CN111241382A - 数据处理方法及装置、存储介质、电子设备 - Google Patents

Abstract

本发明实施例是关于一种数据处理方法及装置，属于数据处理技术领域，该方法包括：对历史用户数据进行归一化处理得到基础粒度数据；对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。该方法解决了现有技术中只能对用户的购买行为进行分析造成的用户行为数据分析不准确的问题，提高了用户行为数据分析的准确性。

Description

数据处理方法及装置、存储介质、电子设备

技术领域

本发明实施例涉及数据处理技术领域，具体而言，涉及一种数据处理方法、数据处理装置、计算机可读存储介质、电子设备。

背景技术

在互联网时代，用户在网上的每一个行为都可以被捕捉，这些行为的数据化使得在线营销变得可度量，在大数据驱动下精准营销发挥着越来越大的作用。品牌商如果想要有针对性的进行用户营销，首要的工作就是分析用户以达到了解自己的用户，并对品牌的用户进行分类，然后建立全链式的用户触达营销方案，当前进行精准推荐的方案集中在用户购买行为本身所表现出来的喜好以及意愿等等。

但是对于用户来说，形成最终的购买行为可能的贡献力不仅仅只是最终购买本身；对于品牌商来说，让用户成为自己的消费者是一个全方位的品牌塑造行为，品牌商要做到精细化运营，仅仅通过用户的购买行为是不够全面的。因为用户购买行为只表现出个体某个时间段的偏好，但是无法更真切的看到该用户与自己品牌的关联度，无法了解该用户对于自己品牌的认知度，因此企业也不能更进一步的针对用户的其他行为数据进行分析，得到一个较为准确且全面的分析结果的目的。

因此，需要提供一种新的数据处理方法及装置。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种数据处理方法、数据处理装置、计算机可读存储介质、电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的用户行为数据分析不准确的问题。

根据本公开的一个方面，提供一种数据处理方法，包括：

对历史用户数据进行归一化处理得到基础粒度数据；

对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；

根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；

根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

在本公开的一种示例性实施例中，所述历史用户数据包括历史行为数据、属性数据以及操作对象数据中的一种或多种。

在本公开的一种示例性实施例中，对历史用户数据进行归一化处理得到基础粒度数据包括：

获取第一预设时间段内的历史行为数据，并根据所述历史行为数据生成与用户对应的日志信息；

对所述日志信息进行归一化处理得到多个基础数据；

对所述基础数据、属性数据以及操作对象数据进行归一化处理得到所述基础粒度数据。

在本公开的一种示例性实施例中，对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型包括：

对所述基础粒度数据进行归属分析得到分析结果；

根据预设模型以及所述分析结果判断所述用户与所述操作对象的触点类型；

其中，所述触点类型包括认知、兴趣、行动以及拥护中的一种或多种。

在本公开的一种示例性实施例中，根据所述触点类型对用户进行分类得到分类结果包括：

根据所述触点类型，将所述操作对象对应的用户进行分类，得到多个所述分类结果。

在本公开的一种示例性实施例中，在得到多个所述分类结果之后，所述数据处理方法还包括：

对各所述分类结果对应的用户信息进行统计；其中，所述用户信息包括用户数量以及用户的详细画像中的一种或多种；

间隔第二预设时间段，判断各所述分类结果对应的用户数量是否发生变化；

如果所述用户数量发生变化，则对所述分类结果进行更新。

在本公开的一种示例性实施例中，根据所述分类结果形成不同类型的数据包包括：

根据所述用户的详细画像中的性别比例以及消费能力，形成多个不同类型的数据包。

根据本公开的一个方面，提供一种数据处理装置，包括：

归一化处理模块，用于对历史用户数据进行归一化处理得到基础粒度数据；

归属分析模块，用于对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；

分类模块，用于根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；

推送模块，用于根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的数据处理方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的数据处理方法。

本公开一种数据处理方法及装置，通过对历史用户数据进行归一化处理得到基础粒度数据；对基础粒度数据进行归属分析，得到与历史用户数据对应的触点类型；根据触点类型对用户进行分类得到分类结果，并根据分类结果形成不同类型的数据包；根据数据包的类型，为用户推送与数据包的类型对应的预设方案；一方面，通过对历史用户数据进行归一化处理得到基础粒度数据，解决了现有技术中只能对用户的购买行为进行分析造成的用户行为数据分析不准确的问题，提高了用户行为数据分析的准确性；另一方面，通过对基础粒度数据进行归属分析，得到与历史用户数据对应的触点类型；然后根据触点类型对用户进行分类得到分类结果，并根据分类结果形成不同类型的数据包，提高了分类结果以及数据包的精确性；再一方面，通过根据数据包的类型，为用户推送与数据包的类型对应的预设方案，提高了预设方案推送的准确性，使得企业可以尽快地根据需要推送更合适的预设方案，节省了企业制定预设方案的时间。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅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示意性示出一种数据处理方法的流程图。

