CN110827109B - 一种短信营销方法及装置 - Google Patents

Abstract

本发明实施例提供一种短信营销方法及装置，其中方法包括：获取多个待推荐对象的特征信息；将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；通过短信将所述目标推荐对象发送至预设用户。本发明实施例提高了短信营销的效率和精确性。

Description

一种短信营销方法及装置

技术领域

本发明实施例涉及大数据业务支撑技术领域，尤其涉及一种短信营销方法及装置。

背景技术

短信营销一直是各大运营商重要的营销渠道之一，从传统的话费、套餐、流量产品到后期引入的各种新拓展业务产品如影音产品、金融产品等，都不同程度的通过短信触达用户。

目前在短信营销系统的使用中，主要是市场营销专员和业务专家以人工的方式进行营销策略设定，获取营销用户清单进行精准推广。但是随着运营商对外变现业务的拓展，现有的短信营销流程则逐渐出现如下问题：

其一，营销效率低下。在各大运营商以对内业务为主的时期，短信精准营销的产品大多是语音、通话、流量产品。此类产品种类数量相对稳定，营销人员通常能够针对特定产品，依照业务经验设计营销客户群提取口径，但是无法满足同一时期内大量多品类产品的营销需求。

其二，营销效果难以保证。随着营销产品的日益多样化，业务专家的业务知识储备几乎不可能得到同步的扩展，单一依赖营销人员设计营销口径的办法无法满足高质量的客群获取；另外，受限于业务主观认知水平，无法做到个性化的精准营销。

发明内容

本发明实施例提供一种短信营销方法及装置，以解决现有技术中在通过短信进行营销时存在的效率较低和效果不理想的问题。

针对上述问题，第一方面，本发明实施例提供一种短信营销方法，所述方法包括：

获取多个待推荐对象的特征信息；

将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；

根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；

通过短信将所述目标推荐对象发送至预设用户。

第二方面，本发明实施例提供一种短信营销装置，所述装置包括：

第一获取模块，用于获取多个待推荐对象的特征信息；

第一输入模块，用于将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；

第二获取模块，用于根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；

发送模块，用于通过短信将所述目标推荐对象发送至预设用户。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的短信营销方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的短信营销方法的步骤。

本发明实施例提供的短信营销方法及装置，通过将多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户对应的推荐结果，然后根据每个预设推荐模型分别输出的与预设用户对应的推荐结果，从多个待推荐对象中获取目标推荐对象并发送给预设用户，实现了通过预设推荐系统对待推荐对象的综合分析，实现了通过系统对待推荐对象的分析筛选，并且实现了通过多个预设推荐模型的输出结果，筛选得到目标推荐对象，在节省了人力和提高了营销效率的同时，提高了所筛选得到的目标推荐对象的精确性，实现了待推荐对象的精准营销。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。

图1表示本发明实施例中短信营销方法的步骤流程图；

图2表示本发明实施例中短信营销装置的模块框图；

图3表示本发明实施例中电子设备的模块框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明实施例中短信营销方法的步骤流程图，该方法包括如下步骤：

步骤101：获取多个待推荐对象的特征信息。

在本步骤中，具体的，待推荐对象可以为通讯资费产品、咨询、商品和歌曲等，即在此并不具体限定待推荐对象的具体内容。

此外，具体的，多个待推荐对象指待推荐对象的数量为至少两个。

另外，具体的，待推荐对象的特征信息可以包括待推荐对象的标识信息和待推荐对象的具体特征等信息，即待推荐对象的特征信息为能够识别待推荐对象且能够表示待推荐对象特征的信息，在此同样不对待推荐对象的特征信息做出具体限定。

步骤102：将多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果。

在本步骤中，具体的，本实施例中预先建立有预设推荐系统，且该预设推荐系统包括N个预设推荐模型，且该预设推荐系统中存储有预设用户的用户信息。当然，该预设用户的用户信息可以为预设用户的手机号码或者其他标识，在此同样不对预设用户的用户信息做出限定。

具体的，N为大于1的正整数。例如，N个预设推荐模型可以为3个，该3个预设推荐模型可以分别为矩阵分解模型、关联规则模型和协同过滤模型。

此时，在本步骤中可以将多个待推荐对象的特征信息分别输入至每个预设推荐模型中，从而得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果，其中该推荐结果可以为每个待推荐对象的推荐度值。

这样，通过得到每个预设推荐模型分别输出的与同一预设用户对应的推荐结果，使得对于一个用户而言，能够得到多个不同的推荐结果，从而增加了根据该多个不同的推荐结果为用户进行推荐时的推荐准确性。

步骤103：根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从多个待推荐对象中获取目标推荐对象。

在本步骤中，具体的，在得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果时，可以根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从多个待推荐对象中获取目标推荐对象。

具体的，在根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从多个待推荐对象中获取目标推荐对象时，可以对得到的多个推荐结果进行混合计算，得到综合推荐结果，从而使得能够根据该综合推荐结果，从多个待推荐对象中获取目标推荐对象，从而增加了所获取到的目标推荐对象与预设用户之间的贴合度。

步骤104：通过短信将目标推荐对象发送至用户。

在本步骤中，具体的，在获取到目标推荐对象之后，可以通过短信将目标推荐对象发送至预设用户。

这样，本实施例通过将多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户对应的推荐结果，然后根据每个预设推荐模型分别输出的与预设用户对应的推荐结果，从多个待推荐对象中获取目标推荐对象并发送给预设用户，实现了通过预设推荐系统对待推荐对象的综合分析，实现了通过系统对待推荐对象的分析筛选，并且实现了通过多个预设推荐模型的输出结果，筛选得到目标推荐对象，在节省了人力和提高了营销效率的同时，提高了所筛选得到的目标推荐对象的精确性，实现了待推荐对象的精准营销。

进一步地，在将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果之前，本实施例还包括：

步骤21：将多个用户的历史操作数据分别输入至预设推荐系统中的N个预设推荐模型中，得到每个预设推荐模型分别输出的与每个用户对应的推荐结果。

在本步骤中，具体的，历史操作数据包括用户标识和用户历史操作对象的对象信息，即历史操作数据为已知用户的已标记数据。

其中，用户标识可以为用户的手机号码，历史操作对象可以为用户历史订购过的通讯资费产品、咨询、商品和歌曲等，即在此并不具体限定历史操作对象的具体内容。

此外，具体的，与每个用户对应的推荐结果为每个用户历史操作对象的推荐度值。

在本步骤中，具体的，可以将多个用户的历史操作数据作为训练数据，对预设推荐系统进行训练。下面举例对本步骤进行说明。

例如，假设预设推荐系统中包括预设推荐模型A、预设推荐模型B和预设推荐模型C，历史操作数据包括用户U1的历史操作对象a、用户U2的历史操作对象b、用户U3的历史操作对象c和用户U4的历史操作对象d。此时，以用户U1为待推荐用户为例进行测试。此时可以分别将历史操作对象a、历史操作对象b、历史操作对象c和历史操作对象d分别输入至预设推荐模型A、预设推荐模型B和预设推荐模型C中，然后分别得到预设推荐模型A、预设推荐模型B和预设推荐模型C输出的与用户U1对应的推荐结果。此时，假设预设推荐模型A输出的推荐结果中历史操作对象的推荐度值由高到底依次为a、b、c和d，预设推荐模型B输出的推荐结果中历史操作对象的推荐度值由高到底依次为a、c、b和d，预设推荐模型C输出的推荐结果中历史操作对象的推荐度值由高到底依次为a、b、d和c。即通过该步骤，可以分别得到针对各个用户的多个推荐结果。

步骤22：根据预先设置的预设推荐度值与预设分档区间的对应关系，确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间。

在本步骤中，具体的，可以在预设推荐系统中预先设置预设推荐度值至与预设分档区间的对应关系，然后根据该预设推荐度值至与预设分档区间的对应关系，确定每个预设推荐模型所输出的与每个用户对应的推荐结果所属的预设分档区间。

下面对此进行说明。

假设，预设推荐系统中预先设置的预设分档区间有0-1、1-2，依次类推至9-10共10个分档区间，且预设推荐度值0-10％对应0-1分档区间，10％-20％对应1-2分档区间，依次类推90％-100％对应9-10分档区间。此时，接续步骤21中所举例的内容，假设预设推荐模型A输出的推荐结果中历史操作对象a的推荐度值为98％，历史操作对象b的推荐度值为79％，历史操作对象c的推荐度值为75％，历史操作对象d的推荐度值为50％，则可以得出预设推荐模型A中输出的与用户U1对应的推荐结果中，历史操作对象a所属的预设分档区间为9-10分档区间，历史操作对象b和历史操作对象c所属的预设分档区间为7-8分档区间，历史操作对象d所属的预设分档区间为5-6分档区间。

这样，通过确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，使得能够根据推荐结果所属的分档区间，获知用户与推荐对象之间的贴合度，从而为用户提供精准的推荐对象提供了基础。

步骤23：根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，并将每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率。

在本步骤中，具体的，在确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间之后，可以根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，并将每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率。

这样，通过将每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率，使得能够根据每个预设推荐模型在每个预设分档区间的预设命中率，确定每个预设推荐模型在每个预设分档区间内的推荐结果与用户之间的贴合度，从而使得能够根据推荐结果所属的预设分档区间，判别该推荐结果的营销效果，保证了从多个待推荐对象中选择出目标推荐对象的精确度。

其中，在根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率时，可以根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数；然后根据每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数，计算得到每个预设推荐模型中每个预设分档区间内的推荐结果个数之间的比值，并将所述比值对应记录为每个预设推荐模型中每个预设分档区间的推荐命中率。

具体的，下面可以通过举例对上述进行说明。

例如，假设预设分档区间的个数为4个，一预设推荐模型输出的所有推荐结果有100个，其中分布在第一分档区间的推荐结果的个数为10个，分布在第二分档区间的推荐结果的个数为10个，分布在第三分档区间的推荐结果的个数为30个，分布在第四分档区间的推荐结果的个数为50个，则可以得出四个分档区间的比值为10％：10％：30％：50％，从而可以得到第一至第四分档区间的推荐命中率依次为10％、10％、30％和50％。

这样，通过多个用户的历史操作数据来预先计算确定每个预设推荐模型在每个预设分档区间的预设命中率，从而使得在根据预设推荐系统来对输入的待推荐对象进行分析推荐时，能够识别出每个预设推荐模型所输出的推荐结果与用户之间的贴合度，从而增加所推荐的对象的精准性。

此外，进一步地，每个预设推荐模型分别输出的与预设用户相对应的推荐结果为多个待推荐对象中每个待推荐对象的推荐度值；

此时，在根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象时，可以包括：根据预设推荐度值与预设分档区间的对应关系，确定每个待推荐对象在每个预设推荐模型中所属的预设分档区间；根据每个待推荐对象在每个预设推荐模型中所属的预设分档区间以及每个预设推荐模型在每个预设分档区间的预设命中率，确定每个待推荐对象在每个预设推荐模型中的命中率；根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率；根据每个待推荐对象的综合命中率，从所述多个待推荐对象中获取目标推荐对象。

具体的，在根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率时，可以获取每个待推荐对象在每个预设推荐模型中的命中率，然后计算获取到的所有命中率的和值，并将该和值确定为每个待推荐对象的综合命中率；或者，还可以获取每个待推荐对象在每个预设推荐模型中的命中率，然后计算每个命中率与相对应预设比例的乘积之后，再计算和值，并将最后计算到的和值确定为每个待推荐对象的综合命中率。

当然，在此需要说明的是，在此并不具体限定该综合命中率的具体混合计算方式。

这样，通过根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率，然后根据每个待推荐对象的综合命中率，从多个待推荐对象中获取目标推荐对象，提高了所获取到的目标推荐对象的精准性，避免了依照单个推荐模型来获取目标推荐对象时所获取到的目标推荐对象精准度不高一级不符合用户需求的问题。

另外，进一步地，在通过短信将目标推荐对象发送给预设用户时，可以通过对象推荐管理平台和短信发送平台，将目标推荐对象发送给预设用户。

具体的，可以先将目标推荐对象发送至对象推荐管理平台上，然后由对象推荐管理平台根据预先设置的预设发送规则，将目标推荐对象发送至短信发送平台，最后由短信发送平台将该目标推荐对象通过短信发送至预设用户。

其中，该预设发送规则可以为在预设时段内不向同一用户发送相同的推荐对象，例如15天内不向同一用户发送相同的推荐对象。此外，该预设发送规则还可以为不向黑名单内的用户发送推荐对象以及配置发送时机等。当然，在此需要说明的是，该预设发送规则可以根据实际需求进行配置，在此并不具体限定该预设发送规则的具体内容。

当然，该对象推荐管理平台还可以接收短信发送平台反馈的目标推荐对象的营销结果，以使能够对现有的预设发送规则进行效果展示、跟踪和优化。

此外，在此需要说明的是，对象推荐管理平台可以直接获取与目标推荐对象相对应的预设用户作为客户群，还可以根据业务经验，重新获取待接收目标推荐对象的客户群，还可以通过文件上传方式，自定义客户群。即对象推荐平台可以采用多种方式来获取客户群，在此并不具体限制。

另外，具体的，短信发送平台与对象推荐平台连接，负责短信的发送和管理短信的营销状态。其中，短信发送平台接收对象推荐平台发送的客户群和目标推荐对象，然后可以根据不同优先级对各类营销任务(目标推荐对象的发送)进行分级调度发送。此外，短信发送平台还可以实时跟踪并控制短信发送的实时状态，从而使得业务人员能够综合实际经验控制最佳的短信发送时间。

这样，本发明实施例通过将多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户对应的推荐结果，然后根据每个预设推荐模型分别输出的与预设用户对应的推荐结果，从多个待推荐对象中获取目标推荐对象并发送给预设用户，实现了通过预设推荐系统对待推荐对象的综合分析，实现了通过系统对待推荐对象的分析筛选，并且实现了通过多个预设推荐模型的输出结果，筛选得到目标推荐对象，在节省了人力和提高了营销效率的同时，提高了所筛选得到的目标推荐对象的精确性，实现了待推荐对象的精准营销。

如图2所示，为本发明实施例中短信营销装置的模块框图，该短信营销装置包括：

第一获取模块201，用于获取多个待推荐对象的特征信息；

第一输入模块202，用于将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；

第二获取模块203，用于根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；

发送模块204，用于通过短信将所述目标推荐对象发送至预设用户。

可选地，所述装置还包括：

第二输入模块，用于将多个用户的历史操作数据分别输入至所述预设推荐系统中的N个预设推荐模型中，得到每个预设推荐模型分别输出的与每个用户对应的推荐结果；其中，所述历史操作数据包括用户标识和用户历史操作对象的对象信息，所述与每个用户对应的推荐结果为每个用户历史操作对象的推荐度值；

确定模块，用于根据预先设置的预设推荐度值与预设分档区间的对应关系，确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间；

第三获取模块，用于根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，并将所述每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率。

可选地，所述第三获取模块包括：

第一获取单元，用于根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数；

第二获取单元，用于根据每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数，计算得到每个预设推荐模型中每个预设分档区间内的推荐结果个数之间的比值，并将所述比值对应记录为每个预设推荐模型中每个预设分档区间的推荐命中率。

可选地，所述推荐结果为多个待推荐对象中每个待推荐对象的推荐度值；

所述第二获取模块包括：

第一确定单元，用于根据预设推荐度值与预设分档区间的对应关系，确定每个待推荐对象在每个预设推荐模型中所属的预设分档区间；

第二确定单元，用于根据每个待推荐对象在每个预设推荐模型中所属的预设分档区间以及每个预设推荐模型在每个预设分档区间的预设命中率，确定每个待推荐对象在每个预设推荐模型中的命中率；

第三获取单元，用于根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率；

第四获取单元，用于根据每个待推荐对象的综合命中率，从所述多个待推荐对象中获取目标推荐对象。

这样，本发明实施例提供的短信营销装置，通过将多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户对应的推荐结果，然后根据每个预设推荐模型分别输出的与预设用户对应的推荐结果，从多个待推荐对象中获取目标推荐对象并发送给预设用户，实现了通过预设推荐系统对待推荐对象的综合分析，实现了通过系统对待推荐对象的分析筛选，并且实现了通过多个预设推荐模型的输出结果，筛选得到目标推荐对象，在节省了人力和提高了营销效率的同时，提高了所筛选得到的目标推荐对象的精确性，实现了待推荐对象的精准营销。

在此需要说明的是，本发明实施例中可以通过硬件处理器(hardwareprocessor)来实现相关功能模块，并能达到相同的技术效果，在此不在进行赘述。

在本发明的又一实施例中，提供了一种电子设备，如图3所示，所述电子设备包括存储器(memory)301、处理器(processor)302以及存储在存储器301上并可在处理器302上运行的计算机程序。其中，所述存储器301、处理器302通过总线303完成相互间的通信。所述处理器302用于调用所述存储器301中的程序指令，以执行如下方法：获取多个待推荐对象的特征信息；将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；通过短信将所述目标推荐对象发送至预设用户。

本发明实施例提供的电子设备，可执行短信营销方法中的具体步骤，并能够达到相同的技术效果，在此不再对此进行具体介绍。

此外，上述的存储器301中的程序指令可以通过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，本发明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)执行本发明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。

在本发明的又一实施例中，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以执行如下方法：获取多个待推荐对象的特征信息；将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；通过短信将所述目标推荐对象发送至预设用户。

本发明实施例提供的非暂态计算机可读存储介质，可执行短信营销方法中的具体步骤，并能够达到相同的技术效果，在此不再对此进行具体介绍。

在本发明的又一实施例中，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以执行如下方法：获取多个待推荐对象的特征信息；将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；通过短信将所述目标推荐对象发送至预设用户。

本发明实施例提供的计算机程序产品，可执行短信营销方法中的具体步骤，并能够达到相同的技术效果，在此不再对此进行具体介绍。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种短信营销方法，其特征在于，所述方法包括：

获取多个待推荐对象的特征信息；

将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；

根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；

通过短信将所述目标推荐对象发送至预设用户；

所述将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果之前，所述方法还包括：

将多个用户的历史操作数据分别输入至所述预设推荐系统中的N个预设推荐模型中，得到每个预设推荐模型分别输出的与每个用户对应的推荐结果；其中，所述历史操作数据包括用户标识和用户历史操作对象的对象信息，所述与每个用户对应的推荐结果为每个用户历史操作对象的推荐度值；

根据预先设置的预设推荐度值与预设分档区间的对应关系，确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间；

根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，并将所述每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率。

2.根据权利要求1所述的方法，其特征在于，所述根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，包括：

根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数；

根据每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数，计算得到每个预设推荐模型中每个预设分档区间内的推荐结果个数之间的比值，并将所述比值对应记录为每个预设推荐模型中每个预设分档区间的推荐命中率。

3.根据权利要求2所述的方法，其特征在于，所述推荐结果为多个待推荐对象中每个待推荐对象的推荐度值；

所述根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象，包括：

根据预设推荐度值与预设分档区间的对应关系，确定每个待推荐对象在每个预设推荐模型中所属的预设分档区间；

根据每个待推荐对象在每个预设推荐模型中所属的预设分档区间以及每个预设推荐模型在每个预设分档区间的预设命中率，确定每个待推荐对象在每个预设推荐模型中的命中率；

根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率；

根据每个待推荐对象的综合命中率，从所述多个待推荐对象中获取目标推荐对象。

4.一种短信营销装置，其特征在于，所述装置包括：

第一获取模块，用于获取多个待推荐对象的特征信息；

第一输入模块，用于将所述多个待推荐对象的特征信息分别输入至预设推荐系统中的每个预设推荐模型中，得到每个预设推荐模型分别输出的与预设用户相对应的推荐结果；其中，所述预设推荐系统包括N个预设推荐模型，且存储有预设用户的用户信息；

第二获取模块，用于根据每个预设推荐模型分别输出的与预设用户相对应的推荐结果，从所述多个待推荐对象中获取目标推荐对象；

发送模块，用于通过短信将所述目标推荐对象发送至预设用户；

所述装置还包括：

第二输入模块，用于将多个用户的历史操作数据分别输入至所述预设推荐系统中的N个预设推荐模型中，得到每个预设推荐模型分别输出的与每个用户对应的推荐结果；其中，所述历史操作数据包括用户标识和用户历史操作对象的对象信息，所述与每个用户对应的推荐结果为每个用户历史操作对象的推荐度值；

确定模块，用于根据预先设置的预设推荐度值与预设分档区间的对应关系，确定每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间；

第三获取模块，用于根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型在每个预设分档区间的推荐命中率，并将所述每个预设推荐模型在每个预设分档区间的推荐命中率确定为每个预设推荐模型在每个预设分档区间的预设命中率。

5.根据权利要求4所述的装置，其特征在于，所述第三获取模块包括：

第一获取单元，用于根据每个预设推荐模型分别输出的与每个用户对应的推荐结果所属的预设分档区间，计算得到每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数；

第二获取单元，用于根据每个预设推荐模型输出的所有推荐结果分布在每个预设分档区间的个数，计算得到每个预设推荐模型中每个预设分档区间内的推荐结果个数之间的比值，并将所述比值对应记录为每个预设推荐模型中每个预设分档区间的推荐命中率。

6.根据权利要求5所述的装置，其特征在于，所述推荐结果为多个待推荐对象中每个待推荐对象的推荐度值；

所述第二获取模块包括：

第一确定单元，用于根据预设推荐度值与预设分档区间的对应关系，确定每个待推荐对象在每个预设推荐模型中所属的预设分档区间；

第二确定单元，用于根据每个待推荐对象在每个预设推荐模型中所属的预设分档区间以及每个预设推荐模型在每个预设分档区间的预设命中率，确定每个待推荐对象在每个预设推荐模型中的命中率；

第三获取单元，用于根据每个待推荐对象在每个预设推荐模型中的命中率，混合计算得到每个待推荐对象的综合命中率；

第四获取单元，用于根据每个待推荐对象的综合命中率，从所述多个待推荐对象中获取目标推荐对象。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的短信营销方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3中任一项所述的短信营销方法的步骤。

Images