CN113766016A - 一种信息推送方法及服务器 - Google Patents
一种信息推送方法及服务器 Download PDFInfo
- Publication number
- CN113766016A CN113766016A CN202111002190.7A CN202111002190A CN113766016A CN 113766016 A CN113766016 A CN 113766016A CN 202111002190 A CN202111002190 A CN 202111002190A CN 113766016 A CN113766016 A CN 113766016A
- Authority
- CN
- China
- Prior art keywords
- merchant
- recommended merchant
- initial
- recommended
- server
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000003860 storage Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 55
- 230000015654 memory Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000011022 operating instruction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种信息推送方法及服务器,服务器的出行服务通过终端的乘车应用获取目标用户的出入站站点信息;服务器的出行服务将出入站站点信息传送至服务器的推荐服务;服务器的推荐服务针对出入站站点信息,通过服务器的数据服务获取位于出入站站点设定范围内的初始推荐商户集合;服务器的推荐服务通过服务器的数据服务获取历史交易记录和历史操作记录;服务器的推荐服务根据历史交易记录和历史操作记录,确定初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至乘车应用;乘车应用用于按照展示顺序显示各初始推荐商户。该方式实现了对乘车场景下的用户流量的开发利用。
Description
技术领域
本申请实施例涉及智慧交通技术领域,尤其涉及一种信息推送方法及服务器。
背景技术
目前,隶属于消费类型的各应用程序(如淘宝应用、饿了么应用)通过采集用户的历史消费记录,以分析用户的消费特征,并最终按照相关程度由强到弱的顺序、准确地向用户进行各商品的推送,实现了对用户的精准营销。
然而,在城市交通如此便利的今天,虽然一些大型地铁站和热门公交站点周边遍布商户,但是至今尚且还没有一种方法,其能够向乘车用户准确地推送他可能会进行消费的商户的信息,也即乘车场景下的用户流量尚待开发。
发明内容
本申请提供一种信息推送方法及服务器,用以对乘车场景下的用户进行精准的商户营销。
第一方面,本申请实施例提供一种消息推送方法,该方法包括:服务器的出行服务通过终端的乘车应用获取目标用户的出入站站点信息;所述服务器的出行服务将所述出入站站点信息传送至所述服务器的推荐服务;所述服务器的推荐服务针对所述出入站站点信息,通过所述服务器的数据服务获取位于出入站站点设定范围内的初始推荐商户集合;所述服务器的推荐服务通过所述服务器的数据服务获取历史交易记录和历史操作记录;所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至所述乘车应用;所述乘车应用用于按照所述展示顺序显示各初始推荐商户。
上述方案中,对于用户通过乘车应用进行乘车的场景,当一用户(即目标用户)在闸机上刷乘车码时,乘车应用的服务器可以接收到目标用户刷乘车码时的交通站点信息(即出入站站点信息),可使服务器通过比较交通站点周边的各商户到该交通站点的距离,并为目标用户就近推荐商户,即确定出了初始推荐商户集合,如此可以极大增加目标用户在出行途中进行消费的几率;接着,服务器通过获取历史交易记录和历史操作记录,可对初始推荐商户集合中的各商户进行展示优先级的排序并向乘车应用推送商户的展示优先级。该方式通过从距离目标用户较近的若干个商户中、对该若干个商户进行展示优先级的排序,从而更易促进目标用户进出站后在商户中进行消费,实现了对乘车场景下的用户流量的开发利用。
在一种可能实现的方法中,所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列;所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列;所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序。
上述方案中,针对就近推荐的初始推荐商户集合中的各商户,分别从目标用户对各商户的喜爱程度的角度以及与目标用户相似的用户对各商户的喜爱程度的角度确定适合于向目标用户进行推荐的推荐商户序列,最后通过对两种性质的推荐商户序列进行综合,并最终向目标用户展示最佳的商户推荐序列。该方式中针对一交通站点,通过采集目标用户对该交通站点附近各商户的交易记录和操作记录,以及该交通站点附近各商户自身的交易记录,可实时更新目标用户对各商户的喜爱程度以及实时更新与目标用户相似的用户,实现了以一种符合用户消费心理的方式向目标用户个性化推荐商户的目的。
在一种可能实现的方法中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述目标用户预设时长内在所述初始推荐商户下的第一交易次数;根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户;所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息;所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度;所述第二推荐商户是所述初始推荐商户集合中除去所述第一推荐商户外的每一个初始推荐商户;所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列。
上述方案中,根据目标用户于预设时长内在各初始推荐商户下的各第一交易次数,可确定出目标用户最喜爱的一个初始推荐商户,并将其作为第一推荐商户,接着通过统计初始推荐商户集合中的每一个初始推荐商户的受众信息可计算第二推荐商户与第一推荐商户之间关联程度,根据各关联程度,可以对初始推荐商户集合中除去第一推荐商户之外的各第二推荐商户进行用户喜爱程度的排序,从而生成第一推荐商户序列。该方式通过充分考虑乘车用户在线下商户的实际交易情况,使得最终向乘车用户推荐的各商户是最符合乘车用户心理的,刺激了乘车用户在线下商户进行消费的欲望,进而提升了乘车用户线下消费的成功率。
在一种可能实现的方法中,所述根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述初始推荐商户在所述预设时长内的最大交易次数和最小交易次数;根据所述目标用户在所述初始推荐商户下的第一交易次数、所述最大交易次数和所述最小交易次数,确定所述目标用户对所述初始推荐商户的消费偏好程度;所述服务器的推荐服务将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户确定为第一推荐商户。
上述方案中,针对初始推荐商户集合中的任一个初始推荐商户,可以从历史数据中获取该初始推荐商户在预设时长内的最大交易次数和最小交易次数,接着,基于各初始推荐商户对应的最大交易次数和最小交易次数,从而针对在各初始推荐商户下进行消费的每一个用户,通过获取该用户于预设时长内在初始推荐商户下的交易次数(即第一交易次数),可以得到该用户对初始推荐商户的消费偏好程度,最终可以将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户作为第一推荐商户。该方式中对于目标用户,通过确定他对各初始推荐商户的消费偏好程度,并将最大值的消费偏好程度对应的初始推荐商户作为第一推荐商户,从而可以极大地提升目标用户在出入站时在附近的商户进行消费的几率。