图2示意性示出一种上述对历史用户数据进行归一化处理得到基础粒度数据的方法流程图。

图3示意性示出另一种数据处理方法的流程图。

图4示意性示出一种数据处理方法的应用场景示例图。

图5示意性示出一种数据处理装置的框图。

图6示意性示出一种用于实现上述数据处理方法的电子设备示例框图。

图7示意性示出一种用于实现上述数据处理方法的计算机可读存储设备。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种数据处理方法，可以运行于服务器、服务器集群或云服务器等；也可以运行于设备终端；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该数据处理方法可以包括以下步骤。

步骤S110.对历史用户数据进行归一化处理得到基础粒度数据。

步骤S120.对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型。

步骤S130.根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包。

步骤S140.根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

上述数据处理方法中，一方面，通过对历史用户数据进行归一化处理得到基础粒度数据，解决了现有技术中只能对用户的购买行为进行分析造成的用户行为数据分析不准确的问题，提高了用户行为数据分析的准确性；另一方面，通过对基础粒度数据进行归属分析，得到与历史用户数据对应的触点类型；然后根据触点类型对用户进行分类得到分类结果，并根据分类结果形成不同类型的数据包，提高了分类结果以及数据包的精确性；再一方面，通过根据数据包的类型，为用户推送与数据包的类型对应的预设方案，提高了预设方案推送的准确性，使得企业可以尽快地根据需要推送更合适的预设方案，节省了企业制定预设方案的时间。

下面，将结合附图对本示例实施方式中上述数据处理方法中的各步骤进行详细的解释以及说明。

在步骤S110中，对历史用户数据进行归一化处理得到基础粒度数据。

在本示例实施方式中，上述历史用户数据可以包括历史行为数据、属性数据、操作对象数据以及广告营销数据等等，其中，该操作对象数据例如可以是某一品牌的商品数据；也可以包括其他类型的数据，例如可以是埋点数据以及订单数据等等，本示例对此不做特殊限制。其中，历史行为数据可以包括点击数据、浏览数据、搜索数据、购买数据、评价数据以及复购(二次或者多次购买)数据等等；属性数据可以包括用户的性别、年龄、用户地址以及用户账户数据等等；品牌商品数据可以包括商品的详细数据，例如可以是商品的规格、生产商、制造商以及生产日期等等；广告营销数据可以包括针对商品营销而制定的营销方案等等，本示例对此不做特殊限制。进一步的，参考图2所示，上述对历史用户数据进行归一化处理得到基础粒度数据可以包括步骤S202-步骤S206。其中：

在步骤S202中，获取第一预设时间段内的历史行为数据，并根据所述历史行为数据生成与用户对应的日志信息。

在本示例实施方式中，首先，获取第一预设时间段(例如可以是半年、一年或者是一年半等等，本示例对此不做特殊限制)内的历史行为数据；然后，根据历史行为数据生成与该用户对应的日志信息。举例而言：

首先，可以通过app(Application，计算机应用程序)与设备终端的js(JavaScript，直译式脚本语言)脚本采集用户在电商平台的点击、浏览、搜索、购买、评价以及复购等数据，然后根据用户在电商平台的等数据形成对应的日志信息；再将该日志信息通过Flume(一种高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统)发送至基础数据处理平台。

在步骤S204中，对所述日志信息进行归一化处理得到多个基础数据。

在本示例实施方式中，基础数据例如可以是sku基础数据；进一步的，当基础数据处理平台301接收到该日志信息后，对该日志信息进行归一化处理，汇聚成多个sku的各种点击、浏览、搜索、购买、评价以及复购等基础数据。

在步骤S206中，对所述基础数据、属性数据以及操作对象数据进行归一化处理得到所述基础粒度数据。

在本示例实施方式中，当得到上述sku基础数据后，接入用户属性数据、品牌商品数据以及广告营销数据等信息，基于各用户对sku基础数据、用户属性数据、品牌商品数据以及广告营销数据进行归一化处理，得到上述基础粒度数据；此处需要补充说明的是，该基础粒度数据是基于单一用户独有的行为记录得到的基础粒度数据；通过该方式，可以使得在对用户进行预设方案推荐时，可以根据用户的实际情况进行有针对性的推荐，提高了预设方案推荐的个性化，提升了用户体验，同时也可以提升企业的收益。进一步的，当得到上述基础粒度数据以后，还可以建立该基础粒度数据与用户之间的映射关系，并将该映射关系以及基础粒度数据存储至Hadoop集群中，便于后期维护以及查询。

