本发明涉及互联网技术领域，特别是涉及一种虚拟物品的发送方法、一种虚拟物品的发送装置、一种电子设备及一种存储介质。
背景技术：
为了刺激消费，提升市场占有率，企业往往会通过各种手段进行大规模的促销活动。例如，直接对销售的商品进行降价或打折，在用户购买商品后返还一部分现金，或者，向用户派发优惠券等等。
以商家向用户派发优惠券为例，现有的发券策略基本都是针对潜在的用户，在同一时间派发相同金额的优惠券。但是，不同的用户的消费时间存在差异，每个用户对优惠券的敏感程度也不相同，如果商家对全部用户均采用相同的发券策略，并不能实现运营资源的最大化利用。
例如，在同一时间派发优惠券，如果发券时间较早，容易引入大量自然转化的用户，浪费运营经费；如果发券时间较晚，则可能导致部分用户流失。另一方面，针对用户对优惠券的敏感度的不同，如果商家向每个用户均发放相同金额的优惠券，则部分不需要优惠券依然会来消费的用户获得了补贴，也会导致运营经费的浪费；而对于部分对优惠券特别敏感的用户，如果派发的优惠券的补贴金额不足，也极易导致其流失至其他商家。因此，采用目前的发券策略容易导致商家的运营效率的降低，浪费了运营资源。
技术实现要素：
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种虚拟物品的发送方法、一种虚拟物品的发送装置、一种电子设备及一种存储介质。
为了解决上述问题，本发明实施例公开了一种虚拟物品的发送方法，包括：
获取用户信息，所述用户信息包括所述用户的业务处理信息、浏览信息和属性信息；
采用所述业务处理信息和浏览信息，确定所述用户的目标处理时间；
采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息；以及，
依据所述目标处理时间和业务敏感度信息，向所述用户发送虚拟物品。
可选地，所述获取用户信息的步骤包括：
获取服务器记录的用户的业务处理日志、行为日志和属性日志；
从所述业务处理日志中提取所述用户的业务处理信息；
从所述行为日志中提取所述用户的浏览信息；以及，
从所述属性日志中提取所述用户的属性信息。
可选地，所述业务处理信息包括至少一个业务处理子信息，所述浏览信息包括至少一个浏览子信息，所述属性信息包括至少一个属性子信息，每个业务处理子信息、每个浏览子信息以及每个属性子信息分别具有对应的权重值，所述权重值通过如下方式获得：
获取全体用户的用户信息；
将所述全体用户的用户信息代入预置的预测模型进行训练，分别获得每个业务处理子信息、每个浏览子信息以及每个属性子信息的权重值。
可选地，所述采用所述业务处理信息和浏览信息，确定所述用户的目标处理时间的步骤包括：
依据所述业务处理子信息及其对应的权重值、所述浏览子信息及其对应的权重值，采用所述预置的预测模型，计算所述用户的目标处理时间。
可选地，所述采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息的步骤包括：
依据所述业务处理子信息及其对应的权重值、所述属性子信息及其对应的权重值，采用所述预置的预测模型，计算所述用户的业务敏感度信息。
可选地，所述采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息的步骤包括：
依据所述业务处理子信息和所述属性子信息，确定与所述用户相匹配的目标用户，所述目标用户的业务处理子信息和属性子信息，与所述用户的业务处理子信息和属性子信息之间的相似度超过预设阈值；
以所述目标用户的业务敏感度信息作为所述用户的业务敏感度信息。
可选地，所述依据所述目标处理时间和业务敏感度信息，向所述用户发送虚拟物品的步骤包括：
在所述目标处理时间，为所述用户发送具有相应额度属性的虚拟物品；或，
向所述用户发送具有相应额度属性的虚拟物品，所述虚拟物品的使用期限包括所述目标处理时间。
为了解决上述问题，本发明实施例公开了一种虚拟物品的发送装置，包括：
用户信息获取模块，用于获取用户信息，所述用户信息包括所述用户的业务处理信息、浏览信息和属性信息；
目标处理时间确定模块，用于采用所述业务处理信息和浏览信息，确定所述用户的目标处理时间；
业务敏感度信息确定模块，用于采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息；以及，
