基于埋点数据的运营活动推广方法、装置、设备及介质与流程

本发明涉及数据处理领域，尤其涉及一种基于埋点数据的运营活动推广方法、装置、设备及介质。

背景技术：

随着互联网技术的发展，越来越多企业或平台在运营活动推广过程中，通过特定app向该企业或平台的已有客户或者潜在客户全量发送活动推荐信息，以吸引用户参与该企业或平台的运营活动，从而拉动业务的增长。这种全量推广运营活动的方式存在盲目性，使得app用户对所推广的运营活动的接受度不高，并容易打扰到不需要该运营活动的app用户，影响app用户通过企业或者平台所提供的服务的满意度。

技术实现要素：

本发明实施例提供一种基于埋点数据的运营活动推广方法、装置、设备及介质，以解决当前运营活动推广过程存在盲目性，导致用户接受度不高的问题。

一种基于埋点数据的运营活动推广方法，包括：

获取活动推广请求，所述活动推广请求包括目标程序id、目标权重阈值、活动id和活动标签；

根据所述活动标签查询标签信息表，获取与所述活动标签相对应的标签类型；

基于所述目标程序id查询埋点数据库，统计所述目标程序id的已有用户id对应的用户对所述标签类型的喜好权重，将所述喜好权重大于所述目标权重阈值的已有用户id确定为目标用户id；

基于所述目标用户id查询所述埋点数据库，获取目标埋点数据，根据所述目标埋点数据确定与所述目标用户id相对应的目标推送时间；

在系统当前时间为所述目标推送时间时，通过所述目标程序id对应的推送程序，向所述目标用户id对应的客户端推送与所述活动id相对应的运营活动页面。

一种基于埋点数据的运营活动推广装置，包括：

推广请求获取模块，用于获取活动推广请求，所述活动推广请求包括目标程序id、目标权重阈值、活动id和活动标签；

标签类型获取模块，用于根据所述活动标签查询标签信息表，获取与所述活动标签相对应的标签类型；

目标用户确定模块，用于基于所述目标程序id查询埋点数据库，统计所述目标程序id的已有用户id对应的用户对所述标签类型的喜好权重，将所述喜好权重大于所述目标权重阈值的已有用户id确定为目标用户id；

推送时间确定模块，用于基于所述目标用户id查询所述埋点数据库，获取目标埋点数据，根据所述目标埋点数据确定与所述目标用户id相对应的目标推送时间；

运营活动推送模块，用于在系统当前时间为所述目标推送时间时，通过所述目标程序id对应的推送程序，向所述目标用户id对应的客户端推送与所述活动id相对应的运营活动页面。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于埋点数据的运营活动推广方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于埋点数据的运营活动推广方法的步骤。

上述基于埋点数据的运营活动推广方法、装置、设备及介质，先根据活动标签确定标签类型，以依据该标签类型对目标程序id对应的埋点数据库中存储的所有已有用户id的埋点数据进行统计分析，以确定已有用户id对该标签类型的喜好权重，将喜好权重大于目标权重阈值的已有用户id确定为目标用户id，从而精确确定该目标程序id对应的推送程序中关注该标签类型的目标用户，提高目标用户对所推送的运营活动页面的关注度和接受度。并根据目标用户id查询埋点数据库，确定目标推送时间，依据该目标推送时间推送与活动id相对应的运营活动页面，使得运营活动页面的推送符合目标用户浏览推送程序的习惯，提高目标用户接收到运营活动页面的及时性，有助于提高其对运营活动页面的接受度，提高运营活动页面的推送精确度，实现投用户所好，提高目标用户对该运营活动的参与度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于埋点数据的运营活动推广方法的一应用环境示意图；

图2是本发明一实施例中基于埋点数据的运营活动推广方法的一流程图；

图3是本发明一实施例中基于埋点数据的运营活动推广方法的一另流程图；

图4是本发明一实施例中基于埋点数据的运营活动推广方法的一另流程图；

图5是本发明一实施例中基于埋点数据的运营活动推广方法的一另流程图；

图6是本发明一实施例中基于埋点数据的运营活动推广方法的一另流程图；

图7是本发明一实施例中基于埋点数据的运营活动推广方法的一另流程图；

图8是本发明一实施例中基于埋点数据的运营活动推广装置的一示意图；

图9是本发明一实施例中计算机设备的一示意图。

具体实施方式

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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