在步骤S120中，对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型。

在本示例实施方式中，对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型可以包括：对所述基础粒度数据进行归属分析得到分析结果；根据预设模型以及所述分析结果判断所述用户与品牌商品的触点类型；其中，所述触点类型可以包括认知、兴趣、行动以及拥护等等。详细而言：

首先，对预设模型进行解释以及说明。预设模型可以是4A模型；其中，4A可以包括认知(Aware)、兴趣(Appeal)、行动(Act)、拥护(Advocate)等等。由于用户对于某一品牌的认知和熟悉会是一个动态变化的过程，电商因能实时捕获用户的所有操作行为，而不同的行为又可以代表着用户对于品牌的不同认知阶段，故而本发明的人群划分方案，以用户对品牌的感知过程为依托，将用户对品牌的感知建立成认知(Aware)、兴趣(Appeal)、行动(Act)、拥护(Advocate)四种不同阶段，并根据这四种不同的阶段建立4A模型。然后，基于互联网电商收集的数据，为每一阶段人群定义了详细的行为模式，以便品牌能够更好的进行品牌营销，可以针对不同阶段的人群采取不同的营销策略，以提高消费者的品牌认知与忠诚度。进一步的，对4A进行解释以及说明。

认知，即在所有的电商平台用户群中，用户对品牌产生印象的行为集合，包括但不限于，被品牌及其商品的广告曝光过；点击过品牌广告；浏览过一次品牌商详等行为。

兴趣，浏览过两次及以上的品牌商品详情，发生过品牌搜索、关注过品牌商品，将品牌的商品放入过购物车，观看过品牌组织的活动等等。

行动，购买过一次品牌商品。

拥护，购买过两次及以上品牌的商品；购买过一次并且有正向评价(追加评价)的人群。

进一步的，首先，对上述基础粒度数据进行归属分析得到分析结果；然后再根据4A模型以及分析结果判断用户与品牌商品的触点类型。例如，分析某一用户的基础粒度数据，得到了该用户对某一品牌商品的多次购买行为的分析结果，则可以根据4A模型以及该分析结果判断该用户与该品牌商品的触点类型为拥护类型。

在步骤S130中，根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包。

在本示例实施方式中，根据所述触点类型对用户进行分类得到分类结果可以包括：根据所述触点类型，将品牌商品对应的用户进行分类，得到多个所述分类结果。详细而言：

首先，根据上述触点类型(认知、兴趣、行动以及拥护)，将某一品牌商品对应的用户进行分类，得到多个分类结果。例如，将认知类型对应的用户分为普通用户，将兴趣类型对应的用户分类低级用户，将行动认知类型对应的用户分类中级用户，将拥护类型对应的用户分为高级用户。然后，当得到上述多个分类结果(普通用户、低级用户、中级用户以及高级用户)后，根据该分类结果形成不同的数据包(消费者人群包，例如可以包括普通用户人群包、低级用户人群包、中级用户人群包以及高级用户人群包等等)。

进一步的，当得到上述多个分类结果(普通用户、低级用户、中级用户以及高级用户)后，参考图3所示，该数据处理方法还可以包括步骤S310-步骤S330。其中：

在步骤S310中，对各所述分类结果对应的用户信息进行统计；其中，所述用户信息包括用户数量以及用户的详细画像中的一种或多种。

在步骤S320中，间隔第二预设时间段，判断各所述分类结果对应的用户数量是否发生变化。

在步骤S330中，如果所述用户数量发生变化，则对所述分类结果进行更新。

下面，对步骤S310-步骤S330进行详细的解释以及说明。首先，对多个分类结果(普通用户、低级用户、中级用户以及高级用户)对应的用户信息进行统计，其中，该用户信息可以包括用户数量、用户的详细画像等等；进一步的，用户的详细画像可以包括性别比例、消费能力以及地域分布等等，也可以包括学历、婚姻状况、工作性质以及年龄等等，本示例对此不做特殊限制；然后，间隔第二预设时间段(例如可以是一周、两周或者一个月等等，本示例对此不做特殊限制)，判断各分类结果对应的用户数量是否发生变化；其中，该发生变化可以包括用户数量增加或者用户数量减少，以及普通用户数量减少但低级或中级或高级用户增多等等；最后，当各分类结果对应的用户数量发生变化时，则可以对各分类结果进行更新；该对各分类结果进行更新可以包括：若某一用户从低级用户转换成高级用户，则可以删除低级用户分类结果中该用户的信息，并不再对该用户推送低级用户分类结果对应的预设方案，而是对该用户推送高级用户分类结果对应的预设方案，通过该方法，使得用户可以及时的收到较为满意的预设方案，便于用户进行查看，同时进一步的提升了用户体验。