虚拟物品发送模块，用于依据所述目标处理时间和业务敏感度信息，向所述用户发送虚拟物品。
为了解决上述问题，本发明实施例公开了一种电子设备，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，所述处理器执行所述程序时实现上述虚拟物品的发送方法的步骤。
为了解决上述问题，本发明实施例公开了一种存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述的虚拟物品的发送方法的步骤。
与背景技术相比，本发明实施例包括以下优点：
本发明实施例，通过获取用户的业务处理信息、浏览信息和属性信息，并分别采用业务处理信息和浏览信息确定用户的目标处理时间，采用业务处理信息和属性信息确定用户的业务敏感度信息，从而可以依据目标处理时间和业务敏感度信息，针对性地向用户发送虚拟物品。以优惠券为例，本实施例可以针对不同的用户分别计算优惠券的发放时间和具体的发券金额，做到个性化发券，对于不需要优惠券依然会来平台下单或消费的用户少发券，对于对优惠券较敏感的用户增加发券金额，有助于促进潜在用户进行消费，在提高运营效率的同时，节省了运营经费。
附图说明
图1是本发明的一种虚拟物品的发送方法实施例一的步骤流程图；
图2是本发明的一种虚拟物品的发送方法实施例二的步骤流程图；
图3是本发明的一种虚拟物品的发送方法的系统流程图；
图4是本发明的一种虚拟物品的发送装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种虚拟物品的发送方法实施例一的步骤流程图，具体可以包括如下步骤：
步骤101，获取用户信息，所述用户信息包括所述用户的业务处理信息、浏览信息和属性信息；
需要说明的是，本实施例可以应用于移动终端上的消费类或购物类app(application，应用程序)，例如手机或平板电脑上的美团app、美团外卖app或大众点评app等，本实施例对移动终端和app的具体类型不作限定。
通常，用户在使用某个app时，该app可以实时记录用户在该app上的全部操作，并以日志形式将用户信息发送至服务器。
在本发明实施例中，用户信息可以包括用户的业务处理信息、浏览信息和属性信息。业务处理信息可以是指用户过往在app上进行消费(例如，购物或下单等操作)时所形成的信息，即历史业务处理信息或历史消费信息；浏览信息可以是指用户在app上浏览商品(例如，查看商品介绍或翻阅用户评论)时所形成的信息；而属性信息则可以是用户本人的基本信息(例如，用户的性别、年龄、职业以及消费偏好等)。当然，用户信息还可以包括其他类型的信息，本实施例对用户信息的具体类型不作限定。
在具体实现中，可以首先获取服务器记录的用户的业务处理日志、行为日志和属性日志等，然后可以从业务处理日志中提取用户的业务处理信息或消费信息，从行为日志中提取用户的浏览信息；以及，从属性日志中提取用户的属性信息。
需要说明的是，本实施例中获取用户信息可以是指获取当前用户的用户信息，当前用户可以是指正在使用或即将使用该app的用户。
步骤102，采用所述业务处理信息和浏览信息，确定所述用户的目标处理时间；
在本发明实施例中，根据用户的业务处理信息和浏览信息，可以确定出用户的目标处理时间，该目标处理时间可以是指经过预测的，当前用户可能进行消费的时间。该目标处理时间可以是某天，例如周六或周日，也可以是某个时间段，例如每天下午的三点至五点之间或每天晚上的六点至九点之间等等，本实施例对目标处理时间的具体范围不作限定。
在具体实现中，可以根据用户的业务处理信息中每次消费的具体时间，以及浏览信息中用户每次浏览商品的具体时间等，确定出当前用户的目标处理时间。
例如，在业务处理信息中，当前用户每次进行消费的时间都比较固定(例如，每天晚上的六点至九点之间)；另一方面，在浏览信息中，当前用户在对应的每天晚上的六点至九点之间同时也进行了大量的浏览操作，则可以认为当前用户有较大的概率会在每天晚上的六点至九点之间进行消费，则可以将每天晚上的六点至九点之间确定为当前用户的目标处理时间。
通常，用户在进行消费前，可以已经进行了大量的浏览操作，即用户的某次消费可能是多次浏览的结果；也可能用户未对任何商品继续浏览，直接从收藏夹或过往的消费或下单记录中进行再次消费或下单。因此，在确定目标处理时间时，可以只以业务处理信息作参考，也可以同时参考业务处理信息和浏览信息，从而得到更为准确的可能消费的时间段的信息，本实施例对此不作限定。
