CN113204712A - 基于社区服务的信息推送方法、装置、介质及程序产品 - Google Patents
基于社区服务的信息推送方法、装置、介质及程序产品 Download PDFInfo
- Publication number
- CN113204712A CN113204712A CN202110632778.4A CN202110632778A CN113204712A CN 113204712 A CN113204712 A CN 113204712A CN 202110632778 A CN202110632778 A CN 202110632778A CN 113204712 A CN113204712 A CN 113204712A
- Authority
- CN
- China
- Prior art keywords
- service
- target
- community
- information
- push
- 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.)
- Withdrawn
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- 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
- G06Q30/0277—Online advertisement
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请提供一种基于社区服务的信息推送方法、装置、介质及程序产品,涉及数据处理技术领域。其中,通过获取目标服务请求方的订单服务信息,订单服务信息包括目标服务请求方所关联目标社区服务方的标识,目标社区服务方为线下为目标服务请求方提供服务的对象;实现了可以根据目标社区服务方的目标服务信息,确定目标推送策略,根据该目标推送策略可以生成针对目标服务请求方的目标推送消息,所生成的目标推送消息可以发送给目标社区服务方相关联的服务请求方,使得通过该目标推送消息可以促进目标社区服务方相关联的服务请求方进一步请求提供服务,进而可以提高服务提供方的推广效果。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种基于社区服务的信息推送方法、装置、介质及程序产品。
背景技术
社区团购作为一种新型的电商模式,简单来说,是利用社交关系,例如社群来进行组群卖货,这种模式结合了线上、线下、社群“三网合一”的方式来营销。而社区团购中,如何提升用户增长、提升用户客单价、或者提升用户购买频次,对整个社区电商规模的扩大有非常重要的意义。
现有的为了促进营销,一般是基于单个用户信息以及其历史行为信息为每个用户制定个性化的智能推送策略。
可以看出,现有的推送方式中,需要依赖较为准确的用户信息和丰富的历史行为信息,但由于当前的社区电商仍然处于快速发展和建设阶段,很多用户的基本信息既不完善,也不准确,因此,现有的推送方法带来的推广效果并不佳。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种基于社区服务的信息推送方法、装置、介质及程序产品,可以为不同的目标服务请求方生成其对应的目标推送消息,实现精准推送,进而可以提高服务提供方的推广效果。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本发明提供一种基于社区服务的信息推送方法,包括:
获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
第二方面,本发明提供一种基于社区服务的信息推送装置,包括:
获取模块,用于获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
确定模块,用于根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
生成模块,用于根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
第三方面,本发明提供一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如前述实施方式任一项所述基于社区服务的信息推送方法的步骤。
第四方面,本发明提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如前述实施方式任一项所述基于社区服务的信息推送方法的步骤。
第五方面,本发明提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如前述实施方式任一项所述基于社区服务的信息推送方法的步骤。
本申请的有益效果是:
本申请实施例提供的基于社区服务的信息推送方法、装置、介质及程序产品中,通过获取目标服务请求方的订单服务信息,订单服务信息包括目标服务请求方所关联目标社区服务方的标识,目标社区服务方为线下为目标服务请求方提供服务的对象;根据目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,目标服务信息包括目标社区服务方相关联的服务请求方的订单服务信息,策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,策略推送词典根据服务增益模型确定,服务增益模型用于指示推送策略对应的服务增益参数;根据目标推送策略生成针对目标服务请求方的目标推送消息,实现了可以根据目标社区服务方的目标服务信息,确定目标推送策略,根据该目标推送策略可以生成针对目标服务请求方的目标推送消息,所生成的目标推送消息可以发送给目标社区服务方相关联的服务请求方,使得通过该目标推送消息可以促进目标社区服务方相关联的服务请求方进一步请求提供服务,进而可以提高服务提供方的推广效果。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种基于社区服务的信息推送系统的架构示意图;
图2为本申请实施例提供的一种电子设备的结构示意图;
图3为本申请实施例提供的一种基于社区服务的信息推送方法的流程示意图;
图4为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图5为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图;
图6为本申请实施例提供的一种社区服务方的聚类结果示意图;
图7为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图8为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图;
图9为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图10为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图;
图11为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图12为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图;
图13为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图14为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图;
图15为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图;
