图1，本实施例提供的推荐产品的触达方法实现流程如下：
101，确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签。
其中，第一基本属性标签包括：性别，年龄，职业，行业。
兴趣标签如生活、美妆、服饰、育儿等。
运动轨迹标签为第一用户的位置标签，如火车站的位置(如经纬度值)、机场的位置(如经纬度值)等。
本实施例及后续实施例中的渠道均为广告渠道。
每个渠道都有自己的用户群，例如，新闻APP的广告渠道，其用户群为关注新闻的用户，而游戏APP的广告渠道，其用户群为玩游戏的用户。另外，同样领域的渠道，其用户群也不同，如爱奇艺的广告渠道，其用户群为爱奇艺会员及观看爱奇艺平台内容的用户，腾讯视频的广告渠道，其用户群为腾讯视频的会员及观看腾讯视频平台内容的用户。因此，本步骤会确定各渠道对应的用户。为了与后续待推荐的用户进行区分，本实施例及后续实施例将渠道对应的用户命名为第一用户，将待推荐的用户命名为第二用户。
例如，确定爱奇艺的广告渠道对应的用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签，确定腾讯视频的广告渠道对应的用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签。
102，根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签。
为了区分用户的基本属性标签和渠道的基本属性标签，本实施例及后续实施例将用户的基本属性标签命名为第一基本属性标签，将渠道的基本属性标签命名为第二基本属性标签。
步骤102在具体实施时的实现流程包括但不限于：
对于任一渠道，
102-1确定任一渠道包括的各第一基本属性标签对应的第一用户的第一数量。
102-2将任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列。
102-3将第一序列中前3个第一基本属性标签均作为该渠道的第二基本属性标签。
需要说明的是，本步骤的基本属性标签按其标签值的不同拆分成多个标签。
以任一渠道R为例，若步骤101中确定渠道R对应5个第一用户，分别为用户1，用户2，用户3，用户4，用户5。若第一用户的第一基本属性标签如表1所示，则
表1
第一用户 性别 年龄 职业 行业
用户1 男 30 职员 旅游
用户2 男 30 无业 无
用户3 男 35 职员 通信
用户4 男 30 职员 电力
用户5 女 31 经理 保险
渠道R包括的第一基本属性标签按标签值的不同，分为性别(男)，性别(女)，年龄(30)，年龄(35)，年龄(31)，职业(职员)，职业(无业)，职业(经理)，行业(旅游)，行业(通信)，行业(电力)，行业(保险)，行业(无)。
根据具体标签值的不同，分开统计，确定性别(男)对应的第一用户的第一数量为4(用户1、用户2、用户3和用户4)。确定性别(女)对应的第一用户的第一数量为1(用户5)。确定年龄(30)对应的第一用户的第一数量为3(用户1、用户2和用户4)。确定年龄(35)对应的第一用户的第一数量为1(用户3)。确定年龄(31)对应的第一用户的第一数量为1(用户5)。确定职业(职员)对应的第一用户的第一数量为3(用户1、用户3和用户4)。确定职业(无业)对应的第一用户的第一数量为1(用户2)。确定职业(经理)对应的第一用户的第一数量为1(用户5)。确定行业(旅游)对应的第一用户的第一数量为1(用户1)。确定行业(通信)对应的第一用户的第一数量为1(用户3)。确定行业(电力)对应的第一用户的第一数量为1(用户4)。确定行业(保险)对应的第一用户的第一数量为1(用户5)。确定行业(无)对应的第一用户的第一数量为1(用户2)。
渠道R包括的第一基本属性标签(根据具体标签值的不同，分开排序)按第一数量从多到少排序，得到第一序列为：性别(男)，年龄(30)，职业(职员)，性别(女)，年龄(35)，年龄(31)，职业(无业)，职业(经理)，行业(旅游)，行业(通信)，行业(电力)，行业(保险)，行业(无)。
102-3将第一序列中前3个第一基本属性标签(性别(男)，年龄(30)，职业(职员))均作为渠道R的第二基本属性标签。
需要说明的是，本实施例并不对第一数量相同的第一基本属性标签的前后顺序进行限定，上面的第一序列仅为一种排序方式。
另外，表1中的内容仅为举例，实际应用时基本属性标签内容会跟随实际情况变动，本实施例不对具体内容进行限定。
103，根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签。
其中，产品可以为金融产品。
步骤103的具体实现方式包括但不限于：
对于任一渠道，
103-1确定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度。
其中，偏好度＝任一渠道对应的所有第一用户对任一渠道中各产品的点击量/任一渠道中各产品的曝光率*10000。
103-2将任一渠道对应的所有第一用户对任一渠道中各产品的偏好度从大到小排序，得到第二序列。
103-3将第二序列中前10个产品均作为该渠道的产品标签。
具体可以将前10个产品的名称作为产品标签，也可以将前10个产品的标识作为产品标签，本实施例不对作为产品标签的具体内容进行限定。
仍以渠道R为例，若渠道有100个金融产品，对于任一个金融产品P，渠道R对应的所有的第一用户对金融产品P的偏好度＝(用户1对金融产品P的点击量+用户2对金融产品P的点击量+用户3对金融产品P的点击量+用户4对金融产品P的点击量+用户5对金融产品P的点击量)/金融产品P在渠道R中的曝光率*10000。
其中，曝光率为单位时间内的展示次数。
例如，渠道R为电视广告，则金融产品P在电视广告中的曝光率＝电视广告实际到达的人数/可以覆盖人群总数。
再例如：渠道R为互联网媒体，则金融产品P在互联网媒体中的曝光率＝互联网媒体每天的浏览量/互联网媒体每天推荐的产品总数量。
再例如：渠道R为户外广告，则金融产品P在互联网媒体中的曝光率＝实际看到广告的人/可以覆盖的人；
再例如：渠道R为收音机广告，则金融产品P在互联网媒体中的曝光率＝实际听到收音机广告的人数/可以听到该收音机广告的总人数。
按偏好度从大到小将100个金融产品排序，得到第二序列，将第二序列中前10个产品均作为任一渠道的产品标签。
104，根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签。
本步骤中的兴趣标签如生活、美妆、服饰、育儿等。
另外，为了区分用户的兴趣标签和渠道的兴趣标签，本实施例及后续实施例将用户的兴趣标签命名为第一兴趣标签，将渠道的兴趣标签命名为第二兴趣标签。
本步骤的具体实现方式包括但不限于：
对于任一渠道，
