CN112883276B - 一种用户触达的执行方法、装置、电子设备及存储介质 - Google Patents
一种用户触达的执行方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112883276B CN112883276B CN202110285230.7A CN202110285230A CN112883276B CN 112883276 B CN112883276 B CN 112883276B CN 202110285230 A CN202110285230 A CN 202110285230A CN 112883276 B CN112883276 B CN 112883276B
- Authority
- CN
- China
- Prior art keywords
- touch
- user
- touched
- response
- plan
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及数据处理技术领域，尤其涉及一种用户触达的执行方法、装置、电子设备及存储介质，方法为：获得每个待触达用户各自适用的触达计划集合，预估对应的待触达用户对于触达计划的第一类响应概率和第二类响应概率，然后确定待触达用户对触达计划进行响应的预估响应概率，再分别决策每个待触达用户的触达计划，并执行触达。这样，在建立基于触达时间、触达方式，以及触达内容多因素考虑的触达计划，并进行决策的过程中，避免了人工单因素决策造成的决策冲突问题，有效执行用户触达。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种用户触达的执行方法、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，为维护用户生命周期价值，通常借助于触达的方式与用户保持长期的联系，并根据决策出的触达方案，实现用户触达，所述用户触达是指在采用特定的方式，向特定的用户发送消息。
相关技术下，在决策触达方案时，一方面借助于从业人员的相关经验，以及大数据分析的手段，进行人工决策；另一方面，针对每个用户，分别以触达时间作为考量依据确定最优触达时间、以触达内容作为考量依据确定最优触达内容，进而整合完成触达方案的决策。
但是，对于人工决策的方式来说，由于从业人员的经验参差不齐，对于用户触达的决策效率低且无法保证用户触达的执行效果，而对于分别以单因素作为考量依据进行触达决策时，触达决策中的部分内容存在冲突，如，分别确定触达方式和触达时间后，发现不支持在该触达时间采用该触达方式进行触达，单因素的最优解无法保证决策的触达方案能够实现最优的反馈效果，且每个用户的决策相互独立，无法保证资源的最优分配。
发明内容
本公开实施例提供一种用户触达的执行方法、装置、电子设备及存储介质，用以解决现有技术中存在的执行用户触达时，在进行人工决策后执行触达时无法保证触达效果，以及由于单因素的决策方式存在不同因素之间的决策冲突，无法有效执行用户触达的问题。
本发明实施例提供的具体技术方案如下：
第一方面，提出一种用户触达的执行方法，包括：
获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达内容、触达时间，以及触达方式；
针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率；
针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率；
基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
可选的，所述获得每个待触达用户适用的触达计划集合，包括：
获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系；
根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户，以及根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
可选的，所述获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系，包括：
根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系；
所述根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合，包括：
确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，并针对每个待触达用户，分别根据适用的触达方式与适用的触达时间之间的第一约束关系、适用的触达内容与适用的触达方式的第二约束关系，以及适用的触达内容与适用的触达时间之间的第三约束关系，从所述候选触达计划集合中筛选出满足所述第一约束关系、第二约束关系，以及所述第三约束关系的候选触达计划，生成对应的触达计划集合。
可选的，所述分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，包括：
分别获取在当前时间前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量；
分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值；
根据所述触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关。
可选的，触达内容至少包括以下任意一项或组合：
基于指定风格的文本模板生成的文本内容；
包含目标对象的文本内容；
能够降低用户的资源投入的提示信息。
可选的，所述根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率，包括：
基于获取的所述指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率；
基于获取的所述指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率；
使用兴趣评估模型，基于所述对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率；
将所述风格响应概率、信息响应概率，以及所述点击概率，作为所述对应的待触达用户对所述触达内容进行响应的第二类响应概率。
可选的，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
可选的，所述基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，决策触达所述每个待触达用户各自的触达计划，包括：
分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组；
基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达；
基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
可选的，所述基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，包括：
基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量；
基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量；
基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
可选的，所述基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，包括：
分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值；
采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
第二方面，提出一种用户触达的执行装置，包括：
获取单元，用于获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达时间、触达方式，以及触达内容；
预估单元，用于针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率；
输出单元，用于针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率；
决策单元，用于基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
可选的，所述获得每个待触达用户适用的触达计划集合时，所述获取单元用于：
获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系；
根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户，以及根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
可选的，所述获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系时，所述获取单元用于：
根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系；
所述根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合，包括：