步骤103，采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息；
在本发明实施例中，还可以根据用户的业务处理信息和属性信息，确定出用户的业务敏感度信息，该业务敏感度信息可以是指经过预测的，当前用户对于商品的价格、折扣或优惠信息的敏感度。例如，对于同一样商品，无论是原价销售或打折销售的情况下，用户a均具有相应的消费记录，而对于用户b，只有在该商品打折销售时，用户b才会进行购买，则可以认为用户a的业务敏感度低于用户b；另一方面，对于同样只有在打折销售时才会进行购买的用户b和用户c，如果用户b在只有少量折扣时即会进行购买，而用户c只有在半价甚至更低价时才会购买，则可以认为用户b的业务敏感度低于用户c。即，业务敏感度越高的用户更关注商品的价格，他们更愿意在更大折扣或更低价格时，才会选择购买某一商品；而业务敏感度越低的用户，无论是商品有无打折或降价，均可能会购买该商品。
在具体实现中，可以根据用户的业务处理信息中每次消费的金额、消费商品的折扣信息或优惠信息，以及属性信息中用户的学历、职业和收入情况等，确定出当前用户的业务敏感度信息。
例如，在业务处理信息中，用户较多时间的消费的金额均高于某个数值，无论是原价销售或打折销售，该用户均会进行购买；另一方面，在属性信息中，若用户具有较高学历，收入水平也相对较高，则可以认为该用户对于商品的价格并不敏感，从而可以确定出该用户的业务敏感度为一个较低的数值例如，0.1等等。
需要说明的是，在业务敏感度信息中还可以包括额度属性，该额度属性可以是商家预估的向当前用户发送优惠券等虚拟物品的金额。例如，对于业务敏感度较低的用户，由于其对于商品的价格并不太在意，则相应的发放的优惠券的金额就可以相对较少；而对于业务敏感度较高的用户，由于其更在意购买的商品的价格，则为了促使该用户进行消费，则可以相应地向该用户发放更大金额的优惠券。
当然，在确定用户的业务敏感度信息时，可以只以业务处理信息或只以属性信息作为参考，也可以同时以业务处理信息和属性信息配合，从而得到一个更准确的业务敏感度信息，本实施例对此不作限定。
步骤104，依据所述目标处理时间和业务敏感度信息，向所述用户发送虚拟物品。
在本发明实施例中，向用户发送的虚拟物品可以是优惠券、购物红包等等。为了便于理解，本实施例以虚拟物品为优惠券为例进行介绍。
在本发明实施例中，在确定出用户的目标处理时间和业务敏感度信息后，可以根据不同的业务敏感度，有针对性地为用户发放优惠券，鼓励用户进行消费。
例如，对于某一业务敏感度较低的用户，由于该用户对于商品的价格并不敏感，因此可以在该用户的目标处理时间段内，为其发放较低金额的优惠券或者不发放优惠券。而对于某一业务敏感度较高的用户，由于该用户更关注商品的价格，则可以在该用户的目标处理时间段内，为其发放相对较高金额的优惠券，促使该用户进行实际的消费。对于发放的优惠券的具体金额，本领域技术人员可以根据实际需要确定，本实施例对此不作限定。
在本发明实施例中，通过获取用户的业务处理信息、浏览信息和属性信息，并分别采用业务处理信息和浏览信息确定用户的目标处理时间，采用业务处理信息和属性信息确定用户的业务敏感度信息，从而可以依据目标处理时间和业务敏感度信息，针对性地向用户发送虚拟物品。以优惠券为例，本实施例可以针对不同的用户分别计算优惠券的发放时间和具体的发券金额，做到个性化发券，对于不需要优惠券依然会来平台下单或消费的用户少发券，对于对优惠券较敏感的用户增加发券金额，有助于促进潜在用户进行消费，在提高运营效率的同时，节省了运营经费。
参照图2，示出了本发明的一种虚拟物品的发送方法实施例二的步骤流程图，具体可以包括如下步骤：
步骤201，获取全体用户的用户信息；
需要说明的是，本实施例可以应用于移动终端上的消费类或购物类app。例如，手机上的美团app，本实施例对移动终端和app的具体类型不作限定。