本发明实施例提供的基于埋点数据的运营活动推广方法，该基于埋点数据的运营活动推广方法可应用如图1所示的应用环境中。具体地，该基于埋点数据的运营活动推广方法应用在运营活动推广系统中，该运营活动推广系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于实现对运营活动进行精确推广，以提高目标用户对所推广的运营活动的接受度。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于埋点数据的运营活动推广方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

s201：获取活动推广请求，活动推广请求包括目标程序id、目标权重阈值、活动id和活动标签。

其中，活动推广请求是用于触发服务器进行运营活动推广处理的请求。

目标程序id是用于唯一识别本次活动推广请求所需进行运营活动推广的推送程序的标识。例如，平安集团下开发出一帐通app和陆金所app这两个应用程序，这两个应用程序与服务器相连，则其为本实施例所说的推送程序。每一推送程序对应一的程序标识，设一帐通app为pa001，而陆金所为pa002，则目标程序id可以为pa001和/或pa002，可根据该目标程序id确定本次需要进行运营活动推广的推送程序。

目标权重阈值是本次活动推广请求所设定的权重阈值，该目标权重阈值是用于评估任一用户的喜好权重是否达到确定其为本次活动推广请求的目标用户的阈值。其中，目标用户为本次运营活动推广所面向或者针对的用户。可以理解地，目标权重阈值越大，其所确定的目标用户越关注与活动标签相对应的运营活动，可提高目标用户对运营活动的接受度，提高目标用户对推送程序的满意度。

活动id是用于唯一识别本次活动推广请求所需要进行推广的运营活动的标识。活动标签是触发本次活动推广请求的企业或平台自主给该运营活动配置的活动说明，例如用于说明本次推广的运营活动是针对理财产品的活动，也可以用于本次推广的运营活动是抽奖类的活动等说明。该活动id可以为所需要进行推广的运营活动的编号，该编号可以为依据特定编号规则自动生成的唯一编号。例如，特定编号规则可以设置为公司代码－活动顺序，以pa作为平安的公司代码，，以阿拉伯数字表示活动顺序，则pa001表示平安公司第001个运营活动。

s202：根据活动标签查询标签信息表，获取与活动标签相对应的标签类型。

该标签信息表是服务器预先设置的基于标签类型和标签说明形成的信息表。该标签信息表包括至少一个标签类型和与每一标签类型相对应的标签说明，该标签类型是服务器的管理人员预先依据企业的运营范围设置每一种标签对应的类型。标签说明是用于对某一标签类型的说明，可以为与该标签类型相对应的关键词。本实施例中，标签类型可以为保险标签类型、理财标签类型、证券标签类型和其他标签类型。

具体地，服务器依据该活动推广请求中的活动标签查询标签信息表，采用字符串匹配算法对该活动标签与标签说明进行匹配处理，选取匹配程度最高的标签说明对应的标签类型，作为与该活动标签相对应的标签类型，以便基于该标签类型查询埋点数据库，结合目标权重阈值确定目标用户，以达到精确确定目标用户，从而提高目标用户对所推广的运营活动的接受度的目的。

s203：基于目标程序id查询埋点数据库，统计目标程序id的已有用户id对应的用户对标签类型的喜好权重，将喜好权重大于目标权重阈值的已有用户id确定为目标用户id。

其中，埋点数据库是用于存储各个推送程序上传的埋点数据的数据库。在推送程序的开发阶段，在推送程序的各个操作功能配置相应的埋点，以使用户在点击该推送程序的某一操作功能时，触发该埋点记录一埋点数据，并将该埋点数据推送给服务器，以使服务器获取该埋点数据，并以字段形式将该埋点数据保存在埋点数据库中。其中，已有用户id是在目标程序id对应的推送程序中注册并触发相应的功能操作的已有用户的标识，可以为已有用户的用户帐号。目标用户id是从目标程序id对应的推送程序对应的已有用户id中选取出符合本次活动推广请求所要推送的目标用户的标识。

本实施例中，服务器先根据目标程序id查询埋点数据库，获取该埋点数据库中存储的与该目标程序id相对应的埋点数据，即目标程序id对应的推送程序中预置的埋点所上传到埋点数据库中的埋点数据。该与目标程序id相对应的埋点数据具体包括所有在该目标程序id对应的推送程序中存储的已有用户id对应的埋点数据。然后，依据不同标签类型，对每一已有用户id对应的埋点数据进行统计分析，以确定已有用户id对应的用户对与活动标签相对应的标签类型的喜好权重，该喜好权重可以理解为已有用户id对应的用户对与活动标签相对应的标签类型的喜好的比例。最后，将用户对标签类型的喜好权重大于目标权重阈值的已有用户id确定为目标用户id，以将目标程序id对应的推送程序中比较关注与活动标签对应的标签类型的已有用户确定为本次活动推广请求对应的目标用户，使得目标用户对本次所要推送的运营活动的接受度较高，提高运营活动的推送精确度。

例如，服务器中预先设置的标签类型包括保险标签类型、理财标签类型、证券标签类型和其他标签类型，通过对某一已有用户id对应的用户a和用户b的100个埋点数据进行分析，若分析出用户a对上述四种标签类型对应的埋点数据分别为40、30、20和10，则其对上述四种标签类型的喜好权重分别为40％、30％、20％和10％；若分析出用户b对上述四种标签类型对应的埋点数据分别为10、35、50和5，则对上述四种标签类型的喜好权重分别为10％、35％、50％和5％。若本次活动推广请求中，活动标签对应的标签类型为保险标签类型，目标权重阈值为30％，则由于用户a对保险标签类型的喜好权重为40％，大于目标权重阈值30％，则用户a为目标用户；而用户b对保险标签类型的喜好权重为10％，小于目标权重阈值30％，则用户b不为目标用户。

s204：基于目标用户id查询埋点数据库，获取目标埋点数据，根据目标埋点数据确定与目标用户id相对应的目标推送时间。

具体地，服务器在确定目标用户id之后，根据目标程序id和目标用户id查询埋点数据库，将与目标程序id和目标用户id相对应的埋点数据确定为目标埋点数据。然后，根据与该目标用户id相对应的所有目标埋点数据对应的触发时间，通过对该触发时间进行统计分析，以确定该目标用户id相对应的习惯浏览时间，依据习惯浏览时间确定目标推送时间。其中，习惯浏览时间是对目标埋点数据的触发时间进行统计分析，确定经常触发访问相应的推送程序的时间。目标推送时间是依据习惯浏览时间确定的给目标用户推送运营活动的时间。可以理解地，由于目标用户在习惯浏览时间会经常触发相应的推送程序，说明目标用户通常会在这一习惯浏览时间在线浏览推送程序的相关功能页面，若在基于习惯浏览时间确定的目标推送时间推送相应的运营活动页面，可更大概率被目标用户浏览，以实现针对目标用户个性化定制运营活动的推送时间。可以理解地，目标推送时间的确定，可精准确定运营活动推送的时间，以提高用户关注度或者对所推广的运营活动的接受度。

s205：在系统当前时间为目标推送时间时，通过目标程序id对应的推送程序，向目标用户id对应的客户端推送与活动id相对应的运营活动页面。

其中，系统当前时间是采用时间监控工具监控到接收到本次活动推广请求的时间。该时间监控工具是用于监控系统当前时间的工具，可以为timewatch工具。本实施例中，若系统当前时间为目标推送时间，则服务器可通过目标程序id对应的推送程序，向目标用户id对应的客户端推送与该活动id相对应的运营活动页面，以使目标用户在浏览目标程序id对应的推送程序时，可及时查看到相应的运营活动页面，以提高目标用户接收到该运营活动页面的及时性。由于目标用户是某一标签类型对应的喜好权重大于目标权重阈值的用户，因此，该目标用户对该标签类型对应的运营活动页面的关注度高于喜好权重不大于目标权重阈值的非目标用户，使得其针对性强，更容易引起目标用户的关注，从而提高与活动id相对应的运营活动页面的推送精确度，提高目标用户对该运营活动页面的接受度。