104-1确定任一渠道包括的各第一兴趣标签对应的第一用户的第二数量。
其中，第二数量
i表示第一兴趣标签标识，j表示任一渠道包括的第一用户标识，m为任一渠道包括的第一用户总数量，k为任一渠道包括的第一兴趣标签的总数量，若任一渠道包括的第一用户j包括第一兴趣标签i，则occruij＝1，若用户j不包括第一兴趣标签i，则occruij＝0，进而针对某个渠道，是所有的用户对应第一兴趣标签i出现次数总和。
104-2将任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列。
104-3将第三序列中前10个第一兴趣标签均作为任一渠道的第二兴趣标签。
每个用户都有自己的兴趣标签，本步骤将渠道对应用户的所有兴趣标签做汇总，找到用户都感兴趣的10个标签作为该渠道的兴趣标签。
仍以渠道R为例，用户1，用户2，用户3，用户4，用户5对应的兴趣标签如图2所示：
用户1，用户2，用户3，用户4，用户5。若第一用户的第一兴趣标签如表2所示，则
表2
渠道R包括的第一兴趣标签为育儿，服饰，生活，历史，美妆，理财，配饰，汽车，数码，运动，动画，......。
确定育儿对应的第一用户的第二数量为5，确定服饰对应的第一用户的第二数量为2，确定生活，历史，美妆，理财，配饰，汽车，数码，运动，动画对应的第一用户的第二数量均为1，......。
按第二数量从多到少将渠道R包括的所有第一兴趣标签排序，得到第三序列为：育儿，服饰，生活，历史，美妆，理财，配饰，汽车，数码，运动，动画，......。
将第三序列中前10个兴趣标签(育儿，服饰，生活，历史，美妆，理财，配饰，汽车，数码，运动)均作为渠道R的第二兴趣标签。
需要说明的是，本实施例并不对第二数量相同的第一兴趣标签的前后顺序进行限定，上面的第三名序列仅为一种排序方式。
105，根据各第一用户的运动轨迹标签，确定各渠道的规则标签。
本步骤中的运动轨迹标签为第一用户的位置标签，如火车站的位置(如经纬度值)、机场的位置(如经纬度值)等。
本步骤的具体实现方式包括但不限于：
对于任一渠道，
105-1确定任一渠道包括的各运动轨迹标签对应的第一用户的第三数量。
105-2将任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列。
105-3将第四序列中前10个运动轨迹标签均作为任一渠道的规则标签。
仍以渠道R为例，用户1，用户2，用户3，用户4，用户5对应的兴趣标签如图2所示：
用户1，用户2，用户3，用户4，用户5。若第一用户的运动轨迹标签如表3所示，则
表3
渠道R包括的运动轨迹标签为位置1，位置2，位置3，位置5，位置7，位置4，位置6，位置8，位置9，位置10，位置11，......。
确定位置1对应的第一用户的第三数量为4，确定位置11和位置3对应的第一用户的第三数量均为2，确定位置5，位置7，位置4，位置6，位置8，位置9，位置10，位置2对应的第一用户的第三数量均为1，......。
按第三数量从多到少将渠道R包括的所有运动轨迹标签排序，得到第四序列为：位置1，位置11，位置3，位置5，位置7，位置4，位置6，位置8，位置9，位置10，位置2，......。
将第四序列中前10个兴趣标签(位置1，位置11，位置3，位置5，位置7，位置4，位置6，位置8，位置9，位置10)均作为渠道R的规则标签。
需要说明的是，本实施例并不对第三数量相同的运动轨迹标签的前后顺序进行限定，上面的第四名序列仅为一种排序方式。
在得到上述第二基本属性标签、产品标签、第二兴趣标签、规则标签之外，为例更加全面的对渠道进行描述，还可以确定各渠道的效果标签。其具体实现方式可以为：
对于任一渠道，
201根据任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列。
其中，任一操作序列为按任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为。
步骤201中，可以将用户为了得到一个结果做的一系列操作行为按执行先后排序，形成一个操作序列。
例如，用户点击页面1之后通过广告渠道看到了对应的广告，然后点击页面2、页面3购买了该广告对应的金融产品。
此时，点击页面1，点击页面2，点击页面3就是一个操作系列。
202确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系。
步骤202中的操作结果包括但不限于购买产品，打开产品链接等。
若任一用户先打开了产品链接再购买了产品，则将最终的购买产品确定为操作结果。
以步骤201中的例子为例，其操作结果为购买产品。
历史操作序列与操作结果之间的对应关系为点击页面1，点击页面2，点击页面3-购买产品。
执行至此，每一个第一用户会有多个历史操作序列，也就有多个历史操作序列与操作结果之间的对应关系。
203确定含有各对应关系的第一用户的第四数量。
本步骤中逐一针对该任一渠道对应的所有第一用户的各对应关系，确定含有该应关系的第一用户的第四数量。
204将任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列。
205将第五序列中前3个对应关系均作为任一渠道的效果标签。
在确定效果标签时，会统计第一用户在各渠道中的历史操作行为，并确定历史操作行为之间的顺序关系。再获取第一用户通过各渠道历史触达效果(如购买产品，打开产品链接等)。确定操作行为之间的顺序关系和历史触达效果之间的内在联系。将内在联系最多的10个确定为效果标签。通过效果标签可以反映具有在某个渠道中，具有某种操作习惯的用户触达效果最佳或者最差，进而修正本次触达渠道的选择，提升用户体验。
传统产品推荐方法仅基于用户本身的特性为用户打标签，在基于用户的标签进行推荐。此时推荐仅与用户相关，与渠道却无任何关系。但在实践中，用户对渠道的偏好对于触达效果具有直接的影响。例如，用户习惯浏览今日头条，而从未安装过一点资讯，此时今日头条的渠道对于用户来说比一点资讯的渠道更加重要。但二者从用户本身来说，都符合浏览事实新闻的标签。因此，传统的推荐方案由于未涉及用户对渠道的偏好，很可能最终得到的渠道并非用户所熟悉的，降低了触达效果。
本方法会确定一个渠道的效果标签，该标签描述了渠道对于用户的效果。使用户属性与渠道属性建立了联系，进而使得本方案在选择渠道的时候，不仅考虑了用户本身的属性，还考虑了用户对渠道的喜爱程度，选择的渠道更加符合用户习惯，提升触达效果。
106，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道。
其中，第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签。
具体的，本步骤的实现方式可以有多种，下面仅举几个实现方式，具体实现时任选其一即可。