在本发明实施例中，用户信息可以包括用户的业务处理信息、浏览信息和属性信息。以美团app为例，业务处理信息可以是指用户过往在美团app上进行消费(例如，购物或下单等操作)时所形成的信息，即历史业务处理信息或历史消费信息；浏览信息可以是指用户在美团app上浏览商品(例如，查看商品介绍或翻阅用户评论)时所形成的信息；而属性信息则可以是用户本人的基本信息(例如，用户的性别、年龄、职业以及消费偏好等)，该基本信息可以是用户在注册美团app账号时所填写的个人资料信息。
通常，用户在使用某个app时，该app可以实时记录用户在该app上的全部操作，并以日志形式将用户信息发送至服务器。
因此，在具体实现中，可以从服务器获取全部用户的业务处理日志、行为日志和属性日志等，然后可以从业务处理日志中提取出用户的业务处理信息，从行为日志中提取出用户的浏览信息；以及，从属性日志中提取出用户的属性信息。
在本发明实施例中，业务处理信息可以包括至少一个业务处理子信息，浏览信息可以包括至少一个浏览子信息，属性信息可以包括至少一个属性子信息。业务处理子信息可以包括用户在预设时间范围内的消费次数、每次消费的平均时间间隔、每次消费的平均消费金额、最后一次消费距离当前的时间、每次消费使用优惠券的信息中的至少一种；浏览子信息可以包括用户在预设时间范围内的浏览次数、每次浏览的商品的平均金额、最后一次浏览的时间和最后一次浏览距离当前的时间中的至少一种；属性子信息可以包括用户的性别、年龄、职业、学历、每次消费的平均消费金额、最大消费金额中的至少一种。
例如，用户在预设时间范围内的消费次数可以是指用户在过去的12个月/6个月/3个月/1个月中在该app上进行消费或下单的总次数，每次消费的平均时间间隔可以是指用户过去的全部消费中，每两次消费之间的平均间隔的天数，每次消费的平均消费金额可以通过计算用户过去的全部消费中总的消费金额与全部消费次数之间的比值得到；用户在预设时间范围内的浏览次数可以是指用户在过去的1天/7天/15天内总的浏览次数，每次浏览的商品的平均金额可以是指用户浏览的商品的总价格与浏览次数之间的比值，最后一次浏览距离当前的时间可以是指用户在app上最后一次浏任一商品距离当前时间的天数或小时数；用户的职业可以是指用户是否是白领、公务员或教师等等，学历可以是指用户是否是大学生等等。
当然，以上业务处理子信息、浏览子信息和属性子信息仅为一种示例，本领域技术人员可以根据实际需要选择其他类型的信息作为业务处理子信息、浏览子信息或属性子信息，例如，用户的业务处理子信息还可以包括消费次数的中位数、方差、最大值、最小值，消费金额的方差、中位数、最大值、最小值等等；浏览子信息还可以包括浏览次数的均值、标准差、最大值、最小值等等，浏览商品的金额的均值、标准差、最大值、最小值等等；而属性子信息还可以包括用户是否有车、有房或有孩子等信息，本实施例对此均不作限定。
步骤202，将所述全体用户的用户信息代入预置的预测模型进行训练，分别获得每个业务处理子信息、每个浏览子信息以及每个属性子信息的权重值；
在本发明实施例中，每个业务处理子信息、每个浏览子信息，以及，每个属性子信息可以分别具有对应的权重值，该权重值可以是将步骤201获取到的全体用户的用户信息代入预置的预测模型中，并通过该预测模型对用户的各类信息进行训练获得的。
在本发明实施例中，预置的预测模型可以是基于梯度提升决策树(gradientboostingdecisiontree，简称gbdt)算法构建的。
gbdt是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来作为最终答案。它在被提出之初就和svm一起被认为是泛化能力较强的算法。gbd不仅可以用作回归预测，经调整后也可以用于分类。gbdt可以发现多种有区分性的特征以及特征组合，能够有效提升预估的准确性。
在具体实现中，可以将获得的全部用户的业务处理子信息、浏览子信息以及属性子信息分别作为一个特征项输入预置的预测模型，经过模型训练和求解，得到每个特征项的权重值，从而获得每个业务处理子信息、每个浏览子信息，以及，每个属性子信息的权重值。
步骤203，依据所述业务处理子信息及其对应的权重值、所述浏览子信息及其对应的权重值，采用所述预置的预测模型，计算当前用户的目标处理时间；
在本发明实施例中，当某一用户在使用app时，该app可以通过对当前用户的用户信息进行分析，从而决定是否需要为当前用户发送虚拟物品、在何时发放，以及发放何种金额的虚拟物品。
为了便于理解，本实施例以虚拟物品为优惠券为例进行介绍。