确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，并针对每个待触达用户，分别根据适用的触达方式与适用的触达时间之间的第一约束关系、适用的触达内容与适用的触达方式的第二约束关系，以及适用的触达内容与适用的触达时间之间的第三约束关系，从所述候选触达计划集合中筛选出满足所述第一约束关系、第二约束关系，以及所述第三约束关系的候选触达计划，生成对应的触达计划集合。
可选的，所述分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率时，所述预估单元用于：
分别获取在当前时间段前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量；
分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值；
根据所述触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关。
可选的，触达内容至少包括以下任意一项或组合：
基于指定风格的文本模板生成的文本内容；
包含目标对象的文本内容；
能够降低用户的资源投入的提示信息。
可选的，所述根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率时，所述预估单元用于：
基于获取的所述指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率；
基于获取的所述指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率；
使用兴趣评估模型，基于所述对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率；
将所述风格响应概率、信息响应概率，以及所述点击概率，作为所述对应的待触达用户对所述触达内容进行响应的第二类响应概率。
可选的，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
可选的，所述基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，决策触达所述每个待触达用户各自的触达计划时，所述决策单元用于：
分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组；
基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达；
基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
可选的，所述基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值时，所述决策单元用于：
基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量；
基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量；
基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
可选的，所述基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值时，所述决策单元用于：
分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值；
采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
第三方面，提出一种控制设备，包括：
至少一个存储器，用于存储程序指令；
至少一个处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行上述第一方面中任一项所述的方法的步骤。
第四方面，提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一所述方法的步骤。
本发明有益效果如下：
本公开实施例中，获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达内容、触达时间，以及触达方式，再针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率，然后针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率，再基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。这样，针对每个待触达用户，建立基于触达时间、触达方式，以及触达内容多因素考虑的触达计划，并借助于已训练的逻辑回归模型，基于待触达用户对于触达计划的第一类响应概率和第二类响应概率，得到待触达用户对于触达计划的预估响应概率，进而实现触达计划的决策，避免了人工单因素决策所造成的决策冲突问题，提升了用户触达的决策效率，同时，通过针对性的决策每个待触达用户对应的触达计划，使得能够针对每个待触达用户决策出最优的触达计划，最大程度上提升了用户触达的响应效果。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1为本公开实施例中用户触达的执行的应用场景示意图；
图2a为本公开实施例中用户触达的执行流程示意图；
图2b为本公开实施例中确定待触达用户适用的触达计划集合的流程示意图；
图2c为本公开实施例中确定第一类响应概率的流程示意图；
图2d为本公开实施例中确定第二类响应概率的流程示意图；
图3为本公开实施例中执行用户触达的系统的架构图；
图4为本公开实施例中提供的一种用户触达的执行装置的逻辑结构示意图；
图5为本公开实施例中提供的一种用户触达的执行装置的实体结构示意图。
具体实施方式
为了使本公开的目的、技术方案及有益效果更佳清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。
为了解决相关技术中存在的进行人工决策后执行触达时无法保证触达效果，以及由于单因素的决策方式存在不同因素之间的决策冲突，无法有效执行用户触达的问题，本公开实施例提供了一种用户触达的执行方法、装置、电子设备及存储介质。
首先对本公开实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
终端设备：可以是移动终端、固定终端或便携式终端，例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。还可预见到的是，终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器：可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
用户触达：通过一种媒介与用户产生联系的一次行为称为一次用户触达本公开中具体指采用特定的触达方式，在指定的触达时间向待触达用户发送触达内容的过程，所述触达方式可以是短信、邮件、应用推送以及应用服务通知等等，所述触达内容中可以包括目标对象、执行风格的文本内容，以及降低用户的资源投入的提示信息等内容中的一种或组合。
贝叶斯估计：利用贝叶斯定理结合新的证据以及以前的先验概率，得到新的概率。
整数线性规划：在优化计算时，将变量限定为整数的规划方式。
下面参考本公开的若干代表性实施方式，详细阐释本公开的原理和精神。
相关技术下，在根据决策出的触达计划执行触达时，一方面，可以基于相关从业人员的经验，借助于大数据分析的手段，进行人工决策，但这样的决策方式效率低下，需要较多的人工操作，而且从业人员的经验可能参差不齐，难以保证触达的用户体验和效果，另外，通常人工决策的方式倾向于择优群体的偏好，而无法考虑所有用户的不同需求；另一方面，可以基于单个的触达因素进行决策，所决策的主要触达因素可以是触达时间和触达内容，如，在针对触达时间进行个性化决策时，以用户标签和行为特征构建机器学习模型，预估每个用户在不同时间点的触达点击概率，并选择概率最大的时间点进行相应用户的触达，又如，在针对触达内容进行个性化决策时，通常在触达内容中加入用户感兴趣的商品名称，以实现内容的差异化。但是，基于单个因素进行决策时，不能解决触达因素之间存在冲突的问题，如，确定的最优触达时间是晚上11点，最优触达方式是短信，但中间代理商规定短信发送不得晚于10点，使得确定的最优触达时间和最优触达方式无法组合得到触达计划；再者，对于单个触达因素分别得到的最优解无法保证整体是最优解，需要考虑到不同触达因素之间的组合影响；其次，由于针对每个用户决策的触达计划是独立的，在没有考虑到所有用户的情况进行决策时，无法保证整体的触达效果，从而不能保证资源的最优分配。
应用场景总览
参考图1所示，其为本公开实施例中用户触达的执行的应用场景示意图。执行用户触达的过程中涉及到处理设备101以及多个待触达用户设备102。
处理设备101：用于决策每个待触达用户对应的触达计划，并采用确定出的触达计划对相应的待触达用户执行触达。
具体的，处理设备101获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达时间、触达方式，以及触达内容，再针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率，然后针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率，再基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
可选的，处理设备101可以为服务器，也可以为终端设备。