第一种实现方式：1)确定第二用户的第一标签集与各渠道的第二标签集的第一交集；2)将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度；3)将匹配度最大的渠道确定为最终渠道。
其中，任一渠道的第二标签集包括任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签。
仍以渠道R为例，将第二用户的第一基本属性标签与渠道R的第二基本属性标签进行匹配，确定相同的基本属性标签。
确定第二用户对渠道R中各产品的偏好度，确定偏好度大的10个产品，将偏好度大的10个产品与渠道R的产品标签进行匹配，确定相同的产品标签。
将第二用户的第一兴趣标签与渠道R的第二兴趣标签进行匹配，确定相同的兴趣标签。
将第二用户的运动轨迹标签与渠道R的规则标签进行匹配，确定标识相同位置的标签。
将相同的基本属性标签、相同的产品标签、相同的兴趣标签标识相同位置的标签组成的集合确定为第一交集。
第一交集中的元素数量*第一交集中的各标签权重之和＝渠道R的匹配度。
其中，各标签的权重为预先设置的。
将匹配度最大的渠道确定为最终渠道。
第二种实现方式：1)确定第二用户的第一标签集与各渠道的第二标签集的第一交集；2)将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度；3)将匹配度最大的渠道确定为最终渠道。
仍以渠道R为例，将第二用户的第一基本属性标签与渠道R的第二基本属性标签进行匹配，确定相同的基本属性标签，在第一基本属性标签与第二基本属性标签中，确定不同的基本属性标签的总数量。
确定第二用户对渠道R中各产品的偏好度，确定偏好度大的10个产品，将偏好度大的10个产品与渠道R的产品标签进行匹配，确定相同的产品标签，确定产品标签与渠道R的产品标签中不同产品的总数量。
将第二用户的第一兴趣标签与渠道R的第二兴趣标签进行匹配，确定相同的兴趣标签，在第一兴趣标签与第二兴趣标签中，确定不同的兴趣标签的总数量。
将第二用户的运动轨迹标签与渠道R的规则标签进行匹配，确定标识相同位置的标签，在运动轨迹标签与规则标签中，确定标识不同位置的标签的总数量。
将相同的基本属性标签、相同的产品标签、相同的兴趣标签标识相同位置的标签组成的集合确定为第一交集。
第一交集中的元素数量/(不同的基本属性标签的总数量+不同产品的总数量+不同的兴趣标签的总数量+标识不同位置的标签的总数量)＝渠道R的匹配度。
将匹配度最大的渠道确定为最终渠道。
第三种实现方式：1)确定第二用户的第一标签集与各渠道的第二标签集的第一交集；2)将第一交集中的各标签的权重之和确定为对应渠道的匹配度；3)将匹配度最大的渠道确定为最终渠道。
仍以渠道R为例，将第二用户的第一基本属性标签与渠道R的第二基本属性标签进行匹配，确定相同的基本属性标签。
确定第二用户对渠道R中各产品的偏好度，确定偏好度大的10个产品，将偏好度大的10个产品与渠道R的产品标签进行匹配，确定相同的产品标签。
将第二用户的第一兴趣标签与渠道R的第二兴趣标签进行匹配，确定相同的兴趣标签。
将第二用户的运动轨迹标签与渠道R的规则标签进行匹配，确定标识相同位置的标签。
将相同的基本属性标签、相同的产品标签、相同的兴趣标签标识相同位置的标签组成的集合确定为第一交集。
第一交集中的各标签权重之和＝渠道R的匹配度。
其中，各标签的权重为预先设置的。
将匹配度最大的渠道确定为最终渠道。
第四种实现方式：1)确定第二用户的第一标签集与各渠道的第二标签集的第一交集；2)将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度；3)将匹配度最大的渠道确定为最终渠道。
仍以渠道R为例，将第二用户的第一基本属性标签与渠道R的第二基本属性标签进行匹配，确定相同的基本属性标签。
确定第二用户对渠道R中各产品的偏好度，确定偏好度大的10个产品，将偏好度大的10个产品与渠道R的产品标签进行匹配，确定相同的产品标签。
将第二用户的第一兴趣标签与渠道R的第二兴趣标签进行匹配，确定相同的兴趣标签。
将第二用户的运动轨迹标签与渠道R的规则标签进行匹配，确定标识相同位置的标签。
将相同的基本属性标签、相同的产品标签、相同的兴趣标签标识相同位置的标签组成的集合确定为第一交集。
第一交集中的各标签权重之和/第二标签集中各标签权重之和＝渠道R的匹配度。
其中，各标签的权重为预先设置的。
将匹配度最大的渠道确定为最终渠道。
无论采用上述那种方法确定最终渠道，其均可有效的评估各渠道与第二用户之间的匹配程度，快速的确定第二用户所满足的渠道，提升触到效率与准确性。
另外，若还确定了渠道效果标签，步骤106在实现时可以先基于效果标签对渠道进行筛选，筛选后的渠道再执行步骤106得到最终渠道。
具体筛选过程为，确定第二用户的历史操作行为，根据第二用户的历史操作行为确定第二用户的历史操作序列以及对应的操作结果，进而得到第二用户的历史操作序列与操作结果之间的对应关系，若第二用户的历史操作序列与操作结果之间的对应关系中包括了某一渠道的所有效果标签，则该渠道为筛选后的渠道。若第二用户的历史操作序列与操作结果之间的对应关系中未包括某一渠道的所有效果标签，则该渠道不作为筛选后的渠道。
或者，具体筛选过程为，确定第二用户的历史操作行为，根据第二用户的历史操作行为确定第二用户的历史操作序列以及对应的操作结果，进而得到第二用户的历史操作序列与操作结果之间的对应关系，若第二用户的历史操作序列与操作结果之间的对应关系中包括了某一渠道的效果标签之一，则该渠道为筛选后的渠道。若第二用户的历史操作序列与操作结果之间的对应关系中未包括某一渠道的任何一个效果标签，则该渠道不作为筛选后的渠道。
在确定最终渠道后，并非直接通过该最终渠道触达，而是必须满足待触达的第二用户当前正处于该最终渠道触时才可。如：平安用户在访问今日头条时，发现该第二用户偏好理财，可以对第二用户在今日头条触达理财相关广告。当第二用户暂时并非处于最终渠道时，即该第二用户在来自银行内部流量时，可以通过该第二用户和最终渠道相似度来进行主动触达。具体实现过程详见步骤107和步骤108。
107，若待触达的第二用户当前处于最终渠道中，通过最终渠道向第二用户触达推荐产品。
例如，确定的最终渠道为爱奇艺广告渠道，此时第二用户正在观看爱奇艺视频，此种情况即为待触达的第二用户当前处于最终渠道中，则通过爱奇艺广告渠道向第二用户触达推荐产品。
另外，推荐产品包括但不限于金融产品。
108，若待触达的第二用户当前未处于最终渠道中，通过第二用户和最终渠道的相似度向第二用户触达推荐产品。
具体的，本步骤的实现方式为：
1)通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score。2)通过相似度最大的渠道向第二用户触达推荐产品。
其中，sim为第二用户和任一渠道的相似度。
jacarrd_score＝第一标签集与任一渠道的第二标签集的交集/第一标签集与任一渠道的第二标签集的并集。
model_score为通过预先训练好的用户对渠道偏好模型得到的第二用户对任一渠道偏好分数。该用户对渠道偏好模型是基于样本数据训练得到的。其中样本数据是不同用户的历史数据，该历史数据中包括了对应用户对渠道偏好的标签。样本数据的获取过程如下：通过某一渠道向某一用户推荐产品后，让用户反馈其对推荐产品是否感兴趣的反馈(具体可以通过问卷形式，或其他形式获得用户反馈)，将该反馈作为用户对渠道偏好的标签，用户-渠道-标签作为历史数据存储，在训练用户对渠道偏好模型时，该历史数据作为一条样本数据。训练时可以采用现有的神经网络模型进行，也可采用现有的其他的大数据分析模型进行，本实施例不进行限定。
w1为标签权重，w2为第二用户对任一渠道的偏好权重。
例如，确定的最终渠道为爱奇艺广告渠道，此时第二用户正在观看腾讯视频，此种情况即为待触达的第二用户当前未处于最终渠道中，则1)通过sim＝w1*jacarrd_score+w2*model_score计算第二用户和各渠道的相似度；2)通过相似度最大的渠道向第二用户触达推荐产品。
如何基于用户及渠道的标签确定用户与渠道之间的匹配程度，是本方法的重中之重，直接影响到触达效果。本方法在确定用户与渠道之间匹配程度时，不仅仅考虑标签相同或相匹配的数量，而是综合数量与各匹配标签的权重。此种方案，兼顾了客观的匹配程度和主观的匹配程度，使得最终渠道的确定更加符合用户当前感受，提升触达效果。
需要说明的是，本实施例及后续实施例中的“第一”、“第二”、“第三”、“第四”、“第五”仅为区分不同的用户、不同的基本属性标签、不同的数量、兴趣标签、序列之用，并无其他实质含义。
有益效果：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达，由于根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。
基于与图1所示的推荐产品的触达方法同一发明构思，本实施例还提供一种推荐产品的触达装置，参见图2，该装置包括：
第一确定模块301，用于确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签；所述第一基本属性标签包括：性别，年龄，职业，行业；
第二确定模块302，用于根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，其中，第一基本属性标签包括：性别，年龄，职业，行业；
第三确定模块303，用于根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；
第四确定模块304，用于根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签；
第五确定模块305，用于根据各第一用户的运动轨迹标签，确定各渠道的规则标签；
第六确定模块306，用于根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道；第一标签集包括所述第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；
推荐模块307，用于当待触达的第二用户当前处于最终渠道中时，通过最终渠道向第二用户触达推荐产品；当待触达的第二用户当前未处于最终渠道中时，通过第二用户和最终渠道的相似度向第二用户触达推荐产品。
可选地，第六确定模块306，用于确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；任一渠道的第二标签集包括任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签；或者，确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；或者，确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的各标签的权重之和确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；或者，确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道。
可选地，推荐模块307，用于通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score；通过相似度最大的渠道向第二用户触达推荐产品；
其中，sim为第二用户和任一渠道的相似度；
jacarrd_score＝第一标签集与任一渠道的第二标签集的交集/第一标签集与任一渠道的第二标签集的并集；
model_score为通过预先训练好的用户对渠道偏好模型得到的第二用户对任一渠道偏好分数；
w1为标签权重，w2为第二用户对任一渠道的偏好权重。
可选地，第二确定模块302，用于对于任一渠道，确定任一渠道包括的各第一基本属性标签对应的第一用户的第一数量；将任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列；将第一序列中前3个第一基本属性标签均作为任一渠道的第二基本属性标签。
可选地，第三确定模块303，用于对于任一渠道，确定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度＝任一渠道对应的所有第一用户对任一渠道中各产品的点击量/任一渠道中各产品的曝光率*10000；将定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度从大到小排序，得到第二序列；将第二序列中前10个产品均作为任一渠道的产品标签。
可选地，第四确定模块304，用于对于任一渠道，确定任一渠道包括的各第一兴趣标签对应的第一用户的第二数量；将任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列；将第三序列中前10个第一兴趣标签均作为任一渠道的第二兴趣标签。
可选地，第五确定模块305，用于对于任一渠道，确定任一渠道包括的各运动轨迹标签对应的第一用户的第三数量；将任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列；将第四序列中前10个运动轨迹标签均作为任一渠道的规则标签。
可选地，所述装置还包括：
