信息推送方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及数据处理领域,尤其涉及一种信息推送方法、装置、设备及计算机可读存储介质。
背景技术
随着互联网和人工智能的发展,越来越多的线上应用走进用户的生活。例如线上购物应用(Application,简称APP)、线上办公APP、线上音乐APP等。为了提高用户对各种应用的使用体验,各种应用软件都为用户提供了不同的使用权限,当用户办理了使用权限时候,可以根据该使用权限向用户提供更优化的服务。
由于信息推送的渠道有多种,例如短信推送、电话推送、APP内信息推送等。为了使用户能够对不同的使用权限进行了解以及办理,需要确定针对每一用户选择什么推送渠道以及什么时间进行信息推送。现有技术中一般都是依赖相关业务人员的主观经验进行判断干预,并采取随机分配、依级别分配或全渠道触达等方式进行信息推送。
但是在实现本发明过程中,发明人发现采用上述方法进行信息推送时,如果相关业务人员对各渠道触达特点或用户情况了解不足,则容易导致推送渠道分配不合理,信息推送效率低、耗费资源的问题。
发明内容
本发明提供一种信息推送方法、装置、设备及计算机可读存储介质,用于解决现有的信息推送方法由人工进行推送策略的确定导致的推送渠道分配不合理,信息推送效率低、耗费资源的技术问题。
本发明实施例的第一个方面是提供一种信息推送方法,包括:
从数据服务器中获取多个用户的特征数据;
根据所述特征数据确定办理目标使用权限概率大于预设的阈值的目标人群;
针对所述目标人群中的每一目标用户,获取所述目标用户在目标应用中的历史使用数据;
根据所述历史使用数据确定各所述目标用户对应的目标推送渠道;
采用所述目标推送渠道,向所述目标用户发送所述目标使用权限对应的推送信息。
在一种可能的设计中,所述根据所述特征数据确定办理目标使用权限概率大于预设的阈值的目标人群,包括:
将所述特征数据输入至预设的筛选模型,筛选获得预设数量个目标特征;
根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述将所述特征数据输入至预设的筛选模型之前,还包括:
根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群,包括:
根据所述目标特征构建决策树;
根据所述决策树中的每一分支对应的用户的标注信息,确定所述每一分支对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的分支对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述将所述特征数据输入至预设的筛选模型之前,还包括:
根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群,包括:
根据所述目标特征中每一特征对应的枚举指标,构建多个交叉矩阵;
根据所述交叉矩阵对应的用户的标注信息,确定各交叉矩阵对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的交叉矩阵对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述将所述特征数据输入至预设的筛选模型,筛选获得预设数量个目标特征,包括:
将所述特征数据输入至预设的筛选模型,确定所述特征数据是否稳定;
若稳定,则根据所述筛选模型筛选获得预设数量个目标特征。
在一种可能的设计中,所述根据所述历史使用数据确定各所述目标用户对应的目标推送渠道,包括:
根据所述历史使用数据,确定各所述目标用户使用各推送渠道后办理所述使用权限的转化率,以及确定各所述目标用户使用各推送渠道后的用户属性;
根据所述转化率、所述用户属性以及预设的各推送渠道对应的推送成本,确定各所述目标用户对应的目标推送渠道。
在一种可能的设计中,所述根据所述历史使用数据,确定各所述目标用户使用各推送渠道后办理所述使用权限的转化率,包括:
将各目标用户对应的历史使用数据输入至预设的转化率预测模型,获得各所述目标用户使用各推送渠道后办理所述使用权限的转化率。
在一种可能的设计中,所述将各目标用户对应的历史使用数据输入至预设的转化率预测模型之前,还包括:
获取多个用户对应的第一历史使用数据,所述第一历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后办理使用权限的情况;
通过所述第一历史使用数据对预设的待训练模型进行训练,获得所述转化率预测模型。
在一种可能的设计中,所述确定各所述目标用户使用各推送渠道后的用户属性,包括:
将各目标用户对应的历史使用数据输入至预设的用户属性预测模型,获得各所述目标用户使用各推送渠道后的用户属性。
在一种可能的设计中,所述将各目标用户对应的历史使用数据输入至预设的用户属性预测模型之前,还包括:
获取多个用户对应的第二历史使用数据,所述第二历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后反馈信息;
通过所述第二历史使用数据对预设的待训练模型进行训练,获得所述用户属性预测模型。
在一种可能的设计中,还包括:
获取各目标用户对目标应用中的用户行为数据;
根据所述用户行为数据,确定目标推送时间;
在所述目标推送时间,向所述目标用户发送所述目标使用权限对应的推送信息。
本发明实施例的第二个方面是提供一种信息推送装置,包括:
特征数据获取模块,用于从数据服务器中获取多个用户的特征数据;
目标人群确定模块,用于根据所述特征数据确定办理目标使用权限概率大于预设的阈值的目标人群;
使用数据获取模块,用于针对所述目标人群中的每一目标用户,获取所述目标用户在目标应用中的历史使用数据;
推送渠道确定模块,用于根据所述历史使用数据确定各所述目标用户对应的目标推送渠道;
推送模块,用于采用所述目标推送渠道,向所述目标用户发送所述目标使用权限对应的推送信息。
在一种可能的设计中,所述目标人群确定模块包括:
筛选单元,用于将所述特征数据输入至预设的筛选模型,筛选获得预设数量个目标特征;
确定单元,用于根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述目标人群确定模块还包括:
标注单元,用于根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述确定单元用于:
根据所述目标特征构建决策树;
根据所述决策树中的每一分支对应的用户的标注信息,确定所述每一分支对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的分支对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述目标人群确定模块还包括:
标注单元,用于根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述确定单元用于:
根据所述目标特征中每一特征对应的枚举指标,构建多个交叉矩阵;
根据所述交叉矩阵对应的用户的标注信息,确定各交叉矩阵对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的交叉矩阵对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在一种可能的设计中,所述筛选单元用于:
将所述特征数据输入至预设的筛选模型,确定所述特征数据是否稳定;
若稳定,则根据所述筛选模型筛选获得预设数量个目标特征。
在一种可能的设计中,所述推送渠道确定模块包括:
数据处理单元,用于根据所述历史使用数据,确定各所述目标用户使用各推送渠道后办理所述使用权限的转化率,以及确定各所述目标用户使用各推送渠道后的用户属性;
推送渠道确定单元,用于根据所述转化率、所述用户属性以及预设的各推送渠道对应的推送成本,确定各所述目标用户对应的目标推送渠道。
在一种可能的设计中,所述数据处理单元用于:
将各目标用户对应的历史使用数据输入至预设的转化率预测模型,获得各所述目标用户使用各推送渠道后办理所述使用权限的转化率。
在一种可能的设计中,所述推送渠道确定模块还包括:
数据获取单元,用于获取多个用户对应的第一历史使用数据,所述第一历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后办理使用权限的情况;
训练单元,用于通过所述第一历史使用数据对预设的待训练模型进行训练,获得所述转化率预测模型。
在一种可能的设计中,所述数据处理单元用于:
将各目标用户对应的历史使用数据输入至预设的用户属性预测模型,获得各所述目标用户使用各推送渠道后的用户属性。
在一种可能的设计中,所述推送渠道确定模块还包括:
数据获取单元,用于获取多个用户对应的第二历史使用数据,所述第二历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后反馈信息;
训练单元,用于通过所述第二历史使用数据对预设的待训练模型进行训练,获得所述用户属性预测模型。
在一种可能的设计中,所述装置还包括:
浏览数据获取模块,用于获取各目标用户对目标应用中的用户行为数据;
时间确定模块,用于根据所述用户行为数据,确定目标推送时间;
发送模块,用于在所述目标推送时间,向所述目标用户发送所述目标使用权限对应的推送信息。
本发明实施例的第三个方面是提供一种信息推送设备,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为由所述处理器执行如第一方面所述的信息推送方法。
本发明实施例的第四个方面是提供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计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的信息推送方法。
本发明提供的信息推送方法、装置、设备及计算机可读存储介质,通过对多个用户的特征数据进行数据分析,确定办理目标使用权限概率大于预设的阈值的目标人群,并针对目标人群中的每一目标用户,选择适合该目标用户的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送,从而能够精准地向目标用户进行信息推送,提高推送渠道分配的合理性,且能够提高信息推送的效率,节约资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明基于的系统架构示意图;
图2为本发明实施例一提供的信息推送方法的流程示意图;
图3为本发明实施例提供的显示界面示意图;
图4为本发明实施例二提供的信息推送方法的流程示意图;
图5为本发明实施例三提供的信息推送方法的流程示意图;
图6为本发明实施例四提供的信息推送方法的流程示意图;
图7为本发明实施例提供的又一显示界面示意图;
图8为本发明实施例五提供的信息推送装置的结构示意图;
图9为本发明实施例六提供的信息推送装置的结构示意图;
图10为本发明实施例七提供的信息推送装置的结构示意图;
图11为本发明实施例八提供的信息推送装置的结构示意图;
图12为本发明实施例九提供的信息推送设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例所获得的所有其他实施例,都属于本发明保护的范围。
针对上述提及的现有的信息推送方法由人工进行推送策略的确定导致的推送渠道分配不合理,信息推送效率低、耗费资源的技术问题,本发明提供了一种信息推送方法、装置、设备及计算机可读存储介质。
需要说明的是,本申请提供信息推送方法、装置、设备及计算机可读存储介质可运用在各种信息推送的场景中。
为了使用户能够对未使用过的使用权限进行了解以及使用,往往需要向用户推送使用权限的相关信息。现有技术中一般都是通过业务人员的经验确定目标用户以及推送渠道,或者,现有技术中一般都是向目标应用的全部用户均进行信息推送。往往信息推送效率低,且耗费资源,且向不感兴趣的用户进行信息推送,往往会造成用户的使用体验较差。
在解决上述技术问题的过程中,发明人研究发现,为了提高信息推送效率且节约信息推送的资源,可以确定办理使用权限可能性较大的目标用户,并采用该目标用户对应的最优推送渠道,通过该最优推送渠道向用户进行信息推送。
发明人进一步地研究发现,通过对多个用户的特征数据进行数据分析,确定办理目标使用权限概率大于预设的阈值的目标人群,并针对目标人群中的每一目标用户,选择适合该目标用户的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送,从而能够精准地向目标用户进行信息推送,提高推送渠道分配的合理性,且能够提高信息推送的效率,节约资源。
图1为本发明基于的系统架构示意图,如图1所示,本发明基于的系统架构至少包括:终端设备1、信息推送装置2以及数据服务器3。其中,信息推送装置2采用C/C++、Java、Shell或Python等语言编写;终端设备1则可例如台式电脑、平板电脑等。数据服务器3则可为云端服务器或服务器集群,其内存储有大量的数据。信息推送装置2分别与终端设备1以及数据服务器3通信连接,从而能够分别与终端设备1以及数据服务器3进行信息交互。
图2为本发明实施例一提供的信息推送方法的流程示意图,如图2所示,所述方法包括:
步骤101、从数据服务器中获取多个用户的特征数据。
本实施例的执行主体为信息推送装置。该信息推送装置可以设置在用户的终端设备中,也可以为独立于终端设备的装置。
在本实施方式中,为了实现对办理目标使用权限概率大于预设的阈值的目标人群的确定,首先需要获取多个用户的特征数据。具体地,可以从数据服务器中获取多个用户的特征数据,该特征数据具体可以包括年龄、性别等用户的属性信息,还包括用户使用目标应用的特征数据,例如浏览偏好、使用权限办理偏好等。
其中,该数据服务器中存储有多个用户对应特征数据,在特征数据获取过程中,首先可以确定多个用户对应的用户标识,根据该用户标识从数据服务器中获取与用户标识对应的特征数据。
步骤102、根据所述特征数据确定办理目标使用权限概率大于预设的阈值的目标人群。
在本实施方式中,由于特征数据中包括用户的属性信息以及偏好信息等特征,因此,通过对特征数据进行数据分析,即能够确定办理目标使用权限概率大于预设的阈值的目标人群。由于该目标人群办理目标使用权限概率较大,因此,向目标人群进行信息推送,信息推送的效率较高。其中,该预设的阈值可以为根据历史经验预设,也可以为业务人员根据实际需求自行设置,本发明对此不做限制。
具体地,用户在办理了该目标使用权限之后,可以享受与其他用户不同的权限。以电商平台举例来说,用户在办理了“会员”使用权限之后,可以享受包邮、每次消费随机减免等权限,用户在办理了“白条”使用权限之后,可以享受当月购买商品,下个月还款的权限。
步骤103、针对所述目标人群中的每一目标用户,获取所述目标用户在目标应用中的历史使用数据。
在本实施方式中,确定办理目标使用权限概率较高的目标人群之后,为了能够进一步地提高信息推送的效率,还可以确定每一用户对应的目标推送渠道,使用该目标推送渠道进行信息推送,能够最大化信息推送的收益。具体地,需要获取目标人群中的每一目标用户对应的在目标应用中的历史使用数据。其中,该目标应用具体可以为电商平台、也可以为音乐软件、社交软件等,本发明对此不做限制。
步骤104、根据所述历史使用数据确定各所述目标用户对应的目标推送渠道。
在本实施方式中,在获取到目标用户对应的在目标应用中的历史使用数据之后,即可以根据该历史使用数据进行数据分析,以确定每一用户对应的目标推送渠道。其中,目标推送渠道包括但不限于短信推送、电话推送、公众号推送、APP内推送等。例如,对用户A的历史使用数据进行分析之后,可以确定该用户A对应的目标推送渠道为短信推送;对用户B的历史使用数据进行分析之后,可以确定该用户B对应的目标推送渠道为电话推送。
步骤105、采用所述目标推送渠道,向所述目标用户发送所述目标使用权限对应的推送信息。
在本实施方式中,在确定了目标用户以及目标用户对应的目标推送渠道之后,即可以通过该目标推送渠道向用户进行目标使用权限对应的推送信息的推送。
图3为本发明实施例提供的显示界面示意图,如图3所示,该目标推送渠道可以为短信推送,因此,可以通过短信的方式,向用户推送目标使用权限“白条”的相关信息。
本实施例提供的信息推送方法,通过对多个用户的特征数据进行数据分析,确定办理目标使用权限概率大于预设的阈值的目标人群,并针对目标人群中的每一目标用户,选择适合该目标用户的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送,从而能够精准地向目标用户进行信息推送,提高推送渠道分配的合理性,且能够提高信息推送的效率,节约资源。
图4为本发明实施例二提供的信息推送方法的流程示意图,在实施例一的基础上,如图4所示,步骤102具体包括:
步骤201、将所述特征数据输入至预设的筛选模型,筛选获得预设数量个目标特征;
步骤202、根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群。
在本实施例中,由于用户的特征数据的数据量较大,且部分特征数据与用户办理目标使用权限的概率不相关,为了在实现对目标人群的确定的基础上,提高处理效率以及处理精度,首先需要对该特征数据进行筛选处理。具体地,可以将该特征数据输入至预设的筛选模型中,获得预设数量个目标特征,其中,该数量具体可以为5个,也可以为业务人员根据实际需求自行设置,本发明对此不做限制。在获得目标特征之后,可以根据该目标特征确定办理目标使用权限概率大于预设的阈值的目标人群。
具体地,该预设的筛选模型可以为神经网络模型。在通过该筛选模型对特征数据进行筛选之前,首先可以获取预设的待训练数据,该待训练数据中可以包括多个用户对应的多个特征数据,并将特征数据中,对用户办理目标使用权限的概率相关性较强的特征数据进行标注。通过该待训练数据对预设的待训练模型进行训练,获得该筛选模型。从而后续在将用户的特征数据输入至筛选模型时,筛选模型能够自动输出与用户办理目标使用权限的概率相关性较大的目标特征。可选地,在获取待训练数据时,可以仅对用户办理目标使用权限的概率相关性较强的预设数量个特征数据进行标注,从而通过该待训练数据训练获得的筛选模型,能够输出预设数量个目标特征。
具体地,在上述任一实施例的基础上,步骤201之前,还包括:
根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
步骤202具体包括:
根据所述目标特征构建决策树;
根据所述决策树中的每一分支对应的用户的标注信息,确定所述每一分支对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的分支对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在本实施例中,可以根据其他使用权限的办理概率,确定目标人群。可以理解的是,若用户其他使用权限的办理概率较高,则表征该用户办理目标使用权限的概率相应较高。为了实现对目标用户的确定,在进行数据筛选之前,还需要对特征数据进行标注操作。具体地,可以统计用户的使用权限的历史办理信息,该使用权限区别于目标使用权限。根据用户在收到推送信息之后是否办理使用权限,为特征数据进行标注,例如,若用户办理了使用权限,则可以将特征数据标注为1,若用户未办理使用权限,则可以将特征数据标注为0。此外,还可以选择任意一种标注方式实现对特征数据的标注,本发明对此不做限制。
具体地,在获得目标特征之后,可以根据目标特征构建决策树,确定决策树每一分支对应的办理使用权限概率,将办理使用权限概率超过预设的阈值的分支对应的用户作为目标人群。例如,决策树第一分支对应有100个用户,根据标注信息确定由60个人在浏览推送信息之后办理了使用权限,则该第一分支对应的办理使用权限概率即为60%。
具体地,在上述任一实施例的基础上,步骤201之前,还包括:
根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
步骤202具体包括:
根据所述目标特征中每一特征对应的枚举指标,构建多个交叉矩阵;
根据所述交叉矩阵对应的用户的标注信息,确定各交叉矩阵对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的交叉矩阵对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
在本实施例中,对特征数据的标注具体可见上一实施例的描述,在此不做赘述。
具体地,在获得目标特征之后,可以根据目标特征中的枚举指标,构建多个较差矩阵。举例来说,若目标特征为年龄,其对应有3个枚举指标,10-20岁、20-40岁、40-60岁;性别,其对应有两个枚举指标:男、女。根据两个目标特征构建交叉矩阵能够得到:男、10-20岁;男、20-40岁;男、40-60岁;以及女、10-20岁;女、20-40岁;女、40-60岁六个交叉矩阵。根据历史标注信息,确定每一个交叉矩阵对应的办理使用权限概率。将办理使用权限概率超过预设的阈值的交叉矩阵对应的用户作为目标人群。
进一步地,在上述任一实施例的基础上,步骤202具体包括:
将所述特征数据输入至预设的筛选模型,确定所述特征数据是否稳定;
若稳定,则根据所述筛选模型筛选获得预设数量个目标特征。
在本实施例中,在对特征数据进行筛选处理之前,还需要对特征数据的稳定性进行分析,以提高后续处理的效率。具体地,可以将特征数据输入至该筛选模型中,跨时间验证特征数据的稳定性。若检测到该特征数据稳定,则可以进一步地采用筛选模型对特征数据进行筛选操作,获得目标特征。反之,当检测到特征数据不稳定时,可以丢弃该特征数据,选择用户办理目标使用权限的概率相关性较强的其他特征数据作为用户对应的特征数据。
具体地,数据波动越小、离散程度越小,则表征数据越稳定。因此,筛选模型可以根据特征数据的数据波动以及离散程度对特征数据的稳定程度进行判定。
本实施例提供的信息推送方法,通过预设的筛选模型确定目标特征,并根据目标特征分析确定目标人群,从而后续可以直接向目标人群进行信息推送,避免了向全部用户进行信息推送造成的资源浪费,提高信息推送的效率。
图5为本发明实施例三提供的信息推送方法的流程示意图,在上述任一实施例的基础上,步骤104具体包括:
步骤301、根据所述历史使用数据,确定各所述目标用户使用各推送渠道后办理所述使用权限的转化率,以及确定各所述目标用户使用各推送渠道后的用户属性;
步骤302、根据所述转化率、所述用户属性以及预设的各推送渠道对应的推送成本,确定各所述目标用户对应的目标推送渠道。
在本实施例中,确定目标使用权限概率超过预设的阈值的目标用户之后,为了进一步地提高信息推送后的转化率,提高推送效率,针对每一目标用户,可以选择该目标用户对应的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送。其中,目标推送渠道包括但不限于短信推送、电话推送、公众号推送、APP内推送等。具体地,可以根据目标用户的历史使用数据,确定各目标用户使用各推送渠道后办理使用权限的转化率CVRij,以及确定各目标用户使用各推送渠道后的用户属性LTVij,进而可以根据转化率、用户属性以及预设的各推送渠道对应的推送成本COSTij,确定各所述目标用户对应的目标推送渠道,其中,该用户属性具体可以为用户价值属性。具体地,针对每一推送渠道,可以确定各目标用户使用该推送渠道后办理使用权限的概率以及各推送渠道对应的人均成本,根据该概率以及人均成本,实现对推送成本的确定。
具体地,可以根据预设的最优规划模型实现目标推送渠道的确定,其中,最优规划模型如公式1所示:
其中,CVRij为各目标用户使用各推送渠道后办理使用权限的转化率;LTVij为各目标用户使用各推送渠道后的用户属性;COSTij为预设的各推送渠道对应的推送成本COSTij。
此外,公式1的约束条件具体可以为:
最后,可以利用运筹学最优规划模型计算出上述目标函数的解X=(xij),即为各目标用户对应的目标推送渠道。具体地,该运筹学最优规划模型可以为PULP模型,也可以为其他任意一种运筹学最优规划模型,本发明对此不做限制。
具体地,在上述任一实施例的基础上,步骤301具体包括:
将各目标用户对应的历史使用数据输入至预设的转化率预测模型,获得各所述目标用户使用各推送渠道后办理所述使用权限的转化率。
在本实施例中,具体可以通过预设的转化率预测模型实现对目标用户使用各推送渠道后办理所述目标使用权限的转化率的计算。在获取到各目标用户对应的历史使用数据之后,可以将该使用数据输入至该转化率预测模型中,获得使用权限的转化率。其中,该转化率可以为用户在接收到推送信息后预设时间内办理使用权限的转化率。例如,可以为用户在通过短信渠道接收到推送信息三天后办理使用权限的转化率。
进一步地,在上述任一实施例的基础上,所述将各目标用户对应的历史使用数据输入至预设的转化率预测模型之前,还包括:
获取多个用户对应的第一历史使用数据,所述第一历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后办理目标使用权限的情况;
通过所述第一历史使用数据对预设的待训练模型进行训练,获得所述转化率预测模型。
在本实施例中,为了实现转化率的确定,首先需要训练获得转化率预测模型,具体地,可以获取多个用户对应的第一历史使用数据,第一历史使用数据包括多个用户在通过各推送渠道获取推送信息后办理使用权限的情况,通过该第一历史使用数据对预设的待训练模型进行训练,直至模型收敛,获得转化率预测模型。需要说明的是,该转化率预测模型可以为任意一种能够实现预测的模型,本发明对此不做限制。
具体地,在上述任一实施例的基础上,步骤301具体包括:
将各目标用户对应的历史使用数据输入至预设的用户属性预测模型,获得各所述目标用户使用各推送渠道后的用户属性。
在本实施例中,具体可以通过预设的用户属性预测模型实现对目标用户的用户属性的计算。在获取到各目标用户对应的历史使用数据之后,可以将该使用数据输入至该用户属性预测模型中,获得目标用户的用户属性,该用户属性具体可以为用户的价值属性。
进一步地,在上述任一实施例的基础上,所述将各目标用户对应的历史使用数据输入至预设的用户属性预测模型之前,还包括:
获取多个用户对应的第二历史使用数据,所述第二历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后反馈信息;
通过所述第二历史使用数据对预设的待训练模型进行训练,获得所述用户属性预测模型。
在本实施例中,为了实现用户属性的确定,首先需要训练获得用户属性预测模型,具体地,可以获取多个用户对应的第二历史使用数据,第二历史使用数据包括多个用户在通过各推送渠道获取推送信息后的反馈信息,通过该第二历史使用数据对预设的待训练模型进行训练,直至模型收敛,获得用户属性预测模型。需要说明的是,该用户属性预测模型可以为任意一种能够实现预测的模型,本发明对此不做限制。
作为一种可以实施的方式,为了对各目标推送渠道营销效果的确定,在采用目标推送渠道向目标用户进行推送之后,还可以计算各目标推送渠道营销后转化效果与未进行营销时的转化效果进行比对。从而后续可以进一步地对目标推送渠道进行规划处理。
本实施例提供的信息推送方法,通过针对目标人群中的每一目标用户,选择适合该目标用户的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送,从而能够精准地向目标用户进行信息推送,提高推送渠道分配的合理性,且能够提高信息推送的效率,节约资源。
图6为本发明实施例四提供的信息推送方法的流程示意图,在上述任一实施例的基础上,如图6所示,所述方法还包括:
步骤401、获取各目标用户对目标应用中的用户行为数据;
步骤402、根据所述用户行为数据,确定目标推送时间;
步骤403、在所述目标推送时间,向所述目标用户发送所述目标使用权限对应的推送信息。
在本实施例中,为了能够进一步地提高信息推送的效率,使得用户能够尽快地实现目标使用权限的办理,还可以对最佳的目标推送时间进行确定。具体地,可以获取各目标用户在目标应用中的用户行为数据,其中,该用户行为数据具体可以为用户浏览的页面、历史浏览的商品、历史发表的评论、理财申购、赎回、到期等节点,做复购策略、商城加购未下单、下单未支付节点做营销等信息。
在获取到用户行为数据之后,根据该用户行为数据确定目标推送时间,进而可以在该目标推送时间向用户进行信息推送。举例来说,若用户在电商平台中查看过某一商品,则可以选择浏览商品后的预设时间段,向用户推送该商品的优惠信息。仍旧举例来说,若用户在电商平台购物时,选择使用信用卡支付商品,则可以在用户购买商品之后的预设时间段内,向用户推送“白条”使用权限的信息。
图7为本发明实施例提供的又一显示界面示意图,如图7所示,用户在目标应用中查看过目标使用权限“白条”之后,可以通过短信的方式,向用户推送“白条”对应的信息,以使用户对该信息进行查看,进而实现目标使用权限的办理。
需要说明的是,在目标推送时间进行信息推送的实施方式与采用目标推送渠道进行信息推送的实施方式可以单独实施,也可以结合实施。本发明对此不做限制。当其结合实施时,可以在目标推送时间内,采用目标推送渠道像目标用户进行信息推送。
本实施例提供的信息推送方法,通过根据用户的用户行为数据,确定最佳的目标推送时间,并在该目标推送时间向用户进行信息推送,从而能够有效地提高信息推送的效率,避免资源浪费。
图8为本发明实施例五提供的信息推送装置的结构示意图,如图8所示,所述装置包括:特征数据获取模块51、目标人群确定模块52、使用数据获取模块53、推送渠道确定模块54以及推送模块55,其中,特征数据获取模块51,用于从数据服务器中获取多个用户的特征数据;目标人群确定模块52,用于根据所述特征数据确定办理目标使用权限概率大于预设的阈值的目标人群;使用数据获取模块53,用于针对所述目标人群中的每一目标用户,获取所述目标用户在目标应用中的历史使用数据;推送渠道确定模块54,用于根据所述历史使用数据确定各所述目标用户对应的目标推送渠道;推送模块55,用于采用所述目标推送渠道,向所述目标用户发送所述目标使用权限对应的推送信息。
本实施例提供的信息推送装置,通过对多个用户的特征数据进行数据分析,确定办理目标使用权限概率大于预设的阈值的目标人群,并针对目标人群中的每一目标用户,选择适合该目标用户的目标推送渠道,采用该目标推送渠道对目标用户进行信息推送,从而能够精准地向目标用户进行信息推送,提高推送渠道分配的合理性,且能够提高信息推送的效率,节约资源。
图9为本发明实施例六提供的信息推送装置的结构示意图,在实施例五的基础上,如图9所示,所述目标人群确定模块包括:筛选单元61以及确定单元62,其中,筛选单元61,用于将所述特征数据输入至预设的筛选模型,筛选获得预设数量个目标特征;确定单元62,用于根据所述目标特征确定办理目标使用权限概率大于预设的阈值的目标人群。
具体地,在上述任一实施例的基础上,所述目标人群确定模块还包括:
标注单元,用于根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述确定单元用于:
根据所述目标特征构建决策树;
根据所述决策树中的每一分支对应的用户的标注信息,确定所述每一分支对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的分支对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
具体地,在上述任一实施例的基础上,所述目标人群确定模块还包括:
标注单元,用于根据所述特征数据对应的使用权限的历史办理信息,对所述特征数据进行标注;
所述确定单元用于:
根据所述目标特征中每一特征对应的枚举指标,构建多个交叉矩阵;
根据所述交叉矩阵对应的用户的标注信息,确定各交叉矩阵对应的办理使用权限的概率;
将办理使用权限的概率大于预设的阈值的交叉矩阵对应的用户作为所述办理目标使用权限概率大于预设的阈值的目标人群。
进一步地,在上述任一实施例的基础上,所述筛选单元用于:
将所述特征数据输入至预设的筛选模型,确定所述特征数据是否稳定;
若稳定,则根据所述筛选模型筛选获得预设数量个目标特征。
图10为本发明实施例七提供的信息推送装置的结构示意图,在上述任一实施例的基础上,如图7所示,所述推送渠道确定模块包括:数据处理单元71以及推送渠道确定单元72,其中,数据处理单元71,用于根据所述历史使用数据,确定各所述目标用户使用各推送渠道后办理所述使用权限的转化率,以及确定各所述目标用户使用各推送渠道后的用户属性;推送渠道确定单元72,用于根据所述转化率、所述用户属性以及预设的各推送渠道对应的推送成本,确定各所述目标用户对应的目标推送渠道。
进一步地,在上述任一实施例的基础上,所述数据处理单元用于:
将各目标用户对应的历史使用数据输入至预设的转化率预测模型,获得各所述目标用户使用各推送渠道后办理所述使用权限的转化率。
进一步地,在上述任一实施例的基础上,所述推送渠道确定模块还包括:
数据获取单元,用于获取多个用户对应的第一历史使用数据,所述第一历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后办理使用权限的情况;
训练单元,用于通过所述第一历史使用数据对预设的待训练模型进行训练,获得所述转化率预测模型。
进一步地,在上述任一实施例的基础上,所述数据处理单元用于:
将各目标用户对应的历史使用数据输入至预设的用户属性预测模型,获得各所述目标用户使用各推送渠道后的用户属性。
进一步地,在上述任一实施例的基础上,所述推送渠道确定模块还包括:
数据获取单元,用于获取多个用户对应的第二历史使用数据,所述第二历史使用数据包括所述多个用户在通过各推送渠道获取推送信息后反馈信息;
训练单元,用于通过所述第二历史使用数据对预设的待训练模型进行训练,获得所述用户属性预测模型。
图11为本发明实施例八提供的信息推送装置的结构示意图,在上述任一实施例的基础上,如图11所示,所述装置还包括:浏览数据获取模块81、时间确定模块82以及发送模块83,其中,浏览数据获取模块81,用于获取各目标用户对目标应用中的用户行为数据;时间确定模块82,用于根据所述用户行为数据,确定目标推送时间;发送模块83,用于在所述目标推送时间,向所述目标用户发送所述目标使用权限对应的推送信息。
图12为本发明实施例九提供的信息推送设备的结构示意图,如图12所示,该信息推送设备包括:存储器91,处理器92;
存储器91;用于存储所述处理器92可执行指令的存储器91;
其中,所述处理器92被配置为由所述处理器92执行如上述任一实施例所述的信息推送方法。
存储器91,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器91可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,处理器92可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。
可选的,在具体实现上,如果存储器91和处理器92独立实现,则存储器91和处理器92可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器91和处理器92集成在一块芯片上实现,则存储器91和处理器92可以通过内部接口完成相同间的通信。
本发明又一实施例还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计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上述任一实施例所述的信息推送方法。
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。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、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:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。