更进一步的，上述根据所述分类结果形成不同类型的数据包还可以包括：根据所述用户的详细画像中的性别比例以及消费能力，形成多个不同类型的数据包；其中，所述数据包的类型包括高级、中级、低级以及普通等等。举例说明：

可以根据上述用户的详细画像中的性别比例以及消费能力，形成多个不同类型的数据包；例如，当消费能力较强(该品牌商品的已消费额达到一预设值(例如可以是是10000以上时))且该品牌商品的消费能力较强的用户中性别比例达到另一预设值(例如男女比例为1:4)时，可以将该品牌商品的用户类型中消费能力达到上述预设值且性别为女的用户形成高级用户数据包，着重针对该类消费人群制定特质的预设方案等等；其他的数据包依次类推，此处不再赘述。通过该方式，可以进一步的促进用户的消费，增加企业的经济收入。

在步骤S140中，根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

在本示例实施方式中，当得到上述各种不同类型的数据包后，根据各数据包的类型，为各用户推送与数据包的类型对应的预设方案。例如，高级用户数据包推送对应的高级用户预设方案，例如，可以将高端产品(产品性能、质量以及价格都较高)推送给高级用户数据包对应的用户等等；其他推送方式依次类推，此处不再赘述。通过该方式，提高了预设方案推送的准确性，使得用户可以尽快的查看到所需要的方案，进而节省了用户查看所需方案的时间并进一步的提升了用户体验。

进一步的，本方案还可以针对不同用户的营销活动做完以后，可以将数据再次输入4A人群分析模型上，即可以看到在营销活动开始前到结束后在不同人群中流转的人群量及其他画像，再结合无营销活动时的自然流转状态就可以较好的分析营销活动的效果，可针对不同群体的营销活动是否达到目标进行数据化的评估。同时，营销数据回流到基础数据中，也可以为进一步的人群分析提供更好的数据基础，提高分析的准确度。

更进一步的，为了进一步的对本公开进行解释以及说明，图4示意性的示出了本公开的一种数据处理方法的应用场景示例图。下面，结合该数据处理方法的应用场景示例图，再次对本公开中涉及的方案进行解释以及说明。

参考图4所示，首先，终端设备401可以获取用户行为数据(浏览、点击、搜索、购买、评价以及重复购买等等)、用户属性数据、品牌商品数据以及广告营销数据；其次，将上述各数据汇聚至用户基础数据处理平台402；当用户基础数据处理平台接收到上述各数据时，对上述各数据进行归一化处理得到基础粒度数据；然后，当得到上述基础粒度数据后，用户基础数据处理平台402将基础粒度数据存储至Hadoop集群403中；然后，数据分析平台404从Hadoop集群403中获取基础粒度数据，并对该基础粒度数据进行分析，得到与历史用户数据对应的触点类型；进一步的，当得到与历史用户数据对应的触点类型后，将该触点类型发送至数据分类平台405，然后数据分类平台根据触点类型对用户进行分类得到分类结果，并根据分类结果形成不同类型的数据包；最后，当得到上述数据包后，再将该数据包发送至方案推送平台406，然后方案推送平台根据数据包的类型，为用户推送与数据包的类型对应的预设方案。

本公开能很好地解决品牌商对于自己用户的分类管理问题，根据用户与品牌触达时的行为模式，给用户进行分类，不同行为代表着用户对于品牌的认知层级不一样，也就适用于不同的再营销方案，以便品牌商能更细致地管理自己的用户资产，更有效地进行用户预期管理等。同时，基于不同认知层级的用户，提供不同的人群定向方法，让品牌一步步在用户中建立影响，提高用户选择品牌的可能性，提高营销效果。同时建立在线广告营销数据的监控，进一步反馈到产品数据中，以期形成一个数据驱动的全闭环品牌价值提升方案。