在具体实现中，可以首先获取当前用户的用户信息，即获取当前用户的业务处理信息、浏览信息和属性信息。
例如，当前用户的业务处理信息可以包括如下子信息：
1.1、当前用户在过去12/6/3/1个月内的消费总次数；
1.2、当前用户过去全部消费的平均时间间隔；
1.3、当前用户最近一次消费距离当前的天数；
1.4、当前用户在过去12/6/3/1个月内的平均消费次数、消费次数的中位数、方差、最大值、最小值等；
1.5、当前用户的平均消费金额、消费金额的方差、中位数、最大值、最小值等。
当前用户的浏览信息可以包括如下子信息：
2.1、当前用户最近一次浏览商品的时间，最近一次浏览商品的时间距离当前的天数
2.2、当前用户在过去1/7/15天内的总浏览次数，以及总浏览次数的均值、标准差、最大值、最小值；
2.3、当前用户在过去1/7/15天内浏览商品的金额的均值、标准差、最大值、最小等。
当前用户的属性信息可以包括如下子信息：
3.1、当前用户的基础属性信息，包括性别、年龄、是否白领、是否大学生、在该app上的平均消费价格、最大消费价格、消费价格的中位数、是否有车、是否有孩子等；
3.2、当前用户的历史消费中使用优惠券的信息，包括使用优惠券的订单数、使用优惠券的订单占比，主动领取优惠券的次数等。
当然，以上信息仅为一种示例，本领域技术人员可以根据实际需要获取当前用户的其他信息，本实施例对此不作限定。
在获得上述用户信息后，可以依据当前用户的业务处理子信息及其对应的权重值、浏览子信息及其对应的权重值，采用预置的预测模型，计算当前用户的目标处理时间。
在具体实现中，可以将获取到的当前用户的每个业务处理子信息和每个浏览子信息分别作为一个特征项输入预置的预测模型，并采用在步骤202中计算得到的每个特征项的权重值进行训练和求解，从而得到当前用户的目标处理时间，该目标处理时间即是模型预估的当前用户可能在app上进行消费或下单的时间。
步骤204，依据所述业务处理子信息及其对应的权重值、所述属性子信息及其对应的权重值，采用所述预置的预测模型，计算所述当前用户的业务敏感度信息，所述业务敏感度信息包括额度属性；
与计算当前用户的目标处理时间类似，在获得上述用户信息后，可以依据当前用户的业务处理子信息及其对应的权重值、属性子信息及其对应的权重值，采用预置的预测模型，计算当前用户的业务敏感度信息。
在具体实现中，可以将获取到的当前用户的每个业务处理子信息和每个属性子信息分别作为一个特征项输入预置的预测模型，并采用在步骤202中计算得到的每个特征项的权重值进行训练和求解，从而得到当前用户的业务敏感度信息，该业务敏感度信息可以是指经过模型预测的，当前用户对于商品的价格、折扣或优惠信息的敏感度；另一方面，在业务敏感度信息中还可以包括额度属性，该额度属性可以是商家预估的向当前用户发送虚拟物品的金额。
需要说明的是，对于某些初次使用该app或使用次数较少的用户，其业务处理信息也相对较少，如果仍然依据上述业务处理子信息及其对应的权重值、属性子信息及其对应的权重值，并采用预置的预测模型，计算该用户的业务敏感度信息，则得到的业务敏感度信息的结果可能并不准确。
因此，作为本发明的一种示例，可以首先依据业务处理子信息和属性子信息，确定与该用户相匹配的目标用户，并以目标用户的业务敏感度信息作为该用户的业务敏感度信息。目标用户的业务处理子信息和属性子信息，与当前用户的业务处理子信息和属性子信息之间的相似度超过预设阈值。
例如，对于某位初次使用该app的用户，可以获取到该用户的属性信息，若相应的属性信息为：
性别：男；
年龄：28岁；
职业：教师；
是否有车：有；
是否有孩子：否
则可以依据上述属性信息，在全部样本用户中查找出满足如下要求的目标用户：
性别：男；
年龄：25-30岁；
职业：教师；
是否有车：有；
是否有孩子：否
从而可以以该目标用户的业务敏感度信息作为当前用户的业务敏感度信息，提高计算初次使用该app的用户的业务敏感度信息的准确率。
步骤205，在所述目标处理时间，向所述当前用户发送具有相应额度属性的虚拟物品。
以虚拟物品为优惠券为例，在确定出当前用户的目标处理时间和业务敏感度信息后，可以根据不同的业务敏感度，有针对性地为当前用户发放优惠券，鼓励当前用户进行消费。