待触达用户设备102：接收控制设备101通过决策出的触达计划发送的业务通知，并在接收到待触达用户基于业务通知下发的响应指令后，根据该响应指令向控制设备101返回相应的响应消息。
可选的，用户设备102可以为终端设备，用户设备102可以是一个，也可以为多个。
本公开实施例中，综合考量触达时间、触达内容，以及触达方式对每个用户的触达响应情况后，针对每个待触达用户分配最优的触达计划，保证了触达计划配置的合理性，简化了确定触达计划的繁琐操作，并使得在基于决策的触达计划对相应的待触达用户执行触达时，最大可能的得到待触达用户的触达响应，一定程度上提高了资源的利用效率。
示例性方法
参阅图2a所示，其为本公开实施例中用户触达的执行流程示意图。
步骤201：获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达内容、触达时间，以及触达方式。
处理设备在确定每个待触达用户各自适用的触达计划集合时，需要分别确定可选择的触达计划，以及确定各个待触达用户，进而分别获取每个待触达用户各自适用的触达计划集合。
参阅图2b所示，其为本公开实施例中确定待触达用户适用的触达计划集合的流程示意图，下面结合附图2b，对执行步骤201时，所述处理设备逐步获得每个待触达用户各自适用的触达计划集合的过程进行说明：
S2011：获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系。
具体的，处理设备获取已有的各类触达内容、各个触达时间，以及触达方式，并按照一个候选触达计划中包括一类触达内容，一个触达时间，以及一种触达方式的形式，生成候选触达计划集合，其中，触达内容至少包括以下任意一项或组合：a、基于指定风格的文本模板生成的文本内容；b、包含目标对象的文本内容；c、能够降低用户的资源投入的提示信息。触达时间可以是预先设置的离散的某些时间段或时间点。触达方式可以是短信、邮件、应用推送以及应用服务通知等。
例如，假设目前存在M种触达方式，K个触达时间，以及W类触达内容，则最终生成的候选触达计划集合中可能包括M*K*W个触达计划。
与此同时，所述处理设备获取所述各类触达内容、所述各个触达时间，以及各种触达方式之间的约束关系，其中，所述约束关系用于表征触达时间、触达内容，以及触达方式之间的共存情况。
具体的，所述处理设备根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系。
例如，对于触达方式与触达时间之间的第一约束关系，假设对于触达方式短信来说，规定能够采用短信执行触达的时间为早上10点至晚上8点，也就是说，用于表征触达方式“短信”与触达时间之间的共存关系的一个第一约束关系是：短信-早上10点至晚上8点；又如，对于触达内容与触达方式之间的第二约束关系，假设触达内容的总字数超过短信限制，则该触达内容无法与触达方式“短信”共存，对应的一个第二约束关系是：短信-内容字数不过限制的总字数；又如，对于触达内容和触达时间之间的第三约束关系，假设活动的结束时间是晚上6点，那么晚上6点之后向用户触达所述活动是没有意义的，所以对应的一个第三约束关系是：触达内容-触达时间不超过晚上6点。
S2012：根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户。
处理设备在确定待触达用户时，可以根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户。
具体的，本公开一些可能的实施例中，所述处理设备可以配置筛选规则从全部用户中筛选出符合要求的用户，作为待触达用户。
例如，假设配置的筛选规则为“45天内存在操作行为，且用户积分大于100”，则处理设备按照所述筛选规则，对全部用户进行筛选，将同时满足“45天内存在操作行为”和“用户积分大于100”的用户，作为待触达用户。
本公开一些可能的实施例中，为保证不对用户造成不必要的打扰，引起用户的反感，造成用户的疲劳，在确定待触达用户时，可以将一定时间段内对用户的触达情况作为考量的依据，具体可以将一定时间段内的触达次数不超过次数阈值作为筛选条件，以此得到符合筛选条件的待触达用户。
例如，可以设置形如
的筛选条件，其中，G表征触达次数阈值，/>
表征在一定时间段内的时间t对用户的触达情况，在时间t向用户执行触达，则/>
取值为1，否则，
取值为0，T表示设置的一定时间段对应的天数。
本公开另一些可能的实施例中，在确定待触达用户时，所述处理设备还可以采用能够预测用户兴趣的模型进行筛选。
例如，假设今天有爱宠活动日，对于猫粮、狗粮等宠物用品存在商品优惠活动，则针对爱宠活动日的活动确定待触达用户时，可以采用能够预测用户兴趣的模型，基于各个用户对于商品的历史点击行为，或者，历史购买行为，预测各个用户对于宠物用品感兴趣的概率，并筛选出概率值高于设定值的用户作为待触达用户。
本公开一些可能的实施例中，在确定待触达用户时，所述处理设备也可以根据对用户的生命周期进行预测，进而基于预测得到的概率值与设定阈值的关系，筛选需要触达的待触达用户。其中，能够预测用户的生命周期的模型包括能够预测用户购买概率的模型、能够预测用户流失概率的模型等。
以能够预测用户流失概率的模型为例，处理设备选定目标时间点，并基于所述目标时间点之前的用户行为构建特征，以所述目标时间点之后的真实情况构建标签，生成训练样本。在对模型进行训练时，将用户的行为特征输入模型，所述模型在对输入数据进行数据清洗，特征化归一，以及离散化处理等操作后，输出对于用户流失的预测概率，并采用交叉熵损失函数基于预测概率与用户实际流失情况的差异，计算损失值，进而基于所述损失值调整所述模型中的参数值，直至损失值逐渐收敛，并小于设置的损失值阈值。进一步的，采用训练完成的模型，基于各个用户的行为特征，预测各个用户的流失概率，并将流失概率大于设定阈值的用户作为待触达用户。
本公开实施例中，确定待触达用户时所使用的能够预测用户兴趣的模型、能够预测用户流失概率的模型，以及确定用户购买概率的模型等，均是本领域的通用模型，本公开在此不再对确定待触达用户的模型进行说明。
需要说明是，本公开实施例中S2011中限定的候选触达计划集合的确定过程，与S2012中待触达用户的确定过程不具有逻辑上的先后关系，所述处理设备可以先确定待触达用户，再确定候选触达计划集合，也可以先确定候选触达计划集合，再确定待触达用户。
这样，基于用户的历史操作数据确定待触达用户，能够有效定位存在触达需要的用户群体，使得用户触达的执行过程更加有针对性。
S2013：根据每个待触达用户各自匹配的所述约束关系，从候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
具体的，所述处理设备可以根据每个待触达用户的用户状态，确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，其中，所述用户状态表征用户关联的各类用户信息，用于过滤用户无法使用的触达内容、触达时间，以及触达方式，所述各类用户信息包括用户的会员状态信息、信用信息，以及用户的针对触达内容、触达方式，或者触达时间的指示信息。
例如，记录显示待触达用户1退订了短信，则无法在执行触达时采用短信的方式，也就是说，待触达用户1指示无法用短信执行触达，则待触达用户1适用的触达方式中不包括短信，假设待触达用户2是新用户，则无法在执行触达时采用适用于会员用户的触达内容，也就是说，待触达用户2适用的触达内容中不包括适用于会员用户的触达内容。
进一步的，所述处理设备确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式后，确定每个待触达用户适用的触达方式与适用的触达时间之间的第一约束关系、每个待触达用户适用的触达内容与适用的触达方式之间的第二约束关系，以及每个待触达用户适用的触达内容与适用的触达时间之间的第三约束关系，并从候选触达计划集合中筛选出满足每个待触达用户对应的第一约束关系、第二约束关系，以及第三约束关系的候选触达计划，生成对应的待触达用户的触达计划集合。
需要说明的是，处理设备在根据适用的约束关系(包括第一约束关系、第二约束关系，以及第三约束关系)，基于候选触达计划集合生成触达集合时。在本公开一些可能的实施例中，可以根据确定的约束关系，从候选触达计划集合中筛选出符合约束条件限制的候选触达计划，生成对应的触达计划集合，在本公开另一些可能的实施例中，所述处理设备可以根据确定的约束关系，过滤掉候选触达计划集合中不符合约束条件限制的候选触达计划，并基于候选触达计划集合中过滤后剩余的候选触达计划，生成对应的触达计划集合，本公开在此不做过多限定。
这样，处理设备借助于针对性建立的第一约束关系、第二约束关系，以及第三约束关系，确定每个待触达用户各自对应的触达计划集合，能够考虑到不同待触达用户的实际情况，针对性地建立待触达用户适用的触达计划集合，使得不同待触达用户的触达计划集合能够体现出不同待触达用户的个体差异，保证了触达计划的有效性。
步骤202：针对与每个待触达用户对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率。
具体的，处理设备确定每个待触达用户各自适用的触达计划集合后，针对与每个待触达用户对应的每个触达计划，预估所述每个待触达用户对触达计划中的触达时间和触达方式进行响应的第一类响应概率。
以下的描述中，将以预估待触达用户i对于触达计划j中的触达时间和触达方式的第一类响应概率为例，对确定第一类响应概率的过程进行说明，其中，待触达用户i为处理设备确定的任意一个待触达用户，触达计划j为待触达用户i适用的触达计划集合中的任意一个触达计划：
参阅图2c所示，其为本公开实施例中确定第一类响应概率的流程示意图。下面结合附图2c，对确定待触达用户i针对触达计划j中的触达时间和触达方式的第一类响应概率的过程进行说明：
S2021：处理设备分别获取在当前时间段前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量。
