CN111612493A - 一种用户分群方法及装置 - Google Patents

一种用户分群方法及装置 Download PDF

Info

Publication number
CN111612493A
CN111612493A CN201910142979.9A CN201910142979A CN111612493A CN 111612493 A CN111612493 A CN 111612493A CN 201910142979 A CN201910142979 A CN 201910142979A CN 111612493 A CN111612493 A CN 111612493A
Authority
CN
China
Prior art keywords
target
entity
type
poi
entity type
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.)
Granted
Application number
CN201910142979.9A
Other languages
English (en)
Other versions
CN111612493B (zh
Inventor
李奘
郄小虎
常智华
曹利锋
凌宏博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201910142979.9A priority Critical patent/CN111612493B/zh
Publication of CN111612493A publication Critical patent/CN111612493A/zh
Application granted granted Critical
Publication of CN111612493B publication Critical patent/CN111612493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种用户分群方法以及装置，该方法包括：根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。本申请实施例能够基于构建的多个实体类型之间的关系信息，实现涉及多种实体类型的用户分群。

Description

一种用户分群方法及装置
技术领域
本申请涉及大数据处理技术领域，具体而言，涉及一种用户分群方法及装置。
背景技术
针对特定用户来制定针对性的营销、信息推送、分析等工作，能够更有效的抓住用户的特征，以提高对应的工作效果。为了确定特定用户，就需要对用户进行分类。当前在对用户进行分类的时候，通常是基于用户画像来实现。
用户画像是根据用户的社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。标签即为用户的属性，标签的集合用于描述一个用户。在基于用户画像对用户进行分类的时候，首先确定目标种类的用户所具有的属性确定筛选条件，然后根据筛选条件以及用户画像从用户中进行筛选，确定符合要求的目标用户。当前基于用户标签的用户分类方法无法满足涉及多个实体的用户分类需要。
发明内容
有鉴于此，本申请实施例的目的在于提供一种用户分类方法以及装置，能够基于构建的多个实体类型之间的关系信息，实现涉及多种实体类型的用户分群。
第一方面，本申请实施例提供了一种用户分群方法，包括：
根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；
获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；
基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
一种可选的实施方式中，确定所述目标群体类型下的目标群体实例之后，还包括：
向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
一种可选的实施方式中，所述基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例，包括：
根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序；
基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
一种可选的实施方式中，基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例，包括：
根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
根据前一目标实体类型以及当前目标实体类型之间的关系信息，根据前一目标实体类型的已筛选实体实例，确定当前目标实体类型下的待筛选实体实例；
根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；
如果是，则将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例；
如果否，则返回根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型的步骤。
一种可选的实施方式中，所述实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括司机的情况，所述司机的属性特征包括：司机身份标识、性别、年龄、常驻区域、职业性质、平均工作时长、第一预设历史时间段完成订单数量、第一预设历史时间段取消的订单数量、第一预设历史时间段总收入、评价星级、服务得分、订单距离偏好、接单时间偏好、收车区域中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括乘客的情况，所述乘客的属性特征包括：乘客身份标识、性别、年龄、家庭地址POI识别标识、工作地址POI识别标识、消费能力、订单距离偏好、第二预设历史时间段完成的订单数量、第二预设历史时间段取消的订单数量、第二预设历史时间段的支付金额、信用级别中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括出行意图的情况，所述出行意图的属性特征包括：
冒泡识别标识、出行起点POI识别标识、出行终点POI识别标识、冒泡时间、出行终点场景、乘客身份标识、冒泡所在地POI识别标识、冒泡时所在地所属区域内服务供需信息、溢价信息中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括订单的情况，所述订单的属性特征包括：
订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括车辆的情况，所述车辆的属性特征包括：
车辆识别标识、车辆品牌、车辆型号、司机身份标识、车辆使用年限、车辆车牌信息中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括：
激励资源识别标识、激励资源数量、激励资源派发方的身份标识、激励资源接受方的身份标识、激励资源派发时间中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括POI的情况，所述POI的属性特征包括：
POI识别标识、POI类别、POI实体预设区域范围内商圈个数、多个预设时间段内服务供需信息、多个预设时间段内路况信息、多个预设时间段内人口密度中一种或者多种。
第二方面，本申请实施例提供一种用户分群装置，包括：
选择模块，用于根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；
获取模块，用于获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；
筛选模块，用于基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