图16为本申请实施例提供的一种基于社区服务的信息推送装置的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1为本申请实施例提供的一种基于社区服务的信息推送系统的架构示意图。如图1所示,该信息推送系统可以包括服务器110、网络120、服务请求方设备131、社区服务方设备132、服务提供方设备133、以及数据库140中的一种或多种。该信息推送系统可以应用于社区电商,可选地,具体地可以是社区外卖场景、社区购物场景、社区送货场景、社区打车场景、社区停车场景等需要网络订单的场景,在此不作限定,根据不同的应用场景,可以对应不同的服务请求方设备131、社区服务方设备132以及服务提供方设备133。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式系统)。在一些实施例中,服务器110相对于服务请求方设备131、社区服务方设备132、服务提供方设备133,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在服务请求方设备131、社区服务方设备132、服务提供方设备133、或数据库140、或其任意组合中的信息和/或数据。作为另一示例,服务器110可以直接连接到服务请求方设备131、社区服务方设备132、服务提供方设备133和数据库140中至少一个,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,信息推送系统中的一个或多个组件可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从服务请求方设备131、社区服务方设备132、服务提供方设备133获取服务请求。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络120可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(LocalArea Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless LocalArea Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide AreaNetwork,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,信息推送系统的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中,服务请求方设备131、社区服务方设备132、服务提供方设备133可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等,或其任意组合。在一些实施例中,机动车辆中的内置设备可以包括车载计算机、车载电视等。在一些实施例中,服务请求方设备131、社区服务方设备132、服务提供方设备133可以是具有定位技术的设备,用于定位终端的位置。在一些实施例中,服务请求方设备131、社区服务方设备132、服务提供方设备133可以将定位信息发送给服务器110。
数据库140可以存储数据和/或指令。在一些实施例中,数据库140可以存储从服务请求方设备131、社区服务方设备132、服务提供方设备133获得的数据。在一些实施例中,数据库140可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库140可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-RateSynchronous RAM,DDR SDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(ProgrammableRead-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-onlyMemory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read onlymemory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库140可以连接到网络120以与信息推送系统中的一个或多个组件(例如,服务器110,服务请求方设备131、社区服务方设备132、服务提供方设备133等)通信。信息推送系统中的一个或多个组件可以经由网络120访问存储在数据库140中的数据或指令。在一些实施例中,数据库140可以直接连接到信息推送系统中的一个或多个组件(例如,服务器110,服务请求方设备131、社区服务方设备132、服务提供方设备133等);或者,在一些实施例中,数据库140也可以是服务器110的一部分。
在一些实施例中,信息推送系统中的一个或多个组件(例如,服务器110,服务请求方设备131、社区服务方设备132、服务提供方设备133等)可以具有访问数据库140的权限。在一些实施例中,当满足一定条件时,信息推送系统中的一个或多个组件可以读取和/或修改与服务请求方设备131、社区服务方设备132、服务提供方设备133有关的信息。例如,服务器110可以在接收服务请求之后读取和/或修改一个或多个用户的信息。
图2为本申请实施例提供的一种电子设备的结构示意图。该电子设备可以是实现本申请思想的服务器等。如图2所示,处理器112可以用于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的基于社区服务的信息推送方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
为了更好地理解本申请,以社区购物场景为例进行说明,一般地,社区电商平台可以为用户提供一购物平台,该购物平台可以是购物应用程序,又或者,可以是购物小程序等,用户可以通过该购物应用程序或购物小程序下单购买任意商品(比如,食品、饮料、服饰、电子产品等)。其中,用户下单时,可以指定派送的提货点,根据该提货点,购物平台的服务人员可以指派送货司机将所下单商品配送到该提货点,再由该提货点的社区服务人员将商品送到用户手中,又或者,用户到该提货点取货,从而完成整个购物流程。
在社区购物场景下,现有的为了促进推广,一般基于每个购买用户的信息以及其历史行为信息为该购买用户制定个性化的推广策略,但由于该方式依赖于较为准确的用户信息和丰富的历史行为信息,而现阶段,很多用户的基本信息既不完善,也不准确,同时用户的历史行为信息也比较少,因此,现有的推广方法存在推广效果较差的问题。
此外,现有的虽然也有其他推广方式,但都存在推广效果较差的问题,比如:根据购买用户的购买信息和历史行为信息将用户划分为不同的生命周期(比如,新注册用户、注册时间满1年用户、注册时间满3年用户等),然后根据购买用户所处的生命周期为该购买用户制定个性化的推广策略,可以看出,该方法也依赖于用户的历史行为信息,且推广策略跟购买用户所处的生命周期有关,仍然存在推广效果较差的问题。比如,由于每个购买用户的经济和社会地位的巨大差异性,所以即使是相同的生命周期,对于不同的用户,其对应的推广策略也应该不同,现有的推广方案则无法区分。
有鉴于此,本申请实施例提供一种基于社区服务的信息推送方法,应用该方法,可以为不同的目标服务请求方生成其对应的目标推送消息,实现精准推送,进而可以提高服务提供方的推广效果。
图3为本申请实施例提供的一种基于社区服务的信息推送方法的流程示意图,该方法的执行主体为上述的服务器。如图3所示,该方法可以包括:
S101、获取目标服务请求方的订单服务信息,订单服务信息包括目标服务请求方所关联目标社区服务方的标识。
其中,目标社区服务方为线下为目标服务请求方提供服务的对象,也即社区服务方可以是社区的服务人员,可选地,根据不同的应用场景,社区服务方线下为目标服务请求方提供的服务可以是取快递服务、寄快递服务、送货服务等,在此不作限定。
在一些实施例中,目标服务请求方的订单服务信息可以通过目标服务请求方对应的服务订单获取,所获取的订单服务信息可以包括:目标服务请求方所关联目标社区服务方的标识。可选地,目标社区服务方的标识可以是目标社区服务方所服务的门店名称标识、地理位置标识等,又或者,可以是多者的组合等,在此不作限定。
可选地,该订单服务信息还可以包括其他订单相关信息,比如,可以包括但不限于订单总价、商品数量、商品均价、商品类别、订单期望服务时间、订单实际服务时间等,在此不作限定。
S102、根据目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,目标服务信息包括目标社区服务方相关联的服务请求方的订单服务信息。