具体的，处理设备获取当前时间前的指定时间段内，各个用户的历史操作记录，并确定在所述指定时间段内采用触达计划j中的触达时间和触达方式触达各个用户的触达次数，在所述指定时间段内获得的各个用户对于触达计划j中的触达时间和触达方式的响应次数，以及所述各个用户的总数量，其中，在触达方式是短信触达、邮件触达、应用推送以及应用服务通知等情况下，对应的，用户对于触达时间和触达方式的响应的方式可以是短信回复、邮件回复、点击应用推送的链接以及应用服务通知查看等。
需要说明的是，本公开实施例中的各个用户可以指代全部的用户，或者，所述各个用户也可以根据实际的配置需要，指代一部分用户，所述一部分用户可以是确定的某个区域的用户。
例如，指定时间段可以是N天，则获取从当前起最近N天内的历史操作数据，确定采用触达计划j中的触达时间和触达方式触达各个用户的触达次数，以及所述各个用户响应触达的响应次数。
S2022：分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值。
可选的，处理设备在确定触达次数均值时，可以采用以下公式：
其中，
表示采用触达计划j中的触达方式和触达时间触达各个用户的触达次数均值，n表示各个用户的总数量，rij表示采用触达计划j中触达方式和触达时间触达用户i的触达次数，i表示用户对应的编号，j表示触达计划对应的编号，/>
表示任意一种触达计划j，i和j均为正整数。
同理，所述处理设备确定各个用户对于任意触达计划j中的触达时间和触达方式的触达响应均值时，可以采用以下公式：
其中，
表示各个用户对于触达计划j中的触达时间和触达方式的触达响应均值，n表示各个用户的总数量，cij表示用户i对于触达计划j中的触达时间和触达方式的响应次数，i表示用户对应的编号，j表示触达计划对应的编号，/>
表示任意一种触达方式j，i和j均为正整数。
S2023：根据触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率。
具体的，处理设备可以采用以下公式，预估待触达用户i对于触达计划j中的触达时间和触达方式的响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关：
其中，pij表示采用触达计划j中的触达时间和触达方式对待触达用户i进行触达时对应的触达响应概率，
cij、/>
以及rij的释义与S2022中对应的参数相同，故不在赘述，i表示待触达用户对应的编号，j表示触达计划对应的编号，/>
j表示任意一个待触达用户i和任意一个触达计划j，i和j均为正整数。
下面以采用触达计划j中的触达时间和触达方式对待触达用户i进行触达为例，对预估触达响应概率的原理进行说明：
首先，假设该用户在过去一段时间内被触达计划j中的触达时间和触达方式触达了r次，并响应c次，且已经知道用户响应所述触达时间和触达方式的概率为p。则在用户响应所述触达时间和触达方式的概率为p的条件下，用户被所述触达时间和触达方式触达了r次并响应了c次，这一事件的概率可以采用以下二项分布表示：
Q(c,r|p)＝Binomial(c|r,p)∝pc(1-p)r-c；
其中，Q(c,r|p)表示在用户响应所述触达时间和触达方式的概率为p的条件下，用户被所述触达时间和触达方式触达了r次并响应了c次这一事件的概率，r表示触达次数，c表示响应次数，p表示用户响应所述触达时间和触达方式的概率，Binomial表示二项式分布，∝表示呈正比例。
接着，假设p的先验分布符合参数为α和β的贝塔(Beta)分布，则p的先验概率可以采用以下表达式表示：
Q(p)＝Beta(p|α,β)∝pα-1(1-p)β-1；
其中，Q(p)表示p的先验概率，α和β为参数，Beta表示贝塔分布。
然后，可以采用贝叶斯定理，根据Q(c,r|p)和Q(p)，确定p的后验概率。
其中，p的后验概率可以采用以下表达式表示：
其中，Q(p|c,r)表示p的后验概率，是参数α+c和β+r-c的Beta分布。
需要说明的是，p的先验分布与后验分布在形式上是一致的，这是因为Beta分布是二项分布的共轭先验。基于此，可以取α＝各个用户响应所述触达时间和触达方式的触达响应均值，可以取β＝所述触达时间和触达方式触达各个用户的触达次数均值。
由于参数α和β的Beta分布的数学期望表达式为：
E表示数学期望，因此，p的后验分布的数学期望表达式可以表示为：
则可以将p的后验分布的期望值作为用户响应所述触达时间和触达方式的触达响应概率的预估值。
与预估用户响应所述触达时间和触达方式的触达响应概率相似的原理，可以预估每一待触达用户响应每一触达计划中的触达时间和触达方式的触达响应概率，则对于任意用户i和触达计划j，α即为
β即为/>
E[p|r,c]即为/>
这样，就可以通过
预估每一用户对每一触达计划中的触达时间和触达方式进行响应的触达响应概率。
步骤203：根据指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估对应的待触达用户对所述触达内容进行响应的第二类响应概率。
具体的，处理设备获取在预估待触达用户i对一个触达计划j中触达内容进行响应的第二类响应概率时，可以采用以下步骤，实现对第二类响应概率的计算。
参阅图2d所示，其为本公开实施例中确定第二类响应概率的流程示意图，下面结合附图2d进行具体说明：
S2031：基于获取的指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率。
处理设备在确定待触达用户i对于指定风格的文本内容的风格响应概率时，可以采用与步骤202中计算第一类响应概率时相同的计算方式，计算待触达用户i对于触达计划j中触达内容的风格响应概率，其中，所述触达内容中可以包括指定风格的文本内容、包含目标对象的文本内容，以及能够降低用户的资源投入的提示信息中的任意一种或组合。
具体的，所述处理设备可以采用以下公式，得到触达响应概率qij：
其中，qij表示采用触达计划j中的触达时间和触达方式对用户i进行触达时对应的触达响应概率，
表示各个用户对于采用触达计划j中指定风格的文本内容进行响应时的触达响应均值，dij表示采用触达计划j中指定风格的文本内容触达待触达用户i时的响应次数，/>
表示采用触达计划j中指定风格的文本内容触达各个用户的触达次数均值，tij表示采用触达计划j中指定风格的文本内容触达待触达用户i的触达次数，i表示待触达用户对应的编号，j表示触达计划对应的编号，/>
j表示任意一个用户i和任意一个触达计划j，i和j均为正整数。
这样，能够预估每一个待触达用户对于每个触达计划中指定风格的文本内容的响应概率。
S2032：基于获取的指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率。
具体的，处理设备可以采用与步骤202和S2031中相同的计算方式，得到信息响应概率wij，具体公式如下：
其中，wij表示采用触达计划j中能够降低用户的资源投入的提示信息对待触达用户i进行触达时对应的触达响应概率，
表示各个用户对于采用触达计划j中能够降低用户的资源投入的提示信息进行响应时的触达响应均值，eij表示采用触达计划j中指定风格的文本内容触达待触达用户i时的响应次数，/>
表示采用触达计划j中能够降低用户的资源投入的提示信息触达各个用户的触达次数均值，hij表示采用触达计划j中能够降低用户的资源投入的提示信息触达待触达用户i的触达次数，i表示待触达用户对应的编号，j表示触达计划对应的编号，/>
j表示任意一个用户i和任意一个触达计划j，i和j均为正整数。
S2033：使用兴趣评估模型，基于对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率。
具体的，处理设备可以使用训练完成的兴趣评估模型，基于待触达用户i的特征标签和目标对象的特征标签，得到所述兴趣评估模型输出的待触达用户i对于所述目标对象的点击概率，其中，所述兴趣评估模型是相关技术下的常用模型，用于输出用户对于目标对象的点击概率，下面对所述兴趣评估模型进行简单说明：
所述兴趣评估模型是本领域的通用模型，用于根据用户的特征和目标对象的特征，输出所述用户对于所述目标对象的点击概率，在特定的场景中，可以用于预测用户对于商品的点击概率或购买概率。
例如，以采用兴趣评估模型预估用户m对于商品1的点击概率为例，可以将用户m的ID和特征、商品1的ID和商品特征，以及用户m和商品1的交叉特征输入所述兴趣评估模型，所述兴趣评估模型对接收的特征进行清洗、归一化、离散化等处理后，输出用户m对于商品1的点击概率值，其中，输入所述兴趣评估模型的特征可能很多，一些场景中特征可以高达千万甚至亿级别，用户的特征可以包括用户标签，如，性别、城市、是否有小孩、是否养宠物等，还可以包括用户在一段时间内的登录、点击、购买行为等。商品特征可以包括商品标签，如商品类目、热度、适用人群等，消费行为特征，如商品在一段时间内的点击量、销量等，交叉特征可以包括某种标签的用户对于某个商品的点击量等。
进一步的，所述处理设备将S2031中确定的风格响应概率、S2032中确定的信息响应概率，以及S2033中确定的点击概率，作为所述对应的待触达用户i对触达计划j中的触达内容进行响应的第二类响应概率。
这样，借助于贝叶斯估计和兴趣评估模型，能够预估每个待触达用户对于适用的触达计划中触达时间和触达方式的响应情况，得到第一类响应概率，以及能够预估每个待触达用户对于适用的触达计划中触达内容的响应情况，得到第二类响应概率。
步骤204：针对与每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率。
处理设备针对与每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率，其中，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
