数据推送方法及装置的制造方法

文档序号:10656614阅读:189来源:国知局
数据推送方法及装置的制造方法
【专利摘要】本发明公开了一种数据推送方法及装置,涉及大数据领域。其中的方法包括:根据用户行为数据对用户进行分级确定用户等级;根据用户等级变化情况确定用户行为趋势,并对用户行为趋势进行分类;根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用户。本发明改进了数据推荐的控制粒度,能够提供更加精细化的数据推送服务,从而更好地契合用户需求。
【专利说明】
数据推送方法及装置
技术领域
[0001 ]本发明设及大数据领域,特别设及一种数据推送方法及装置。
【背景技术】
[0002] 随着信息技术的迅速发展,各种各样的网络数据日益增多。用户在海量数据中如 何找到符合自己需求的有价值信息,毋庸置疑是非常重要的。
[0003] W电商网购业务为例,业务平台通常会捜集用户的行为信息,并根据用户的不同 行为在平台上推荐相应的产品或促销数据。运种数据推荐方式的粒度比较粗r,往往不能 契合用户需求。例如,在发生某种特定行为的用户群中,各个用户有自己的具体情况,然而 目前的数据推荐方式并未考虑,该用户群中的各个用户被推荐的产品或促销信息基本相 同。

【发明内容】

[0004] 本发明的一个目的是提出一种数据推送方案,改进数据推荐的控制粒度,提供更 加精细化的数据推送服务,从而更好地契合用户需求。
[0005] 根据本发明实施例的一个方面,提供了一种数据推送方法,包括:根据用户行为数 据对用户进行分级确定用户等级;根据用户等级变化情况确定用户行为趋势,并对用户行 为趋势进行分类;根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用 户。
[0006] 在一些实施例中,数据推送方法包括:根据用户在各个统计周期内的用户行为数 据确定用户在各个统计周期内的用户等级;根据用户在各个统计周期内的用户等级确定用 户行为趋势。
[0007] 在一些实施例中,根据用户行为数据对用户进行分级确定用户等级包括:根据每 个用户的用户行为数据分别对该用户进行评定,确定每个用户的评定值;根据各个用户的 平均用户行为数据对用户群体进行评定,确定用户群体的评定值;根据每个用户的评定值 和用户群体的评定值对用户进行分级确定用户等级。
[000引在一些实施例中,对每个用户的至少一项用户行为数据进行加权平均确定每个用 户的评定值;对各个用户的至少一项平均用户行为数据进行加权平均确定用户群体的评定 值;W及将每个用户的评定值与用户群体的评定值进行比较,根据每个用户的评定值与用 户群体的评定值的差距情况对用户进行分级确定用户等级。
[0009] 在一些实施例中,对用户行为趋势进行分类包括:将用户等级升高的行为趋势划 分为活跃等级升高的类别;将用户等级降低的行为趋势划分为活跃等级降低的类别;将维 持在预设的较高用户等级的行为趋势划分为维持高活跃度的类别;将维持在预设的较低用 户等级的行为趋势划分为维持低活跃度的类别。
[0010] 在一些实施例中,数据推送方法还包括:根据用户画像数据确定与用户匹配的欲 推送数据;根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用户包括: 将与用户匹配的欲推送数据根据用户行为趋势类别与数据等级的对应关系推送给用户。
[0011] 在一些实施例中,数据推送方法还包括:对用户行为数据进行筛选,舍弃用户行为 数据不符合预设条件的用户。
[0012] 在一些实施例中,用户画像数据包括:姓名、性别、年龄、照片、区域、学历特征信息 中的至少一项;用户行为数据包括:日均流量次数、日均下单量、有效订单占比、平均有效订 单金额中的至少一项;欲推送数据包括商品折扣信息。
[0013] 根据本发明实施例的一个方面,提供了一种数据推送装置,包括:用户分级模块, 用于根据用户行为数据对用户进行分级确定用户等级;用户行为趋势分类模块,用于根据 用户等级变化情况确定用户行为趋势,并对用户行为趋势进行分类;数据推送模块,用于根 据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用户。