其中,策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,也即,对于任一类社区服务方来说,根据该类社区服务方的服务信息,可以在策略推送词典中查询确定其对应的推送策略。其中,推送策略可以指示推送方式、推送内容等,可选地,推送方式可以包括线上推送和线下推送,线上推送又进一步地可以包括:短信推送、应用程序推送、电话推送等多种线上推送途径;推送内容用于指示具体的订单优惠方式,可选地,推送内容可以是:满减的订单优惠方式,也即满足预设订单总价则减预设数值的订单优惠方式,具体地,可以是满10元减1元、满30元减3元等订单优惠方式,又或者,可以是满足预设订单总价则打预设折扣的订单优惠方式等,在此不作限定,比如,满100打九折、满200打八折的订单优惠方式,在此不作限定。此外,需要说明的是,本申请在此并不限定各类社区服务方的划分方式,可以是依社区服务方所处的地理位置划分,比如,地理位置上较近的多个社区服务方可以划分为一类,又或者,可以是依社区服务方所服务的服务请求方的订单服务信息划分,比如,所服务的服务请求方的订单服务信息比较相似的多个社区服务方可以划分为一类,在此不作限定。
可选地,上述策略推送词典可以根据服务增益模型确定,服务增益模型用于指示推送策略对应的服务增益参数。对于不同的推送策略,通过服务增益模型可以获取不同推送策略对应的服务增益参数,根据不同推送策略对应的服务增益参数可以确定最优服务增益参数对应的推送策略,进而可以确定各类社区服务方对应的推送策略,也即各类社区服务方采用其对应的推送策略进行推送时,可以获取较好的推广效果。当然,本申请在此并不限定推广效果的衡量参数,可以包括但不限于:网站成交金额、订单量、转化率等。
在获取到目标服务请求方的订单服务信息后,可以根据该订单服务信息中目标服务请求方所关联目标社区服务方的标识,确定其对应的目标社区服务方,获取该目标社区服务方的目标服务信息,该目标服务信息可以包括与该目标社区服务方相关联的服务请求方的订单服务信息,可以理解的是,对于目标社区服务方来说,其所服务的服务请求方往往包括多个,也即,该目标服务信息可以包括与该目标社区服务方相关联的多个服务请求方的订单服务信息,当然,本申请在此并不限定目标社区服务方相关联的服务请求方的数量,可以是50至1000的任意数值,又或者,可以是更多的数量,根据实际的应用场景可以有所不同。
基于上述说明,在获取到目标社区服务方的目标服务信息后,则可以根据该目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,该目标推送策略可以指示目标社区服务方对应的最佳推送策略,也即社区购物场景下,目标社区服务方基于该目标推送策略进行推广,可以提升推广效果,比如,可以有效提升网站成交金额、订单量、转化率、订单平均金额、订单总金额等。
S103、根据目标推送策略生成针对目标服务请求方的目标推送消息。
基于上述说明,在确定了目标社区服务方对应的目标推送策略后,则可以根据该目标推送策略生成针对目标服务请求方的目标推送消息,可选地,所生成的目标推送消息可以是满足预设订单总价则减预设数值的电子优惠劵,比如,满30减3,300减40等,又或者,所生成的目标推送消息可以是满足预设订单总价则打预设折扣的电子优惠劵,比如,满100打九折等。
可选地,所生成的目标推送消息可以通过短信、小程序、应用程序等多种方式发送给目标服务请求设备,可以理解的是,目标服务请求方则可以通过目标服务请求设备查收该目标推送信息,可以在一定程度上提高目标服务请求方的下单频率、下单总金额等,进而可以提高服务提供方的推广效果。比如,社区购物场景下,该目标推送信息可以在一定程度上促进购买用户向服务提供方进一步请求服务,提高购买用户的下单总金额、订单平均金额、下单频率等,进而可以提高服务提供方的推广效果。
综上,本申请实施例提供的基于社区服务的信息推送方法,通过获取目标服务请求方的订单服务信息,订单服务信息包括目标服务请求方所关联目标社区服务方的标识,目标社区服务方为线下为目标服务请求方提供服务的对象;根据目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,目标服务信息包括目标社区服务方相关联的服务请求方的订单服务信息,策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,策略推送词典根据服务增益模型确定,服务增益模型用于指示推送策略对应的服务增益参数;根据目标推送策略生成针对目标服务请求方的目标推送消息,实现了可以根据目标社区服务方的目标服务信息,确定目标推送策略,根据该目标推送策略可以生成针对目标服务请求方的目标推送消息,所生成的目标推送消息可以发送给目标社区服务方相关联的服务请求方,使得通过该目标推送消息可以促进目标社区服务方相关联的服务请求方进一步请求提供服务,进而可以提高服务提供方的推广效果。
图4为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,如图4所示,对于策略推送词典来说,其可以参见下述的方法生成,可以包括:
S201、获取第一预设历史时间段内多个社区服务方的第一服务信息。
其中,第一服务信息可以包括社区服务方的属性信息、相关联的服务请求方的订单服务信息、服务增益参数和服务模式参数。
在一些实施例中,社区服务方的属性信息可以包括社区服务方的基本信息和服务行为信息,其中,社区服务方的基本信息可以包括:社区服务方的年龄、性别、所服务社区所处的城市、所服务社区的标识(比如,小区的名称)、所服务社区的位置信息、所服务社区的社区人数等,在此不作限;社区服务方的服务行为信息可以包括:预设时间段内社区服务方转发推广消息的次数、社区服务方的服务质量参数等。比如,社区购物场景下,该社区服务方可以称为团长,则团长的服务行为信息可以包括:预设时间段内团长转发推广消息的次数、团长的服务质量参数、团长向新用户成功推送信息的次数等,在此不作限定。
各社区服务方相关联的服务请求方的订单服务信息可参见前述的相关说明,在此不再赘述,可选地,在获取到各社区服务方相关联的服务请求方的订单服务信息后,可以据此获取各社区服务方下服务请求方的行为信息,比如,可以获取预设时间段内(比如,一天、一周、两周等)各社区服务方下所有服务请求方的总订单量、总订单金额、平均订单量、平均订单金额等,但不以此为限。
服务增益参数可以包括但不限于:网站成交金额(Gross Merchandise Volume,GMV)增量参数、订单量增益参数、订单总金额的增益参数等,在此不作限定。
服务模式参数可以指示社区服务方对应的推送策略下总社区服务方的人数,可选地,某推送策略下总社区服务方的人数可以是0~1000、1000~3000等,但不以此为限。当然,需要说明的是,根据实际的应用场景还包括推广预算金额、预期服务增益参数提升目标等,在此不作限定。
基于上述说明,可以理解的是,由于所获取的第一预设历史时间段内多个社区服务方的第一服务信息都比较准确,也即其可以从侧面准确反映出各社区服务方所服务的服务请求方的订单特征信息,进而后续基于该第一服务信息可以生成得到较为准确的策略推送词典。
S202、根据多个第一服务信息,生成策略推送词典。
在获取到多个第一服务信息后,则可以根据该多个服务信息,生成策略推送词典,所生成的策略推送词典中可以包括各社区服务方的服务信息和推送策略之间的映射关系,可以理解的是,由于该策略推送词典可以反映各类社区服务方相关联服务请求方和推送策略之间的映射关系,使得对于不同类社区服务方相关联服务请求方的,可以采用相应的推送策略生成对应的目标推送消息,进而可以提高服务提供方的推广效果。
以社区购物场景下为例,团长会不定期地对用户进行推广促进下单,用户下单之后,由于用户需要到团长那里取货,那么用户到团长的距离一定会限定于一个很小的地理区域内,这样该团长的服务信息可以侧面反映出所服务的用户的订单特征信息,若通过统计发现,预设周期内订单总金额大于100且小于300元的订单比例为60%,可选地,则可以根据该订单特征信息,确定该团长对应的推送策略是:满300减40,所生成的推送消息可以是满300减40的电子优惠劵,进而可以在一定程度上鼓励购买用户向服务提供方进一步请求服务,提高服务提供方的推广效果,当然,实际应用场景并不以此为限。
图5为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图。可选地,如图5所示,上述根据多个第一服务信息,生成策略推送词典,可以包括:
S301、根据多个第一服务信息和预设聚类算法,对多个社区服务方进行聚类计算,获取社区服务方的聚类结果。
S302、根据聚类结果中各类社区服务方的第一服务信息,生成策略推送词典。
其中,通过根据预设聚类算法对多个社区服务方的第一服务信息进行聚类计算,可以得到各类社区服务方的第一服务信息,进而根据各类社区服务方的第一服务信息,生成策略推送词典时,可以基于各类社区服务方之间的相似服务信息生成策略推送词典,可以获取到较为准确的策略推送词典。
可选地,上述预设聚类算法可以是K均值聚类算法(K-means clusteringalgorithm,K-Means)、基于密度的聚类算法(Density-Based Spatial Clustering ofApplications with Noise,DBSCAN)等,在此不作限定。当然,本申请在此并不限定聚类类数,根据实际的应用场景可以有所不同,在一些实施例中,也可以基于肘部法则(ElbowMethod)来选择最优的聚类类数,但不以此为限。
图6为本申请实施例提供的一种社区服务方的聚类结果示意图,如图6所示,每个社区服务方会关联多个服务请求方200,每个服务请求方200会购买多种商品,而每个社区服务方相关联的多个服务请求方200之间又会有高度的同质性,因此,可以通过预设聚类算法,对多个社区服务方进行聚类计算,从而可以确定各类社区服务方的第一服务信息,进而可以获取到较为准确的策略推送词典。此外,可以理解的是,由于每个社区服务方相关联的多个服务请求方购买的商品会呈现出比较明显的特性,因此,也可以用每个社区服务方相关联的多个服务请求方购买的商品来表征该社区服务方的特征。
图7为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,如图7所示,上述根据聚类结果中各类社区服务方的第一服务信息,生成策略推送词典,可以包括:
S401、根据各类社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数。
可选地,服务增益模型可以是智能营销增益模型(Uplift Modeling),也即Uplift模型,但不以此为限。其中,对于各类社区服务方的第一服务信息来说,可以通过服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数,也即平均实验效果(The Average treatment Effect,ATE)。可选地,平均服务增益参数可以包括但不限于:平均成交金额(Gross Merchandise Volume,GMV)的增量参数、平均订单量增量参数、平均转化率的增量参数等。
S402、根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类社区服务方对应的推送策略。
S403、根据各类社区服务方对应的推送策略,生成策略推送词典。
其中,可以根据各类社区服务方的第一服务信息,在多个预设推送算法中确定最优的推送算法,用于对不同推送策略下各类社区服务方对应的平均服务增益参数作进一步筛选计算,以得到各类社区服务方对应的推送策略,也即各类社区服务方对应的最佳推送策略。
基于上述说明,在确定了各类社区服务方对应的推送策略后,则可以生成策略推送词典,也即策略推送词典可以包括各类社区服务方的服务信息和推送策略之间的映射关系,以便后续根据该策略推送词典,可以确定任一类社区服务方对应的推送策略。
图8为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图。可选地,如图8所示,上述根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类社区服务方对应的推送策略,包括:
S501、根据各类社区服务方的服务模式参数,在多个预设推送算法中确定目标推送算法。
S502、根据目标推送算法和不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类社区服务方对应的推送策略。
可选地,多个预设推送算法可以包括:贪心算法、多目标优化算法等多种推送算法,具体进行选择时,可以根据各类社区服务方的第一服务信息中的服务模式参数从预设推送算法中确定目标推送算法,其中,同一类社区服务方中各社区服务方的服务模式参数可以相同,服务模式参数可以包括:各类社区服务方的数量、推广预算金额、预期服务增益参数提升目标等,也即可以根据各类社区服务方的服务模式参数确定目标推送算法,目标推送算法可以是预设推送算法中任一推送算法。
在一些实施例中,贪心算法可以包括局部贪心优化算法、全局贪心优化算法等。其中,局部贪心优化算法可以适用于数量较少的社区服务方进行推广的场景。比如,选择某个城区的几千个社区服务方,确定每个社区服务方对应的推送策略,以达到最优的推广效果;全局贪心优化算法可以适用于从数量较多的社区服务方中,选取一小部分社区服务方进行推广的场景。比如从某个大城市的几万个社区服务方中,选择出几千个社区服务方进行推广,从而在预设约束条件(比如,推广预算金额,订单单量提升5%等)下,可以确定各类社区服务方对应的推送策略,以达到最优的推广效果。
多目标优化算法可以适用于对数量较多的社区服务方中的所有社区服务方进行推广的场景,以提升多个服务指标参数的场景。比如在预设约束条件(比如,推广预算金额、订单单量提升5%等)下,通过对某个城市的所有社区服务方进行推广,以达到同时提升利润、网站成交金额、订单量、投资回报率(ROI)等服务指标参数的目的,其可以通过预设的多目标函数、至少一个约束函数计算确定每个社区服务方对应的推送策略,以达到最优的推广效果。比如,电商场景下,发大的折扣券会提升订单量和网站成交金额,但是利润会降低;又如通过短信推送目标推送消息的成本低,但是效果较差,而通过应用程序界面推送目标推送消息的效果可能较好,但是成本较高,因此,在该情况下,可以通过多目标优化算法确定各类社区服务方对应的推送策略,以达到最优的推广效果。
其中,通过根据该目标推送算法,对不同推送策略下各类社区服务方对应的平均服务增益参数进行计算,可以确定各类社区服务方对应的推送策略,其中,各类社区服务方采用其对应的推送策略进行推送时,可以获得较好的推广效果。可选地,推广效果可以用利润、网站成交金额、订单量、投资回报率(ROI)等服务指标参数进行衡量,在此不作限定。
图9为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,上述根据各类社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数的过程可参加下述的相关内容,如图9所示,可以包括:
S601、根据各类社区服务方中每个社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方中每个社区服务方对应的个体服务增益参数。
其中,对于各类社区服务方中每个社区服务方来说,可以根据服务增益模型,确定每个社区服务方对应的个体服务增益参数,也即可以通过服务增益模预估每个社区服务方根据不同推送策略进行推送,以及不进行推送的情况下,每个社区服务方对应的个体服务增益参数(Individual Treatment Effect,ITE)。可选地,该个体服务增益参数的类型可以是:网站成交金额的增益参数、订单量增益参数、转化率的增益参数、订单平均金额的增益参数、订单总金额的增益参数等,在此不作限定。
可选地,不同的服务增益参数可以对应不同的服务增益模型,比如,网站成交金额增益参数可以对应GMV服务增益模型,转化率增益参数可以对应转化率服务增益模型。
S602、根据各类社区服务方中不同推送策略下每个社区服务方对应的个体服务增益参数和各类社区服务方的数量,确定不同推送策略下各类社区服务方对应的平均服务增益参数。
可以理解的是,通过上述计算,各类社区服务方中每个社区服务方的对应的个体服务增益参数可能不同,因此,有必要根据各类社区服务方的数量进行加权平均,通过计算可以确定不同推送策略下各类社区服务方对应的平均服务增益参数,使得根据不同推送策略下各类社区服务方对应的平均服务增益参数确定各类社区服务方对应的推送策略时,实现了可以基于各类社区服务方的平均试验效果确定,可以提高所确定的各类社区服务方对应的推送策略的准确性。
可选地,上述方法还包括:
获取第二预设历史时间段内多个社区服务方的样本服务信息,样本服务信息包括相关联的服务请求方的样本订单服务信息,并标注有推送策略标签和服务增益参数标签;根据多个样本服务信息,训练获取服务增益模型。
其中,每个样本服务信息包括相关联的服务请求方的样本订单服务信息,当然,本申请在此并不限定相关联的服务请求方的数量;推送策略标签可以指示所标注样本服务信息对应的推送策略,不同样本服务信息对应的推送策略可以不相同;服务增益参数标签可以指示该样本服务信息在推送策略标签对应的推送策略下,其对应的服务增益参数,可选地,标注有相同推送策略标签的样本服务信息对应的服务增益参数可以不相同。基于该说明,也即通过样本服务信息可以反映不同推送策略下,该样本服务信息对应的服务增益参数。
综上,在获取了多个样本服务信息后,则可以根据该样本服务信息,训练获取服务增益模型,可选地,该服务增益模型为Uplift模型时,可以基于间接估计模型(S-Learner、T-Learner、X-Learner、R-Learner)、因果森林(Causal Forest)、深度神经网络模型等构建,在此不作限定,根据实际的应用场景可以灵活选择。
图10为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图。可选地,如图10所示,上述根据目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,包括:
S701、根据目标社区服务方的目标服务信息,在策略推送词典中查找获取与目标社区服务方相匹配的匹配社区服务方。
S702、将匹配社区服务方对应的推送策略作为匹配社区服务方对应的目标推送策略。
其中,通过根据目标社区服务方的目标服务信息,在策略推送词典中查找获取与目标社区服务方相匹配的匹配社区服务方,也即可以确定与目标社区服务方最为相似的匹配社区服务方,可以理解的是,该策略推送词典中将存在该匹配社区服务方对应的推送策略,那么此时可以将该匹配社区服务方对应的推送策略作为匹配社区服务方对应的目标推送策略,使得可以快速确定目标推送策略。
图11为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,如图11所示,上述根据目标社区服务方的目标服务信息,在策略推送词典中查找获取与目标社区服务方相匹配的匹配社区服务方,可以包括:
S801、对目标社区服务方的目标服务信息进行编码,获取目标社区服务方对应的目标嵌入向量。
S802、根据目标嵌入向量和策略推送词典中各社区服务方的服务信息对应的待匹配嵌入向量,计算获取目标嵌入向量和各待匹配嵌入向量之间的相似度。
S803、根据相似度,确定相似度最高的社区服务方作为匹配社区服务方。
可选地,可以采用嵌入算法(embedding)对目标社区服务方的目标服务信息进行编码,通过编码,可以获取目标社区服务方对应的目标嵌入向量;同样地,也可以采用嵌入算法(embedding)对策略推送词典中各社区服务方的服务信息进行编码,通过编码,获取策略推送词典中各社区服务方的服务信息对应的待匹配嵌入向量。
根据计算得到的目标嵌入向量和各待匹配嵌入向量,进一步地,可以计算目标嵌入向量和各待匹配嵌入向量之间的相似度,比如,可以计算目标嵌入向量和各待匹配嵌入向量之间的点积相似度、余弦相似度、欧几里得相似度等,根据实际的应用场景可以灵活选择;基于计算的相似度,可以确定相似度最高的社区服务方作为匹配社区服务方。可选地,确定匹配社区服务方时,也可以选取相似度较高的预设数量个社区服务方作为待选社区服务方,进而可以基于预设筛选条件(比如,地理位置最近)对该待选社区服务方作进一步地筛选,获取匹配社区服务方,从而可以提高本申请方法的适用性。
综上,对于目标社区服务方,如果策略推送词典中已经存在该目标社区服务方对应的目标推送策略,则可以直接获取到该目标社区服务方的目标推送策略;而如果策略推送词典中不存在该目标社区服务方的目标推送策略,可以根据该目标社区服务方的目标服务信息,从策略推送词典中选择最近似的社区服务方,并使用该社区服务方的推送策略作为该目标社区服务方的目标推送策略,可以提高本申请方法的适应性。
图12为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图。可选地,如图12所示,上述对目标社区服务方的目标服务信息进行编码,获取目标社区服务方对应的目标嵌入向量,可以包括:
S901、根据目标社区服务方的目标服务信息,获取目标服务信息相关联的服务请求方的第一订单服务信息。
S902、根据第一订单服务信息和商品词典库,确定第一订单服务信息中各商品的嵌入向量,商品词典库包括:多个商品对应的嵌入向量。
S903、根据第一订单服务信息中各商品的嵌入向量,计算获取目标社区服务方对应的目标嵌入向量。
其中,目标服务信息相关联的服务请求方的数量可以包括多个,在此不作限定,可以理解的是,通过获取目标服务信息相关联的服务请求方的第一订单服务信息,可以知晓该目标社区服务方下各服务请求方分别购买了哪些商品,进而根据第一订单服务信息和商品词典库,可以确定第一订单服务信息中各商品的嵌入向量;基于第一订单服务信息中各商品的嵌入向量,可以进一步计算获取目标社区服务方对应的目标嵌入向量。
图13为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,如图13所示,上述根据第一订单服务信息中各商品的嵌入向量,计算获取目标社区服务方对应的目标嵌入向量,可以包括:
S1001、根据词频逆文本频率指数算法,计算获取第一订单服务信息中各商品的权重。
S1002、根据第一订单服务信息中各商品的权重和嵌入向量,加权求和计算获取目标社区服务方对应的目标嵌入向量。
可选地,可以将doc2vec应用于计算目标社区服务方对应的目标嵌入向量的过程中,简化计算。其中,目标社区服务方相关联的各服务请求方所购买的商品可以作为一个词(Word),所购买该商品的次数可以作为该词(Word)出现的频次,如此,可以将目标社区服务方相关联的各服务请求方所购买的商品集合表示成一个文档(doc),该文档的标识可以是该目标社区服务方的相关信息,比如,目标社区服务方的身份标识,但不以此为限。
基于上述说明,则进一步地,可以通过词频逆文本频率指数算法(TermFrequency–Inverse Document Frequency,TF-IDF)计算获取第一订单服务信息中各商品的权重。以社区购物场景为例进行说明,可选地,具体在分配各商品的权重时,可以参见下述的原理进行分配,其中,若某种商品购买的次数比较高,则可以分配该商品较高的权要;但由于促销等各种原因,有些商品销量极高(比如鸡蛋,大部分的用户都会购买此商品),但此类商品对社区服务方并没有区分度,因此,对该类商品分配权重时,可以适当调低该商品的权重;另外还有一些商品(比如,食盐、糖等必需品),虽然用户购买这些商品的数量不一定大,但是大部分用户也都会购买,因此,对该类商品分配权重时,可以适当调低该商品的权重,基于此分配原理,可以选择TD-IDF算法计算各社区服务方相关联的第一订单服务信息中各商品的权重,其中,TF可以表征一个社区服务方下某个商品购买的次数越多权重越高,IDF可以表征对大部分社区服务方都会购买的热销商品的抑制权重。
通过计算第一订单服务信息中各商品的权重,进而可以根据第一订单服务信息中各商品的权重和各商品的嵌入向量,加权求和计算获取目标社区服务方对应的目标嵌入向量。应用本申请实施例,使得有效降低了计算复杂度和计算量,以便进行快速的迭代和优化,同时还会提升计算的准确度,保证信息推送方法的适用性。
可选地,在一些实施例中,可以参见下述公式计算获取目标社区服务方对应的目标嵌入向量,当然,也可以用于计算策略推送词典中各社区服务方对应的待匹配嵌入向量,当然实际计算方式并不以此为限。可以理解的是,如用于计算目标社区服务方对应的目标嵌入向量时,可以忽略如下公式中的参数i;如用于计算策略推送词典中各社区服务方对应的待匹配嵌入向量,可以通过参数i标记各社区服务方。
公式一:其中,nij表示社区服务方i相关联的服务请求方购买商品j的次数,nik表示社区服务方i相关联的服务请求方购买商品k的次数,NUM_ITEM表示所有商品数,tfij表示社区服务方i相关联的商品j的TF权重;其中,若社区服务方i相关联的服务请求方从未购买过商品j,则tfij=0;
公式三:wij=tfij*idfj;其中,wij表示社区服务方i相关联的商品j的TF-IDF嵌入向量;tfij表示社区服务方i相关联的商品j的TF权重;idfj表示社区服务方i相关联的商品j的IDF权重;
在得到社区服务方相关联的各商品的嵌入向量和嵌入权重后,可以进一步加权求和计算获取目标社区服务方对应的目标嵌入向量:
图14为本申请实施例提供的又一种基于社区服务的信息推送方法的流程示意图。
可选地,如图14所示,上述方法还包括:
S1101、根据第三预设历史时间段内各社区服务方的第二服务信息,获取第二服务信息相关联的各服务请求方的第二订单服务信息。
S1102、根据第二订单服务信息,提取各社区服务方相关联商品。
S1103、根据各社区服务方相关联商品和嵌入向量生成算法,生成商品词典库。
其中,通过获取第二服务信息相关联的各服务请求方的第二订单服务信息,进而可以提取得到各社区服务方相关联商品;通过嵌入向量生成算法可以对各社区服务方相关联商品进行编码,通过编码即可生成商品词典库,该商品词典库即可包括多个商品对应的嵌入向量。当然,可以理解的是,为了得到较为丰富的商品词典库,可以对生成的商品词典库进行迭代更新,更新过程可参见其生成过程,在此不再赘述。
可选地,第三预设历史时间段可以与前述的第二预设历史时间段、第一预设历史时间段为同一时间段或不同时间段,比如,可以均为每月的1号至15号的时间段,但不以此为限。在一些实施例中,第二服务信息可以与前述的第一服务信息、样本服务信息相同,如此,可以提高获取服务信息的效果,当然,根据实际的应用场景,也可以是不同的服务信息,使得可以将更多的服务信息考虑进来,提高信息推送方法的鲁棒性。
可选地,嵌入向量生成算法可以是连续词袋算法(Continuous Bag-Of-Words,CBOW)、跳字算法(Skip-gram)等,又或者,可以采用开源的嵌入向量生成工具生成,在此不作限定。其中,通过嵌入向量生成算法对不同商品进行编码后,可以生成不同的嵌入向量,可选地,不同商品可以指商品的名称不同,又或者,可以指商品的生产厂家不同,在此不作限定。
图15为本申请实施例提供的另一种基于社区服务的信息推送方法的流程示意图。可选地,如图15所示,上述根据各社区服务方相关联商品和嵌入向量生成算法,生成商品词典库,包括:
S1201、获取各社区服务方相关联商品的商品标识。
S1202、根据预设编号规则对各商品标识进行编号,生成各商品标识对应的商品编号。
S1203、根据各商品编号和嵌入向量生成算法,生成商品词典库。
可选地,商品标识可以是商品名称、商品序列号等,在此不作限定。可选地,预设编号规则可以是依据商品的购物顺序对各商品标识进行编号,在此不作限定。在获取到各商品标识对应的商品编号后,则可以采用嵌入向量生成算法对各商品编号进行编码,通过编码,可以生成商品词典库。
表1为本申请实施例提供的一种商品词典库,如表1所示,以商品1为例进行说明,商品1对应的商品编号为item_1、对应的商品嵌入向量为:[0.125,0.333,0.47,0.555,0.0001,0.025,0.8802,0.06]。
可选地,上述服务增益参数可以包括下述至少一项:网站成交金额的增益参数、订单量增益参数、转化率的增益参数、订单平均金额的增益参数、订单总金额的增益参数。
当然,根据实际的应用场景,还可以包括其他增益参数,比如:商品数量的增益参数,但不以此为限。
图16为本申请实施例提供的一种基于社区服务的信息推送装置的功能模块示意图,该信息推送装置可以是前述的服务器,该装置基本原理及产生的技术效果与前述对应的方法实施例相同,为简要描述,本实施例中未提及部分,可参考方法实施例中的相应内容。如图16所示,该信息推送装置装置500可以包括:
获取模块510,用于获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
确定模块520,用于根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
生成模块530,用于根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
在可选的实施方式中,确定模块520,还用于获取第一预设历史时间段内多个社区服务方的第一服务信息,所述第一服务信息包括社区服务方的属性信息、相关联的服务请求方的订单服务信息、服务增益参数和服务模式参数;根据多个所述第一服务信息,生成所述策略推送词典。
在可选的实施方式中,所述确定模块520,具体用于根据多个所述第一服务信息和预设聚类算法,对多个所述社区服务方进行聚类计算,获取社区服务方的聚类结果;根据所述聚类结果中各类所述社区服务方的第一服务信息,生成所述策略推送词典。
在可选的实施方式中,所述确定模块520,具体用于根据各类所述社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数;根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略;根据各类所述社区服务方对应的推送策略,生成所述策略推送词典。
在可选的实施方式中,所述确定模块520,具体用于根据各类社区服务方的服务模式参数,在多个预设推送算法中确定目标推送算法;根据所述目标推送算法和不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略。
在可选的实施方式中,所述确定模块520,具体用于根据各类社区服务方中每个社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方中每个所述社区服务方对应的个体服务增益参数;
根据各类社区服务方中不同推送策略下每个所述社区服务方对应的个体服务增益参数和各类社区服务方的数量,确定不同推送策略下各类社区服务方对应的平均服务增益参数。
在可选的实施方式中,信息推送装置还包括:训练模块,用于获取第二预设历史时间段内多个社区服务方的样本服务信息,所述样本服务信息包括相关联的服务请求方的样本订单服务信息,并标注有推送策略标签和服务增益参数标签;根据多个所述样本服务信息,训练获取所述服务增益模型。
在可选的实施方式中,所述确定模块520,具体用于根据所述目标社区服务方的目标服务信息,在所述策略推送词典中查找获取与所述目标社区服务方相匹配的匹配社区服务方;将所述匹配社区服务方对应的推送策略作为所述匹配社区服务方对应的目标推送策略。
在可选的实施方式中,所述确定模块520,具体用于对所述目标社区服务方的目标服务信息进行编码,获取所述目标社区服务方对应的目标嵌入向量;根据所述目标嵌入向量和所述策略推送词典中各所述社区服务方的服务信息对应的待匹配嵌入向量,计算获取所述目标嵌入向量和各所述待匹配嵌入向量之间的相似度;根据所述相似度,确定相似度最高的社区服务方作为所述匹配社区服务方。
在可选的实施方式中,所述确定模块520,具体用于根据所述目标社区服务方的目标服务信息,获取所述目标服务信息相关联的各服务请求方的第一订单服务信息;根据所述第一订单服务信息和商品词典库,确定所述第一订单服务信息中各商品的嵌入向量,所述商品词典库包括:多个商品对应的嵌入向量;根据所述第一订单服务信息中各商品的嵌入向量,计算获取所述目标社区服务方对应的目标嵌入向量。
在可选的实施方式中,所述确定模块520,具体用于根据词频逆文本频率指数算法,计算获取所述第一订单服务信息中各商品的权重;根据所述第一订单服务信息中各商品的权重和嵌入向量,加权求和计算获取所述目标社区服务方对应的目标嵌入向量。
在可选的实施方式中,所述确定模块520,还用于根据第三预设历史时间段内各所述社区服务方的第二服务信息,获取所述第二服务信息相关联的各服务请求方的第二订单服务信息;根据所述第二订单服务信息,提取各所述社区服务方相关联商品;根据各所述社区服务方相关联商品和嵌入向量生成算法,生成所述商品词典库。
在可选的实施方式中,所述确定模块520,具体用于获取各所述社区服务方相关联商品的商品标识;根据预设编号规则对各所述商品标识进行编号,生成各所述商品标识对应的商品编号;根据各所述商品编号和嵌入向量生成算法,生成所述商品词典库。
在可选的实施方式中,所述服务增益参数包括下述至少一项:网站成交金额的增益参数、订单量增益参数、转化率的增益参数、订单平均金额的增益参数、订单总金额的增益参数。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器,或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
可选地,本申请还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现如上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以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,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,机械或其它的形式。
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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本申请实施例公开了TS1、一种基于社区服务的信息推送方法,包括:
获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
TS2、根据TS1所述的方法,所述方法还包括:
获取第一预设历史时间段内多个社区服务方的第一服务信息,所述第一服务信息包括社区服务方的属性信息、相关联的服务请求方的订单服务信息、服务增益参数和服务模式参数;根据多个所述第一服务信息,生成所述策略推送词典。
TS3、根据TS2所述的方法,所述根据多个所述第一服务信息,生成所述策略推送词典,包括:根据多个所述第一服务信息和预设聚类算法,对多个所述社区服务方进行聚类计算,获取社区服务方的聚类结果;根据所述聚类结果中各类所述社区服务方的第一服务信息,生成所述策略推送词典。
TS4、根据TS3所述的方法,所述根据所述聚类结果中各类社区服务方的第一服务信息,生成所述策略推送词典,包括:根据各类所述社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数;根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略;根据各类所述社区服务方对应的推送策略,生成所述策略推送词典。
TS5、根据TS4所述的方法,所述根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略,包括:
根据各类社区服务方的服务模式参数,在多个预设推送算法中确定目标推送算法;根据所述目标推送算法和不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略。
TS6、根据TS4所述的方法,所述根据各类社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数,包括:根据各类社区服务方中每个社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方中每个所述社区服务方对应的个体服务增益参数;根据各类社区服务方中不同推送策略下每个所述社区服务方对应的个体服务增益参数和各类社区服务方的数量,确定不同推送策略下各类社区服务方对应的平均服务增益参数。
TS7、根据TS1所述的方法,所述方法还包括:获取第二预设历史时间段内多个社区服务方的样本服务信息,所述样本服务信息包括相关联的服务请求方的样本订单服务信息,并标注有推送策略标签和服务增益参数标签;根据多个所述样本服务信息,训练获取所述服务增益模型。
TS8、根据TS1所述的方法,所述根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,包括:
根据所述目标社区服务方的目标服务信息,在所述策略推送词典中查找获取与所述目标社区服务方相匹配的匹配社区服务方;将所述匹配社区服务方对应的推送策略作为所述匹配社区服务方对应的目标推送策略。
TS9、根据TS8所述的方法,所述根据所述目标社区服务方的目标服务信息,在所述策略推送词典中查找获取与所述目标社区服务方相匹配的匹配社区服务方,包括:
对所述目标社区服务方的目标服务信息进行编码,获取所述目标社区服务方对应的目标嵌入向量;根据所述目标嵌入向量和所述策略推送词典中各所述社区服务方的服务信息对应的待匹配嵌入向量,计算获取所述目标嵌入向量和各所述待匹配嵌入向量之间的相似度;根据所述相似度,确定相似度最高的社区服务方作为所述匹配社区服务方。
TS10、根据TS9所述的方法,所述对所述目标社区服务方的目标服务信息进行编码,获取所述目标社区服务方对应的目标嵌入向量,包括:根据所述目标社区服务方的目标服务信息,获取所述目标服务信息相关联的各服务请求方的第一订单服务信息;根据所述第一订单服务信息和商品词典库,确定所述第一订单服务信息中各商品的嵌入向量,所述商品词典库包括:多个商品对应的嵌入向量;根据所述第一订单服务信息中各商品的嵌入向量,计算获取所述目标社区服务方对应的目标嵌入向量。
TS11、根据TS10所述的方法,所述根据所述第一订单服务信息中各商品的嵌入向量,计算获取所述目标社区服务方对应的目标嵌入向量,包括:根据词频逆文本频率指数算法,计算获取所述第一订单服务信息中各商品的权重;根据所述第一订单服务信息中各商品的权重和嵌入向量,加权求和计算获取所述目标社区服务方对应的目标嵌入向量。
TS12、根据TS10所述的方法,所述方法还包括:根据第三预设历史时间段内各所述社区服务方的第二服务信息,获取所述第二服务信息相关联的各服务请求方的第二订单服务信息;根据所述第二订单服务信息,提取各所述社区服务方相关联商品;根据各所述社区服务方相关联商品和嵌入向量生成算法,生成所述商品词典库。
TS13、根据TS12所述的方法,所述根据各所述社区服务方相关联商品和嵌入向量生成算法,生成所述商品词典库,包括:获取各所述社区服务方相关联商品的商品标识;根据预设编号规则对各所述商品标识进行编号,生成各所述商品标识对应的商品编号;根据各所述商品编号和嵌入向量生成算法,生成所述商品词典库。
TS14、根据TS1-TS12任一项所述的方法,所述服务增益参数包括下述至少一项:网站成交金额的增益参数、订单量增益参数、转化率的增益参数、订单平均金额的增益参数、订单总金额的增益参数。
TS15、一种基于社区服务的信息推送装置,包括:获取模块,用于获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;确定模块,用于根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;生成模块,用于根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
TS16、一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如TS1-TS14任一项所述基于社区服务的信息推送方法的步骤。
TS17、一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如TS1-TS14任一项所述基于社区服务的信息推送方法的步骤。
TS18、一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如TS1-TS14任一项所述基于社区服务的信息推送方法的步骤。
Claims (10)
1.一种基于社区服务的信息推送方法,其特征在于,包括:
获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取第一预设历史时间段内多个社区服务方的第一服务信息,所述第一服务信息包括社区服务方的属性信息、相关联的服务请求方的订单服务信息、服务增益参数和服务模式参数;
根据多个所述第一服务信息,生成所述策略推送词典。
3.根据权利要求2所述的方法,其特征在于,所述根据多个所述第一服务信息,生成所述策略推送词典,包括:
根据多个所述第一服务信息和预设聚类算法,对多个所述社区服务方进行聚类计算,获取社区服务方的聚类结果;
根据所述聚类结果中各类所述社区服务方的第一服务信息,生成所述策略推送词典。
4.根据权利要求3所述的方法,其特征在于,所述根据所述聚类结果中各类社区服务方的第一服务信息,生成所述策略推送词典,包括:
根据各类所述社区服务方的第一服务信息和服务增益模型,确定不同推送策略下各类社区服务方对应的平均服务增益参数;
根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略;
根据各类所述社区服务方对应的推送策略,生成所述策略推送词典。
5.根据权利要求4所述的方法,其特征在于,所述根据各类社区服务方的第一服务信息、多个预设推送算法以及不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略,包括:
根据各类社区服务方的服务模式参数,在多个预设推送算法中确定目标推送算法;
根据所述目标推送算法和不同推送策略下各类社区服务方对应的平均服务增益参数,确定各类所述社区服务方对应的推送策略。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取第二预设历史时间段内多个社区服务方的样本服务信息,所述样本服务信息包括相关联的服务请求方的样本订单服务信息,并标注有推送策略标签和服务增益参数标签;
根据多个所述样本服务信息,训练获取所述服务增益模型。
7.一种基于社区服务的信息推送装置,其特征在于,包括:
获取模块,用于获取目标服务请求方的订单服务信息,所述订单服务信息包括所述目标服务请求方所关联目标社区服务方的标识,所述目标社区服务方为线下为所述目标服务请求方提供服务的对象;
确定模块,用于根据所述目标社区服务方的目标服务信息和策略推送词典,确定目标推送策略,所述目标服务信息包括所述目标社区服务方相关联的服务请求方的订单服务信息,所述策略推送词典包括:各类社区服务方的服务信息和推送策略之间的映射关系,所述策略推送词典根据服务增益模型确定,所述服务增益模型用于指示推送策略对应的服务增益参数;
生成模块,用于根据所述目标推送策略生成针对所述目标服务请求方的目标推送消息。
8.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-6任一项所述基于社区服务的信息推送方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-6任一项所述基于社区服务的信息推送方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现如权利要求1-6任一项所述基于社区服务的信息推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632778.4A CN113204712A (zh) | 2021-06-07 | 2021-06-07 | 基于社区服务的信息推送方法、装置、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632778.4A CN113204712A (zh) | 2021-06-07 | 2021-06-07 | 基于社区服务的信息推送方法、装置、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113204712A true CN113204712A (zh) | 2021-08-03 |
Family
ID=77024151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632778.4A Withdrawn CN113204712A (zh) | 2021-06-07 | 2021-06-07 | 基于社区服务的信息推送方法、装置、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204712A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657947A (zh) * | 2021-08-31 | 2021-11-16 | 北京沃东天骏信息技术有限公司 | 由电子设备执行的数据处理方法及装置、电子设备 |
CN114969543A (zh) * | 2022-06-15 | 2022-08-30 | 北京百度网讯科技有限公司 | 推广方法、系统、电子设备和存储介质 |
CN115496552A (zh) * | 2022-09-15 | 2022-12-20 | 上海东普信息科技有限公司 | 基于推荐算法的促销订单处理方法及装置 |
-
2021
- 2021-06-07 CN CN202110632778.4A patent/CN113204712A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657947A (zh) * | 2021-08-31 | 2021-11-16 | 北京沃东天骏信息技术有限公司 | 由电子设备执行的数据处理方法及装置、电子设备 |
CN114969543A (zh) * | 2022-06-15 | 2022-08-30 | 北京百度网讯科技有限公司 | 推广方法、系统、电子设备和存储介质 |
CN114969543B (zh) * | 2022-06-15 | 2023-08-25 | 北京百度网讯科技有限公司 | 推广方法、系统、电子设备和存储介质 |
CN115496552A (zh) * | 2022-09-15 | 2022-12-20 | 上海东普信息科技有限公司 | 基于推荐算法的促销订单处理方法及装置 |
CN115496552B (zh) * | 2022-09-15 | 2024-03-29 | 上海韵达高新技术有限公司 | 基于推荐算法的促销订单处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI709867B (zh) | 資料處理方法及裝置 | |
US11011057B2 (en) | Systems and methods for generating personalized destination recommendations | |
US20190205939A1 (en) | Using Machine Learned Visitor Intent Propensity to Greet and Guide a Visitor at a Physical Venue | |
US20200286039A1 (en) | Information generation method and apparatus | |
CN113204712A (zh) | 基于社区服务的信息推送方法、装置、介质及程序产品 | |
US20190205905A1 (en) | Machine Learning-Based Systems and Methods of Determining User Intent Propensity from Binned Time Series Data | |
CN108399564B (zh) | 信用评分方法及装置 | |
US20200057918A1 (en) | Systems and methods for training artificial intelligence to predict utilization of resources | |
US20180218440A1 (en) | System for improving in-store picking performance and experience by optimizing tote-fill and order batching of items in retail store and method of using same | |
US20140180767A1 (en) | Method and system for assigning spending behaviors to geographic areas | |
CN109472643A (zh) | 产品价格计算方法及装置 | |
CN110033120A (zh) | 用于为商户提供风险预测赋能服务的方法及装置 | |
CN112215448A (zh) | 分配客服的方法和装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN113781139A (zh) | 物品推荐方法、物品推荐装置、设备和介质 | |
Saito et al. | Optimal room charge and expected sales under discrete choice models with limited capacity | |
US20170178221A1 (en) | Method and system for inventory availability prediction | |
CN111639961A (zh) | 信息预测方法、装置、电子设备和计算机可读介质 | |
CN111464337B (zh) | 资源配置方法、装置、电子设备 | |
KR102428084B1 (ko) | Ai를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법 | |
CN111737537B (zh) | 基于图数据库的poi推荐方法、设备及介质 | |
CN105825333A (zh) | 基于云平台匿名地点的众包服务系统及任务分配方法 | |
JP6351813B1 (ja) | 選択装置、選択方法および選択プログラム | |
CN110008970A (zh) | 一种地址信息生成方法和装置 | |
CN112036774B (zh) | 服务策略的评估方法、装置、设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210803 |