用于信息推送的方法、装置及电子设备与流程

本发明涉及大数据信息处理领域，具体而言，涉及一种用于信息推送的方法、装置及电子设备。

背景技术

随着网络购物的普及推广，购物网站之间的竞争越发激烈，各大购物网站之间经常通过进行各种推销推广活动招揽用户。目前网络购物商场的产品大部分都要比实体商店的优惠，但是，在这个基础上，购物网站也会尽可能的进行额外的推广活动，吸引用户购买产品。可例如，某一品牌限时优惠购买的平台，其中优惠这个因素是吸引用户的重要法宝。但是用户都有一个心理，就是会觉得可能这个价格还不是最优的，特别是再不是必须购买的商品上面这种心理尤为重要，而该购物网站里面商品多以服饰、鞋包等商品为主，如何吸引用户进行购买操作，是各大网站都在清理解决的问题。

现有的网络推销的技术方案，可例如，通过运营人员提前制定好商品促销策略，通过促销策略，网站的展示系统展示促销信息。还可例如，促销系统在多个促销中选择一个促销形式对应某个商品，进而进行推销推广。但是，目前的常用方法由于需要大量的运营人员参与，推广系统不能自动生成推广消息。同时一个商品的促销对每个用户都是一样的，不能做到根据用户的不同展示不同的促销信息，所以实际收到的推广效果远低于预期效果。

因此，需要一种新的用于信息推送的方法、装置及电子设备。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

有鉴于此，本发明提供一种用于信息推送的方法、装置及电子设备，能够进行精准的促销推荐，提升用户购物体验，进而提高网站的访问量和复购率。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提出一种用于信息推送的方法，该方法包括：获取用户的实时操作数据；通过所述实时操作数据与用户推广模型获取信息推广权重；通过所述信息推广权重与预定设置，生成信息推广方案；以及通过所述信息推广方案进行信息推送。

在本公开的一种示例性实施例中，还包括：通过用户的历史操作数据建立所述用户推广模型。

在本公开的一种示例性实施例中，所述通过所述用户的历史操作数据建立所述用户推广模型，包括：通过所述用户的历史操作数据获取点击类型数据；通过所述用户的历史操作数据获取购买类型数据；以及通过所述点击类型数据与所述购买类型数据建立所述用户推广模型。

在本公开的一种示例性实施例中，所述通过所述用户的历史操作数据获取点击类型数据，包括：通过日志收集器获取所述用户的历史操作数据；提取在预定时间间隔内的所述历史操作数据中的点击数据；以及根据所述点击数据的点击类型信息，生成所述点击类型数据。

在本公开的一种示例性实施例中，所述通过所述用户的历史操作数据获取购买类型数据，包括：通过订单表获取所述用户的历史操作数据；提取在预定时间间隔内的所述历史操作数据中的购买数据；以及根据所述购买数据中的购买类型信息，生成所述购买类型数据。

在本公开的一种示例性实施例中，所述通过所述点击类型数据与所述购买类型数据建立所述用户推广模型，包括如下公式：

promotion(user,a)＝k*promotion(user,a,click)

+(1-k)*promotion(user,a,buyed)；

+x

其中，promotion(user,a)为a推广的权重，0≤k≤1，promotion(user,a,click)为a推广的点击次数，promotion(user,a,buyed)为通过a推广产生的购买次数，x为第一预定行为的权重。

在本公开的一种示例性实施例中，所述通过所述击类型数据与所述购买类型数据建立所述用户推广模型，包括如下公式：

promotion(user,a)＝k*promotion(user,a,click)

+(1-k)*promotion(user,a,buyed)；

+y

其中，promotion(user,a)为a推广的权重，0≤k≤1，promotion(user,a,click)为a推广的点击次数，promotion(user,a,buyed)为a推广的购买次数，y为第二预定行为的权重。

在本公开的一种示例性实施例中，所述通过所述实时操作数据与用户推广模型获取信息推广权重，包括：通过所述实时操作数据获取预定行为，所述预定行为包括第一预定行为与第二预定行为；以及通过所述预定行为与所述用户推广模型获取所述信息推广权重。

在本公开的一种示例性实施例中，所述操作数据，包括：搜索数据，浏览数据，以及购买数据。

在本公开的一种示例性实施例中，所述用户推广模型通过elasticsearch服务器维护。

根据本发明的一方面，提出一种用于信息推送的装置，该装置包括：数据获取模块，用于获取用户的实时操作数据；权重计算模块，用于通过所述实时操作数据与用户推广模型获取信息推广权重；方案生成模块，用于通过所述信息推广权重与预定设置，生成信息推广方案；以及信息推送模块，用于通过所述信息推广方案进行信息推送。

在本公开的一种示例性实施例中，还包括：推广模型模块，用于通过用户的历史操作数据建立所述用户推广模型。

在本公开的一种示例性实施例中，所述推广模型模块，包括：点击子模块，用于通过所述用户的历史操作数据获取点击类型数据；购买子模块，用于通过所述用户的历史操作数据获取购买类型数据；以及模型子模块，用于通过所述点击类型数据与所述购买类型数据建立所述用户推广模型。

根据本发明的一方面，提出一种电子设备，该电子设备包括：处理器；存储器，存储用于所述处理器控制以下操作的指令：获取用户的实时操作数据；通过所述实时操作数据与用户推广模型获取信息推广权重；通过所述信息推广权重与预定设置，生成信息推广方案；以及通过所述信息推广方案进行信息推送。

根据本发明的用于信息推送的方法、装置及电子设备，能够进行精准的促销推荐，提升用户购物体验，进而提高网站的访问量和复购率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据一示例性实施例示出的一种用于信息推送的方法的流程图。

图2是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。

图3是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。

图4是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。

图5是根据一示例性实施例示出的一种用于信息推送的装置的框图。

图6是根据另一示例性实施例示出的一种用于信息推送的装置的框图。

图7是根据另一示例性实施例示出的一种用于信息推送的装置的框图。

图8是根据另一示例性实施例示出的一种电子设备的框图。

具体实施例

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。

下面结合附图对本公开示例实施方式进行详细说明。

图1是根据一示例性实施例示出的一种用于信息推送的方法的流程图。

如图1所示，在s102中，获取用户的实时操作数据。操作数据，可例如包括：搜索数据，浏览数据，以及购买数据。可例如，通过日志收集器实时手机用户在网站上的操作数据。日志收集器是基于javascript写的js脚本，它能捕获页面上用户的点击、输入信息，并且通过ajax请求直接异步发送到kafka集群中指定的主题(topic)中。通过日志收集器的功能，可将用户的实时操作数据进行分类识别，将用户的操作分类为搜索操作、浏览操作等。本发明不以此为限。

在s104中，通过所述实时操作数据与用户推广模型获取信息推广权重。可例如，通过用户的历史操作数据建立用户推广模型，用户推广模型用于通过已有历史数据的分析，建立用户购买商品时推销手段的喜好程度，可例如，通过喜好程度生成信息推广的权重。

在s106中，通过所述信息推广权重与预定设置，生成信息推广方案。预定的设置可例如：预先设置的商品促销力度。预先设置可例如通过人工进行设置并控制。因为每个商家能承受的促销金额是有限的，预先设置用于现在生成的促销力度的；可例如，某互联网商家支持的促销方式有：满n元减m元、n件免m件、满n元赠礼品等；人工操作可例如，在创建活动时设置好促销力度，还可例如，通过计算系统自动计算出每种促销信息；例如一个活动的促销力度为让利5％，那生成的促销最终导致金额就只会在5％以内。促销信息的生成还可例如，通过人工的指定促销方式与促销力度，本发明不以此为限。生成的推广方案可例如包括：a促销方式下，x产品买3赠1；y产品买2赠1；b促销方式下，x产品满100减10元，y产品满100减5元等等形式。

在s108中，通过所述信息推广方案进行信息推送。

根据本发明的用于信息推送的方法，通过用户实时操作数据与用户推广模型联合进行分析计算，进而生成针对某一用户个人习惯的信息推送的方式，能够进行精准的促销推荐，提升用户购物体验，进而提高网站的访问量和复购率。

应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。

在本公开的一种示例性实施例中，还包括：通过用户的历史操作数据建立所述用户推广模型。图2是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。图2是建立用户推广模型的示例性描述。

如图2所示，在s202中，通过所述用户的历史操作数据获取点击类型数据。在本公开的一种示例性实施例中，所述通过所述用户的历史操作数据获取点击类型数据，包括：通过日志收集器获取所述用户的历史操作数据；提取在预定时间间隔内的所述历史操作数据中的点击数据；以及根据所述点击数据的点击类型信息，生成所述点击类型数据。可例如，通过日志收集器，接收到用户在页面(页面为带有商品促销信息的页面)的所有点击情况的历史数据，并且记录到日志中；日志收集器是基于javascript写的脚本，通过onclick事件的捕获收集用户对页面的点击事件，并最终通过ajax请求把记录数据写入服务器的日志中。可例如，通过上文的点击日志数据，获取用户点击的类型数据。点击类型数据可例如包括不同类型的促销消息，还可例如，包括对该类型的促销消息的点击次数。

在s204中，通过所述用户的历史操作数据获取购买类型数据。在本公开的一种示例性实施例中，所述通过所述用户的历史操作数据获取购买类型数据，还包括：通过订单表获取所述用户的历史操作数据；提取在预定时间间隔内的所述历史操作数据中的购买数据；以及根据所述购买数据中的购买类型信息，生成所述购买类型数据。如上文所述，可例如，通过通过日志收集器，接收到用户在页面的所有点击情况的历史数据，并且记录到日志中；通过日志收集器将历史数据进行分类，获取用户购买的类型数据，购买类型数据可例如包括该用户实际购买的商品种类包含的促销消息的类型，还可例如，包括用户实际通过该类型的促销购买商品的次数。

在s206中，通过所述点击类型数据与所述购买类型数据建立所述用户推广模型。在本公开的一种示例性实施例中，所述通过所述点击类型数据与所述购买类型数据建立所述用户推广模型，包括如下公式：

promotion(user,a)＝k*promotion(user,a,click)

+(1-k)*promotion(user,a,buyed)；(1)

+x

其中，promotion(user,a)为a推广的权重，0≤k≤1，promotion(user,a,click)为a推广的点击次数，promotion(user,a,buyed)为通过a推广产生的购买次数，x为第一预定行为的权重。

在本公开的一种示例性实施例中，所述通过所述击类型数据与所述购买类型数据建立所述用户推广模型，包括如下公式：

promotion(user,a)＝k*promotion(user,a,click)

+(1-k)*promotion(user,a,buyed)；(2)

+y

其中，promotion(user,a)为a推广的权重，0≤k≤1，promotion(user,a,click)为a推广的点击次数，promotion(user,a,buyed)为a推广的购买次数，y为第二预定行为的权重。

在本发明实时例中，第一预定行为与第二预定行为可例如通过：某一预定操作触发。第一预定行为与第二预定行为的权重可以通过人工设置产生。

根据本发明的用于信息推送的方法，通过用户的历史操作数据生成信息推广模型的方式，能够在后续的模型使用中，通过用户行为数据分析，提出适合该用户的商品促销方式。

图3是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。参照图3，用户点击类型数据收集可例如包括如下步骤：通过日志收集器，接收到用户在页面的所有点击情况，并且记录到日志中；在预定的时间，可例如，每天凌晨一点，点击日志数据会推送到hadoop平台中对应的点击hive表；之后触发一个mapreduce任务，该任务就是在hadoop平台上面用hql写的一个脚本，该任务主要是对用户预定时间内点击表中对各种促销信息吸引点击的中找出点击最多的促销类型top5，还可例如top10，本发明不限于此。可例如，生成好的用户点击最多的促销类型top5数据会存入hadoop集群中指定hive表中。

用户购买类型数据信息收集可例如包括以下步骤：首先，在预定的时间内，订单表同步到京东hadoop集群中指定的hive表；然后，会触发一个mapreduce任务，该任务就是在京东hadoop平台上面用hql写的一个脚本，该任务主要是对用户在预定的时间内购买的商品对应的促销信息中找出促销类型top5，还可例如top10，本发明不限于此。生成好的用户购买商品中促销类型的top5数据会存入hadoop集群中指定hive表中。

在本公开的一种示例性实施例中，所述用户推广模型通过elasticsearch服务器维护。elasticsearch是一个基于lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于restfulweb接口。elasticsearch是用java开发的，并作为apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。

在本公开的一种示例性实施例中，所述通过所述实时操作数据与用户推广模型获取信息推广权重，包括：通过所述实时操作数据获取预定行为，所述预定行为包括第一预定行为与第二预定行为；以及通过所述预定行为与所述用户推广模型获取所述信息推广权重。

通过日志收集器实时收集用户在网站上面的浏览数据；日志收集器：是基于javascript写的js脚本，它能捕获页面上用户的点击、输入信息，并且通过ajax请求直接异步发送到kafka集群中指定的a主题(topic)。kafka集群中a主题会实时把日志收集器传送过来的信息，转发给storm集群中进行消费；这时会分析用户的浏览行为，如果发现该行为是预定的行为就会进行计算该用户的促销得分(那些浏览行为为被触发：看的页面有某个促销信息、直接搜索某个促销信息)。可例如，第一预定行为为：页面有某个促销信息，可例如，可通过上文的公式1进行计算信息推广权重。还可例如，第二预定行为为：搜索某个促销信息，可例如，可通过上文的公式1进行计算信息推广权重。最后可以通过公式1或者2综合计算出用户所有感兴趣的促销模型得分，最后根据高低排序，生成最终的用户促销模型。

根据本发明的用于信息推送的方法，利用hadoop对历史数据和利用storm对实时数据相结合的快速多次迭代计算，把最新的用户促销模型存入redis，然后利用redis快速查询数据的功能，能够进行实时的用户促销信息生成。

图4是根据另一示例性实施例示出的一种用于信息推送的方法的流程图。

如图4所示，在s402中，判断用户是否登录。

在s404中，返回默认促销。

在s406中，查询用户关键信息。

在s408中，调用用户商品推荐促销接口。

在s410中，计算生成促销信息。

在s412中，活动促销设置。

在s414中，单品促销信息。

用户访问促销网站，在进入促销商品页时，进行是否登录判断。如果没有登录就返回默认促销(可例如，如果有默认促销的话返回默认促销，还可例如没有默认促销就返回空)。已经登录，就获取到登录pin；调用用户商品推荐促销模块接口，得到用户促销模型。拿到用户促销模型，再根据该商品对应的活动促销设置，然后计算生成一个促销信息。最后在闪购单品页展示出该用户对应的促销信息。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由cpu执行的计算机程序。在该计算机程序被cpu执行时，执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

图5是根据一示例性实施例示出的一种用于信息推送的装置的框图。

其中，数据获取模块502用于获取用户的实时操作数据。

权重计算模块504用于通过所述实时操作数据与用户推广模型获取信息推广权重。

方案生成模块506用于通过所述信息推广权重与预定设置，生成信息推广方案。

信息推送模块508用于通过所述信息推广方案进行信息推送。

根据本发明的用于信息推送的装置，通过用户实时操作数据与用户推广模型联合进行分析计算，进而生成针对某一用户个人习惯的信息推送的方式，能够进行精准的促销推荐，提升用户购物体验，进而提高网站的访问量和复购率。

图6是根据另一示例性实施例示出的一种用于信息推送的装置的框图。

其中，推广模型模块600用于通过用户的历史操作数据建立所述用户推广模型。

推广模型模块600包括：点击子模块602用于通过所述用户的历史操作数据获取点击类型数据。购买子模块604用于通过所述用户的历史操作数据获取购买类型数据。模型子模块606用于通过所述点击类型数据与所述购买类型数据建立所述用户推广模型。

根据本发明的用于信息推送的装置，通过用户的历史操作数据生成信息推广模型的方式，能够在后续的模型使用中，通过用户行为数据分析，提出适合该用户的商品促销方式。

图7是根据另一示例性实施例示出的一种用于信息推送的装置的框图。

用户离线流量数据模块702用于存储用户历史浏览记录信息。

用户离线下单数据模块704用于存储用户订单记录信息；

离线分析模块706基于hadoop对用户离线流量数据模块702和用户离线下单数据模块704两个模块的数据进行融合查询分析，分析出用户对商品品类的偏好、对价格的敏感度、对满减的敏感度、对赠送赠品的敏感度、对优惠券的敏感度等等，然后给用户感兴趣的促销类型进行打分。

用户离线促销模型模块708该模块基于离线分析模块706的数据，对每个用户进行促销模型生成，并对外暴露接口供实时分析模块716调用。

用户实时搜索数据模块712用于记录用户当天实时搜索数据的记录。

用户实时浏览数据模块714用于记录用户当天实时浏览页面的数据记录。

实时分析模块716基于storm对用户实时搜索数据712和用户实时浏览数据714的分析计算，得出最新的用户实时促销得分。

用户促销模型模块722基于实时分析716的数据，对实时用户进行实时促销模型生成，并对外暴露接口供实时计算模块724调用。

用户商品促销推荐模块726是指elasticsearch集群中存储用户促销模型的表，用户快速提供给后面搜索查询的。

用户商品促销模型模块(图中未示出)是一个用户数据模型库(底层是基于mysql，上面加了一层redis缓存)；里面包含了用户促销模型的记录。它的功能主要是能返回该用户感兴趣的促销方式；该模块会配合商品页面726对不同的用户返回不同的临时促销信息。

商品页面728用于展示给用户的商品页面，里面包含了各种商品信息。

根据本发明的用于信息推送的装置，能做到根据不同的用户对应不同的促销信息，做到促销信息的千人千面。

图8是根据另一示例性实施例示出的一种电子设备的框图。

如图8所示，终端设备80可包括处理器810、存储器820、发射器830及接收器840。

存储器820可存储用于处理器810控制操作处理的指令。存储器820可包括易失性或非易失性存储器，如静态随机存取存储器(sram)、电可擦除可编程只读存储器(eeprom)、可擦除可编程只读存储器(eprom)、可编程只读存储器(prom)、只读存储器(rom)等，本发明对此没有限制。

处理器810可调用存储器820中存储的指令控制相关操作。根据一实施例，存储器820存储用于处理器810控制以下操作的指令：获取用户的实时操作数据；通过所述实时操作数据与用户推广模型获取信息推广权重；通过所述信息推广权重与预定设置，生成信息推广方案；以及通过所述信息推广方案进行信息推送。易于理解，存储器820还可存储用于处理器810控制根据本发明实施例的其他操作的指令，这里不再赘述。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。

通过以上的详细描述，本领域的技术人员易于理解，根据本发明实施例的用于信息推送的方法、装置及电子设备具有以下优点中的一个或多个。

根据一些实施例，本发明的用于信息推送的方法，通过用户实时操作数据与用户推广模型联合进行分析计算，进而生成针对某一用户个人习惯的信息推送的方式，能够进行精准的促销推荐，提升用户购物体验，进而提高网站的访问量和复购率。

根据另一些实施例，本发明的用于信息推送的方法，通过用户的历史操作数据生成信息推广模型的方式，能够在后续的模型使用中，通过用户行为数据分析，提出适合该用户的商品促销方式。

根据再一些实施例，本发明的用于信息推送的方法，利用hadoop对历史数据和利用storm对实时数据相结合的快速多次迭代计算，把最新的用户促销模型存入redis，然后利用redis快速查询数据的功能，能够进行实时的用户促销信息生成。

以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本发明可实施的范畴。