一种可选的实施方式中，还包括：发送模块，用于在确定所述目标群体类型下的目标群体实例之后，
向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
一种可选的实施方式中，所述筛选模块，用于采用下述方式基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例：
根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序；
基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
一种可选的实施方式中，所述筛选模块，用于采用下述方式基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例：
根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
根据前一目标实体类型以及当前目标实体类型之间的关系信息，根据前一目标实体类型的已筛选实体实例，确定当前目标实体类型下的待筛选实体实例；
根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；
如果是，则将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例；
如果否，则返回根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型的步骤。
一种可选的实施方式中，所述实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括司机的情况，所述司机的属性特征包括：司机身份标识、性别、年龄、常驻区域、职业性质、平均工作时长、第一预设历史时间段完成订单数量、第一预设历史时间段取消的订单数量、第一预设历史时间段总收入、评价星级、服务得分、订单距离偏好、接单时间偏好、收车区域中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括乘客的情况，所述乘客的属性特征包括：乘客身份标识、性别、年龄、家庭地址POI识别标识、工作地址POI识别标识、消费能力、订单距离偏好、第二预设历史时间段完成的订单数量、第二预设历史时间段取消的订单数量、第二预设历史时间段的支付金额、信用级别中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括出行意图的情况，所述出行意图的属性特征包括：
冒泡识别标识、出行起点POI识别标识、出行终点POI识别标识、冒泡时间、出行终点场景、乘客身份标识、冒泡所在地POI识别标识、冒泡时所在地所属区域内服务供需信息、溢价信息中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括订单的情况，所述订单的属性特征包括：
订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括车辆的情况，所述车辆的属性特征包括：
车辆识别标识、车辆品牌、车辆型号、司机身份标识、车辆使用年限、车辆车牌信息中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括：
激励资源识别标识、激励资源数量、激励资源派发方的身份标识、激励资源接受方的身份标识、激励资源派发时间中一种或者多种。
一种可选的实施方式中，针对所述实体类型包括POI的情况，所述POI的属性特征包括：
POI识别标识、POI类别、POI实体预设区域范围内商圈个数、多个预设时间段内服务供需信息、多个预设时间段内路况信息、多个预设时间段内人口密度中一种或者多种。
第三方面，本申请实施例提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面任一所述的用户分群方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面任意一项所述的用户分群方法的步骤。
本申请实施例根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个目标特征类型分别对应的目标实体类型；然后基于在每个所述目标特征类型下的目标特征值、各个目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值，以及目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例，能够基于构建的多个实体类型之间的关系信息，实现涉及多种实体类型的用户分群。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本申请一些实施例的位置确定方法应用的一种场景下的系统100框图；
图2示出根据本申请的一些实施例的可以实现本申请思想的服务器110、服务请求方终端130、服务提供方终端140的电子设备200的示例性硬件和软件组件的示意图；
图3示出本申请实施例一提供的一种实体类型之间的关系示例的示意图；
图4示出了本申请实施例所提供的一种用户分群方法的流程图；
图5示出了本申请实施例所提供的用户分群方法中，确定目标群体类型下的目标群体实例的具体方法的示意图；
图6示出了本申请实施例所提供的用户分群方法中，确定目标群体类型下的目标群体实例的具体方法的示意图；
图7示出了本申请实施例二所提供的一种用户分群装置的示意图。
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，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合示例性应用场景“网约车出行场景”做相关介绍。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕对网约车用户分群进行描述，但是应该理解，这仅是一个示例性实施例。本申请可以应用于任何其他交通运输类型。本申请还可以包括用于基于互联网为用户提供服务的任何服务系统，例如，用于发送和/或接收快递的系统、用于买卖双方交易的服务系统。本申请的系统或方法的应用可以包括网页、浏览器的插件、服务提供端终端、定制系统、内部分析系统、或人工智能机器人等，或其任意组合。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
本申请的一个方面涉及一种用户分群方法以及装置，能够根据目标群体类型对应的至少一个目标特征类型，从多种实体类型种选择与每个目标特征类型对应的目标实体类型，然后根据每个目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例，能够基于构建的多个实体类型之间的关系信息，实现涉及多种实体类型的用户分群。
值得注意的是，在相关技术中，通常使用用户画像对用户进行分群。用户画像包括用户描述用户信息的抽象画标签。例如，筛选条件为“35岁以下的女司机”，由于用户的年龄和性别都作为用户画像的一部分，且该筛选条件的实体只涉及到“司机”，因此可以基于该筛选条件从用户中将符合该筛选条件的目标用户筛选出来。经研究发现，在很多情况下，如果确定的筛选条件中包括了其它实体的相关属性，例如筛选条件中“过去7天内接过女性乘客去机场的司机”，“7天内”、“去机场”都非司机用户画像中的标签，而是实体“订单”属性标签，“女性”并非实际用户画像的标签，而是实体“乘客”的属性标签；或者筛选条件“过去一个月北京海淀区在通勤类型订单中被网约车平台溢价过的乘客”中，“过去一个月”、“通勤类订单、”“溢价”都非乘客用户画像的标签，造成很难通过用户画像从用户中将目标用户筛选出来。本申请实施例提供的用户分群发方法能够满足涉及多个实体的用户分类需要。