例如，若当前用户为业务敏感度较低的用户，由于该类用户对于商品的价格并不敏感，因此可以在该用户的目标处理时间段内，为其发放较低金额的优惠券或者不发放优惠券；若当前用户为业务敏感度较高的用户，由于该类用户更关注商品的价格，则可以在该用户的目标处理时间段内，为其发放相对较高金额的优惠券，促使该用户进行实际的消费。
需要说明的是，发放优惠券的时间也可以不是在当前用户的目标处理时间段内，也可以是任意时间，即在确定出用户的目标处理时间和相应的优惠券的金额信息后，可以为用户发放具有相应金额信息的优惠券，使发放的优惠券的使用期限包括该用户的目标处理时间。
为了便于理解，下面以一个具体的示例对本发明的虚拟物品的发送方法作一介绍。
参照图3，示出了本发明的一种虚拟物品的发送方法的系统流程图，在图3中，虚拟物品可以是优惠券，发放优惠券的过程可以包括线下训练和线上发券两部分。
在线下训练部分，可以首先从app上获取全部用户的用户信息。例如，可以从美团app上获取历史业务处理日志、用户行为日志和用户基础属性日志。然后可以从历史业务处理日志提出出用户历史业务处理信息，从用户行为日志中提取出用户浏览行为，从用户基础属性日志中提取出用户基础属性信息，并将所提取出的全部信息分别作为一项用户特征，并结合用户样本标签(该用户样本标签即时当前需要计算的某个用户特征)，经过模型训练，得到各个用户特征的权重。
在线上发券部分，对于当前用户，可以首先从app上获取当前用户的用户信息。例如，可以从美团app上获取历史业务处理日志、用户行为日志和用户基础属性日志。然后可以从历史业务处理日志提出出当前用户的历史业务处理信息，从用户行为日志中提取出当前用户的浏览行为，从用户基础属性日志中提取出当前用户的基础属性信息，并将所提取出的全部信息分别作为一项用户特征，并结合在线下训练时得到的各个用户特征的权重，经过模型预测，得到当前用户的目标处理时间以及所要发送的虚拟物品的额度等信息。
例如，对于某位用户，通过获取该用户的用户信息可知，其身份为大学生，在美团app上一共消费了34单，平均消费单价为46元，最近一次消费时间为2017.6.22，平均一个月消费1.5次，最近一次浏览时间为2017.7.26，使用优惠券次数26次。然后，可以上上述信息输入预置的预测模型进行学习和训练，从而可以学习到：大学生、消费次数>30、使用优惠券次数>20,最近浏览时间距离当前14天，比较适合在周六晚上8点发10元券。从而可以按照相应的学习结果为该用户发放优惠券。
本发明实施例中，通过线下训练得到用户的每个特征的权重，从而可以在线上发券时依据不同用户的用户信息，结果训练得到的每个特征的权重计算出每个用户的目标处理时间和业务敏感度信息，并针对性地为用户发放优惠券。本实施例能够针对不同的用户做到个性化发券，对于不需要优惠券依然会来平台下单或消费的用户少发券，对于对优惠券较敏感的用户增加发券金额，有助于促进潜在用户进行消费，在提高运营效率的同时，节省了运营经费。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图4，示出了本发明的一种虚拟物品的发送装置实施例的结构框图，具体可以包括如下模块：
用户信息获取模块401，用于获取用户信息，所述用户信息可以包括所述用户的业务处理信息、浏览信息和属性信息；
目标处理时间确定模块402，用于采用所述业务处理信息和浏览信息，确定所述用户的目标处理时间；
业务敏感度信息确定模块403，用于采用所述业务处理信息和属性信息，确定所述用户的业务敏感度信息；以及，
虚拟物品发送模块404，用于依据所述目标处理时间和业务敏感度信息，向所述用户发送虚拟物品。
在本发明实施例中，所述用户信息获取模块401具体可以包括如下子模块：
日志获取子模块，用于获取服务器记录的用户的业务处理日志、行为日志和属性日志；
业务处理信息提取子模块，用于从所述业务处理日志中提取所述用户的业务处理信息；
浏览信息提取子模块，用于从所述行为日志中提取所述用户的浏览信息；以及，
属性信息提取子模块，用于从所述属性日志中提取所述用户的属性信息。
在本发明实施例中，所述业务处理信息可以包括至少一个业务处理子信息，所述浏览信息可以包括至少一个浏览子信息，所述属性信息可以包括至少一个属性子信息，每个业务处理子信息、每个浏览子信息以及每个属性子信息分别可以具有对应的权重值，所述权重值可以通过调用如下模块获得：
获取模块，用于获取全体用户的用户信息；
