CN116452270A - 卡片信息推送方法、装置、计算机设备、介质和程序产品 - Google Patents
卡片信息推送方法、装置、计算机设备、介质和程序产品 Download PDFInfo
- Publication number
- CN116452270A CN116452270A CN202310442539.1A CN202310442539A CN116452270A CN 116452270 A CN116452270 A CN 116452270A CN 202310442539 A CN202310442539 A CN 202310442539A CN 116452270 A CN116452270 A CN 116452270A
- Authority
- CN
- China
- Prior art keywords
- target
- product
- information
- products
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004590 computer program Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000013532 brandy Nutrition 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种卡片信息推送方法、装置、计算机设备、存储介质和计算机程序产品,涉及计算机技术领域,可用于金融科技领域或其他相关领域。该方法包括:根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;根据目标子类产品,从目标预设类别下的N‑1个子类中获取至少一种非目标子类产品;根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息;根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;将包含产品组合信息的卡片信息在推送时间推送至目标用户。采用本方法,能够消除网络信息茧房。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种卡片信息推送方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着网络信息技术的发展,计算机的数据分析能力得到提高,随之出现了根据用户历史选购产品的情况,预测用户还可能选购的产品,并通过网络向用户推送相应产品的技术。
然而,目前在为用户推送包含各种产品信息的信用卡优惠信息时,其中产品所属的消费类别是比较单一,并不利于用户获取其它类别产品的产品信息,这为网络信息茧房的形成创造了条件。
发明内容
基于此,有必要针对上述技术问题,提供一种能够消除网络信息茧房的卡片信息推送方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种卡片信息推送方法。所述方法包括:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;
根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;
根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;
将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
在其中一个实施例中,所述根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品,包括:
根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值;从所述多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为所述目标预设类别的产品;根据所述目标用户的第二偏好信息,确定所述目标预设类别下对应的目标子类,确定所述目标子类对应的产品作为所述目标子类产品。
在其中一个实施例中,所述方法还包括:
在所述第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
在其中一个实施例中,在所述根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值之前,所述方法还包括:
针对所述多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;所述根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值,包括:将所述目标用户的第一偏好信息分别输入所述需求概率值计算模型,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值。
在其中一个实施例中,所述根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息,包括:
获取所述目标预设类别对应的预设产品组合顺序;根据所述预设产品组合顺序,对所述目标子类产品和所述非目标子类产品各自的产品信息进行组合,得到所述产品组合信息。
在其中一个实施例中,所述根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息,包括:
根据所述目标预设类别的产品,确定非目标预设类别产品;根据所述目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成所述目标预设类别的产品组合信息。
在其中一个实施例中,在根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间之前,所述方法还包括:
根据历史卡片推送信息,得到所述目标预设类别下的所述目标子类产品的历史交易信息;根据所述历史交易信息,确定对应于所述目标子类产品的最大需求量的时间,作为所述目标用户对所述目标预设类别的产品的需求时间。
第二方面,本申请还提供了一种卡片信息推送装置。所述装置包括:
产品确定模块,用于根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;
产品获取模块,用于根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;
产品组合模块,用于根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;
时间确定模块,用于根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;
信息推送模块,用于将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
第四方面,本申请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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
上述卡片信息推送方法、装置、计算机设备、存储介质和计算机程序产品,可根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息;根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;将包含产品组合信息的卡片信息在推送时间推送至目标用户。这样,通过参考需求概率值和需求时间这两个数据指标,有针对性地确定出向用户推荐的产品类别,以及卡片信息的推送时间;此外,在为用户推送包含各种产品信息的信用卡优惠信息时,卡片信息中囊括了产品样式和消费类别均多样化的产品信息,从而克服了传统卡片信息推送方法中产品类别单一,导致容易形成网络信息茧房的缺陷,进而有效消除了网络信息茧房。
附图说明
图1为一个实施例中卡片信息推送方法的流程示意图;
图2为一个实施例中确定目标子类产品的步骤的流程示意图;
图3为另一个实施例中卡片信息推送方法的流程示意图;
图4为又一个实施例中卡片信息推送方法的流程示意图;
图5为一个实施例中卡片信息推送装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
在一个实施例中,如图1所示,提供了一种卡片信息推送方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器之间的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等;服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该方法包括以下步骤:
步骤S101,根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品。
其中,预设类别是指候选推荐产品的类别,比如手表、背包、衣服和鞋子等类别。
其中,需求概率值是一种概率值,表示用户对某个类别的产品有需求的概率大小。
其中,子类产品是指预设类别产品中一个小类的产品,比如鞋子大类中包括运动鞋、皮鞋和高跟鞋等子类产品。
具体地,终端接收针对目标用户的卡片信息推送请求,根据该卡片信息推送请求,获取并分析目标用户的偏好信息,计算得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;再根据需求概率值,识别出目标预设类别的产品,进而确定目标预设类别下的目标子类产品。
举例说明,终端获取并分析目标用户A的偏好信息,计算得到该目标用户对三个预设类别的产品(手表、背包和鞋子)中每一个预设类别的产品的需求概率值分别为:手表30%、背包35%和鞋子80%;再根据需求概率值,识别出目标预设类别的产品为鞋子,进而确定鞋子下的目标子类产品为运动鞋。
步骤S102,根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品。
具体地,终端根据目标子类产品进行产品信息查询,得到目标预设类别下的N-1个其他子类产品,并从N-1个其他子类产品中筛选出至少一子类产品,作为非目标子类产品。
举例说明,终端根据运动鞋进行产品信息查询,得到有关鞋子的多个其他子类产品,比如皮鞋、凉鞋和高跟鞋等,并从中筛选出至少一子类产品,作为非目标子类产品。
步骤S103,根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息。
其中,产品信息包括价格、款式、颜色和历史购买评价等与产品自身情况有关的信息;产品组合信息是指由多类产品的产品信息组合而成的信息集合。
具体地,终端针对目标子类产品和非目标子类产品,分别获取其各自的产品信息,并对得到的产品信息进行分析、整理和汇总,得到目标预设类别的产品组合信息。
步骤S104,根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间。
其中,需求时间是指用户最需要购买该产品的时候,即该产品销量最大的时候。
具体地,终端根据目标预设产品类型的产品的历史交易信息,确定目标用户对目标预设产品类型的产品的需求时间,并将该需求时间作为产品组合信息的推送时间。
举例说明,终端根据某城市2017年1月到2022年12月销售白丽品牌鞋子的统计数据,确定目标用户对该白丽品牌鞋子的需求时间为每年12月的每天下午4点钟,并将该需求时间作为产品组合信息的推送时间。
步骤S105,将包含产品组合信息的卡片信息在推送时间推送至目标用户。
其中,卡片信息是指针对目标预设类别的产品进行购买时的信用卡优惠信息。
具体地,终端对目标预设类别的产品组合信息进行整合,并将整合后的产品组合信息融入卡片信息,得到包含产品组合信息的卡片信息,再将该卡片信息在推送时间推送至目标用户。
上述卡片信息推送方法中,可根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息;根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;将包含产品组合信息的卡片信息在推送时间推送至目标用户。这样,通过参考需求概率值和需求时间这两个数据指标,有针对性地确定出向用户推荐的产品类别,以及卡片信息的推送时间;此外,在为用户推送包含各种产品信息的信用卡优惠信息时,卡片信息中囊括了产品样式和消费类别均多样化的产品信息,从而克服了传统卡片信息推送方法中产品类别单一,导致容易形成网络信息茧房的缺陷,进而有效消除了网络信息茧房。
在其中一个实施例中,如图2所示,上述步骤S101中,根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品,具体包括如下步骤:
步骤S201,根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
步骤S202,从多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品。
步骤S203,根据目标用户的第二偏好信息,确定目标预设类别下对应的目标子类,确定目标子类对应的产品作为目标子类产品。
其中,第一偏好信息是指用户的兴趣爱好、个人资料、居住城市和历史选购产品的记录等多种信息的信息集合。
其中,第二偏好信息包含于第一偏好信息,属于第一偏好信息的一部分,也是由用户的兴趣爱好、个人资料、居住城市和历史选购产品的记录等多种信息组成。
具体地,终端获取目标用户的偏好信息和每一个预设类别的产品对应的概率阈值,根据目标用户的第一偏好信息进行分析和预测,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;从多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品;根据目标用户的第二偏好信息进行分析和预测,确定目标预设类别下对应的目标子类,将目标子类对应的产品作为目标子类产品。
举例说明,假定某品牌U1,U2,U3,...鞋子的类型标签是甜美型属于第一梯队;某品牌V1,V2,V3,...鞋子标签是运动型属于第二梯队;某品牌W1,W2,W3,...的鞋子属于职场型属于第三梯队。根据目标用户的偏好信息进行分析得到,该用户偏好鞋子大类中第二梯队的某品牌V1,那么我们在推送鞋子的时候,应该按照类似{U1,V1,V2,W1}{U2,V1,V3,W2},{U3,V1,V4,W3}的组合方式去进行推送,在同一个类型的产品反复推送给顾客。
本实施例中,通过分析目标用户的偏好信息,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品,并确定目标预设类别下对应的目标子类,将目标子类对应的产品作为目标子类产品;由此充分考虑到用户的自身喜好和个性化需求,快速准确地确定出针对该目标用户待推荐的产品类别,并有利于为用户提供个性化更强的卡片信息。
在其中一个实施例中,上述步骤S201至S203中,还包括如下内容:在第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
其中,变化的偏好信息包括:变化的第一偏好信息、变化的第二偏好信息中,以及同时变化的第一偏好信息和第二偏好信息;比如:用户主动将自己的兴趣爱好信息由阅读改为运动,用户将自己爱好的音乐曲风由民谣改为摇滚等。
具体地,终端识别目标用户偏好信息的变化情况,在识别到第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
本实施例中,通过在第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品;从而可以敏锐地根据实际变化的情况灵活调整向目标用户推荐的产品类别,有利于提高产品信息的准确性。
在其中一个实施例中,在根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值之前,还包括如下内容:针对多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的可能度,具体包括如下内容:将目标用户的第一偏好信息分别输入需求概率值计算模型,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
其中,需求概率值计算模型是一种人工智能模型,其通过利用用户偏好信息和产品的历史交易信息等数据信息集,采用关联分析学习的方法训练而成。
具体地,终端分别针对每一个预设类别的产品,根据用户偏好信息和产品的历史交易信息,利用关联分析学习的方法,构建用户对每一个预设类别的产品的需求概率值计算模型,利用已有的相关数据,对该模型进行反复训练;并将目标用户的第一偏好信息分别输入训练完成的需求概率值计算模型,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
本实施例中,通过利用构建得到的需求概率值计算模型,分别计算目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;从而利用基于人工智能技术的算法模型,快速准确地计算出相应的需求概率值。
在其中一个实施例中,上述步骤S103中,根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息,具体包括如下内容:获取目标预设类别对应的预设产品组合顺序;根据预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行组合,得到产品组合信息。
其中,预设产品组合顺序是根据针对某一类预设类别的产品在推送产品信息时预先制定的排序规则,进行排序组合得到。
具体地,终端获取目标子类产品的产品信息、非目标子类产品的产品信息和目标预设类别对应的预设产品组合顺序;根据预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行排序组合,得到符合预先制定的排序规则的产品组合信息。
举例说明,假定某品牌U1,U2,U3,...鞋子的价格标签在1000以上属于第一梯队;某品牌V1,V2,V3,...鞋子的价格标签在500-1000属于第二梯队;某品牌W1,W2,W3,...鞋子的价格标签在100-500属于第三梯队。根据目标用户的偏好信息进行分析得到,该用户偏好鞋子大类中第二梯队的某品牌V1,那么我们在推送鞋子的时候,应该按照类似{U1,V1,V2,W1}{U2,V1,V3,W2},{U3,V1,V4,W3}的顺序去推送,避免真正的随机,在同一个价格的产品反复推送给顾客。
本实施例中,通过根据目标预设类别对应的预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行组合,得到产品组合信息,从而大大增加了产品组合中产品样式的多样性,有效地克服了传统卡片信息推送方法中产品类别单一,导致容易形成网络信息茧房的缺陷。
在其中一个实施例中,上述步骤S103中,根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息,还包括如下内容:根据目标预设类别的产品,确定非目标预设类别产品;根据目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成目标预设类别的产品组合信息。
其中,非目标预设类别产品是指在多个预设类别的产品中,除目标预设类别产品以外的一个或多个类别的产品。
具体地,终端根据目标预设类别的产品,在多个预设类别的产品中,确定非目标预设类别产品;根据第一数值的目标子类产品、第二数值的非目标子类产品和第三数值的非目标预设类别产品各自的产品信息(其中第一数值等于第二数值,第一数值和第二数值均大于第三数值),形成包含非目标预设类别产品的目标预设类别的产品组合信息。
举例说明,目标物品是第二梯队的某品牌V1鞋子,我们推送的顺序是{U1,V1,V2,W1},那么应该还一起推送与鞋子无关类别的产品,比如衣服、食品、化妆品之类的,设置为D类,推送内容更新为{U1,V1,V2,W1,D}。
本实施例中,通过根据目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成目标预设类别的产品组合信息;从而同时增加了产品组合中产品样式和消费类别的多样性,有效地克服了传统卡片信息推送方法中产品类别单一,导致容易形成网络信息茧房的缺陷。
在其中一个实施例中,在根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间之前,还包括如下内容:根据历史卡片推送信息,得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,确定对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间。
其中,历史交易信息是指用户已经选购产品的情况,由产品购买时间、购买数量和产品的品牌等信息构成。
具体地,终端获取历史卡片推送信息,并根据该信息查询得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,从中筛选出对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间。
举例说明,设计一个鞋子信用卡优惠券推送时间和推送品牌的两因素试验,推送时间具有三水平,A1=中午12点,A2=下午6点,A3=晚上10点。推送的品牌具有3个牌子:B1白丽、B2红丽、B3灰丽。通过客户使用信用卡该优惠券购买鞋子的数量,我们试图找出最佳信息卡优惠信息最佳推送时间、最受欢迎的品牌的最佳组合。
表1鞋子推送时间、品牌种类条区试验的排序和使用优惠券结果
根据表1和表2的数据进行方差分析,得知推送时间(A)和品牌(B)两因素对商品购买鞋子的影响都极其显著,由多重比较结果可知,推送时间(A)的第二水平A2优于其他两个水平,品牌(B)的第一水平B1优于B2,因此信用卡优惠券最佳推送时间为下午6点,最佳的推送品牌是白丽,最佳组合是A2B1下午6点推送品牌白丽的鞋子。
本实施例中,通过根据历史卡片推送信息,得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,确定对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间;从而有效提高了推送时间的科学性与合理性,有利于最大效率地将推送的信用卡优惠信息转化为用户购买产品的行为。
在一个实施例中,如图3所示,提供了另一种卡片信息推送方法,具体包括以下步骤:
步骤S301,针对多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;将目标用户的第一偏好信息分别输入需求概率值计算模型,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
步骤S302,根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;从多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品;根据目标用户的第二偏好信息,确定目标预设类别下对应的目标子类,确定目标子类对应的产品作为目标子类产品。
步骤S303,在第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
步骤S304,根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品。
步骤S305,获取目标预设类别对应的预设产品组合顺序;根据预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行组合,得到产品组合信息。
步骤S306,根据目标预设类别的产品,确定非目标预设类别产品;根据目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成目标预设类别的产品组合信息。
步骤S307,根据历史卡片推送信息,得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,确定对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间。
步骤S308,根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;将包含产品组合信息的卡片信息在推送时间推送至目标用户。
本实施例的卡片信息推送方法,可根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品;根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息;根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;将包含产品组合信息的卡片信息在推送时间推送至目标用户。这样,通过参考需求概率值和需求时间这两个数据指标,有针对性地确定出向用户推荐的产品类别,以及卡片信息的推送时间;此外,在为用户推送包含各种产品信息的信用卡优惠信息时,卡片信息中囊括了产品样式和消费类别均多样化的产品信息,从而克服了传统卡片信息推送方法中产品类别单一,导致容易形成网络信息茧房的缺陷,进而有效消除了网络信息茧房。
为了更清晰阐明本申请实施例提供的卡片信息推送方法,以下以一个具体的实施例对卡片信息推送方法进行具体说明。在一个实施例中,如图4所示,本申请还提供了又一种卡片信息推送方法,具体包括以下步骤:
步骤S401:推送活动设置时间窗口和开始日期。
步骤S402:推送活动设置运行规则:1-按周期运行;2-非周期运行规则。
步骤S403:计算顾客购买某类商品的可能性。
步骤S404:消除推送活动信息茧房,随机派送活动信息并不随机。
步骤S405:按对于同一标签的目标客户群体,随机重复推送信用卡优惠信息,采用双因素方法分析。
步骤S406:预测商品销售量并且在客户最需要的时候推送产品,采用时间序列分析方法。
步骤S407:推送活动更换或者中断推送过程。
上述实施例带来的有益效果如下:(1)消除信息茧房,随机派送并不随机;(2)预测商品销售量并且在客户最需要的时候推送产品;(3)让顾客放心使用信用卡优惠。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的卡片信息推送方法的卡片信息推送装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个卡片信息推送装置实施例中的具体限定可以参见上文中对于卡片信息推送方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种卡片信息推送装置,包括:
产品确定模块501,用于根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;目标预设类别包括N个子类,N为大于或者等于2的正整数。
产品获取模块502,用于根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品。
产品组合模块503,用于根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息。
时间确定模块504,用于根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间。
信息推送模块505,用于将包含产品组合信息的卡片信息在推送时间推送至目标用户。
在一个实施例中,产品确定模块501,还用于根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;从多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品;根据目标用户的第二偏好信息,确定目标预设类别下对应的目标子类,确定目标子类对应的产品作为目标子类产品。
在一个实施例中,产品确定模块501,还用于在第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
在一个实施例中,卡片信息推送装置还包括模型构建模块,用于针对多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;产品确定模块501,还用于将目标用户的第一偏好信息分别输入需求概率值计算模型,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
在一个实施例中,产品组合模块503,还用于获取目标预设类别对应的预设产品组合顺序;根据预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行组合,得到产品组合信息。
在一个实施例中,产品组合模块503,还用于根据目标预设类别的产品,确定非目标预设类别产品;根据目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成目标预设类别的产品组合信息。
在一个实施例中,卡片信息推送装置还包括信息筛选模块,用于根据历史卡片推送信息,得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,确定对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间。
上述卡片信息推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种卡片信息推送方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;
根据目标子类产品,从目标预设类别下的N-1个子类中获取至少一种非目标子类产品;
根据目标子类产品和非目标子类产品各自的产品信息,形成目标预设类别的产品组合信息;
根据目标用户对目标预设类别的产品的需求时间,确定产品组合信息的推送时间;
将包含产品组合信息的卡片信息在推送时间推送至目标用户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标用户的第一偏好信息,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值;从多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为目标预设类别的产品;根据目标用户的第二偏好信息,确定目标预设类别下对应的目标子类,确定目标子类对应的产品作为目标子类产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:针对多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;将目标用户的第一偏好信息分别输入需求概率值计算模型,得到目标用户对多个预设类别的产品中每一个预设类别的产品的需求概率值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取目标预设类别对应的预设产品组合顺序;根据预设产品组合顺序,对目标子类产品和非目标子类产品各自的产品信息进行组合,得到产品组合信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标预设类别的产品,确定非目标预设类别产品;根据目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成目标预设类别的产品组合信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据历史卡片推送信息,得到目标预设类别下的目标子类产品的历史交易信息;根据历史交易信息,确定对应于目标子类产品的最大需求量的时间,作为目标用户对目标预设类别的产品的需求时间。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种卡片信息推送方法,其特征在于,所述方法包括:
根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;
根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;
根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;
根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;
将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品,包括:
根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值;
从所述多个预设类别的产品中,筛选出需求概率值大于概率阈值的预设类别的产品,作为所述目标预设类别的产品;
根据所述目标用户的第二偏好信息,确定所述目标预设类别下对应的目标子类,确定所述目标子类对应的产品作为所述目标子类产品。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在所述第一偏好信息和第二偏好信息中任一偏好信息变化时,根据变化的偏好信息重新确定目标预设类别下的目标子类产品。
4.根据权利要求2所述的方法,其特征在于,在根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值之前,所述方法还包括:
针对所述多个预设类别的产品,构建用户对每一个预设类别的产品的需求概率值计算模型;
所述根据所述目标用户的第一偏好信息,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值,包括:
将所述目标用户的第一偏好信息分别输入所述需求概率值计算模型,得到所述目标用户对所述多个预设类别的产品中每一个预设类别的产品的需求概率值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息,包括:
获取所述目标预设类别对应的预设产品组合顺序;
根据所述预设产品组合顺序,对所述目标子类产品和所述非目标子类产品各自的产品信息进行组合,得到所述产品组合信息。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息,包括:
