CN112215664A - 信息推荐方法及装置 - Google Patents

信息推荐方法及装置 Download PDF

Info

Publication number
CN112215664A
CN112215664A CN202011186386.1A CN202011186386A CN112215664A CN 112215664 A CN112215664 A CN 112215664A CN 202011186386 A CN202011186386 A CN 202011186386A CN 112215664 A CN112215664 A CN 112215664A
Authority
CN
China
Prior art keywords
user
information
recommendation
recommendation information
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
Application number
CN202011186386.1A
Other languages
English (en)
Inventor
王晶
徐冉冉
谢因坦
马健
刘传宗
刘泽
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202011186386.1A priority Critical patent/CN112215664A/zh
Publication of CN112215664A publication Critical patent/CN112215664A/zh
Pending legal-status Critical Current

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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0253—During e-commerce, i.e. online transactions

Landscapes

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

Abstract

本说明书提供信息推荐方法及装置，其中所述信息推荐方法包括：接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；基于所述用户标识确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，通过本方法，可以有效提高信息推荐的成功率，有效提高流量分体效率，同时提高用户体验。

Description

信息推荐方法及装置
技术领域
本说明书涉及互联网技术领域，特别涉及一种信息推荐方法及装置。
背景技术
随着互联网技术的快速发展，用户在使用业务平台进行各项业务处理后，业务平台会向用户投放各类推荐信息，用户可以基于推荐信息选择自己感兴趣的内容进行处理。
在目前的信息推荐中，常规的推荐方法为纯投放模式，即业务平台根据用户的标签或历史行为来判断用户的兴趣爱好和关注的业务领域，并将用户感兴趣的信息投放给用户，单纯通过用户的标签或人物画像来推荐信息，但是这种信息推荐方法，只能单点触发，与用户绑定，向用户发送一个个推荐信息，在用户看来就是在推荐广告，用户通常会直接忽略，并且用户体验比较差。
因此，需要更精准的方法将用户需要的信息推荐给用户。
发明内容
有鉴于此，本说明书实施例提供了一种信息推荐方法及装置质，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种信息推荐方法，包括：
接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；
基于所述用户标识确定所述用户的用户属性信息；
根据所述用户属性信息确定所述用户对应的推荐信息集合；
根据所述业务请求和所述推荐信息集合确定目标推荐信息；
在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
可选的，基于所述用户标识确定所述用户的用户属性信息，包括：
基于所述用户标识确定所述用户的用户行为信息、用户偏好业务场景信息。
可选的，根据所述用户属性信息确定所述用户对应的推荐信息集合，包括：
根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合；
根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合；
根据所述业务平台推荐信息集合和所述业务提供方推荐信息集合确定所述用户对应的推荐信息集合。
可选的，根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的平台权益模型；
所述平台权益模型响应于所述用户属性信息作为输入，确定所述用户对应业务平台推荐信息集合。
可选的，根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的业务提供方权益模型；
所述业务提供方权益模型响应于所述用户属性信息作为输入，确定所述用户对应的业务提供方推荐信息集合。
可选的，根据所述业务请求和所述推荐信息集合确定目标推荐信息，包括：
计算所述推荐信息集合中的每个推荐信息与所述业务请求的业务关联度；
确定与所述业务请求的业务关联度最高的推荐信息为目标推荐信息。
可选的，所述方法还包括：
接收所述用户基于所述目标推荐信息的响应信息；
根据所述响应信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
可选的，所述方法还包括：
根据所述目标推荐信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
根据本说明书实施例的第二方面，提供了一种信息推荐方法，包括：
接收用户发送的手机充值请求，其中，所述手机充值请求中包括所述用户的用户标识；
基于所述用户标识确定所述用户的用户属性信息；
根据所述用户属性信息确定所述用户对应的推荐信息集合；
根据所述手机充值请求和所述推荐信息集合确定目标推荐信息；
在所述手机充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
根据本说明书实施例的第三方面，提供了一种信息推荐装置，包括：
接收模块，被配置为接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；
第一确定模块，被配置为基于所述用户标识确定所述用户的用户属性信息；
第二确定模块，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
第三确定模块，被配置为根据所述业务请求和所述推荐信息集合确定目标推荐信息；
推荐模块，被配置为在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
根据本说明书实施例的第四方面，提供了一种信息推荐装置，包括：
接收模块，被配置为接收用户发送的手机充值请求，其中，所述手机充值请求中包括所述用户的用户标识；
属性信息确定模块，被配置为基于所述用户标识确定所述用户的用户属性信息；
推荐信息集合确定模块，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
目标推荐信息确定模块，被配置为根据所述手机充值请求和所述推荐信息集合确定目标推荐信息；
推荐模块，被配置为在所述手机充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
根据本说明书实施例的第五方面，提供了一种计算设备，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指令，所述处理器执行所述指令时实现所述信息推荐方法的步骤。
根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意所述信息推荐方法的步骤。
本说明书提供的信息推荐方法，接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；基于所述用户标识确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
本说明书一实施例实现了根据用户的业务请求，确定用户标识，进而确定用户标识对应的用户属性信息，同时通过用户属性信息确定与用户相关的推荐信息集合，再通过用户的业务请求在推荐信息集合中确定目标推荐信息，获得的目标推荐信息与用户当前的业务请求密切相关，为用户提供与业务请求相关的推荐信息，可以有效提高信息推荐的成功率，有效提高流量分体效率，同时提高用户体验。
附图说明
图1是本说明书一实施例提供的一种信息推荐方法的流程图；
图2是本说明书一实施例提供的Deep&Cross Network(DCN)模型的架构图；
图3是本说明书一实施例提供的应用于话费充值场景的信息推荐方法的交互图；
图4是本说明书一实施例提供的一种应用于话费充值场景的信息推荐方法的处理流程图；
图5a是本说明书一实施例提供的应用于话费充值场景的信息推荐方法中充值结果页的示意图；
图5b是本说明书一实施例提供的应用于话费充值场景的信息推荐方法中充值回流页的示意图；
图6是本说明书一实施例提供的一种信息推荐装置的结构示意图；
图7是本说明书另一实施例提供的一种信息推荐装置的结构示意图；
图8是本说明书一实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
流量分配机制：将站内的流量，通过一定的策略，合理的分配到他们该去的地方，从而实现流量转化的最大化和流量价值的最大化。
业务链路：业务完成后用户的行为链路。
推荐信息集合：根据用户的喜好为用户推荐的信息的集合，包括用户的权益、服务等。
在本说明书中，提供了一种信息推荐方法及装置，在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一实施例提供的一种信息推荐方法的流程图，具体包括以下步骤：
步骤102：接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识。
业务请求为用户发送的与业务相关的请求，在业务请求中，通常还会包括用户的用户标识，如在话费充值场景中，业务请求即为话费充值请求，用户标识可以为用户的手机号；在视频类网站充值会员场景中，业务请求即为会员充值请求，用户标识即为用户在网站的用户登录名；在购物网站购物场景中，业务请求即为购物支付请求，用户标识即为用户在购物网站的用户登录名，等等。
通常情况下，若用户预先登录了业务平台，则用户标识还可以是业务平台的用户登录名。
步骤104：基于所述用户标识确定所述用户的用户属性信息。
