基于产品推广的数据处理方法、装置、设备及存储介质与流程

本发明涉及信息处理领域，尤其涉及基于产品推广的数据处理方法、装置、设备及存储介质。

背景技术：

保险产品的推广有赖于广大业务人员的努力。各保险公司为展业的需要，推出很多产品推广的模式，除了挖掘公司内部人员的展业潜力外，也推出适宜的激励机制让公司外部人员帮助公司进行保险产品推广，这些公司外部人员俗称推客。

基于推客的产品推广模式适用于兼职的或有人脉资源的人员。推客只需要将有投保意向的客户推给公司内部的业务专员，由业务专员负责洽淡业务。若业务谈成，则提供相应的佣金给推客。推客模式既增加业务推广的范围，又同时给三方带来便利，是种共赢的产品推广模式。

对于推客来说，佣金计酬和支付是否方便快捷以及安全，是推客首要考虑的因素，这也影响到推客进行产品推广的意愿和销量。推客人员数量庞大，但目前对他们的佣金计酬多是以简单的电脑记账，辅以手工报表的方式。这使得佣金计酬过程繁琐且容易出错。同时，整个产品推广过程中的数据难以追溯和维护，数据管理的效率不高，自动化水平低。

技术实现要素：

本发明实施例提供一种基于产品推广的数据处理方法、装置、设备及存储介质，以解决产品推广过程中，对数据管理的效率不高，自动化水平低的问题。

一种基于产品推广的数据处理方法，包括：

接收客户端发送的数据提交请求，获取所述数据提交请求中的用户标识信息；

若所述用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取所述数据提交请求中的产品推广数据；

从预设佣金配置表中获取佣金计提率，并结合所述佣金计提率和所述产品推广数据进行计算，得到用户的佣金数据；

按照预设的加密方式对所述佣金数据进行加密，得到密文数据，并将所述密文数据发送到支付平台，以使所述支付平台根据所述密文数据进行在线支付；

对所述用户标识信息、所述佣金数据和所述产品推广数据进行大数据分析，得到产品推广任务信息，其中，所述产品推广任务信息包括为用户个性化定制的产品推广任务；

将所述产品推广任务信息发送到与所述用户标识信息对应的所述客户端。

一种基于产品推广的数据处理装置，包括：

接收模块，用于接收客户端发送的数据提交请求，获取所述数据提交请求中的用户标识信息；

登录验证模块，用于若所述用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取所述数据提交请求中的产品推广数据；

佣金计算模块，用于从预设佣金配置表中获取佣金计提率，并结合所述佣金计提率和所述产品推广数据进行计算，得到用户的佣金数据；

加密模块，用于按照预设的加密方式对所述佣金数据进行加密，得到密文数据，并将所述密文数据发送到支付平台，以使所述支付平台根据所述密文数据进行在线支付；

数据分析模块，用于对所述用户标识信息、所述佣金数据和所述产品推广数据进行大数据分析，得到产品推广任务信息，其中，所述产品推广任务信息包括为用户个性化定制的产品推广任务；

发送模块，用于将所述产品推广任务信息发送到与所述用户标识信息对应的所述客户端。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于产品推广的数据处理方法。

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程序，所述计算机程序被处理器执行时实现上述基于产品推广的数据处理方法。

上述基于产品推广的数据处理方法、装置、设备及存储介质，从注册用户提交的数据提交请求中获取产品推广数据，并根据产品推广数据和预设佣金配置表中的佣金计提率计算出用户的佣金数据，实现了对产品推广数据的线上提交和对用户佣金的及时计算；对佣金数据进行加密处理，并同步到支付平台，可以安全快捷的实现在线支付；将用户标识信息、佣金数据和产品推广数据封装成用户数据，并发送到大数据平台，利用大数据平台的计算能力为用户定制产品推广任务，这些个性化的产品推广任务符合用户的实际情况，有利于用户完成；同时，整个产品推广过程中出现的产品推广数据和佣金数据都可以加以追溯和分析，提高了数据管理的效率和自动化水平。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明一实施例中基于产品推广的数据处理方法的一应用环境示意图；

图2是本发明一实施例中基于产品推广的数据处理方法的流程图；

图3是本发明一实施例中对登录失败的客户端进行处理的流程图；

图4是本发明一实施例中基于产品推广的数据处理方法中步骤s5的流程图；

图5是本发明一实施例中基于产品推广的数据处理方法中步骤s51的流程图；

图6是本发明一实施例中基于产品推广的数据处理装置的示意图；

图7是本发明一实施例中计算机设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本申请提供的基于产品推广的数据处理方法，可应用在如图1的应用环境中，其中，服务端是提供基于产品推广的数据处理服务的计算机设备，服务端可以是服务器或服务器集群；客户端是计算机终端设备，包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑等；客户端与服务端之间通过网络连接，网络可以是有限网络或无线网络。本发明实施例提供的基于产品推广的数据处理方法应用于服务端。

在一实施例中，如图2所示，提供了一种基于产品推广的数据处理方法，其具体实现流程包括如下步骤：

s1：接收客户端发送的数据提交请求，获取数据提交请求中的用户标识信息。

数据提交请求是用户通过客户端向服务端发出的数据录入请求。

数据提交请求中的数据包括用户在线下实际完成产品推广任务的具体数据，具体地，数据提交请求中包括用户标识信息，用户标识信息是用户身份的唯一标识，具体地可以是一个id(identification，身份标识)号，以及与该id号匹配的验证密码。

具体地，客户端可以通过web页面或手机app进行数据提交。若客户端通过web页面提交，即客户端将用户标识信息填入web页面中的表单，然后提交表单数据，服务端从表单数据中即可得到用户标识信息；若客户端通过手机app进行数据提交，服务端与手机app的后端api接口对接，即可获取数据提交请求中的用户标识信息。

s2：若用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取数据提交请求中的产品推广数据。

预设用户数据库是对用户进行数据管理的数据库。发出数据提交请求的用户，须是事先在预设用户数据库中注册的注册用户。具体地，数据库包括但不限于：ms-sql、oracle、mysql、sybase、db2、redis、mongoddb、hbase等。

产品推广数据是用户在线下完成产品推广任务后产生的、与产品推广相关的数据，包括但不限于产品的类型、客户类型、客户基本信息、产品推广完成的时间、销售数据等等。

服务端对发送数据提交请求的用户进行身份验证，即将用户标识信息与预设用户数据库中的注册用户标识信息进行比较，若两者一致，则获取数据提交请求中的产品推广数据。产品推广数据随数据提交请求一起发送到服务端。

具体地，若服务端的运行环境为java，则服务端以从客户端获取到的用户标识信息为查询条件，通过jdbc对预设用户数据库进行查询，与预设用户数据库中的注册用户标识信息进行比较。若两者一致，则服务端获取数据提交请求中的产品推广数据。

其中，jdbc(javadatabaseconnectivity，java数据库连接)是一种用于执行sql语句的javaapi，可以为多种关系数据库提供统一访问，它由一组用java语言编写的类和接口组成。jdbc提供了一种基准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序。数据库开发人员通过jdbc编写的接口程序能适用于不同的数据库，而不再需要为不同的数据库分别编写接口程序，极大提高了开发效率。

s3：从预设佣金配置表中获取佣金计提率，并结合佣金计提率和产品推广数据进行计算，得到用户的佣金数据。

预设佣金配置表是结合产品类型，对各类产品推广人员的佣金计算进行定义的数据表。

预设佣金配置表中包括产品类型、不同级别的产品推广人员、佣金计提率。其中，产品类型包括但不限于，意外险、车险、寿险、消费贷、经营贷等各种保险或金融理财产品；产品推广人员分为渠道专员、普通代理、高级代理、推客等不同级别。

佣金计提率是对产品推广人员的佣金进行计算的方法。佣金计提率具体可以是一个金额百分比，如不同的产品类型或不同级别的产品推广人员拥有不同的百分比；或者，佣金计提率可以是一个计算公式，例如，一个汽车抵押贷款产品的佣金计算公式为：

佣金＝销售额*金额百分比-管理费

其中，金额百分比和管理费的具体数额，均可以随不同的产品推广人员级别而有所不同。

佣金数据包括用户完成产品推广任务后应得的提成佣金数额。

预设佣金配置表具体可以表现为一个部署在服务端文本文件，如json格式的文件。其中，json(javascriptobjectnotation，js对象简谱)是一种轻量级的数据交换格式。json文件是以ascii编码方式存储的，不依赖于操作系统，能被计算机程序快速的读取或生成，是一种流行的数据交换格式。

具体地，服务端可以利用第三方的json解析工具读取本地的预设佣金配置表，得到佣金计算公式；将产品推广数据代入佣金计算公式，从而得到用户的佣金数据。

s4：按照预设的加密方式对佣金数据进行加密，得到密文数据，并将密文数据发送到支付平台，以使支付平台根据密文数据进行在线支付。

支付平台是与服务端相连的计算机终端设备，可以是服务器或服务器集群。支付平台接收服务端发送的佣金数据，并对用户实现在线支付功能。

服务端在将佣金数据发送给支付平台时，根据预设的加密方式对佣金数据进行加密，防止佣金数额在传输过程中被篡改。

预设的加密方式包括包括但不限于：对称加密算法、非对称加密算法，以及自定义的信息置乱算法等。密文数据是对佣金数据进行加密后得到是数据。

具体地，服务端利用md5算法对将要发送的佣金数据进行哈希计算，得出摘要值，再将hash值发送给支付平台。其中，md5的全称是message-digestalgorithm5，即信息-摘要算法，是让大容量信息在用数字签名软件签署私人密匙前被“压缩”成一种保密的格式，即把一个任意长度的字节串变换成一定长的大整数。

举例来说，一个用户id号为0001，提成佣金数额为800人民币，在用md5加密计算后得到的密文数据可能是2529a968bc5e9ca86d1dd51d76d97e9e。

s5：对用户标识信息、佣金数据和产品推广数据进行大数据分析，得到产品推广任务信息，其中，产品推广任务信息包括为用户个性化定制的产品推广任务。

大数据分析是依托大数据平台，对海量数据进行挖掘、分析，获取海量数据中有价值信息的过程。其中，大数据平台包括由计算机设备组成的一系列软硬件体系架构。大数据分析涉及到对数据的收集、存储、建模分析、机器学习等诸多技术方面。

产品推广任务信息是通过大数据分析得到的、为用户个性化定制的，由服务端推送给用户的产品推广任务的数据。其中，产品推广任务是线下开展的各种产品推广或销售任务。产品推广任务信息包括但不限于，新产品的简介、新产品的佣金提成分配方案等。

服务端收集每个用户的用户标识信息、佣金数据和产品推广数据，将每个用户的数据作为一个数据样本，统计用户的业绩总量、业绩效率、用户所推广产品的种类等，并结合佣金数据，将一定范围内数量的用户数据样本进行综合分析，得到适合特定用户的产品推广任务信息。其中，业绩总量是用户完成产品推广任务数量的总和；业绩效率是一定时间范围内，用户完成产品推广任务的数量；用户所推广产品的种类是产品所属的类别，如理财类、保险类等，每类产品又可以细分为更多子类，如保险类分为车险类、意外险类等等；对佣金数据的统计，可以为产品推广成本规划等提供数据参考，更灵活的设置激励佣金。

服务端可以基于hadoop对用户标识信息、佣金数据和产品推广数据进行大数据分析，即以用户标识信息、佣金数据和产品推广数据作为输入数据，利用hadoop的数据建模分析引擎，如spark，以及机器学习算法，如朴素贝叶斯、逻辑回归等，对输入数据进行处理，得到针对单用户的产品推广任务信息。其中，hadoop是一个由apache基金会所开发的分布式系统基础架构。基于hadoop，用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储；spark，即apachespark，是一个专为大规模数据处理而设计的快速通用的计算引擎。

具体地，服务端先将单个用户的用户标识信息、佣金数据和产品推广数据封装成一个用户样本数据对象，作为输入数据导入到hadoop中；然后利用计算引擎spark为用户建立产品推广模型，并利用逻辑回归算法进行分析，预测出适合用户的产品推广任务信息；其中，产品推广模型从产品类型、客户类型、销售数据、推广周期、佣金支出等多个维度对用户推广产品的过程进行逻辑抽象。

举例来说，若一个用户的季度产品推广业绩为10万元，完成推广的产品类别主要包括保险类产品，佣金提成占销售额的15％，服务端通过综合分析该用户每个月的业绩效率、推广成功的产品类别、佣金支出成本以及该季度内销售最火的产品，预测出适合该用户的产品推广任务为某款车险产品，适合该用户的激励佣金为16％，等等。

s6：将产品推广任务信息发送到与用户标识信息对应的客户端。

服务端将产品推广任务信息打包并发送到与用户标识信息对应的客户端。

具体地，服务端可以先将产品推广任务信息打包成json文件，再将json文件发送到用户标识信息对应的客户端。其中，json文件中的键包括用户标识信息、产品名称、产品类型、产品推广期限、激励佣金等等。一个包含产品推广任务信息的json文件可以表示为：

在本实施例中，从注册用户提交的数据提交请求中获取产品推广数据，并根据产品推广数据和预设佣金配置表中的佣金计提率计算出用户的佣金数据，实现了对产品推广数据的线上提交和对用户佣金的及时计算；对佣金数据进行加密处理，并同步到支付平台，可以安全快捷的实现在线支付；将用户标识信息、佣金数据和产品推广数据封装成用户数据，并发送到大数据平台，利用大数据平台的计算能力为用户定制产品推广任务，这些个性化的产品推广任务符合用户的实际情况，有利于用户完成；同时，整个产品推广过程中出现的产品推广数据和佣金数据都可以加以追溯和分析，提高了数据管理的效率和自动化水平。

进一步地，在一实施例中，如图3所示，在步骤s2之后，并且在步骤s3之前，即在若用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取数据提交请求中的产品推广数据的步骤之后，并且在从预设佣金配置表中获取佣金计提率，并结合佣金计提率和产品推广数据进行计算，得到用户的佣金数据的步骤之前，基于产品推广的数据处理方法还包括如下步骤：

s7：若用户标识信息与预设用户数据库中的注册用户标识信息不一致，则向客户端发出拒绝登录消息，并记录客户端登录失败的次数。

拒绝登录消息用于提示客户端登录失败的原因，拒绝登录消息可以是自定义的登录失败告警信息。

若用户标识信息与预设用户数据库中的注册用户标识信息不一致，服务端向客户端发出拒绝登录消息，同时，获取客户端的特征信息，并保存与该客户端对应的登录失败的次数。其中，客户端的特征信息是用于区分不同客户端的标识信息，客户端的特征信息可以包括但不限于客户端的ip地址，客户端使用的浏览器版本，客户端使用的操作系统及版本信息等。

具体地，若用户标识信息与预设用户数据库中的注册用户标识信息不一致，服务端向客户端发出拒绝登录消息，并通过javascript中的函数navigator.useragent()来获取当前浏览器的版本信息字符。例如，以ie10浏览器为例，通过调用javascript中的函数，得到的浏览器版本号为“ie/10.1098.12351.0”。或者，服务端通过在供用户登录的web页面中插入获取ip地址的第三方工具链接地址，例如，在web页面的script标签内，插入获取ip地址的第三方工具url地址。服务端将获取到的浏览器版本号、客户端的ip等信息作为客户端的特征信息保存到本地文件中，并将该客户端登录失败的次数添加到本地文件中的客户端的特征信息之后。

s8：若客户端登录失败的次数超过预设次数阈值，则在预设时间内拒绝接收客户端发送的数据提交请求。

预设次数阈值是服务端预先设置的数值，用以判断客户端是否存在恶意登录的行为。例如，预设次数阈值可以为10次。预设时间是服务端预设的时间间隔，用以在该时间间隔内屏蔽客户端的数据提交请求。例如，预设时间可以为5分钟。

具体地，服务端读取保存客户端登录失败次数的本地文件，若某客户端登录失败的次数达到10次，则获取该客户端的特征信息作为目标特征信息；当有客户端发出登录请求时，服务端将当前客户端的特征信息与目标特征信息进行比较，若两者一致，则关闭与当前客户端的连接，同时，开启时间间隔为5分钟的定时器，拒绝接收客户端发送的数据提交请求，直到5分钟时间结束为止。

在本实施例中，服务端记录客户端登录失败的次数，在预设时间内拒绝接收登录失败的次数超过预设次数阈值的客户端发送的数据提交请求，防止用户恶意尝试登录服务端，造成服务端资源浪费，提高了服务端的安全性。

进一步地，在一实施例中，在步骤s4之后，并且在步骤s5之前，即在按照预设的加密方式对佣金数据进行加密，得到密文数据，并将密文数据发送到支付平台，以使支付平台根据密文数据进行在线支付的步骤之后，并且在对用户标识信息、佣金数据和产品推广数据进行大数据分析，得到产品推广任务信息的步骤之前，基于产品推广的数据处理方法还包括如下步骤：

将用户标识信息、佣金数据和产品推广数据封装成用户数据，并将用户数据保存到预设用户数据库中，其中，预设用户数据库用于供客户端进行数据查询。

服务端在预设用户数据库中新建用户业绩表，用于存储用户标识信息、佣金数据和产品推广数据，从而保存了每个用户的产品推广记录。用户业绩表中的字段与用户标识信息、佣金数据、产品推广数据对应，字段包括但不限于：

用户标识信息，通过用户标识信息可以在推客数据库中查询到该推客的基本信息；

客户信息，用于存储客户的姓名、身份证号、联系方式、意向投保的产品名称等；

录入时间，用户提交客户信息的时间；

产品信息，包括产品名称、产品类别、产品介绍、佣金数额；

推广进度状态，用于表示当前业务的进展阶段。其中，进展阶段包括初审中、复审中、放款阶段、完成等。用户可以随时根据该状态值查询业务进度情况，若处于完成状态的业务，推客可以申请佣金提取。

具体地，若服务端的运行环境为java，服务端通过jdbc将用户标识信息、佣金数据和产品推广数据分别存储到业绩数据表中。

在本实施例中，服务端将用户标识信息、佣金数据和产品推广数据关联存储到预设用户数据库中，方便用户实时与自身相关的数据信息，同时，也做进一步数据分析提供数据源。

进一步地，在一实施例中，在步骤s2之后，并且在步骤s3之前，即在若用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取数据提交请求中的产品推广数据的步骤之后，并且在从预设佣金配置表中获取佣金计提率，并结合佣金计提率和产品推广数据进行计算，得到用户的佣金数据的步骤之前，基于产品推广的数据处理方法还包括如下步骤：

对产品推广数据进行合法性检查，若产品推广数据超出预设数值范围，则对提交产品推广数据的用户进行账号冻结处理。

预设数值范围是服务端为产品推广数据中的各项数据设置的数据录入范围，以防止用户输入的数据出现虚报、不实等情况。例如，对产品推广数据中的客户姓名的字符长度作出限定，如不超过10个字节等；对产品推广完成的实际作出限制，如不超过当前系统时间等；对销售数据的上限作出限制，如不超过100万元等。

具体地，服务端对产品推广数据中的各项数据进行检查，若产品推广数据中有超过半数的数据项的值超过预设数值设数值范围，则在预设用户数据库中将提交产品推广数据的用户标记为异常用户。被标记为异常用户的账号的权限将受到限制，如在预设的时间内不能登录，不能提交数据等。

在本实施例中，服务端对产品推广数据进行合法性检查，防止用户虚报不实数据，同时，对于没有通过合法性检查的用户，服务端对该用户的账号做冻结处理，使得数据审核过程减少人工干预，保证数据的真实性，减少录入不实数据。

进一步地，在一实施例中，如图4所示，针对步骤s5，即对用户标识信息、佣金数据和产品推广数据进行大数据分析，得到产品推广任务信息，具体包括如下步骤：

s51：以预设时间间隔从预设用户数据库中提取不同用户的用户数据，得到用户样本数据集合。

预设时间间隔是对预设用户数据库中的数据进行分析时，采用的时间周期。例如，可以以周、月、季度或年为单位。

服务端在提取不同用户的用户数据时，可以自由选取一定范围内的用户数据。例如，以省、市、区等地区作为选取条件；或以用户注册时间为选取条件，如选取自2015年1月1日注册以来的用户数据；或以用户年龄为选取条件，人选取25至35岁之间的用户数据，等等。

用户样本数据集合是从预设用户数据库中获取的数据记录集合。具体地，用户样本数据集合可以是根据预设提取条件，从预设用户数据库中获取的数据。

举例来说，若预设时间间隔为1个月，预设提取条件为拟针对用户年龄段为25至35岁的用户进行数据分析并分类，服务端以1个月时间间隔作为定时器的触发条件，以用户年龄字段的取值范围在25至35之间作为搜索条件，从预设用户数据库中提取数据记录，则提取出来的数据记录即为用户样本数据集合。

具体地，服务端可以以月为单位，调用系统timer()函数启动定时器，以用户选取条件作为sql语句的搜索条件，从预设用户数据库中获取符合搜索条件的用户数据，并将得到数据记录存储到新建的数据表中，从而得到用户样本数据的集合。

s52：对用户样本数据集合进行聚类分析，得到不同的用户组。

聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，利用聚类分析可以对一批数据进行自动分类，而不用预先对一批数据进行分类，减少人为预设分类标准的动作。聚类分析的算法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。

服务端以用户样本数据集合作为输入，利用聚类分析算法进行分析，从而将用户分成不同的用户组。

具体地，服务端将得到的数据表中的记录作为输入，传入到spss(统计产品与服务解决方案，statisticalproductandservicesolutions)中进行聚类分析运算，将用户数据所对应的用户分成不同的用户组。其中，spss软件，是ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。spss可以用于比较不同用户之间的用户数据，即将输入的用户数据进行聚类分析，将用户数据所对应的用户分成多个用户组，得到不同的用户组标识信息。

例如，将用户年龄段为25至35岁之间的用户，分成保险类偏好用户组、理财类偏好用户组、销售初级用户组、销售高级用户组等等，每个用户组有唯一的id号。

s53：将用户标识信息对应的用户所在的用户组作为目标用户组，从预设产品推广数据库中获取目标用户组匹配的产品信息，并根据产品信息确定产品推广任务信息。

预设产品推广数据库是用于存储处于产品推广阶段的产品信息。例如，为迎接中秋节推出的产品推广活动，其中某款产品的名类及特价信息等。

服务端从预设产品推广数据库中获取产品信息，将产品信息打包成产品推广任务信息，并发送给具备推广该款产品能力的用户。其中，不同的用户组适用于推广不同的产品，即用户组与产品信息之间具备映射关系。例如，销售高级用户组中的用户可以优先获得推荐新产品的信息，则服务端将新推出的产品信息优先推送给销售高级用户组中的用户；理财类偏好用户组中的用户可以优先获得推荐理财类产品的信息，则服务端将理财类的产品信息优先推送给理财偏好用户组中的用户。

具体地，服务端将用户标识信息对应的用户所在的用户组作为目标用户组，获取每个用户组的id号，并根据用户组id号与产品信息的映射关系，从预设产品推广数据库中获取用户id号匹配的产品信息，然后将用户标识信息和产品信息封装成起来，从而得到与用户标识信息匹配的产品推广任务信息。

在本实施例中，服务端定期地，根据一定的用户数据选取条件，从预设用户数据库中提取用户数据，并根据用户数据将用户分成不同的用户组；根据用户组与产品信息之间的映射关系，从预设产品推广数据库中获取与用户能力匹配的产品信息，并由此确定产品推广任务信息，可以更精细地为用户定制产品推广任务。

进一步地，在一实施例中，如图5所示，针对步骤s51，即以预设时间间隔从预设用户数据库中提取不同用户的用户数据，得到用户样本数据集合，具体包括如下步骤：

s511：将预设用户数据库中的数据表进行拆分，得到多个小数据表。

服务端对数据表进行拆分，将数据记录达百万级的数据表拆分成多个小数据表。

具体地，服务端按照数据表中数据记录的顺序，平均拆分成多个小表。例如，若表中的记录数为100万条，拟分拆成10个小表，每个小表中的数据记录数为10万条，则可以将表中记录id号为1至10万之间的记录作为第一个小数据表，以此类推，直到将整个表拆成10个小数据表。

或者，服务端在分拆的时候可以利用哈希函数，以一定的间隔去拆分整表，从而使得每个表的id号是不连续、且相对均匀分布的。例如，以100为模，对表中记录的id号进行取模运算，将取模运算后余数为1的记录作为一组，即id号为1、101、201、301等的记录，构成一个小数据表，以此类推，直到将整个表拆分完成。

s512：新建处理线程，并调用处理线程提取多个小数据表中的记录，得到用户样本数据集合。

线程，是程序执行流的最小单元，是进程中的一个实体，是被系统独立调度和分派的基本单位。

服务端建立多线程，使得每个线程处理一个小数据表，使得可以同时对多个小数据表进行处理。

具体地，服务端可以根据本地cpu的核数确定要建立的处理线程数，如服务端cpu为16核，则调用newthread()方法新建16个处理线程，每个线程负责一个小数据表，且每个处理线程的任务是相同的，即处理线程根据预设提取条件去匹配小数据表中的每条记录，从而得到用户样本数据集合。

在本实施例中，由于预设用户数据库中的数据量非常大，涉及到对大表的查询和比较操作，服务端将预设用户数据库中的数据表拆分成多个小数据表，然后启用多线程，每个线程读取一个小数据表中的记录，并根据预设提取条件去完成匹配，从而提升了获取用户样本数据集合的速度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于产品推广的数据处理装置，该基于产品推广的数据处理装置与上述实施例中基于产品推广的数据处理方法一一对应。如图6所示，该基于产品推广的数据处理装置包括接收模块61、登录验证模块62、佣金计算模块63、加密模块64、数据分析65和发送模块66。各功能模块详细说明如下：

接收模块61，用于接收客户端发送的数据提交请求，获取数据提交请求中的用户标识信息；

登录验证模块62，用于若用户标识信息与预设用户数据库中的注册用户标识信息一致，则获取数据提交请求中的产品推广数据；

佣金计算模块63，用于从预设佣金配置表中获取佣金计提率，并结合佣金计提率和产品推广数据进行计算，得到用户的佣金数据；

加密模块64，用于按照预设的加密方式对佣金数据进行加密，得到密文数据，并将密文数据发送到支付平台，以使支付平台根据密文数据进行在线支付；

数据分析模块65，用于对用户标识信息、佣金数据和产品推广数据进行大数据分析，得到产品推广任务信息，其中，产品推广任务信息包括为用户个性化定制的产品推广任务；

发送模块66，用于将产品推广任务信息发送到与用户标识信息对应的客户端。

进一步地，基于产品推广的数据处理装置还包括：

登录跟踪模块67，用于若用户标识信息与预设用户数据库中的注册用户标识信息不一致，则向客户端发出拒绝登录消息，并记录客户端登录失败的次数；

屏蔽模块68，用于若客户端登录失败的次数超过预设次数阈值，则在预设时间内拒绝接收客户端发送的数据提交请求。

进一步地，基于产品推广的数据处理装置还包括：

存储模块69，用于将用户标识信息、佣金数据和产品推广数据关联存储到预设用户数据库中，其中，预设用户数据库用于供客户端进行数据查询。

进一步地，基于产品推广的数据处理装置还包括：

合法性验证模块610，用于对产品推广数据进行合法性检查，若产品推广数据超出预设数值范围，则对提交产品推广数据的用户进行账号冻结处理。

进一步地，数据分析模块65包括：

样本提取子模块651，用于以预设时间间隔从预设用户数据库中提取不同用户的用户数据，得到用户样本数据集合；

分组子模块652，用于对用户样本数据集合进行聚类分析，得到不同的用户组；

数据获取子模块653，用于将用户标识信息对应的用户所在的用户组作为目标用户组，从预设产品推广数据库中获取目标用户组匹配的产品信息，并根据产品信息确定产品推广任务信息。

进一步地，样本提取子模块651包括：

拆分单元6511，用于将预设用户数据库中的数据表进行拆分，得到多个小数据表；

提取单元6512，用于新建处理线程，并调用处理线程提取多个小数据表中的记录，得到用户样本数据集合。

关于基于产品推广的数据处理装置的具体限定可以参见上文中对于基于产品推广的数据处理方法的限定，在此不再赘述。上述基于产品推广的数据处理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服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。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、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于产品推广的数据处理方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于产品推广的数据处理方法的步骤，例如图2所示的步骤s1至步骤s6。或者，处理器执行计算机程序时实现上述实施例中基于产品推广的数据处理装置的各模块/单元的功能，例如图6所示模块61至模块66的功能。为避免重复，这里不再赘述。

在一实施例中，提供一计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中基于产品推广的数据处理方法，或者，该计算机程序被处理器执行时实现上述装置实施例中基于产品推广的数据处理装置中各模块/单元的功能。为避免重复，这里不再赘述。

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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。