图1是本申请一些实施例的用户分群方法应用的一种场景下的系统100框图。例如，系统100可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。系统100可以包括服务器110、网络120、服务请求方终端130、服务提供方终端140和数据库150中的一种或多种，服务器110中可以包括执行指令操作的处理器220。本申请实施例提供的用户分群方法可以应用于上述系统100中的服务器110，具体可以由处理器220执行相关操作指令。
图2示出根据本申请的一些实施例的可以实现本申请思想的服务器110的电子设备200的示例性硬件和软件组件的示意图。例如，处理器220可以用于电子设备200上，并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机，两者都可以用于实现本申请的用户分群方法。本申请尽管仅示出了一个计算机，但是为了方便起见，可以在多个类似平台上以分布式方式实现本申请描述的功能，以均衡处理负载。
例如，电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output，I/O)接口250。
为了便于说明，在电子设备200中仅描述了一个处理器。然而，应当注意，本申请中的电子设备200还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若电子设备200的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，处理器执行步骤A，第二处理器执行步骤B，或者处理器和第二处理器共同执行步骤A和B。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种用户分群方法进行详细介绍。
本申请实施例以网约车出行场景为例，对用户分群方法加以说明。在该场景下，执行用户分群方法，首先要构建多种实体类型，以及确定任意两个实体类型之间的关系。其中，实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
每种实体类型都对应有不同的属性特征。其中：
A：具体地，针对实体类型包括司机的情况，司机的属性特征包括下述a1～a14中一种或者多种：
a1：司机身份标识。司机身份标识，是指用于代表司机在网约车平台中的标识，该标识可以是司机在注册的时候自己输入的，例如司机的身份证号、手机号、机动车驾驶证号等。也可以是司机在网约车平台注册时，网约车平台为司机分配的，该司机身份标识具有唯一性。
a2：性别。
a3：年龄。
a4：常驻区域。该常驻区域，可以根据实际的需要具体设定。例如可以以司机的住所所在的区域，作为其常驻区域；也可以以司机经常出车地点所在的区域，作为其常驻区域；可以以其所接取的订单的出发点以及目的地，为司机确定常驻区域。
其中常驻区域可以有一个，也可以有多个。基于不同的确定方式，常驻区域大小有所区别。
例如，以司机的住所所在的区域作为其常驻区域，可以是行政区域，也可以以住所为中心，距离该中心预设距离范围内的区域。以司机经常出车地点所在的区域，可以对司机的历史出车记录中携带的出车地点进行聚类，将聚类得到的区域确定为其常驻区域；以司机所接取的订单的出发点以及目的地，为司机确定常驻区域，可以通过对司机所截取的订单的出发地和目的地进行聚类，为司机确定常驻区域。
a5：职业性质。指司机全职还是兼职。
a6：平均工作时长。可以根据司机的出车时间以及收车时间来计算。此处，可以采用下述方式确认其出车时间和收车时间：
当司机要进行网约车服务时，会通过服务提供端向网约车平台发送开始接单指令；网约车平台在接收到服务提供端发送的开始接单指令后，从服务提供端获取司机当前所处位置，并基于司机当前所处位置进行订单匹配，并将匹配到的订单向网约车司机的服务提供端推送，以供司机选择是否要接取订单。
网约车平台的从服务提供端接收到开始接单指令的时间，即为司机的出车时间。
类似地，当司机要结束自己的服务状态时，会通过服务提供端向网约车平台发送停止接单指令，网约车平台在接收到服务提供端发送的停止接单指令后，停止为该服务提供端推送订单。网约车平台从服务提供端接收到停止接单指令的时间，即为司机的收车时间。根据出车的出车时间和收车的收车时间，就能够确定司机每天的出车时间，从而计算司机的平均工作时长。
a7：第一预设历史时间段完成订单数量。此处，第一预设历史时间段可以根据四级的需要进行具体设定，例如该第一预设历史时间段为过去一周、过去的10天、过去的15天等。
a8：第一预设历史时间段取消的订单数量。
a9：第一预设历史时间段总收入。
a10：评价星级。评价星级是乘客对司机的服务进行打分，并基于多个乘客对司机的打分确定的该司机的评价星级，具体地，打分与评价星级之间的关系可以根据实际的需要具体设定。
a11：服务得分。服务得分可以是乘客对司机的服务进行打分的平均得分。
a12：订单距离偏好。订单距离偏好可以根据司机所接取的订单中携带的出发地和目的地确定。例如，可以根据司机在预设时间段内的接取的订单中携带的出发地和目的地，确定与每个订单对应的订单距离。根据各个订单对应的订单距离，计算订单平均距离，并将平均订单距离归属的订单距离区间对应的距离评价等级，确定为该司机的订单距离偏好。
此处，订单距离区间是根据实际的需要具体设定的。例如可以设定为0-3公里、3-7公里、7-15公里、15公里以上，对应的距离评价等级依次为：短单、中单、中长单、长单，若某司机的平均订单距离为9.5公里，则对应的订单距离区间为7-15公里，对应的距离评价等级为中长单。
另外，还可以采用其他方式确定司机的订单距离偏好，例如根据各个订单对应的订单距离，确定各个订单对应的订单距离区间；根据各个订单距离区间对应的订单数量，确定司机对各个订单距离区间对应的距离评价等级的偏好。例如订单距离区间依次为：0-3公里、3-7公里、7-15公里、15公里以上，司机的订单有100个，其中，订单距离归属于0-3公里的订单有10个；订单距离归属于3-7公里的订单有60个，订单距离归属于7-15公里的订单有25个，订单距离归属于15公里以上的订单有5个，则该司机的订单距离偏好为：短单10％、中单60％、中长单25、长单5％。
a13：接单时间偏好。
接单时间偏好可以根据司机的出车时间以及收车时间来确定。出车时间和收车时间可以参见上述a6中所示。例如根据其每天的出车时间以及收车时间，离开确定接单时间对应的时间段，并将该时间段确定为接单时间偏好。
另外，也可以根据其所接取订单的接单时间来确定。
a14：收车区域。收车区域，可以根据司机的每次收车时的收车地点来确定。其中，司机收车时的收车地点一般是服务提供端向网约车平台发送停止接单指令后，网约车平台记录的服务提供端的当前位置，并将该当前位置确定为司机的收车地点。然后对司机每次收车时的收车地点进行聚类，获得司机的收车区域。
B：针对实体类型包括乘客的情况，乘客的属性特征包括但不限于下述b1～b11中一种或者多种：
b1：乘客身份标识。乘客身份标识，是指用于代表乘客在网约车平台中的标识，该标识可以是乘客在注册的时候自己输入的，例如乘客的身份证号、手机号等。也可以是乘客在网约车平台注册时，网约车平台为乘客分配的，该乘客身份标识具有唯一性。
b2：性别。
b3：年龄。
b4：家庭地址POI识别标识。POI识别标识，可以是POI的具体信息，例如“XX路XX小区”，也可以是网约车平台为该POI分配的标识信息，能够用于唯一标识该POI。
b5：工作地址POI识别标识。与上述家庭地址POI识别标识类似，在此不再赘述。
b6：消费能力。此处，消费能力可以根据乘客的历史订单的订单金额来确定。可以将其在预设历史时间段内的月或者周平均订单金额确定其消费能力。其消费能力可以使用月或者周平均订单金额表征，也可以根据平均订单金额所落入的订单金额区间对应的消费能力评价等级来表征。
例如乘客在最近一年内的历史订单的月平均订单金额为2330，则其消费能力为：2330。
其月平均订单金额所落入的订单金额区间对应的消费能力评价等级为中上，则其消费能力可以确认为中上。
b7：订单距离偏好。此处，乘客的订单距离偏好确定方式，与上述a12中的订单距离偏好类似，在此不再赘述。