根本公开还提供了一种数据处理装置。参考图5所示，该数据处理装置可以包括：归一化处理模块510、归属分析模块520、分类模块530以及推送模块540。其中：

归一化处理模块510可以用于对历史用户数据进行归一化处理得到基础粒度数据。

归属分析模块520可以用于对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型。

分类模块530可以用于根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包。

推送模块540可以用于根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

在本公开的一种示例性实施方式中，所述历史用户数据包括历史行为数据、用户属性数据、品牌商品数据以及广告营销数据中的一种或多种。

在本公开的一种示例性实施方式中，对历史用户数据进行归一化处理得到基础粒度数据包括：

获取第一预设时间段内的历史行为数据，并根据所述历史行为数据生成与用户对应的日志信息；

对所述日志信息进行归一化处理得到多个sku基础数据；

对所述sku基础数据、用户属性数据、品牌商品数据以及广告营销数据进行归一化处理得到所述基础粒度数据。

在在本公开的一种示例性实施方式中，对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型包括：

对所述基础粒度数据进行归属分析得到分析结果；

根据预设模型以及所述分析结果判断所述用户与品牌商品的触点类型；

其中，所述触点类型包括认知、兴趣、行动以及拥护中的一种或多种。

在本公开的一种示例性实施方式中，根据所述触点类型对用户进行分类得到分类结果包括：

根据所述触点类型，将品牌商品对应的用户进行分类，得到多个所述分类结果。

在本公开的一种示例性实施方式中，在得到多个所述分类结果之后，所述数据处理方法还包括：

对各所述分类结果对应的用户信息进行统计；其中，所述用户信息包括用户数量以及用户的详细画像中的一种或多种；

间隔第二预设时间段，判断各所述分类结果对应的用户数量是否发生变化；

如果所述用户数量发生变化，则对所述分类结果进行更新。

在本公开的一种示例性实施方式中，根据所述分类结果形成不同类型的数据包包括：

根据所述用户的详细画像中的性别比例以及消费能力，形成多个不同类型的数据包。

上述数据处理装置中各模块的具体细节已经在对应的数据处理方法中进行了详细想描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S110：对历史用户数据进行归一化处理得到基础粒度数据；S120：对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；步骤S130：根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；步骤S140：根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品710，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

对历史用户数据进行归一化处理得到基础粒度数据；

对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；

根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；

根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

2.根据权利要求1所述的数据处理方法，其特征在于，所述历史用户数据包括历史行为数据、属性数据以及操作对象数据中的一种或多种。

3.根据权利要求2所述的数据处理方法，其特征在于，对历史用户数据进行归一化处理得到基础粒度数据包括：

获取第一预设时间段内的历史行为数据，并根据所述历史行为数据生成与用户对应的日志信息；

对所述日志信息进行归一化处理得到多个基础数据；

对所述基础数据、属性数据以及操作对象数据进行归一化处理得到所述基础粒度数据。

4.根据权利要求3所述的数据处理方法，其特征在于，对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型包括：

对所述基础粒度数据进行归属分析得到分析结果；

根据预设模型以及所述分析结果判断所述用户与操作对象的触点类型；

其中，所述触点类型包括认知、兴趣、行动以及拥护中的一种或多种。

5.根据权利要求4所述的数据处理方法，其特征在于，根据所述触点类型对用户进行分类得到分类结果包括：

根据所述触点类型，将所述操作对象对应的用户进行分类，得到多个所述分类结果。

6.根据权利要求5所述的数据处理方法，其特征在于，在得到多个所述分类结果之后，所述数据处理方法还包括：

对各所述分类结果对应的用户信息进行统计；其中，所述用户信息包括用户数量以及用户的详细画像中的一种或多种；

间隔第二预设时间段，判断各所述分类结果对应的用户数量是否发生变化；

如果所述用户数量发生变化，则对所述分类结果进行更新。

7.根据权利要求6所述的数据处理方法，其特征在于，根据所述分类结果形成不同类型的数据包包括：

根据所述用户的详细画像中的性别比例以及消费能力，形成多个不同类型的数据包。

8.一种数据处理装置，其特征在于，包括：

归一化处理模块，用于对历史用户数据进行归一化处理得到基础粒度数据；

归属分析模块，用于对所述基础粒度数据进行归属分析，得到与所述历史用户数据对应的触点类型；

分类模块，用于根据所述触点类型对用户进行分类得到分类结果，并根据所述分类结果形成不同类型的数据包；

推送模块，用于根据所述数据包的类型，为所述用户推送与所述数据包的类型对应的预设方案。

9.一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1-7任一项所述的数据处理方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的数据处理方法。

Images