CN110609935A - 用户身份标签生成方法、装置、计算机设备和存储介质 - Google Patents
用户身份标签生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110609935A CN110609935A CN201910809578.4A CN201910809578A CN110609935A CN 110609935 A CN110609935 A CN 110609935A CN 201910809578 A CN201910809578 A CN 201910809578A CN 110609935 A CN110609935 A CN 110609935A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- target user
- target
- preset
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 230000006399 behavior Effects 0.000 claims description 87
- 238000012216 screening Methods 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 17
- 238000013515 script Methods 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 206010026749 Mania Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010012335 Dependence Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本申请提供了一种用户身份标签生成方法、装置、计算机设备和存储介质,获取存量用户的指标数据,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,再根据预设的目标识别指标矩阵对目标用户的行为特征数据进行匹配筛选,生成目标用户的身份标签信息。整个过程,基于目标识别指标矩阵为未携带有身份标签的目标用户实时生成身份标签,能够主动从存量用户中挖掘出潜在的高价值用户,有效地解决了生成用户身份标签时效性差的问题,且提高了用户的便利性。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种用户身份标签生成方法、装置、计算机设备和存储介质。
背景技术
用户身份标签是证明用户身份一种的凭证,例如,大家熟知的VIP(veryimportant person,重要人物)会员。会员制管理是提高用户粘度、提升产品服务品质、挖掘更多用户价值的重要手段。用户身份标签的管理,对于公司运营良性发展的重要性不言而喻,对于拥有大量用户的互联网企业来说,在互联网用户增长红利逐渐消退,增量用户获取成本越来越高的背景下,实时准确的生成用户身份标签,有助于高价值存量用户的维护和价值的最大化。
传统的用户身份标签如VIP会员生成的方法多为通过发送邮件或APP(Application,应用程序)内部引导用户成为VIP会员,用户需要主动进行VIP会员的注册,并填写并完善个人资料,较为繁琐,然后等待后台审核通过后生成、并分配用户身份标签信息至对应的客服人员。由此可见,传统的用户身份标签生成的方法时效性差,且需要用户过多参与便利性差。
发明内容
基于此,有必要针对传统的用户身份标签生成的方法时效性和便利性差的问题,提供一种快捷便利的用户身份标签生成方法、装置、计算机设备和存储介质。
一种用户身份标签生成方法,方法包括:
获取存量用户的指标数据;
根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建;
获取目标用户的行为特征数据;
根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,根据预设的目标识别指标矩阵对指标数据进行筛选之前,还包括:
获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据;
抽取标签数据中的可分类标签、并根据预设的脚本对用户数据进行清洗,得到指标数据;
根据预设的数值范围将指标数据划分为多个等级;
将划分后的指标数据进行关联组合,得到目标识别指标矩阵。
在其中一个实施例中,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户包括:
根据登录指标或者充值指标对指标数据进行筛选,识别出目标用户,目标用户为指标数据满足登录指标预设条件或者充值指标预设条件的用户。
在其中一个实施例中,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息,包括:
对目标用户的行为特征数据进行处理,获取目标用户的所在区域,并将目标用户的所在区域标记为目标用户的身份标签类别;
根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,得到目标用户的身份标签等级;
根据目标用户的身份标签类别与目标用户的身份标签等级,生成目标用户的身份标签信息。
在其中一个实施例中,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息之后,还包括:
获取目标用户的用户数据以及第三方数据平台采集的目标用户的第一用户标签;
对目标用户的用户数据进行分析处理和特征提取,生成第二用户标签;
将第二用户标签与第一用户标签进行关联组合,生成针对目标用户的组合用户标签;
将组合用户标签添加至目标用户的身份标签信息。
在其中一个实施例中,当目标用户满足预设的身份标签添加条件时,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,生成目标用户的身份标签信息之后,还包括:
获取当前的客服信息列表;
根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。
在其中一个实施例中,客服信息列表包括各客服对接的游戏和游戏区服,身份标签信息还包括用户编号;
根据当前的客服信息列表和目标用户的身份标签信息,分配客服信息包括:
根据用户编号,查找在预设时间内所述用户行为特征数据指向的游戏和该游戏对应的游戏区服;
根据在预设时间内所述用户行为特征数据指向的游戏和该游戏对应的游戏区服,从客服信息列表匹配出对应的客服信息。
在其中一个实施例中,还包括:
根据预设的脚本、并按照预设时间周期,对目标用户的行为特征数据进行计算,补充并更新身份标签信息。