b8：第二预设历史时间段完成的订单数量。第二预设历史时间段可以根据四级的需要进行具体设定，例如该第二预设历史时间段为过去一周、过去的10天、过去的15天等。需要注意的是，第二历史时间段和第一历史时间段可以相同也可以不同。
b9：第二预设历史时间段取消的订单数量。
b10：第二预设历史时间段的支付金额。
b11：信用级别。信用级别是网约车平台根据用户的发单以及完单之间的概率、被投诉的概率、订单支付情况、发单的数量等因素确定的。
C：针对实体类型包括出行意图的情况，出行意图的属性特征包括但不限于下述c1～c9中一种或者多种：
c1：冒泡识别标识。出行意图是指乘客有出行的意愿。可以认为乘客在发生冒泡行为时认为其有出行意图。冒泡是指是服务请求端进入网约车平台的服务软件的首页面，并将服务请求端的出行起点和出行终点发送给网约车平台。网约车平台接收到服务请求端发送的出行起点和出行终点，确定监听到服务请求端发生冒泡行为。此时，网约车平台会为该次冒泡行为分配具体的冒泡识别标识，并记录该次冒泡行为的相关信息，如下述c2～c9，并将该次冒泡行为的相关信息和冒泡识别标识对应保存。
c2：出行起点POI识别标识。出行起点POI识别标识，可以是POI的具体内容，如“XX大厦南门”，也可以是网约车平台为该POI分配的用于识别该POI的标识信息。
c3：出行终点POI识别标识。与出行起点POI识别标识类似，在此不再赘述。
c4：冒泡时间。也即网约车平台接收到服务请求端发送的出行起点和出行终点的时间。
c5：出行终点场景。如：吃喝玩乐、通勤、接机、市内商务等。
c6：乘客身份标识。
c7：冒泡所在地POI识别标识。
c8：冒泡时所在地所属区域内服务供需信息。
c9：溢价信息中一种或者多种。
D：针对所述实体类型包括订单的情况，所述订单的属性特征包括但不限于下述d1～d12中一种或者多种：
d1：订单识别标识。服务请求方在向网约车平台发送了出行起点和出行终点后，网约车平台为该服务提供方确定预估订单价格，并将预估订单价格发送给服务请求方。服务请求端在接收到预估订单价格后，基于乘客的触发，生成订单信息，并将订单信息发送给网约车平台。网约车平台在接受到订单信息后，基于订单信息，生成订单，并为该订单生成用于唯一确定该订单的订单识别标识。
d2：出行起点POI识别标识。
d3：出行终点POI识别标识。
d4：出行时间。出行时间，可以是网约车平台接收到服务请求端发送的订单信息的时间。
d5：订单价格。订单借个为订单完单后，乘客需要支付的金额；也可以是网约车平台为乘客确定的预估价格。
d6：出行目的场景。如：吃喝玩乐、通勤、接机、市内商务等。
d7：出行原因。与出行场景类似，其可以根据用户的出行场景来确定。
d8：排队等待时长。指服务请求端从发送订单信息，到网约车平台为该服务请求端匹配到服务提供端之间的时间。
d9：接驾时长。指网约车平台为服务请求端匹配到服务提供端，到服务提供端的司机接到与使用服务请求端的乘客之间的时间。
d10：行驶时长。指服务提供端的司机乘客，到将乘客送达出行终点的时间。
d11：司机身份标识。
d12：乘客身份标识。
E：针对实体类型包括车辆的情况，车辆的属性特征包括但不限于下述e1～e6中一种或者多种：
e1：车辆识别标识。车辆识别标识可以是车牌号，也可以用司机的身份证号或者驾驶证号作为车辆识别标识。也可以是网约车平台为车辆分配的标识信息。
e2：车辆品牌。
e3：车辆型号。
e4：司机身份标识。
e5：车辆使用年限。
e6：车辆车牌信息。
F：针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括但不限于下述f1～f5中一种或者多种：
f1：激励资源识别标识；该激励资源可以是司机向乘客派发的激励资源，可以是乘客向司机派发的激励资源，也可以是网约车平台向乘客派发的激励资源，还可以网约车平台向司机派发的激励资源。当激励资源发放时，网约车平台会为该激励资源确定激励资源识别标识，用于唯一确定一项激励资源。
f2：激励资源数量；
f3：激励资源派发方的身份标识；根据激励资源发放方的不同，该激励资源派发方的身份标识，可以包括：网约车平台标识、司机身份标识以及乘客身份标识中一种或者对中。
f4：激励资源接受方身份标识。该激励资源接受方的身份标识可以为司机身份标识以及乘客身份标识中一种或者多种。
f5：激励资源派发时间。
G：针对所述实体类型包括POI的情况，所述POI的属性特征包括但不限于下述g1～g6中一种或者多种：
g1：POI识别标识。POI识别标识是网约车平台为每一个POI分配的用于表征该POI身份的标识信息。
g2：POI类别。
g3：POI实体预设区域范围内商圈个数。例如“XX小区西门”附近5公里内商圈个数。
g4：多个预设时间段内服务供需信息。例如：每天的2:00～7:00、7:00～10:00、10:00～14:00、14:00～17:00、17:00～20：00、20:00～22：00、22:00～次日2:00，共7个预设时间段内的供需情况。
g5：多个预设时间段内路况信息。
g6：多个预设时间段内人口密度。
图3示出本申请实施例提供的一种实体类型之间的关系示例的示意图。在该示例中，实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI。
其中，车辆与司机之间具有直接关系，且车辆与司机之间的关系信息包括：司机身份标识。
司机与订单之间具有之间关系，且司机与订单之间的关系信息包括：司机身份标识。
订单与乘客之间具有直接关系，且订单与乘客之间的关系信息包括：乘客身份标识。
订单与POI之间具有直接关系，且订单与POI之间的关系信息包括：出行起点POI识别标识、出行终点POI识别标识。
POI与乘客之间具有直接关系，且POI与乘客之间的关系信息包括：家庭地址POI识别标识、工作地址POI识别标识。
POI与出行意图之间具有直接关系，且POI与出行意图之间的关系信息包括：出行起点POI识别标识、出行终点POI识别标识、冒泡所在地POI识别标识。
出行意图和乘客之间具有直接关系，且出行意图和乘客之间的关系信息包括：乘客身份标识。
乘客与激励资源之间具有直接关系，且乘客与激励资源之间的关系信息包括：激励资源派发方为乘客时的乘客身份标识、激励资源收入方为乘客时的乘客身份标识。
激励资源与司机之间具有直接关系，且激励资源与司机之间的关系信息包括：激励资源派发方为司机时的司机身份标识、激励资源收入方为司机时的司机身份标识。
且从图3中可以看到，激励资源通过司机，分别和车辆和订单建立了间接关系；激励资源通过乘客，分别与订单、POI以及出行意图建立了间接关系；车辆通过司机，分别与激励资源、订单建立了间接关系；订单分别通过乘客和POI，与出行意图建立了间接关系。
下面基于该示例，对本申请实施例提供的用户分群方法进行详细介绍。
实施例一
参见图4所示，为本申请实施例一提供的用户分群方法的流程图，所述方法包括步骤S401～S403，其中：
S401：根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型。
在具体实施中，目标群体类型是指要获取的用户分群结果中包括的多个用户所具有的共同特点的描述信息，例如“过去7天内接过女性乘客去机场的男性司机”、“过去一个月内出行终点为公园，乘坐的车辆品牌为XX的30-40岁乘客”等。
目标群体类型通常由多个目标特征类型下的目标特征值构成。
例如，当目标群体类型包括“过去7天内接过女性乘客去机场的男性司机”的时候，该目标群体类型对应的目标特征类型包括：订单时间、乘客性别、出行终点POI、司机性别，各个目标特征类型分别对应的目标特征值依次为：“7天内”、“女性”、“机场”以及“男性”。
又例如，当目标群体类型为“过去一个月内出行终点为公园，乘坐的车辆品牌为XX的30-40岁乘客”的时候，该目标群体类型对应的目标特征类型包括：订单时间、出行终点POI、车辆品牌、乘客年龄。各个目标特征类型分别对应的目标特征值依次为：“过去一个月”、“公园”、“XX”、“30-40”。
示例性的，在对用户进行分群的时候，首先确定目标群体的目标群体类型，然后根据目标群体类型，确定与目标群体类型对应的目标特征类型。
