CN111144949A - 奖励数据发放方法、装置、计算机设备及存储介质 - Google Patents
奖励数据发放方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111144949A CN111144949A CN201911399033.7A CN201911399033A CN111144949A CN 111144949 A CN111144949 A CN 111144949A CN 201911399033 A CN201911399033 A CN 201911399033A CN 111144949 A CN111144949 A CN 111144949A
- Authority
- CN
- China
- Prior art keywords
- user
- reward
- reward data
- data
- identifications
- 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 72
- 230000015654 memory Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
Abstract
本申请实施例公开了一种奖励数据发放方法、装置、计算机设备及存储介质,属于计算机技术领域。该方法包括:根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数;根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,分值用于表示奖励数据对用户标识的影响程度;对于至少两个用户标识中的任一目标用户标识,根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。综合考虑了至少两个用户标识的数据记录后获得了代表目标用户标识的个性化特征的分值,根据该分值获取的奖励数据与目标用户标识之间的关联度高,可以有效提升奖励数据的个性化。
Description
技术领域
本申请实施例涉及互联网技术领域,特别涉及一种奖励数据发放方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的快速发展,网上购物在人们的日常生活中越来越普及,为了吸引用户,可以向用户发放奖励数据,如积分、优惠券等,用户可以利用发放的奖励数据进行物品兑换或金额抵扣等操作。
相关技术中,服务器设置用户标识集合和奖励数据集合,用户标识集合中包括多个用户标识,奖励数据集合中包括多个奖励数据,之后可以将奖励数据集合中的奖励数据发放给用户标识集合中的用户标识。
上述发放奖励数据的过程中,未考虑不同用户标识之间的区别,导致发放的奖励数据与用户之间的关联度低,缺乏个性化。
发明内容
本申请实施例提供了一种奖励数据发放方法、装置、计算机设备及存储介质,能够将与用户关联度高且具有个性化的奖励数据发放给对应的用户。所述技术方案如下:
一方面,提供了一种奖励数据发放方法,所述方法包括:
根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数;
根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,所述分值用于表示奖励数据对用户标识的影响程度;
对于所述至少两个用户标识中的任一目标用户标识,根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,将与所述奖励系数对应的奖励数据发放给所述目标用户标识。
可选地,所述特征参数包括所述折扣关注度,所述折扣关注度根据以下公式确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate);
其中,(discount-sensitivity-rate)为所述折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为折扣订单数量,(order-num)为订单总数量,(discount-order-fee)为折扣资源总数量,(order-fee)为订单资源总数量。
可选地,所述特征参数包括所述资源转出参数,所述资源转出参数根据以下公式确定:
其中,(avg-per-order-fee)为所述资源转出参数,(total-order-fee)为订单资源总数量,(total-article-num)为物品总数量。
可选地,所述根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数,包括:
根据所述至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,获取所述至少两个用户标识在所述多个历史时间段内的特征参数,所述多个历史时间段的起始时间点不同、结束时间点相同;
所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
根据所述至少两个用户标识在所述多个历史时间段内的特征参数的分布情况,获取所述至少两个用户标识在所述多个历史时间段内的分值;
分别对每个用户标识在所述多个历史时间段内的分值进行统计,得到所述每个用户标识的分值。
可选地,所述分别对每个用户标识在所述多个历史时间段内的分值进行统计,得到所述每个用户标识的分值,包括:
对于所述至少两个用户标识中的任一目标用户标识,按照所述多个历史时间段的权重,对所述目标用户标识在所述多个历史时间段内的分值进行加权计算,得到所述目标用户标识的分值,所述权重与所述历史时间段的时长呈负相关关系。
可选地,所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
根据所述至少两个用户标识的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
可选地,所述用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数;所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
对于每个维度:
根据所述至少两个用户标识在所述维度上的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识在所述维度上的特征参数所属的特征参数区间,将所述特征参数区间对应的分值确定为对应的用户标识在所述维度上的分值;
分别对所述每个用户标识在所述至少两个维度上的分值进行统计,得到所述每个用户标识的分值。
可选地,所述根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,包括:
获取所述至少两个用户标识的分值中的最小分值和最大分值;
根据所述最小分值、所述最大分值和所述目标用户标识的分值,获取所述目标用户标识的奖励系数。
可选地,所述将与所述奖励系数对应的奖励数据发放给所述目标用户标识,包括:
获取与所述奖励系数对应的第一奖励数据;
将所述第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据;
将所述第二奖励数据发放给所述目标用户标识。
可选地,所述将所述第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据,包括:
根据所述目标用户标识的用户标签,确定所述目标用户标识所属的用户标识分组;
按照所述用户标识分组对应的修正策略,对所述第一奖励数据进行修正,得到修正后的第一奖励数据;
将所述修正后的第一奖励数据添加至所述奖励数据模板中,得到所述第二奖励数据。
可选地,所述奖励数据包括第一资源数量和第二资源数量;所述第一资源数量为允许使用所述奖励数据的订单的最小的转出资源数量,所述第二资源数量为所述奖励数据抵扣的资源数量。
可选地,所述奖励系数包括第一奖励系数和第二奖励系数,所述第一资源数量根据以下公式确定:
(points-threshold)=(avg-per-order-fee)×(1-(threshold-coefficient));
其中,(points-threshold)为所述第一资源数量,(avg-per-order-fee)为平均订单转移资源,(threshold-coefficient)为所述第一奖励系数。
可选地,所述第二资源数量根据以下公式确定:
(points-amount)=(points-threshold)×(fee-rate)×(amount-coefficient);
其中,(points-amount)为所述第二资源数量,(points-threshold)为所述第一资源数量,(fee-rate)为费率参数,(amount-coefficient)为所述第二奖励系数。
另一方面,提供了一种奖励数据发放装置,所述装置包括:
特征参数获取模块,用于根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数;
分值获取模块,用于根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,所述分值用于表示奖励数据对用户标识的影响程度;
发放模块,用于对于所述至少两个用户标识中的任一目标用户标识,根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,将与所述奖励系数对应的奖励数据发放给所述目标用户标识。
可选地,所述特征参数获取模块,包括以下至少一项:
领取比例获取单元,用于根据所述至少两个用户标识的奖励数据发放记录和奖励数据领取记录,获取所述至少两个用户标识的奖励数据领取比例;
使用比例获取单元,用于根据所述至少两个用户标识的奖励数据领取记录和奖励数据使用记录,获取所述至少两个用户标识的奖励数据使用比例;
关注度获取单元,用于根据所述至少两个用户标识的订单记录,获取所述至少两个用户标识的折扣关注度,所述折扣关注度用于表示用户标识对折扣订单的关注程度;
资源参数获取单元,用于根据所述至少两个用户标识的资源转移操作记录,获取所述至少两个用户标识的资源转出参数,所述资源转出参数用于表示用户标识转出的资源数量多少。
可选地,所述特征参数包括所述折扣关注度,所述折扣关注度根据以下公式确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate);
其中,(discount-sensitivity-rate)为所述折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为折扣订单数量,(order-num)为订单总数量,(discount-order-fee)为折扣资源总数量,(order-fee)为订单资源总数量折扣资源总数量订单资源总数量。
可选地,所述特征参数包括所述资源转出参数,所述资源转出参数根据以下公式确定:
其中,(avg-per-order-fee)为所述资源转出参数,(total-order-fee)为订单资源总数量,(total-article-num)为物品总数量。
可选地,所述特征参数获取模块,包括:
特征参数获取单元,用于根据所述至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,获取所述至少两个用户标识在所述多个历史时间段内的特征参数,所述多个历史时间段的起始时间点不同、结束时间点相同;
所述分值获取模块,包括:
分值获取单元,用于根据所述至少两个用户标识在所述多个历史时间段内的特征参数的分布情况,获取所述至少两个用户标识在所述多个历史时间段内的分值;
统计单元,用于分别对每个用户标识在所述多个历史时间段内的分值进行统计,得到所述每个用户标识的分值。
可选地,所述统计单元,还用于对于所述至少两个用户标识中的任一目标用户标识,按照所述多个历史时间段的权重,对所述目标用户标识在所述多个历史时间段内的分值进行加权计算,得到所述目标用户标识的分值,所述权重与所述历史时间段的时长呈负相关关系。
可选地,所述分值获取模块,包括:
分值获取单元,用于根据所述至少两个用户标识的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
分值确定单元,用于确定每个用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
可选地,所述用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数;所述分值获取模块,包括:
分值获取单元,用于对于每个维度:根据所述至少两个用户标识在所述维度上的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;确定每个用户标识在所述维度上的特征参数所属的特征参数区间,将所述特征参数区间对应的分值确定为对应的用户标识在所述维度上的分值;
统计单元,用于分别对所述每个用户标识在所述至少两个维度上的分值进行统计,得到所述每个用户标识的分值。
可选地,所述发放模块,包括:
最值获取单元,用于获取所述至少两个用户标识的分值中的最小分值和最大分值;
系数获取单元,用于根据所述最小分值、所述最大分值和所述目标用户标识的分值,获取所述目标用户标识的奖励系数。
可选地,所述发放模块,包括:
数据获取单元,用于获取与所述奖励系数对应的第一奖励数据;
添加单元,用于将所述第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据;
发放单元,用于将所述第二奖励数据发放给所述目标用户标识。
可选地,所述添加单元,还用于根据所述目标用户标识的用户标签,确定所述目标用户标识所属的用户标识分组;按照所述用户标识分组对应的修正策略,对所述第一奖励数据进行修正,得到修正后的第一奖励数据;将所述修正后的第一奖励数据添加至所述奖励数据模板中,得到所述第二奖励数据。
可选地,所述奖励数据包括第一资源数量和第二资源数量;所述第一资源数量为允许使用所述奖励数据的订单的最小的转出资源数量,所述第二资源数量为所述奖励数据抵扣的资源数量。
可选地,所述奖励系数包括第一奖励系数和第二奖励系数,所述第一资源数量根据以下公式确定:
(points-threshold)=(avg-per-order-fee)×(1-(threshold-coefficient))
其中,(points-threshold)为所述第一资源数量,(avg-per-order-fee)为平均订单转移资源,(threshold-coefficient)为所述第一奖励系数。
可选地,所述第二资源数量根据以下公式确定:
(points-amount)=(points-threshold)×(fee-rate)×(amount-coefficient)
其中,(points-amount)为所述第二资源数量,(points-threshold)为所述第一资源数量,(fee-rate)为费率参数,(amount-coefficient)为所述第二奖励系数。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如上述方面所述的奖励数据发放方法。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如上述方面所述的奖励数据发放方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的方法、装置、计算机设备及存储介质,根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。在获取奖励数据的过程中,综合考虑了至少两个用户标识的数据记录后获得了代表目标用户标识的个性化特征的分值,根据该分值获取的奖励数据与目标用户标识之间的关联度高,可以有效提升奖励数据的个性化。另外,还可以根据用户的用户标签以及个性化历史行为,及时、动态地调整奖励数据,提高了奖励数据的准确度和转化率。
并且,本申请实施例提供的方法中,综合考虑了用户的历史行为信息以及用于描述用户属性信息的用户标签,因此可以体现不同用户之间的层次划分,进一步提升了奖励数据的个性化和准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,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是本申请实施例提供的一种奖励数据发放方法的流程图;
图2是本申请实施例提供的另一种奖励数据发放方法的流程图;
图3是本申请实施例提供的一种特征参数区间的示意图;
图4是本申请实施例提供的另一种奖励数据发放方法的流程图;
图5是本申请实施例提供的一种获取用户标识分值的流程图;
图6是本申请实施例提供的另一种奖励数据发放方法的流程图;
图7是本申请实施例提供的另一种奖励数据发放方法的流程图;
图8是本申请实施例提供的一种个性化算法引擎的工作流程图;
图9是本申请实施例提供的一种奖励数据发放装置的结构示意图;
图10是本申请实施例提供的另一种奖励数据发放装置的结构示意图;
图11是本申请实施例提供的一种终端的结构示意图;
图12是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
随着电商行业的蓬勃发展,用户基于电商平台进行购物越来越普及。电商平台提供了多种多样的物品或服务,为了吸引用户,电商平台可以向用户发放奖励数据,如积分、优惠券等,以便用户利用发放的奖励数据进行物品兑换或金额抵扣等操作,从而达到刺激用户消费的作用。
对于电商平台,如果向用户发放的奖励数据过多,可能会导致资源浪费,增加电商平台的补贴成本,还会降低用户对奖励数据的关注程度和敏感程度。而如果向用户发放的奖励数据过少,则无法起到吸引用户或刺激用户消费的作用。
并且,考虑到不同的用户对不同物品或服务的需求不同,对奖励数据的关注程度以及敏感程度也不同,为了能够尽可能地吸引用户,刺激用户消费,提高电商平台的投资回报率和奖励数据的转化率,有针对性地向用户发放对应的奖励数据是非常重要的。
本申请实施例提供了一种奖励数据发放方法,获取至少两个用户标识的数据记录,根据该数据记录,获取该至少两个用户标识的特征参数,根据该至少两个用户标识的特征参数的分布情况,获取该至少两个用户标识的分值,对于该至少两个用户标识的任一用户标识,根据该至少两个用户标识的分值,获取该任一用户标识的奖励系数,将该奖励系数对应的奖励数据发放给该任一用户标识,从而提高了发放给用户标识的奖励数据的个性化,以及奖励数据与用户标识之间的关联度。
该方法可应用于计算机设备中,计算机设备包括终端或服务器,终端可以为手机、电脑、平板电脑等,服务器可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。
当计算机设备包括终端时,该终端根据获取的至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据特征参数的分布情况得到该至少两个用户标识的分值,进而获取该终端登录的目标用户标识的奖励系数以及该奖励系数对应的奖励数据,向该目标用户标识发送该奖励数据。
当计算机设备包括服务器时,服务器根据获取的至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据特征参数的分布情况得到该至少两个用户标识的分值,进而获取任一用户标识的奖励系数以及该奖励系数对应的奖励数据,向登录该任一用户标识的终端发送该奖励数据。
本申请实施例提供的奖励数据发放方法,可以应用于向用户标识发放优惠券的场景下。服务器采用本申请实施例提供的奖励数据发放方法,根据已存储的用户标识的数据记录,获取任一用户标识匹配的优惠券,然后将该优惠券发放给该任一用户标识,后续该用户标识对应的用户可以基于发放的优惠券进行购物,还可以按照该优惠券的金额实现金额抵扣。
图1是本申请实施例提供的一种奖励数据发放方法的流程图,应用关于计算机设备中,参见图1,该实施例包括:
在步骤101中,计算机设备根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数。
在步骤102中,计算机设备根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,分值用于表示奖励数据对用户标识的影响程度
在步骤103中,对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。
本申请实施例提供的方法,根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。在获取奖励数据的过程中,综合考虑了至少两个用户标识的数据记录后获得了代表目标用户标识的个性化特征的分值,根据该分值获取的奖励数据与目标用户标识之间的关联度高,可以有效提升奖励数据的个性化。
在一种可能实现方式中,根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括以下至少一项:
根据至少两个用户标识的奖励数据发放记录和奖励数据领取记录,获取至少两个用户标识的奖励数据领取比例;
根据至少两个用户标识的奖励数据领取记录和奖励数据使用记录,获取至少两个用户标识的奖励数据使用比例;
根据至少两个用户标识的订单记录,获取至少两个用户标识的折扣关注度,折扣关注度用于表示用户标识对折扣订单的关注程度;
根据至少两个用户标识的资源转移操作记录,获取至少两个用户标识的资源转出参数,资源转出参数用于表示用户标识转出的资源数量多少。
在另一种可能实现方式中,特征参数包括折扣关注度,折扣关注度根据以下公式确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate);
其中,(discount-sensitivity-rate)为折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为折扣订单数量,(order-num)为订单总数量,(discount-order-fee)为折扣资源总数量,(order-fee)为订单总转移折扣资源总数量订单资源总数量。
在另一种可能实现方式中,特征参数包括资源转出参数,资源转出参数根据以下公式确定:
其中,(avg-per-order-fee)为资源转出参数,(total-order-fee)为订单资源总数量,(total-article-num)为物品总数量。
在另一种可能实现方式中,根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括:
根据至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,获取至少两个用户标识在多个历史时间段内的特征参数,多个历史时间段的起始时间点不同、结束时间点相同;
根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,包括:
根据至少两个用户标识在多个历史时间段内的特征参数的分布情况,获取至少两个用户标识在多个历史时间段内的分值;
分别对每个用户标识在多个历史时间段内的分值进行统计,得到每个用户标识的分值。
在另一种可能实现方式中,分别对每个用户标识在多个历史时间段内的分值进行统计,得到每个用户标识的分值,包括:
对于至少两个用户标识中的任一目标用户标识,按照多个历史时间段的权重,对目标用户标识在多个历史时间段内的分值进行加权计算,得到目标用户标识的分值,权重与历史时间段的时长呈负相关关系。
在另一种可能实现方式中,根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,包括:
根据至少两个用户标识的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
在另一种可能实现方式中,用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数;根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,包括:
对于每个维度:
根据至少两个用户标识在维度上的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识在维度上的特征参数所属的特征参数区间,将特征参数区间对应的分值确定为对应的用户标识在维度上的分值;
分别对每个用户标识在至少两个维度上的分值进行统计,得到每个用户标识的分值。
在另一种可能实现方式中,根据至少两个用户标识的分值,获取目标用户标识的奖励系数,包括:
获取至少两个用户标识的分值中的最小分值和最大分值;
根据最小分值、最大分值和目标用户标识的分值,获取目标用户标识的奖励系数。
在另一种可能实现方式中,将与奖励系数对应的奖励数据发放给目标用户标识,包括:
获取与奖励系数对应的第一奖励数据;
将第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据;
将第二奖励数据发放给目标用户标识。
在另一种可能实现方式中,将第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据,包括:
根据目标用户标识的用户标签,确定目标用户标识所属的用户标识分组;
按照用户标识分组对应的修正策略,对第一奖励数据进行修正,得到修正后的第一奖励数据;
将修正后的第一奖励数据添加至奖励数据模板中,得到第二奖励数据。
在另一种可能实现方式中,奖励数据包括第一资源数量和第二资源数量;第一资源数量为允许使用奖励数据的订单的最小的转出资源数量,第二资源数量为奖励数据抵扣的资源数量。
在另一种可能实现方式中,奖励系数包括第一奖励系数和第二奖励系数,第一资源数量根据以下公式确定:
(points-threshold)=(avg-per-order-fee)×(1-(threshold-coefficient));
其中,(points-threshold)为第一资源数量,(avg-per-order-fee)为平均订单转移资源,(threshold-coefficient)为第一奖励系数。
在另一种可能实现方式中,第二资源数量根据以下公式确定:
(points-amount)=(points-threshold)×(fee-rate)×(amount-coefficient);
其中,(points-amount)为第二资源数量,(points-threshold)为第一资源数量,(fee-rate)为费率参数,(amount-coefficient)为第二奖励系数。
图2是本申请实施例提供的一种奖励数据发放方法的流程图,应用于计算机设备中,计算机设备可以包括终端或服务器,本申请实施例对此不做限定。参见图2,该实施例包括:
201、计算机设备根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数。
为了后续能够确定任一用户标识的分值,计算机设备首先需要获取至少两个用户标识的数据记录,或者,为了提高发放给用户标识的奖励数据的准确性,计算机设备还可以获取尽可能多的用户标识的数据记录,例如,计算机设备获取所有用户标识的数据记录。
其中,数据记录用于描述对应用户标识的历史行为,可以包括奖励数据发放记录、奖励数据领取记录、奖励数据使用记录、资源转移记录、订单记录中的至少一项,还可以包括用于描述其他维度信息的记录。本申请实施例对数据记录的具体内容不做限定。
本申请实施例以至少两个用户标识为例,首先,计算机设备获取该至少两个用户标识的数据记录。为了能够利用用户标识的个性化特征,本申请实施例对获取到的该至少两个用户标识的数据记录进行特征处理,得到该至少两个用户标识中每个用户标识的特征参数。
在一种可能实现方式中,根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括以下至少一项:
(1)数据记录中包括该至少两个用户标识的奖励数据发放记录和奖励数据领取记录:
其中,奖励数据发放记录用于描述奖励数据的发放情况,可以包括奖励数据的数值、发放数量以及收到奖励数据的用户标识等,奖励数据领取记录用于描述奖励数据的领取情况,包括领取奖励数据的用户标识,奖励数据的数值和数量等。
根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,包括:根据该至少两个用户标识中每个用户标识的奖励数据发放记录和奖励数据领取记录,获取该至少两个用户标识的奖励数据领取比例。该奖励数据领取比例表示发放了多个奖励数据后,该多个奖励数据被领取的情况。
在一种可能实现方式中,奖励数据领取比例可以根据以下公式(1-1)确定:
其中,(points-received-rate)为奖励数据领取比例,(points-received-num)为奖励数据领取数量,(points-pushed-num)为奖励数据发放数量。
例如,奖励数据发放数量为100,奖励数据领取数量为50,则奖励数据领取比例为50%。
(2)数据记录中包括该至少两个用户标识的奖励数据领取记录和奖励数据使用记录:
其中,奖励数据使用记录用于描述奖励数据的使用情况,即用户领取奖励数据后是否使用该奖励数据的情况,可以包括使用奖励数据的用户标识,奖励数据的数值和使用数量等。
根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括:根据该至少两个用户标识中每个用户标识的奖励数据领取记录和奖励数据使用记录,获取该至少两个用户标识的奖励数据使用比例。该奖励数据使用比例表示该至少两个用户标识领取了奖励数据后,对该奖励数据的使用情况。
在一种可能实现方式中,奖励数据使用比例可以根据以下公式(1-2)确定:
其中,(points-used-rate)为奖励数据使用比例,(points-used-num)为奖励数据使用数量,(points-received-num)为奖励数据领取数量。
例如,奖励数据发放数量为200,奖励数据领取数量为120,奖励数据使用总量为30,则奖励数据领取比例25%。
(3)数据记录中包括该至少两个用户标识的订单记录:
其中,订单记录用于描述用户标识进行资源转移时生成的订单的信息,可以包括订单对应的物品、金额、物品的数量、订单的生成时间等。
用户下单时会生成用户标识对应的订单,若用户下单时未使用奖励数据,则该订单中用户标识转出的资源数量等于订单的原始资源数量,则该订单为普通订单。或者,若用户下单时使用了奖励数据,该奖励数据可以抵扣一部分的资源数量,则该订单中用户标识转出的资源数量会小于订单的原始资源数量,则该订单为折扣订单。
根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括:根据该至少两个用户标识中每个用户标识的订单记录,获取该至少两个用户标识的折扣关注度,该折扣关注度用于表示用户标识对折扣订单的关注程度。
在一种可能实现方式中,特征参数包括折扣关注度,折扣关注度根据以下公式(1-3)、(1-4)和(1-5)确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate) (1-5)
其中,(discount-sensitivity-rate)为折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为折扣订单数量,(order-num)为订单总数量,(discount-order-fee)/N为平均每单折扣资源数量,(order-fee)/N为平均每单转移资源数量,(discount-order-fee)为折扣资源总数量,(order-fee)为订单资源总数量。平均每单折扣资源数量表示平均每个订单中的奖励数据抵扣的资源数量,平均每单转移资源数量表示平均每个订单对应的转移资源数量,该平均每单折扣资源比例表示平均每个订单中,奖励数据抵扣的资源数量与该订单对应的转移资源数量之间的比例。
(4)数据记录中包括该至少两个用户标识的订单记录:
每个订单中会包括用户标识转出的资源数量,表示用户转出了一定数量的资源,来换取订单指示的物品。
根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数,包括:根据该至少两个用户标识中每个用户标识的资源转移操作记录,获取该至少两个用户标识的资源转出参数,该资源转出参数用于表示用户标识转出的资源数量多少。
在一种可能实现方式中,特征参数包括资源转出参数,资源转出参数根据以下公式(1-6)确定:
其中,(avg-per-order-fee)为资源转出参数,(total-order-fee)为订单资源总数量,(total-article-num)为物品总数量。并且,订单资源总数量为多个订单对应的转移资源数量之和,每个订单的转移资源数量为物品的单位转移资源数量与该订单中物品的数量的乘积,根据公式(1-6)可知,订单资源总数量与物品物品总数量之间的比率为平均物品单价,也即是资源转出参数为平均物品单价。
计算机设备根据至少两个用户标识的数据记录,获取到的该至少两个用户标识的特征参数,包括该至少两个用户标识的奖励数据领取比例、奖励数据使用比例、折扣关注度和资源转出参数中的至少一个。
在另一种可能实现方式中,根据用户标识的数据记录获取到的特征参数还可以包括其他参数,本申请实施例对此不做具体限定。
在另一种可能实现方式中,考虑到用户在不同时间段内发生的历史行为可能不同,为了得到更加准确的用于描述用户不同时间段内的历史行为的分值,计算机设备可以获取该至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,根据该至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,分别获取该至少两个用户标识在该多个历史时间段中每个历史时间段内的特征参数。
其中,该多个历史时间段的起始时间点不同、结束时间点相同。例如,该多个历史时间段分别为当天之前的前1天、前3天、前7天、前15天、前30天、前60天和前90天,计算机设备分别获取用户标识在该多个历史时间段内的数据记录。
关于获取该至少两个用户标识在该多个历史时间段中每个历史时间段内的特征参数的过程,在一种可能实现方式中,包括以下至少一项:
(1)数据记录中包括该至少两个用户标识的奖励数据发放记录和奖励数据领取记录:
计算机设备根据该至少两个用户标识中每个用户标识的奖励数据发放记录和奖励数据领取记录,获取该至少两个用户标识在每个历史时间段内的奖励数据领取比例。
在一种可能实现方式中,每个历史时间段内的奖励数据领取比例可以根据以下公式(1-7)确定:
其中,每个历史时间段至少包括一个单位时间段,i和j为单位时间段的序号,N为历史时间段内的单位时间段的数量,且N大于1的整数,i和j为1和N之间的任一整数。单位时间段可以为固定时长的时间段,如一天、一周等。且单位时间段位于当前时刻之前。(points-received-rate)为奖励数据领取比例,(points-received-num)为第i个单位时间段内的奖励数据领取数量,(points-pushed-num)为第i个单位时间段内的奖励数据发放数量,则为该历史时间段内的奖励数据领取数量,为该历史时间段内的奖励数据发放数量。
(2)数据记录中包括该至少两个用户标识的奖励数据领取记录和奖励数据使用记录:
计算机设备根据该至少两个用户标识中每个用户标识的奖励数据领取记录和奖励数据使用记录,获取该至少两个用户标识在每个历史时间段内的奖励数据使用比例。
在一种可能实现方式中,每个历史时间段内的奖励数据使用比例可以根据以下公式(1-8)确定:
其中,每个历史时间段至少包括一个单位时间段,i和j为单位时间段的序号,N为历史时间段内的单位时间段的数量,且N大于1的整数,i和j为1和N之间的任一整数。单位时间段可以为固定时长的时间段,如一天、一周等。且单位时间段位于当前时刻之前。(points-used-rate)为奖励数据使用比例,(points-used-num)为第i个单位时间段内的奖励数据使用数量,(points-received-num)为第i个单位时间段内的奖励数据领取数量,则为该历史时间段内的奖励数据使用数量,为该历史时间段内的奖励数据领取数量。
(3)数据记录中包括该至少两个用户标识的订单记录:
计算机设备根据该至少两个用户标识中每个用户标识的订单记录,获取该至少两个用户标识在每个历史时间段内的折扣关注度。
在一种可能实现方式中,特征参数包括折扣关注度,折扣关注度根据以下公式(1-9)、(1-10)和(1-11)确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate) (1-11)
其中,每个历史时间段至少包括一个单位时间段,i和j为单位时间段的序号,N为历史时间段内的单位时间段的数量,且N大于1的整数,i和j为1和N之间的任一整数。单位时间段可以为固定时长的时间段,如一天、一周等。且单位时间段位于当前时刻之前。
(discount-sensitivity-rate)为折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为第i个单位时间段内的折扣订单数量,(order-num)为第i个单位时间段内的订单总数量,则为该历史时间段内的折扣订单数量,为该历史时间段内的订单总数量,(discount-order-fee)为第i个单位时间段内的折扣资源总数量,(order-fee)为第i个单位时间段内的订单资源总数量,则为该历史时间段内的平均每单折扣资源数量,为该历史时间段内的平均每单转移资源数量。
(4)数据记录中包括该至少两个用户标识的订单记录:
计算机设备根据该至少两个用户标识中每个用户标识在每个历史时间段内的资源转移操作记录,获取该至少两个用户标识在每个历史时间段内的资源转出参数,该资源转出参数用于表示用户标识在该历史时间段内转出的资源数量多少。
其中,获取该至少两个用户标识分别在每个历史时间段内的资源转移参数的过程与上述步骤201类似,在此不再赘述。
202、计算机设备根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值。
其中,分值用于表示奖励数据对用户标识的影响程度。
在一种可能实现方式中,特征参数包括多个维度的特征参数,根据每个维度的参数的分布情况,可以得到每个维度对应的分值。对于任一维度,若该维度上的分值与奖励数据对用户标识的影响程度成正相关关系,则分值越大,表示奖励数据对用户标识的影响程度越大,该分值越小,表示奖励数据对用户标识的影响程度越小。若该维度上的分值与奖励数据对用户标识的影响程度成正相关关系,则该分值越大,表示奖励数据对用户标识的影响程度越小,该分值越小,表示奖励数据对用户标识的影响程度越大。
本申请实施例从以下方面对获取用户标识的分值的过程进行说明:
(1)按照历史时间段,获取用户标识的分值:
在获取到该至少两个用户标识在该多个历史时间段中每个历史时间段内的特征参数后,计算机设备根据该至少两个用户标识在该多个历史时间段中每个历史时间段内的特征参数的分布情况,分别获取该至少两个用户标识中每个用户标识在每个历史时间段内的分值。然后,分别对每个用户标识在多个历史时间段内的分值进行统计,得到每个用户标识在每个历史时间段内的分值。
在一种可能实现方式中,分别对每个用户标识在该多个历史时间段内的分值进行统计,得到每个用户标识的分值,包括:对于该至少两个用户标识中的任一目标用户标识,按照该多个历史时间段的权重,对目标用户标识在该多个历史时间段内的分值进行加权计算,得到目标用户标识的分值。
其中,每个历史时间段的权重与该历史时间段的时长呈负相关关系。历史时间段越长,该历史时间段的权重越小,表示该历史时间段内的分值对目标用户标识的分值影响越小。历史时间段越短,该历史时间段的权重越大,表示该历史时间段内的分值对目标用户标识的分值影响越大。
例如,目标用户标识的历史数据记录包括历史时间段1、历史时间段2和历史时间段3内的历史数据记录,该3个历史时间段内的分值分别为分值1、分值2和分值3。则对分值1、分值2和分值3进行加权求和后得到目标用户标识最终的分值。
(2)按照参数区间,获取用户标识的分值:
(2-1)计算机设备获取到该至少两个用户标识的特征参数后,根据该至少两个用户标识的特征参数的分布情况,确定多个特征参数区间。
该多个参数区间可以通过多个方式确定。在一种可能实现方式中,计算机设备获取该至少两个用户标识的特征参数中的最小值和最大值,将该最小值和该最大值作为一个区间的两端,对该区间进行等分,得到多个特征参数区间。
例如,参见图3,该至少两个用户标识的特征参数中的最小值为10,最大值为60,将以10和60位两端的区间进行五等分,得到5个特征参数区间,这5个特征参数区间分别为10-20、20-30、30-40、40-50以及50-60。
在另一种可能实现方式中,计算机设备获取多个用户标识的特征参数后,按照多个特征参数从大到小的顺序或者从小到大的顺序,取该多个特征参数中的预设数量个特征参数为一组,每组特征参数可以确定一个特征参数区间,根据该多个特征参数,可以得到多个特征参数区间。并且,属于每个特征参数区间内的特征参数的数量相同。
例如,计算机设备获取的多个特征参数分别为15、17、18、19、21、22、24、25、28、30、33、35、36、38、39和50。分别取15、19、24、30、36和50作为特征参数区间的端点,得到5个特征参数区间,这5个特征参数区间分别为15-19、19-24、24-30、30-36和36-50。
(2-2)计算机设备为每个特征参数区间分配一个对应的分值。
在一种可能实现方式中,该分值与特征参数成正相关关系,则特征参数区间越大,该特征参数区间对应的分值越大,特征参数区间越小,该特征参数区间对应的分值越小。
例如,区间15-19、19-24、24-30、30-36和36-50对应的分值分别为1、2、3、4和5。
在另一种可能实现方式中,该分值与特征参数成负相关关系,则特征参数区间越大,该特征参数区间对应的分值越小,特征参数区间越小,该特征参数区间对应的分值越大。
例如,区间15-19、19-24、24-30、30-36和36-50对应的分值分别为5、4、3、2和1。
本申请实施例中,奖励数据领取比例与对应的分值之间呈正相关关系,奖励数据使用比例与对应的分值之间呈正相关关系,折扣关注度与对应的分值之间呈负相关关系,资源转出参数与对应的分值之间呈负相关关系。
在一种可能实现方式中,特征参数区间通过等级表示,以5个特征参数区间为例,该五个特征参数区间的等级从高到低依次为:高、中高、中、中低和低。特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度和资源转出参数。特征参数与分值之间的对应关系如下表1所示:
表1
特征参数 | 高 | 中高 | 中 | 中低 | 低 |
奖励数据领取比例 | 5 | 4 | 3 | 2 | 1 |
奖励数据使用比例 | 5 | 4 | 3 | 2 | 1 |
折扣关注度 | 1 | 2 | 3 | 4 | 5 |
资源转出参数 | 1 | 2 | 3 | 4 | 5 |
(2-3)对于每个用户标识,计算机设备确定该用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
计算机设备在获取到每个用户标识的特征参数以及每个特征参数区间对应的分值后,对于每个用户标识,确定该用户标识的特征参数所属的特征参数区间,将该特征参数区间对应的分值,确定为该用户标识的分值。
(3)按照特征参数的维度,获取用户标识的分值:
在一种可能实现方式中,用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数。根据该至少两个用户标识的特征参数的分布情况,获取该至少两个用户标识的分值,包括:对于每个维度,计算机设备根据该至少两个用户标识在该维度上的特征参数的分布情况,确定该维度上的多个特征参数区间,为每个特征参数区间分配一个对应的分值。
对于每个用户标识,计算机设备确定该用户标识在该维度上的特征参数所属的特征参数区间,将特征参数区间对应的分值确定为该用户标识在该维度上的分值,从而得到该至少两个用户标识中每个用户标识在该维度上的分值。
对于该至少两个维度,计算机设备按照上述方式获取用户标识在该至少两个维度上的分值。然后分别对用户标识在至少两个维度上的分值进行统计,得到用户标识的分值。采用类似的方式即可获取到至少两个用户标识的分值。
其中,在进行统计时,可以获取用户标识在至少两个维度上的分值之和,作为用户标识的分值,或者对用户标识在至少两个维度上的分值进行加权求和或者加权平均,得到用户标识的分值。并且,至少两个维度对应的权重之和为1。
例如,特征参数包括奖励数据领取比例、奖励数据使用比例和折扣关注度三个维度上的特征参数,对于用户A,计算机设备分别获取用户A在该3个维度上的分值,将该3个分值的和确定为用户A的分值。
需要说明的是,上述三种获取分值的方式可以随机结合,最终确定该至少两个用户标识的分值,或者,还可以与其他方式相结合后,确定该至少两个用户标识的分值。
在一种可能实现方式中,计算机设备获取该至少两个用户标识当前时刻之前的多个历史时间段内的数据记录,根据数据记录,获取每个用户标识在每个历史时间段内的特征参数。对于每个历史时间段,根据每个用户标识在该历史时间段内特征参数的分布情况,确定该历史时间段内的多个特征参数区间,为每个特征参数区间分配一个分值。对于每个用户标识,确定该用户标识的特征参数在多个历史时间段内所处的特征参数区间,得到该用户标识在多个历史时间段内的分值,对该多个分值进行加权计算,得到该用户标识的分值。
进一步地,计算机设备获取该至少两个用户标识当前时刻之前的多个历史时间段内的数据记录,根据数据记录,获取每个用户标识在每个历史时间段内的至少两个维度的特征参数。对于每个历史时间段和每个维度,根据每个用户标识在该历史时间段内该维度上的特征参数的分布情况,确定该历史时间段内该维度上的多个特征参数区间,为每个特征参数区间分配一个分值。对于每个用户标识,确定该用户标识在多个历史时间段内的至少两个维度上的特征参数所处的特征参数区间,得到该用户标识在多个历史时间段内的至少两个维度上的分值,对该多个分值进行加权计算,得到该用户标识的分值。
采用上述方式,可以获取该至少两个用户标识中每个用户标识的分值。
203、对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数。
计算机设备在获取到该至少两个用户标识中每个用户标识的分值后,对于该至少两个用户标识中的任一用户标识,获取该用户标识的奖励系数。
本申请实施例以目标用户标识为例,对获取目标用户标识的奖励系数的过程进行说明。
在一种可能实现方式中,考虑到不同用户标识的分值不同,因此根据至少两个用户标识的分值,获取目标用户标识的奖励系数,包括:计算机设备获取该至少两个用户标识的分值中的最小分值和最大分值。获取到该至少两个用户标识的分值中的最小分值、最大分值,以及目标用户标识的分值后,计算机设备根据该最小分值、该最大分值和目标用户标识的分值,获取目标用户标识的奖励系数,参见公式(3-1):
其中,(threshold-coefficient)为第一奖励系数,score为目标用户标识的分值,min(threshold-coefficient-score)为已获取的至少两个用户标识的分值中的最小分值,max(threshold-coefficient-score)为已获取的至少两个用户标识的分值中的最大分值。
在另一种可能实现方式中,奖励系数包括第一奖励系数和第二奖励系数。
(1)获取第一奖励系数的过程:
在一种可能实现方式中,用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度和资源转出参数。该至少两个用户标识的分值是综合考虑上述四个维度上的分布情况后确定的。第一奖励系数可以根据上述公式(2-7)确定。
(2)获取第二奖励系数的过程:
在一种可能实现方式中,用户标识的特征参数仅包括折扣关注度和资源转出参数。该至少两个用户标识的分值是综合考虑在上述两个维度上的分布情况后确定的。
第二奖励系数可以根据以下公式(3-2)确定:
其中,(amount-coefficient)为第二奖励系数,score为目标用户标识的分值,min(threshold-coefficient-score)为已获取的至少两个用户标识的分值中的最小分值,max(threshold-coefficient-score)为已获取的至少两个用户标识的分值中的最大分值。
204、计算机设备将与奖励系数对应的奖励数据发放给目标用户标识。
计算机设备获取到目标用户标识的奖励系数后,根据该奖励系数,获取该奖励系数对应的奖励数据,然后将该奖励数据方法给用户标识。
在一种可能实现方式中,计算机设备根据目标用户标识的奖励系数,根据该奖励系数,获取与该奖励系数对应的第一奖励数据,将该第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据,该第二奖励数据即为待发放的奖励数据。然后计算机设备将该第二奖励数据发放给目标用户标识。
其中,该预设的奖励数据模板可以包括多个,计算机设备得到第一奖励数据后,可以从该多个预设的奖励数据模板中随机选择一个,将该第一奖励数据添加到选择的奖励数据模板中,得到第二奖励数据。
为了进一步提高奖励数据的个性化以及准确性,本申请实施例中还可以根据目标用户标识的用户标签对已获取的第一奖励设备进行修正。该用户标签可以为用户的性别、年龄、地域等,可以代表用户的个性化特征。
在一种可能实现方式中,计算机设备获取目标用户标识的用户标签,根据目标用户标识的用户标签,确定目标用户标识所属的用户标识分组,每个用户标识分组中包括具有相同用户标签的至少一个用户标识,则获取目标用户标识所属的用户标识分组对应的修正策略,按照该修正策略,对已获取的第一奖励数据进行修正,得到修正后的第一奖励数据,将修正后的第一奖励数据添加至奖励数据模板中,得到第二奖励数据。
关于该奖励数据,在一种可能实现方式中,奖励数据包括第一资源数量和第二资源数量,该第一资源数量为允许使用奖励数据的订单的最小的转出资源数量,该第二资源数量为奖励数据抵扣的资源数量。
该情况下,计算机设备分别获取该第一资源数量和该第二资源数量,将该第一资源数量和该第二资源数量分别添加至预设的奖励数据模板的对应位置,得到第二奖励数据,然后向目标用户发放该第二奖励数据。
关于获取第一资源数量和第二资源数量的过程,在一种可能实现方式中,目标用户标识的奖励系数包括第一奖励系数和第二奖励系数,第一资源数量根据以下公式(4-1)确定:
(points-threshold)=(avg-per-order-fee)×(1-(threshold-coefficient)) (4-1)
其中,(points-threshold)为第一资源数量,(avg-per-order-fee)为平均每单转移资源数量,(threshold-coefficient)为第一奖励系数。该平均每单转移资源数量表示平均每个订单对应的转移资源数量。
第二资源数量根据以下公式(4-2)确定:
(points-amount)=(points-threshold)×(fee-rate)×(amount-coefficient) (4-2)
其中,(points-amount)为第二资源数量,(points-threshold)为第一资源数量,(fee-rate)为费率参数,(amount-coefficient)为第二奖励系数。该费率参数可以为预先设置的固定费率参数,也可以是该固定费率参数按照一定比例变化后得到的费率参数,或者还可以对该固定费率参数按照其他方式变化后得到的费率参数。
需要说明的是,计算机设备获取到目标用户标识的奖励数据后,可以实时向目标用户标识发放该奖励数据,也可以每间隔预设时长向目标用户标识发放该奖励数据,还可以在预设时刻向目标用户标识发放该奖励数据,向目标用户发放奖励数据的时刻不做限定。
在一种可能实现方式中,当计算机设备接收到登录目标用户标识的终端发送的奖励数据获取请求时,将该奖励数据发放给目标用户标识。
本申请实施例提供的方法,根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。在获取奖励数据的过程中,综合考虑了至少两个用户标识的数据记录后获得了代表目标用户标识的个性化特征的分值,根据该分值获取的奖励数据与目标用户标识之间的关联度高,可以有效提升奖励数据的个性化。
另外,本申请实施例提供的方法中,还可以根据用户的用户标签以及个性化历史行为,及时、动态地调整奖励数据,提高了奖励数据的准确度和转化率,降低了奖励数据的成本,提升了回报率。
并且,本申请实施例提供的方法中,综合考虑了用户的历史行为信息以及用于描述用户个性化特征的用户标签,因此可以体现不同用户之间的层次划分,进一步提升了奖励数据的个性化和准确性。
需要说明的是,本申请实施例提供的方法中,根据用户标识的数据记录,按照上述公式获取用户标识对应的奖励数据的过程,以及对奖励数据进行修正的过程,具有统一的目标函数,该目标函数包括最大转化率、最小补贴率和最大投资回报率。基于该目标函数进行处理,可以尽可能降低成本,增加收益和投资回报率,使电商平台的收益最大化。
其中,转化率为奖励数据的使用数量与查看数量之间的比例,补贴率为根据奖励数据抵扣的资源数量与用户实际转出的资源数量之间的比例,投资回报率为实际转移的资源数量与根据奖励数据抵扣的资源数量之间的比例。
本申请实施例可以应用于发放奖励数据的任一场景中,在获取奖励数据后,当终端基于用户标识登录后,可以在电商平台应用客户端的首页直接显示发放给该用户标识的奖励数据,也可以在检测到用户的查看操作时,切换至奖励数据显示界面,在该界面中显示发放给该用户标识的奖励数据。或者,还可以在检测到用户触发的订单结算操作时,直接根据该订单对应的信息,显示与该订单信息对应的已发放至用户标识的奖励数据。
在一种可能实现方式中,计算机设备可以给任一用户标识发放多个奖励数据,当终端基于该用户标识登录后,执行订单结算操作时,可以从该多个奖励数据中选择与当前订单信息最匹配的奖励数据,基于该奖励数据完成当前的订单结算操作。
图4是本申请实施例提供的一种奖励数据发放方法的流程图,图5是本申请实施例提供的一种获取用户标识分值的流程图,该奖励数据发放方法应用于服务器中,参见图4和图5,该方法包括:
401、服务器获取多个历史时间段内多个用户标识的数据记录,对该数据记录进行处理,得到每个历史时间段内每个用户标识的特征参数:奖励数据领取率、奖励数据使用率、折扣关注度和资源转出参数。
402、以奖励数据领取率为例,对于每个历史时间段,服务器根据该多个用户的奖励数据领取率,确定该历史时间段内奖励数据领取率的多个特征参数区间,为每个特征参数区间分配一个分值。
403、对于多个用户标识中的目标用户标识,服务器确定目标用户标识的奖励数据领取率分别在多个历史时间段内所属的特征参数区间,得到目标用户标识在多个历史时间段内的分值。
404、服务器对该多个分值进行加权求和,得到目标用户标识在奖励数据领取率维度上的分值。
405、根据上述步骤402-404,服务器获取到目标用户数据分别在上述四个维度上的分值。
406、服务器将该四个分值的和确定为目标用户标识的分值。
407、重复上述步骤402-406,服务器获取到该多个用户标识的分值。
408、服务器根据该多个用户标识的分值,确定每个用户标识的奖励系数,将该多个用户标识的奖励系数存储至数据库中。
409、对于目标用户标识,服务器根据该目标用户标识查询数据库,得到该目标用户标识的奖励系数。
410、服务器根据目标用户标识的奖励系数,获取目标用户标识的奖励数据。
411、服务器将该奖励数据发放至目标用户标识对应的账户中。
412、根据上述步骤409-411,服务器可以向该多个用户标识发放各自对应的奖励数据。
图6是本申请实施例提供的一种奖励数据发放方法的流程图,图7是本申请实施例提供的另一种奖励数据发放方法的流程图;图8是本申请实施例提供的一种个性化算法引擎的工作流程图;该计算机设备中包括发放引擎,个性化算法引擎,人群分流模块。参见图6和图7,发放引擎用于向个性化算法引擎发送奖励数据获取请求,该请求中携带目标用户标识。人群分流模块用于向个性化算法引擎发送多个用户标识的用户标签和每个用户标签对应的修正策略。个性化算法引擎用于确定目标用户标识的奖励数据,将该奖励数据发放给发放引擎,由该发放引擎将该奖励数据添加至奖励数据模板中后,发放给目标用户标识。
其中,个性化算法引擎的工作流程图如图6和图8所示,包括:
1、获取发放引擎发送的奖励数据获取请求。
该奖励数据获取请求中包括奖励数据的配置信息,如:第一资源数量的上下限、第二资源数量的上下限、第一资源数量的递增步长,固定费率参数、目标用户标识等。
2、对接收到的奖励数据获取请求进行解析,得到配置信息。
3、接收人群分流模块发送的多个用户标识及对应的用户标签和每个用户标签的修正策略。
4、根据目标用户标识、该多个用户标识以及每个用户标识对应的用户标签,确定目标用户标识的用户标签和奖励系数。
5、确定目标用户标识的用户标签对应的修正策略。
6、根据该奖励系数确定目标用户标识对应的至少一个奖励数据。
7、根据该修正策略对该至少一个奖励数据进行修正,得到修正后的至少一个奖励数据。
8、获取奖励数据集合,该奖励数据集合中包括修正后的至少一个奖励数据。
9、将该奖励数据集合发送给发放引擎,由该发放引擎发放给目标用户标识。
其中,不同的修正策略中设置不同的权重系数,根据该权重系数对奖励数据进行处理,可以得到修正后的奖励数据。
图9是本申请实施例提供的一种奖励数据发放装置的结构示意图,如图9所示,该装置包括:
特征参数获取模块901,用于根据至少两个用户标识的数据记录,获取至少两个用户标识的特征参数;
分值获取模块902,用于根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,分值用于表示奖励数据对用户标识的影响程度;
发放模块903,用于对于至少两个用户标识中的任一目标用户标识,根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。
本申请实施例提供的奖励数据发放装置,根据至少两个用户标识的数据记录,获取该至少两个用户标识的特征参数,根据至少两个用户标识的特征参数的分布情况,获取至少两个用户标识的分值,对于至少两个用户标识中的任一目标用户标识,计算机设备根据至少两个用户标识的分值,获取目标用户标识的奖励系数,将与奖励系数对应的奖励数据发放给目标用户标识。在获取奖励数据的过程中,综合考虑了至少两个用户标识的数据记录后获得了代表目标用户标识的个性化特征的分值,根据该分值获取的奖励数据与目标用户标识之间的关联度高,可以有效提升奖励数据的个性化。
可选地,如图10所示,特征参数获取模块901,包括以下至少一项:
领取比例获取单元9011,用于根据至少两个用户标识的奖励数据发放记录和奖励数据领取记录,获取至少两个用户标识的奖励数据领取比例;
使用比例获取单元9012,用于根据至少两个用户标识的奖励数据领取记录和奖励数据使用记录,获取至少两个用户标识的奖励数据使用比例;
关注度获取单元9013,用于根据至少两个用户标识的订单记录,获取至少两个用户标识的折扣关注度,折扣关注度用于表示用户标识对折扣订单的关注程度;
资源参数获取单元9014,用于根据至少两个用户标识的资源转移操作记录,获取至少两个用户标识的资源转出参数,资源转出参数用于表示用户标识转出的资源数量多少。
可选地,如图10所示,特征参数包括折扣关注度,折扣关注度根据以下公式确定:
(discount-sensitivity-rate)=(discount-order-rate)+(discount-order-fee-rate);
其中,(discount-sensitivity-rate)为所述折扣关注度,(discount-order-rate)为折扣订单比例,(discount-order-fee-rate)为平均每单折扣资源比例,(discount-order-num)为折扣订单数量,(order-num)为订单总数量,(discount-order-fee)/N为平均每单折扣资源,(order-fee)/N为平均每单转移资源,(discount-order-fee)为折扣资源总数量,(order-fee)为订单资源总数量折扣资源总数量订单资源总数量。
可选地,如图10所示,特征参数包括资源转出参数,资源转出参数根据以下公式确定:
其中,(avg-per-order-fee)为资源转出参数,(total-order-fee)为订单资源总数量,(total-article-num)为物品总数量。
可选地,如图10所示,特征参数获取模块901,包括:
特征参数获取单元9015,用于根据至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,获取至少两个用户标识在多个历史时间段内的特征参数,多个历史时间段的起始时间点不同、结束时间点相同;
分值获取模块902,包括:
分值获取单元9021,用于根据至少两个用户标识在多个历史时间段内的特征参数的分布情况,获取至少两个用户标识在多个历史时间段内的分值;
统计单元9022,用于分别对每个用户标识在多个历史时间段内的分值进行统计,得到每个用户标识的分值。
可选地,如图10所示,统计单元9022,还用于对于至少两个用户标识中的任一目标用户标识,按照多个历史时间段的权重,对目标用户标识在多个历史时间段内的分值进行加权计算,得到目标用户标识的分值,权重与历史时间段的时长呈负相关关系。
可选地,如图10所示,分值获取模块902,包括:
分值获取单元9021,用于根据至少两个用户标识的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
分值确定单元9023,用于确定每个用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
可选地,如图10所示,用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数;分值获取模块902,包括:
分值获取单元9021,用于对于每个维度:根据至少两个用户标识在维度上的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;确定每个用户标识在维度上的特征参数所属的特征参数区间,将特征参数区间对应的分值确定为对应的用户标识在维度上的分值;
统计单元9022,用于分别对每个用户标识在至少两个维度上的分值进行统计,得到每个用户标识的分值。
可选地,如图10所示,发放模块903,包括:
最值获取单元9031,用于获取至少两个用户标识的分值中的最小分值和最大分值;
系数获取单元9032,用于根据最小分值、最大分值和目标用户标识的分值,获取目标用户标识的奖励系数。
可选地,如图6所示,发放模块903,包括:
数据获取单元9033,用于获取与奖励系数对应的第一奖励数据;
添加单元9034,用于将第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据;
发放单元9035,用于将第二奖励数据发放给目标用户标识。
可选地,如图10所示,添加单元9034,还用于根据目标用户标识的用户标签,确定目标用户标识所属的用户标识分组;按照用户标识分组对应的修正策略,对第一奖励数据进行修正,得到修正后的第一奖励数据;将修正后的第一奖励数据添加至奖励数据模板中,得到第二奖励数据。
可选地,如图10所示,奖励数据包括第一资源数量和第二资源数量;第一资源数量为允许使用奖励数据的订单的最小的转出资源数量,第二资源数量为奖励数据抵扣的资源数量。
可选地,如图10所示,奖励系数包括第一奖励系数和第二奖励系数,第一资源数量根据以下公式确定:
(points-threshold)=(avg-per-order-fee)×(1-(threshold-coefficient));
其中,(points-threshold)为第一资源数量,(avg-per-order-fee)为平均订单转移资源,(threshold-coefficient)为第一奖励系数。
可选地,如图10所示,第二资源数量根据以下公式确定:
(points-amount)=(points-threshold)×(fee-rate)×(amount-coefficient);
其中,(points-amount)为第二资源数量,(points-threshold)为第一资源数量,(fee-rate)为费率参数,(amount-coefficient)为第二奖励系数。
图11是本申请实施例提供的一种终端的结构示意图,可以实现上述实施例中计算机设备执行的操作。该终端1100可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑、台式电脑、头戴式设备、智能电视、智能音箱、智能遥控器、智能话筒,或其他任意智能终端。终端1100还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端1100包括有:处理器1101和存储器1102。
处理器1101可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。存储器1102可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的,用于存储至少一个指令,该至少一个指令用于被处理器1101所具有以实现本申请中方法实施例提供的奖励数据发放方法。
在一些实施例中,终端1100还可选包括有:外围设备接口1103和至少一个外围设备。处理器1101、存储器1102和外围设备接口1103之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1103相连。具体地,外围设备包括:射频电路1104、显示屏1105和音频电路1106中的至少一种。
射频电路1104用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1104通过电磁信号与通信网络及其他通信设备进行通信。
显示屏1105用于显示UI(UserInterface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。该显示屏1105可以是触摸显示屏,还可以用于提供虚拟按钮和/或虚拟键盘。
音频电路1106可以包括麦克风和扬声器。麦克风用于采集用户及环境的音频信号,并将音频信号转换为电信号输入至处理器1101进行处理,或者输入至射频电路1104以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端1100的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1101或射频电路1104的电信号转换为音频信号。
本领域技术人员可以理解,图11中示出的结构并不构成对终端1100的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图12是本申请实施例提供的一种服务器的结构示意图,该服务器1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central ProcessingUnits,CPU)1201和一个或一个以上的存储器1202,其中,存储器1202中存储有至少一条指令,至少一条指令由处理器1201加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
服务器1200可以用于执行上述奖励数据发放方法。
本申请实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条程序代码,至少一条程序代码由处理器加载并具有以实现上述实施例的奖励数据发放方法。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,至少一条程序代码由处理器加载并具有以实现上述实施例的奖励数据发放方法。
本申请实施例还提供了一种计算机程序,该计算机程序中存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行,以实现上述实施例的奖励数据发放方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请实施例的可选实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种奖励数据发放方法,其特征在于,所述方法包括:
根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数;
根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,所述分值用于表示奖励数据对用户标识的影响程度;
对于所述至少两个用户标识中的任一目标用户标识,根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,将与所述奖励系数对应的奖励数据发放给所述目标用户标识。
2.根据权利要求1所述的方法,其特征在于,所述根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数,包括以下至少一项:
根据所述至少两个用户标识的奖励数据发放记录和奖励数据领取记录,获取所述至少两个用户标识的奖励数据领取比例;
根据所述至少两个用户标识的奖励数据领取记录和奖励数据使用记录,获取所述至少两个用户标识的奖励数据使用比例;
根据所述至少两个用户标识的订单记录,获取所述至少两个用户标识的折扣关注度,所述折扣关注度用于表示用户标识对折扣订单的关注程度;
根据所述至少两个用户标识的资源转移操作记录,获取所述至少两个用户标识的资源转出参数,所述资源转出参数用于表示用户标识转出的资源数量多少。
3.根据权利要求1所述的方法,其特征在于,所述根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数,包括:
根据所述至少两个用户标识在当前时刻之前的多个历史时间段内的数据记录,获取所述至少两个用户标识在所述多个历史时间段内的特征参数,所述多个历史时间段的起始时间点不同、结束时间点相同;
所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
根据所述至少两个用户标识在所述多个历史时间段内的特征参数的分布情况,获取所述至少两个用户标识在所述多个历史时间段内的分值;
分别对每个用户标识在所述多个历史时间段内的分值进行统计,得到所述每个用户标识的分值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
根据所述至少两个用户标识的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识的特征参数所属的特征参数区间对应的分值,作为对应的用户标识的分值。
5.根据权利要求1所述的方法,其特征在于,所述用户标识的特征参数包括奖励数据领取比例、奖励数据使用比例、折扣关注度或资源转出参数中至少两个维度上的特征参数;所述根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,包括:
对于每个维度:
根据所述至少两个用户标识在所述维度上的特征参数的分布情况,确定多个特征参数区间,为每个特征参数区间分配一个对应的分值;
确定每个用户标识在所述维度上的特征参数所属的特征参数区间,将所述特征参数区间对应的分值确定为对应的用户标识在所述维度上的分值;分别对所述每个用户标识在所述至少两个维度上的分值进行统计,得到所述每个用户标识的分值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,包括:
获取所述至少两个用户标识的分值中的最小分值和最大分值;
根据所述最小分值、所述最大分值和所述目标用户标识的分值,获取所述目标用户标识的奖励系数。
7.根据权利要求1所述的方法,其特征在于,所述将与所述奖励系数对应的奖励数据发放给所述目标用户标识,包括:
获取与所述奖励系数对应的第一奖励数据;
将所述第一奖励数据添加至预设的奖励数据模板中,得到第二奖励数据;
将所述第二奖励数据发放给所述目标用户标识。
8.一种奖励数据发放装置,其特征在于,所述装置包括:
特征参数获取模块,用于根据至少两个用户标识的数据记录,获取所述至少两个用户标识的特征参数;
分值获取模块,用于根据所述至少两个用户标识的特征参数的分布情况,获取所述至少两个用户标识的分值,所述分值用于表示奖励数据对用户标识的影响程度;
发放模块,用于对于所述至少两个用户标识中的任一目标用户标识,根据所述至少两个用户标识的分值,获取所述目标用户标识的奖励系数,将与所述奖励系数对应的奖励数据发放给所述目标用户标识。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至7任一权利要求所述的奖励数据发放方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至7任一权利要求所述的奖励数据发放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399033.7A CN111144949A (zh) | 2019-12-30 | 2019-12-30 | 奖励数据发放方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399033.7A CN111144949A (zh) | 2019-12-30 | 2019-12-30 | 奖励数据发放方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144949A true CN111144949A (zh) | 2020-05-12 |
Family
ID=70522066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911399033.7A Pending CN111144949A (zh) | 2019-12-30 | 2019-12-30 | 奖励数据发放方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144949A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330146A (zh) * | 2020-11-04 | 2021-02-05 | 杭州拼便宜网络科技有限公司 | 一种虚拟资源分配方法、装置、设备及可读存储介质 |
CN113076486A (zh) * | 2021-04-29 | 2021-07-06 | 平安科技(深圳)有限公司 | 药物信息推送方法、装置、计算机设备及存储介质 |
CN114430489A (zh) * | 2020-10-29 | 2022-05-03 | 武汉斗鱼网络科技有限公司 | 一种虚拟道具的补偿方法以及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977856A (zh) * | 2017-11-13 | 2018-05-01 | 广东欧珀移动通信有限公司 | 用户数据处理方法、装置以及服务器 |
CN108470293A (zh) * | 2018-04-03 | 2018-08-31 | 深圳前海微众银行股份有限公司 | 奖励发放方法、设备及计算机可读存储介质 |
CN109325801A (zh) * | 2018-08-31 | 2019-02-12 | 阿里巴巴集团控股有限公司 | 电子券发放、资源分配方法、装置及计算机设备 |
CN110264255A (zh) * | 2019-06-04 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 资源转移、红包发放方法、装置及设备 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
CN110543947A (zh) * | 2019-08-06 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 一种基于强化学习模型的奖励资源发放方法和装置 |
-
2019
- 2019-12-30 CN CN201911399033.7A patent/CN111144949A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977856A (zh) * | 2017-11-13 | 2018-05-01 | 广东欧珀移动通信有限公司 | 用户数据处理方法、装置以及服务器 |
CN108470293A (zh) * | 2018-04-03 | 2018-08-31 | 深圳前海微众银行股份有限公司 | 奖励发放方法、设备及计算机可读存储介质 |
CN109325801A (zh) * | 2018-08-31 | 2019-02-12 | 阿里巴巴集团控股有限公司 | 电子券发放、资源分配方法、装置及计算机设备 |
CN110264255A (zh) * | 2019-06-04 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 资源转移、红包发放方法、装置及设备 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
CN110543947A (zh) * | 2019-08-06 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 一种基于强化学习模型的奖励资源发放方法和装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430489A (zh) * | 2020-10-29 | 2022-05-03 | 武汉斗鱼网络科技有限公司 | 一种虚拟道具的补偿方法以及相关设备 |
CN112330146A (zh) * | 2020-11-04 | 2021-02-05 | 杭州拼便宜网络科技有限公司 | 一种虚拟资源分配方法、装置、设备及可读存储介质 |
CN112330146B (zh) * | 2020-11-04 | 2024-01-23 | 杭州拼便宜网络科技有限公司 | 一种虚拟资源分配方法、装置、设备及可读存储介质 |
CN113076486A (zh) * | 2021-04-29 | 2021-07-06 | 平安科技(深圳)有限公司 | 药物信息推送方法、装置、计算机设备及存储介质 |
CN113076486B (zh) * | 2021-04-29 | 2023-07-25 | 平安科技(深圳)有限公司 | 药物信息推送方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104967607B (zh) | 一种信息处理方法、终端及服务器 | |
CN111144949A (zh) | 奖励数据发放方法、装置、计算机设备及存储介质 | |
CN107944481A (zh) | 用于生成信息的方法和装置 | |
CN110210899A (zh) | 基于广告相似性的广告推送方法、装置和设备 | |
CN110300084A (zh) | 一种基于ip地址的画像方法和装置 | |
CN111080429B (zh) | 一种虚拟资源获取方法、装置和存储介质 | |
CN108540508A (zh) | 用于推送信息的方法、装置和设备 | |
CN111159553A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN108696649A (zh) | 图像处理方法、装置、设备及计算机可读存储介质 | |
CN109640176A (zh) | 用于生成信息的方法和装置 | |
CN108600780A (zh) | 用于推送信息的方法 | |
CN108876463A (zh) | 权益兑换方法、装置和存储介质 | |
CN108710656A (zh) | 一种内容推送方法和装置 | |
CN113298568A (zh) | 用于投放广告的方法及装置 | |
WO2019033676A1 (zh) | 订单处理方法和装置 | |
CN109947850A (zh) | 数据分发方法、装置和设备 | |
CN108965935A (zh) | 多终端广电业务的数据采集分析和信息推送的方法及设备 | |
CN111178973A (zh) | 流失用户标识识别方法、装置、计算机设备及存储介质 | |
CN112308583A (zh) | 一种基于虚拟积分的医学平台管理方法及系统 | |
CN109919642B (zh) | 推广信息的处理方法、装置、计算机可读介质及电子设备 | |
CN111681097A (zh) | 账户类型的识别方法、服务器、电子设备及系统 | |
CN113379477A (zh) | 数据处理方法、设备及计算设备 | |
CN110458696A (zh) | 存款利息调整方法、装置、计算机系统和介质 | |
CN109634827A (zh) | 用于生成信息的方法和装置 | |
CN109903067B (zh) | 信息处理方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211126 Address after: Room 084, No. 1-309, 3rd floor, commercial building, No. 9 Wangjing street, Chaoyang District, Beijing 100102 Applicant after: Beijing Daily Youxian Technology Co.,Ltd. Address before: 100102 room 801, 08 / F, building 7, yard 34, Chuangyuan Road, Chaoyang District, Beijing Applicant before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200512 |
|
WD01 | Invention patent application deemed withdrawn after publication |