CN111327661A - 推送方法、推送装置、服务器和计算机可读存储介质 - Google Patents
推送方法、推送装置、服务器和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111327661A CN111327661A CN201811543438.9A CN201811543438A CN111327661A CN 111327661 A CN111327661 A CN 111327661A CN 201811543438 A CN201811543438 A CN 201811543438A CN 111327661 A CN111327661 A CN 111327661A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- user terminal
- guidance
- determining
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种推送方法、推送装置、服务器和计算机可读存储介质,其中,推送方法包括:响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识;根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。通过本发明技术方案,一方面,能够根据用户操作标识确定是否向用户推送信息,以及推送的信息种类,在提高信息推送的针对性的同时,也能够提升推送信息的有效性,另一方面,对于服务器的平台端,能够根据对用户操作标识的分析确定推送信息的推送量,从而使信息在可控的范围内实现有目的的推送,进而降低资源的占用,相应能够提升平台对信息的处理效率。
Description
技术领域
本发明涉及信息推送领域,具体而言,涉及一种信息推送方法、一种信息推送装置、一种服务器和一种计算机可读存储介质。
背景技术
相关技术中,对于网约车等应用平台而言,通常的信息推送方式都是将引导类信息推送给所有用户,由于缺乏针对性,有些用户并不需要或并不查看这些信息,导致应用平台浪费了大量资源,并且对平台的运行也造成了一定的负担,影响了平台的运行效率。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提供一种信息推送方法。
本发明的另一个目的在于提供一种信息推送装置。
本发明的又一个目的在于提供一种服务器。
本发明的又一个目的在于提供一种计算机可读存储介质。
有鉴于此,本发明的第一方面提出了一种信息推送方法,包括:响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识;根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
根据本发明第二方面,还提出了一种信息推送装置,包括:存储器和处理器;存储器,用于存储存储器用于存储程序代码;处理器,用于调用程序代码执行:响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识;根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
本发明的第三方面的技术方案提供了一种服务器,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,处理器执行计算机程序时实现上述任一项信息推送方法限定的步骤,和/或包括上述任一项的信息推送装置。
本发明的第四方面的技术方案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上述任一项信息推送方法限定的步骤。
本发明实施例提供的信息推送方法中,统计操作记录,确定用户终端的用户操作标识,以根据用户操作标识定向推送对应的推送信息,并将推送信息推送至对应的用户终端,采用该推送方式,一方面,能够根据用户操作标识确定是否向用户推送信息,以及推送的信息种类,在提高信息推送的针对性的同时,也能够提升推送信息的有效性,另一方面,对于服务器的平台端,能够根据对用户操作标识的分析确定推送信息的推送量,从而使信息在可控的范围内实现有目的的推送,进而降低资源的占用,相应能够提升平台对信息的处理效率。
附图说明
图1示出了根据本发明的一个实施例的信息推送方法的示意流程图;
图2示出了根据本发明的实施例的信息推送装置的示意框图;
图3示出了根据本发明的另一个实施例的信息推送方法的示意流程图;
图4示出了根据本发明的实施例的服务器的示意框图;
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用第三方不同于在此描述的第三方方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的信息推送方法的示意流程图。
如图1所示,根据本发明的一个实施例的信息推送方法,包括:步骤102,响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识;步骤104,根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
在该实施例中,平台能够获得用户终端的历史操作信息作为操作记录,根据对操作记录的分析能够得到用户的多种信息,比如用户对应用软件的使用频率、用户是否已经卸载应用软件、用户经常使用的服务业务、用户对软件以及软件中服务业务的满意度、甚至用户能够给平台带来的收益等,用于统计操作记录,确定用户终端的用户操作标识,以根据用户操作标识定向推送对应的推送信息,并将推送信息推送至对应的用户终端,采用该推送方式,一方面,能够根据用户操作标识确定是否向用户推送信息,以及推送的信息种类,在提高信息推送的针对性的同时,也能够提升推送信息的有效性,另一方面,对于服务器的平台端,能够根据对用户操作标识的分析确定推送信息的推送量,从而使信息在可控的范围内实现有目的的推送,进而降低资源的占用,相应能够提升平台对信息的处理效率。
其中,可以通过用户操作标识来表征用户的操作习惯以及用户的操作偏好,进而能够通过对的操作习惯与操作偏好,向用户定向推送有用信息,在提升平台信息推送有效性的同时,也提升了终端用户的使用体验。
在上述实施例中,优选地,响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识,具体包括:根据操作记录确定用户终端对指定引导类信息的查询率;根据查询率与预设查询阈值之间的关系,将用户终端划分为第一类用户终端与第二类用户终端,其中,第一类用户终端为接受引导终端,第二类用户终端未接受引导终端。