不同的目标特征类型，对应有不同的实体类型。在确定了目标群体类型对应的至少一个目标特征类型后，就能够将每种目标特征类型对应的实体类型，确定目标实体类型。
例如，目标群体类型包括“过去7天内接过女性乘客去机场的男性司机”，该目标群体类型对应的目标特征类型包括：订单时间、乘客性别、出行终点POI、司机性别，在上述网约车出行场景中，目标特征类型“订单时间”对应的实体类型为“订单”；目标特征类型“乘客性别”对应的实体类型为“乘客”；目标特征类型“出行终点POI”对应的实体类型为“POI”；目标特征类型“司机”对应的实体类型为“司机”。
在确定与每个所述目标特征类型分别对应的目标实体类型后，本申请实施例提供的用户分群方法还包括：
S402：获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值。
在具体实施中，不同特征类型对应有不同的属性特征。不同实体实例，在不同属性特征下具有对应的属性特征值。
示例性的，假若目标实体类型为“A”时，对应的实体示例分别为：a1～an。
其中，目标实体类型A的属性特征包括：M1～M10。则实体实例a1～an表示为：
实体实例a1：
Figure BDA0001979120130000221
实体示例a2：
Figure BDA0001979120130000222
……
实体示例an：
Figure BDA0001979120130000223
其中，
Figure BDA0001979120130000224
表示实体实例a1在属性特征M1～M10下的属性特征值。
Figure BDA0001979120130000225
表示实体实例a2在属性特征M1～M10下的属性特征值。
……
Figure BDA0001979120130000226
表示实体实例an在属性特征M1～M10下的属性特征值。
获取选择的每个目标实体类型的各个实体示例分别在该目标实体类型对应的属性特征下的特征值，首先要根据目标特征类型，确定与该目标特征类型对应的属性特征；然后确定与该目标特征类型对应的属性特征的特征值。
例如，实体类型“订单”所具有的属性特征包括：订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识。
当目标特征类型为“订单时间”时，对应的目标实体类型为“订单”，则与该目标特征类型“订单时间”对应的属性特征为“出行时间”。
然后，确定实体类型“订单”的各个实体类型，在属性特征“出行订单”下的特征值。
示例性的，可以通过遍历数据库中所有实体实例的方式，获取目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；另外，还可以为各个实体类型的各个属性特征建立索引；在获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值的时候，可以该目标特征类型对应的属性特征，确定与属性特征对应的索引。在该索引中，存储有各个属性特征的特征值，以及与每个特征值对应的实体识别标识；根据属性特征的索引，能够直接确定目标实体类型下的各个实体示例对应属性特征下的特征值。
在确定了目标实体类型，并获取选择的每个目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值后，本申请实施例提供的用户分群方法还包括：
S403：基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
在具体实施中，确定目标群体类型下的目标群体实例，就是要基于目标特征类型下的目标特征值，对对应目标实体类型的实体示例进行筛选，得到符合目标群体类型要求的实体实例。
具体地，参见图5所示，本申请实施例提供一种确定目标群体类型下的目标群体实例的具体方法，包括：
S501：根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序。
在确定目标实体类型之间的筛选顺序时，以目标群体类型对应的实体类型作为筛选顺序的终点，且在形成的筛选顺序中，筛选位置相邻的两个目标实体类型之间具有直接关系。
S502：基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
在具体实施中，实体类型之间的关系信息，是指任意两个实体类型所具有的共同属性特征。这里需要注意的是，若两个实体类型具有共同的属性特征，则两个实体类型之间具有直接关系；若两个实体类型不具有共同的属性特征，但两个实体类型与另一实体类型均具有相同的属性特征，则两个实体类型之间具有间接关系。
此处，参见图6所示，本申请实施例还提供一种确定目标群体类型下的目标群体实例的具体方法，包括：
S601：根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
S602：根据前一目标实体类型以及当前目标实体类型之间的关系信息，从前一目标实体类型的已筛选实体实例中，确定当前目标实体类型下的待筛选实体实例；
S603：根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
S604：检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；如果是，则跳转至S605；如果否，则跳转至S601。
S605：将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例。
具体地，本申请实施以下述示例对上述确定目标群体类型下的目标群体实例的过程加以说明：
例如，目标群体类型为：过去7天内接过女性乘客去机场的男性司机。
其对应的目标特征类型包括：订单时间、乘客性别、出行终点POI、司机性别。
上述目标特征类型分别对应的目标实体类型分别为：订单、乘客、POI、司机。
其中，订单和乘客、司机之间均具有直接关系，POI与乘客、订单之间均具有直接关系，乘客和司机通过订单建立间接关系，司机和POI通过订单建立间接关系。所确定的筛选顺序为：
乘客、POI→订单→司机。此处，乘客与POI均与订单建立相邻的筛选顺序；乘客与POI之间无前后顺序。
具体的筛选过程为：
(1)首先将“乘客”确定为当前目标实体类型。此时，针对筛选中的第一个目标实体类型，将全部的乘客实体实例作为待筛选乘客实体实例。
基于乘客实体的特征属性“性别”对待筛选乘客实体实例进行筛选，得到多个性别为“女性”的已筛选乘客实体实例。
例如，假若待筛选乘客实体实例包括A1～A2000，其中，性别为“女性”的已筛选乘客实体实例包括：A1～A1000。
(2)根据筛选顺序，将“POI”确定为当前目标实体类型。将全部的POI实体实例作为待筛选POI实体实例。
基于POI实体的特征属性“POI类别”，对待筛选POI实体实例进行筛选，得到多个POI类别为“机场”的已筛选POI实体实例。
例如，假若待筛选POI实体实例包括B1～B10000，其中，POI类别为“机场”的已筛选POI实体实例包括：B1～B5。
其中，上述(1)和(2)的不分先后顺序。
(3)将“订单”确定为当前目标实体类型。订单与乘客之间具有关系信息：乘客身份标识。订单与POI之间具有关系信息：出行终点POI识别标识。
根据已筛选乘客实体实例中，确定各个已筛选乘客实体实例的乘客身份标识。根据确定的各个已筛选实体实例的乘客身份标识，从全部订单实体实例中，确定第一待筛选订单实体实例。
例如：所有订单实体实例包括C1～C10000。与已筛选乘客实体实例A1～A1000对应的第一待筛选订单实体实例分别为：C1～C5000。其中，第一待筛选订单实体实例中包括的乘客身份标识，与已筛选乘客实体实例A1～A1000中一个的乘客身份标识相同。
然后根据各个待筛选订单实体实例中包括的出行时间，从待筛选订单实体实例进行筛选，确定出行时间在过去7天内的订单实体实例C1～C500。
同时，根据已筛选POI实体实例B1～B5中，确定各个已筛选POI实体实例的POI识别标识。根据确定的各个已筛选POI实体实例的POI识别标识，从全部订单实体实例中，确定第二待筛选订单实体实例。
例如，订单实体实例包括C1～C10000，与已筛选POI实体实例B1～B5对应的待订单实体实例分别为：C450～C600。其中，第二待筛选订单实体实例中包括的出行终点POI识别标识，与已筛选POI实体实例B1～B5中一个的POI识别标识相同。
然后根据出行时间在过去7天内的订单实体实例C1～C500，以及出行终点POI识别标识的POI类型为“机场”的订单实体实例C450～C600，确定已筛选订单实体实例为C450～C500。
(4)根据筛选顺序，将“司机”确定为当前目标实体类型。司机与订单之间具有关系信息：司机身份标识。
根据已筛选订单实体实例中，确定各个已筛选订单实体实例的司机身份标识。根据确定的各个已筛选定订单实体实例的司机身份标识，从全部司机实体实例中，确定待筛选司机实体实例。
例如：所有司机实体实例包括D1～D5000。与已筛选订单实体实例C450～C500，对应的待筛选司机实体实例分别为：D1～D50。其中，待筛选司机实体实例中包括的司机身份标识，与已筛选订单实体实例C450～C500中一个的司机身份标识相同。
然后根据各个待筛选司机实体实例中包括性别，从待筛选司机实体实例中筛选性别为男性的已筛选司机实体实例。
例如，性别为男性的已筛选司机实体实例为D1～D20，由于司机为最后一个目标实体类型，因此将已筛选司机实体实例D1～D20，确定为最终的目标群体类型下的目标群体实例。
通过上述筛选过程，完成用户分群。
另外，在本申请另一实施例中，还包括：
S404：向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
本申请实施例根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个目标特征类型分别对应的目标实体类型；然后基于在每个所述目标特征类型下的目标特征值、各个目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值，以及目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例，实现了基于构建多个实体之间的关系信息，满足涉及多个实体的用户分类需要。
基于同一发明构思，本申请实施例中还提供了与用户分群方法对应的用户分群装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述用户分群方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
实施例二
参照图7所示，为本申请实施例二提供的一种用户分群装置的示意图，所述装置包括：
选择模块71，用于根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；
获取模块72，用于获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；
筛选模块73，用于基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
一种可选实施方式中，还包括：发送模块74，用于在确定所述目标群体类型下的目标群体实例之后：
向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
一种可选实施方式中，所述筛选模块73，用于采用下述方式基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例：
根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序；
基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
一种可选实施方式中，所述筛选模块73，用于采用下述方式基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例：
根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
根据前一目标实体类型以及当前目标实体类型之间的关系信息，根据前一目标实体类型的已筛选实体实例，确定当前目标实体类型下的待筛选实体实例；
根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；
如果是，则将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例；
如果否，则返回根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型的步骤。
一种可选实施方式中，所述实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
一种可选实施方式中，针对所述实体类型包括司机的情况，所述司机的属性特征包括：司机身份标识、性别、年龄、常驻区域、职业性质、平均工作时长、第一预设历史时间段完成订单数量、第一预设历史时间段取消的订单数量、第一预设历史时间段总收入、评价星级、服务得分、订单距离偏好、接单时间偏好、收车区域中一种或者多种。
一种可选实施方式中，针对所述实体类型包括乘客的情况，所述乘客的属性特征包括：乘客身份标识、性别、年龄、家庭地址POI识别标识、工作地址POI识别标识、消费能力、订单距离偏好、第二预设历史时间段完成的订单数量、第二预设历史时间段取消的订单数量、第二预设历史时间段的支付金额、信用级别中一种或者多种。
一种可选实施方式中，针对所述实体类型包括出行意图的情况，所述出行意图的属性特征包括：
冒泡识别标识、出行起点POI识别标识、出行终点POI识别标识、冒泡时间、出行终点场景、乘客身份标识、冒泡所在地POI识别标识、冒泡时所在地所属区域内服务供需信息、溢价信息中一种或者多种。
一种可选实施方式中，针对所述实体类型包括订单的情况，所述订单的属性特征包括：
订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识中一种或者多种。
一种可选实施方式中，针对所述实体类型包括车辆的情况，所述车辆的属性特征包括：
车辆识别标识、车辆品牌、车辆型号、司机身份标识、车辆使用年限、车辆车牌信息中一种或者多种。
一种可选实施方式中，针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括：
激励资源识别标识、激励资源数量、激励资源派发方的身份标识、激励资源接受方的身份标识、激励资源派发时间中一种或者多种。
一种可选实施方式中，针对所述实体类型包括POI的情况，所述POI的属性特征包括：
POI识别标识、POI类别、POI实体预设区域范围内商圈个数、多个预设时间段内服务供需信息、多个预设时间段内路况信息、多个预设时间段内人口密度中一种或者多种。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接，或其任意组合。两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。
如图2所示，本申请实施例还提供一种电子设备，包括：处理器220、存储介质240和通信总线230，所述存储介质存储有所述处理器220可执行的机器可读指令，当电子设备运行时，所述处理器220与所述存储介质240之间通过通信总线230通信，所述处理器220执行所述机器可读指令，以执行时执行如本申请实施例提供的用户分群方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如本申请实施例提供的用户分群方法的步骤。
本申请实施例所提供的用户分群方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。
所述功能如果以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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (26)