一种用户身份标签生成装置,装置包括:
第一数据获取模块,用于获取存量用户的指标数据;
目标用户筛选模块,用于根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建;
第二数据获取模块,用于获取目标用户的行为特征数据;
身份标签生成模块,用于根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取存量用户的指标数据;
根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建;
获取目标用户的行为特征数据;
当根据目标用户的行为特征数据判断目标用户满足预设的身份标签添加条件时,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,设定目标用户的身份标签类别和身份标签等级,生成目标用户的身份标签信息。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取存量用户的指标数据;
根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建;
获取目标用户的行为特征数据;
根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
上述用户身份标签生成方法、装置、计算机设备和存储介质,获取存量用户的指标数据,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,再根据预设的目标识别指标矩阵对目标用户的行为特征数据进行匹配筛选,生成目标用户的身份标签信息。整个过程,基于目标识别指标矩阵为未携带有身份标签的目标用户实时生成身份标签,能够主动从存量用户中挖掘出潜在的高价值用户,有效地解决了生成用户身份标签时效性差的问题,且提高了用户的便利性。
附图说明
图1为一个实施例中用户身份标签生成方法的应用环境图;
图2为一个实施例中用户身份标签生成方法的流程示意图;
图3为一个实施例中构建目标识别指标矩阵步骤的流程示意图;
图4为另一个实施例中用户身份标签生成方法的详细流程示意图;
图5为一个实施例中用户身份标签生成装置的结构框图;
图6为另一个实施例中用户身份标签生成装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的用户身份标签生成方法,可应用于如图1所示的应用环境图中,应用场景可以是各游戏玩家(用户)于终端102上的游戏平台登录游戏,服务器104的大数据实时处理模块保存最近三天登录或充值过的非会员的存量用户的操作数据,然后,获取存量用户的指标数据(如登录指标数据和充值指标数据),根据预设的目标识别指标矩阵(预设的目标识别指标矩阵基于存量用户的历史数据构建)对指标数据进行筛选,识别出目标用户,获取目标用户的行为特征数据(包括登录在线时长、充值频率以及充值金额等),根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。具体的,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在其中一个实施例中,如图2所示,提供了一种用户身份标签生成方法,以该方法应用于服务器为例,身份标签以会员标签为例进行说明,包括以下步骤:
步骤S200,获取存量用户的指标数据。
存量用户是指某个时间段里原先已有的客户,与新增客户相对应。本实施例中的存量用户即已在游戏平台注册过的游戏玩家,存量用户的指标数据包括用户个人基础数据和用户指标数据,用户个人基础数据包括用户名称、用户编号、年龄、性别以及所在区域等,用户指标数据包括登录指标数据和充值指标数据等。具体的,登录指标数据可以包括登录次数、登录的频率(活跃程度)、每次登录的在线时长以及登录总时长等,充值指标数据包括充值时间、单次充值金额以及历史充值总金额等。
步骤S400,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建。
在实际应用中,可基于所有用户的历史数据,通过用户画像等技术手段构建目标识别指标矩阵,并配置目标识别指标矩阵的维度和指标,以生成不同类别和等级的身份标签。具体的,用户画像手段即用户信息标签化,通过收集与分析用户社会属性、生活习惯、消费行为等主要信息的数据之后,将用户的每个具体信息抽象成标签,利用这些标签将用户形象具体化,从而为用户提供有针对性的服务。在获取到存量用户的指标数据后,根据预设的目标识别指标矩阵进行筛选,识别出目标用户。具体的,可以是当检测到存量用户A发起登录或充值动作时,获取存量用户的充值指标数据或登录指标数据,当存量用户A在某一类游戏或游戏区服(游戏区服即指游戏某个服务器名称,或者是运营商名称,通常是以地域名加区号的格式命名)的充值金额满足预设的金额要求或者用户的登录指标数据如在线登录时长或预设时间内累积登录次数满足预设的活跃条件时,则筛选出该存量用户A,将该存量用户A标记为目标用户,如果存量用户A的充值金额未超过预设的金额要求或登录指标数据未达到活跃条件,则跳过存量用户A,监听下一个存量用户的充值或登录操作,获取其指标数据,以此方式,识别出存量用户中的目标用户。可以理解的是,在其他实施例中,识别目标用户的方式还可以是根据预设的目标识别指标矩阵中的游戏角色数指标数据对用户所拥有的游戏角色数量进行识别。
在其中一个实施例中,根据预设的目标识别指标矩阵对指标数据进行筛选之前,还包括:
步骤S302,获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据;
步骤S304,抽取标签数据中的可分类标签、并根据预设的脚本对用户数据进行清洗,得到指标数据;
步骤S306,根据预设的数值范围将指标数据划分为多个等级;
步骤S308,将划分后的指标数据进行关联组合,得到目标识别指标矩阵。
标签数据即指用户标签,用户标签是对某一类特定群体或对象的某项特征进行的抽象分类和概括,其值(标签值)具备可分类性。例如,对于“人”这类群体,可将“男”、“女”这类特征进行抽象概括,统称为“性别”,“性别”即一个标签。获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据可以是:服务器的大数据实时处理模块导出用户群在自有平台的存量用户的数据,并获取各大互联网广告平台以及DMP(Data ManagementPlatform,数据管理平台)数据平台的用户标签数据。其中,用户标签数据范围涵盖区域、上网偏好、游戏类别偏好、年龄段、性别及行为操作数据等特征数据,然后抽取标签数据中的可分类标签如游戏时长(对于无法分类的标签数据如兴趣爱好等,直接作为用户属性进行存储)、并根据预设的脚本对用户数据进行清洗,得到指标数据。得到指标数据之后,根据预设的数值范围将指标数据划分为多个等级,例如根据用户连续登录天数、累积登录次数和每天登录次数等数据,按照数值大小划设多个范围,以区分等级,划分等级之后,可以是根据用户的游戏编号和用户账户编号,将划分后的指标数据进行关联组合,得到目标识别指标矩阵,例如指标组合关联可以是根据用户的登录数据如登录时长、连续登录天数等,构建登录指标或活跃指标,然后,可以是根据用户游戏编号,将活跃指标与构建好的流失风险评估指标进行关联,便于实时对用户潜在价值进行评估。具体的,数据清洗包括有效去除用户使用过的重复设备信息、同时出现在2个位置的虚假设备信息等、虚拟位置信息以及笔记本电脑流量等数据。其中,目标识别指标矩阵可根据实际情况进行维度的增减调整。具体的,每组指标矩阵可由多个维度构成,维度的深度和广度均可根据指标数据进行定义,例如,维度的广度包括游戏(登录次数、活跃程度以及每次游戏时长)、区服(转服、玩家所有区服数量)、充值(充值时间、单次最大充值金额以及历史充值总额)、角色(角色数量、角色等级分布以及角色在线时长)、设备(激活时间、数量以及关联设备),维度的广度深度主要包括时间维度。每个维度有多个数值范围,指标有简单指标和复合指标,每个指标可根据不同范围的数值分为多个等级,形成目标识别指标矩阵。
步骤S600,获取目标用户的行为特征数据。
如上述实施例所述,当识别出目标用户筛选之后,获取目标用户的行为特征数据,其中,行为特征数据包括两个大类,一类是与用户相关的行为信息,主要指用户的具体的操作行为数据,操作行为包括但不限于登录、注册、浏览、点击、充值、语音以及搜索等;另一类是基于用户操作得到的衍生行为信息,比如游戏所属分类、登录次数、登录时长、充值金额以及所有区服数量等。具体的,具体操作行为数据主要包括登录数据、充值数据、点击数据、竞技数据以及语音数据等,衍生行为数据包括用户经常登录的游戏和区服、用户角色数据、以及游戏关联设备数据等,进一步的,游戏关联设备数据包括用户常用的关联设备、游戏历史关联设备数以及设备激活时间等。获取目标用户的行为特征数据之后,将行为特征数据加入队列等待处理。
步骤S800,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
身份标签信息包括目标用户的个人资料(包括用户编号)、身份标签类别以及身份标签等级等,其中,可由用户编号查找出用户相关的用户数据。在实际应用中,可以是大数据实时处理模块从队列中获取行为特征数据,在生成用户身份标签信息之前,对用户的行为特征数据进行处理,如抽取出用户的充值总金额,当充值总金额满足预设的身份标签添加条件如达到充值金额达到2000元时,根据预设的目标识别指标矩阵,对行为特征数据进行匹配筛选,生成身份标签信息,并且,为便于数据的管理,可将所有目标用户及其对应的身份标签信息存储至预设数据库中的用户标签数据表中。在其他实施例中,对行为特征数据进行匹配筛选,生成身份标签信息可以是对目标用户的行为特征数据进行处理,获取目标用户的所在区域如西北地区,并将目标用户的所在区域标记为目标用户的身份标签类别如西北大区,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,得到目标用户的身份标签等级,例如,某用户在某个游戏中每天登录次数为5-10次,且30天内累积登录的天数满足一定范围数值如20天,根据目标识别指标矩阵中的划分等级的登录指标,将该用户身份标签等级标记为活跃,并根据该用户的登录指标数据的数值范围将其身份标签等级区分其活跃程度(如活跃程度为沉迷型V级),根据目标用户的身份标签类别与目标用户的身份标签等级,生成目标用户的身份标签信息,如“西北大区活跃程度为沉迷型V级的VIP用户”。可以理解的是,其他实施例中,上述设定用户身份标签信息的方式,还可以通过其他方式进行设定。本实施例中,通过设定用户的身份标签类别和身份标签等级,能够直观地反映出用户的身份信息,且针对地区进行类别划分,能够有针对性的对不同地区的用户提供相应的服务。
上述用户身份标签生成方法,获取存量用户的指标数据,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,再根据预设的目标识别指标矩阵对目标用户的行为特征数据进行匹配筛选,生成目标用户的身份标签信息。整个过程,基于目标识别指标矩阵为未携带有身份标签的目标用户实时生成身份标签,能够主动从存量用户中挖掘出潜在的高价值用户,有效地解决了生成用户身份标签时效性差的问题,且提高了用户的便利性。
在其中一个实施例中,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息之后,还包括:获取目标用户的用户数据以及第三方数据平台采集的目标用户的第一用户标签,对目标用户的用户数据进行分析处理和特征提取,生成第二用户标签,将第二用户标签与第一用户标签进行关联组合,生成针对目标用户的组合用户标签,将组合用户标签添加至目标用户的身份标签信息。
在实际应用中,在生成目标用户的身份标签信息之后,还可以获取目标用户在自有数据库中的用户数据如登录、充值以及游戏角色数量等数据,以及第三方数据平台如DMP数据平台采集的第一用户标签如“爱好旅游”等,然后,对目标用户的用户数据进行分析处理和特征提取,得到第二用户标签如“喜欢深夜玩策略游戏”,根据用户编号和游戏编号,将第一用户标签和第二用户标签进行关联组合,生成针对目标用户的组合用户标签如“爱好旅游且喜欢深夜玩策略游戏”,假设目标用户A的身份标签为“西北大区活跃程度为沉迷型V级的VIP用户”,将组合用户标签添加至身份标签,可以得到“西北大区爱好旅游且喜欢深夜玩策略游戏的活跃程度为沉迷型V级的VIP用户A”的身份标签信息。本实施例中,通过对用户标签进行关联组合,实现了对目标用户的更精细化的用户画像。
如图4所示,在其中一个实施例中,客服信息列表包括各客服对接的游戏和游戏区服;生成目标用户的身份标签信息之后,还包括:步骤S900,获取当前的客服信息列表,根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。
当生成目标用户的身份标签之后,为了给用户提供定制化服务,可以安排工作人员对目标用户进行维系工作,提供精细化服务,提升用户的体验,挖掘出用户的更多的潜在价值。本实施例中,可以是为目标用户安排专属客服提供定制化服务。具体的,可以是实时更新缓存中的客服信息列表,使得当前的客服信息列表总是最新版本的客服列表,当生成目标用户的身份标签后,获取当前的客服信息列表,客服信息中有各客服负责对接的游戏或区服等信息,然后根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。如不同的VIP会员等级可对应有不同的专属客服,例如,VIP会员1级对应专属客服a,VIP会员2级对应专属客服b。本实施例中,为目标用户分配专属客服,能够为用户提供精细化服务,提升用户的体验感。
在其中一个实施例中,客服信息列表包括各客服对接的游戏和游戏区服,身份标签信息还包括用户编号,根据当前的客服信息列表和目标用户的身份标签信息,分配客服信息包括:根据用户编号,查找在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,根据在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,从客服信息列表匹配出对应的客服信息。
如上述实施例所述,客服信息列表包括各客服负责对接的游戏和区服等信息,具体的,包括游戏类别、游戏名称以游戏区服。分配客服信息的方式可以是获取目标用户的身份标签,身份标签中携带有用户编号,根据用户编号查找在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,用户行为特征数据包括用户针对游戏进行相关操作产生的数据,具体的,可以包括登录数据、充值数据和其他操作数据等。例如,当目标用户在预设时间段(如最近一周)内,登录或充值过某款游戏aa,在目标用户完成登录或充值后,游戏aa的数据库中便会产生对应的登录数据或充值数据,基于数据库中的登录数据或充值数据,便能查找出该数据指向的游戏aa和游戏aa所属的游戏区服。根据查找出的游戏和该游戏所属的游戏区服,从当前的客服信息列表中匹配出对应的客服,完成用户身份标签与专属客服的匹配。本实施例中,通过查找在预设时间段内用户行为特征数据指向的游戏和该游戏对应的游戏区服,为目标用户匹配对应的客服,能够更加有针对性为各游戏区服的用户提供服务。
在其中一个实施例中,根据当前的客服信息列表和目标用户的身份标签信息,分配对应的客服信息之后,还包括:将身份标签信息发送至客服系统,并推送客服信息至目标用户。
在实际应用中,完成用户身份标签与专属客服的匹配,即完成了精准用户定位的主要环节,为了防止用户对产品或者服务失去兴趣,丧失购买力,可以将身份标签信息发送至客服系统,并推送客服信息至目标用户,告知目标用户其享受会员所有的专属服务,便于为目标用户提供帮助,提升用户的服务感。此外,将身份标签信息推送至客服系统,也可用于向具有不同用户标签的用户进行相应产品的精准营销,具体可以是指对于购买过产品或充值过的用户推广优惠力度,促使其产生实际购买产品行为或充值行为,增加回购率,实现双赢。
如图4所示,在其中一个实施例中,还包括:步骤S950,根据预设的脚本、并按照预设时间周期,对目标用户的行为特征数据进行计算,补充并更新身份标签信息。
在实际应用中,随着目标用户行为特征数据的累积,用户的身份标签信息也需随着更新。例如,当前身份标签等级为沉迷型V级的目标用户的游戏登录时长和充值金额越来越多,以至于该目标用户满足预设的疯狂型I级的条件,此时,为了提高用户的游戏体验,将该目标用户的身份标签等级升级为疯狂型I级。具体的,可通过预设的脚本,定时地对目标用户的行为特征数据进行离线计算,及时生成或更新目标用户的指标数据,如历史关联设备、同类游戏(多分包游戏)下的同类区服(多分包下的相同区服)以及充值总额等,并根据更新后的指标数据,补充并更新身份标签信息。由于所有用户的行为特征数据量大,故本实施例中,基于Hadoop软件框架,编写脚本,按照预设的时间周期对用户的海量数据进行离线计算,将离线计算完成后得到的数据输出到身份标签数据表中。Hadoop是一个能够对大量数据进行分布式处理的软件框架,由于其具有可伸缩性,能够处理PB(Petabytes,拍字节)级数据,能够在节点之间动态地移动数据,并保证各个节点的动态平衡,因此,处理速度非常快。本实施例中,通过脚本定时对用户行为特征数据进行离线计算,保证用户身份标签更新的时效性。
应该理解的是,虽然图2至图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,如图5所示,提供了一种用户身份标签生成装置,包括:第一数据获取模块510、目标用户筛选模块520、第二数据获取模块530以及身份标签生成模块540,其中:
第一数据获取模块510,用于获取存量用户的指标数据。
目标用户筛选模块520,用于根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建。
第二数据获取模块530,用于获取目标用户的行为特征数据。
身份标签生成模块540,用于根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
如图6所示,在其中一个实施例中,用户身份标签生成装置还包括指标矩阵构建模块550,用于获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据,抽取标签数据中的可分类标签、并根据预设的脚本对用户数据进行清洗,得到指标数据,根据预设的数值范围将指标数据划分为多个等级,将划分后的指标数据进行关联组合,得到目标识别指标矩阵。
在其中一个实施例中,目标用户筛选模块520还用于根据登录指标或者充值指标对指标数据进行筛选,识别出目标用户,目标用户为指标数据满足登录指标预设条件或者充值指标预设条件的用户。
在其中一个实施例中,身份标签生成模块540还用于对目标用户的行为特征数据进行处理,获取目标用户的所在区域,并将目标用户的所在区域标记为目标用户的身份标签类别,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,得到目标用户的身份标签等级,根据目标用户的身份标签类别与目标用户的身份标签等级,生成目标用户的身份标签信息。
在其中一个实施例中,身份标签生成模块540还用于当目标用户满足预设的身份标签添加条件时,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,用户身份标签生成装置还包括标签组合模块560,用于获取目标用户的用户数据以及第三方数据平台采集的目标用户的第一用户标签,对目标用户的用户数据进行分析处理和特征提取,生成第二用户标签,将第二用户标签与第一用户标签进行关联组合,生成针对目标用户的组合用户标签,将组合用户标签添加至目标用户的身份标签信息。
在其中一个实施例中,用户身份标签生成装置还包括客服分配模块570,用于获取当前的客服信息列表,根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。
在其中一个实施例中,客服分配模块570还用于根据用户编号,查找在预设时间内所述用户行为特征数据指向的游戏和该游戏对应的游戏区服,根据在预设时间内所述用户行为特征数据指向的游戏和该游戏对应的游戏区服,从客服信息列表匹配出对应的客服信息。
在其中一个实施例中,用户身份标签生成装置还包括标签更新模块580,用于根据预设的脚本、并按照预设时间周期,对目标用户的行为特征数据进行计算,补充并更新身份标签信息。
关于用户身份标签生成装置的具体限定可以参见上文中对于用户身份标签生成方法的限定,在此不再赘述。上述用户身份标签生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机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,该计算机设备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、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户数据以及用户身份标签信息等。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。该计算机程序被处理器执行时以实现一种用户身份标签生成方法。
本领域技术人员可以理解,图7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,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取存量用户的指标数据,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建,获取目标用户的行为特征数据,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据,抽取标签数据中的可分类标签、并根据预设的脚本对用户数据进行清洗,得到指标数据,根据预设的数值范围将指标数据划分为多个等级,将划分后的指标数据进行关联组合,得到目标识别指标矩阵。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据登录指标或者充值指标对指标数据进行筛选,识别出目标用户,目标用户为指标数据满足登录指标预设条件或者充值指标预设条件的用户。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对目标用户的行为特征数据进行处理,获取目标用户的所在区域,并将目标用户的所在区域标记为目标用户的身份标签类别,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,得到目标用户的身份标签等级,根据目标用户的身份标签类别与目标用户的身份标签等级,生成目标用户的身份标签信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:当目标用户满足预设的身份标签添加条件时,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取目标用户的用户数据以及第三方数据平台采集的目标用户的第一用户标签,对目标用户的用户数据进行分析处理和特征提取,生成第二用户标签,将第二用户标签与第一用户标签进行关联组合,生成针对目标用户的组合用户标签,将组合用户标签添加至目标用户的身份标签信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取当前的客服信息列表,根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据用户编号,查找在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,根据在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,从客服信息列表匹配出对应的客服信息。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的脚本、并按照预设时间周期,对目标用户的行为特征数据进行计算,补充并更新身份标签信息。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取存量用户的指标数据,根据预设的目标识别指标矩阵对指标数据进行筛选,识别出目标用户,预设的目标识别指标矩阵基于存量用户的历史数据构建,获取目标用户的行为特征数据,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取存量用户的用户数据以及第三方数据平台采集的存量用户的标签数据,抽取标签数据中的可分类标签、并根据预设的脚本对用户数据进行清洗,得到指标数据,根据预设的数值范围将指标数据划分为多个等级,将划分后的指标数据进行关联组合,得到目标识别指标矩阵。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据登录指标或者充值指标对指标数据进行筛选,识别出目标用户,目标用户为指标数据满足登录指标预设条件或者充值指标预设条件的用户。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对目标用户的行为特征数据进行处理,获取目标用户的所在区域,并将目标用户的所在区域标记为目标用户的身份标签类别,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,得到目标用户的身份标签等级,根据目标用户的身份标签类别与目标用户的身份标签等级,生成目标用户的身份标签信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:当目标用户满足预设的身份标签添加条件时,根据预设的目标识别指标矩阵对行为特征数据进行匹配筛选,生成目标用户的身份标签信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标用户的用户数据以及第三方数据平台采集的目标用户的第一用户标签,对目标用户的用户数据进行分析处理和特征提取,生成第二用户标签,将第二用户标签与第一用户标签进行关联组合,生成针对目标用户的组合用户标签,将组合用户标签添加至目标用户的身份标签信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取当前的客服信息列表,根据当前的客服信息列表和目标用户的身份标签信息,为目标用户分配对应的客服信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据用户编号,查找在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,根据在预设时间内用户行为特征数据指向的游戏和该游戏对应的游戏区服,从客服信息列表匹配出对应的客服信息。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设的脚本、并按照预设时间周期,对目标用户的行为特征数据进行计算,补充并更新身份标签信息。
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,的计算机程序可存储于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,本申请所提供的各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)、双数据率SDRAM(DDRSDRAM)、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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种用户身份标签生成方法,其特征在于,所述方法包括:
获取存量用户的指标数据;
根据预设的目标识别指标矩阵对所述指标数据进行筛选,识别出目标用户,所述预设的目标识别指标矩阵基于存量用户的历史数据构建;
获取所述目标用户的行为特征数据;
根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,生成所述目标用户的身份标签信息。
2.根据权利要求1所述的用户身份标签生成方法,其特征在于,所述根据预设的目标识别指标矩阵对所述指标数据进行筛选之前,还包括:
获取存量用户的用户数据以及第三方数据平台采集的所述存量用户的标签数据;
抽取所述标签数据中的可分类标签、并根据预设的脚本对所述用户数据进行清洗,得到指标数据;
根据预设的数值范围将所述指标数据划分为多个等级;
将划分后的所述指标数据进行关联组合,得到所述目标识别指标矩阵。
3.根据权利要求2所述的用户身份标签生成方法,所述目标识别指标矩阵包含登录指标以及充值指标,所述根据预设的目标识别指标矩阵对所述指标数据进行筛选,识别出目标用户包括:
根据所述登录指标或者所述充值指标对所述指标数据进行筛选,识别出目标用户,所述目标用户为所述指标数据满足登录指标预设条件或者充值指标预设条件的用户。
4.根据权利要求2所述的用户身份标签生成方法,其特征在于,所述根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,生成所述目标用户的身份标签信息,包括:
对所述目标用户的行为特征数据进行处理,获取所述目标用户的所在区域,并将所述目标用户的所在区域标记为所述目标用户的身份标签类别;
根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,得到所述目标用户的身份标签等级;
根据所述目标用户的身份标签类别与所述目标用户的身份标签等级,生成所述目标用户的身份标签信息。
5.根据权利要求1所述的用户身份标签生成方法,其特征在于,所述根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,生成所述目标用户的身份标签信息之后,还包括:
获取所述目标用户的用户数据以及第三方数据平台采集的所述目标用户的第一用户标签;
对所述目标用户的用户数据进行分析处理和特征提取,生成第二用户标签;
将所述第二用户标签与所述第一用户标签进行关联组合,生成针对所述目标用户的组合用户标签;
将所述组合用户标签添加至所述目标用户的身份标签信息。
6.根据权利要求1所述的用户身份标签生成方法,其特征在于,
当所述目标用户满足所述预设的身份标签添加条件时,根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,生成所述目标用户的身份标签信息。
7.根据权利要求1所述的用户身份标签生成方法,其特征在于,所述生成所述目标用户的身份标签信息之后,还包括:
获取当前的客服信息列表;
根据所述当前的客服信息列表和所述目标用户的身份标签信息,为所述目标用户分配对应的客服信息。
8.根据权利要求7所述的用户身份标签生成方法,其特征在于,所述客服信息列表包括各客服对接的游戏和游戏区服,所述身份标签信息还包括用户编号;
所述根据所述当前的客服信息列表和所述目标用户的身份标签信息,分配客服信息包括:
根据所述用户编号,查找在预设时间内所述用户行为特征数据指向的游戏和所述游戏对应的游戏区服;
根据所述在预设时间内所述用户行为特征数据指向的游戏和所述游戏对应的游戏区服,从所述客服信息列表匹配出对应的客服信息。
9.根据权利要求1所述的用户身份标签生成方法,其特征在于,还包括:
根据预设的脚本、并按照预设时间周期,对所述目标用户的行为特征数据进行计算,补充并更新所述身份标签信息。
10.一种用户身份标签生成装置,其特征在于,所述装置包括:
第一数据获取模块,用于获取存量用户的指标数据;
目标用户筛选模块,用于根据预设的目标识别指标矩阵对所述指标数据进行筛选,识别出目标用户,所述预设的目标识别指标矩阵基于存量用户的历史数据构建;
第二数据获取模块,用于获取所述目标用户的行为特征数据;
身份标签生成模块,用于根据所述预设的目标识别指标矩阵对所述行为特征数据进行匹配筛选,生成所述目标用户的身份标签信息。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910809578.4A CN110609935A (zh) | 2019-08-29 | 2019-08-29 | 用户身份标签生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910809578.4A CN110609935A (zh) | 2019-08-29 | 2019-08-29 | 用户身份标签生成方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110609935A true CN110609935A (zh) | 2019-12-24 |
Family
ID=68890678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910809578.4A Pending CN110609935A (zh) | 2019-08-29 | 2019-08-29 | 用户身份标签生成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609935A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233740A (zh) * | 2020-09-28 | 2021-01-15 | 广州金域医学检验中心有限公司 | 患者身份识别方法、装置、设备和介质 |
CN112445689A (zh) * | 2020-11-27 | 2021-03-05 | 广州三七互娱科技有限公司 | 用户分类方法、装置及电子设备 |
CN113082725A (zh) * | 2021-03-08 | 2021-07-09 | 杭州电魂网络科技股份有限公司 | 游戏用户分群方法、装置、电子设备和存储介质 |
CN113190829A (zh) * | 2021-05-18 | 2021-07-30 | 京东数科海益信息科技有限公司 | 一种权限数据的识别方法、装置、设备和介质 |
CN113379474A (zh) * | 2021-07-13 | 2021-09-10 | 京东数科海益信息科技有限公司 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
CN113407826A (zh) * | 2021-06-09 | 2021-09-17 | 广州三七极创网络科技有限公司 | 虚拟商品推荐方法、装置、设备和存储介质 |
CN114614997A (zh) * | 2020-11-23 | 2022-06-10 | 中国移动通信集团江西有限公司 | 一种身份识别方法、装置、计算机设备和存储介质 |
CN114723502A (zh) * | 2022-06-08 | 2022-07-08 | 杭州乐派数科科技有限公司 | 可计数归类的增量用户潜在价值考察分析方法及相关装置 |
CN114832386A (zh) * | 2022-04-26 | 2022-08-02 | 江苏果米文化发展有限公司 | 一种基于大数据分析的游戏用户智能管理系统 |
CN115599973A (zh) * | 2022-11-04 | 2023-01-13 | 广州大事件网络科技有限公司(Cn) | 一种用户人群标签筛分方法、系统、设备及存储介质 |
CN116485587A (zh) * | 2023-04-21 | 2023-07-25 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
CN114832386B (zh) * | 2022-04-26 | 2024-05-14 | 江苏果米文化发展有限公司 | 一种基于大数据分析的游戏用户智能管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690834A1 (en) * | 2012-07-27 | 2014-01-29 | Alcatel Lucent | Automatic generation of virtual distribution lists |
CN105512910A (zh) * | 2015-11-27 | 2016-04-20 | 北京奇虎科技有限公司 | 一种目标用户筛选方法和装置 |
CN109447687A (zh) * | 2018-09-27 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户挖掘方法及装置 |
CN109801101A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 标签确定方法、装置、计算机设备和存储介质 |
CN110009127A (zh) * | 2019-01-24 | 2019-07-12 | 平安科技(深圳)有限公司 | 沉迷游戏风险识别方法、装置、计算机设备和存储介质 |
CN110134862A (zh) * | 2019-04-17 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品信息展示方法、装置、计算机设备和存储介质 |
CN110147821A (zh) * | 2019-04-15 | 2019-08-20 | 中国平安人寿保险股份有限公司 | 目标用户群体确定方法、装置、计算机设备及存储介质 |
-
2019
- 2019-08-29 CN CN201910809578.4A patent/CN110609935A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690834A1 (en) * | 2012-07-27 | 2014-01-29 | Alcatel Lucent | Automatic generation of virtual distribution lists |
CN105512910A (zh) * | 2015-11-27 | 2016-04-20 | 北京奇虎科技有限公司 | 一种目标用户筛选方法和装置 |
CN109447687A (zh) * | 2018-09-27 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户挖掘方法及装置 |
CN109801101A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 标签确定方法、装置、计算机设备和存储介质 |
CN110009127A (zh) * | 2019-01-24 | 2019-07-12 | 平安科技(深圳)有限公司 | 沉迷游戏风险识别方法、装置、计算机设备和存储介质 |
CN110147821A (zh) * | 2019-04-15 | 2019-08-20 | 中国平安人寿保险股份有限公司 | 目标用户群体确定方法、装置、计算机设备及存储介质 |
CN110134862A (zh) * | 2019-04-17 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品信息展示方法、装置、计算机设备和存储介质 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233740A (zh) * | 2020-09-28 | 2021-01-15 | 广州金域医学检验中心有限公司 | 患者身份识别方法、装置、设备和介质 |
CN112233740B (zh) * | 2020-09-28 | 2024-03-29 | 广州金域医学检验中心有限公司 | 患者身份识别方法、装置、设备和介质 |
CN114614997A (zh) * | 2020-11-23 | 2022-06-10 | 中国移动通信集团江西有限公司 | 一种身份识别方法、装置、计算机设备和存储介质 |
CN114614997B (zh) * | 2020-11-23 | 2023-07-07 | 中国移动通信集团江西有限公司 | 一种身份识别方法、装置、计算机设备和存储介质 |
CN112445689A (zh) * | 2020-11-27 | 2021-03-05 | 广州三七互娱科技有限公司 | 用户分类方法、装置及电子设备 |
CN112445689B (zh) * | 2020-11-27 | 2023-01-24 | 广州三七互娱科技有限公司 | 用户分类方法、装置及电子设备 |
CN113082725A (zh) * | 2021-03-08 | 2021-07-09 | 杭州电魂网络科技股份有限公司 | 游戏用户分群方法、装置、电子设备和存储介质 |
CN113190829A (zh) * | 2021-05-18 | 2021-07-30 | 京东数科海益信息科技有限公司 | 一种权限数据的识别方法、装置、设备和介质 |
CN113190829B (zh) * | 2021-05-18 | 2024-04-09 | 京东科技信息技术有限公司 | 一种权限数据的识别方法、装置、设备和介质 |
CN113407826A (zh) * | 2021-06-09 | 2021-09-17 | 广州三七极创网络科技有限公司 | 虚拟商品推荐方法、装置、设备和存储介质 |
CN113379474B (zh) * | 2021-07-13 | 2024-02-06 | 京东科技信息技术有限公司 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
CN113379474A (zh) * | 2021-07-13 | 2021-09-10 | 京东数科海益信息科技有限公司 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
CN114832386A (zh) * | 2022-04-26 | 2022-08-02 | 江苏果米文化发展有限公司 | 一种基于大数据分析的游戏用户智能管理系统 |
CN114832386B (zh) * | 2022-04-26 | 2024-05-14 | 江苏果米文化发展有限公司 | 一种基于大数据分析的游戏用户智能管理系统 |
CN114723502A (zh) * | 2022-06-08 | 2022-07-08 | 杭州乐派数科科技有限公司 | 可计数归类的增量用户潜在价值考察分析方法及相关装置 |
CN115599973A (zh) * | 2022-11-04 | 2023-01-13 | 广州大事件网络科技有限公司(Cn) | 一种用户人群标签筛分方法、系统、设备及存储介质 |
CN116485587A (zh) * | 2023-04-21 | 2023-07-25 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
CN116485587B (zh) * | 2023-04-21 | 2024-04-09 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609935A (zh) | 用户身份标签生成方法、装置、计算机设备和存储介质 | |
US11070643B2 (en) | Discovering signature of electronic social networks | |
US10325289B2 (en) | User similarity groups for on-line marketing | |
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
WO2020200199A1 (zh) | 个性化推荐的方法、终端设备和系统 | |
US10163130B2 (en) | Methods and apparatus for identifying a cookie-less user | |
US9785972B2 (en) | Content delivery using social affine targeting | |
CN108021929A (zh) | 基于大数据的移动端电商用户画像建立与分析方法及系统 | |
US20110082824A1 (en) | Method for selecting an optimal classification protocol for classifying one or more targets | |
CN107808295B (zh) | 多媒体数据投放方法及装置 | |
US20070198937A1 (en) | Method for determining a profile of a user of a communication network | |
CN106530015A (zh) | 信息投放控制方法及装置 | |
CN105898209A (zh) | 视频平台监控分析系统 | |
US11257019B2 (en) | Method and system for search provider selection based on performance scores with respect to each search query | |
CN109272360B (zh) | 一种广告智能推荐方法、系统及装置 | |
US20100082428A1 (en) | Display advertising inventory estimation | |
CN112148992A (zh) | 内容推送方法、装置、计算机设备和存储介质 | |
CN107657357B (zh) | 数据的处理方法及装置 | |
Unuvar et al. | Selecting optimum cloud availability zones by learning user satisfaction levels | |
CN113743981A (zh) | 素材投放成本预测方法、装置、计算机设备及存储介质 | |
CN110675179A (zh) | 营销信息处理方法、装置、电子设备及可读存储介质 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
Zhang et al. | Mining target users for mobile advertising based on telecom big data | |
CN114065051A (zh) | 私域平台视频推荐方法、装置、电子设备和介质 | |
CN113869931A (zh) | 广告投放策略确定方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191224 |