在实际应用中，基于所述用户标识确定所述用户的用户属性信息，包括：基于所述用户标识确定所述用户的用户行为信息、用户偏好业务场景信息。用户属性信息包括用户画像、业务场景偏好信息、业务偏好信息等等，在确定用户标识后，可以获取用户在业务平台和业务提供方中的行为信息、业务处理信息，进而确定用户的用户属性信息。
如在购物网站进行购物的场景中，根据用户标识可以获取据用户在购物网站中的点击、浏览、下单等行为和经常浏览的产品，进而可以确定用户的用户属性信息；又比如在话费充值场景中，根据用户的电话，可以获取用户充值话费的平均周期、用户每个月的话费使用情况、用户每个月的流量使用情况等用户属性信息。
以购物网站为例，若用户经常浏览购物网站中的电子产品，则可以推断用户属性信息为：“年轻人、喜欢电子产品、更偏向于浏览电子领域的产品”；若用户经常购买购物网站中的日化领域的商品，则可以推断该用户的推断用户属性信息为：“女性，业务场景更加偏好日化产品，业务偏好为喜欢购买”。
再以话费充值为例，若用户每个月的话费花销在100元，流量为30G，通话时间在50分钟左右，则可以推断该用户的用户属性为：“在日常生活中电话不多，更依赖手机流量”等。
步骤106：根据所述用户属性信息确定所述用户对应的推荐信息集合。
在确定用户属性信息后，即可确定用户对应的推荐信息集合，推荐信息集合中的推荐信息均与用户属性信息相关。
如以购物网站为例，若用户属性信息为“年轻人、喜欢电子产品、更偏向于浏览电子领域的产品”，则将电子产品的最新动态、最新科技等信息组成推荐信息集合；若用户属性信息为“女性，业务场景更加偏好日化产品，业务偏好为喜欢购买”，则将网站中的打折信息组成推荐信息集合。
可选的，根据所述用户属性信息确定所述用户对应的推荐信息集合，包括：
根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合；
根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合；
根据所述业务平台推荐信息集合和所述业务提供方推荐信息集合确定所述用户对应的推荐信息集合。
在实际应用中，推荐信息集合的组成有两部分，一种是业务平台提供的业务平台推荐信息集合，一种是业务提供方提供的业务提供方推荐信息集合，如用户在使用购物平台进行购物场景中，购物平台即为业务平台，上架即为业务提供方；在用户进行话费充值场景中，第三方充值平台即为业务平台，手机号对应的运营商即为业务提供方。
以购物平台进行购物的场景为例，根据用户属性信息可以获取购物平台提供的购物平台推荐信息集合，根据用户属性信息可以获取商家提供的商家推荐信息集合，将购物平台推荐信息集合和商家推荐信息集合作为用户的推荐信息集合。
以话费充值场景为例，根据用户的用户属性信息可以获取充值平台的平台推荐信息集合，根据用户的用户属性信息可以获取运营商提供的运营商推荐信息集合，将平台推荐信息集合和运营商推荐信息集合作为用户的推荐信息集合
具体的，根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的平台权益模型；
所述平台权益模型响应于所述用户属性信息作为输入，确定所述用户对应业务平台推荐信息集合。
在实际应用中，业务平台会预先设置一些推荐信息，如平台提供给的服务信息、权益信息等，通过预先训练好的平台权益模型根据用户属性信息将用户与推荐信息相关联，并进行打分排序，获得用户对应的业务平台推荐信息集合。
平台权益模型利用了基于特征偏好的算法，基于因果推断和Cross特征交叉的深度神经网络，参见图2，图2示出了本说明书实施例提供的Deep&Cross Network(DCN)模型的架构图，如图2所示，DCN模型以一个嵌入和堆叠层开始，接着并联一个Cross Network和一个Deep Network，接着通过一个Combination layer将两个Network的输出进行组合。
用户属性信息作为用户对应的原始特征，如用户偏好、用户交易频率、用户交易额度、用户地理位置、用户年龄、产品维度特征、点击率等等，通过采用Key-Value的存储格式，不需要预先设置预设空间，新出现的原始特征会动态加入到模型训练中，同时支持分布式训练，提升了扩展能力。
用户的属性信息经过DCN模型的嵌入和堆叠层处理后，获得低阶特征X0，再将X0输入到Cross Network和Deep Network中进行高阶特征生成，在Cross Network部分，第L层的高阶特征XL和低阶特征X0进行交叉，生成第L+1层的新特征，参见下述公式1：
Figure BDA0002751553170000101
其中，XL，XL+1是列向量，分别表示来自第L层和第L+1层Cross Layers的输出；WL，BL∈Rd，表示第L层layers的Weigh和Bisa参数。
最后将Deep Network和Cross network的输出向量拼接在一起输入到Combination layer来给出最后的推荐信息集合。
依然以购物平台进行购物的场景为例，将用户属性信息输入到平台权益模型中，平台权益模型根据用户属性信息与预先配置的推荐信息相关联，并根据用户属性信息对已经关联的推荐信息进行打分，分值高的推荐信息与用户的关联性更高。
在话费充值场景中，将用户属性信息输入到充值平台权益模型中，充值平台权益模型根据用户属性信息与充值平台提供的推荐信息进行关联，并根据用户属性信息对已经关联的推荐信息进行打分，分值高的推荐信息与用户的关联性更高。
对应的，根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的业务提供方权益模型；
所述业务提供方权益模型响应于所述用户属性信息作为输入，确定所述用户对应的业务提供方推荐信息集合。
在实际应用中，业务提供方也会提供一些权益信息和服务信息，将用户属性信息输入到预先训练好的业务提供方权益模型中，业务提供方权益模型根据用户属性信息将用于与业务提供方提供的权益信息、服务信息进行关联，并打分排序，获得用户对应的业务提供方推荐信息集合，业务提供方权益模型与上述的平台权益模型相同，在此就不再赘述。
以购物平台进行购物的场景为例，业务提供方即商户，商户推出的优惠信息、用户权益信息，优惠信息和用户权益信息即为推荐信息，将用户属性信息输入到预先训练好的业务提供方权益模型进行处理，业务提供方权益模型根据用户属性信息将用户与商户提供的推荐信息相关联，并进行打分排序，获得商户提供的商户推荐信息集合。
以话费充值场景为例，业务提供方即为运营商，运营商根据用户的等级提供不同的服务和权益信息，服务和权益信息即为推荐信息，将用户属性信息输入到预先训练好的业务提供方权益模型进行处理，业务提供方权益模型根据用户属性信息将用户与运营商提供的推荐信息相关联，并进行打分排序，获得运营商提供的运营商推荐信息集合。
步骤108：根据所述业务请求和所述推荐信息集合确定目标推荐信息。
具体的，推荐信息集合中保存的是与用户属性信息相关联的各类推荐信息，包括业务平台提供的推荐信息和业务提供方提供的推荐信息，此时的推荐信息集合中的推荐信息是根据用户的用户画像生成的，再结合用户当前发起的业务请求，在所述推荐信息集合中确定最终的目标推荐信息。
可选的，根据所述业务请求和所述推荐信息集合确定目标推荐信息，包括：
计算所述推荐信息集合中的每个推荐信息与所述业务请求的业务关联度；
确定与所述业务请求的业务关联度最高的推荐信息为目标推荐信息。
在实际应用中，分别计算推荐信息中每个推荐信息与所述业务请求的业务关联度，业务关联度得分高的推荐信息说明与所述业务请求的关联性更强，将业务关联度最高的推荐信息作为最终的目标推荐信息。
以购物平台进行购物的场景为例，推荐信息集合中包括购物平台提供的“平台会员办理”推荐信息、“平台跨店铺满减活动”推荐信息，还包括商户提供的“商户会员领取”推荐信息、“付款成功领取红包”推荐信息等等，当用户在商户的店铺中购买商品，对应的业务请求为支付请求，经过计算支付请求与商户提供的“付款成功领取红包”的推荐信息的评分最高，则将付款成功领取红包的推荐信息作为目标推荐信息。
步骤110：在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
在所述业务请求处理完成后，业务请求处理完成的界面被称之为业务处理完成界面，在业务处理完成界面向用户推荐目标推荐信息，根据用户发送的业务请求可以更精准的为用户提供对应的推荐信息，提升站内流量分发的准确性。
依然以购物平台进行购物的场景为例，当用户支付成功后，支付完成后的支付成功界面即为业务处理完成界面，在支付成功界面向用户推荐“领取红包”的推荐信息。
可选的，所述方法还包括：
接收所述用户基于所述目标推荐信息的响应信息；
根据所述响应信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
在实际应用中，用户在业务处理完成界面后返回一个业务回流页，此时用户会基于业务处理完成页中的目标推荐信息做出相应的响应，如接受、不接收或者无操作等，根据响应信息和所述业务请求在所述推荐信息中再确定一个进阶推荐信息，所述进阶推荐信息用于在业务回流页进行推荐。
依然以购物平台进行购物的场景为例，在支付成功界面向用户推荐“领取红包”的目标推荐信息，用户在目标推荐信息中选择领取，则领取相应数额的红包，并点击支付成功界面中的完成按钮，进入业务回流页，在业务回流页中，会根据用户领取红包的操作和支付请求，为用户确定进阶推荐信息“领取的红包可以使用的商品信息”，将用户在支付成功界面领取的红包可以使用的商品推荐给用户，进一步提高用户的使用体验。
可选的，所述方法还包括：
根据所述目标推荐信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
在实际应用中，进阶推荐信息还可以根据目标推荐信息和所述业务请求确定，如依然以购物平台进行购物的场景为例，推荐的目标推荐信息为“付款成功领取红包”，同时推荐信息集合中的“商户会员领取”推荐信息的评分也很高，用户若领取商户会员后，也会获得更多的优惠，因此，在支付成功界面向用户推荐“领取红包”的推荐信息，在业务回流页中，根据“领取红包”的推荐信息和支付请求，为用户在推荐信息集合中确定“商户会员领取”的推荐信息为进阶推荐信息，并在业务回流页中将进阶推荐信息推荐给用户。
本申请提供的信息推荐方法，接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；基于所述用户标识确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，可以个性化匹配用户的业务请求和用户属性信息，根据用户的不同业务请求为用户推荐不同的信息，提升用户在每个业务场景下的服务转化，有效提升站内流量分配效能，同时也提高了用户体验。
下述结合图3和图4，以本说明书提供的信息推荐方法在话费充值场景的应用为例，对所述信息推荐方法进行进一步说明。其中，图3示出了本说明书一实施例提供的一种应用于话费充值场景的信息推荐方法的交互图，参见图3，用户登录到第三方平台的充值中心首页，在第三方平台完成充值动作，进入第三方平台展示的充值结果页，在充值结果页显示充值成功，同时根据充值请求和用户属性信息在推荐信息集合中确定目标推荐信息，并将目标推荐信息在充值结果页显示，在充值结果页接收用户点击完成的操作，进入充值回流页，同时，将用户根据目标推荐信息的响应信息和用户属性信息在推荐信息集合中确定进阶推荐信息，并将进阶推荐信息在充值回流页进行展示(具体可以为对应的TAB页面展示)，吸引用户完成相应动作。
参见图4，图4示出了本说明书一实施例提供的一种应用于话费充值场景的信息推荐方法的处理流程图，具体包括以下步骤：
步骤402：接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的用户标识。
在本说明书提供的实施例中，用户登录第三方支付平台Z，并在支付平台Z中发起话费充值请求，在话费充值请求中包括要充值的电话号码A，电话号码A即为用户标识。
步骤404：基于所述用户标识确定所述用户的用户属性信息。
在本说明书提供的实施例中，根据电话号码A确定所述用户的用户人物画像、业务偏好信息等用户属性信息。
步骤406：根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合。
在本说明书提供的实施例中，根据用户属性信息确定支付平台Z的推荐信息集合，如邀请奖励、定时充值提醒、话费低额提醒、定时充值等。
步骤408：根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合。
在本说明书提供的实施例中，根据用户属性信息确定电话号码A的运营商Y对应的业务提供方推荐信息集合，如运营商Y与支付平台Z联合推出的双会员服务、运营商Y提供的新套餐等。
步骤410：根据所述业务平台推荐信息集合和所述业务提供方推荐信息集合确定所述用户对应的推荐信息集合。
在本说明书提供的实施例中，将支付平台Z提供的推荐信息集合和运营商Y提供的推荐信息集合组成所述用户对应的推荐信息集合。
步骤412：计算所述推荐信息集合中的每个推荐信息与所述话费充值请求的业务关联度。
在本说明书提供的实施例中，根据用户的话费充值请求，分别与每个推荐信息进行计算，确定每个推荐信息与话费充值请求的业务关联度。
步骤414：确定与所述话费充值请求的业务关联度最高的推荐信息为目标推荐信息。
在本说明书提供的实施例中，将支付平台Z提供的自动充值服务作为目标推荐信息。
步骤416：在所述话费充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
在本说明书提供的实施例中，参见图5a，图5a示出了本说明书一实施例提供的应用于话费充值场景的信息推荐方法中充值结果页的示意图。将目标推荐信息“自动充值服务”展示给用户。
步骤418：接收所述用户基于所述目标推荐信息的响应信息。
在本说明书提供的实施例中，用户选择自动充值，在点击图5a所示的界面的完成按钮后，进入图5b所示的充值回流页，图5b示出了本说明书一实施例提供的应用于话费充值场景的信息推荐方法中充值回流页的示意图。
步骤420：根据所述响应信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息。
在本说明书提供的实施例中，用户在充值结果页中开通了自动充值服务，根据本次用户发起的充值业务和已经开通自动充值服务的响应信息，在推荐信息集合中确定进阶推荐信息为“话费红包”。
步骤422：向所述用户推荐所述进阶推荐信息。
在本说明书提供的实施例中，在如图5b所示的充值回流页中显示用户在本次话费充值后获得的话费红包。
本申请提供的信息推荐方法，接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的电话号码；基于所述电话号码确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，可以个性化匹配用户的业务请求和用户属性信息，根据用户的不同业务请求为用户推荐不同的信息，提升用户在每个业务场景下的服务转化，有效提升站内流量分配效能，同时也提高了用户体验，且该方法可以将站内流量形成链路闭环，有利于用户二次使用。
与上述方法实施例相对应，本说明书还提供了信息推荐装置实施例，图6示出了本说明书一实施例提供的一种信息推荐装置的结构示意图。如图6所示，该装置包括：
接收模块602，被配置为接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；
第一确定模块604，被配置为基于所述用户标识确定所述用户的用户属性信息；
第二确定模块606，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
第三确定模块608，被配置为根据所述业务请求和所述推荐信息集合确定目标推荐信息；
推荐模块610，被配置为在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
可选的，所述第一确定模块604，进一步被配置为：
基于所述用户标识确定所述用户的用户行为信息、用户偏好业务场景信息。
可选的，所述第二确定模块606，进一步被配置为：
根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合；
根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合；
根据所述业务平台推荐信息集合和所述业务提供方推荐信息集合确定所述用户对应的推荐信息集合。
可选的，所述第二确定模块606，进一步被配置为：
将所述用户属性信息输入到预先训练好的平台权益模型；
所述平台权益模型响应于所述用户属性信息作为输入，确定所述用户对应业务平台推荐信息集合。
可选的，所述第二确定模块606，进一步被配置为：
将所述用户属性信息输入到预先训练好的业务提供方权益模型；
所述业务提供方权益模型响应于所述用户属性信息作为输入，确定所述用户对应的业务提供方推荐信息集合。
可选的，所述第三确定模块608，进一步被配置为：
计算所述推荐信息集合中的每个推荐信息与所述业务请求的业务关联度；
确定与所述业务请求的业务关联度最高的推荐信息为目标推荐信息。
可选的，所述接收模块602，进一步被配置为接收所述用户基于所述目标推荐信息的响应信息；
所述装置还包括：
第四确定模块，被配置为根据所述响应信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
所述推荐模块610，进一步被配置为向所述用户推荐所述进阶推荐信息。
可选的，所述装置还包括：
第五确定模块，被配置为根据所述目标推荐信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
所述推荐模块610，进一步被配置向所述用户推荐所述进阶推荐信息。
本申请提供的信息推荐装置，接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；基于所述用户标识确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，可以个性化匹配用户的业务请求和用户属性信息，根据用户的不同业务请求为用户推荐不同的信息，提升用户在每个业务场景下的服务转化，有效提升站内流量分配效能，同时也提高了用户体验。
上述为本实施例的一种信息推荐装置的示意性方案。需要说明的是，该信息推荐装置的技术方案与上述的信息推荐方法的技术方案属于同一构思，信息推荐装置的技术方案未详细描述的细节内容，均可以参见上述信息推荐方法的技术方案的描述。
与上述方法实施例相对应，本说明书还提供了信息推荐装置实施例，图7示出了本说明书一实施例提供的一种信息推荐装置的结构示意图。如图7所示，该装置包括：
接收模块702，被配置为接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的用户标识；
属性信息确定模块704，被配置为基于所述用户标识确定所述用户的用户属性信息；
推荐信息集合确定模块706，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
目标推荐信息确定模块708，被配置为根据所述话费充值请求和所述推荐信息集合确定目标推荐信息；
推荐模块710，被配置为在所述话费充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
本申请提供的信息推荐装置，接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的电话号码；基于所述电话号码确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，可以个性化匹配用户的业务请求和用户属性信息，根据用户的不同业务请求为用户推荐不同的信息，提升用户在每个业务场景下的服务转化，有效提升站内流量分配效能，同时也提高了用户体验，且该装置可以将站内流量形成链路闭环，有利于用户二次使用。
上述为本实施例的一种信息推荐装置的示意性方案。需要说明的是，该信息推荐装置的技术方案与上述的信息推荐方法的技术方案属于同一构思，信息推荐装置的技术方案未详细描述的细节内容，均可以参见上述信息推荐方法的技术方案的描述。
图8示出了根据本说明书一实施例提供的一种计算设备800的结构框图。该计算设备800的部件包括但不限于存储器810和处理器820。处理器820与存储器810通过总线830相连接，数据库850用于保存数据。
计算设备800还包括接入设备840，接入设备840使得计算设备800能够经由一个或多个网络860通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备840可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备800的上述部件以及图8中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图8所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备800可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备800还可以是移动式或静止式的服务器。
其中，处理器820执行所述指令时实现上述任意一项所述信息推荐方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的信息推荐方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述信息推荐方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述信息推荐方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的信息推荐方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述信息推荐方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (13)

1.一种信息推荐方法，包括：
接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；
基于所述用户标识确定所述用户的用户属性信息；
根据所述用户属性信息确定所述用户对应的推荐信息集合；
根据所述业务请求和所述推荐信息集合确定目标推荐信息；
在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
2.如权利要求1所述的信息推荐方法，基于所述用户标识确定所述用户的用户属性信息，包括：
基于所述用户标识确定所述用户的用户行为信息、用户偏好业务场景信息。
3.如权利要求1所述的信息推荐方法，根据所述用户属性信息确定所述用户对应的推荐信息集合，包括：
根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合；
根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合；
根据所述业务平台推荐信息集合和所述业务提供方推荐信息集合确定所述用户对应的推荐信息集合。
4.如权利要求3所述的信息推荐方法，根据所述用户属性信息确定所述用户对应的业务平台推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的平台权益模型；
所述平台权益模型响应于所述用户属性信息作为输入，确定所述用户对应业务平台推荐信息集合。
5.如权利要求3所述的信息推荐方法，根据所述用户属性信息确定所述用户对应的业务提供方推荐信息集合，包括：
将所述用户属性信息输入到预先训练好的业务提供方权益模型；
所述业务提供方权益模型响应于所述用户属性信息作为输入，确定所述用户对应的业务提供方推荐信息集合。
6.如权利要求1所述的信息推荐方法，根据所述业务请求和所述推荐信息集合确定目标推荐信息，包括：
计算所述推荐信息集合中的每个推荐信息与所述业务请求的业务关联度；
确定与所述业务请求的业务关联度最高的推荐信息为目标推荐信息。
7.如权利要求1所述的信息推荐方法，所述方法还包括：
接收所述用户基于所述目标推荐信息的响应信息；
根据所述响应信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
8.如权利要求1所述的信息推荐方法，所述方法还包括：
根据所述目标推荐信息和所述业务请求在所述推荐信息集合中确定进阶推荐信息；
向所述用户推荐所述进阶推荐信息。
9.一种信息推荐方法，包括：
接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的用户标识；
基于所述用户标识确定所述用户的用户属性信息；
根据所述用户属性信息确定所述用户对应的推荐信息集合；
根据所述话费充值请求和所述推荐信息集合确定目标推荐信息；
在所述话费充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
10.一种信息推荐装置，包括：
接收模块，被配置为接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；
第一确定模块，被配置为基于所述用户标识确定所述用户的用户属性信息；
第二确定模块，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
第三确定模块，被配置为根据所述业务请求和所述推荐信息集合确定目标推荐信息；
推荐模块，被配置为在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
11.一种信息推荐装置，包括：
接收模块，被配置为接收用户发送的话费充值请求，其中，所述话费充值请求中包括所述用户的用户标识；
属性信息确定模块，被配置为基于所述用户标识确定所述用户的用户属性信息；
推荐信息集合确定模块，被配置为根据所述用户属性信息确定所述用户对应的推荐信息集合；
目标推荐信息确定模块，被配置为根据所述话费充值请求和所述推荐信息集合确定目标推荐信息；
推荐模块，被配置为在所述话费充值请求处理完成的情况下，向所述用户推荐所述目标推荐信息。
12.一种计算设备，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指令，其特征在于，所述处理器执行所述指令时实现权利要求1-8或者9任意一项所述方法的步骤。
13.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求1-8或者9任意一项所述方法的步骤。
CN202011186386.1A 2020-10-29 2020-10-29 信息推荐方法及装置 Pending CN112215664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011186386.1A CN112215664A (zh) 2020-10-29 2020-10-29 信息推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011186386.1A CN112215664A (zh) 2020-10-29 2020-10-29 信息推荐方法及装置

Publications (1)

Publication Number Publication Date
CN112215664A true CN112215664A (zh) 2021-01-12

Family

ID=74057630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011186386.1A Pending CN112215664A (zh) 2020-10-29 2020-10-29 信息推荐方法及装置

Country Status (1)

Country Link
CN (1) CN112215664A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399352A (zh) * 2021-12-22 2022-04-26 中国电信股份有限公司 一种信息推荐方法、装置、电子设备及存储介质
CN116629322A (zh) * 2023-07-26 2023-08-22 南京邮电大学 复杂形态目标的分割方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104821963A (zh) * 2015-04-30 2015-08-05 华为技术有限公司 推荐信息展示方法及装置
CN108280098A (zh) * 2017-01-06 2018-07-13 北京京东尚科信息技术有限公司 信息推荐方法及装置
CN108460629A (zh) * 2018-02-10 2018-08-28 深圳壹账通智能科技有限公司 用户营销推荐方法、装置、终端设备及存储介质
CN110717536A (zh) * 2019-09-30 2020-01-21 北京三快在线科技有限公司 一种生成训练样本的方法及装置
CN111161035A (zh) * 2019-12-31 2020-05-15 北京三快在线科技有限公司 菜品推荐方法、装置、服务器、电子设备及存储介质
CN111177563A (zh) * 2019-12-31 2020-05-19 北京顺丰同城科技有限公司 一种信息推荐方法、装置、电子设备和存储介质
CN111242791A (zh) * 2020-01-07 2020-06-05 支付宝(杭州)信息技术有限公司 项目推荐方法以及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104821963A (zh) * 2015-04-30 2015-08-05 华为技术有限公司 推荐信息展示方法及装置
CN108280098A (zh) * 2017-01-06 2018-07-13 北京京东尚科信息技术有限公司 信息推荐方法及装置
CN108460629A (zh) * 2018-02-10 2018-08-28 深圳壹账通智能科技有限公司 用户营销推荐方法、装置、终端设备及存储介质
CN110717536A (zh) * 2019-09-30 2020-01-21 北京三快在线科技有限公司 一种生成训练样本的方法及装置
CN111161035A (zh) * 2019-12-31 2020-05-15 北京三快在线科技有限公司 菜品推荐方法、装置、服务器、电子设备及存储介质
CN111177563A (zh) * 2019-12-31 2020-05-19 北京顺丰同城科技有限公司 一种信息推荐方法、装置、电子设备和存储介质
CN111242791A (zh) * 2020-01-07 2020-06-05 支付宝(杭州)信息技术有限公司 项目推荐方法以及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399352A (zh) * 2021-12-22 2022-04-26 中国电信股份有限公司 一种信息推荐方法、装置、电子设备及存储介质
CN116629322A (zh) * 2023-07-26 2023-08-22 南京邮电大学 复杂形态目标的分割方法
CN116629322B (zh) * 2023-07-26 2023-11-10 南京邮电大学 复杂形态目标的分割方法

Similar Documents

Publication Publication Date Title
US20040215524A1 (en) Automated iterative offering method for communications networks
US20080270248A1 (en) System and device for social shopping on-line
CN111242748B (zh) 用于向用户推荐项目的方法、装置和存储介质
CN111652648A (zh) 智能生成个性化组合促销方案的方法及具有该方法的系统
US20200279191A1 (en) Personalized merchant scoring based on vectorization of merchant and customer data
CN102880972A (zh) 一种网络购物中提供个性化导购的方法、装置及系统
CN112215664A (zh) 信息推荐方法及装置
CN112581226A (zh) 产品推荐方法及系统
Akhmadi et al. Use of WhatsApp Application on Fruit Marketing Communication: A Traders’ Experience
CN107230130A (zh) 一种商圈数据显示方法
KR20200143759A (ko) 인공지능 챗봇 기반의 아울렛 커머스 서비스 제공 방법
CN110298730A (zh) 新零售模式下基于机器学习算法的商品推送方法及设备
CN113032694B (zh) 基于场景的查询方法及装置、存储介质、计算机设备
TWM633789U (zh) 媒合系統
CN114547480A (zh) 一种基于多平台融合的深度学习推荐方法以及系统
CN110502693B (zh) 在项目推荐中使用的方法、装置、计算设备及存储介质
CN103221971A (zh) 社交网络服务提供系统及方法
CN112231462A (zh) 数据处理方法及装置
JP7453120B2 (ja) 選択装置、選択方法及び選択プログラム
US11869036B2 (en) System and method for logistical assistance with data exchange
KR102501877B1 (ko) 크리에이터와 수익 공유를 위한 이커머스 기반 선물하기 서비스 제공 방법 및 장치
KR102573336B1 (ko) 고객 단말의 구독 정보 및 고객 정보에 기초하여 온라인 마켓을 추천하는 방법
KR102564355B1 (ko) 고객 정보를 이용하여 온라인 마켓의 판매 상품을 추천하는 방법
Sakdulyatham et al. Social Commerce’s Operation Activities Patterns in Thailand
CN113763111A (zh) 物品搭配方法、装置及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210112