1.一种用户分群方法，其特征在于，包括：
根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；
获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；
基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
2.根据权利要求1所述的方法，其特征在于，确定所述目标群体类型下的目标群体实例之后，还包括：
向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
3.根据权利要求1所述的方法，其特征在于，所述基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例，包括：
根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序；
基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
4.根据权利要求3所述的方法，其特征在于，基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例，包括：
根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
根据前一目标实体类型以及当前目标实体类型之间的关系信息，根据前一目标实体类型的已筛选实体实例，确定当前目标实体类型下的待筛选实体实例；
根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；
如果是，则将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例；
如果否，则返回根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型的步骤。
5.根据权利要求2所述的方法，其特征在于，所述实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
6.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括司机的情况，所述司机的属性特征包括：司机身份标识、性别、年龄、常驻区域、职业性质、平均工作时长、第一预设历史时间段完成订单数量、第一预设历史时间段取消的订单数量、第一预设历史时间段总收入、评价星级、服务得分、订单距离偏好、接单时间偏好、收车区域中一种或者多种。
7.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括乘客的情况，所述乘客的属性特征包括：乘客身份标识、性别、年龄、家庭地址POI识别标识、工作地址POI识别标识、消费能力、订单距离偏好、第二预设历史时间段完成的订单数量、第二预设历史时间段取消的订单数量、第二预设历史时间段的支付金额、信用级别中一种或者多种。
8.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括出行意图的情况，所述出行意图的属性特征包括：
冒泡识别标识、出行起点POI识别标识、出行终点POI识别标识、冒泡时间、出行终点场景、乘客身份标识、冒泡所在地POI识别标识、冒泡时所在地所属区域内服务供需信息、溢价信息中一种或者多种。
9.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括订单的情况，所述订单的属性特征包括：
订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识中一种或者多种。
10.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括车辆的情况，所述车辆的属性特征包括：
车辆识别标识、车辆品牌、车辆型号、司机身份标识、车辆使用年限、车辆车牌信息中一种或者多种。
11.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括：
激励资源识别标识、激励资源数量、激励资源派发方的身份标识、激励资源接受方的身份标识、激励资源派发时间中一种或者多种。
12.根据权利要求5所述的方法，其特征在于，针对所述实体类型包括POI的情况，所述POI的属性特征包括：
POI识别标识、POI类别、POI实体预设区域范围内商圈个数、多个预设时间段内服务供需信息、多个预设时间段内路况信息、多个预设时间段内人口密度中一种或者多种。
13.一种用户分群装置，其特征在于，包括：
选择模块，用于根据目标群体类型对应的至少一个目标特征类型，从多种实体类型中选择与每个所述目标特征类型分别对应的目标实体类型；
获取模块，用于获取选择的每个所述目标实体类型的各个实体实例分别在该目标特征类型对应的属性特征下的特征值；
筛选模块，用于基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例。
14.根据权利要求13所述的装置，其特征在于，还包括：发送模块，用于在确定所述目标群体类型下的目标群体实例之后，
向所述目标群体实例对应的用户端发送与所述目标群体类型下的目标特征值匹配的服务信息。
15.根据权利要求13所述的装置，其特征在于，所述筛选模块，用于采用下述方式基于在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，以及所述目标实体类型之间的关系信息，从各个所述目标实体类型的实体实例中，确定所述目标群体类型下的目标群体实例：
根据所述目标实体类型之间的关系信息，确定对所述目标实体类型的筛选顺序；
基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例。
16.根据权利要求15所述的装置，其特征在于，所述筛选模块，用于采用下述方式基于确定的所述筛选顺序，以及在每个所述目标特征类型下的目标特征值、各个所述目标实体类型的实体实例的所述特征值，确定所述目标群体类型下的目标群体实例：
根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型；
根据前一目标实体类型以及当前目标实体类型之间的关系信息，根据前一目标实体类型的已筛选实体实例，确定当前目标实体类型下的待筛选实体实例；
根据所述当前目标实体类型在对应的目标特征类型下的目标特征值，以及当前目标实体类型下的待筛选实体实例在当前目标实体类型对应的属性特征下的特征值，确定当前目标实体类型下的已筛选实体实例；
检测当前目标实体类型是否为所述筛选顺序中最后一个目标实体类型；
如果是，则将当前目标实体类型对应的已筛选实体实例，确定为所述目标群体类型下的目标群体实例；
如果否，则返回根据完成筛选的目标实体类型，以及所述筛选顺序，确定当前目标实体类型的步骤。
17.根据权利要求15所述的装置，其特征在于，所述实体类型包括：司机、乘客、出行意图、订单、车辆、激励资源、以及兴趣点POI中一种或者多种。
18.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括司机的情况，所述司机的属性特征包括：司机身份标识、性别、年龄、常驻区域、职业性质、平均工作时长、第一预设历史时间段完成订单数量、第一预设历史时间段取消的订单数量、第一预设历史时间段总收入、评价星级、服务得分、订单距离偏好、接单时间偏好、收车区域中一种或者多种。
19.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括乘客的情况，所述乘客的属性特征包括：乘客身份标识、性别、年龄、家庭地址POI识别标识、工作地址POI识别标识、消费能力、订单距离偏好、第二预设历史时间段完成的订单数量、第二预设历史时间段取消的订单数量、第二预设历史时间段的支付金额、信用级别中一种或者多种。
20.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括出行意图的情况，所述出行意图的属性特征包括：
冒泡识别标识、出行起点POI识别标识、出行终点POI识别标识、冒泡时间、出行终点场景、乘客身份标识、冒泡所在地POI识别标识、冒泡时所在地所属区域内服务供需信息、溢价信息中一种或者多种。
21.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括订单的情况，所述订单的属性特征包括：
订单识别标识、出行起点POI识别标识、出行终点POI识别标识、出行时间、订单价格、出行目的场景、出行原因、排队等待时长、接驾时长、行驶时长、司机身份标识、乘客身份标识中一种或者多种。
22.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括车辆的情况，所述车辆的属性特征包括：
车辆识别标识、车辆品牌、车辆型号、司机身份标识、车辆使用年限、车辆车牌信息中一种或者多种。
23.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括激励资源的情况，所述激励资源的属性特征包括：
激励资源识别标识、激励资源数量、激励资源派发方的身份标识、激励资源接受方的身份标识、激励资源派发时间中一种或者多种。
24.根据权利要求17所述的装置，其特征在于，针对所述实体类型包括POI的情况，所述POI的属性特征包括：
POI识别标识、POI类别、POI实体预设区域范围内商圈个数、多个预设时间段内服务供需信息、多个预设时间段内路况信息、多个预设时间段内人口密度中一种或者多种。
25.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的用户分群方法的步骤。
26.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至12任意一项所述的用户分群方法的步骤。
CN201910142979.9A 2019-02-26 2019-02-26 一种用户分群方法及装置 Active CN111612493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910142979.9A CN111612493B (zh) 2019-02-26 2019-02-26 一种用户分群方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910142979.9A CN111612493B (zh) 2019-02-26 2019-02-26 一种用户分群方法及装置

