CN113297287A - 用户策略自动部署方法、装置及电子设备 - Google Patents

用户策略自动部署方法、装置及电子设备 Download PDF

Info

Publication number
CN113297287A
CN113297287A CN202110470104.9A CN202110470104A CN113297287A CN 113297287 A CN113297287 A CN 113297287A CN 202110470104 A CN202110470104 A CN 202110470104A CN 113297287 A CN113297287 A CN 113297287A
Authority
CN
China
Prior art keywords
user
data
newly added
label
generate
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.)
Granted
Application number
CN202110470104.9A
Other languages
English (en)
Other versions
CN113297287B (zh
Inventor
李佳丞
金晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Qiyue Information Technology Co Ltd
Original Assignee
Shanghai Qiyue Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Qiyue Information Technology Co Ltd filed Critical Shanghai Qiyue Information Technology Co Ltd
Priority to CN202110470104.9A priority Critical patent/CN113297287B/zh
Publication of CN113297287A publication Critical patent/CN113297287A/zh
Application granted granted Critical
Publication of CN113297287B publication Critical patent/CN113297287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开涉及一种用户策略自动部署方法、装置、电子设备及计算机可读介质。该方法包括：基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户。本公开涉及的用户策略自动部署方法、装置、电子设备及计算机可读介质，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率。

Description

用户策略自动部署方法、装置及电子设备
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种用户策略自动部署方法、装置、电子设备及计算机可读介质。
背景技术
用户画像是了解用户的常规手段，用户画像即将用户信息标签化，可利用多个用户维度数据和用户行为数据来对产品或者用户属性进行刻画，并对这些特征数据进行分析、统计、挖掘潜在的价值信息，从而了解用户群体进行相关精准化营销。用户的精准勾勒，能够帮助企业在获客和运营方面以最低的成本、最大限度的挖掘用户生命周期的价值。基于用户画像，对用户进行多种渠道的精准营销和个性化推荐，已然成为如今大公司的主要运营方式。
随着用户量的持续增长，如何把控用户的整个生命周期尤为关键，需要在适当的时机对处于不同时期的用户部署不同的用户策略，以进行拉新和召回，进而发掘用户价值。用户画像是对大量用户数据的一整套处理流程，用户画像是由多个用户标签构成的，用户标签的产生需要有专业的背景，运营人员无法自主开发标签。但是运营人员如果单纯的依赖开发人员开发用户标签的话，又得考虑到排期问题。从运营人员提交标签需求到评审、开发、测试、上线大概需要一周左右的时间，很多业务场景下的运营策略都是运营人员根据当前热点信息临时生成的，但是运营人员如果等待开发用户标签的话，可能会错过用户策略部署的最佳运营时机。
因此，需要一种新的用户策略自动部署方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种用户策略自动部署方法、装置、电子设备及计算机可读介质，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种用户策略自动部署方法，该方法包括：基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户。
可选地，还包括：查询引擎定时由业务数据库获取实时业务数据；解析所述业务数据的标签结构以生成当前标签集合；将所述当前标签集合和历史标签集合进行对比；在对比不一致时，生成所述标签更新消息。
可选地，查询引擎定时由业务数据库获取实时业务数据，包括：动态计算多个查询引擎的资源配置，以确定目标查询引擎；所述目标查询引擎由业务数据库定时获取实时业务数据。
可选地，目标查询引擎由业务数据库定时获取实时业务数据，包括：业务数据库定时将新增数据合并到主分支副本中；在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。
可选地，目标查询引擎由业务数据库定时获取实时业务数据，包括：基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。
可选地，解析所述业务数据的标签结构以生成当前标签集合，包括：解析所述业务数据的标签结构生成用户数据的索引键值；将索引键值和其对应用户数据相关联，以生成当前标签集合。
可选地，通过新增的标签生成用户画像，包括：将新增的标签进行随机组合以生成所述用户画像。
可选地，将新增的标签进行随机组合以生成所述用户画像，包括：获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
可选地，通过新增的标签生成用户画像，包括：由历史标签集合中提取多个历史标签；将新增的标签和所述多个历史标签随机组合以生成所述用户画像。
可选地，由历史标签集合中提取多个历史标签，包括：根据历史标签对应的用户数量将历史标签进行排序；基于排序结果由高至低选择多个历史标签。
根据本公开的一方面，提出一种用户策略自动部署装置，该装置包括：数据模块，用于基于标签更新消息获取新增的标签和其对应的用户数据；画像模块，用于通过新增的标签生成用户画像；用户模块，用于根据所述用户画像提取多个目标用户；策略模块，用于根据所述用户画像和运营目标生成用户策略；部署模块，用于将所述用户策略自动部署给所述多个目标用户。
可选地，还包括：业务模块，用于查询引擎定时由业务数据库获取实时业务数据；解析模块，用于解析所述业务数据的标签结构以生成当前标签集合；对比模块，用于将所述当前标签集合和历史标签集合进行对比；消息模块，用于在对比不一致时，生成所述标签更新消息。
可选地，所述业务模块，包括：计算单元，用于动态计算多个查询引擎的资源配置，以确定目标查询引擎；定时单元，用于目标查询引擎由业务数据库定时获取实时业务数据。
可选地，定时单元，还用于业务数据库定时将新增数据合并到主分支副本中；在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。
可选地，定时单元，还用于基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。
可选地，所述解析模块，包括：键值单元，用于解析所述业务数据的标签结构生成用户数据的索引键值；关联单元，用于将索引键值和其对应用户数据相关联，以生成当前标签集合。
可选地，所述画像模块，包括：新增单元，用于将新增的标签进行随机组合以生成所述用户画像。
可选地，所述新增单元，还用于获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
可选地，所述画像模块，包括：结合单元，用于由历史标签集合中提取多个历史标签；将新增的标签和所述多个历史标签随机组合以生成所述用户画像。
可选地，所述结合单元，还用于根据历史标签对应的用户数量将历史标签进行排序；基于排序结果由高至低选择多个历史标签。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的用户策略自动部署方法、装置、电子设备及计算机可读介质，基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户的方式，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种用户策略自动部署方法及装置的系统框图。
图2是根据一示例性实施例示出的一种用户策略自动部署方法的流程图。
图3是根据另一示例性实施例示出的一种用户策略自动部署方法的流程图。
图4是根据另一示例性实施例示出的一种用户策略自动部署方法的流程图。
图5是根据另一示例性实施例示出的一种用户策略自动部署方法的示意图。
图6是根据一示例性实施例示出的一种用户策略自动部署装置的框图。
图7是根据另一示例性实施例示出的一种用户策略自动部署装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
图9是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种用户策略自动部署方法及装置的系统框图。
如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理，并将处理结果(用户策略)配置给终端设备101、102、103。
服务器105可例如基于标签更新消息获取新增的标签和其对应的用户数据；服务器105可例如通过新增的标签生成用户画像；服务器105可例如根据所述用户画像提取多个目标用户；服务器105可例如根据所述用户画像和运营目标生成用户策略；服务器105可例如将所述用户策略自动部署给所述多个目标用户。
服务器105还可例如控制查询引擎定时由业务数据库获取实时业务数据；服务器105还可例如解析所述业务数据的标签结构以生成当前标签集合；服务器105还可例如将所述当前标签集合和历史标签集合进行对比；服务器105还可例如在对比不一致时，生成所述标签更新消息。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的用户策略自动部署方法可以由服务器105执行，相应地，用户策略自动部署装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种用户策略自动部署方法的流程图。用户策略自动部署方法20至少包括步骤S202至S210。
如图2所示，在S202中，基于标签更新消息获取新增的标签和其对应的用户数据。在本公开中，用户数据包括但不限于用户的业务账号信息、用户的页面操作数据、用户的业务访问时长、用户的业务访问频率、用户的终端设备标识信息以及用户所处地域信息，具体可根据实际应用场景确定，在此不做限制。
在接收到标签更新消息时，可通过大数据引擎调取新增的标签和该标签对应的用户数据，新增的标签可为一个或多个，其对应的用户数据也可为一个或多个。
在S204中，通过新增的标签生成用户画像。
在一个实施例中，将新增的标签进行随机组合以生成所述用户画像。更具体的，可获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
在一个实施例中，由历史标签集合中提取多个历史标签；将新增的标签和所述多个历史标签随机组合以生成所述用户画像。更具体的，可根据历史标签对应的用户数量将历史标签进行排序；基于排序结果由高至低选择多个历史标签。
在本公开中，标签是对某一类特定群体或对象的某项特征进行的抽象分类和概括，其值(标签值)具备可分类性。标签值是指某一标签所包含的具体内容的定量描述。更具体的，对于标签“性别”，其标签值根可分为“男”、“女”、“未知”；对于标签“年龄”，其标签值可分为“0-18”、“18-35”、“35-60”、“60-100”等。
用户画像是由某一特定群体或对象的多项特征构成，输出结果通常是对特征的具体描述。用户画像是由多个标签组合而成，其实例是由多个标签值构成。更具体的，用户画像可由多个标签组合而成，包括年龄、性别、居住地、购物行为、兴趣爱好、支付方式等，该画像能够实现千人千面，勾画的结果由多个标签值构成。
更具体的，“男性球迷”用户画像，可由标签：性别：“男”、年龄：“18-35”、兴趣“足球”构成。
在S206中，根据所述用户画像提取多个目标用户。对用户画像进行解析，然后基于用户画像对应的标签提取目标用户，优先的，目标用户在新增的标签对应的用户中进行选择。
在一个实施例中，新增标签中的标签：性别：“男”、年龄：“18-35”、兴趣“足球”构成“男性球迷”用户画像。但是在系统中，“男性球迷”用户画像被解析之后，生成的标签除了新增标签的组合之外，还可能为其他组合，比如：性别：“男”、年龄：“18-35”、兴趣“篮球”，等等。所以，目标用户也可在存量用户中进行选择。
在S208中，根据所述用户画像和运营目标生成用户策略。运营目标可自动由网络获取，可例如为当前热点消息，可例如，当前热点信息为某运动赛事，则运营目标可为和体育相关产品的推广推销。实时用户策略可确定为发放体育类产品的优惠券。运营目标还可由运营人员确定，本公开不以此为限。
在S210中，将所述用户策略自动部署给所述多个目标用户。还可通过用户画像、运营目标、用户策略中的一个或者多个中提取信息推送渠道，以通过选定的信息推送渠道将信息推送至目标用户。
根据本公开的用户策略自动部署方法，基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户的方式，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种用户策略自动部署方法的流程图。图3所示的流程30是对图2所示的流程的补充描述。
如图3所示，在S302中，查询引擎定时由业务数据库获取实时业务数据。包括：动态计算多个查询引擎的资源配置，以确定目标查询引擎；所述目标查询引擎由业务数据库定时获取实时业务数据。
其中，目标查询引擎由业务数据库定时获取实时业务数据，包括：业务数据库定时将新增数据合并到主分支副本中；在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。
还包括：基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。MapReduce是一种编程模型，用于大规模数据集的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。
在S304中，解析所述业务数据的标签结构以生成当前标签集合。包括：解析所述业务数据的标签结构生成用户数据的索引键值；将索引键值和其对应用户数据相关联，以生成当前标签集合。
在S306中，将所述当前标签集合和历史标签集合进行对比。每次生成的用户标签都会存储在预留位置，生成历史标签集合，本次生成的当前标签集合中的标签一一和历史标签集合进行对比。
在S308中，在对比不一致时，生成所述标签更新消息。在当前标签集合中存在和历史标签集合中不一致的标签项目时，生成标签更新消息，标签更新消息中可包含本次新生成的标签项和其对应的用户数据。
图4是根据另一示例性实施例示出的一种用户策略自动部署方法的流程图。图4所示的流程40是对图2所示的流程中S204“通过新增的标签生成用户画像”的详细描述。
如图4所示，在S402中，将新增的标签进行随机组合。包括：获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
可例如，新增的A标签对应用户数量为1000，B标签对应的用户数量为500，C标签对应的用户数量为100，还有D，E，F等等标签对应着不同数量的用户，则可为A标签设置权重为0.8，B标签设置权重为0.1，A标签设置权重为0.05，其他标签的权重依次递减。
在进行随机组合的时候，每次在新增的标签集合中按照权重提取两个或更多的标签进行组合，以生成用户画像。
在S404中，由历史标签集合中提取多个历史标签。可由历史标签集合中依据每个标签对应的用户的数量依次提取若干个历史标签。
在S406中，将新增的标签和所述多个历史标签随机组合。可例如，首先在新增标签中按照新增标签的权重依次提取若干个新增标签，然后再由多个历史标签中提取出若干个历史标签，将新增的标签和历史标签进行组合，以生成用户画像。
在S408中，生成所述用户画像。
图5是根据另一示例性实施例示出的一种用户策略自动部署方法的示意图。如图5所述，本申请中的用户策略自动部署方法可借助于自助标签平台执行，其标签化处理流程如下：
1)查询引擎，将spark、hive、tiamat等多种查询引擎集成，并通过自定义算法动态计算资源配置，达到执行最优。
2)SQL自动合并服务，小时级将SQL合并到线上主分支副本中，并进行语法校验，若检测异常则触发告警机制，若无则自动解析标签结构生成标准化索引key值，并推送至后台管理员进行上线审核。
3)数据处理加载，通过大数据组件Spark处理当日新上线标签数据，并使用MapReduce将增量数据合并加载入ElasticSearch中，触发数据质量校验，若无异常则自动切换ES索引，邮件推送提醒运营人员其新增标签已上线。
4)策略部署，运营人员可将线上标签进行自由组合筛选人群数量，继而可配置人群包拆分比例以及多个包交并集的计算，并定时触发ivr、push、sms等方式的营销策略发送。
5)触达实时效果，通过clickhouse分钟级准实时计算每个策略的发送和用户触达情况，并自动生成图表展示变化曲线，待策略周期结束后可自动生成效果报告推送给运营专员进行数据分析。
本公开的用户策略自动部署方法，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率，并提供了触达发送与策略效果分析的一站式服务，能更好的策略切换和ABTest评估。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图6是根据另一示例性实施例示出的一种用户策略自动部署装置的框图。如图6所示，用户策略自动部署装置60包括：数据模块602，画像模块604，用户模块606，策略模块608，部署模块610。
数据模块602用于基于标签更新消息获取新增的标签和其对应的用户数据；
画像模块604用于通过新增的标签生成用户画像；所述画像模块604包括：新增单元，用于将新增的标签进行随机组合以生成所述用户画像。所述新增单元，还用于获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。结合单元，用于由历史标签集合中提取多个历史标签；将新增的标签和所述多个历史标签随机组合以生成所述用户画像。所述结合单元，还用于根据历史标签对应的用户数量将历史标签进行排序；基于排序结果由高至低选择多个历史标签。
用户模块606用于根据所述用户画像提取多个目标用户；
策略模块608用于根据所述用户画像和运营目标生成用户策略；
部署模块610用于将所述用户策略自动部署给所述多个目标用户。
图7是根据一示例性实施例示出的一种用户策略自动部署装置的框图。如图7所示，用户策略自动部署装置70包括：业务模块702，解析模块704，对比模块706，消息模块708。
业务模块702用于查询引擎定时由业务数据库获取实时业务数据；所述业务模块702包括：计算单元，用于动态计算多个查询引擎的资源配置，以确定目标查询引擎；定时单元，用于目标查询引擎由业务数据库定时获取实时业务数据。定时单元，还用于业务数据库定时将新增数据合并到主分支副本中；在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。定时单元，还用于基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。
解析模块704用于解析所述业务数据的标签结构以生成当前标签集合；所述解析模块704包括：键值单元，用于解析所述业务数据的标签结构生成用户数据的索引键值；关联单元，用于将索引键值和其对应用户数据相关联，以生成当前标签集合。
对比模块706用于将所述当前标签集合和历史标签集合进行对比；
消息模块708用于在对比不一致时，生成所述标签更新消息。
根据本公开的用户策略自动部署装置，基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户的方式，解决了运营专员的复杂且急切的标签化需求，缩减了标签从需求评审到上线的整个周期，极大的提高了业务人员的工作效率。
图8是根据一示例性实施例示出的一种电子设备的框图。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书中的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图2，图3，图4中所示的步骤。
所述存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。
所述存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备800’(例如键盘、指向设备、蓝牙设备等)通信，使得用户能与该电子设备800交互的设备通信，和/或该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图9所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：基于标签更新消息获取新增的标签和其对应的用户数据；通过新增的标签生成用户画像；根据所述用户画像提取多个目标用户；根据所述用户画像和运营目标生成用户策略；将所述用户策略自动部署给所述多个目标用户。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (22)

1.一种用户策略自动部署方法，其特征在于，包括：
基于标签更新消息获取新增的标签和其对应的用户数据；
通过新增的标签生成用户画像；
根据所述用户画像提取多个目标用户；
根据所述用户画像和运营目标生成用户策略；
将所述用户策略自动部署给所述多个目标用户。
2.如权利要求1所述的方法，其特征在于，还包括：
查询引擎定时由业务数据库获取实时业务数据；
解析所述业务数据的标签结构以生成当前标签集合；
将所述当前标签集合和历史标签集合进行对比；
在对比不一致时，生成所述标签更新消息。
3.如权利要求2所述的方法，其特征在于，查询引擎定时由业务数据库获取实时业务数据，包括：
动态计算多个查询引擎的资源配置，以确定目标查询引擎；
所述目标查询引擎由业务数据库定时获取实时业务数据。
4.如权利要求3所述的方法，其特征在于，目标查询引擎由业务数据库定时获取实时业务数据，包括：
业务数据库定时将新增数据合并到主分支副本中；
在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。
5.如权利要求4所述的方法，其特征在于，目标查询引擎由业务数据库定时获取实时业务数据，还包括：
基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。
6.如权利要求2所述的方法，其特征在于，解析所述业务数据的标签结构以生成当前标签集合，包括：
解析所述业务数据的标签结构生成用户数据的索引键值；
将索引键值和其对应用户数据相关联，以生成当前标签集合。
7.如权利要求1所述的方法，其特征在于，通过新增的标签生成用户画像，包括：
将新增的标签进行随机组合以生成所述用户画像。
8.如权利要求7所述的方法，其特征在于，将新增的标签进行随机组合以生成所述用户画像，包括：
获取新增的标签对应的用户数量；
通过新增标签对应的用户数量为其设定组合权重；
基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
9.如权利要求1所述的方法，其特征在于，通过新增的标签生成用户画像，包括：
由历史标签集合中提取多个历史标签；
将新增的标签和所述多个历史标签随机组合以生成所述用户画像。
10.如权利要求9所述的方法，其特征在于，由历史标签集合中提取多个历史标签，包括：
根据历史标签对应的用户数量将历史标签进行排序；
基于排序结果由高至低选择多个历史标签。
11.一种用户策略自动部署装置，其特征在于，包括：
数据模块，用于基于标签更新消息获取新增的标签和其对应的用户数据；
画像模块，用于通过新增的标签生成用户画像；
用户模块，用于根据所述用户画像提取多个目标用户；
策略模块，用于根据所述用户画像和运营目标生成用户策略；
部署模块，用于将所述用户策略自动部署给所述多个目标用户。
12.如权利要求11所述的装置，其特征在于，还包括：
业务模块，用于查询引擎定时由业务数据库获取实时业务数据；
解析模块，用于解析所述业务数据的标签结构以生成当前标签集合；
对比模块，用于将所述当前标签集合和历史标签集合进行对比；
消息模块，用于在对比不一致时，生成所述标签更新消息。
13.如权利要求12所述的装置，其特征在于，所述业务模块，包括：
计算单元，用于动态计算多个查询引擎的资源配置，以确定目标查询引擎；
定时单元，用于目标查询引擎由业务数据库定时获取实时业务数据。
14.如权利要求13所述的装置，其特征在于，定时单元，还用于
业务数据库定时将新增数据合并到主分支副本中；在主分支副本中对新增数据进行语法校验，在语法校验通过后生成增量数据。
15.如权利要求14所述的装置，其特征在于，定时单元，还用于
基于MapReduce将所述增量数据合并到业务数据库ElasticSearch中。
16.如权利要求12所述的装置，其特征在于，所述解析模块，包括：
键值单元，用于解析所述业务数据的标签结构生成用户数据的索引键值；
关联单元，用于将索引键值和其对应用户数据相关联，以生成当前标签集合。
17.如权利要求11所述的装置，其特征在于，所述画像模块，包括：
新增单元，用于将新增的标签进行随机组合以生成所述用户画像。
18.如权利要求17所述的装置，其特征在于，所述新增单元，还用于
获取新增的标签对应的用户数量；通过新增标签对应的用户数量为其设定组合权重；基于所述组合权重将新增的标签进行随机组合以生成所述用户画像。
19.如权利要求11所述的装置，其特征在于，所述画像模块，包括：
结合单元，用于由历史标签集合中提取多个历史标签；将新增的标签和所述多个历史标签随机组合以生成所述用户画像。
20.如权利要求19所述的装置，其特征在于，所述结合单元，还用于
根据历史标签对应的用户数量将历史标签进行排序；基于排序结果由高至低选择多个历史标签。
21.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
22.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
CN202110470104.9A 2021-04-28 2021-04-28 用户策略自动部署方法、装置及电子设备 Active CN113297287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110470104.9A CN113297287B (zh) 2021-04-28 2021-04-28 用户策略自动部署方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110470104.9A CN113297287B (zh) 2021-04-28 2021-04-28 用户策略自动部署方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113297287A true CN113297287A (zh) 2021-08-24
CN113297287B CN113297287B (zh) 2023-06-13

Family

ID=77320457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110470104.9A Active CN113297287B (zh) 2021-04-28 2021-04-28 用户策略自动部署方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113297287B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792079A (zh) * 2021-11-17 2021-12-14 腾讯科技（深圳）有限公司 数据查询方法、装置、计算机设备和存储介质
CN115103015A (zh) * 2022-06-22 2022-09-23 泰康保险集团股份有限公司 一种数据推送方法、装置、电子设备及计算机可读介质
CN118071410A (zh) * 2024-04-18 2024-05-24 浙江卡赢信息科技有限公司 一种基于用户行为分析的优惠券智能投放系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090886A (zh) * 2013-12-09 2014-10-08 深圳市腾讯计算机系统有限公司 构建用户实时画像的方法及装置
WO2018103622A1 (zh) * 2016-12-08 2018-06-14 腾讯科技（深圳）有限公司 信息投放控制方法、装置及存储介质
CN108764663A (zh) * 2018-05-15 2018-11-06 广东电网有限责任公司信息中心 一种电力客户画像生成管理的方法及系统
CN109213802A (zh) * 2018-08-16 2019-01-15 北京百度网讯科技有限公司 用户画像构建方法、装置、终端和计算机可读存储介质
CN109785034A (zh) * 2018-11-13 2019-05-21 北京码牛科技有限公司 用户画像生成方法、装置、电子设备及计算机可读介质
CN109992982A (zh) * 2019-04-11 2019-07-09 北京信息科技大学 大数据访问授权方法、装置和大数据平台
CN110046168A (zh) * 2019-03-28 2019-07-23 苏宁易购集团股份有限公司 一种增量数据一致性实现方法及装置
CN110782318A (zh) * 2019-10-21 2020-02-11 五竹科技(天津)有限公司 基于音频交互的营销方法、装置以及存储介质
CN111177544A (zh) * 2019-12-24 2020-05-19 浙江禾连网络科技有限公司 一种基于用户行为数据和用户画像数据的运营系统及方法
CN111400599A (zh) * 2020-03-17 2020-07-10 苏宁金融科技(南京)有限公司 一种用户群画像生成方法、装置及系统
CN111898023A (zh) * 2020-07-24 2020-11-06 北京口袋财富信息科技有限公司 一种消息推送方法、装置、可读存储介质及计算设备
CN112035742A (zh) * 2020-08-28 2020-12-04 康键信息技术（深圳）有限公司 用户画像生成方法、装置、设备及存储介质
CN112381563A (zh) * 2020-11-02 2021-02-19 上海淇玥信息技术有限公司 一种自动化标签生成方法、装置和电子设备
CN112560054A (zh) * 2020-12-14 2021-03-26 珠海格力电器股份有限公司 一种用户数据处理方法、装置、电子设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090886A (zh) * 2013-12-09 2014-10-08 深圳市腾讯计算机系统有限公司 构建用户实时画像的方法及装置
WO2018103622A1 (zh) * 2016-12-08 2018-06-14 腾讯科技（深圳）有限公司 信息投放控制方法、装置及存储介质
CN108764663A (zh) * 2018-05-15 2018-11-06 广东电网有限责任公司信息中心 一种电力客户画像生成管理的方法及系统
CN109213802A (zh) * 2018-08-16 2019-01-15 北京百度网讯科技有限公司 用户画像构建方法、装置、终端和计算机可读存储介质
CN109785034A (zh) * 2018-11-13 2019-05-21 北京码牛科技有限公司 用户画像生成方法、装置、电子设备及计算机可读介质
CN110046168A (zh) * 2019-03-28 2019-07-23 苏宁易购集团股份有限公司 一种增量数据一致性实现方法及装置
CN109992982A (zh) * 2019-04-11 2019-07-09 北京信息科技大学 大数据访问授权方法、装置和大数据平台
CN110782318A (zh) * 2019-10-21 2020-02-11 五竹科技(天津)有限公司 基于音频交互的营销方法、装置以及存储介质
CN111177544A (zh) * 2019-12-24 2020-05-19 浙江禾连网络科技有限公司 一种基于用户行为数据和用户画像数据的运营系统及方法
CN111400599A (zh) * 2020-03-17 2020-07-10 苏宁金融科技(南京)有限公司 一种用户群画像生成方法、装置及系统
CN111898023A (zh) * 2020-07-24 2020-11-06 北京口袋财富信息科技有限公司 一种消息推送方法、装置、可读存储介质及计算设备
CN112035742A (zh) * 2020-08-28 2020-12-04 康键信息技术（深圳）有限公司 用户画像生成方法、装置、设备及存储介质
CN112381563A (zh) * 2020-11-02 2021-02-19 上海淇玥信息技术有限公司 一种自动化标签生成方法、装置和电子设备
CN112560054A (zh) * 2020-12-14 2021-03-26 珠海格力电器股份有限公司 一种用户数据处理方法、装置、电子设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792079A (zh) * 2021-11-17 2021-12-14 腾讯科技（深圳）有限公司 数据查询方法、装置、计算机设备和存储介质
CN113792079B (zh) * 2021-11-17 2022-02-08 腾讯科技（深圳）有限公司 数据查询方法、装置、计算机设备和存储介质
CN115103015A (zh) * 2022-06-22 2022-09-23 泰康保险集团股份有限公司 一种数据推送方法、装置、电子设备及计算机可读介质
CN115103015B (zh) * 2022-06-22 2023-10-27 泰康保险集团股份有限公司 一种数据推送方法、装置、电子设备及计算机可读介质
CN118071410A (zh) * 2024-04-18 2024-05-24 浙江卡赢信息科技有限公司 一种基于用户行为分析的优惠券智能投放系统

Also Published As

Publication number Publication date
CN113297287B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
US11562304B2 (en) Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence
US11263207B2 (en) Performing root cause analysis for information technology incident management using cognitive computing
CN113297287B (zh) 用户策略自动部署方法、装置及电子设备
CN111666304B (zh) 数据处理装置、数据处理方法、存储介质与电子设备
CN111210335A (zh) 用户风险识别方法、装置及电子设备
US11809505B2 (en) Method for pushing information, electronic device
CN112017060B (zh) 为目标用户进行资源分配的方法、装置及电子设备
CN111583018A (zh) 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备
CN113298354B (zh) 业务衍生指标的自动生成方法、装置及电子设备
EP3961426A2 (en) Method and apparatus for recommending document, electronic device and medium
CN112015562A (zh) 基于迁移学习的资源分配方法、装置及电子设备
CN112017062B (zh) 基于客群细分的资源额度分配方法、装置及电子设备
CN110717597A (zh) 利用机器学习模型获取时序特征的方法和装置
CN111178687A (zh) 金融风险分类方法、装置及电子设备
CN111191677B (zh) 用户特征数据生成方法、装置及电子设备
CN116594683A (zh) 一种代码注释信息生成方法、装置、设备及存储介质
CN109684198B (zh) 待测试数据获取方法、装置、介质、电子设备
CN111563527B (zh) 异常事件检测方法以及装置
CN116450723A (zh) 数据提取方法、装置、计算机设备及存储介质
US20150073902A1 (en) Financial Transaction Analytics
CN112348661B (zh) 基于用户行为轨迹的服务策略分配方法、装置及电子设备
CN112256566B (zh) 一种测试案例的保鲜方法和装置
CN113297290A (zh) 实时用户策略配置方法、装置及电子设备
CN113032515A (zh) 基于多数据源生成图表的方法、系统、设备及存储介质
CN113297139A (zh) 元数据查询方法、系统及电子设备

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