根据所述目标预设类别的产品,确定非目标预设类别产品;
根据所述目标子类产品、非目标子类产品和非目标预设类别产品各自的产品信息,形成所述目标预设类别的产品组合信息。
7.根据权利要求1所述的方法,其特征在于,在根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间之前,所述方法还包括:
根据历史卡片推送信息,得到所述目标预设类别下的所述目标子类产品的历史交易信息;
根据所述历史交易信息,确定对应于所述目标子类产品的最大需求量的时间,作为所述目标用户对所述目标预设类别的产品的需求时间。
8.一种卡片信息推送装置,其特征在于,所述装置包括:
产品确定模块,用于根据目标用户对多个预设类别的产品的需求概率值,确定目标预设类别下的目标子类产品;所述目标预设类别包括N个子类,N为大于或者等于2的正整数;
产品获取模块,用于根据所述目标子类产品,从所述目标预设类别下的N-1个子类中获取至少一种非目标子类产品;
产品组合模块,用于根据所述目标子类产品和所述非目标子类产品各自的产品信息,形成所述目标预设类别的产品组合信息;
时间确定模块,用于根据所述目标用户对所述目标预设类别的产品的需求时间,确定所述产品组合信息的推送时间;
信息推送模块,用于将包含所述产品组合信息的卡片信息在所述推送时间推送至所述目标用户。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310442539.1A CN116452270A (zh) | 2023-04-23 | 2023-04-23 | 卡片信息推送方法、装置、计算机设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310442539.1A CN116452270A (zh) | 2023-04-23 | 2023-04-23 | 卡片信息推送方法、装置、计算机设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452270A true CN116452270A (zh) | 2023-07-18 |
Family
ID=87121796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310442539.1A Pending CN116452270A (zh) | 2023-04-23 | 2023-04-23 | 卡片信息推送方法、装置、计算机设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452270A (zh) |
-
2023
- 2023-04-23 CN CN202310442539.1A patent/CN116452270A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miao et al. | Context‐based dynamic pricing with online clustering | |
US8589208B2 (en) | Data integration and analysis | |
US20080208652A1 (en) | Method and system utilizing online analytical processing (olap) for making predictions about business locations | |
Hemalatha | Market basket analysis–a data mining application in Indian retailing | |
CN112579876A (zh) | 基于用户兴趣的信息推送方法、装置、系统及存储介质 | |
US11636313B2 (en) | Recommendation system based on neural network models to improve efficiencies in interacting with e-commerce platforms | |
CN114741402A (zh) | 业务特征池的处理方法、装置、计算机设备和存储介质 | |
CN116467525A (zh) | 业务产品的推荐方法、装置、设备和存储介质 | |
CN116861107A (zh) | 业务内容展示方法、装置、设备、介质和产品 | |
CN116452270A (zh) | 卡片信息推送方法、装置、计算机设备、介质和程序产品 | |
Wang et al. | Visual Analysis of E‐Commerce User Behavior Based on Log Mining | |
CN114969550A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN116764236A (zh) | 游戏道具推荐方法、装置、计算机设备和存储介质 | |
Liao et al. | Mining customer knowledge for channel and product segmentation | |
CN114331581A (zh) | 一种用户浏览时的物品信息的智能推荐方法、系统及装置 | |
CN110264250A (zh) | 确定产品对等资源量在多个地域的分布数据的方法及装置 | |
Mohamadi Golsefid | International market segmentation and cross-export strategies development case study: Iranian furniture industry | |
CN117575765A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN116976994A (zh) | 对象推送的方法、装置、计算机设备和存储介质 | |
CN117196780A (zh) | 一种业务对象排序方法、装置、计算机设备及存储介质 | |
CN115408280A (zh) | 流量分配方法、分流模型配置方法、设备、介质和产品 | |
CN115907337A (zh) | 物资储备方法、系统、设备、存储介质和程序产品 | |
CN114881723A (zh) | 金融产品推荐方法、装置及计算机设备 | |
CN118195659A (zh) | 对象识别方法、装置、设备、存储介质和程序产品 | |
CN115063187A (zh) | 一种电子商务数据处理方法、系统、电子设备及介质 |
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 |