其中,引导类信息为引导用户执行指定操作的信息。
在该实施例中,通过统计所有用户终端的操作记录,在用户终端的操作记录中包括对指定类型的引导类信息的点击操作时,并且检测到对该类引导类信息的电机操作大于预设查询阈值的情况下,表明用户偏好浏览或使用该类型的引导类信息,此时可以将该类用户终端确定为第一类用户终端,而将剩下的用户终端确定为第二类用户终端,从而将是否偏好接收指定类型的引导类信息作为用户操作标识,进一步的则可以主要向第一类用户终端推送该类的引导类信息,一方面,防止了向非接受终端推送该类信息造成资源的浪费,另一方面,通过向第一类用户终端推送引导类信息,也能够提升用户对应用的使用体验,比如对于网约车用户,一部分用户喜欢使用优惠券,而另一部分用户不喜欢使用优惠券,将优惠券作为一种引导类信息,则通过对优惠券的使用操作来确定用户终端的用户操作标识。
在上述任一实施例中,优选地,根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:将第一类用户终端确定为待推送终端,并计算待推送终端对于多个引导类信息的响应效率;根据响应效率确定多个引导类信息中的待推送引导类信息,并反馈至待推送终端。
在该实施例中,在将第一类用户终端确定为待推送终端之后,在引导类信息具有多个时,则需要解决该向用户终端推送的具体引导类信息,此时可以通过计算用户终端对于不同的引导类信息的响应效率,响应越快,表明用户对该引导类信息的需求度越高,即将响应效率最快的信息作为待推送引导类信息,反馈至待推送终端,从而能够进一步提升信息推送的针对性与实施性。
在上述任一实施例中,优选地,计算待推送终端对于多个引导类信息的响应效率,具体包括:根据操作记录计算多个引导类信息的引导转化效率,以根据引导转化效率确定响应效率。
在该实施例中,作为响应效率的一种计算方式,通过确定引导转化效率来确定响应效率,其中,引导转换效率即将引导类信息转换为对对应的指定业务进行操作的概率,通过引导转换效率确定响应效率,进而通过推送对应的引导类信息,进一步提升用户终端的响应效率。
在上述任一实施例中,优选地,计算待推送终端对于多个引导类信息的响应效率,具体包括:根据预设的转化率模型确定多个引导类信息的转换效率,以根据转化效率确定响应效率。
在该实施例中,作为响应效率的另一种计算方式,还可以通过预设转化率模型来计算引导类信息的转化效率,其中,转换率模型可以基于操作记录生成,也可以根据平台的监测生成。
在上述任一实施例中,优选地,根据响应效率确定多个引导类信息中的待推送引导类信息,并反馈至待推送终端,具体还包括:根据响应效率与待推送终端对平台的忠诚度确定待推送终端对于多个引导类信息的处理效率;根据预设的平台处理目标与处理效率确定待推送终端中的目标终端;向目标终端推送处理效率最高的引导类信息。
在该实施例中,进一步地,在具有明确的处理目标的前提下,可能并不是所有的待推送终端都能够接收到上述的引导类信息,在这种情况下,通过同事考虑因此需要进一步地结合用户终端对于平台的忠诚度来确定最终的目标终端,以及对目标终端具体发送的引导类信息的内容,一方面,提升了引导类信息推送目标群的准确性,即提升了平台对引导类信息的处理效率,另一方面,对于用户终端而言,通过接收最需要的引导类信息来满足操作需求,从而提升了用户操作的便捷性。
具体地,作为一种具体的应用场景,在引导类信息为优惠券信息时,根据转化率模型统计用户对不同的推送信息的接受度;根据转化率(即上上述的响应效率)与用户的未来价值(即上述的平台的忠诚度)确定多个用户的期望收益增量;根据多个用户的期望收益增量与预设的分配规则执行信息推送操作。
在该实施例中,针对优惠券,首先将不同的优惠券金额输入到转化率模型中,以得到对应的优惠券的转化率,而对于不同用户,其使用打车服务的未来价值也不同,根据优惠券的转化率与未来价值计算每个用户的期望收益增量,即单个用户的最大期望收益,根据用户的最大期望收益,结合预设的分配规则实现了优惠券的合理分配,进而实现优惠券投资的整体回报的最大化。
其中,转化率指在一个统计周期内,优惠券完成使用的次数占发放总次数的比率,具体地,对于不同的优惠券金额,其对用户的吸引程度也不同,而大量较大优惠券金额的发放,又会影响平台收益,因此可以基于对大数据的分析以及神经网络学习建立转化率模型,以根据转化率模型计算不同的优惠券金额的转化率,以基于转化率进一步进行制定优惠券分配策略。
优惠券金额为定值(例如0元、5元、10元、15元、20元等),其中,在优惠券金额为0元时,表明不发放优惠券。
在上述实施例中,优选地,根据转化率模型统计用户对不同的推送信息的接受度,具体包括以下步骤:确定转化率影响模型中的影响参数;将影响参数与不同的优惠券金额输入至转化率模型中,以得到对应的转化率。
在该实施例中,由于除了优惠券的金额,还具有其它影响转化率的影响参数,比如使用场景(包括快车场景、专车场景、出租车场景、顺风车场景与代驾场景等)、使用区域、使用时间、天气等因素,在转化率计算过程中,通过首先确定转化率模型中的影响参数,再进一步执行转化率的计算,输入的影响参数越多,对转化率的计算越符合实际使用场景,从而通过引入影响参数,提升转化率计算的准确性。
具体地,在转化率模型中,转化率可以用以下公式表示:
p=f(F,c) (1)
p0=f(F,c=0) (2)
p5=f(F,c=5) (3)
p10=f(F,c=10) (4)
其中,p表示转化率,可通过转化率模型计算得到;F表示转化率的影响因素;c表示发放的优惠券金额。遍历所有的c,可以得到所有的转化率数值。
在上述任一项实施例中,优选地,根据转化率与多个用户的未来价值确定多个用户的期望收益增量,具体包括以下步骤:根据预设的未来价值模型确定每个用户的未来价值;根据预设公式确定期望收益增量,以根据期望收益增量确定对每个用户的发券动作,其中,预设公式为ΔR=(pc-p0)×v-pc×c,其中,ΔR为期望收益增量,c为优惠券金额,pc为对应的转化率,p0为不发放优惠券时的转化率,v为未来价值,发券动作包括是否发券以及确定发券时的优惠券金额。
在该实施例中,通过预设的未来价值模型计算不同用户的未来价值,即对用户对打车平台的使用进行预测,未来价值越高,表明用户使用打车服务越频繁,支付金额越高,未来价值越低,表明使用打车服务的频率越低,支付金额越低,通过结合转化率模型和未来价值模型,对信息推送策略进行优化,以使投资回报最大化,即发券的人群的整体收益最大。
具体地,期望收益增量为发放优惠券对应的期望收益值与不发放优惠券对应的期望收益值之间的差值,而期望收益值可以用以下公式表示:
R=E(return)-E(cost) (5)
其中,R表示期望收益值,E(return)表示期望回报值,E(cost)表示期望花费值,期望回报值和期望花费值可以分别用以下公式表示:
E(return)=p×v+(1-p)×0 (6)
E(cost)=p×c+(1-p)×0 (7)
其中,v表示该用户的未来价值,可通过未来价值模型计算得到,在不发放优惠券的情况下,转化率为p0,因此,期望收益增量可以用以下公式表示:
ΔR=(p-p0)×v-p×c=Δp×v-p×c (8)
其中,ΔR表示期望收益增量。对于单个用户,会比较发送不同金额优惠券的ΔR,从而确定一个使该用户期望收益最佳的action(包括是否发券,发多少金额的券等)。
理论上讲,单个用户的期望收益最大化之后,期望收益增量总和Rall=∑ΔR也可以最大化。
在上述任一项实施例中,优选地,在根据转化率模型统计用户对不同的推送信息的接受度前,还包括:采用决策树模型搭建模型框架;将获取到的基于优惠券生成的用户样本特征输入决策树模型中,以执行模型训练;根据决策树模型输出的优惠券转化率执行模型优化,以生成转化率模型。
在该实施例中,模型框架采用决策树模型(主要是xgboost+LR),在提取训练样本的特征后进行训练模型,将特征输入xgboost,得到一个model,然后得到每个样本在model上的分类点,将每个样本在决策树上的节点记录下来,将其作为一个新的特征(即组合后的特征)放到LR(Logistic Regression,逻辑回归模型)里面训练(输入LR的特征需要做离散化处理),将预测的转化率与真实的转化率比较,评估模型的准确性,并根据评估结果进行模型优化,以生成转化率模型。
其中,用户样本特征主要涉及到7类特征(约400~500维):
APP特征,包括用户打开APP次数、冒泡次数、停留在界面的时间、停留次数、点击界面的步骤、点击顺序、与时间跨度相关的特征等;
Bubble特征(乘客打开APP,输入了出发地、目的地,查看了订单金额,但未下单,称为一次冒泡行为),包括指定时间段内输入的订单起终点的时间和距离、订单的长短、冒泡的时间信息等;
注册特征,包括用户注册的速度、输入手机号的次数等行为上的特征);
社交关系特征,如好友中使用打车服务的人群;
Woe(weight of evidence)特征,包括不同的用户手机上装APP的情况,转化的人和未转化的人手机上安装的App和分布情况等;
优惠券特征,包括如用户手机上优惠券的类型、优惠券的数量等;
用户画像,包括如年龄、性别、消费水平、旅游人士、住址、公司、绑定的支付账号、注册渠道等。
在上述任一项实施例中,优选地,在根据预设的未来价值模型确定每个用户的未来价值前,还包括:采用xgboost模型与LR模型搭建未来价值的预测模型框架;将用户个人特征数据与社交关系特征输入预测模型框架中,并生成输出结果;根据输出结果与预设评估指标之间的关系,执行模型训练,以生成未来价值模型。
在该实施例中,未来价值的预测可以视为一个回归问题,并将均方根误差作为评估指标,在获取以往用户的个人信息和好友关系网信息后,提取用户个人特征数据与社交关系特征,在模型训练之后,会给特征自动分配权重,越重要的特征权重自然越高,当预测模型中出现不具有意义的特征时,可人工去掉这些没有区分度的用户特征,在预测模型学习时,还可以通过预设观察时间,对预测出的未来价值数据进行验证和优化,以得到较优的未来价值模型。
在上述任一项实施例中,优选地,根据多个用户的期望收益增量与预设的分配规则执行信息推送操作,具体包括以下步骤:根据期望收益增量对多个用户进行排序;根据排序结果与分配规则向用户执行对应的发券动作。
在该实施例中,通过根据期望收益增量对多个用户进行排序,以确定期望收益增量较大的用户,并根据预设的分配规则确定对应的发券动作,即向哪些期望收益增量较大的用户发放优惠券,以及发放怎样金额的优惠券,从而完成发券操作,其中,发券动作包括优惠券金额为0的发券动作,也即对某些用户不执行发券动作,与现有技术中向所有用户发放相同的优惠券的发券方式相比,一方面,实现了整体投资回报的优化,以实现投资回报最大化,另一方面,不需要向所有的用户发放优惠券,有利于简化发券过程。
其中,分配规则可以以优惠券总金额为分配前提,也可以以预设的收益目标为前提。
在上述任一项实施例中,优选地,根据排序结果与分配规则向用户执行对应的发券动作,具体包括以下步骤:根据预设的优惠券总金额确定排序结果中具有优惠券分配资格的前列用户;向前列用户发送对应金额的优惠券。
在该实施例中,分配规则可以包括预设的优惠券总金额,在有限的优惠券总金额的前提下,根据排序结果,优先选取期望收益较大的用户,即排在排序序列的前列中的用户发送优惠券,以在优惠券总金额有限制的前提下,实现期望收益增量综合的最大化的优惠券发放策略。
在上述任一项实施例中,优选地,根据排序结果与分配规则向用户执行对应的发券动作,具体还包括以下步骤:根据期望收益增量确定排序结果中具有优惠券分配资格的前列用户;向前列用户发送对应金额的优惠券。
在该实施例中,还可以预先设置需要达到的期望收益增量总和,基于需要达到的期望收益增量,需要对用户根据每个人的期望收益增量的大小进行排序,以根据Rall=∑ΔR确定具有发券权限的用户,并将优惠券发放至对应的用户账户中,进而实现期望收益增量总和最大化。
在上述任一实施例中,优选地,响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识,具体包括:根据操作频率确定用户对指定应用程序的操作时长和/或操作频率;根据操作时长和/或操作频率确定用户活跃度,以将用户活跃度确定为用户操作标识。
在该实施例中,还可以通过统计用户对应用程序的操作频率和/或操作时长来衡量用户的活跃度,通过活跃度确定活跃用户,以在确定活跃用户之后,对于活跃用户制定专门推送信息,一方面,实现了信息的定向推送,另一方面,专门制定的推送信息可以是对于用户的奖励信息或针对用户需求的解决信息,从而进一步提升用户的应用体验。
在上述任一实施例中,优选地,根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:确定用户活跃度所属的预设活跃范围;根据预设活跃范围确定信息推送频率;提取操作记录中出现频率最高的操作关键词;根据关键字生成对应的引导类信息,并根据推送频率推送至对应的用户终端。
在该实施例中,针对上面提到的制定专门推送信息,具体地,可以针对用户终端的操作记录提取出现频率最高的操作关键词,生成对应的解决策略,以将解决策略以推送信息的形式推送给用户终端。
比如,针对网约车服务,根据操作记录出现频率最高的操作关键词为“取消”,即订单取消,此时可以针对如何降低“取消”概率生成引导类信息,比如发放优惠券,或将运力调度信息发送给用户终端,以引导用户向接单率比较高的区域。
又比如,频率最高的操作关键词为“中评”,则在进行派单时,将该用户的订单派给评价较好的司机终端,并讲司机信息作为引导类信息推送给用户终端。
在上述任一实施例中,优选地,响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识,具体包括:根据操作记录提取用户终端的活跃时段,以将活跃时段确定为用户操作标识。
在该实施例中,还可以根据用户的操作记录提取用户终端的活跃时段,活跃时间至用户在这个时段内正在使用指定的应用程序或在这个时段内使用应用程序的频率更高,因此如果在这个时段内向用户终端推送信息的话,用户忽略的概率也会更小,即推送信息的引导性与实时性会更强,也就是该信息的有效性更高。
在上述任一实施例中,优选地,根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:根据活跃时段确定信息发送时间,并根据操作记录确定用户终端操作频率最高的服务业务,以生成服务业务的优化信息,并推送至用户终端。
在该实施例中,在确定信息的发送时间后,可以进一步的确定信息内容,作为一种确定方式,可以根据操作记录确定用户终端使用频率最高的服务业务,然后将服务业务的优化信息推送给用户,以提升用户对服务业务的使用体验。
在上述任一实施例中,优选地,响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识,具体包括:提取操作记录中的评价信息,以根据评价信息计算用户终端对于评价信息关联的服务业务的接受度,并将接受度确定为用户操作标识。
在该实施例中,还可以基于用户的评价信息来确定用户操作标识,比如针对评价比较高的服务业务,则可以进一步向用户推送一些拓展业务或该服务业务的优惠信息。
在上述任一实施例中,优选地,根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:将接受度大于或等于预设阈值的服务业务的引导类信息,推送至对应的用户终端。
在上述任一实施例中,优选地,还包括:根据用户终端对历史推送信息的反馈信息生成操作记录。
在该实施例中,上述的操作记录可以针对历史推送信息的反馈信息生成,在这种情况下,操作记录则主要为用户终端针对历史推送信息的反馈记录,比如对于一直处于未读状态的历史推送信息,则可以减少推送或不推送,对使用频率较高的历史推送信息,则可以提推送的频率等。
图2示出了根据本发明的一个实施例的信息推送装置的示意框图。
如图2所示,根据本发明的一个实施例的信息推送装置200,包括:存储器202和处理器204;存储器202,用于存储程序代码;处理器204,用于调用程序代码执行:响应于用户终端反馈的操作记录,统计操作记录以确定用户终端的用户操作标识;根据用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
在该实施例中,平台能够获得用户终端的历史操作信息作为操作记录,根据对操作记录的分析能够得到用户的多种信息,比如用户对应用软件的使用频率、用户是否已经卸载应用软件、用户经常使用的服务业务、用户对软件以及软件中服务业务的满意度、甚至用户能够给平台带来的收益等,用于统计操作记录,确定用户终端的用户操作标识,以根据用户操作标识定向推送对应的推送信息,并将推送信息推送至对应的用户终端,采用该推送方式,一方面,能够根据用户操作标识确定是否向用户推送信息,以及推送的信息种类,在提高信息推送的针对性的同时,也能够提升推送信息的有效性,另一方面,对于服务器的平台端,能够根据对用户操作标识的分析确定推送信息的推送量,从而使信息在可控的范围内实现有目的的推送,进而降低资源的占用,相应能够提升平台对信息的处理效率。
在上述实施例中,优选地,处理器204,具体用于:根据操作记录确定用户终端对指定引导类信息的查询率;根据查询率与预设查询阈值之间的关系,将用户终端划分为第一类用户终端与第二类用户终端,其中,第一类用户终端为接受引导终端,第二类用户终端未接受引导终端。
其中,引导类信息为引导用户执行指定操作的信息。
在该实施例中,通过统计所有用户终端的操作记录,在用户终端的操作记录中包括对指定类型的引导类信息的点击操作时,并且检测到对该类引导类信息的电机操作大于预设查询阈值的情况下,表明用户偏好浏览或使用该类型的引导类信息,此时可以将该类用户终端确定为第一类用户终端,而将剩下的用户终端确定为第二类用户终端,从而将是否偏好接收指定类型的引导类信息作为用户操作标识,进一步的则可以主要向第一类用户终端推送该类的引导类信息,一方面,防止了向非接受终端推送该类信息造成资源的浪费,另一方面,通过向第一类用户终端推送引导类信息,也能够提升用户对应用的使用体验,比如对于网约车用户,一部分用户喜欢使用优惠券,而另一部分用户不喜欢使用优惠券,将优惠券作为一种引导类信息,则通过对优惠券的使用操作来确定用户终端的用户操作标识。
在上述任一实施例中,优选地,处理器204,具体用于:将第一类用户终端确定为待推送终端,并计算待推送终端对于多个引导类信息的响应效率;根据响应效率确定多个引导类信息中的待推送引导类信息,并反馈至待推送终端。
在该实施例中,在将第一类用户终端确定为待推送终端之后,在引导类信息具有多个时,则需要解决该向用户终端推送的具体引导类信息,此时可以通过计算用户终端对于不同的引导类信息的响应效率,响应越快,表明用户对该引导类信息的需求度越高,即将响应效率最快的信息作为待推送引导类信息,反馈至待推送终端,从而能够进一步提升信息推送的针对性与实施性。
在上述任一实施例中,优选地,处理器204,具体用于:根据操作记录计算多个引导类信息的引导转化效率,以根据引导转化效率确定响应效率。
在该实施例中,作为响应效率的一种计算方式,通过确定引导转化效率来确定响应效率,其中,引导转换效率即将引导类信息转换为对对应的指定业务进行操作的概率,通过引导转换效率确定响应效率,进而通过推送对应的引导类信息,进一步提升用户终端的响应效率。
在上述任一实施例中,优选地,处理器204,具体用于:根据预设的转化率模型确定多个引导类信息的转换效率,以根据转化效率确定响应效率。
在该实施例中,作为响应效率的另一种计算方式,还可以通过预设转化率模型来计算引导类信息的转化效率,其中,转换率模型可以基于操作记录生成,也可以根据平台的监测生成。
在上述任一实施例中,优选地,处理器204,具体用于:根据响应效率与待推送终端对平台的忠诚度确定待推送终端对于多个引导类信息的处理效率;根据预设的平台处理目标与处理效率确定待推送终端中的目标终端;向目标终端推送处理效率最高的引导类信息。
在该实施例中,进一步地,在具有明确的处理目标的前提下,可能并不是所有的待推送终端都能够接收到上述的引导类信息,在这种情况下,通过同事考虑因此需要进一步地结合用户终端对于平台的忠诚度来确定最终的目标终端,以及对目标终端具体发送的引导类信息的内容,一方面,提升了引导类信息推送目标群的准确性,即提升了平台对引导类信息的处理效率,另一方面,对于用户终端而言,通过接收最需要的引导类信息来满足操作需求,从而提升了用户操作的便捷性。
在上述任一实施例中,优选地,处理器204,具体用于:根据操作频率确定用户对指定应用程序的操作时长和/或操作频率;根据操作时长和/或操作频率确定用户活跃度,以将用户活跃度确定为用户操作标识。
在该实施例中,还可以通过统计用户对应用程序的操作频率和/或操作时长来衡量用户的活跃度,通过活跃度确定活跃用户,以在确定活跃用户之后,对于活跃用户制定专门推送信息,一方面,实现了信息的定向推送,另一方面,专门制定的推送信息可以是对于用户的奖励信息或针对用户需求的解决信息,从而进一步提升用户的应用体验。
在上述任一实施例中,优选地,处理器204,具体用于:确定用户活跃度所属的预设活跃范围;根据预设活跃范围确定信息推送频率;提取操作记录中出现频率最高的操作关键词;根据关键字生成对应的引导类信息,并根据推送频率推送至对应的用户终端。
在该实施例中,针对上面提到的制定专门推送信息,具体地,可以针对用户终端的操作记录提取出现频率最高的操作关键词,生成对应的解决策略,以将解决策略以推送信息的形式推送给用户终端。
比如,针对网约车服务,根据操作记录出现频率最高的操作关键词为“取消”,即订单取消,此时可以针对如何降低“取消”概率生成引导类信息,比如发放优惠券,或将运力调度信息发送给用户终端,以引导用户向接单率比较高的区域。
又比如,频率最高的操作关键词为“中评”,则在进行派单时,将该用户的订单派给评价较好的司机终端,并讲司机信息作为引导类信息推送给用户终端。
在上述任一实施例中,优选地,处理器204,具体用于:根据操作记录提取用户终端的活跃时段,以将活跃时段确定为用户操作标识。
在该实施例中,还可以根据用户的操作记录提取用户终端的活跃时段,活跃时间至用户在这个时段内正在使用指定的应用程序或在这个时段内使用应用程序的频率更高,因此如果在这个时段内向用户终端推送信息的话,用户忽略的概率也会更小,即推送信息的引导性与实时性会更强,也就是该信息的有效性更高。
在上述任一实施例中,优选地,处理器204,具体用于:根据活跃时段确定信息发送时间,并根据操作记录确定用户终端操作频率最高的服务业务,以生成服务业务的优化信息,并推送至用户终端。
在该实施例中,在确定信息的发送时间后,可以进一步的确定信息内容,作为一种确定方式,可以根据操作记录确定用户终端使用频率最高的服务业务,然后将服务业务的优化信息推送给用户,以提升用户对服务业务的使用体验。
在上述任一实施例中,优选地,处理器204,具体用于:提取操作记录中的评价信息,以根据评价信息计算用户终端对于评价信息关联的服务业务的接受度,并将接受度确定为用户操作标识。
在该实施例中,还可以基于用户的评价信息来确定用户操作标识,比如针对评价比较高的服务业务,则可以进一步向用户推送一些拓展业务或该服务业务的优惠信息。
在上述任一实施例中,优选地,处理器204,具体用于:将接受度大于或等于预设阈值的服务业务的引导类信息,推送至对应的用户终端。
在上述任一实施例中,优选地,处理器204,具体用于:根据用户终端对历史推送信息的反馈信息生成操作记录。
在该实施例中,上述的操作记录可以针对历史推送信息的反馈信息生成,在这种情况下,操作记录则主要为用户终端针对历史推送信息的反馈记录,比如对于一直处于未读状态的历史推送信息,则可以减少推送或不推送,对使用频率较高的历史推送信息,则可以提推送的频率等。
图3示出了根据本发明的另一个实施例的信息推送方法的示意流程图。
如图3所示,根据本发明的另一个实施例的信息推送方法,包括:
步骤302,设置不同的优惠券金额;
步骤304,根据转化率模型计算不同的优惠券金额对应的转化率;
步骤306,根据未来价值模型确定每个用户的未来价值;
步骤308,根据转化率和用户的未来价值计算每个用户的期望收益增量;
步骤310,根据期望收益增量对用户进行排序;
步骤312,有限转化期望收益增量较高的用户。
图4示出了根据本发明的实施例的服务器的示意框图。
如图4所示,根据本发明的实施例的服务器400,包括:上述任一项实施例所述的信息推送装置200。
根据本发明的实施例,还提出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:
根据转化率模型统计用户对不同的推送信息的接受度;根据转化率与用户的未来价值确定多个用户的期望收益增量;根据多个用户的期望收益增量与预设的分配规则执行信息推送操作。
在上述技术方案中,优选地,根据转化率模型统计用户对不同的推送信息的接受度,具体包括以下步骤:确定转化率影响模型中的影响参数;将影响参数与不同的优惠券金额输入至转化率模型中,以得到对应的转化率。
在上述任一项技术方案中,优选地,根据转化率与多个用户的未来价值确定多个用户的期望收益增量,具体包括以下步骤:根据预设的未来价值模型确定每个用户的未来价值;根据预设公式确定期望收益增量,以根据期望收益增量确定对每个用户的发券动作,其中,预设公式为ΔR=(pc-p0)×v-pc×c,其中,ΔR为期望收益增量,c为优惠券金额,pc为对应的转化率,p0为不发放优惠券时的转化率,v为未来价值,发券动作包括是否发券以及确定发券时的优惠券金额。
在上述任一项技术方案中,优选地,还包括:搭建单元,用于采用决策树模型搭建模型框架;输入单元,用于将获取到的基于优惠券生成的用户样本特征输入决策树模型中,以执行模型训练;优化单元,用于根据决策树模型输出的优惠券转化率执行模型优化,以生成转化率模型。
在上述任一项技术方案中,优选地,搭建单元还包括:采用xgboost模型与LR模型搭建未来价值的预测模型框架;输入单元还用于:将用户个人特征数据与社交关系特征输入预测模型框架中,并生成输出结果;推送装置还包括:训练单元,用于根据输出结果与预设评估指标之间的关系,执行模型训练,以生成未来价值模型。
在上述任一项技术方案中,优选地,根据多个用户的期望收益增量与预设的分配规则执行信息推送操作,具体包括以下步骤:根据期望收益增量对多个用户进行排序;根据排序结果与分配规则向用户执行对应的发券动作。
在上述任一项技术方案中,优选地,根据排序结果与分配规则向用户执行对应的发券动作,具体包括以下步骤:根据预设的优惠券总金额确定排序结果中具有优惠券分配资格的前列用户;向前列用户发送对应金额的优惠券。
在上述任一项技术方案中,优选地,根据排序结果与分配规则向用户执行对应的发券动作,具体还包括以下步骤:根据期望收益增量确定排序结果中具有优惠券分配资格的前列用户;向前列用户发送对应金额的优惠券。
本发明实施例的方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例的信息推送装置的单元模块可以根据实际需要进行合并、划分和删减。
进一步地,可以理解的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本发明的描述中,术语“第一”、“第二”和“第三”仅用于描述的目的,而不能理解为指示或暗示相对重要性,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明实施例中的具体含义。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (28)
1.一种信息推送方法,其特征在于,包括:
响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识;
根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
2.根据权利要求1所述的信息推送方法,其特征在于,所述响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识,具体包括:
根据所述操作记录确定所述用户终端对指定引导类信息的查询率;
根据所述查询率与预设查询阈值之间的关系,将所述用户终端划分为第一类用户终端与第二类用户终端,其中,所述第一类用户终端为接受引导终端,所述第二类用户终端未接受引导终端。
3.根据权利要求2所述的信息推送方法,其特征在于,所述根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:
将所述第一类用户终端确定为待推送终端,并计算所述待推送终端对于多个所述引导类信息的响应效率;
根据所述响应效率确定多个所述引导类信息中的待推送引导类信息,并反馈至所述待推送终端。
4.根据权利要求3所述的信息推送方法,其特征在于,所述计算所述待推送终端对于多个所述引导类信息的响应效率,具体包括:
根据所述操作记录计算多个所述引导类信息的引导转化效率,以根据所述引导转化效率确定所述响应效率。
5.根据权利要求3所述的信息推送方法,其特征在于,所述计算所述待推送终端对于多个所述引导类信息的响应效率,具体包括:
根据预设的转化率模型确定多个所述引导类信息的转化效率,以根据所述转化效率确定所述响应效率。
6.根据权利要求3所述的信息推送方法,其特征在于,所述根据所述响应效率确定多个所述引导类信息中的待推送引导类信息,并反馈至所述待推送终端,具体还包括:
根据所述响应效率与所述待推送终端对平台的忠诚度确定所述待推送终端对于多个所述引导类信息的处理效率;
根据预设的平台处理目标与所述处理效率确定所述待推送终端中的目标终端;
向所述目标终端推送所述处理效率最高的所述引导类信息。
7.根据权利要求1所述的信息推送方法,其特征在于,所述响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识,具体包括:
根据所述操作记录确定用户对指定应用程序的操作时长和/或操作频率;
根据所述操作时长和/或所述操作频率确定用户活跃度,以将所述用户活跃度确定为所述用户操作标识。
8.根据权利要求7所述的信息推送方法,其特征在于,所述根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:
确定所述用户活跃度所属的预设活跃范围;
根据所述预设活跃范围确定信息推送频率;
提取所述操作记录中出现频率最高的操作关键词;
根据所述关键词生成对应的引导类信息,并根据所述推送频率推送至对应的所述用户终端。
9.根据权利要求1所述的信息推送方法,其特征在于,所述响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识,具体包括:
根据所述操作记录提取所述用户终端的活跃时段,以将所述活跃时段确定为所述用户操作标识。
10.根据权利要求9所述的信息推送方法,其特征在于,所述根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:
根据所述活跃时段确定信息发送时间,并根据所述操作记录确定所述用户终端的操作频率最高的服务业务,以生成所述服务业务的优化信息,并推送至所述用户终端。
11.根据权利要求1所述的信息推送方法,其特征在于,所述响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识,具体包括:
提取所述操作记录中的评价信息,以根据所述评价信息计算所述用户终端对于所述评价信息关联的服务业务的接受度,并将所述接受度确定为所述用户操作标识。
12.根据权利要求11所述的信息推送方法,其特征在于,所述根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端,具体包括:
将所述接受度大于或等于预设阈值的所述服务业务的引导类信息,推送至对应的所述用户终端。
13.根据权利要求1至12中任一项所述的信息推送方法,其特征在于,还包括:
根据所述用户终端对历史推送信息的反馈信息生成所述操作记录。
14.一种信息推送装置,其特征在于,包括:存储器和处理器;
所述存储器,用于存储所述存储器用于存储程序代码;
所述处理器,用于调用所述程序代码执行:
响应于用户终端反馈的操作记录,统计所述操作记录以确定所述用户终端的用户操作标识;
根据所述用户操作标识,定向生成对应的推送信息,并反馈至对应的用户终端。
15.根据权利要求14所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述操作记录确定所述用户终端对指定引导类信息的查询率;
根据所述查询率与预设查询阈值之间的关系,将所述用户终端划分为第一类用户终端与第二类用户终端,其中,所述第一类用户终端为接受引导终端,所述第二类用户终端未接受引导终端。
16.根据权利要求15所述的信息推送装置,其特征在于,所述处理器,具体用于:
将所述第一类用户终端确定为待推送终端,并计算所述待推送终端对于多个所述引导类信息的响应效率;
根据所述响应效率确定多个所述引导类信息中的待推送引导类信息,并反馈至所述待推送终端。
17.根据权利要求16所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述操作记录计算多个所述引导类信息的引导转化效率,以根据所述引导转化效率确定所述响应效率。
18.根据权利要求16所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据预设的转化率模型确定多个所述引导类信息的转化效率,以根据所述转化效率确定所述响应效率。
19.根据权利要求16所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述响应效率与所述待推送终端对平台的忠诚度确定所述待推送终端对于多个所述引导类信息的处理效率;
根据预设的平台处理目标与所述处理效率确定所述待推送终端中的目标终端;
向所述目标终端推送所述处理效率最高的所述引导类信息。
20.根据权利要求14所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述操作记录确定用户对指定应用程序的操作时长和/或操作频率;
根据所述操作时长和/或所述操作频率确定用户活跃度,以将所述用户活跃度确定为所述用户操作标识。
21.根据权利要求20所述的信息推送装置,其特征在于,所述处理器,具体用于:
确定所述用户活跃度所属的预设活跃范围;
根据所述预设活跃范围确定信息推送频率;
提取所述操作记录中出现频率最高的操作关键词;
根据所述关键词生成对应的引导类信息,并根据所述推送频率推送至对应的所述用户终端。
22.根据权利要求14所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述操作记录提取所述用户终端的活跃时段,以将所述活跃时段确定为所述用户操作标识。
23.根据权利要求22所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述活跃时段确定信息发送时间,并根据所述操作记录确定所述用户终端的操作频率最高的服务业务,以生成所述服务业务的优化信息,并推送至所述用户终端。
24.根据权利要求14所述的信息推送装置,其特征在于,所述处理器,具体用于:
提取所述操作记录中的评价信息,以根据所述评价信息计算所述用户终端对于所述评价信息关联的服务业务的接受度,并将所述接受度确定为所述用户操作标识。
25.根据权利要求24所述的信息推送装置,其特征在于,所述处理器,具体用于:
将所述接受度大于或等于预设阈值的所述服务业务的引导类信息,推送至对应的所述用户终端。
26.根据权利要求14至25中任一项所述的信息推送装置,其特征在于,所述处理器,具体用于:
根据所述用户终端对历史推送信息的反馈信息生成所述操作记录。
27.一种服务器,其特征在于,包括:
如权利要求14至26中任一项所述的信息推送装置。
28.一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如权利要求1至13中任一项所述的信息推送方法限定的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811543438.9A CN111327661A (zh) | 2018-12-17 | 2018-12-17 | 推送方法、推送装置、服务器和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811543438.9A CN111327661A (zh) | 2018-12-17 | 2018-12-17 | 推送方法、推送装置、服务器和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111327661A true CN111327661A (zh) | 2020-06-23 |
Family
ID=71165417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811543438.9A Pending CN111327661A (zh) | 2018-12-17 | 2018-12-17 | 推送方法、推送装置、服务器和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111327661A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084447A (zh) * | 2020-08-17 | 2020-12-15 | 北京字节跳动网络技术有限公司 | 一种数据分配方法、装置、介质和电子设备 |
CN112819507A (zh) * | 2020-12-31 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 一种服务推送方法、装置、电子设备以及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170093967A1 (en) * | 2013-07-11 | 2017-03-30 | Aryk Erwin Grosz | Systems and methods for managing group activities over a data network |
CN106878405A (zh) * | 2017-01-25 | 2017-06-20 | 咪咕动漫有限公司 | 一种调整推送项目的方法及装置 |
CN107483613A (zh) * | 2017-08-31 | 2017-12-15 | 江西博瑞彤芸科技有限公司 | 一种信息推送方法 |
CN108022140A (zh) * | 2016-11-02 | 2018-05-11 | 北京嘀嘀无限科技发展有限公司 | 一种用车订单推荐方法、装置及服务器 |
CN108171267A (zh) * | 2017-12-28 | 2018-06-15 | 广州优视网络科技有限公司 | 用户群划分方法及装置、消息推送方法及装置 |
CN108429776A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 网络对象的推送方法、装置、客户端、交互设备以及系统 |
CN108694182A (zh) * | 2017-04-07 | 2018-10-23 | 北京嘀嘀无限科技发展有限公司 | 活动推送方法、活动推送装置和服务器 |
CN108959319A (zh) * | 2017-05-25 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 信息推送方法和装置 |
-
2018
- 2018-12-17 CN CN201811543438.9A patent/CN111327661A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170093967A1 (en) * | 2013-07-11 | 2017-03-30 | Aryk Erwin Grosz | Systems and methods for managing group activities over a data network |
CN108022140A (zh) * | 2016-11-02 | 2018-05-11 | 北京嘀嘀无限科技发展有限公司 | 一种用车订单推荐方法、装置及服务器 |
CN106878405A (zh) * | 2017-01-25 | 2017-06-20 | 咪咕动漫有限公司 | 一种调整推送项目的方法及装置 |
CN108429776A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 网络对象的推送方法、装置、客户端、交互设备以及系统 |
CN108694182A (zh) * | 2017-04-07 | 2018-10-23 | 北京嘀嘀无限科技发展有限公司 | 活动推送方法、活动推送装置和服务器 |
CN108959319A (zh) * | 2017-05-25 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 信息推送方法和装置 |
CN107483613A (zh) * | 2017-08-31 | 2017-12-15 | 江西博瑞彤芸科技有限公司 | 一种信息推送方法 |
CN108171267A (zh) * | 2017-12-28 | 2018-06-15 | 广州优视网络科技有限公司 | 用户群划分方法及装置、消息推送方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘瀚月: ""基于M&C模式的移动商务应用个性化推荐算法研究"", 《中国优秀硕士论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084447A (zh) * | 2020-08-17 | 2020-12-15 | 北京字节跳动网络技术有限公司 | 一种数据分配方法、装置、介质和电子设备 |
CN112084447B (zh) * | 2020-08-17 | 2024-05-24 | 北京字节跳动网络技术有限公司 | 一种数据分配方法、装置、介质和电子设备 |
CN112819507A (zh) * | 2020-12-31 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 一种服务推送方法、装置、电子设备以及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11138524B2 (en) | Cascaded boosted predictive models | |
CN106529711B (zh) | 用户行为预测方法及装置 | |
CN111260102A (zh) | 一种用户满意度预测方法、装置、电子设备及存储介质 | |
CN106651213B (zh) | 服务订单的处理方法及装置 | |
CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
WO2004107121A2 (en) | Method and system for predicting attrition customers | |
CN105744005A (zh) | 客户定位分析方法及服务器 | |
Nahmias-Biran et al. | From traditional to automated mobility on demand: a comprehensive framework for modeling on-demand services in SimMobility | |
CN108229749A (zh) | 基于深度学习的不良购票行为管理方法 | |
CN111327661A (zh) | 推送方法、推送装置、服务器和计算机可读存储介质 | |
CN113935788B (zh) | 模型评估方法、装置、设备及计算机可读存储介质 | |
CN111815186B (zh) | 基于催收系统的策略配置及策略派案方法 | |
CN111310961A (zh) | 数据预测方法、装置、电子设备和计算机可读存储介质 | |
CN110070392B (zh) | 用户流失预警方法和装置 | |
CN112053245A (zh) | 信息评估方法及系统 | |
CN113793195B (zh) | 网约车订单处理方法、装置、计算机设备及可读存储介质 | |
CN110706122A (zh) | 基于大数据分析提升社保代理效率方法、设备及可读介质 | |
CN110826943A (zh) | 判断是否需要进行配车及确定公交配车数的方法及相关设备 | |
CN112348537B (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN111835730B (zh) | 服务账号处理方法、装置、电子设备及可读存储介质 | |
CN111833595B (zh) | 共享汽车辅助车辆配置方法、电子设备及存储介质 | |
CN114841451A (zh) | 一种司机出行补贴方法、装置和存储介质 | |
CN110288366B (zh) | 一种资源发放模型的评估方法及装置 | |
Wang et al. | Routing Optimization of Regional Flexible Transit Under the Mixed Demand Mode | |
CN113298637A (zh) | 业务平台的用户导流方法、装置和系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200623 |
|
WD01 | Invention patent application deemed withdrawn after publication |