处理模块，用于对于任一渠道，根据任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列，任一操作序列为按任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为；确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系；确定含有各对应关系的第一用户的第四数量；将任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列；将第五序列中前3个对应关系均作为任一渠道的效果标签。
可选地，推荐产品为金融产品；渠道为广告渠道。
有益效果：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达，由于根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。
本实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机指令，所述计算机指令使所述计算机执行上述图1所示的方法实施例所提供的方法。
如：
确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签；第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，其中，第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；
根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签；
根据各第一用户的运动轨迹标签，确定各渠道的规则标签；
根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道；第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；
若待触达的第二用户当前处于最终渠道中，通过最终渠道向第二用户触达推荐产品；
若待触达的第二用户当前未处于最终渠道中，通过第二用户和最终渠道的相似度向第二用户触达推荐产品。
可选地，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；任一渠道的第二标签集包括任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的各标签的权重之和确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道。
可选地，若待触达的第二用户当前未处于最终渠道中，通过第二用户和最终渠道的相似度向第二用户触达推荐产品，包括：
通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score；通过相似度最大的渠道向第二用户触达推荐产品；
其中，sim为第二用户和任一渠道的相似度；
jacarrd_score＝第一标签集与任一渠道的第二标签集的交集/第一标签集与任一渠道的第二标签集的并集；
model_score为通过预先训练好的用户对渠道偏好模型得到的第二用户对任一渠道偏好分数；
w1为标签权重，w2为第二用户对任一渠道的偏好权重。
可选地，根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，包括：
对于任一渠道，
确定任一渠道包括的各第一基本属性标签对应的第一用户的第一数量；
将任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列；
将第一序列中前3个第一基本属性标签均作为任一渠道的第二基本属性标签。
可选地，根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签，包括：
对于任一渠道，
确定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度＝任一渠道对应的所有第一用户对任一渠道中各产品的点击量/任一渠道中各产品的曝光率*10000；
将定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度从大到小排序，得到第二序列；
将第二序列中前10个产品均作为任一渠道的产品标签。
可选地，根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签，包括：
对于任一渠道，
确定任一渠道包括的各第一兴趣标签对应的第一用户的第二数量；
将任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列；
将第三序列中前10个第一兴趣标签均作为任一渠道的第二兴趣标签。
可选地，根据各第一用户的运动轨迹标签，确定各渠道的规则标签，包括：
对于任一渠道，
确定任一渠道包括的各运动轨迹标签对应的第一用户的第三数量；
将任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列；
将第四序列中前10个运动轨迹标签均作为任一渠道的规则标签。
可选地，方法还包括：
对于任一渠道，
根据任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列，任一操作序列为按任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为；
确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系；
确定含有各对应关系的第一用户的第四数量；
将任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列；
将第五序列中前3个对应关系均作为任一渠道的效果标签。
可选地，推荐产品为金融产品；渠道为广告渠道。
有益效果：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达。由于根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。
本实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述图1所示的方法实施例所提供的方法。
如：
确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签；第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，其中，第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；