Publications (2)

Publication Number Publication Date
CN111612493A true CN111612493A (zh) 2020-09-01
CN111612493B CN111612493B (zh) 2023-10-27

Family

ID=72197527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910142979.9A Active CN111612493B (zh) 2019-02-26 2019-02-26 一种用户分群方法及装置

Country Status (1)

Country Link
CN (1) CN111612493B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765467A (zh) * 2021-01-19 2021-05-07 北京嘀嘀无限科技发展有限公司 一种服务推荐方法、装置、电子设备以及存储介质
CN113706153A (zh) * 2021-08-04 2021-11-26 支付宝(杭州)信息技术有限公司 针对支付交易进行举报引导、举报处理的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080098026A1 (en) * 2006-10-19 2008-04-24 Yahoo! Inc. Contextual syndication platform
CN104077415A (zh) * 2014-07-16 2014-10-01 百度在线网络技术（北京）有限公司 搜索方法及装置
CN108304933A (zh) * 2018-01-29 2018-07-20 北京师范大学 一种知识库的补全方法及补全装置
CN108764399A (zh) * 2018-05-22 2018-11-06 东南大学 一种基于kNN的RFID标签分类方法及装置
CN108885639A (zh) * 2016-03-29 2018-11-23 斯纳普公司 内容集合导航和自动转发

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080098026A1 (en) * 2006-10-19 2008-04-24 Yahoo! Inc. Contextual syndication platform
CN104077415A (zh) * 2014-07-16 2014-10-01 百度在线网络技术（北京）有限公司 搜索方法及装置
CN108885639A (zh) * 2016-03-29 2018-11-23 斯纳普公司 内容集合导航和自动转发
CN108304933A (zh) * 2018-01-29 2018-07-20 北京师范大学 一种知识库的补全方法及补全装置
CN108764399A (zh) * 2018-05-22 2018-11-06 东南大学 一种基于kNN的RFID标签分类方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈肇强 等: "基于上下文感知实体排序的缺失数据修复方法" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765467A (zh) * 2021-01-19 2021-05-07 北京嘀嘀无限科技发展有限公司 一种服务推荐方法、装置、电子设备以及存储介质
CN113706153A (zh) * 2021-08-04 2021-11-26 支付宝(杭州)信息技术有限公司 针对支付交易进行举报引导、举报处理的方法及装置

Also Published As

Publication number Publication date
CN111612493B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
US11062415B2 (en) Systems and methods for allocating networked vehicle resources in priority environments
US11386359B2 (en) Systems and methods for managing a vehicle sharing facility
US11392861B2 (en) Systems and methods for managing a vehicle sharing facility
GB2535718A (en) Resource management
US11132626B2 (en) Systems and methods for vehicle resource management
US20160248914A1 (en) Telephone Call Placement
WO2015077634A1 (en) Methods and systems for scheduling a shared ride among commuters
US20200210905A1 (en) Systems and Methods for Managing Networked Vehicle Resources
CN106709596A (zh) 打车平台的车费预估方法及装置
CN110782301A (zh) 一种拼单方法、装置、电子设备及计算机可读存储介质
US20180075566A1 (en) System and method of calculating a price for a vehicle journey
EP3477564A1 (en) Vehicle ride share assist system
CN111292105B (zh) 一种业务需求确定方法以及装置
CN111612493A (zh) 一种用户分群方法及装置
CN111310961A (zh) 数据预测方法、装置、电子设备和计算机可读存储介质
CN111832872A (zh) 一种车辆调度方法、装置、电子设备和存储介质
Huang et al. Shared e-scooters as a last-mile transit solution? Travel behavior insights from Los Angeles and Washington DC
WO2019176819A1 (ja) 配車課金装置
KR102455030B1 (ko) 렌터카 계약 관리 시스템
CN111798258A (zh) 服务请求价格的计算方法、装置及系统
CN111835730B (zh) 服务账号处理方法、装置、电子设备及可读存储介质
CN111885503B (zh) 一种车牌分配方法及相关设备
Huang et al. E-Scooters as a Last-Mile Transit Solution? Travel Behavior Insights from Los Angeles and Washington DC
JP5313091B2 (ja) マーケティングに利用可能な情報を作成するシステム及び方法
CN111222729B (zh) 服务类型确定方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant