CN112819533A - 信息推送方法、装置、电子设备及存储介质 - Google Patents
信息推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112819533A CN112819533A CN202110134156.9A CN202110134156A CN112819533A CN 112819533 A CN112819533 A CN 112819533A CN 202110134156 A CN202110134156 A CN 202110134156A CN 112819533 A CN112819533 A CN 112819533A
- Authority
- CN
- China
- Prior art keywords
- parameter
- analyzed
- article
- determining
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 7
- 230000002349 favourable effect Effects 0.000 abstract 1
- 239000012491 analyte Substances 0.000 description 25
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0255—Targeted advertisements based on user history
Abstract
本申请实施例公开了一种信息推送方法、装置、电子设备及存储介质。该方法包括:获取待分析物品的产品参数;根据所述待分析物品的产品参数,预测所述待分析物品的市场潜力值;在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。本申请实施例有利于提高待分析物品的推广效果。
Description
技术领域
本申请涉及信息处理技术领域,具体涉及一种信息推送方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,使用智能终端的用户日益增多。越来越多的平台通过推送系统向用户的智能终端推送广告、文章等信息,以达到增加点击率、推广盈利等目的。
现有的推送系统中,主要是获取很多用户在一定时间内的浏览数据,对浏览数据进行大数据分析,分析出目标用户,然后,将物品推送给目标用户。这种信息推送方式只是从用户角度出发,未考虑到物品本身的特性,导致推送效果交差,成功率低。
发明内容
本申请实施例提供了一种信息推送方法、装置、电子设备及存储介质,在推送信息的过程中考虑物品的市场潜力值,提高信息推送成功率。
第一方面,本申请实施例提供一种信息推送方法,包括:
获取待分析物品的产品参数;
获取所述待分析物品的物品属性;
根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;
根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;
根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;
在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
第二方面,本申请实施例提供一种信息推送装置,包括:
获取单元,用于获取待分析物品的产品参数;
处理单元,用于获取所述待分析物品的物品属性;根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
发送单元,用于向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
第三方面,本申请实施例提供一种电子设备,包括:处理器,所述处理器与存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如第一方面所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,具有如下有益效果:
可以看出,在本申请实施例中,先根据待分析物品的产品参数预测出该待分析物品的市场潜力值,在市场潜力值大于与该待分析物品对应的阈值的情况下,再获取与该待分析物品匹配的目标用户,然后,向目标用户的终端设备推送该待分析物品的详细信息,以推广该待分析物品。在市场潜力值大于阈值的情况下,才推广该待分析物品可以提高该待分析物品的推广效果,而且,是向与该待分析物品对应的目标用户进行推广,推广精度较高,提高推送成功率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种信息推送系统的架构图;
图2为本申请实施例提供的一种信息推送方法的流程示意图;
图3为本申请实施例提供的一种确定目标用户方法的流程示意图;
图4为本申请实施例提供的另一种确定目标用户方法的流程示意图;
图5为本申请实施例提供的一种社交拓扑图的示意图;
图6为本申请实施例提供的一种信息推送装置的功能单元组成框图;
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
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,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
首先,对本申请涉及到一些应用场景和相关名词进行解释和说明,以便更好地理解本申请的技术方案。
本申请实施例可以应用到各种物品的信息推送场景,比如,服装(上衣、短袖、毛衣,等等)、家电、家具、电子产品(比如,手机、平板、电脑,等等)、装修材料(墙纸、天花等等)、生活用品,等等。本申请中以待分析物品为服装为例进行举例说明。
本申请实施例中涉及的待分析的产品参数包括待分析物品的历史数据以及在当前时刻下的数据,每个同类物品的产品参数也包括每个同类物品的历史数据以及和在当前时刻下的数据,后续将产品参数按照此处的描述进行说明,不再叙述。
此外,该待分析物品的历史数据包括多个历史时刻下的历史数据,每个历史时刻下的历史数据包括该待分析物品在该历史时刻下的销售数据和评论数据,其中,每个历史时刻下的销售数据包括该待分析物品在该历史时刻下的价格、销售数量(该销售数量为上一个历史时刻到该历史时刻之间的销售数量)、广告投入以及成本,每个历史时刻下的评论数据包括该待分析物品在该历史时刻下的评分,以及在该历史时刻下与该待分析物品相关的评论的数量。同样,每个同类物品的历史数据包括多个历史时刻下的历史数据,且每个历史时刻下的历史数据包括同类物品在该历史时刻下的销售数据和评论数据,其中,每个历史时刻下的销售数据也包括同类物品在该历史时刻下的价格、销售数量(该销售数量为上一个历史时刻到该历史时刻之间的销售数量)和广告投入,每个历史时刻下的评论数据包括该每个历史时刻下该同类物品的评分,以及该历史时刻下与同类物品相关的评论的数量。
因此,该待分析物品在当前时刻下的数据包括该待分析物品在当前时刻下的广告投入、成本以及评论数据,其中,当前时刻下的评论数据包括当前时刻下该待分析物品的评分,以及当前时刻下与待分析物品相关的评论的数量。同样,每个同类物品在当前时刻下的数据包括该待分析物品在当前时刻下的广告投入、成本以及评论数据,其中,当前时刻下的评论数据包括当前时刻下每个同类物品的评分,以及当前时刻下与每个同类物品相关的评论的数量。
可以看出,与历史时刻相比,该待分析物品以及每个同类物品在当前时刻下的价格和销量是未知的,本申请也就是先建立出销量与价格之间的非线性关系,然后,基于该非线性关系预测该待分析物品在当前时刻下的市场潜力值。
参阅图1,图1为本申请实施例提供的一种信息推送系统的架构图。信息推送系统包括信息推送装置10和终端设备20。
基于图1示出的信息推送系统,信息推送装置10获取待分析物品的历史数据,并根据该待分析物品的历史数据,预测该待分析物品的市场潜力值;在该待分析物品的市场潜力值大于与该待分析物品对应的阈值的情况下,获取与该待分析物品匹配的目标用户,并终端设备20发送该待分析物品的详细信息,并在终端设备20的可视化界面展示该待分析物品的详细信息,以向用户展示该待分析物品的详细信息。