[0014] 在一些实施例中,用户分级模块还用于根据用户在各个统计周期内的用户行为数 据确定用户在各个统计周期内的用户等级;用户行为趋势分类模块还用于根据用户在各个 统计周期内的用户等级确定用户行为趋势。
[0015] 在一些实施例中,用户分级模块包括:用户评定单元,用于根据每个用户的用户行 为数据分别对该用户进行评定,确定每个用户的评定值;用户群体评定单元,用于根据各个 用户的平均用户行为数据对用户群体进行评定,确定用户群体的评定值;用户分级单元,用 于根据每个用户的评定值和用户群体的评定值对用户进行分级确定用户等级。
[0016] 在一些实施例中,用户评定单元用于对每个用户的至少一项用户行为数据进行加 权平均确定每个用户的评定值;用户群体评定单元用于对各个用户的至少一项平均用户行 为数据进行加权平均确定用户群体的评定值;W及用户分级单元用于将每个用户的评定值 与用户群体的评定值进行比较,根据每个用户的评定值与用户群体的评定值的差距情况对 用户进行分级确定用户等级。
[0017] 在一些实施例中,用户行为趋势分类模块用于:将用户等级升高的行为趋势划分 为活跃等级升高的类别;将用户等级降低的行为趋势划分为活跃等级降低的类别;将维持 在预设的较高用户等级的行为趋势划分为维持高活跃度的类别;将维持在预设的较低用户 等级的行为趋势划分为维持低活跃度的类别。
[0018] 在一些实施例中,数据推送装置还包括:数据类别匹配模块,用于根据用户画像数 据确定与用户匹配的欲推送数据;数据推送模块还用于:将与用户匹配的欲推送数据根据 用户行为趋势类别与数据等级的对应关系推送给用户。
[0019] 在一些实施例中,数据推送装置还包括:用户行为数据筛选模块,用于对用户行为 数据进行筛选,舍弃用户行为数据不符合预设条件的用户。
[0020] 根据本发明实施例的一个方面,提供了一种数据推送装置,包括:存储器;W及禪 接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述的数据推送 方法。
[0021] 本发明根据用户行为数据对用户分级,根据用户等级变化情况确定用户行为趋 势,并为不同行为趋势类别的用户推送不同等级的数据,改进了数据推荐的控制粒度,能够 提供更加精细化的数据推送服务,从而更好地契合用户需求。
[0022] 通过W下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其 优点将会变得清楚。
【附图说明】
[0023] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术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 W根据运些附图获得其他的附图。
[0024] 图1示出本发明数据推送方法的一个实施例的流程示意图。
[0025] 图2示出本发明根据用户行为数据对用户进行分级确定用户等级的一个实施例的 流程示意图。
[0026] 图3示出本发明对用户行为趋势进行分类的一个实施例的流程示意图。
[0027] 图4示出本发明用户行为轨迹分类与数据等级对应关系的示意图。
[0028] 图5示出本发明数据推送方法的另一个实施例的流程示意图。
[0029] 图6示出本发明数据推送装置的一个实施例的结构示意图。
[0030] 图7示出本发明用户分级模块的一个实施例的结构示意图。
[0031 ]图8示出本发明数据推送装置的另一个实施例的结构示意图。
[0032] 图9示出本发明数据推送装置的又一个实施例的结构示意图。
[0033] 图10示出可W实施本发明用于数据分类的装置的计算机系统的示例性硬件配置 的框图。
【具体实施方式】
[0034] 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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。W下 对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使 用的任何限制。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。
[0035] 图1示出本发明数据推送方法的一个实施例的流程示意图。本实施例能够为不同 行为趋势类别的用户推送不同等级的数据。如图1所示,该实施例的数据推送方法包括:
[0036] 步骤S102,根据用户行为数据对用户进行分级确定用户等级。
[0037] 其中,用户行为数据是指能够反映用户行为特征的数据。W电商网购业务场景为 例,用户行为数据例如可W用户在某网站访问方式、所用终端品牌及型号、所用系统版本, W及浏览商品、购买商品、网站停留时长、退出方式等一系列行为特征的数据。
[0038] 步骤S104,根据用户等级变化情况确定用户行为趋势,并对用户行为趋势进行分 类。
[0039] 在不同的时间段内,用户的用户行为数据不同,因此反映出的用户等级也会相应 变化。根据用户等级的历史变化情况,可W统计出用户的用户行为趋势。在一个实施例中, 可W根据用户在各个统计周期内的用户行为数据确定用户在各个统计周期内的用户等级, 然后根据用户在各个统计周期内的用户等级确定用户行为趋势。
[0040] 步骤S106,根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用 户,从而将不同等级的数据推送给不同行为趋势类别的用户。
[0041] 上述实施例根据用户行为数据对用户分级,根据用户等级变化情况确定用户行为 趋势,并为不同行为趋势类别的用户推送不同等级的数据,改进了数据推荐的控制粒度,能 够提供更加精细化的数据推送服务,从而更好地契合用户需求。
[0042] 本发明还提供了一种根据用户行为数据对用户进行分级确定用户等级的方法。下 面结合图2描述该方法。
[0043] 图2示出本发明根据用户行为数据对用户进行分级确定用户等级的一个实施例的 流程示意图。如图2所示,该方法包括W下步骤:
[0044] 步骤S2022,根据每个用户的用户行为数据分别对该用户进行评定,确定每个用户 的评定值。
[0045] 在一个实施例中,可W对每个用户的至少一项用户行为数据进行加权平均确定每 个用户的评定值。
[0046] 例如,选取用户浏览次数、下单量、有效订单占比和金额等作为用户行为数据。运 些用户行为数据能够在一定程度上反映出用户的活跃情况。其中,根据每个用户的历史浏 览次数Vi与用户W天为单位的注册时长Di的比值,确定每个用户的日均浏览次数Pi,即
I根据每个用户的历史下单量化与用户W天为单位的注册时长Di的比值,确定每个 用户的日均下单量Ki,即
根据每个用户的所有有效订单量Li与其所有订单量Ri的 比值,确定每个用户的有效订单占比Fi,目[
;根据每个用户的历史有效订单金额总 和与其所有有效订单量的比值,确定每个用户的平均有效订单金额Ti。然后,对上述四项用 户行为数据进行加权平均确定用户的评定值Qi,从而对每个用户的购物活跃度进行评定, 例如,设定某一用户在某一自然周内的日均浏览次数Pi、日均下单量Ki、有效订单占比Fi、 平均有效订单金额Ti所对应的权值分别为p、k、f、t,则可W采用如下方法计算该用户的购 物活跃度评定值Qi:
[0047]
[0048] 步骤S2024,根据各个用户的平均用户行为数据对用户群体进行评定,确定用户群 体的评定值。
[0049] 在一个实施例中,可W对各个用户的至少一项平均用户行为数据进行加权平均确 定用户群体的评定值。例如,设定用户群体在相应自然周内的日均浏览次数P、日均下单量 K、有效订单占比F、平均有效订单金额T所对应的权值分别为p、k、f、t,则可W采用如下方法 计算该用户群体的评定值Q:
[(K)加 ]
[0051]其中,根据各个用户的历史浏览次数与用户W天为单位的注册时长的比值,可W 确定用户群体的平均日均浏览次数P,即
根据各个用户的历史下单量与用户 W天为单位的注册时长的比值,确定用户群体的日均下单量K,即
根据各个用 户的所有有效订单量与其所有订单量的比值,确定用户群体的有效订单占比F;根据各个用 户的历史有效订单金额总和与其所有有效订单量的比值,确定用户群体的平均有效订单金 额T,印
[0052] 步骤S2026,根据每个用户的评定值和用户群体的评定值对用户进行分级确定用 户等级。
[0053] 在一个实施例中,将每个用户的评定值Qi与用户群体的评定值Q进行比较,根据每 个用户的评定值与用户群体的评定值的差距情况对用户进行分级确定用户等级。
[0054] 例如,将符合条件Qi< = 20%*Q的用户分级为Ievell的用户;将符合条件20%*Q< Qi< = 50%*Q的用户分级为level2的用户;将符合条件50%*Q<Qi< = 80%*Q的用户分级为 levels的用户;将符合条件Qi〉80%*Q的用户分级为level4的用户。从而将用户分为四个等 级,用户的有效购物越活跃,其所对应的等级越高。
[0055] 基于前述方法,通过对每个用户W及用户群体的行为数据进行运算,能够将每个 用户W及用户群体的购物活跃程度用评定值的方式体现出来,进而基于评定值对每个用户 进行客观的用户等级分级,W便于后续基于每个用户的用户等级的变化确定每个用户的用 户行为趋势。
[0056] 本发明还提供了一种对用户行为趋势进行分类的方法。下面结合图3描述该方法。
[0057] 图3示出本发明对用户行为趋势进行分类的一个示例。如图3所示,1)将用户等级 降低的行为趋势划分为活跃等级降低的类别。例如,将用户等级由level3或level4降低至 Ievell或level2的行为趋势划分为行为轨迹类别A"2)将维持在预设的较低用户等级的行 为趋势划分为维持低活跃度的类别。例如,将维持在levell、level2用户等级范围的行为趋 势划分为行为轨迹类别Bd3)将用户等级升高的行为趋势划分为活跃等级升高的类别。例 如,将用户等级由16¥611或16¥612升高至16¥613或16¥614的行为趋势划分为行为轨迹类别 Cd4)将维持在预设的较高用户等级的行为趋势划分为维持高活跃度的类别。例如,将维持 在Ievel3、level4用户等级范围的行为趋势划分为行为轨迹类别D。
[0058] 上述方法中,根据用户的行为等级进一步划分用户的行为趋势,可W进一步将用 户行为轨迹类别与欲推送数据等级相关联,达到有区分度地推送数据的效果。
[0059] 下面列举一个根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送 给用户的应用例,从而将不同等级的数据推送给不同行为趋势类别的用户。在本应用例中, 欲推送数据例如可W为商品的促销信息,包含各种单品促销、满减促销、赠品促销、套装促 销等信息。按照促销力度,我们给促销信息分为四个等级。运里的促销力度定义为优惠券面 值与使用优惠券限额的比值,或者优惠金额与优惠前金额的比值。假设所有促销力度的均 值为Z,第i个促销信息的促销力度为Zi,则可W将满足条件Zi< = 0.5*Z的促销信息划分为 数据等级LI,将满足条件0.5*Z<Zi< = Z的促销信息划分为数据等级L2,将满足条件Z<Zi< = 2*Z的促销信息划分为数据等级L3,将满足条件Zi〉2*Z的促销信息划分为数据等级L4。其 中,数据等级越高,表明商品的促销力度越大。然后,可W将某一用户行为趋势类别与某一 商品折扣力度的数据等级相对应,向该类别的用户推送运一商品折扣力度的优惠信息。例 如,参考图4示出的本发明用户行为轨迹分类与数据等级对应关系的一个示例,可W将A级 用户视为逐渐流失的用户,对于A级用户可W优先推送优惠力度大的促销信息,如L3、L4级 别的促销信息,增加 A级用户粘性;B级用户一致处于平均购物消费水平W下,但是用户行为 比较稳定,可W采取刺激用户消费的策略,优先推送优惠力度大的促销信息,如L3、L4级别 的促销信息;C级用户购物消费的活跃度提升较大,有可能是因为受到了一定的促销吸引, 可W继续对该类用户采取相同的消息推送策略甚至适当加大优惠力度,使其保持目前行为 分类,例如继续推送L2、L3、L4级别的促销信息;D级用户一直是忠诚用户且用户购物消费水 平比较稳定,针对该类用户的策略可暂时不变,继续推送L1、L2级别的促销信息。运样一来, 可W在兼顾运营成本的情况下,采取有区分度的折扣信息推送策略,提高用户的粘性。
[0060] 下面结合图5描述本发明另一个实施例的数据推送方法。
[0061] 图5示出本发明数据推送方法的另一个实施例的流程示意图。本实施例能够根据 用户画像数据W及用户行为趋势类别推送数据给用户。如图5所示,本实施例的数据推送方 法包括W下步骤:
[0062] 步骤S501,根据用户画像数据确定与用户匹配的欲推送数据。
[0063] 用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模 型,因此用户画像可W反映出用户的目标、行为和观点的差异。根据用户画像标签,可W将 用户区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、人口统计学要 素、场景等描述,从而形成一个人物原型。
[0064] 在用户画像数据方面,接入用户画像数据后,按照用户画像标签进行分类,假设所 有的用户共有姓名、性别、年龄、照片、区域、学历等M个分类,每个用户都有不大于M个分类, 即设每个用户所在的标签个数NUM,其中,0<NUM<=M。其中,每个用户画像标签分类有不同 的属性值,例如区域运个分类,会有北京、上海、广州等31个属性值,假设第N个分类共有n个 属性值,假设某用户具有的第N个分类的属性值是第i个,则该用户在该分类的用户画像标 签表示为Ni,其中,0<N< = NUM,0<i< = n,那么,该用户的标签个数NUM可W表示为
[0065] 在欲推送数据方面,欲推送数据例如可W是促销数据,但不限于此。促销数据包含 品类限制、平台限制、区域限制等信息,可W将促销数据分为品类、地域、平台等E个分类,每 个促销数据可W同时满足多个分类,将第R个分类下第i个值表示为Ri,其中,〇<R<=E,0<i< =该分类下的值的个数。
[0066] 例如,某用户的用户画像标签有:北京、女性、20-30周岁、本科、衬衫、牛奶。那么可 W匹配促销信息中可W包含北京地区、品类为适合20-30周岁的女性衬衫、牛奶类相关信 息,甚至还可W剔除奢侈品牌信息,从而在欲推送数据所包含的内容类别层面完成欲推送 数据与欲推送用户的匹配工作。
[0067] 步骤S502,根据用户行为数据对用户进行分级确定用户等级。
[0068] 步骤S504,根据用户等级变化情况确定用户行为趋势,并对用户行为趋势进行分 类。
[0069] 步骤S506,将与用户匹配的欲推送数据根据用户行为趋势类别与数据等级的对应 关系推送给用户。
[0070] 在一个实施例中,如果存在同时满足用户画像数据匹配条件和数据等级条件的欲 推送数据,则直接为相应的用户进行消息推送。如果不存在同时满足上述两个条件的欲推 送数据,则可W在满足用户画像数据匹配条件的情况下,在低一级数据等级中寻找符合条 件的欲推送数据,W此类推,直至数据等级降至最低等级,然后为相应的用户进行消息推 送,从而最大限度地吸引用户消费,提高用户的粘性。
[0071] 上述实施例根据用户画像数据确定与用户匹配的欲推送数据,将与用户匹配的欲 推送数据根据用户行为趋势类别与数据等级的对应关系推送给用户,能够提供更加准确和 精细化的数据推送服务,从而更好地契合用户需求。
[0072] 本发明还可W对用户行为数据进行筛选,舍弃用户行为数据不符合预设条件的用 户。由于用户行为多种多样,可能存在个别用户登陆次数特别少、个别用户恶意刷单等行 为,因此需要对异常行为数据进行筛选。例如,某一用户的日均浏览次数Pi满足条件Pi< 10%冲,且日均下单量Ki满足条件Ki<10%*K,即某用户的日均浏览次数小于所有用户的日 均浏览次数的均值的十分之一,且日均下单量小于所有用户的日均下单量的均值的十分之 一,那么舍弃该用户的用户行为数据。或者,某一用户的有效订单占比Fi满足条件Fi<10%* F,即某用户的有效订单占比小于所有用户的平均有效订单占比的十分之一,那么舍弃该用 户的用户行为数据。再比如,某用户某次订单金额amount〉100万或者amount。元,即该用户 存在恶意订单或者刷单行为,那么舍弃该用户的用户行为数据。
[0073] 通过用户行为数据的筛选,可W保留正常的用户行为数据,从而避免异常数据对 于后续用户行为数据处理工作的干扰。
[0074] 下面结合图6描述本发明一个实施例的数据推送装置。
[0075] 图6示出本发明数据推送装置的一个实施例的结构示意图。本实施例能够为不同 行为趋势类别的用户推送不同等级的数据。如图6所示,该实施例的数据推送装置60包括:
[0076] 用户分级模块602,用于根据用户行为数据对用户进行分级确定用户等级。
[0077] 在一个实施例中,用户分级模块用于:根据用户在各个统计周期内的用户行为数 据确定用户在各个统计周期内的用户等级
[0078] 用户行为趋势分类模块604,用于根据用户等级变化情况确定用户行为趋势,并对 用户行为趋势进行分类。
[0079] 在一个实施例中,用户行为趋势分类模块用于:根据用户在各个统计周期内的用 户等级确定用户行为趋势。
[0080] 数据推送模块606,用于根据用户行为趋势类别与数据等级的对应关系将欲推送 数据推送给用户。
[0081] 上述实施例根据用户行为数据对用户分级,根据用户等级变化情况确定用户行为 趋势,并为不同行为趋势类别的用户推送不同等级的数据,改进了数据推荐的控制粒度,能 够提供更加精细化的数据推送服务,从而更好地契合用户需求。
[0082] 下面结合图7描述本发明一个实施例的用户等级确定模块。
[0083] 图7示出本发明用户分级模块的一个实施例的结构示意图。如图7所示,该实施例 的用户分级模块602包括:
[0084] 用户评定单元7022,用于根据每个用户的用户行为数据分别对该用户进行评定, 确定每个用户的评定值。
[0085] 在一个实施例中,用户评定单元7022可W用于对每个用户的至少一项用户行为数 据进行加权平均确定每个用户的评定值。
[0086] 用户群体评定单元7024,用于根据各个用户的平均用户行为数据对用户群体进行 评定,确定用户群体的评定值。
[0087] 在一个实施例中,用户群体评定单元7024可W用于对各个用户的至少一项平均用 户行为数据进行加权平均确定用户群体的评定值。
[0088] 用户分级单元7026,用于根据每个用户的评定值和用户群体的评定值对用户进行 分级确定用户等级。
[0089] 在一个实施例中,用户分级单元7026可W用于根据每个用户的评定值与用户群体 的评定值的差距情况对用户进行分级确定用户等级。前述用户等级确定模块,通过对每个 用户W及用户群体的行为数据进行运算,能够将每个用户W及用户群体的购物活跃程度用 评定值的方式体现出来,进而基于评定值对每个用户进行客观的用户等级分级,W便于后 续基于每个用户的用户等级的变化确定每个用户的用户行为趋势。
[0090] 在一些实施例中,用户行为趋势分类模块604可W用于:将用户等级升高的行为趋 势划分为活跃等级升高的类别;将用户等级降低的行为趋势划分为活跃等级降低的类别; 将维持在预设的较高用户等级的行为趋势划分为维持高活跃度的类别;将维持在预设的较 低用户等级的行为趋势划分为维持低活跃度的类别。
[0091] 下面结合图8描述本发明一个实施例的数据推送装置。
[0092] 图8示出本发明数据推送装置的另一个实施例的结构示意图。如图8所示,在上述 数据推送装置60的基础之上,该实施例的数据推送装置80还包括:数据类别匹配模块801, 用于根据用户画像数据确定与用户匹配的欲推送数据。数据推送模块606还用于:将与用户 匹配的欲推送数据根据用户行为趋势类别与数据等级的对应关系推送给用户。
[0093] 在一个优选的实施例中,数据推送装置80还可W包括:
[0094] 用户行为数据筛选模块800,用于对用户行为数据进行筛选,舍弃用户行为数据不 符合预设条件的用户。
[00M]上述实施例根据用户画像数据确定与用户匹配的欲推送数据,将与用户匹配的欲 推送数据根据用户行为趋势类别与数据等级的对应关系推送给用户,能够提供更加准确和 精细化的数据推送服务,从而更好地契合用户需求。
[0096] 下面结合图9描述本发明又一个实施例的数据推送装置。
[0097] 图9示出本发明数据推送装置的又一个实施例的结构示意图。如图9所示,该实施 例的数据推送装置90包括:存储器904W及禪接至该存储器904的处理器902,处理器902被 配置为基于存储在存储器904中的指令,执行前述任意一个实施例中的数据分类方法。存储 器904中还可W存储前述实施例的方法中用户画像数据、用户行为数据W及欲推送数据等 等。
[0098] 此外,在一个设备中,存储器904和处理器902可W通过总线(BUS)禪合。
[0099] 图10为可W实施本发明用于数据分类的装置的计算机系统10000的示例性硬件配 置的框图。
[0100] 如图10所示,计算机系统10000包括处理器902和存储器904,存储器904例如可W 包括系统存储器10430、固定非易失性存储器10441等等,还可W包括SD卡、U盘等设备。处理 器902和系统存储器9430可经由系统总线10121连接。计算机系统10000还可例如包括固定 非易失性存储器接口 10140、移动非易失性存储器接口 10150、用户输入输出接口 10190和网 络接口 10170。
[0101] 系统存储器10430例如存储有Bios程序10433、操作系统10434、应用程序10435、其 它程序模块10436和某些程序数据10437。
[0102] 诸如闪存(Flash)忍片之类的固定非易失性存储器10441可例如连接到固定非易 失性存储器接口 10140。固定非易失性存储器10441例如可W操作系统10444、应用程序 10445、其它程序模块10446和某些程序数据10447。
[0103] 诸如通用串行总线化SB)接口 10151和安全数字卡(SD卡)插口 10155之类的可移动 非易失性存储器接口可例如连接到可移动非易失性存储器接口 10150。例如USB盘之类的可 移动非易失性存储器可连接到所述USB接口 10151,例如SD卡之类的器件可连接到所述SD卡 插日10155。
[0104] 计算机系统10000还可包括诸如触摸屏之类的视频输出设备和用户输入设备。
[0105] 计算机系统10000可W通过网络接口 10170连接到远程计算机,W便通过网络进行 数据的传输等操作。
[0106] 图10所示的计算机系统仅仅是说明性的一个示例,而决不意图对本发明、其应用 或用途的任何限制。
[0107] 图10所示的计算机系统可W被实施于任何实施例,可作为独立计算机,也可作为 设备中的处理系统,可W移除一个或多个不必要的组件,也可W向其添加一个或多个附加 的组件。例如,网络接口 10170可W任何其他方式实现。处理单元可W包含一个或多个处理 器。
[0108] 本发明还包括一种或多种具有计算机可执行指令的非瞬时性计算机可读介质,上 述指令在由计算机执行时,执行前述的数据推送方法。
[0109] 本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序 产品。因此,本发明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,本发明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 可用非瞬时性存储介质(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。
[0110] 本发明是参照根据本发明实施例的方法、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、W及流程图和/或方框图中的流程和/或方框的结合。可提供运些计算机程序 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W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。
[0111] 运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W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。
[0112] 运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W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。
[0113] W上所述仅为本发明的较佳实施例,并不用W限制本发明,凡在本发明的精神和 原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
【主权项】
1. 一种数据推送方法,其特征在于,包括: 根据用户行为数据对用户进行分级确定用户等级; 根据用户等级变化情况确定用户行为趋势,并对用户行为趋势进行分类; 根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用户。2. 根据权利要求1所述的方法,其特征在于,包括: 根据用户在各个统计周期内的用户行为数据确定用户在各个统计周期内的用户等级; 根据用户在各个统计周期内的用户等级确定用户行为趋势。3. 根据权利要求1所述的方法,其特征在于,所述根据用户行为数据对用户进行分级确 定用户等级包括: 根据每个用户的用户行为数据分别对该用户进行评定,确定每个用户的评定值; 根据各个用户的平均用户行为数据对用户群体进行评定,确定用户群体的评定值; 根据每个用户的评定值和用户群体的评定值对用户进行分级确定用户等级。4. 根据权利要求3所述的方法,其特征在于,其中,对每个用户的至少一项用户行为数 据进行加权平均确定每个用户的评定值; 对各个用户的至少一项平均用户行为数据进行加权平均确定用户群体的评定值;以及 将每个用户的评定值与用户群体的评定值进行比较,根据每个用户的评定值与用户群 体的评定值的差距情况对用户进行分级确定用户等级。5. 根据权利要求1所述的方法,其特征在于,所述对用户行为趋势进行分类包括: 将用户等级升高的行为趋势划分为活跃等级升高的类别; 将用户等级降低的行为趋势划分为活跃等级降低的类别; 将维持在预设的较高用户等级的行为趋势划分为维持高活跃度的类别; 将维持在预设的较低用户等级的行为趋势划分为维持低活跃度的类别。6. 根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括: 根据用户画像数据确定与用户匹配的欲推送数据; 所述根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送给用户包括: 将与用户匹配的欲推送数据根据用户行为趋势类别与数据等级的对应关系推送给用 户。7. 根据权利要求1所述的方法,其特征在于,所述方法还包括:对用户行为数据进行筛 选,舍弃用户行为数据不符合预设条件的用户。8. 根据权利要求6所述的方法,其特征在于,所述用户画像数据包括:姓名、性别、年龄、 照片、区域、学历特征信息中的至少一项; 所述用户行为数据包括:日均流量次数、日均下单量、有效订单占比、平均有效订单金 额中的至少一项; 所述欲推送数据包括商品折扣信息。9. 一种数据推送装置,其特征在于,包括: 用户分级模块,用于根据用户行为数据对用户进行分级确定用户等级; 用户行为趋势分类模块,用于根据用户等级变化情况确定用户行为趋势,并对用户行 为趋势进行分类; 数据推送模块,用于根据用户行为趋势类别与数据等级的对应关系将欲推送数据推送 给用户。10. 根据权利要求9所述的装置,其特征在于,所述用户分级模块还用于根据用户在各 个统计周期内的用户行为数据确定用户在各个统计周期内的用户等级; 所述用户行为趋势分类模块还用于根据用户在各个统计周期内的用户等级确定用户 行为趋势。11. 根据权利要求9所述的装置,其特征在于,所述用户分级模块包括: 用户评定单元,用于根据每个用户的用户行为数据分别对该用户进行评定,确定每个 用户的评定值; 用户群体评定单元,用于根据各个用户的平均用户行为数据对用户群体进行评定,确 定用户群体的评定值; 用户分级单元,用于根据每个用户的评定值和用户群体的评定值对用户进行分级确定 用户等级。12. 根据权利要求11所述的装置,其特征在于,其中,所述用户评定单元用于对每个用 户的至少一项用户行为数据进行加权平均确定每个用户的评定值; 所述用户群体评定单元用于对各个用户的至少一项平均用户行为数据进行加权平均 确定用户群体的评定值;以及 所述用户分级单元用于将每个用户的评定值与用户群体的评定值进行比较,根据每个 用户的评定值与用户群体的评定值的差距情况对用户进行分级确定用户等级。13. 根据权利要求9所述的装置,其特征在于,其中,所述用户行为趋势分类模块用于: 将用户等级升高的行为趋势划分为活跃等级升高的类别; 将用户等级降低的行为趋势划分为活跃等级降低的类别; 将维持在预设的较高用户等级的行为趋势划分为维持高活跃度的类别; 将维持在预设的较低用户等级的行为趋势划分为维持低活跃度的类别。14. 根据权利要求9-13任一项所述的装置,其特征在于,所述装置还包括: 数据类别匹配模块,用于根据用户画像数据确定与用户匹配的欲推送数据; 所述数据推送模块还用于: 将与用户匹配的欲推送数据根据用户行为趋势类别与数据等级的对应关系推送给用 户。15. 根据权利要求9所述的装置,其特征在于,所述装置还包括: 用户行为数据筛选模块,用于对用户行为数据进行筛选,舍弃用户行为数据不符合预 设条件的用户。16. -种数据推送装置,其特征在于,包括: 存储器;以及 耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令, 执行如权利要求1至8中任一项所述的数据推送方法。
【文档编号】G06Q30/06GK106022856SQ201610291308
【公开日】2016年10月12日
【申请日】2016年5月5日
【发明人】侍建超
【申请人】北京京东尚科信息技术有限公司, 北京京东世纪贸易有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1