下面对所述逻辑回归模型的训练过程进行说明：
处理设备基于Logistics Regression逻辑回归架构搭建逻辑回归模型，并根据获取的历史操作数据生成训练样本。
具体的，所述处理设备获取的一定数目的用户历史操作数据，其中，一个用户历史操作数据包括该用户在目标时间段内对于各触达计划的响应信息，以及该用户在所述目标时间段前的预设时间段内对于各触达计划的响应情况。
例如，以一个用户的历史操作数据为例，假设当前是3月1日，将目标时间设置为2月7日，预设时间段设置为30天，以生成训练样本，则获取用户在2月7日前30天内针对各触达计划作出的响应信息，计算相应的第一类响应概率和第二类响应概率，并将用户在2月7日针对触达计划的响应信息作为样本的标签。假设在2月7日向用户A触达了触达计划B，如果用户A在2月7日对触达计划B作出响应，则可以根据用户A针对触达计划B的响应信息，生成一个正样本，反之，如果用户A未对在2月7日触达的触达计划B作出响应，则可以根据用户A针对触达计划B的响应信息，生成一个负样本。
进一步的，所述处理设备基于生成的训练样本，对逻辑回归模型进行训练，其中，在一次的训练过程中，可以根据实际需要将指定数目的样本输入逻辑回归模型中进行训练，如，在一次训练过程中使用m个训练样本，本公开在此不做过多限定。
在一次训练过程中，获得所述逻辑回归模型基于训练样本中对应触达计划的第一响应概率和第二响应概率，输出用户对于该触达计划进行响应的预估响应概率。
获得逻辑回归模型输出的预估响应概率后，所述处理设备采用对数损失函数计算逻辑回归模型的损失值，对数损失函数的公式如下：
其中hθ(x)是logistics函数，是本领域的常规公式，表达式为
其中，m为训练样本的数目，xi是训练样本i的特征向量，由多个特征值组成，yi是训练样本i对应的标签，yi的取值为0或1，对应的训练样本中表征用户响应了相应的触达计划时，则y取值为1，对应的训练样本中表征用户未响应相应的触达计划时，则y取值为0，其中，θ和b是所述逻辑回归模型中需要学习的参数，θT表示所述逻辑回归模型中参数向量的转置。
所述处理设备获得对数损失函数计算得到的损失值后，基于所述损失值，调整逻辑回归模型中各个特征的权重值等参数，直至判断计算得到的损失值连续低于设定阈值的次数达到指定门限值时，判定逻辑回归模型收敛，得到训练完成的逻辑回归模型。
进一步的，所述处理设备采用训练完成的逻辑回归模型，基于用户在指定时间段内对每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对响应的触达计划进行响应的预估响应概率。
这样，采用已训练的逻辑回归模型，基于用户在当前时间段之前的指定时间段内的操作行为，能够对用户对触达计划的响应情况进行预测，得到对应的预估响应概率，使得能够基于用户历史操作行为，实现对待触达用户响应情况的预测。
步骤205：基于获得的每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
处理设备分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组，再基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达。
具体的，所述处理设备建立如下的响应用户数量表达式：
其中，i表示待触达用户，j表示触达计划，xi,j表示是否采用触达计划j对待触达用户i执行触达，Pi,j表示逻辑回归模型预估的采用触达计划j对待触达用户i执行触达时，得到的预估响应概率。
进一步的，所述处理设备基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
具体的，针对触达内容，所述处理设备基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量。
需要说明的是，触达方式资源消耗量表达式可示意如下：
其中，i表示待触达用户，j表示触达计划，xi,j表示是否采用触达计划j对待触达用户i执行触达，mi表式针对待触达用户i所采用的触达方式对应的资源消耗量。
本公开实施例中，针对触达内容，所述处理设备基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量。
需要说明的是，触达内容资源消耗量表达式可示意如下：
其中，i表示待触达用户，j表示触达计划，xi,j表示是否采用触达计划j对待触达用户i执行触达，ci表式针对待触达用户i所采用的触达内容对应的资源消耗量。
进一步的，所述处理设备基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
具体的，所述处理设备分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值，再采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
本公开实施例中，针对触达方式对应的资源消耗总量设置第一资源总量阈值，以及针对触达内容配置第二资源总量阈值，使得得到如下的公式：
其中，M为第一资源总量阈值，C为第二资源消耗总量阈值。
进而所述处理设备采用整数线性规划的方式，基于如下三个公式，计算以公式二和公式三为约束条件的情况下，当公式一取值最大时，与待触达用户i对应的触达变量：
max∑i∑jxi,jPi,j 公式一
∑i∑jxi,jmi≤M 公式二
∑i∑jxi,jci≤C 公式三
其中，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值，也就是说，计算出针对每个待触达用户的xi,j。
需要说明的是，本公开实施例中，在对待触达用户执行触达时，在将触达时间确定为一段时间的情况下，可以选择性的确定触达时间内的触达时机，如，当触达方式为应用推送时，可以设置为当确定待触达用户在触达时间对应的时间段内打开应用界面时，则向对应的待触达用户执行触达，以及当触达时间对应的时间段内用户未打开应用界面，确定在触达时间对应的时间段的最后，向待触达用户执行用户触达，如，假设触达时间为9-10点，则在10点时向用户进行触达。
这样，通过分别确定触达每个待触达用户的触达计划，使得能够针对不同待触达对象实现千人千面的针对性配置，而且针对每个待触达用户，基于多因素进行考量，从触达方式、触达时间，以及触达内容中确定最适用的触达计划，最大程度上的保证整体的响应收益并最大程度上的提升用户的响应效果，避免了采用人工决策方式所需要经历的繁琐工作，另外，避免出现基于单一渠道的用户行为数据和目的，进行单项触达导致的用户在同一时间接收到多个渠道的相似内容触达，最大程度上的减少了对于用户的不必要打扰，提升了用户的触达体验，保证了触达计划的可靠性。
参阅图3所示，其为本公开实施例中执行用户触达的系统的架构图。该系统包括：创意中心模块301、点击评估模块302、成本评估模块303、决策中心模块304，以及执行中心模块305，其中，
所述创意中心模块301，用于录入触达内容，确定触达时间，以及选择触达方式，并确定待触达用户，以及确定每个待触达用户适用的触达计划集合。
所述点击评估模块302，用于针对待触达用户以及待触达用户对应的触达计划集合，采用机器学习方法和统计概率模型预估待触达用户对于对应的每个触达计划的预估点击概率。
所述成本评估模块303，用于基于触达计划，计算每个触达计划所需要的成本，包括触达方式成本和触达内容成本。
所述决策中心模块304，基于每个待触达用户对应的触达计划集合，预估待触达用户对于触达计划的第一类响应概率和第二类响应概率，在对应触达方式成本和触达内容成本的限制下，决策整体上能够得到最多待触达用户的触达响应时，每个待触达用户各自对应的触达计划。
所述执行中心模块305，按照针对每个待触达用户决策的触达计划，在对应的触达时间，采用对应的触达手段向相应的待触达用户发送对应的触达内容。
基于同一发明构思，参阅图4所示，其为本公开实施例中提供的一种用户触达的执行装置的逻辑结构示意图，包括：
获取单元401，用于获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达时间、触达方式，以及触达内容；
预估单元402，用于针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率；
输出单元403，用于针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率；
决策单元404，用于基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
可选的，所述获得每个待触达用户适用的触达计划集合时，所述获取单元401用于：
获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系；
根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户，以及根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
可选的，所述获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系时，所述获取单元401用于：
根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系；
所述根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合，包括：
确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，并针对每个待触达用户，分别根据适用的触达方式与适用的触达时间之间的第一约束关系、适用的触达内容与适用的触达方式的第二约束关系，以及适用的触达内容与适用的触达时间之间的第三约束关系，从所述候选触达计划集合中筛选出满足所述第一约束关系、第二约束关系，以及所述第三约束关系的候选触达计划，生成对应的触达计划集合。
可选的，所述分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率时，所述预估单元402用于：
分别获取在当前时间段前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量；
分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值；
根据所述触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关。
可选的，触达内容至少包括以下任意一项或组合：
基于指定风格的文本模板生成的文本内容；
包含目标对象的文本内容；
能够降低用户的资源投入的提示信息。
可选的，所述根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率时，所述预估单元402用于：
基于获取的所述指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率；
基于获取的所述指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率；
使用兴趣评估模型，基于所述对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率；
将所述风格响应概率、信息响应概率，以及所述点击概率，作为所述对应的待触达用户对所述触达内容进行响应的第二类响应概率。
可选的，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
可选的，所述基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，决策触达所述每个待触达用户各自的触达计划时，所述决策单元404用于：
分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组；
基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达；
基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
可选的，所述基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值时，所述决策单元404用于：
基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量；
基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量；
基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
可选的，所述基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值时，所述决策单元404用于：
分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值；
采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
参阅图5所示，其为本公开实施例中提供的一种用户触达的执行装置的实体结构示意图。基于同一技术构思，本公开实施例还提供了一种控制设备，可以包括存储器501和处理器502。
存储器501，用于存储处理器502执行的计算机程序。存储器501可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。处理器502，可以是一个中央处理单元(central processing unit，CPU)，或者为数字处理单元等。本公开实施例中不限定上述存储器501和处理器502之间的具体连接介质。本公开实施例在图5中以存储器501和处理器502之间通过总线503连接，总线503在图5中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线503可以分为地址总线、数据总线、控制总线等。为便于表示，图5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。
存储器501可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器501也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器501是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器501可以是上述存储器的组合。
处理器502，用于调用存储器501中存储的计算机程序时执行如图2中所示的实施例提供的执行用户触达的方法。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意方法实施例中的用户触达的执行方法。
综上所述，本公开实施例中，针对每个待触达用户，建立基于触达时间、触达方式，以及触达内容多因素考虑的触达计划，并借助于已训练的逻辑回归模型，基于待触达用户对于触达计划的第一类响应概率和第二类响应概率，得到待触达用户对于触达计划的预估响应概率，进而实现触达计划的决策，避免了人工单因素决策所造成的决策冲突问题，提升了用户触达的决策效率，同时，通过针对性的决策每个待触达用户对应的触达计划，使得能够针对每个待触达用户决策出最优的触达计划，最大程度上提升了用户触达的响应效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (22)
1.一种用户触达的执行方法，其特征在于，包括：
获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达内容、触达时间，以及触达方式；每个待触达用户对应的触达计划集合，是在将各类触达内容、各个触达时间，以及各种触达方式进行组合得到的候选触达计划集合中，过滤出包含所述待触达用户无法使用的触达内容、触达时间，以及触达方式的候选触达计划后得到的；
针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率；
针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率；
基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
2.如权利要求1所述的方法，其特征在于，所述获得每个待触达用户适用的触达计划集合，包括：
获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系；
根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户，以及根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
3.如权利要求2所述的方法，其特征在于，所述获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系，包括：
根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系；
所述根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合，包括：
确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，并针对每个待触达用户，分别根据适用的触达方式与适用的触达时间之间的第一约束关系、适用的触达内容与适用的触达方式的第二约束关系，以及适用的触达内容与适用的触达时间之间的第三约束关系，从所述候选触达计划集合中筛选出满足所述第一约束关系、第二约束关系，以及所述第三约束关系的候选触达计划，生成对应的触达计划集合。
4.如权利要求1所述的方法，其特征在于，所述分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，包括：
分别获取在当前时间前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量；
分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值；
根据所述触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关。
5.如权利要求1所述的方法，其特征在于，触达内容至少包括以下任意一项或组合：
基于指定风格的文本模板生成的文本内容；
包含目标对象的文本内容；
能够降低用户的资源投入的提示信息。
6.如权利要求5所述的方法，其特征在于，所述根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率，包括：
基于获取的所述指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率；
基于获取的所述指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率；
使用兴趣评估模型，基于所述对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率；
将所述风格响应概率、信息响应概率，以及所述点击概率，作为所述对应的待触达用户对所述触达内容进行响应的第二类响应概率。
7.如权利要求1-6任一项所述的方法，其特征在于，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
8.如权利要求1所述的方法，其特征在于，所述基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，决策触达所述每个待触达用户各自的触达计划，包括：
分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组；
基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达；
基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
9.如权利要求8所述的方法，其特征在于，所述基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，包括：
基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量；
基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量；
基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
10.如权利要求9所述的方法，其特征在于，所述基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，包括：
分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值；
采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
11.一种用户触达的执行装置，其特征在于，包括：
获取单元，用于获得每个待触达用户各自适用的触达计划集合，其中，所述触达计划集合的每个触达计划中至少包括触达时间、触达方式，以及触达内容；每个待触达用户对应的触达计划集合，是在将各类触达内容、各个触达时间，以及各种触达方式进行组合得到的候选触达计划集合中，过滤出包含所述待触达用户无法使用的触达内容、触达时间，以及触达方式的候选触达计划后得到的；
预估单元，用于针对所述每个待触达用户各自对应的每个触达计划，分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，以及根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率；
输出单元，用于针对与所述每个待触达用户对应的每个触达计划，采用训练完成的逻辑回归模型，基于在所述指定时间段内针对所述每个触达计划预估的第一类响应概率和第二类响应概率，输出对应的待触达用户对相应的触达计划进行响应的预估响应概率；
决策单元，用于基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，分别决策触达所述每个待触达用户的触达计划，并基于决策的触达计划对相应的待触达用户执行触达。
12.如权利要求11所述的装置，其特征在于，所述获得每个待触达用户适用的触达计划集合时，所述获取单元用于：
获取将各类触达内容、各个触达时间，以及各种触达方式进行组合后得到的候选触达计划集合，以及获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系；
根据用户的历史操作数据，预估每个用户对于所述各类触达内容的响应概率，并从全局用户中筛选出响应概率达到设定阈值的各个待触达用户，以及根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合。
13.如权利要求12所述的装置，其特征在于，所述获取所述各类触达内容、所述各个触达时间，以及所述各种触达方式之间的约束关系时，所述获取单元用于：
根据能够采用每种触达方式的触达时间，建立触达方式与触达时间之间的第一约束关系，根据能够采用每种触达方式的触达内容，建立触达内容与触达方式的第二约束关系，以及根据能够采用每类触达内容的触达时间，建立触达内容与触达时间之间的第三约束关系；
所述根据每个待触达用户各自匹配的所述约束关系，从所述候选触达计划集合中筛选出每个待触达用户各自适用的触达计划集合，包括：
确定每个待触达用户各自适用的触达内容、触达时间，以及触达方式，并针对每个待触达用户，分别根据适用的触达方式与适用的触达时间之间的第一约束关系、适用的触达内容与适用的触达方式的第二约束关系，以及适用的触达内容与适用的触达时间之间的第三约束关系，从所述候选触达计划集合中筛选出满足所述第一约束关系、第二约束关系，以及所述第三约束关系的候选触达计划，生成对应的触达计划集合。
14.如权利要求11所述的装置，其特征在于，所述分别根据当前时间段前的指定时间段内采用对应的触达时间和触达方式触达各个用户时的响应次数，预估对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率时，所述预估单元用于：
分别获取在当前时间段前的指定时间段内，采用每个触达计划中的触达时间和触达方式分别触达各个用户的触达次数、所述各个用户分别响应触达的响应次数，以及所述各个用户的总数量；
分别根据所述各个用户的触达次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达次数均值，并分别根据所述各个用户的响应次数以及所述总数量，确定所述触达时间和触达方式触达各个用户的触达响应均值；
根据所述触达时间和触达方式对应的触达次数均值和触达响应均值，以及触达对应的待触达用户的触达次数和触达所述待触达用户的响应次数，预估所述对应的待触达用户对所述触达时间和触达方式进行响应的第一类响应概率，其中，所述第一类响应概率与所述触达响应均值和所述响应次数均呈正相关，与所述触达次数均值和所述触达次数呈负相关。
15.如权利要求11所述的装置，其特征在于，触达内容至少包括以下任意一项或组合：
基于指定风格的文本模板生成的文本内容；
包含目标对象的文本内容；
能够降低用户的资源投入的提示信息。
16.如权利要求15所述的装置，其特征在于，所述根据所述指定时间段内采用对应的触达内容触达各个用户时的响应次数，预估所述对应的待触达用户对所述触达内容进行响应的第二类响应概率时，所述预估单元用于：
基于获取的所述指定时间段内采用指定风格的文本内容分别触达各个用户时的触达次数、所述各个用户对于所述指定风格的文本内容的响应次数，确定所述对应的待触达用户对于所述指定风格的文本内容的风格响应概率；
基于获取的所述指定时间段内采用包含能够降低用户的资源投入的提示信息的触达内容分别触达各个用户时的触达次数、所述各个用户对于所述能够降低用户的资源投入的提示信息的响应次数，确定所述对应的待触达用户对于所述能够降低用户的资源投入的提示信息的信息响应概率；
使用兴趣评估模型，基于所述对应的待触达用户的特征标签和目标对象的特征标签，输出所述对应的待触达用户对于所述目标对象的点击概率；
将所述风格响应概率、信息响应概率，以及所述点击概率，作为所述对应的待触达用户对所述触达内容进行响应的第二类响应概率。
17.如权利要求11-16任一项所述的装置，其特征在于，用于训练所述逻辑回归模型的任一样本中，包括一个用户在目标时间段内对于一个触达计划的响应信息，以及预估的在所述目标时间段前的预设时间段内对于所述触达计划的第一类响应概率和第二类响应概率。
18.如权利要求11所述的装置，其特征在于，所述基于获得的所述每个待触达用户对于对应的每个触达计划的预估响应概率，决策触达所述每个待触达用户各自的触达计划时，所述决策单元用于：
分别将每个触达计划和对应的待触达用户进行组合，获得相应的各个二元组；
基于获得的每个待触达用户响应每个触达计划的预估响应概率，以及所述各个二元组对应的触达变量，获得响应用户数量表达式，所述响应用户数量表达式用于预估响应触达的用户的数量，每个二元组对应的触达变量用于表示是否采用所述每个二元组中的触达计划向相应的用户进行触达；
基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值，并根据各二元组对应的触达变量值，分别决策触达每一待触达用户的触达计划。
19.如权利要求18所述的装置，其特征在于，所述基于所述响应用户数量表达式和预设约束条件，预估响应用户数量的最大值以及获取所述最大值时对应的各二元组的触达变量值时，所述决策单元用于：
基于各个二元组对应的触达变量，以及各个二元组中包括的触达方式对应资源消耗量，获得触达方式资源消耗量表达式，所述触达方式资源消耗量表达式用于表示采用相应的触达方式触达待触达用户时所消耗的第一资源总量；
基于各个二元组对应的触达变量，以及各个二元组中包括的触达内容对应的资源消耗量，获得触达内容资源消耗量表达式，所述触达内容资源消耗量表达式用于表示采用相应的触达内容触达各待触达用户时所消耗的第二资源总量；
基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值，并确定对应的各个二元组的触达变量值。
20.如权利要求19所述的装置，其特征在于，所述基于所述响应用户数量表达式，预估所述触达方式资源量表达式符合第一预设约束条件，且所述触达内容资源消耗量表达式符合第二预设约束条件时，所述响应用户数量的最大值时，所述决策单元用于：
分别获取对应触达方式配置的第一资源总量阈值，以及对应触达内容配置的第二资源总量阈值；
采用整数线性规划的方式，基于所述触达手段资源量表达式，预估所述触达方式资源消耗量表达式不高于所述第一资源总量阈值，且所述触达内容资源消耗量表达式不高于所述第二资源总量阈值时，所述响应用户数量的最大值。
21.一种控制设备，其特征在于，包括：
至少一个存储器，用于存储程序指令；
至少一个处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行上述权利要求1-10任一项所述的方法的步骤。
22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-10任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110285230.7A CN112883276B (zh) | 2021-03-17 | 2021-03-17 | 一种用户触达的执行方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110285230.7A CN112883276B (zh) | 2021-03-17 | 2021-03-17 | 一种用户触达的执行方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883276A CN112883276A (zh) | 2021-06-01 |
| CN112883276B true CN112883276B (zh) | 2023-05-19 |
Family
ID=76041062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110285230.7A Active CN112883276B (zh) | 2021-03-17 | 2021-03-17 | 一种用户触达的执行方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883276B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114125046B (zh) * | 2021-11-08 | 2022-09-30 | 浙江华坤道威数据科技有限公司 | 一种基于5g的信息触达系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270348A (zh) * | 2020-10-21 | 2021-01-26 | 中国银联股份有限公司 | 用户激活方法、模型训练方法、装置、设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9531651B1 (en) * | 2014-02-13 | 2016-12-27 | Google Inc. | Methods for displaying notifications |
| US20160379306A1 (en) * | 2015-06-24 | 2016-12-29 | Christopher Sean Slotterback | Optimized resource allocation |
| CN111062774B (zh) * | 2019-11-20 | 2022-04-12 | 北京三快在线科技有限公司 | 活动投放方法、装置、电子设备和计算机可读介质 |
| CN111083211B (zh) * | 2019-12-09 | 2023-08-11 | 广州探途网络技术有限公司 | 一种基于大数据平台的用户触达方法与系统 |
| CN111080325A (zh) * | 2019-12-31 | 2020-04-28 | 科技谷（厦门）信息技术有限公司 | 一种民航客户关系关系分析系统及方法 |
| CN112070545B (zh) * | 2020-09-10 | 2021-12-21 | 贝壳找房(北京)科技有限公司 | 用于优化信息触达的方法、装置、介质和电子设备 |
-
2021
- 2021-03-17 CN CN202110285230.7A patent/CN112883276B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270348A (zh) * | 2020-10-21 | 2021-01-26 | 中国银联股份有限公司 | 用户激活方法、模型训练方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112883276A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA3021552C (en) | Method and system for applying dynamic and adaptive testing techniques to a software system to improve selection of predictive models for personalizing user experiences in the software system | |
| US11200592B2 (en) | Simulation-based evaluation of a marketing channel attribution model | |
| WO2018126953A1 (zh) | 种子人群扩散方法、装置、信息投放系统以及存储介质 | |
| US9262716B2 (en) | Content response prediction | |
| AU2017101862A4 (en) | Collaborative filtering method, apparatus, server and storage medium in combination with time factor | |
| US20210326788A1 (en) | On-demand resource scheduling | |
| US9531651B1 (en) | Methods for displaying notifications | |
| US20190342184A1 (en) | Systems and Methods for Context Aware Adaptation of Services and Resources in a Distributed Computing System | |
| US10540607B1 (en) | Apparatus, method and article to effect electronic message reply rate matching in a network environment | |
| US20200067863A1 (en) | Systems and method classifying online communication nodes based on electronic communication data using machine learning | |
| Tang et al. | Bayesian model-based prediction of service level agreement violations for cloud services | |
| CN110543945A (zh) | 一种智能体处理信息的方法及智能体 | |
| Wu et al. | A neural network based reputation bootstrapping approach for service selection | |
| CN112883276B (zh) | 一种用户触达的执行方法、装置、电子设备及存储介质 | |
| US20160210341A1 (en) | Capacity planning for database replication latency | |
| Labbaci et al. | A deep learning approach for long term QoS-compliant service composition | |
| CN110602207A (zh) | 基于离网预测推送信息的方法、装置、服务器和存储介质 | |
| US12002459B2 (en) | Autonomous communication initiation responsive to pattern detection | |
| CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
| Argerich et al. | Reinforcement learning based orchestration for elastic services | |
| Haas | Developing political-ecological theory: The need for many-task computing | |
| Awad et al. | Adaptive SLA mechanism based on fuzzy system for dynamic cloud environment | |
| Bouterse et al. | Dynamic VM allocation in a SaaS environment | |
| Prashanth et al. | Simultaneous perturbation methods for adaptive labor staffing in service systems | |
| Rambabu et al. | Task scheduling and data replication in cloud with improved correlation strategy |
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 |