确定第一用户的回访半衰周期。若应用类型不同，确定的对应的回访半衰周期也不同。并且，确定对应的回访半衰周期时，可以根据具体的应用类型来确定对应的回访半衰周期。其中，应用类型可以为短频服务类型、中频服务类型或长频服务类型，并且短频服务类型对应的回访半衰周期小于中频服务类型对应的回访半衰周期，以及中频服务类型对应的回访半衰周期小于长频服务类型对应的回访半衰周期。
[0067]在步骤120中，获取第一指定时间段内第一用户的访问应用类型对应的回访用户数据。
[0068]本公开实施例中，第一指定时间段内可以是服务器根据实际情况确定的时间段，比如:一个月。
[0069]比如，第一用户访问手机黄页提供的服务，并生成对应的订单。服务器为了确定第一用户的回访半衰周期，可以在保存的历史用户数据中获取某个月的黄页订单用户的数据。
[0070]在步骤130中，根据获取到的回访用户数据确定对应的拟合函数。
[0071]本公开实施例中，根据获取到的回访用户数据列表格，并回归表格中的数据，观察其分布，选择最精确的拟合函数，得到该拟合函数的具体方程。
[0072]比如:获取到的回访用户数据如图2所示的各个小黑点，拟合函数的分布曲线如图2所示的拟合函数曲线。并且，确定对应的拟合函数为是幂函数，该幂函数的方程如公式
(1)所示:
[0073]y = cxa........................................................................公式(1)
[0074]其中，c是乘数系数、a是乘幂系数。
[0075]在步骤140中，计算拟合函数的拐点，并将拐点之前的第二指定时间段确定为回访半衰周期。其中，该拐点位于图2所示的出现拐点的区域内。
[0076]本公开实施例中，计算拟合函数的拐点时，可以计算拟合函数的一阶导数为0，且二阶导数不为0的点，该点为拟合函数的拐点。
[0077]另外，还可以在用户的回访速度放缓时，即相邻两日回访用户个数相差不超过某个阈值时，根据实际情况选择下降速度的假设阈值t，取拟合函数的一阶导数，当下降速度小于t时，代表拐点出现。
[0078]本公开实施例中，第二指定时间段可以是服务器根据实际情况确定的时间段，比如:5天。
[0079]其中，拐点以前的回访用户可以认为是密集回访，即实际的剧烈衰减周期，之后的回访用户就是缓慢回访，直到衰减周期结束，该阶段呈长尾分布，因此拐点之后这段时间其实不用花费运营的成本续活用户，只要在拐点以前的一段时间内续活用户，就达到了留存回访用户的目的了。
[0080]在步骤150中，在回访半衰周期内向第一用户发送续活信息。其中，服务器发送的续活信息可以是定期活动信息和定向优惠信息中的一种或多种。
[0081]由上述实施例可见，通过获取第一用户访问的应用类型，该第一用户为首次访问用户，获取第一指定时间段内第一用户的访问应用类型对应的回访用户数据，根据获取到的回访用户数据确定对应的拟合函数，计算拟合函数的拐点，并将拐点之前的第二指定时间段确定为回访半衰周期，在回访半衰周期内向第一用户发送续活信息，使得服务器可以根据历史用户数据确定第一用户的回访半衰周期，提高了回访半衰周期的准确性和合理性，并在该合理的回访半衰周期内续活用户，避免了固定续活周期导致的回访用户的流失，并把临时用户和弱用户转变为稳定的强管联用户，从而提高了用户回访率和用户留存率，还节约了运营成本。
[0082]如图3所示，图3是本公开根据一示例性实施例示出的另一种回访处理方法流程图，该方法可以用于服务器上，并建立在图1所示方法的基础上，在执行步骤130中根据获取到的回访用户数据确定对应的拟合函数时，可以包括以下步骤:
[0083]在步骤310中，根据获取到的回访用户数据确定对应的函数类型。
[0084]本公开实施例中，根据获取到的回访用户数据列表格，并回归表格中的数据，观察其分布，选择最精确的函数类型。
[0085]在步骤320中，根据预设算法计算函数类型对应的优化参数。
[0086]在步骤330中，根据函数类型和优化参数确定对应的拟合函数。其中，拟合函数可能是幂函数。
[0087]上述步骤320和步骤330中，若函数类型为幂函数类型，则幂函数类型对应的优化参数为乘幂系数a和乘数系数c。若根据预设算法计算得到的乘幂系数a为0.34，乘数系数c为3834，则进一步确定的拟合函数的方程如公式(2)所示:
[0088]y = 3834x°.34..................................................................公式(2)
[0089]由上述实施例可见，通过根据获取到的回访用户数据确定对应的函数类型，根据预设算法计算函数类型对应的优化参数，根据函数类型和优化参数确定对应的拟合函数，使得服务器能够根据历史用户数据确定对应的拟合函数，从而保证了用于计算回访半衰周期的拟合函数的精确度。
[0090]如图4所示，图4是本公开根据一示例性实施例示出的另一种回访处理方法流程图，该方法可以用于服务器上，并建立在图3所示方法的基础上，在执行步骤320中根据预设算法计算函数类型对应的优化参数时，可以包括以下步骤:
[0091]在步骤410中，根据获取到的回访用户数据判断对应的预测值和真实值之间的偏差是否满足正态分布。若确定满足正态分布时，执行步骤420 ;若确定不满足正态分布时，执行步骤430。
[0092]本公开实施例中，回访用户数据中对应的真实值如图2所示的各个小黑点，回访用户数据中对应的预测值如图2所示的拟合函数曲线上的对应值。
[0093]在步骤420中，根据最小二乘法计算优化参数。
[0094]在步骤430中，根据最大似然估计法计算优化参数。
[0095]由上述实施例可见，通过最小二乘法或最大似然估计法计算优化参数，提高了优化参数的计算速度，进而提高了回访处理的速度。
[0096]如图5所不，图5是本公开根据一不例性实施例不出的一种回访处理方法的应用场景图。该应用场景包括服务器和第一用户。
[0097]服务器获取第一用户的访问应用类型，该第一用户为首次访问用户；
[0098]服务器获取第一指定时间段内第一用户的访问应用类型对应的回访用户数据；
[0099]服务器根据获取到的回访用户数据确定对应的拟合函数；
[0100]服务器计算拟合函数的拐点，并将拐点之前的第二指定时间段确定为回访半衰周期；
[0101]服务器在回访半衰周期内向第一用户发送续活信息。
[0102]在图5所示应用场景中，实现回访处理的具体过程可以参见前述对图1至图4中的描述，在此不再赘述。
[0103]如图6所不，图6是本公开根据一不例性实施例不出的一种回访处理装置的框图，所述装置应用于服务器上，并用于执行图1所示的回访处理方法，所述装置包括:第一获取模块61、第二获取模块62、拟合函数确定模块63、计算模块64和发送模块65。
[0104]其中，第一获取模块61，被配置为获取第一用户访问的应用类型，所述第一用户为首次访问用户；
[0105]第二获取模块62，被配置为获取第一指定时间段内所述应用类型对应的回访用户数据；
[0106]拟合函数确定模块63，被配置为根据所述回访用户数据确定对应的拟合函数；
[0107]计算模块64，被配置为计算所述拟合函数的拐点，并将所述拐点之前的第二指定时间段确定为所述回访半衰周期；
[0108]发送模块65，被配置为在所述回访半衰周期内向所述第一用户发送续活信息。其中，所述续活信息包括定期活动信息和定向优惠信息中的至少一种。
[0109]上述拟合函数确定模块63确定的拟合函数可能为幂函数。
[0110]由上述实施例可见，通过获取第一用户访问的应用类型，该第一用户为首次访问用户，获取第一指定时间段内第一用户的访问应用类型对应的回访用户数据，根据获取到的回访用户数据确定对应的拟合函数，计算拟合函数的拐点，并将拐点之前的第二指定时间段确定为回访半衰周期，在回访半衰周期内向第一用户发送续活信息，使得服务器能够根据不同的应用类型确定合理的回访半衰周期，并在该合理的回访半衰周期内续活用户，避免了固定续活周期导致的回访用户的流失，并把临时用户和弱用户转变为稳定的强管联用户，从而提高了用户回访率和用户留存率，还节约了运营成本。
[0111]如图7所示，图7是本公开根据一示例性实施例示出的另一种回访处理装置的框图，该实施例在前述图6所示实施例的基础上，所述拟合函数确定模块63可以包括:函数类型确定子模块71、第一优化参数计算子模块72和第二拟合函数确定子模块73。
[0112]其中，函数类型确定子模块71，被配置为根据所述回访用户数据确定对应的函数类型；
[0113]第一优化参数计算子模块72，被配置为根据预设算法计算所述函数类型