训练模块，用于将所述全体用户的用户信息代入预置的预测模型进行训练，分别获得每个业务处理子信息、每个浏览子信息，以及，每个属性子信息的权重值。
在本发明实施例中，所述目标处理时间确定模块402具体可以包括如下子模块：
目标处理时间计算子模块，用于依据所述业务处理子信息及其对应的权重值、所述浏览子信息及其对应的权重值，采用所述预置的预测模型，计算所述用户的目标处理时间。
在本发明实施例中，所述业务敏感度信息确定模块403具体可以包括如下子模块：
业务敏感度信息计算子模块，用于依据所述业务处理子信息及其对应的权重值、所述属性子信息及其对应的权重值，采用所述预置的预测模型，计算所述用户的业务敏感度信息。
在本发明实施例中，所述业务敏感度信息确定模块403还可以包括如下子模块：
目标用户确定子模块，用于依据所述业务处理子信息和所述属性子信息，确定与所述用户相匹配的目标用户，所述目标用户的业务处理子信息和属性子信息，与所述用户的业务处理子信息和属性子信息之间的相似度超过预设阈值；
业务敏感度信息确定子模块，用于以所述目标用户的业务敏感度信息作为所述用户的业务敏感度信息。
在本发明实施例中，所述业务处理子信息可以包括所述用户在预设时间范围内的消费次数、每次消费的平均时间间隔、每次消费的平均消费金额、最后一次消费距离当前的时间、每次消费使用优惠券的信息中的至少一种；所述浏览子信息可以包括所述用户在预设时间范围内的浏览次数、每次浏览的商品的平均金额、最后一次浏览的时间和最后一次浏览距离当前的时间中的至少一种；所述属性子信息可以包括所述用户的性别、年龄、职业、学历、每次消费的平均消费金额、最大消费金额中的至少一种。
在本发明实施例中，所述虚拟物品发送模块404具体可以包括如下子模块：
第一发放子模块，用于在所述目标处理时间，向所述用户发送具有相应额度属性的虚拟物品；
第二发放子模块，用于向所述用户发送具有相应额度属性的虚拟物品，所述虚拟物品的使用期限可以包括所述目标处理时间。
本发明公开了一种电子设备，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，所述处理器执行所述程序时实现上述虚拟物品的发送方法的步骤。
本发明公开了一种存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述的虚拟物品的发送方法的步骤。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例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，本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(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、以及流程图和/或方框图中的流程和/或方框的结合。可提供这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终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端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。
这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终端设备以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。
这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终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端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。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种虚拟物品的发送方法、一种虚拟物品的发送装置、一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。