在一种可能实现的方法中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述预设时长内各历史用户对所述初始推荐商户的消费偏好程度,将满足第二预设要求的各消费偏好程度分别对应的各历史用户作为所述初始推荐商户的受众信息;所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度,包括:所述服务器的推荐服务针对任一第二推荐商户,将所述第一受众信息中的历史用户与所述第二受众信息中的历史用户之间的用户重合程度作为所述第一推荐商户与所述第二推荐商户之间的关联程度;所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合,将各用户重合程度按照由大到小的顺序进行排列而得到的各初始推荐商户作为第一推荐商户序列。
上述方案中,分别描述了是如何确定一个初始推荐商户的受众信息、如何确定两推荐商户之间的关联程度以及如何确定第一推荐商户序列的。该方式中通过充分考虑初始推荐商户集合中的各商户被用户喜爱的程度,从而可以确定出喜爱各商户的各用户,然后分别计算初始推荐商户集合中的除去第一推荐商户之外的各初始推荐商户(即第二推荐商户)分别与第一推荐商户的各用户之间的用户重合程度,最后根据各用户重合程度由大到小的顺序对初始推荐商户集合中的各初始推荐商户进行排序,如此可以使得所得到的第一推荐商户序列在很大程度上贴合用户的消费心理,更易促进目标用户在出入站站点附近的商户进行消费,实现了对乘车场景下的用户流量的开发。
在一种可能实现的方法中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,分别获取所述目标用户和用户数据集中的各参照用户在预设时长内对所述初始推荐商户的各第一历史操作行为和各第二历史操作行为;根据各第一历史操作行为和各第二历史操作行为,确定所述目标用户分别与所述用户数据集中的各参照用户之间的相似程度;所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列。
上述方案中,根据目标用户与用户数据集中的每一个参照用户分别对初始推荐商户集合中的每一个初始推荐商户的各第一历史操作行为和各第二历史操作行为,进而可确定目标用户与每一个参照用户之间的相似程度,且基于各相似程度可以得到目标用户的相似用户,并最终可以根据相似用户的各第二历史操作行为确定目标用户在出入站站点的第二推荐商户序列。该方式中通过结合用户数据集中的各参照用户对各初始推荐商户的各历史操作行为,则可以分析得到与目标用户较为相似的一个参照用户,进而可以参考该参照用户对各初始推荐商户的历史操作行为来得到乘车用户在出入站站点的第二推荐商户序列,以达到消费引流的目标。
在一种可能实现的方法中,所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度可通过下述公式确定,包括:
其中,r表示所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,i表示所述初始推荐商户集合中各初始推荐商户的编号,n表示所述初始推荐商户集合中初始推荐商户的数目,Xi表示所述目标用户在编号为i的初始推荐商户下的各第一历史操作行为对应的第一得分;Yi表示所述参照用户在编号为i的初始推荐商户下的各第二历史操作行为对应的第二得分,表示各第一得分的均值,表示各第二得分的均值。
在一种可能实现的方法中,所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户,包括:所述服务器的推荐服务将各相似程度中最大值对应的参照用户作为所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:所述服务器的推荐服务将所述目标用户对所述初始推荐商户集合按照第一得分由大到小的顺序进行排序,从而得到第三推荐商户序列;所述服务器的推荐服务针对所述第三推荐商户序列中的任一初始推荐商户,若所述目标用户在所述初始推荐商户下的各第一历史操作行为对应的第一得分为零且所述相似用户在所述初始推荐商户下的各第二历史操作行为对应的第二得分不为零,则将所述初始推荐商户在所述第三推荐商户序列中的位置前移,从而得到所述目标用户在所述目标站点的第二推荐商户序列。
上述方案中,分别描述了是如何确定目标用户的相似用户以及如何得到第二推荐商户序列的。该方式中通过将用户数据集中与目标用户之间相似程度最大的一个参照用户作为目标用户的相似用户,从而可以基于该参照用户(即相似用户)来对目标用户对应的第三推荐商户序列进行重排序,如此可以增加目标用户对一些自己潜意识中想要进行消费的商户进行消费的可能性,更易为各商户开发潜在的乘车消费者,在实现消费引流的目标下也更加促进了消费。
在一种可能实现的方法中,所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:所述服务器的推荐服务针对所述第一推荐商户序列和所述第二推荐商户序列中相同位置的推荐商户,按照在所述第二推荐商户序列与在所述第一推荐商户序列交替排列的方式进行重排序,得到第四推荐商户序列;所述服务器的推荐服务对所述第四推荐商户序列按照从头到尾的顺序进行推荐商户的去重,从而得到所述初始推荐商户集合中各初始推荐商户的展示顺序。
上述方案中,在得到第一推荐商户序列与第二推荐商户序列之后,通过对第一推荐商户序列与第二推荐商户序列中位于同一位置的各商户重排序,同时可将第二推荐商户序列中的商户排序在第一推荐商户序列中的商户之前,最后通过对得到的第四推荐商户序列进行推荐商户的去重,据此所得到的推荐商户的排序为初始推荐商户集合中各初始推荐商户的展示顺序。该方式中可以更易为各商户开发潜在的乘车消费者,在实现消费引流的目标下也更加促进了用户消费。
第二方面,本申请实施例提供一种服务器,包括:出行服务单元,用于通过终端的乘车应用获取目标用户的出入站站点信息;所述出行服务单元,还用于将所述出入站站点信息传送至所述服务器的推荐服务单元;所述推荐服务单元,用于针对所述出入站站点信息,通过所述服务器的数据服务单元获取位于出入站站点设定范围内的初始推荐商户集合;所述推荐服务单元,还用于通过所述数据服务单元获取历史交易记录和历史操作记录;所述推荐服务单元,还用于根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至所述乘车应用;所述乘车应用用于按照所述展示顺序显示各初始推荐商户。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列;针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列;根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述目标用户预设时长内在所述初始推荐商户下的第一交易次数;根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户;针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息;根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度;所述第二推荐商户是所述初始推荐商户集合中除去所述第一推荐商户外的每一个初始推荐商户;根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述初始推荐商户在所述预设时长内的最大交易次数和最小交易次数;根据所述目标用户在所述初始推荐商户下的第一交易次数、所述最大交易次数和所述最小交易次数,确定所述目标用户对所述初始推荐商户的消费偏好程度;将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户确定为第一推荐商户。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述预设时长内各历史用户对所述初始推荐商户的消费偏好程度,将满足第二预设要求的各消费偏好程度分别对应的各历史用户作为所述初始推荐商户的受众信息;针对任一第二推荐商户,将所述第一受众信息中的历史用户与所述第二受众信息中的历史用户之间的用户重合程度作为所述第一推荐商户与所述第二推荐商户之间的关联程度;针对所述初始推荐商户集合,将各用户重合程度按照由大到小的顺序进行排列而得到的各初始推荐商户作为第一推荐商户序列。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,分别获取所述目标用户和用户数据集中的各参照用户在预设时长内对所述初始推荐商户的各第一历史操作行为和各第二历史操作行为;根据各第一历史操作行为和各第二历史操作行为,确定所述目标用户分别与所述用户数据集中的各参照用户之间的相似程度;根据各相似程度,确定所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列。
在一种可能实现的方法中,所述推荐服务单元,具体用于:根据确定所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,其中,r表示所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,i表示所述初始推荐商户集合中各初始推荐商户的编号,n表示所述初始推荐商户集合中初始推荐商户的数目,Xi表示所述目标用户在编号为i的初始推荐商户下的各第一历史操作行为对应的第一得分;Yi表示所述参照用户在编号为i的初始推荐商户下的各第二历史操作行为对应的第二得分,表示各第一得分的均值,表示各第二得分的均值。
在一种可能实现的方法中,所述推荐服务单元,具体用于:将各相似程度中最大值对应的参照用户作为所述目标用户的相似用户;将所述目标用户对所述初始推荐商户集合按照第一得分由大到小的顺序进行排序,从而得到第三推荐商户序列;针对所述第三推荐商户序列中的任一初始推荐商户,若所述目标用户在所述初始推荐商户下的各第一历史操作行为对应的第一得分为零且所述相似用户在所述初始推荐商户下的各第二历史操作行为对应的第二得分不为零,则将所述初始推荐商户在所述第三推荐商户序列中的位置前移,从而得到所述目标用户在所述目标站点的第二推荐商户序列。
在一种可能实现的方法中,所述推荐服务单元,具体用于:针对所述第一推荐商户序列和所述第二推荐商户序列中相同位置的推荐商户,按照在所述第二推荐商户序列与在所述第一推荐商户序列交替排列的方式进行重排序,得到第四推荐商户序列;对所述第四推荐商户序列按照从头到尾的顺序进行推荐商户的去重,从而得到所述初始推荐商户集合中各初始推荐商户的展示顺序。
第三方面,本申请实施例提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如第一方面任一实现方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任一实现方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种系统架构的示意图;
图2为本申请实施例提供的一种信息推送方法的示意图;
图3为本申请实施例提供的一种确定用户在商户进行消费时的分值确定示意图;
图4为本申请实施例提供的一种服务器的示意图;
图5为本申请实施例提供的一种计算设备。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
对于目前乘车场景下无法向出入站的乘车用户进行商户营销的现象,本申请提供一种可能的系统架构,如图1所示,为本申请实施例提供的一种系统架构的示意图,包括终端110和服务器120。
其中,终端110中可以安装有各种类型的应用程序,如可包括交通出行类型、购物类型和游戏类型等类型的应用程序;其中,属于交通出行类型的应用程序如可包括“云闪付”和“大都会”等应用程序。作为示例,本申请以终端110中安装有“云闪付”这一交通出行类型的乘车应用为例进行说明。终端110可以为智能手机、智能手表、iPad等智能终端。
服务器120可以为终端110中所安装的各种应用程序分别对应的服务器。例如在终端110中安装有“云闪付”这一乘车应用时,服务器120则为“云闪付”这一乘车应用对应的服务器。服务器120可以为一台独立的服务器,也可以是由多台服务器组成的服务器集群,本申请不做限定。
作为示例,在服务器120为“云闪付”这一乘车应用对应的服务器时,服务器120可以包括出行服务单元、推荐服务单元和数据服务单元。
其中,对一交通站点,当一乘车用户使用终端110中的“云闪付”这一乘车应用进行乘车时,乘车用户通过点击终端110中的“云闪付”这一乘车应用并点当中的击乘车码的标识,随后乘车用户通过将终端110显示出的乘车码对准闸机刷码,从而终端110中的“云闪付”这一乘车应用可以将乘车用户当前的交通站点信息,如站点名称,发送至服务器120中的出行服务单元;相应的,服务器120中的出行服务单元可以接收到乘车用户刷乘车码的站点信息。可选的,本申请中目标用户可以为乘车用户,本申请中出入站站点信息可以为交通站点信息。
然后,服务器120中的出行服务单元可以将乘车用户刷乘车码的站点信息发送至服务器120中的推荐服务单元,以由推荐服务单元根据接收到乘车用户刷乘车码的站点信息和自身(指推荐服务单元)从服务器120中的数据服务单元获取的地理位置的数据,则可以确定位于站点信息指示的站点设定范围内的初始推荐商户集合。
接着,服务器120中的推荐服务单元可以继续从服务器120中的数据服务单元获取历史交易记录和历史操作记录,并基于所获取的历史交易记录和历史操作记录确定初始推荐商户集合中各初始推荐商户的展示顺序,并将其作为推送信息发送至终端110中的“云闪付”这一乘车应用;相应的,终端110中的“云闪付”这一乘车应用可以接收到各初始推荐商户的展示顺序的推送信息,从而终端110中的“云闪付”这一乘车应用可以基于该展示顺序向乘车用户显示初始推荐商户集合中的各初始推荐商户。可选的,在终端110中的“云闪付”这一乘车应用向乘车用户显示各初始推荐商户的过程中,终端110中的“云闪付”这一乘车应用可以通过向乘车用户推送含有各初始推荐商户的推送消息给乘车用户,比如可以通过弹窗、悬浮框的形式进行推送。
针对背景技术的问题以及基于本申请提供的系统架构,本申请提供一种信息推送方法,如图2所示,为本申请实施例提供的一种信息推送方法的示意图,该方法可由图1所示的服务器120予以执行,包括以下步骤:
步骤201,服务器的出行服务通过终端的乘车应用获取目标用户的出入站站点信息。
在本步骤中,对于一出入站站点,当乘车用户通过终端的乘车应用进行出入站时,终端的乘车应用可以将该出入站站点的信息,如出入站站点的名称,发送至服务器的出行服务;相应的,服务器的出行服务可以获取到出入站站点信息。
说明的是,本申请实施例中目标用户可以为乘车用户。服务器的出行服务获取的可以是乘车用户的出站信息,也可以是乘车用户的入站信息。比如,当乘车用户在“金科路”地铁站刷乘车码出站时,服务器的出行服务获取的出入站站点信息则为“金科路”地铁站;当乘车用户在“世纪大道”地铁站刷乘车码入站时,服务器的出行服务获取的出入站站点信息则为“世纪大道”地铁站。
步骤202,所述服务器的出行服务将所述出入站站点信息传送至所述服务器的推荐服务。
在本步骤中,在服务器的出行服务获取到出入站站点信息后,服务器的出行服务可以将出入站站点信息发送至服务器的推荐服务,相应的,服务器的推荐服务可以接收到目标用户的出入站站点信息。
步骤203,所述服务器的推荐服务针对所述出入站站点信息,通过所述服务器的数据服务获取位于出入站站点设定范围内的初始推荐商户集合。
在本步骤中,在服务器的推荐服务接收到目标用户的出入站站点信息后,可以通过服务器的数据服务获取该出入站站点信息对应的地理位置信息,然后服务器的推荐服务可以根据预设的出入站站点信息与周边各商户之间的距离信息,确定距离该出入站站点由近及远的N个商户,并将该N个商户作为初始推荐商户形成初始推荐商户集合。其中,N可以由技术人员根据实际的需求进行设定。
步骤204,所述服务器的推荐服务通过所述服务器的数据服务获取历史交易记录和历史操作记录。
在本步骤中,在服务器的推荐服务确定出目标用户的初始推荐商户集合后,服务的推荐服务可继续从服务器的数据服务获取历史交易记录和历史操作记录。其中,历史交易记录可包括目标用户在初始推荐商户集合中的各初始推荐商户下的历史交易记录以及各初始推荐商户自身的历史交易记录;历史操作记录可包括目标用户对初始推荐商户集合中的各初始推荐商户的历史操作记录以及用户数据集中的各参照用户对各初始推荐商户的历史操作记录。
说明的是,用户数据集是根据与目标用户在相同出入站站点进行出入站的乘车用户进行确定的。
步骤205,所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至所述乘车应用;所述乘车应用用于按照所述展示顺序显示各初始推荐商户。
在本步骤中,在服务器的推荐服务获取到历史交易记录和历史操作记录后,可以对初始推荐商户集合中的各初始推荐商户进行展示优先级的排序,并将得到的展示顺序作为推送信息发送至乘车应用;相应的,乘车应用可接收到展示顺序,并按照该展示顺序向目标用户显示各初始推荐商户。
本发明实施例中,对于用户通过乘车应用进行乘车的场景,当一用户(即目标用户)在闸机上刷乘车码时,乘车应用的服务器可以接收到目标用户刷乘车码时的交通站点信息(即出入站站点信息),可使服务器通过比较交通站点周边的各商户到该交通站点的距离,并为目标用户就近推荐商户,即确定出了初始推荐商户集合,如此可以极大增加目标用户在出行途中进行消费的几率;接着,服务器通过获取历史交易记录和历史操作记录,可对初始推荐商户集合中的各商户进行展示优先级的排序并向乘车应用推送商户的展示优先级。该方式通过从距离目标用户较近的若干个商户中、对该若干个商户进行展示优先级的排序,从而更易促进目标用户进出站后在商户中进行消费,实现了对乘车场景下的用户流量的开发利用。
以下将结合示例分别对上述一些步骤进行详细说明。
在上述步骤205的一个实施中,所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列;所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列;所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序。
在服务器的推荐服务根据出入站站点信息确定出目标用户的初始推荐商户集合后,一方面可以基于目标用户对各初始推荐商户的喜爱程度,从而对初始推荐商户集合中的各初始推荐商户进行展示优先级的排序,从而得到第一推荐商户序列;另一方面可以基于目标用户对各初始推荐商户的历史操作记录以及用户数据集中的各参照用户对各初始推荐商户的历史操作记录,进而可以基于参照用户对各初始推荐商户的态度,对初始推荐商户集合中的各初始推荐商户进行展示优先级的排序,从而得到第二推荐商户序列;最后,通过综合这两种性质的推荐商户序列,可得到初始推荐商户集合中各初始推荐商户的展示顺序。该方式中的第一推荐商户序列是从目标用户自身角度出发而确定的一种较佳的商户展示优先级的排序,第二推荐商户序列是借鉴了与目标用户相似的参照用户对各初始推荐商户的态度而确定的一种较佳的商户展示优先级的排序,因此通过综合考量这两种性质的推荐商户序列,可确定初始推荐商户集合中各初始推荐商户的展示顺序,该展示顺序一方面既可以直接吸引目标用户进行消费,另一方面也可以刺激目标用户在一些虽然不曾消费但确实具有消费潜力的商户中进行消费,也即为一些商户开发了潜在消费者,如此可以刺激乘车场景下的消费,使用户流量价值最大化。
下面将详述是如何得到第一推荐商户序列和第二推荐商户序列的。
1、确定第一推荐商户序列:
在本申请的某些实施中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述目标用户预设时长内在所述初始推荐商户下的第一交易次数;根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户;所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息;所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度;所述第二推荐商户是所述初始推荐商户集合中除去所述第一推荐商户外的每一个初始推荐商户;所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列。
在本申请的某些实施中,所述根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述初始推荐商户在所述预设时长内的最大交易次数和最小交易次数;根据所述目标用户在所述初始推荐商户下的第一交易次数、所述最大交易次数和所述最小交易次数,确定所述目标用户对所述初始推荐商户的消费偏好程度;所述服务器的推荐服务将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户确定为第一推荐商户。
在本申请的某些实施中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述预设时长内各历史用户对所述初始推荐商户的消费偏好程度,将满足第二预设要求的各消费偏好程度分别对应的各历史用户作为所述初始推荐商户的受众信息;所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度,包括:所述服务器的推荐服务针对任一第二推荐商户,将所述第一受众信息中的历史用户与所述第二受众信息中的历史用户之间的用户重合程度作为所述第一推荐商户与所述第二推荐商户之间的关联程度;所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合,将各用户重合程度按照由大到小的顺序进行排列而得到的各初始推荐商户作为第一推荐商户序列。
下面可以通过一个具体的例子说明目标用户对应的第一推荐商户序列的确定过程:
例如,设初始推荐商户集合中存在有商户1、商户2、商户3、商户4和商户5共5个初始推荐商户;则,一方面,针对目标用户,获取他于历史最近的3个月内分别在这5个初始推荐商户下进行交易的交易次数,另一方面,针对这5个初始推荐商户,分别获取这5个初始推荐商户于历史最近的3个月内由某一用户所贡献的最大交易次数和由某一用户所贡献的最小交易次数;然后基于下述公式(1),可以确定目标用户分别对这5个初始推荐商户的消费偏好程度:
其中,λ表示消费偏好程度,ni表示任一目标用户的交易次数,nmax表示最大交易次数,nmin表示最小交易次数。
因此,根据上述公式(1),可以得到目标用户对商户1、商户2、商户3、商户4和商户5这5个初始推荐商户各自的一个消费偏好程度,如商户1对应的消费偏好程度表示为λ1,商户2对应的消费偏好程度表示为λ2,商户3对应的消费偏好程度表示为λ3,商户4对应的消费偏好程度表示为λ4,商户5对应的消费偏好程度表示为λ5,然后针对这5个消费偏好程度,将当中的最大值的消费偏好程度对应的初始推荐商户作为第一推荐商户,比如通过比较λ1、λ2、λ3、λ4、λ5,确定λ4的值最大,从而可以将商户4这一初始推荐商户作为第一推荐商户。
接下来,针对商户1、商户2、商户3、商户4和商户5这5个初始推荐商户中任一个初始推荐商户,如商户1,获取它于历史最近的3个月当中的交易情况,包括与之发生交易的每个历史用户以及各历史用户在商户1下进行交易的交易次数,从而对每一个历史用户应用公式1,则可以得到各历史用户对商户1的消费偏好程度,其中,在得到各历史用户对商户1的消费偏好程度之后,可将各消费偏好程度与一个设定阈值,如0.5分别进行比较,当且仅当λ≥0.5时,则认为当前被比较的历史用户的交易次数的分布高于该商户下的平均次数水平,从而可以将该历史用户作为商户1的一个受众,进而可以根据各消费偏好程度与设定阈值的比较,得到商户1的受众信息,也即商户1的受众信息中包括一个个的消费偏好程度大于设定阈值的各历史用户。按照如此逻辑,可以得到商户1、商户2、商户3、商户4和商户5这5个初始推荐商户各自的一个受众信息。
然后,基于前述经计算得到的商户4作为第一推荐商户的事实,可以以商户4作为比较的基准,分别将商户1、商户2、商户3和商户5与之进行比较。其中,比较过程中可以依据各商户对应的受众信息而进行,比如通过将商户1对应的受众信息与商户4对应的瘦受众信息进行用户重合程度的计算,就可以得到商户1与商户4之间的关联程度,又如通过将商户2对应的受众信息与商户4对应的瘦受众信息进行用户重合程度的计算,就可以得到商户2与商户4之间的关联程度,不再一一详述。其中,可以基于下述公式(2)得到两商户之间的关联程度:
其中,J(x,y)表示商户x和商户y之间的关联程度,其中X表示商户x的受众信息,Y表示商户y的受众信息,∩表示求交集,∪表示求并集。
因此,根据上述公式(2),可以依次得到商户4与商户1之间的关联程度J(4,1),商户4与商户2之间的关联程度J(4,2),商户4与商户3之间的关联程度J(4,3),商户4与商户5之间的关联程度J(4,5)共4个关联程度,最终,对这4个关联程度按照数值由大到小的顺序进行排序,如排序后的结果为J(4,1)>J(4,3)>J(4,5)>J(4,2)如,则可以得到第一推荐商户序列:商户4、商户1、商户3、商户5、商户2。
2、确定第二推荐商户序列:
在本申请的某些实施中,所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,分别获取所述目标用户和用户数据集中的各参照用户在预设时长内对所述初始推荐商户的各第一历史操作行为和各第二历史操作行为;根据各第一历史操作行为和各第二历史操作行为,确定所述目标用户分别与所述用户数据集中的各参照用户之间的相似程度;所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列。
在本申请的某些实施中,所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度可通过下述公式确定,包括:
其中,r表示所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,i表示所述初始推荐商户集合中各初始推荐商户的编号,n表示所述初始推荐商户集合中初始推荐商户的数目,Xi表示所述目标用户在编号为i的初始推荐商户下的各第一历史操作行为对应的第一得分;Yi表示所述参照用户在编号为i的初始推荐商户下的各第二历史操作行为对应的第二得分,表示各第一得分的均值,表示各第二得分的均值。
在本申请的某些实施中,所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户,包括:所述服务器的推荐服务将各相似程度中最大值对应的参照用户作为所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:所述服务器的推荐服务将所述目标用户对所述初始推荐商户集合按照第一得分由大到小的顺序进行排序,从而得到第三推荐商户序列;所述服务器的推荐服务针对所述第三推荐商户序列中的任一初始推荐商户,若所述目标用户在所述初始推荐商户下的各第一历史操作行为对应的第一得分为零且所述相似用户在所述初始推荐商户下的各第二历史操作行为对应的第二得分不为零,则将所述初始推荐商户在所述第三推荐商户序列中的位置前移,从而得到所述目标用户在所述目标站点的第二推荐商户序列。
下面可以通过一个具体的例子说明目标用户对应的第二推荐商户序列的确定过程:
对于目标用户当前所在的出入站站点,服务器的推荐服务可以从服务器的数据服务中获取该出入站站点下的用户数据集。其中,对于一出入站站点,在该出入站站点进行出入站的乘车用户是相对固定的,因此通过服务器的数据服务可以获取到该出入站站点对应的用户数据集,也即该用户数据集中各参照用户为与目标用户在相同出入站站点进行出入站的稳定乘车用户。
进而,针对于目标用户与用户数据集中的每一个参照用户,服务器的推荐服务可以从服务器的数据服务中获取目标用户于预设时长内对初始推荐商户集合中的每一个初始推荐商户的历史操作记录,以及获取各参照用户于预设时长内对各初始推荐商户的历史操作记录。说明的是,该预设时长与确定第一推荐商户序列过程中使用的预设时长相同,由于本申请实施例中在确定第一推荐商户序列过程中使用的预设时长为历史最近的3个月,因此此处的预设时长也为历史最近的3个月。
比如,对于初始推荐商户集合中的任一个初始推荐商户,用户对该初始推荐商户所执行的历史操作记录可以包括浏览商户门店信息、收藏商户、领取商户优惠券、分享商户和在商户进行消费等行为对应的记录,同时,针对于用户对初始推荐商户所执行的各历史操作记录,可以根据各历史操作记录分别对应的在消费场景下具有的重要程度,为各历史操作记录设置对应的分值。其中,如表1所示,为本申请实施例提供的一种操作记录对应分值的记录表:
表1 操作记录对应分值的记录表
其中,针对于用户在商户进行消费这一操作记录,它所对应的分值若直接设定为一个固定的数值,则并不那么合适,因为对于用户的消费行为,存在消费记录在时间上的影响,时间越近的交易对于用户行为评价越有价值,因此用户在商户进行消费这一行为对应的分值的取值可依据时间衰减函数来确定,其中时间衰减函数对应的计算公式如下公式(3):
f(t)=f(0)e-λt (3)
其中,依据出行场景及其他相关行为的行为分值,此处衰减系数λ取值可以为0.1,初始值f(0)为10,t的单位为天。
如图3所示,为本申请实施例提供的一种确定用户在商户进行消费时的分值确定示意图,其中,纵轴为分值,横轴为距离现在的时间,时间相隔越久,对应的行为分值成指数级下降。
如此,基于用户对商户的各种操作行为与操作行为对应的分值,可以根据目标用户对各初始推荐商户在历史最近的3个月的操作行为确定目标用户在各初始推荐商户下的总得分,即第一得分,以及针对用户数据集中的每一个参照用户,可以根据该参照用户对各初始推荐商户在历史最近的3个月的操作行为确定该参照用户在各初始推荐商户下的总得分,即第二得分,从而基于目标用户在各初始推荐商户下的第一得分,分别计算目标用户与用户数据集中的每一个参照用户之间的相似程度。其中,根据下述修正的余弦相似度公式,即公式(4),可以计算目标用户与每一个参照用户之间的相似程度:
其中,r表示目标用户与用户数据集中的任一个参照用户之间的相似程度,i表示初始推荐商户集合中各初始推荐商户的编号,n表示初始推荐商户集合中初始推荐商户的数目,Xi表示目标用户在编号为i的初始推荐商户下的各第一历史操作行为对应的第一得分;Yi表示参照用户在编号为i的初始推荐商户下的各第二历史操作行为对应的第二得分,表示各第一得分的均值,表示各第二得分的均值。
因此,可以计算出目标用户与用户数据集中的每一个参照用户之间的相似程度;接着,针对各相似程度,将当中的最大值的相似程度对应的一个参照用户作为目标用户的相似用户。
在得到目标用户的相似用户之后,一方面可以基于目标用户在各初始推荐商户下的第一得分,将各初始推荐商户按照第一得分由大到小的顺序进行排序,从而可以得到第三推荐商户序列,如第三推荐商户排序为:商户5(29分)、商户1(20分)、商户2(16分)、商户3(8分)、商户4(0分);同时,还可以基于目标用户的相似用户在各初始推荐商户下的第二得分,将各初始推荐商户按照第二得分由大到小的顺序进行排序,从而可以得到第五推荐商户序列,如第五推荐商户排序为商户5(30分)、商户2(18分)、商户1(16分)、商户4(9分)、商户3(3分)。说明的是,括号中的分值表示用户在当前初始推荐商户下的得分。
对得到的第三推荐商户序列和第五推荐商户序列进行比较可知,其中目标用户在商户4这一初始推荐商户下的得分为0分,而目标用户的相似用户在商户4这一初始推荐商户下的得分为9分,基于相似用户进行消费的商户基本一致的情况,以及为了让商户更好的开发潜在消费用户,因此可以对商户4在第三商户推荐序列中的位置进行调整,如将商户4至于第三商户推荐序列的首部而保证其他商户的位置不变,从而可以得到第二推荐商户序列:商户4、商户5、商户1、商户2、商户3。
在得到第一推荐商户序列与第二推荐商户序列之后,根据下述方法,可以得到最终的初始推荐商户集合中各初始推荐商户的展示顺序。
在本申请的某些实施中,所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:所述服务器的推荐服务针对所述第一推荐商户序列和所述第二推荐商户序列中相同位置的推荐商户,按照在所述第二推荐商户序列与在所述第一推荐商户序列交替排列的方式进行重排序,得到第四推荐商户序列;所述服务器的推荐服务对所述第四推荐商户序列按照从头到尾的顺序进行推荐商户的去重,从而得到所述初始推荐商户集合中各初始推荐商户的展示顺序。
例如,接着上述例子中所确定的第一推荐商户序列,包括商户4、商户1、商户3、商户5、商户2,和第二推荐商户序列,包括商户4、商户5、商户1、商户2、商户3,则以交叉排序的方式对这两种性质的推荐商户序列进行排序,且以第二推荐商户序列在前、第一推荐商户序列在后进行排序,则排序得到的第四推荐商户序列为:商户4、商户4、商户5、商户1、商户1商户3、商户2、商户5、商户3、商户2,最后,对第四推荐商户序列中的各商户进行商户去重,即关于同一商户,保留第四商户推荐序列中位置在前的商户而删除位置在后的商户,从而可以得到初始推荐商户集合中各初始推荐商户的展示序列:商户4、商户5、商户1、商户3、商户2。
在服务器的推荐服务确定出展示序列为商户4、商户5、商户1、商户3、商户2之后,可以将该展示顺序发送至终端中的乘车应用,以使乘车应用按照商户4、商户5、商户1、商户3、商户2这一顺序依次展示各推荐商户。
基于同样的构思,本申请实施例提供一种服务器,如图4所示,为本申请实施例提供一种服务器的示意图,该服务器包括出行服务单元401、推荐服务单元402和数据服务单元403;
出行服务单元401,用于通过终端的乘车应用获取目标用户的出入站站点信息;
出行服务单元401,还用于将所述出入站站点信息传送至所述服务器的推荐服务单元402;
推荐服务单元402,用于针对所述出入站站点信息,通过所述服务器的数据服务单元403获取位于出入站站点设定范围内的初始推荐商户集合;
推荐服务单元402,还用于通过数据服务单元403获取历史交易记录和历史操作记录;
推荐服务单元402,还用于根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至所述乘车应用;所述乘车应用用于按照所述展示顺序显示各初始推荐商户。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列;针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列;根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述目标用户预设时长内在所述初始推荐商户下的第一交易次数;根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户;针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息;根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度;所述第二推荐商户是所述初始推荐商户集合中除去所述第一推荐商户外的每一个初始推荐商户;根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述初始推荐商户在所述预设时长内的最大交易次数和最小交易次数;根据所述目标用户在所述初始推荐商户下的第一交易次数、所述最大交易次数和所述最小交易次数,确定所述目标用户对所述初始推荐商户的消费偏好程度;将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户确定为第一推荐商户。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述预设时长内各历史用户对所述初始推荐商户的消费偏好程度,将满足第二预设要求的各消费偏好程度分别对应的各历史用户作为所述初始推荐商户的受众信息;针对任一第二推荐商户,将所述第一受众信息中的历史用户与所述第二受众信息中的历史用户之间的用户重合程度作为所述第一推荐商户与所述第二推荐商户之间的关联程度;针对所述初始推荐商户集合,将各用户重合程度按照由大到小的顺序进行排列而得到的各初始推荐商户作为第一推荐商户序列。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述初始推荐商户集合中的任一个初始推荐商户,分别获取所述目标用户和用户数据集中的各参照用户在预设时长内对所述初始推荐商户的各第一历史操作行为和各第二历史操作行为;根据各第一历史操作行为和各第二历史操作行为,确定所述目标用户分别与所述用户数据集中的各参照用户之间的相似程度;根据各相似程度,确定所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列。
进一步的,对于所述服务器,推荐服务单元402,具体用于:根据确定所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,其中,r表示所述目标用户与所述用户数据集中的任一个参照用户之间的相似程度,i表示所述初始推荐商户集合中各初始推荐商户的编号,n表示所述初始推荐商户集合中初始推荐商户的数目,Xi表示所述目标用户在编号为i的初始推荐商户下的各第一历史操作行为对应的第一得分;Yi表示所述参照用户在编号为i的初始推荐商户下的各第二历史操作行为对应的第二得分,表示各第一得分的均值,表示各第二得分的均值。
进一步的,对于所述服务器,推荐服务单元402,具体用于:将各相似程度中最大值对应的参照用户作为所述目标用户的相似用户;将所述目标用户对所述初始推荐商户集合按照第一得分由大到小的顺序进行排序,从而得到第三推荐商户序列;针对所述第三推荐商户序列中的任一初始推荐商户,若所述目标用户在所述初始推荐商户下的各第一历史操作行为对应的第一得分为零且所述相似用户在所述初始推荐商户下的各第二历史操作行为对应的第二得分不为零,则将所述初始推荐商户在所述第三推荐商户序列中的位置前移,从而得到所述目标用户在所述目标站点的第二推荐商户序列。
进一步的,对于所述服务器,推荐服务单元402,具体用于:针对所述第一推荐商户序列和所述第二推荐商户序列中相同位置的推荐商户,按照在所述第二推荐商户序列与在所述第一推荐商户序列交替排列的方式进行重排序,得到第四推荐商户序列;对所述第四推荐商户序列按照从头到尾的顺序进行推荐商户的去重,从而得到所述初始推荐商户集合中各初始推荐商户的展示顺序。
本申请实施例还提供了一种计算设备,该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。该计算设备可以包括中央处理器(Center Processing Unit,CPU)、存储器、输入/输出设备等,输入设备可以包括键盘、鼠标、触摸屏等,输出设备可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode Ray Tube,CRT)等。
存储器,可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器提供存储器中存储的程序指令和数据。在本申请实施例中,存储器可以用于存储信息推送方法的程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行信息推送方法。
如图5所示,为本申请实施例提供的一种计算设备的示意图,该计算设备包括:
处理器501、存储器502、收发器503、总线接口504;其中,处理器501、存储器502与收发器503之间通过总线505连接;
所述处理器501,用于读取所述存储器502中的程序,执行上述信息推送方法;
处理器501可以是中央处理器(central processing unit,简称CPU),网络处理器(network processor,简称NP)或者CPU和NP的组合。还可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,简称ASIC),可编程逻辑器件(programmable logic device,简称PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,简称CPLD),现场可编程逻辑门阵列(field-programmable gate array,简称FPGA),通用阵列逻辑(generic array logic,简称GAL)或其任意组合。
所述存储器502,用于存储一个或多个可执行程序,可以存储所述处理器501在执行操作时所使用的数据。
具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器502可以包括易失性存储器(volatile memory),例如随机存取存储器(random-access memory,简称RAM);存储器502也可以包括非易失性存储器(non-volatile memory),例如快闪存储器(flash memory),硬盘(hard disk drive,简称HDD)或固态硬盘(solid-state drive,简称SSD);存储器502还可以包括上述种类的存储器的组合。
存储器502存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作系统:包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
总线505可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。总线可以分为地址总线、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。
总线接口504可以为有线通信接入口,无线总线接口或其组合,其中,有线总线接口例如可以为以太网接口。以太网接口可以是光接口,电接口或其组合。无线总线接口可以为WLAN接口。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行信息推送方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例,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申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
服务器的出行服务通过终端的乘车应用获取目标用户的出入站站点信息;
所述服务器的出行服务将所述出入站站点信息传送至所述服务器的推荐服务;
所述服务器的推荐服务针对所述出入站站点信息,通过所述服务器的数据服务获取位于出入站站点设定范围内的初始推荐商户集合;
所述服务器的推荐服务通过所述服务器的数据服务获取历史交易记录和历史操作记录;
所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序并作为推送信息发送至所述乘车应用;所述乘车应用用于按照所述展示顺序显示各初始推荐商户。
2.如权利要求1所述的方法,其特征在于,
所述服务器的推荐服务根据所述历史交易记录和所述历史操作记录,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列;
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列;
所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序。
3.如权利要求2所述的方法,其特征在于,
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户在所述初始推荐商户下的第一历史交易记录和所述初始推荐商户具有的第二历史交易记录,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述目标用户预设时长内在所述初始推荐商户下的第一交易次数;根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户;
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息;
所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度;所述第二推荐商户是所述初始推荐商户集合中除去所述第一推荐商户外的每一个初始推荐商户;
所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列。
4.如权利要求3所述的方法,其特征在于,
所述根据各第一交易次数,将所述初始推荐商户集合中满足第一预设要求的初始推荐商户确定为第一推荐商户,包括:
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,获取所述初始推荐商户在所述预设时长内的最大交易次数和最小交易次数;根据所述目标用户在所述初始推荐商户下的第一交易次数、所述最大交易次数和所述最小交易次数,确定所述目标用户对所述初始推荐商户的消费偏好程度;
所述服务器的推荐服务将各消费偏好程度中最大值的消费偏好程度对应的初始推荐商户确定为第一推荐商户。
5.如权利要求3或4所述的方法,其特征在于,
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据在所述预设时长内的各历史用户在所述初始推荐商户下的各交易次数,确定所述初始推荐商户的受众信息,包括:
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述预设时长内各历史用户对所述初始推荐商户的消费偏好程度,将满足第二预设要求的各消费偏好程度分别对应的各历史用户作为所述初始推荐商户的受众信息;
所述服务器的推荐服务根据所述第一推荐商户对应的第一受众信息和第二推荐商户对应的第二受众信息,确定所述第一推荐商户与所述第二推荐商户之间的关联程度,包括:
所述服务器的推荐服务针对任一第二推荐商户,将所述第一受众信息中的历史用户与所述第二受众信息中的历史用户之间的用户重合程度作为所述第一推荐商户与所述第二推荐商户之间的关联程度;
所述服务器的推荐服务根据各关联程度,确定所述目标用户在所述出入站站点的第一推荐商户序列,包括:
所述服务器的推荐服务针对所述初始推荐商户集合,将各用户重合程度按照由大到小的顺序进行排列而得到的各初始推荐商户作为第一推荐商户序列。
6.如权利要求2所述的方法,其特征在于,
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,根据所述目标用户对所述初始推荐商户的各历史操作记录和用户数据集中的各参照用户对所述初始推荐商户的各历史操作记录,确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:
所述服务器的推荐服务针对所述初始推荐商户集合中的任一个初始推荐商户,分别获取所述目标用户和用户数据集中的各参照用户在预设时长内对所述初始推荐商户的各第一历史操作行为和各第二历史操作行为;根据各第一历史操作行为和各第二历史操作行为,确定所述目标用户分别与所述用户数据集中的各参照用户之间的相似程度;
所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户;根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列。
8.如权利要求6或7所述的方法,其特征在于,
所述服务器的推荐服务根据各相似程度,确定所述目标用户的相似用户,包括:
所述服务器的推荐服务将各相似程度中最大值对应的参照用户作为所述目标用户的相似用户;
根据所述相似用户的各第二历史操作行为确定所述目标用户在所述出入站站点的第二推荐商户序列,包括:
所述服务器的推荐服务将所述目标用户对所述初始推荐商户集合按照第一得分由大到小的顺序进行排序,从而得到第三推荐商户序列;
所述服务器的推荐服务针对所述第三推荐商户序列中的任一初始推荐商户,若所述目标用户在所述初始推荐商户下的各第一历史操作行为对应的第一得分为零且所述相似用户在所述初始推荐商户下的各第二历史操作行为对应的第二得分不为零,则将所述初始推荐商户在所述第三推荐商户序列中的位置前移,从而得到所述目标用户在所述目标站点的第二推荐商户序列。
9.如权利要求2所述的方法,其特征在于,
所述服务器的推荐服务根据所述第一推荐商户序列和所述第二推荐商户序列,确定所述初始推荐商户集合中各初始推荐商户的展示顺序,包括:
所述服务器的推荐服务针对所述第一推荐商户序列和所述第二推荐商户序列中相同位置的推荐商户,按照在所述第二推荐商户序列与在所述第一推荐商户序列交替排列的方式进行重排序,得到第四推荐商户序列;
所述服务器的推荐服务对所述第四推荐商户序列按照从头到尾的顺序进行推荐商户的去重,从而得到所述初始推荐商户集合中各初始推荐商户的展示顺序。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002190.7A CN113766016B (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002190.7A CN113766016B (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766016A true CN113766016A (zh) | 2021-12-07 |
CN113766016B CN113766016B (zh) | 2024-04-26 |
Family
ID=78791734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111002190.7A Active CN113766016B (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766016B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114221960A (zh) * | 2021-12-14 | 2022-03-22 | 阿波罗智联(北京)科技有限公司 | 基于自动驾驶公交车的数据推送方法和自动驾驶公交车 |
CN116610873A (zh) * | 2023-07-19 | 2023-08-18 | 支付宝(杭州)信息技术有限公司 | 信息推荐方法及装置、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618857A (zh) * | 2014-12-30 | 2015-05-13 | 北京奇虎科技有限公司 | 利用公交卡进行特定人定位推送的方法 |
CN104618858A (zh) * | 2014-12-30 | 2015-05-13 | 北京奇虎科技有限公司 | 利用公交卡进行信息推送的智能控制方法 |
CN105677831A (zh) * | 2016-01-04 | 2016-06-15 | 拉扎斯网络科技(上海)有限公司 | 一种确定推荐商户的方法及装置 |
US20180276734A1 (en) * | 2016-07-12 | 2018-09-27 | Tencent Technology (Shenzhen) Company Limited | Information push method and apparatus, server, and storage medium |
US20200201923A1 (en) * | 2017-08-31 | 2020-06-25 | Shenzhen Heytap Technology Corp., Ltd. | Information Recommendation Method, Terminal Device, and Server |
CN113076492A (zh) * | 2021-03-20 | 2021-07-06 | 余利军 | 一种分析手机刷卡信息并推送沿途商讯的公交刷卡系统 |
US20210241240A1 (en) * | 2020-02-03 | 2021-08-05 | Shopify Inc. | Methods and systems for gateway load balancing |
-
2021
- 2021-08-30 CN CN202111002190.7A patent/CN113766016B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618857A (zh) * | 2014-12-30 | 2015-05-13 | 北京奇虎科技有限公司 | 利用公交卡进行特定人定位推送的方法 |
CN104618858A (zh) * | 2014-12-30 | 2015-05-13 | 北京奇虎科技有限公司 | 利用公交卡进行信息推送的智能控制方法 |
CN105677831A (zh) * | 2016-01-04 | 2016-06-15 | 拉扎斯网络科技(上海)有限公司 | 一种确定推荐商户的方法及装置 |
US20180276734A1 (en) * | 2016-07-12 | 2018-09-27 | Tencent Technology (Shenzhen) Company Limited | Information push method and apparatus, server, and storage medium |
US20200201923A1 (en) * | 2017-08-31 | 2020-06-25 | Shenzhen Heytap Technology Corp., Ltd. | Information Recommendation Method, Terminal Device, and Server |
US20210241240A1 (en) * | 2020-02-03 | 2021-08-05 | Shopify Inc. | Methods and systems for gateway load balancing |
CN113076492A (zh) * | 2021-03-20 | 2021-07-06 | 余利军 | 一种分析手机刷卡信息并推送沿途商讯的公交刷卡系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114221960A (zh) * | 2021-12-14 | 2022-03-22 | 阿波罗智联(北京)科技有限公司 | 基于自动驾驶公交车的数据推送方法和自动驾驶公交车 |
CN114221960B (zh) * | 2021-12-14 | 2024-05-24 | 阿波罗智联(北京)科技有限公司 | 基于自动驾驶公交车的数据推送方法和自动驾驶公交车 |
CN116610873A (zh) * | 2023-07-19 | 2023-08-18 | 支付宝(杭州)信息技术有限公司 | 信息推荐方法及装置、存储介质 |
CN116610873B (zh) * | 2023-07-19 | 2023-09-26 | 支付宝(杭州)信息技术有限公司 | 信息推荐方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113766016B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160012406A1 (en) | Recharge Method, Recharge Terminal, and Recharge Server | |
US8732015B1 (en) | Social media pricing engine | |
CN113766016B (zh) | 一种信息推送方法及服务器 | |
CN110782301A (zh) | 一种拼单方法、装置、电子设备及计算机可读存储介质 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN111159553A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN112035717A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN109685573A (zh) | 一种商圈数据的处理方法、装置、电子设备和存储介质 | |
CN108965360B (zh) | 一种推荐数据处理方法及服务器、计算机存储介质 | |
CN112015996A (zh) | 业务资源推荐方法、装置、计算机设备及存储介质 | |
CN112418899A (zh) | 广告位的显示控制方法及装置 | |
CN113379511A (zh) | 用于输出信息的方法和装置 | |
CN113919866A (zh) | 模型训练方法、广告投放方法、装置、设备及存储介质 | |
CN109862188B (zh) | 信息发送方法及装置、设备及存储介质 | |
CN113034188B (zh) | 一种多媒体内容投放方法、装置及电子设备 | |
US20240078585A1 (en) | Method and apparatus for sharing information | |
CN110784552B (zh) | 一种信息推送方法、装置、设备和介质 | |
CN111695919B (zh) | 评价数据处理方法、装置、电子设备及存储介质 | |
CN109685561B (zh) | 基于用户行为的电子凭证推送方法、装置及电子设备 | |
CN112487175A (zh) | 参展人流控制方法、装置、服务器及计算机可读存储介质 | |
CN113763080A (zh) | 推荐物品的确定方法、装置、电子设备和存储介质 | |
CN113220983A (zh) | 基于深度学习的选品方法和装置 | |
CN111784378A (zh) | 用于推送权限凭证的方法和装置 | |
CN113569159A (zh) | 企业门店的推荐方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |