一种资源投放方法和装置与流程

【技术领域】

本发明涉及互联网技术，特别涉及一种资源投放方法和装置。

背景技术：

对于在电商平台上注册的用户，为促使用户进行交易，可主动开展一些针对用户的资源投放活动，如发放一定门槛的抵用券、给予团单购买优惠等。

但是，现有的资源投放方式为统一粗放式投放方式，即针对不同的用户采用统一的资源投放方式，不能针对不同的用户区分处理，从而降低了资源投放效率。

技术实现要素：

本发明提供了一种资源投放方法和装置，能够提高资源投放效率。

具体技术方案如下：

一种资源投放方法，包括：

按照预先设定的规则，分别确定出各用户所处的生命周期和用户质量，得到构建出的用户成长价值模型，其中，所述生命周期分为m种，每种生命周期分别对应n种不同的用户质量，m和n均为大于1的正整数；

针对每个用户，分别按照所述用户所处的生命周期和用户质量对应的资源投放策略，对所述用户进行资源投放。

根据本发明一优选实施例，

所述生命周期包括：沉默用户、流失用户、新用户、待留存用户、活跃用户和忠诚用户；

所述用户质量包括：高、中和低。

根据本发明一优选实施例，

所述流失用户和所述沉默用户的等级低于所述新用户，所述新用户的等级低于所述待留存用户和所述活跃用户，所述待留存用户和所述活跃用户的等级低于所述忠诚用户；

该方法进一步包括：基于促使用户向更高等级的生命周期和更高用户质量转化的原则，设定不同的生命周期和用户质量分别对应的资源投放策略。

根据本发明一优选实施例，

该方法进一步包括：分别刻画出各用户的用户画像；

所述分别按照所述用户所处的生命周期和用户质量对应的资源投放策略，对所述用户进行资源投放包括：

从所述用户对应的资源投放策略对应的资源中筛选出与所述用户的用户画像相匹配的资源，将相匹配的资源投放给所述用户。

根据本发明一优选实施例，

该方法进一步包括：周期性地对所述用户成长价值模型和所述用户画像进行更新。

根据本发明一优选实施例，

所述用户画像包括：用户的兴趣偏好信息；

针对每个用户，分别确定出所述用户所处的生命周期和用户质量的方式包括：根据所述用户的历史操作行为信息，确定出所述用户所处的生命周期和用户质量；

针对每个用户，分别确定出所述用户的兴趣偏好信息的方式包括：根据所述用户的历史操作行为信息，确定出所述用户的兴趣偏好信息。

根据本发明一优选实施例，

所述用户画像进一步包括：用户的自然属性和社会属性信息。

一种资源投放装置，包括：模型构建单元以及资源投放单元；

所述模型构建单元，用于按照预先设定的规则，分别确定出各用户所处的生命周期和用户质量，得到构建出的用户成长价值模型，并发送给所述资源投放单元，其中，所述生命周期分为m种，每种生命周期分别对应n种不同的用户质量，m和n均为大于1的正整数；

所述资源投放单元，用于针对每个用户，分别按照所述用户所处的生命周期和用户质量对应的资源投放策略，对所述用户进行资源投放。

根据本发明一优选实施例，

所述生命周期包括：沉默用户、流失用户、新用户、待留存用户、活跃用户和忠诚用户；

所述用户质量包括：高、中和低。

根据本发明一优选实施例，

所述流失用户和所述沉默用户的等级低于所述新用户，所述新用户的等级低于所述待留存用户和所述活跃用户，所述待留存用户和所述活跃用户的等级低于所述忠诚用户；

所述资源投放单元进一步用于，基于促使用户向更高等级的生命周期和更高用户质量转化的原则，设定不同的生命周期和用户质量分别对应的资源投放策略。

根据本发明一优选实施例，

所述装置中进一步包括：画像刻画单元；

所述画像刻画单元，用于分别刻画出各用户的用户画像，并发送给所述资源投放单元；

所述资源投放单元进一步用于，针对每个用户，分别从所述用户对应的资源投放策略对应的资源中筛选出与所述用户的用户画像相匹配的资源，将相匹配的资源投放给所述用户。

根据本发明一优选实施例，

所述模型构建单元进一步用于，周期性地对所述用户成长价值模型进行更新；

所述画像刻画单元进一步用于，周期性地对所述用户画像进行更新。

根据本发明一优选实施例，

所述用户画像包括：用户的兴趣偏好信息；

针对每个用户，所述模型构建单元分别根据所述用户的历史操作行为信息，确定出所述用户所处的生命周期和用户质量；

针对每个用户，所述画像刻画单元分别根据所述用户的历史操作行为信息，确定出所述用户的兴趣偏好信息。

根据本发明一优选实施例，

所述用户画像进一步包括：用户的自然属性和社会属性信息。

基于上述介绍可知，采用本发明所述方案，可根据用户成长价值模型等，有针对性地向各用户进行资源投放，即将现有技术中的统一粗放式投放方式转变为针对各用户的精准投放方式，从而提高了资源投放效率。

【附图说明】

图1为本发明资源投放方法实施例的流程图。

图2为本发明所述用户成长价值模型的示意图。

图3为本发明资源投放装置实施例的组成结构示意图。

【具体实施方式】

为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。

实施例一

图1为本发明资源投放方法实施例的流程图，如图1所示，包括以下具体实现方式。

在11中，按照预先设定的规则，分别确定出各用户所处的生命周期和用户质量，得到构建出的用户成长价值模型，其中，生命周期分为m种，每种生命周期分别对应n种不同的用户质量，m和n均为大于1的正整数。

可按照预先设定的规则，根据使用电商平台的各用户的历史操作行为信息，分别确定出各用户所处的生命周期和用户质量。

其中，共包括m种不同的生命周期，每种生命周期分别对应n种不同的用户质量，m和n的具体取值均可根据实际需要而定，比如，m可取值为6，n可取值为3。

当m的取值为6时，6种生命周期可分别为：沉默用户、流失用户、新用户、待留存用户、活跃用户和忠诚用户。

6种生命周期可分别定义如下：

新用户：近期有访问过，但从未消费(购买)过的用户；

待留存用户：用户有过消费但对于电商平台还不是十分认可，处于尝试与适应阶段；

活跃用户：用户对电商平台有一定的认可度，消费了若干次且近期有访问过；

忠诚用户：用户对电商平台有较高的认可度，消费了若干次且近期有消费过；

沉默用户：曾经消费过，但较长时间未访问或消费过，但预测未来有可能会访问或消费；

流失用户：曾经消费过，但较长时间未访问或消费过，且预测未来基本不可能会再访问或消费。

以上均为举例说明，具体如何定义各不同的生命周期可根据实际需要而定，不限于以上所示。

可根据各用户的历史操作行为信息，即各用户在电商平台上的浏览、下单、支付等行为信息，分别确定出各用户所处的生命周期。假设根据某一用户的历史操作行为信息确定出该用户符合新用户的定义，那么则可确定该用户所处的生命周期为新用户，依此类推。

当n的取值为3时，3种用户质量可分别为：高、中和低。

不同生命周期分别对应的用户质量可定义如下：

表一不同生命周期分别对应的用户质量定义

同样，以上均为举例说明，具体如何定义各不同的生命周期分别对应的用户质量可根据实际需要而定，不限于以上所示。

可根据各用户的历史操作行为信息，分别确定出各用户在所处生命周期下的用户质量。

基于上述介绍，图2为本发明所述用户成长价值模型的示意图，如图2所示，横坐标表示的是用户所处的生命周期，体现了用户对电商平台的粘度，纵坐标表示的是用户质量，体现的是用户的价值表现。

在12中，针对每个用户，分别按照用户所处的生命周期和用户质量对应的资源投放策略，对用户进行资源投放。

如图2所示，可认为流失用户和沉默用户的等级低于新用户，新用户的等级低于待留存用户和活跃用户，待留存用户和活跃用户的等级低于忠诚用户。

可基于促使用户向更高等级的生命周期和更高用户质量转化的原则，设定不同的生命周期和用户质量分别对应的资源投放策略，即按照促使用户在图2中向上向右成长的原则，设定不同的生命周期和用户质量分别对应的资源投放策略，从而提高用户的活跃度和促进用户消费等，不同的资源投放策略的具体设定方式可根据实际需要而定。

以新用户为例，对于不同的用户质量，可分别采用以下资源投放策略：

高质量：给予大额优惠，适当降低优惠门槛，提高优惠频次；

中质量：给予大额优惠，适当降低优惠门槛，优惠频次一般，注意热门团单的推荐；

低质量：给予大额优惠，适当降低优惠门槛，优惠频次不宜太高。

由于用户的历史操作行为信息是在不断变化的，其所处生命周期和用户质量也是在不断变化的，因此需要周期性地对用户成长价值模型进行更新，所述周期的具体时长同样可根据实际需要而定。

以上介绍的是根据用户成长价值模型来向用户进行资源投放，在此基础上，为了提高资源投放结果的准确性，还可进一步结合用户的用户画像来进行资源投放。

为此，需要分别刻画出各用户的用户画像，这样，当需要对某一用户进行资源投放时，可从该用户对应的资源投放策略对应的资源中筛选出与该用户的用户画像相匹配的资源，将相匹配的资源投放给该用户。

所述用户画像可包括：用户的兴趣偏好信息。

针对每个用户，可根据该用户的历史操作行为信息，按照现有的挖掘分析方式，确定出该用户的兴趣偏好信息，包括：常驻点位置、所属群体、偏好的品类、偏好的价格等，如何确定出用户的兴趣偏好信息为现有技术。

针对某一用户，假设按照该用户所处的生命周期和用户质量对应的资源投放策略，需要给予该用户某种额度的大额优惠，符合优惠要求的资源数为p个，p为大于1的正整数，那么可根据该用户的兴趣偏好信息，从p个待投放的资源中筛选出与该用户的兴趣偏好信息相匹配的资源，进而将相匹配的资源投放给该用户，如何确定是否匹配同样为现有技术。

除了用户的兴趣偏好信息之外，用户的用户画像中还可进一步包括：用户的自然属性和社会属性信息，从而形成多维度的用户画像信息。

其中，自然属性信息可包括性别、年龄等，社会属性信息可包括教育水平、婚姻状态等。

自然属性信息和社会属性信息可由用户在电商平台上注册时填写，也可以通过其它方式获取，如根据用户在其它相关网站或平台上的留言、搜索记录等挖掘分析出用户的自然属性信息和社会属性信息，具体实现方式不限。

这样，当需要向某一用户投放资源时，可结合该用户的兴趣偏好信息、自然属性信息和社会属性信息等完整的用户画像，向该用户投放与该用户的用户画像相匹配的资源。

由于用户的历史操作行为信息是在不断变化的，那么用户的用户画像尤其是兴趣偏好信息也是在不断变化的，因此需要周期性地对用户画像进行更新，所述周期的具体时长同样可根据实际需要而定。

以上是关于本发明方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

实施例二

图3为本发明资源投放装置实施例的组成结构示意图，如图3所示，包括：模型构建单元31以及资源投放单元32。

模型构建单元31，用于按照预先设定的规则，分别确定出各用户所处的生命周期和用户质量，得到构建出的用户成长价值模型，并发送给资源投放单元32，其中，生命周期分为m种，每种生命周期分别对应n种不同的用户质量，m和n均为大于1的正整数；

资源投放单元32，用于针对每个用户，分别按照该用户所处的生命周期和用户质量对应的资源投放策略，对该用户进行资源投放。

模型构建单元31可按照预先设定的规则，根据使用电商平台的各用户的历史操作行为信息，分别确定出各用户所处的生命周期和用户质量。

其中，共包括m种不同的生命周期，每种生命周期分别对应n种不同的用户质量，m和n的具体取值均可根据实际需要而定，比如，m的取值为6，n的取值为3。

当m的取值为6时，6种生命周期可分别为：沉默用户、流失用户、新用户、待留存用户、活跃用户和忠诚用户。

6种生命周期可分别定义如下：

新用户：近期有访问过，但从未消费(购买)过的用户；

待留存用户：用户有过消费但对于电商平台还不是十分认可，处于尝试与适应阶段；

活跃用户：用户对电商平台有一定的认可度，消费了若干次且近期有访问过；

忠诚用户：用户对电商平台有较高的认可度，消费了若干次且近期有消费过；

沉默用户：曾经消费过，但较长时间未访问或消费过，但预测未来有可能会访问或消费；

流失用户：曾经消费过，但较长时间未访问或消费过，且预测未来基本不可能会再访问或消费。

模型构建单元31可根据各用户的历史操作行为信息，即各用户在电商平台上的浏览、下单、支付等行为信息，分别确定出各用户所处的生命周期。假设模型构建单元31根据某一用户的历史操作行为信息确定出该用户符合新用户的定义，那么则可确定该用户所处的生命周期为新用户，依此类推。

当n的取值为3时，3种用户质量可分别为：高、中和低。

不同生命周期分别对应的用户质量可如表一中所示。

模型构建单元31可根据各用户的历史操作行为信息，分别确定出各用户在所处生命周期下的用户质量。

模型构建单元31构建出用户成长价值模型后，资源投放单元32可针对每个用户，分别按照该用户所处的生命周期和用户质量对应的资源投放策略，对该用户进行资源投放。

如图2所示，可设定流失用户和沉默用户的等级低于新用户，新用户的等级低于待留存用户和活跃用户，待留存用户和活跃用户的等级低于忠诚用户。

资源投放单元32可基于促使用户向更高等级的生命周期和更高用户质量转化的原则，设定不同的生命周期和用户质量分别对应的资源投放策略，即按照促使用户在图2中向上向右成长的原则，设定不同的生命周期和用户质量分别对应的资源投放策略，从而提高用户的活跃度和促进用户消费等，不同的资源投放策略的具体设定方式可根据实际需要而定。

另外，由于用户的历史操作行为信息是在不断变化的，其所处生命周期和用户质量也是在不断变化的，因此模型构建单元31还需要周期性地对用户成长价值模型进行更新。

以上介绍的是根据用户成长价值模型来向用户进行资源投放，在此基础上，为了提高资源投放结果的准确性，还可进一步结合用户的用户画像来进行资源投放。

相应地，图3所示装置中还可进一步包括：画像刻画单元33，用于分别刻画出各用户的用户画像，并发送给资源投放单元32。

这样，当需要对某一用户进行资源投放时，资源投放单元32可从该用户对应的资源投放策略对应的资源中筛选出与该用户的用户画像相匹配的资源，将相匹配的资源投放给该用户。

所述用户画像可包括：用户的兴趣偏好信息。

针对每个用户，画像刻画单元33可根据该用户的历史操作行为信息，按照现有的挖掘分析方式，确定出该用户的兴趣偏好信息，包括：常驻点位置、所属群体、偏好的品类、偏好的价格等。

针对某一用户，假设按照该用户所处的生命周期和用户质量对应的资源投放策略，需要给予该用户某种额度的大额优惠，符合优惠要求的资源数为p个，那么资源投放单元32可根据该用户的兴趣偏好信息，从p个待投放的资源中筛选出与该用户的兴趣偏好信息相匹配的资源，进而将相匹配的资源投放给该用户，如何确定是否匹配同样为现有技术。

除了用户的兴趣偏好信息之外，用户的用户画像中还可进一步包括：用户的自然属性和社会属性信息，从而形成多维度的用户画像信息，画像刻画单元33如何获取用户的自然属性和社会属性信息不作限制，可根据实际需要而定。

其中，自然属性信息可包括性别、年龄等，社会属性信息可包括教育水平、婚姻状态等。

这样，当资源投放单元32需要向某一用户进行资源投放时，可结合该用户的兴趣偏好信息、自然属性信息和社会属性信息等完整的用户画像，向该用户投放与该用户的用户画像相匹配的资源。

由于用户的历史操作行为信息是在不断变化的，那么用户的用户画像尤其是兴趣偏好信息也是在不断变化的，因此画像刻画单元33需要周期性地对用户画像进行更新。

总之，采用本发明所述方案，可根据用户成长价值模型和用户画像，来有针对性地向各用户进行资源投放，即将现有技术中的统一粗放式投放方式转变为针对各用户的精准投放方式，从而提高了资源投放效率。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。