可以看出,在本申请实施例中,信息推送装置10先根据待分析物品的历史数据预测出该待分析物品的市场潜力值,在市场潜力值大于与该待分析物品对应的阈值的情况下,再获取与该待分析物品匹配的目标用户,然后,信息推送装置10向目标用户的终端设备20推送该待分析物品的详细信息,以推广该待分析物品。在市场潜力值大于阈值的情况下,才推广该待分析物品可以提高该待分析物品的推广效果,而且,是向与该待分析物品对应的目标用户进行待分析物品的推广,推广精度较高,提高推送成功率。
参阅图2,图2为本申请实施例提供的一种信息推送方法的流程示意图。该方法应用于信息推送装置。该方法包括如下步骤:
201:信息推送装置获取待分析物品的历史数据。
202:信息推送装置根据所述待分析物品的历史数据,预测所述待分析物品的市场潜力值。
示例性的,获取该待分析物品的物品属性,比如,该待分析物品为服装时,且该待分析物品的属性为男士毛衣;然后,根据该待分析物品的物品属性,确定与该待分析物品对应的同类物品(男士毛衣),并获取该同类物品中的每个同类物品的历史数据。
然后,根据该待分析物品的历史数据以及每个同类物品的历史数据,确定当前时刻下该待分析物品的第一参数与第二参数之间的非线性关系,其中,该第一参数为该待分析物品的销量,该第二参数为该待分析物品的价格;最后,根据该待分析物品的第一参数与该第二参数之间的非线性关系,预测该待分析物品的市场潜力值。
具体的,获取预先设定的参数集,其中,该第二参数为该参数集中的一个参数。示例性的,该参数集包括但不限于价格、广告成本、评论的数量以及评分。然后,本申请中假设该参数集中的每个参数对待分析物品的销量的影响是相互独立,且可以叠加的。因此,针对参数A,根据该待分析物品的历史数据以及每个同类物品的历史数据,确定该第一参数与该参数A之间的子非线性关系,其中,该参数A为该参数集中的任意一个参数。
具体的,根据该待分析物品的历史数据,确定参数A在该多个历史时刻下的多个第一取值,其中,每个历史时刻对应一个第一取值,即确定该参数A在该多个历史时刻下在该待分析物品中的取值,比如,该参数A为价格,且该待分析物品在多个历史时刻下的取值分别50元、55元、60元、50元,则该多个第一取值分别为50元、55元、60元、50元;同样,根据每个同类物品的历史数据,确定该参数A在多个历史时刻下与每个同类物品对应的多个第二取值,其中,每个历史时刻对应一个第二取值,即确定参数A在该多个历史时刻下在每个同类物品中的取值。
然后,在每个历史时刻下,根据参数A在该待分析物品中的第一取值,以及在每个同类物品中的第二取值,确定参数A在待分析物品中的第一取值在每个历史时刻下的排名。举例来说,若参数A在历史时刻T1下,在待分析物品中的第一取值为50,在同类物品中的第二取值分别为40,55,60,70,85,则参数A在历史时刻T1下在该待分析物品中的第一取值的排名为3;然后,根据参数A在待分析物品中的第一取值在每个历史时刻的排名,确定参数A在待分析物品中的第一取值在每个历史时刻对应的标准化取值,即通过横截面标准化处理,得到参数A在待分析物品中的第一取值在每个历史时刻的排名对应的标准化取值。示例性的,标准化取值可以通过公式(1)表示:
举例来说,如上所述,参数A在历史时刻T1下在该待分析物品中的第一取值的排名为3,同类物品的数量为5,则该参数A对应的标准化取值为0.5。
基于公式(1)可知,每个历史时刻可以求取出一个标准化取值,则参数A在多个历史时刻下,对应多个标准化取值。
应说明,对每个参数进行标准化处理,主要是预设的参数集中的参数维度不一致,为了使后面的子非线性关系的融合是可行的,则需要将所有的参数的取值标准化到无量纲的维度(即统一维度),便于后面非线性关系的叠加。
进一步的,根据该参数A在每个历史时刻的标准化取值,确定该第一参数与参数A之间的子非线性关系。
示例性的,第一参数与参数A之间的子非线性关系可以通过公式(2)表示:
因此,求解第一参数与参数A之间的子非线性关系实质上就是求解α0,α1,…,αn以及n的取值。
下面提供一种通过基于假设和求偏导求解α0,α1,…,αn以及n的方法。
首先,设定上述的多个历史时刻为m个历史时刻,m为大于1,则参数A对应有m个标准化取值;然后,先假设n=1,则从参数A在m个历史时刻下对应的m个标准化取值随机选择一个标准化取值为并将标准化取值代入公式(2),则可以得到如公式(3)所示的方程:
为使用n=1时的子非线性关系进行第一参数预测时,预测出的第一参数的标准化取值。应理解,若要想使n=1时的子非线性关系预测的效果最优,则需满足和之间的绝对差值最小,可以等价为差值的平方最小,其中,为与对应的第一参数的标准化取值(即实际的标准化取值)。
示例性的,该差值的平方可以通过公式(4)表示:
进一步的,在使ε最小的情况下,可求解出a0和a1的取值(后面详细介绍求取a0和a1的取值方法,在此不做过多介绍),即得到n=1时,第一参数与参数A之间的子非线性关系。
然后,假设n=2,并从m个标准化取值随机选择两个标准化取值,并建立如公式(2)示出的方程中,可以得到n=2时,第一参数与参数A之间的子非线性关系。
依次类推,假设n=m,则将m个标准化取值全部代入到公式(2)的方程中,可以构建出如公式(5)示出的方程组:
同样,在n=m时,预测出的第一参数的标准化取值和实际的第一参数的标准化取值之间的差值的平方可以通过公式(7)表示:
然后,将ε分别对a1,a2,…,am求偏导数,并令每个求出的偏导数等于0,经化简可以得到如公式(8)所示的方程组:
求解公式(8)中的方程组,可以得到a1,a2,…,am的取值,进而得到n=m时,第一参数和参数A之间的子非线性关系。
然后,分别获取n=1,2,3,……,m时的预测出的第一参数的标准化取值和实际的第一参数的标准化取值之间的绝对差值;然后,以n为变量,绝对差值为自变量在xoy坐标系中拟合出绝对差值与n之间的曲线方程;最后,根据该曲线方程确定出绝对差值的最小值,并确定该最小值对应的n的取值,若该取值为整数,则将该取值对应的子非线性关系作为参数A与第一参数之间的非线性关系;若该取值不是整数,则将距离该差值最近的整数对应的子非线性关系作为参数A与第一参数之间的非线性关系。
进一步的,在确定出每个参数与第一参数之间的非线性关系之后,将该参数集中的所有参数与第一参数之间的非线性关系进行叠加,得到该第一参数与该所有参数之间的非线性关系。然后,确定剩余参数中任意一个参数在该待分析物品中的取值在当前时刻的标准化取值,并将该取值输入到该第一参数与该所有参数之间的非线性关系,得到当前时刻下该待分析物品的第一参数与该第二参数之间的非线性关系,其中,该剩余参数为该所有参数中除该第二参数之外的参数。
应理解,确定该剩余参数中任意一个参数在该待分析物品中的取值在当前时刻的标准化取值,与上述确定参数A的标准化取值类似,不再叙述。
可选的,获取第二参数与预设参数之间的差值,其中,该预设参数可以理解为该待分析物品在当前时刻的成本;然后,根据该第一参数与该第二参数之间的非线性关系以及该差值,确定目标参数与该第二参数之间的非线性关系,其中,该目标参数为该待分析物品的预期收益。示例性的,该目标参数与该第二参数之间的非线性关系可以通过公式(9)表示:
P=(x-y)*(a0+a1*x+…+az*xz+B) 公式(9)
其中,P为目标期望,x为第二参数,y预设参数,a0+a1*x+…+az*xz为第二参数与第一参数之间的非线性关系,B为将剩余参数的标注化参数代入到第一参数与所有参数之间的非线性关系,并求和后得到的取值。
因此,根据公式(9),确定目标参数的最大值,并将该最大值作为该待分析物品的市场潜力值;并确定该最大值对应的x的取值,该x的取值为预期收入最大时,待分析物品在当前时刻的价格。因此,通过公式(9)可以制定出最合适的价格,使预期受益最大,提高了商家的收益率。
203:在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,信息推送装置获取与所述待分析物品匹配的目标用户。
其中,该阈值可以为0.5,0.6,0.7或者其他值。
示例性的,信息推送装置获取与该待分析物品匹配的目标用户,后面叙述获取目标用户的过程,在此不做过多描述。
204:信息推送装置向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
示例性的,该待分析物品的详细信息包括该待分析物品的价格、属性、图片、购买链接、评论详情等等。
可以看出,在本申请实施例中,先根据待分析物品的历史数据预测出该待分析物品的市场潜力值,在市场潜力值大于与该待分析物品对应的阈值的情况下,再获取与该待分析物品匹配的目标用户,然后,向目标用户的终端设备推送该待分析物品的详细信息,以推广该待分析物品。在市场潜力值大于阈值的情况下,才推广该待分析物品可以提高该待分析物品的推广效果,而且,是向与该待分析物品对应的目标用户进行推广,推广精度较高,提高推送成功率。
在本申请的一个实施方式中,在向目标用户的终端设备发送待分析物品的详细信息之后,还从目标用户的终端设备接收反馈信息;根据所述反馈信息,确定所述待分析物品的目标收益。示例性的,该反馈信息包括该目标用户针对该待分析物品的详细信息的操作,具体的,若该目标用户点开了该详细信息,并购买了该待分析物品或者将该待分析物品加入了购物车,则将该目标用户作为第一有效目标用户;若该目标用户点开了该详细信息,并且浏览了该待分析物品,则将该目标用户作为第二有效目标用户;若该目标用户未处理该详细信息,则将该目标用户作为无效目标用户;然后,根据该第一有效目标用户的数量、第二目标用户的数量以及该待分析物品在当前时刻的价格,确定该待分析物品的目标收益,比如,可以将第二目标用户的数量乘以预先设定的系数,得到最终的第二目标用户的数量,将该最终的第二目标用户的数量与该第一目标用户的数量之和作为目标数量,将该目标数量与每个待分析物品的利润(即该待分析物品在当前时刻的价格与成本的差值)乘积作为该待分析物品的目标收益;然后,根据所述待分析物品的目标收益,确定是否继续推送所述待分析物品的详细信息,比如,在该目标收益与本次推送该待分析物品的详细信息的花费之间的差值大于阈值的情况下,则继续推送该待分析物品的详细信息,否则,不再推送该待分析物品的详细信息。
可以看出,在本实施例中,通过对待分析物品的推广效果进行分析,避免一直盲目推送,提高推送的针对性。
参阅图3,图3为本申请实施例提供的一种确定目标用户的流程示意图。该方法应用于信息推送装置。该方法包括如下步骤:
301:信息推送装置获取多个候选用户。
示例性的,该多个候选用户是通过大数据分析得到的,即获取任意一个用户在预设时间段内的消费记录;根据该消费记录确定该用户的消费金额、消费频率、付费率,以及针对该待分析物品的同类物品的回购率;将消费金额、消费频率、付费率以及回购率满足条件的用户作为候选用户。
其中,该预设时间段可以为前3天、前5天、前一个月或者其他值。
302:信息推送装置根据所述多个候选用户中每个候选用户的社会属性,对所述多个候选用户进行聚类,得到多个聚类簇。
示例性的,每个候选用户的社会属性包括但不限于每个候选用户的工作,年龄,性别,学历,兴趣爱好以及家庭成员;然后,将每个候选用户的工作,年龄,性别,学历,兴趣爱好以及家庭成员作为每个候选用户的用户画像,基于每个候选用户的用户画像对该多个候选用户进行聚类,得到多个聚类簇。
303:信息推送装置获取所述多个聚类簇中每个聚类簇中的每个候选用户的候选物品集,所述每个候选用户的候选物品集包括所述每个候选用户已购买的物品和待购买的物品。
示例性的,每个候选用户的候选物品集中的每个候选用户已购买的物品为该候选用户在预设时间段内的物品。
304:信息推送装置将所述每个聚类簇中的每个候选用户的候选物品集进行合并,得到每个聚类簇对应的候选物品集。
305:在聚类簇A对应的候选物品集中包含所述待分析物品的情况下,信息推送装置将所述聚类簇A中的候选用户作为与所述待分析物品匹配的目标用户,所述聚类簇为所述多个聚类簇中的任意一个聚类簇。
可以看出,在本申请实施例中,通过用户的社会属性先将多个候选用户进行聚类,这样只要每个聚类簇中有一个候选用户与该待分析物品匹配,则确定该聚类簇中的每个候选用户都会与该待分析物品匹配,进而可以快速的筛选出批量的目标用户,提高信息推广效率。
参阅图4,图4为本申请实施例提供的另一种确定目标用户方法的流程示意图。该方法应用于信息推送装置。该方法包括如下步骤:
401:信息推送装置获取待分析物品的历史数据。
其中,该待分析物品的历史数据包括多个历史时刻下的历史数据,每个历史时刻下的历史数据包括该待分析物品在该历史时刻下的销售数据和评论数据,其中,每个历史时刻下的销售数据包括该待分析物品在该历史时刻下的价格、销售数量(该销售数量为上一个历史时刻到该历史时刻之间的销售数量)、广告投入以及成本,该评论数据包括该待分析物品的评分,以及与该待分析物品相关的评论的数量。
402:信息推送装置根据所述待分析物品的历史数据,预测所述待分析物品在当前时刻下的期望价格。
示例性的,该期望价格即是该待分析物品在当前时刻的价格,该价格可以通过图2示出的确定期望价格的方式确定,不再叙述。
403:信息推送装置获取任意一个用户的行为数据,根据所述任意一个用户的行为数据以及所述待分析物品在当前时刻下的期望价格,确定所述任意一个用户与所述待分析物品之间的匹配度。
示例性的,该用户的行为数据包括该用户在预设时间段内的消费金额、消费频率、付费率以及在目标物品上的回购率,其中,该目标物品为该待分析物品的同类物品,比如,该待分析物品为服装中的上衣,则该目标物品为上衣。该消费金额为该用户在该预设时间段内的平均消费金额,比如,在该预设时间段内买了5件物品,且总价为600元,则该用户在预设时间段内的消费金额为120元。消费频率为该预设时间段内的消费次数与预设时间段(即预设时间段的时长)之间的比值,付费率为在该预设时间段内成功购买物品的次数与加入购物车的物品的数量之间的比值,在预设时间段内该用户对同类物品的重复采购该目标物品的次数与该预设时间段(即预设时间段的时长)之间的比值。
示例性的,对该用户的消费金额进行编码,得到第一特征向量;对该用户的消费频率进行编码,得到第二特征向量;对该用户的付费率进行编码,得到第三特征向量;对该待分析物品的期望价格进行编码,得到第四特征向量;将该第一特征向量、第二特征向量、第三特征向量以及第四特征向进行编码,得到该用户的目标特征向量;然后,根据该用户的目标特征向量确定该用户与该待分析物品之间的匹配概率,将该匹配概率作为该用户与待分析物品之间的匹配度,其中,根据该用户的目标特征向量确定匹配概率的方式,与现有的使用神经网络进行分类的方式类似,即根据该用户的目标特征向量进行二分类,得到落入两个类别(匹配和不匹配)的概率,将落入类别“匹配”的概率作为该用户与该待分析物品之间的匹配概率。
下面以对消费金额为例说明对消费金额进行编码的过程。
示例性的,获取预先设置的多个价格区间,其中,任意两个价格区间的区间间隔可以相同,可以不同,本申请对此不做限定;然后,确定该用户的消费金额落入的价格区间;按照该多个价格区间从小到大的顺序进行赋值,得到该第一特征向量,其中,该第一特征向量的维度与该多个价格区间的数量相同,且该用户的消费金额所落入的价格区间所对应的维度取值为1,剩余价格区间对应的维度取值全部为0,该剩余价格区间为该多个价格区间中除该消费金额落入的价格区间之外的价格区间。
举例来说,该多个价格区间包括[0,10]、[10,20]、[20,30]、…、[990,1000],则该第一特征向量为一个100维的向量,若该用户的消费金额为35元,则该第一特征向量为[0,0,0,1,……,0](维度为100)。
因此,可以基于对消费金额编码类似的方法,分别对该消费频率、付费率以及期望价格进行编,得到该第二特征向量、第三特征向量以及第四特征向量。
404:信息推送装置根据所述任意一个用户与所述待分析物品之间的匹配度,确定与所述待分析物品对应的目标用户。
示例性的,在该任意一个用户与该待分析物品之间的匹配度大于第一阈值的情况下,将该任意一个用户作为与该待分析物品对应的目标用户。
可以看出,在本申请实施例中,先根据待分析物品的历史数据,预测出该待分析物品在当前时刻下的期望价格(即当前时刻下的定价);然后,根据该期望价格以及用户本身的行为数据筛选出与该待分析物品匹配的目标用户。因此,综合待分析物品的特征以及用户本身的特征筛选出目标用户,提高了目标用户的筛选精度。
在本申请的一个实施方式中,在该用户与待分析物品之间的匹配度大于第一阈值的情况下,还可以获取该用户的社交信息,该社交信息包括该用户所拥有的联系人,以及该用户所拥有的联系人拥有的联系人,当然,还可以往下扩展,本申请中只以两个度量为例说明。因此,如图5所示,可以根据该用户的社交信息,建立与该用户对应的社交拓扑图,其中,该社交拓扑图中包括目标节点和多个第一节点,该目标节点为该任意一个用户在该社交拓扑图中的节点,该多个第一节点为与该任意一个用户具有社交联系的多个用户在该社交拓扑图中的节点,该多个用户与该多个第一节点一一对应,该多个用户可以理解为该任意一个用户所拥有的联系人,或者,该任意一个用户所拥有的联系人的联系人(也可以称为间接联系人),因此,该社交关系包括直接社交或间接社交。然后,根据该社交拓扑图中的任意一个节点的目标特征向量以及该社交拓扑图中任意两个节点之间的亲密度,确定该目标节点与该多个第一节点中的每个第一节点之间的信息交流概率,其中,该任意一个节点的目标特征向量是由该任意一个节点对应的用户的行为数据确定,且确定任意一个节点的目标特征向量与上述确定目标特征向量的方式类似,不再叙述,该任意两个节点之间的亲密度是由该任意两个节点对应的用户在该预设时间段内的交流频率确定的,即确定该任意两个节点对应的用户在预设时间段内的交流频率,将该交流频率作为该两个节点之间的亲密度,比如,该预设时间段为8天,在这8天内,这两个节点对应的两个用户有4天是存在信息交流的,则这两个用户之间的交流频率为0.5,即亲密度为0.5;
具体的,确定第一节点i的目标特征向量与目标节点的目特征向量之间的第一相似度,其中,该第一节点i为该多个第一节点中的任意一个第一节点;在该第一节点i为与目标节点直接连接的情况下,如图5示出的第一节点B、第一节点C、第一节点D,将该第一节点i与目标节点之间的亲密度与该第一相似度的乘积组我诶第一节点i与目标节点之间的信息交流概率;在该第一节点i与目标节点间接连接的情况下,如图5示出的第一节点A、第一节点E,此处以节点A为例说明;将第一节点j(即第一节点B)与第一节点i(第一节点A)之间的亲密度与第一节点j与目标节点之间的亲密度的乘积,作为第一节点i与目标节点之间的亲密度;然后,将该第一节点i与目标节点之间的亲密度与该第一节点i与目标节点之间的第一相似度的乘积,作为第一节点i与目标节点之间的信息交流概率,其中,该第一节点j与第一节点i直接连接,第一节点j与目标节点直接连接。
应理解,本申请中在第一节点与目标节点间接连接的情况下,只是以两个节点之间间隔了一个节点为例说明,在实际应用中,该两个节点之间还可以间隔更多的节点,且间隔更多的节点的方式与间隔一个节点的方式类似,不再叙述。
应理解,先确定目标节点的目标特征向量与每个第一节点的目标特征向量之间的第一相似度,可以表征出目标节点对应的用户与每个第一节点对应的用户,同时与待分析物品的匹配度,这样也就表明了,如果将待分析物品的详细信息发送给目标节点的用户,该用户会有多大的概率将该信息发送给每个第一节点对应的用户。但是,由于目标节点和第一节点并不是直接连接,或者也不一定频繁交流,因此,再第一相似度的基础上再乘以交流概率,得到的信息交流概率,就可以精确的率用于表征发送给该任意一个月用户的信息从该任意一个用户传输给每个第一节点对应的用户的概率。也就是说,在将该分析物品的详细信息发送给该任意一个用户的情况下,该待分析物品的详细信息有多大的概率从该用户这里传输到每个第一节点对应的用户那里。
进一步的,获取信息交流概率大于第二阈值的第一节点的数量;并确定出该信息交流概率大于第二阈值的第一节点的数量大于第三阈值。示例性的,在信息交流概率大于第二阈值,则有一定的把握认为信息可以从该用户传输给第一节点对应的用户,并且在该数量大于第三阈值的情况下,则确定该用户可以将信息传输给很多用户,这样该用户的影响力会很大,从而可以将这样的用户作为目标用户,这样在将该待分析物品的详细信息发送给该任意一个用户后,该详细信息可以传输给很多用户,实现仅向一个人进行信息推送,即可完成大面积的信息推送,也就实现在降低推广成本的情况下,还可以提高推广效果。
可以看出,在本申请实施例中,先根据待分析物品的历史数据,预测出该待分析物品在当前时刻下的期望价格(即当前时刻下的定价);然后,根据该期望价格以及用户本身的行为数据筛选出与该待分析物品匹配的目标用户。因此,综合待分析物品的特征以及用户本身的特征筛选出目标用户,提高了目标用户的筛选精度,由于筛选出的目标用户的精度较高,则可以提高向目标用户进行信息推广的推广效果。
参阅图6,图6本申请实施例提供的一种信息推送装置的功能单元组成框图。信息推送装置600包括:获取单元601、处理单元602和发送单元603,其中:
获取单元601,用于获取待分析物品的产品参数;
处理单元602,用于获取所述待分析物品的物品属性;根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
发送单元603,用于向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
在一些可能的实施方式中,所述待分析物品的产品参数包括所述待分析物品的历史数据以及所述待分析物品在当前时刻的数据,所述每个同类物品的产品参数包括所述每个同类物品的历史数据以及所述每个同类物品在当前时刻的数据;在根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系方面,处理单元602,具体用于:
获取预先设定的参数集,所述第二参数为所述参数集中的一个参数;
针对参数A,根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系,其中,所述参数A为所述参数集中的任意一个参数;
将所述第一参数与所述参数集中的所有参数之间的子非线性关系进行融合,得到所述第一参数与所述所有参数之间的非线性关系;
根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
在一些可能的实施方式中,在根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系方面,处理单元602,具体用于:
根据所述待分析物品的历史数据,确定所述参数A在所述多个历史时刻下的多个第一取值,以及根据所述每个同类物品的历史数据,确定所述参数A在所述多个历史时刻下与所述每个同类物品对应的多个第二取值,所述多个历史时刻与所述多个第一取值一一对应,所述多个第二取值与所述多个历史时刻一一对应;
在每个历史时刻下,根据所述参数A在所述待分析物品中的第一取值,以及在所述每个同类物品中的第二取值,确定所述参数A在所述待分析物品中的第一取值在所述每个历史时刻的排名;
根据所述参数A在所述待分析物品中的第一取值在所述每个历史时刻的排名,确定所述参数A在所述待分析物品中的第一取值在所述每个历史时刻对应的标准化取值;
根据所述参数A在所述每个历史时刻的标准化取值,确定所述第一参数与所述参数A之间的子非线性关系。
在一些可能的实施方式中,在根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系方面,处理单元602,具体用于:
确定剩余参数中任意一个参数在所述待分析物品中的取值在当前时刻的标准化取值,其中,所述剩余参数为所述参数集中除所述第二参数之外的参数;
将所述剩余参数中任意一个参数在所述待分析物品中的取值在当前时刻的标准化取值输入到所述第一参数与所述所有参数之间的非线性关系,得到当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
在一些可能的实施方式中,在根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值方面,处理单元602,具体用于:
在一些可能的实施方式中,在处理单元602获取与所述待分析物品匹配的目标用户之前,获取单元601,还用于获取多个候选用户;
处理单元602,还用于根据所述多个候选用户中每个候选用户的社会属性,对所述多个候选用户进行聚类,得到多个聚类簇;获取所述多个聚类簇中每个聚类簇中的每个候选用户的候选物品集,所述每个候选用户的候选物品集包括所述每个候选用户已购买的物品和待购买的物品;将所述每个聚类簇中的每个候选用户的候选物品集进行合并,得到每个聚类簇对应的候选物品集;在聚类簇A对应的候选物品集中包含所述待分析物品的情况下,将所述聚类簇A中的候选用户作为与所述待分析物品匹配的目标用户。
参阅图7,图7为本申请实施例提供的一种电子设备的结构示意图。如图7所示,电子设备700包括收发器701、处理器702和存储器703。它们之间通过总线704连接。存储器703用于存储计算机程序和数据,并可以将存储器703存储的数据传输给处理器702。
处理器702用于读取存储器703中的计算机程序执行以下操作:
获取待分析物品的产品参数;
获取所述待分析物品的物品属性;
根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;
根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;
根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;
在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
在一些可能的实施方式中,所述待分析物品的产品参数包括所述待分析物品的历史数据以及所述待分析物品在当前时刻的数据,所述每个同类物品的产品参数包括所述每个同类物品的历史数据以及所述每个同类物品在当前时刻的数据;在根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系方面,处理器702具体用于执行以下操作:
获取预先设定的参数集,所述第二参数为所述参数集中的一个参数;
针对参数A,根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系,其中,所述参数A为所述参数集中的任意一个参数;
将所述第一参数与所述参数集中的所有参数之间的子非线性关系进行融合,得到所述第一参数与所述所有参数之间的非线性关系;
根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
应理解,本申请中的电子设备可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(MobileInternet Devices,简称:MID)或穿戴式设备等。上述电子设备仅是举例,而非穷举,包含但不限于上述电子设备。在实际应用中,上述电子设备还可以包括:智能车载终端、计算机设备等等。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种信息推送方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种信息推送方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,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,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。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可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,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,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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
获取待分析物品的产品参数;
获取所述待分析物品的物品属性;
根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;
根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;
根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;
在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
2.根据权利要求1所述的方法,其特征在于,所述待分析物品的产品参数包括所述待分析物品的历史数据以及所述待分析物品在当前时刻的数据,所述每个同类物品的产品参数包括所述每个同类物品的历史数据以及所述每个同类物品在当前时刻的数据;
所述根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系,包括:
获取预先设定的参数集,所述第二参数为所述参数集中的一个参数;
针对参数A,根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系,其中,所述参数A为所述参数集中的任意一个参数;
将所述第一参数与所述参数集中的所有参数之间的子非线性关系进行融合,得到所述第一参数与所述所有参数之间的非线性关系;
根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系,包括:
根据所述待分析物品的历史数据,确定所述参数A在所述多个历史时刻下的多个第一取值,以及根据所述每个同类物品的历史数据,确定所述参数A在所述多个历史时刻下与所述每个同类物品对应的多个第二取值,所述多个历史时刻与所述多个第一取值一一对应,所述多个第二取值与所述多个历史时刻一一对应;
在每个历史时刻下,根据所述参数A在所述待分析物品中的第一取值,以及在所述每个同类物品中的第二取值,确定所述参数A在所述待分析物品中的第一取值在所述每个历史时刻的排名;
根据所述参数A在所述待分析物品中的第一取值在所述每个历史时刻的排名,确定所述参数A在所述待分析物品中的第一取值在所述每个历史时刻对应的标准化取值;
根据所述参数A在所述每个历史时刻的标准化取值,确定所述第一参数与所述参数A之间的子非线性关系。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系,包括:
确定剩余参数中任意一个参数在所述待分析物品中的取值在当前时刻的标准化取值,其中,所述剩余参数为所述参数集中除所述第二参数之外的参数;
将所述剩余参数中任意一个参数在所述待分析物品中的取值在当前时刻的标准化取值输入到所述第一参数与所述所有参数之间的非线性关系,得到当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值,包括:
获取第二参数与预设参数之间的差值;
根据所述第一参数与所述第二参数之间的非线性关系,以及所述差值,确定目标参数与所述第二参数之间的非线性关系;
根据所述目标参数与所述第二参数之间的非线性关系,确定所述目标参数的最大值;
将所述目标参数的最大值作为所述待分析物品的市场潜力值。
6.根据权利要求1-5任一项所述的方法,其特征在于,获取与所述待分析物品匹配的目标用户之前,所述方法还包括:
获取多个候选用户;
根据所述多个候选用户中每个候选用户的社会属性,对所述多个候选用户进行聚类,得到多个聚类簇;
获取所述多个聚类簇中每个聚类簇中的每个候选用户的候选物品集,所述每个候选用户的候选物品集包括所述每个候选用户已购买的物品和待购买的物品;
将所述每个聚类簇中的每个候选用户的候选物品集进行合并,得到每个聚类簇对应的候选物品集;
在聚类簇A对应的候选物品集中包含所述待分析物品的情况下,将所述聚类簇A中的候选用户作为与所述待分析物品匹配的目标用户,所述聚类簇为所述多个聚类簇中的任意一个聚类簇。
7.一种信息推送装置,其特征在于,包括:
获取单元,用于获取待分析物品的产品参数;
处理单元,用于获取所述待分析物品的物品属性;根据所述待分析物品的物品属性,确定与所述待分析物品对应的同类物品并获取所述同类物品中的每个同类物品的产品参数;根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系;根据所述待分析物品的第一参数与第二参数之间的非线性关系,预测所述待分析物品的市场潜力值;在所述待分析物品的市场潜力值大于与所述待分析物品对应的阈值的情况下,获取与所述待分析物品匹配的目标用户;
发送单元,用于向所述目标用户的终端设备发送所述待分析物品的详细信息,以在所述目标用户的终端设备的可视化界面展示所述待分析物品的详细信息。
8.根据权利要求7所述的装置,其特征在于,所述待分析物品的产品参数包括所述待分析物品的历史数据以及所述待分析物品在当前时刻的数据,所述每个同类物品的产品参数包括所述每个同类物品的历史数据以及所述每个同类物品在当前时刻的数据;
在根据所述待分析物品的产品参数以及所述每个同类物品的产品参数,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系方面,所述处理单元,具体用于:
获取预先设定的参数集,所述第二参数为所述参数集中的一个参数;
针对参数A,根据所述待分析物品的历史数据以及所述每个同类物品的历史数据,确定所述第一参数与所述参数A之间的子非线性关系,其中,所述参数A为所述参数集中的任意一个参数;
将所述第一参数与所述参数集中的所有参数之间的子非线性关系进行融合,得到所述第一参数与所述所有参数之间的非线性关系;
根据所述待分析物品以及所述每个同类物品在当前时刻下的数据,以及所述第一参数与所述所有参数之间的非线性关系,确定当前时刻下所述待分析物品的第一参数与第二参数之间的非线性关系。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110134156.9A CN112819533A (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110134156.9A CN112819533A (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112819533A true CN112819533A (zh) | 2021-05-18 |
Family
ID=75860840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110134156.9A Pending CN112819533A (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819533A (zh) |
Citations (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411591A (zh) * | 2010-09-21 | 2012-04-11 | 阿里巴巴集团控股有限公司 | 一种信息处理的方法及设备 |
CN102629360A (zh) * | 2012-03-13 | 2012-08-08 | 浙江大学 | 一种有效的动态商品推荐方法及商品推荐系统 |
CN104281890A (zh) * | 2014-10-08 | 2015-01-14 | 电子科技大学 | 电子商务系统中预测流行商品的方法和系统 |
CN104318452A (zh) * | 2014-05-04 | 2015-01-28 | 广西中烟工业有限责任公司 | 面向产品的零售点营销推荐方法 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
WO2016125237A1 (ja) * | 2015-02-02 | 2016-08-11 | 楽天株式会社 | リコメンド装置、リコメンド方法、記録媒体、ならびに、プログラム |
CN106295832A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 产品信息推送方法及装置 |
CN107437203A (zh) * | 2017-08-07 | 2017-12-05 | 北京京东尚科信息技术有限公司 | 信息推送方法、装置、电子装置及计算机可读介质 |
CN107563859A (zh) * | 2017-08-31 | 2018-01-09 | 深圳前海弘稼科技有限公司 | 商品推荐方法、装置、设备及存储介质 |
CN107730337A (zh) * | 2016-08-12 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108074003A (zh) * | 2016-11-09 | 2018-05-25 | 北京京东尚科信息技术有限公司 | 预测信息推送方法和装置 |
CN108322545A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器及计算机可读介质 |
CN108563690A (zh) * | 2018-03-15 | 2018-09-21 | 中山大学 | 一种基于面向对象聚类的协同过滤推荐方法 |
CN109145280A (zh) * | 2017-06-15 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN109559151A (zh) * | 2018-10-24 | 2019-04-02 | 口碑(上海)信息技术有限公司 | 一种引流商品识别方法、装置以及电子设备 |
CN109961299A (zh) * | 2017-12-14 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 数据分析的方法和装置 |
CN109993568A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN110135876A (zh) * | 2018-02-09 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 销量预测的方法及装置 |
CN110135878A (zh) * | 2018-02-09 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 用于确定销售价格的方法及装置 |
CN110163565A (zh) * | 2019-05-05 | 2019-08-23 | 中国银行股份有限公司 | 新产品的创建方法及装置 |
CN110298716A (zh) * | 2018-03-22 | 2019-10-01 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN110413874A (zh) * | 2019-06-17 | 2019-11-05 | 浙江工业大学 | 一种基于服饰属性匹配的服装推荐方法 |
CN110503456A (zh) * | 2019-07-11 | 2019-11-26 | 四川省菜蓝子科技有限公司 | 一种生鲜产品生产指导方法及生产指导系统 |
CN110580649A (zh) * | 2018-06-08 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 一种商品潜力值的确定方法和装置 |
CN110704727A (zh) * | 2019-08-30 | 2020-01-17 | 中国平安人寿保险股份有限公司 | 信息推送方法、装置和计算机设备 |
CN110874775A (zh) * | 2018-08-30 | 2020-03-10 | 中兴通讯股份有限公司 | 一种商品推送的方法及装置、设备、存储介质 |
CN111028062A (zh) * | 2019-12-12 | 2020-04-17 | 名创优品(横琴)企业管理有限公司 | 一种潜力商品挖掘方法、装置及计算机可读存储介质 |
CN111046229A (zh) * | 2018-10-11 | 2020-04-21 | 广东阿里影业云智软件有限公司 | 一种信息推送方法和服务端设备 |
CN111160967A (zh) * | 2019-12-27 | 2020-05-15 | 北京市商汤科技开发有限公司 | 数据处理方法、装置及存储介质 |
CN111199428A (zh) * | 2020-01-03 | 2020-05-26 | 江苏苏宁物流有限公司 | 商品推荐方法、装置、存储介质及计算机设备 |
CN111415208A (zh) * | 2020-03-27 | 2020-07-14 | 中储南京智慧物流科技有限公司 | 基于逆推方法和动态定价模型的新产品定价系统及方法 |
CN111523010A (zh) * | 2019-02-03 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 推荐方法、装置、终端设备及计算机存储介质 |
CN111612583A (zh) * | 2020-05-19 | 2020-09-01 | 江苏大学 | 一种基于聚类的个性化导购系统 |
CN111652657A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111815413A (zh) * | 2020-07-09 | 2020-10-23 | 湖南数客星球信息技术有限公司 | 一种基于热点事件的大数据商品预测系统及方法 |
CN111815350A (zh) * | 2020-05-28 | 2020-10-23 | 杭州览众数据科技有限公司 | 一种基于排序学习的商品热度排名方法 |
CN111859149A (zh) * | 2020-08-03 | 2020-10-30 | 腾讯科技(北京)有限公司 | 资讯信息推荐方法、装置、电子设备及存储介质 |
CN112015996A (zh) * | 2020-10-21 | 2020-12-01 | 未鲲(上海)科技服务有限公司 | 业务资源推荐方法、装置、计算机设备及存储介质 |
CN112016958A (zh) * | 2020-08-18 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 产品选择方法、装置、电子设备及存储介质 |
CN112150182A (zh) * | 2019-06-28 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 多媒体文件推送方法和装置、存储介质及电子装置 |
US20210012359A1 (en) * | 2018-03-27 | 2021-01-14 | Culture Convenience Club Co., Ltd. | Device, method and computer-readable medium for making recommendations on the basis of customer attribute information |
CN112241904A (zh) * | 2020-10-23 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品销售量预测方法、装置、计算机设备和存储介质 |
CN112258268A (zh) * | 2020-10-16 | 2021-01-22 | 百度国际科技(深圳)有限公司 | 确定推荐模型和确定物品价格的方法、装置、设备和介质 |
-
2021
- 2021-01-29 CN CN202110134156.9A patent/CN112819533A/zh active Pending
Patent Citations (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411591A (zh) * | 2010-09-21 | 2012-04-11 | 阿里巴巴集团控股有限公司 | 一种信息处理的方法及设备 |
CN102629360A (zh) * | 2012-03-13 | 2012-08-08 | 浙江大学 | 一种有效的动态商品推荐方法及商品推荐系统 |
CN104318452A (zh) * | 2014-05-04 | 2015-01-28 | 广西中烟工业有限责任公司 | 面向产品的零售点营销推荐方法 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN104281890A (zh) * | 2014-10-08 | 2015-01-14 | 电子科技大学 | 电子商务系统中预测流行商品的方法和系统 |
WO2016125237A1 (ja) * | 2015-02-02 | 2016-08-11 | 楽天株式会社 | リコメンド装置、リコメンド方法、記録媒体、ならびに、プログラム |
CN106295832A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 产品信息推送方法及装置 |
CN107730337A (zh) * | 2016-08-12 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108074003A (zh) * | 2016-11-09 | 2018-05-25 | 北京京东尚科信息技术有限公司 | 预测信息推送方法和装置 |
CN109145280A (zh) * | 2017-06-15 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN107437203A (zh) * | 2017-08-07 | 2017-12-05 | 北京京东尚科信息技术有限公司 | 信息推送方法、装置、电子装置及计算机可读介质 |
CN107563859A (zh) * | 2017-08-31 | 2018-01-09 | 深圳前海弘稼科技有限公司 | 商品推荐方法、装置、设备及存储介质 |
CN109961299A (zh) * | 2017-12-14 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 数据分析的方法和装置 |
CN109993568A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN110135878A (zh) * | 2018-02-09 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 用于确定销售价格的方法及装置 |
CN110135876A (zh) * | 2018-02-09 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 销量预测的方法及装置 |
CN108322545A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器及计算机可读介质 |
CN108563690A (zh) * | 2018-03-15 | 2018-09-21 | 中山大学 | 一种基于面向对象聚类的协同过滤推荐方法 |
CN110298716A (zh) * | 2018-03-22 | 2019-10-01 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
US20210012359A1 (en) * | 2018-03-27 | 2021-01-14 | Culture Convenience Club Co., Ltd. | Device, method and computer-readable medium for making recommendations on the basis of customer attribute information |
CN110580649A (zh) * | 2018-06-08 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 一种商品潜力值的确定方法和装置 |
CN110874775A (zh) * | 2018-08-30 | 2020-03-10 | 中兴通讯股份有限公司 | 一种商品推送的方法及装置、设备、存储介质 |
CN111046229A (zh) * | 2018-10-11 | 2020-04-21 | 广东阿里影业云智软件有限公司 | 一种信息推送方法和服务端设备 |
CN109559151A (zh) * | 2018-10-24 | 2019-04-02 | 口碑(上海)信息技术有限公司 | 一种引流商品识别方法、装置以及电子设备 |
CN111523010A (zh) * | 2019-02-03 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 推荐方法、装置、终端设备及计算机存储介质 |
CN110163565A (zh) * | 2019-05-05 | 2019-08-23 | 中国银行股份有限公司 | 新产品的创建方法及装置 |
CN110413874A (zh) * | 2019-06-17 | 2019-11-05 | 浙江工业大学 | 一种基于服饰属性匹配的服装推荐方法 |
CN112150182A (zh) * | 2019-06-28 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 多媒体文件推送方法和装置、存储介质及电子装置 |
CN110503456A (zh) * | 2019-07-11 | 2019-11-26 | 四川省菜蓝子科技有限公司 | 一种生鲜产品生产指导方法及生产指导系统 |
CN110704727A (zh) * | 2019-08-30 | 2020-01-17 | 中国平安人寿保险股份有限公司 | 信息推送方法、装置和计算机设备 |
CN111028062A (zh) * | 2019-12-12 | 2020-04-17 | 名创优品(横琴)企业管理有限公司 | 一种潜力商品挖掘方法、装置及计算机可读存储介质 |
CN111160967A (zh) * | 2019-12-27 | 2020-05-15 | 北京市商汤科技开发有限公司 | 数据处理方法、装置及存储介质 |
CN111199428A (zh) * | 2020-01-03 | 2020-05-26 | 江苏苏宁物流有限公司 | 商品推荐方法、装置、存储介质及计算机设备 |
CN111415208A (zh) * | 2020-03-27 | 2020-07-14 | 中储南京智慧物流科技有限公司 | 基于逆推方法和动态定价模型的新产品定价系统及方法 |
CN111612583A (zh) * | 2020-05-19 | 2020-09-01 | 江苏大学 | 一种基于聚类的个性化导购系统 |
CN111815350A (zh) * | 2020-05-28 | 2020-10-23 | 杭州览众数据科技有限公司 | 一种基于排序学习的商品热度排名方法 |
CN111652657A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111815413A (zh) * | 2020-07-09 | 2020-10-23 | 湖南数客星球信息技术有限公司 | 一种基于热点事件的大数据商品预测系统及方法 |
CN111859149A (zh) * | 2020-08-03 | 2020-10-30 | 腾讯科技(北京)有限公司 | 资讯信息推荐方法、装置、电子设备及存储介质 |
CN112016958A (zh) * | 2020-08-18 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 产品选择方法、装置、电子设备及存储介质 |
CN112258268A (zh) * | 2020-10-16 | 2021-01-22 | 百度国际科技(深圳)有限公司 | 确定推荐模型和确定物品价格的方法、装置、设备和介质 |
CN112015996A (zh) * | 2020-10-21 | 2020-12-01 | 未鲲(上海)科技服务有限公司 | 业务资源推荐方法、装置、计算机设备及存储介质 |
CN112241904A (zh) * | 2020-10-23 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品销售量预测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
武玉英;孙平;何喜军;蒋国瑞;: "基于迁移学习的新产品销量预测模型", 系统工程, no. 06, 28 June 2018 (2018-06-28) * |
王兆国;谢峰;关毅;薛一波;: "一种基于线性回归的新型推荐方法", 智能计算机与应用, no. 04, 28 August 2017 (2017-08-28) * |
闵敏;: "基于聚类协作过滤的商品个性化推荐系统的实现", 制造业自动化, no. 02, 25 February 2010 (2010-02-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960992A (zh) | 一种信息推荐方法以及相关设备 | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
CN110163703B (zh) | 一种分类模型建立方法、文案推送方法和服务器 | |
CN103345695A (zh) | 一种商品推荐的方法和装置 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
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 | |
CN108805598A (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113689259A (zh) | 基于用户行为的商品个性化推荐方法及系统 | |
WO2014110950A1 (en) | Method and device for pushing information | |
CN112150238A (zh) | 一种基于深度神经网络的商品推荐方法及系统 | |
CN111461827A (zh) | 产品评价信息的推送方法和装置 | |
CN109767302B (zh) | 大数据精准模型的构建方法及装置 | |
CN107274247A (zh) | 基于云计算的智慧感知推荐方法 | |
CN112036987B (zh) | 确定推荐商品的方法和装置 | |
CN113495991A (zh) | 一种推荐方法和装置 | |
CN112819533A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN112036988B (zh) | 标签生成方法和装置、存储介质及电子设备 | |
CN112800329A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN104050174B (zh) | 一种个性化页面生成方法及装置 | |
CN113781171A (zh) | 信息推送方法、装置、设备及存储介质 | |
CN113191840A (zh) | 物品信息显示方法、装置、电子设备和计算机可读介质 | |
CN112055080A (zh) | 区域数字经济的物联网服务方法、装置和终端 | |
CN113297467A (zh) | 推荐方法、装置及计算机存储介质 |
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 |