根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签；
根据各第一用户的运动轨迹标签，确定各渠道的规则标签；
根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道；第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；
若待触达的第二用户当前处于最终渠道中，通过最终渠道向第二用户触达推荐产品；
若待触达的第二用户当前未处于最终渠道中，通过第二用户和最终渠道的相似度向第二用户触达推荐产品。
可选地，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；第一标签集包括第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；任一渠道的第二标签集包括任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的各标签的权重之和确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道。
可选地，若待触达的第二用户当前未处于最终渠道中，通过第二用户和最终渠道的相似度向第二用户触达推荐产品，包括：
通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score；通过相似度最大的渠道向第二用户触达推荐产品；
其中，sim为第二用户和任一渠道的相似度；
jacarrd_score＝第一标签集与任一渠道的第二标签集的交集/第一标签集与任一渠道的第二标签集的并集；
model_score为通过预先训练好的用户对渠道偏好模型得到的第二用户对任一渠道偏好分数；
w1为标签权重，w2为第二用户对任一渠道的偏好权重。
可选地，根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，包括：
对于任一渠道，
确定任一渠道包括的各第一基本属性标签对应的第一用户的第一数量；
将任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列；
将第一序列中前3个第一基本属性标签均作为任一渠道的第二基本属性标签。
可选地，根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签，包括：
对于任一渠道，
确定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度＝任一渠道对应的所有第一用户对任一渠道中各产品的点击量/任一渠道中各产品的曝光率*10000；
将定任一渠道对应的所有第一用户对任一渠道中各产品的偏好度从大到小排序，得到第二序列；
将第二序列中前10个产品均作为任一渠道的产品标签。
可选地，根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签，包括：
对于任一渠道，
确定任一渠道包括的各第一兴趣标签对应的第一用户的第二数量；
将任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列；
将第三序列中前10个第一兴趣标签均作为任一渠道的第二兴趣标签。
可选地，根据各第一用户的运动轨迹标签，确定各渠道的规则标签，包括：
对于任一渠道，
确定任一渠道包括的各运动轨迹标签对应的第一用户的第三数量；
将任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列；
将第四序列中前10个运动轨迹标签均作为任一渠道的规则标签。
可选地，方法还包括：
对于任一渠道，
根据任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列，任一操作序列为按任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为；
确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系；
确定含有各对应关系的第一用户的第四数量；
将任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列；
将第五序列中前3个对应关系均作为任一渠道的效果标签。
可选地，推荐产品为金融产品；渠道为广告渠道。
有益效果：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达。由于根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。
图3是本发明实施例提供的一种计算机设备的示意图。如图3所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53，该计算机程序53被处理器51执行时实现图1所示的实施例中的推荐产品的触达方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器51执行时实现图2所示的实施例中推荐产品的触达装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图3仅仅是计算机设备50的示例，并不构成对计算机设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备，例如计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
有益效果：
确定各渠道对应的各用户的基本属性标签；根据各用户的基本属性标签，确定各渠道的基本属性标签；根据各用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；根据各用户的兴趣标签，确定各渠道的兴趣标签；根据各用户的运动轨迹标签，确定各渠道的规则标签；根据待触达的用户的标签集以及各渠道的基本属性标签、产品标签、兴趣标签、规则标签，确定最终渠道；若待触达的用户当前处于最终渠道中，通过最终渠道触达；若未处于最终渠道中，通过待触达的用户和最终渠道的相似度触达。由于根据各渠道的基本属性标签、产品标签、兴趣标签、规则标签确定触达渠道，进而实现灵活触达。

Claims (10)

1.一种推荐产品的触达方法，其特征在于，所述方法包括：
确定各渠道对应的各第一用户的第一基本属性标签，对所对应渠道中产品的偏好度，第一兴趣标签，运动轨迹标签；所述第一基本属性标签包括：性别，年龄，职业，行业；
根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签；
根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签；
根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签；
根据各第一用户的运动轨迹标签，确定各渠道的规则标签；
根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道；所述第一标签集包括所述第二用户的第一基本属性标签、对产品的偏好度、第一兴趣标签、运动轨迹标签；
若待触达的第二用户当前处于最终渠道中，通过所述最终渠道向所述第二用户触达推荐产品；
若待触达的第二用户当前未处于最终渠道中，通过所述第二用户和所述最终渠道的相似度向所述第二用户触达推荐产品。
2.根据权利要求1所述的方法，其特征在于，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与第一交集中的各标签权重之和的乘积确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；其中，任一渠道的第二标签集包括所述任一渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签数量与对应渠道包括的标签总数量的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的各标签的权重之和确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道；
或者，所述根据待触达的第二用户的第一标签集以及各渠道的第二基本属性标签、产品标签、第二兴趣标签、规则标签，确定最终渠道的方法包括：
确定所述第二用户的第一标签集与各渠道的第二标签集的第一交集，将第一交集中的标签对应的权重之和与对应渠道包括的标签对应的权重之和的比值确定为对应渠道的匹配度，将匹配度最大的渠道确定为最终渠道。
3.根据权利要求1所述的方法，其特征在于，所述所述若待触达的第二用户当前未处于最终渠道中，通过所述第二用户和所述最终渠道的相似度向所述第二用户触达推荐产品，包括：
通过如下公式计算第二用户和各渠道的相似度：sim＝w1*jacarrd_score+w2*model_score；通过相似度最大的渠道向所述第二用户触达推荐产品；
其中，sim为第二用户和任一渠道的相似度；
jacarrd_score＝第一标签集与所述任一渠道的第二标签集的交集/第一标签集与所述任一渠道的第二标签集的并集；
model_score为通过预先训练好的用户对渠道偏好模型得到的所述第二用户对所述任一渠道偏好分数；
w1为标签权重，w2为所述第二用户对所述任一渠道的偏好权重。
4.根据权利要求1所述的方法，其特征在于，所述根据各第一用户的第一基本属性标签，确定各渠道的第二基本属性标签，包括：
对于任一渠道，
确定所述任一渠道包括的各第一基本属性标签对应的第一用户的第一数量；
将所述任一渠道包括的第一基本属性标签，按第一数量从多到少排序，得到第一序列；
将第一序列中前3个第一基本属性标签均作为所述任一渠道的第二基本属性标签。
5.根据权利要求1所述的方法，其特征在于，所述根据各第一用户对所对应渠道中产品的偏好度，确定各渠道的产品标签，包括：
对于任一渠道，
确定所述任一渠道对应的所有第一用户对所述任一渠道中各产品的偏好度＝所述任一渠道对应的所有第一用户对所述任一渠道中各产品的点击量/所述任一渠道中各产品的曝光率*10000；
将定所述任一渠道对应的所有第一用户对所述任一渠道中各产品的偏好度从大到小排序，得到第二序列；
将第二序列中前10个产品均作为所述任一渠道的产品标签。
6.根据权利要求1所述的方法，其特征在于，所述根据各第一用户的第一兴趣标签，确定各渠道的第二兴趣标签，包括：
对于任一渠道，
确定所述任一渠道包括的各第一兴趣标签对应的第一用户的第二数量；
将所述任一渠道包括的第一兴趣标签，按第二数量从多到少排序，得到第三序列；
将第三序列中前10个第一兴趣标签均作为所述任一渠道的第二兴趣标签。
7.根据权利要求1所述的方法，其特征在于，所述根据各第一用户的运动轨迹标签，确定各渠道的规则标签，包括：
对于任一渠道，
确定所述任一渠道包括的各运动轨迹标签对应的第一用户的第三数量；
将所述任一渠道包括的运动轨迹标签，按第三数量从多到少排序，得到第四序列；
将第四序列中前10个运动轨迹标签均作为所述任一渠道的规则标签。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于任一渠道，
根据所述任一渠道对应的第一用户的历史操作行为，确定多个历史操作序列，任一操作序列为按所述任一渠道对应的任一第一用户的任一次操作顺序排列的多个操作行为；
确定各历史操作序列对应的操作结果，得到历史操作序列与操作结果之间的对应关系；
确定含有各对应关系的第一用户的第四数量；
将所述任一渠道包括的对应关系，按第四数量从多到少排序，得到第五序列；
将第五序列中前3个对应关系均作为所述任一渠道的效果标签。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任一项所述的方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行权利要求1至7任一项所述的方法。
CN201910559025.8A 2019-06-26 2019-06-26 推荐产品的触达方法、存储介质和程序产品 Active CN110428277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910559025.8A CN110428277B (zh) 2019-06-26 2019-06-26 推荐产品的触达方法、存储介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910559025.8A CN110428277B (zh) 2019-06-26 2019-06-26 推荐产品的触达方法、存储介质和程序产品

Publications (2)

Publication Number Publication Date
CN110428277A true CN110428277A (zh) 2019-11-08
CN110428277B CN110428277B (zh) 2023-05-30

Family

ID=68408736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910559025.8A Active CN110428277B (zh) 2019-06-26 2019-06-26 推荐产品的触达方法、存储介质和程序产品

Country Status (1)

Country Link
CN (1) CN110428277B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112308166A (zh) * 2020-11-09 2021-02-02 建信金融科技有限责任公司 一种处理标签数据的方法和装置
CN112612966A (zh) * 2020-12-31 2021-04-06 中国农业银行股份有限公司 一种信息推荐方法及装置
CN113837811A (zh) * 2021-09-30 2021-12-24 成都新潮传媒集团有限公司 一种电梯广告点位推荐方法、装置、计算机设备及存储介质
CN114202380A (zh) * 2021-12-07 2022-03-18 中国建设银行股份有限公司 金融产品的推荐方法、装置和设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227743A (zh) * 2016-07-12 2016-12-14 精硕世纪科技（北京）有限公司 广告目标群体触达比率评估方法及装置
CN107438138A (zh) * 2017-09-12 2017-12-05 中国联合网络通信集团有限公司 一种渠道触达方式的推荐方法及装置
CN108492135A (zh) * 2018-03-08 2018-09-04 深圳萨摩耶互联网金融服务有限公司 渠道端口成本的跟踪优化方法及跟踪优化系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227743A (zh) * 2016-07-12 2016-12-14 精硕世纪科技（北京）有限公司 广告目标群体触达比率评估方法及装置
CN107438138A (zh) * 2017-09-12 2017-12-05 中国联合网络通信集团有限公司 一种渠道触达方式的推荐方法及装置
CN108492135A (zh) * 2018-03-08 2018-09-04 深圳萨摩耶互联网金融服务有限公司 渠道端口成本的跟踪优化方法及跟踪优化系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112308166A (zh) * 2020-11-09 2021-02-02 建信金融科技有限责任公司 一种处理标签数据的方法和装置
CN112612966A (zh) * 2020-12-31 2021-04-06 中国农业银行股份有限公司 一种信息推荐方法及装置
CN113837811A (zh) * 2021-09-30 2021-12-24 成都新潮传媒集团有限公司 一种电梯广告点位推荐方法、装置、计算机设备及存储介质
CN113837811B (zh) * 2021-09-30 2023-10-10 成都屏盟科技有限公司 一种电梯广告点位推荐方法、装置、计算机设备及存储介质
CN114202380A (zh) * 2021-12-07 2022-03-18 中国建设银行股份有限公司 金融产品的推荐方法、装置和设备

Also Published As

Publication number Publication date
CN110428277B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN110428277A (zh) 推荐产品的触达方法、存储介质和程序产品
CN108776907A (zh) 广告智能推荐方法、服务器及存储介质
US10037543B2 (en) Estimating conversion rate in display advertising from past performance data
CN107424043A (zh) 一种产品推荐方法及装置，电子设备
CN108629665A (zh) 一种个性化商品推荐方法和系统
CN106570718B (zh) 信息的投放方法及投放系统
CN105868847A (zh) 一种购物行为的预测方法及装置
CN106462560A (zh) 使用行为度量来优化内容布局的系统和方法
CN105678317B (zh) 一种信息处理方法及服务器
CN105608125B (zh) 一种信息处理方法及服务器
CN108805598A (zh) 相似度信息确定方法、服务器及计算机可读存储介质
CN111815375B (zh) 广告投放中的用户画像方法及装置
CN110033331A (zh) 一种优惠券的发放方法、系统及终端设备
CN108415913A (zh) 基于不确定邻居的人群定向方法
CN107104875B (zh) 信息推送的方法和装置
CN113254810A (zh) 搜索结果输出方法、装置、计算机设备及可读存储介质
CN111414542A (zh) 一种房地产客户群识别和营销的方法
US20240177184A1 (en) Self-learning valuation and access to digital content
Nuseir et al. The effect of social media marketing, compatibility and perceived ease of use on marketing performance: Evidence from hotel industry
Miklosik et al. Are australian TV advertisers aware of evolving online information search patterns?
CN114218476B (zh) 一种内容推荐方法、装置及终端设备
US20230117402A1 (en) Systems and methods of request grouping
JP6879962B2 (ja) 情報処理装置、情報処理方法、およびプログラム
SAHOO et al. ANALYZING CUSTOMER BEHAVIOR IN E-COMMERCE USING HOMOPHILY DETECTION ALGORITHM
Tejaswi et al. Impact of Consumer’s Decision Making Process on Purchasing of Mobile Phones

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