本实施例所提供的基于埋点数据的运营活动推广方法中，先根据活动标签确定标签类型，以依据该标签类型对目标程序id对应的埋点数据库中存储的所有已有用户id的埋点数据进行统计分析，以确定已有用户id对该标签类型的喜好权重，将喜好权重大于目标权重阈值的已有用户id确定为目标用户id，从而精确确定该目标程序id对应的推送程序中关注该标签类型的目标用户，提高目标用户对所推送的运营活动页面的关注度和接受度。并根据目标用户id查询埋点数据库，确定目标推送时间，依据该目标推送时间推送与活动id相对应的运营活动页面，使得运营活动页面的推送符合目标用户浏览推送程序的习惯，提高目标用户接收到运营活动页面的及时性，有助于提高其对运营活动页面的接受度，提高运营活动页面的推送精确度，实现投用户所好，提高目标用户对该运营活动的参与度。

在一实施例中，如图3所示，步骤s203中，基于目标程序id查询埋点数据库，统计目标程序id的已有用户id对应的用户对标签类型的喜好权重，包括：

s301：基于目标程序id查询埋点数据库，获取与目标程序id相对应的原始埋点数据，原始埋点数据包括已有用户id、访问类型、页面标签、触发时间和退出时间。

其中，埋点数据库是用于存储各推送程序上传的埋点数据的数据库。原始埋点数据是与目标程序id相对应的埋点数据库中预先存储的未经处理的埋点数据。在埋点数据库中，每一原始埋点数据包括程序id、已有用户id、访问类型、页面标签、触发时间和退出时间。程序id是用于唯一识别推送程序的标识，例如，一帐通app或陆金所app的程序标识。用户id是用于唯一用户在该推送程序中的身份的标识，具体可以理解为用户在该推送程序中的用户帐号。访问类型是指用户点击推送程序中某一操作功能的对应的类型，该访问类型包括基础页面访问类型和推广页面访问类型。该基础页面访问类型是指访问推送程序基础页面(如推送程序的具体功能页面)而不涉及运营活动页面对应的类型，而推广页面访问类型是指访问涉及运营活动页面的类型。页面标签是指用户点击访问类型中某一具体功能页面的标签。例如，在推广页面访问类型对应的功能模块下，设置银行运营业务、保险运营业务、证券运营业务和理财运营业务等页面，用户点击相应的页面会形成相应的页面标签。触发时间是指用户点击页面标签对应的页面的时间。退出时间是指用户指出页面标签对应的页面的时间。

s302：将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的原始埋点数据确定为有效埋点数据。

本实施例中，只选取访问类型为推广页面访问类型的原始埋点数据进行分析，以排除访问类型为基础页面访问类型对应的原始埋点数据的干扰，使得所有有效埋点数据均基于用户访问或浏览涉及运营活动页面过程中形成的埋点数据，使得分析确定已有用户id对应的用户对与标签类型的喜好权重的客观性更强。

其中，预设时长是服务器预先设置的用于评估是否为有效访问的时长。该预设时长可设置为3秒。本实施例中，通过对每一埋点数据中退出时间和触发时间进行差值计算，计算出两者的时差差为访问该原始埋点数据对应的页面的访问时长，若该访问时长大于预设时长，则认为该埋点数据对应的访问为有效访问，将该有效访问对应的原始埋点数据确定为有效埋点数据。根据退出时间和触发时间的时间差与预设时长的比较结果，排除误触发访问所形成的原始埋点数据的干扰，使得所有有效埋点数据均基于用户实际访问运营活动页面过程中形成的埋点数据，使得分析所得的与标签类型相对应的喜好权重的客观性更强。

s303：依据页面标签对应的标签类型，对目标程序id对应的已有用户id的有效埋点数据进行类型统计，确定已有用户id对应的用户对标签类型的喜好权重。

具体地，在依据退出时间和触发时间的时间差以及访问类型确定有效埋点数据之后，再基于每一有效埋点数据的页面标签查询标签信息表中，确定该页面标签对应的标签类型，即根据页面标签查询标签信息表中与页面标签相匹配的标签说明，确定该页面标签对应的标签类型。然后，依据页面标签对应的标签类型，对目标程序对应的已有用户id的所有有效埋点数据进行类型统计，以确定已有用户id对每一种标签类型的喜好权重，该喜好权重可以理解为已有用户id对应的用户对不同标签类型的喜好的比例。可以理解地，也可以只对本次活动推广请求中的活动标签确定的标签类型进行统计分析，确定该标签类型对应的喜好权重，以减少计算处理量。

本实施例所提供的基于埋点数据的运营活动推广方法中，从目标程序id对应的埋点数据库中，将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的原始埋点数据确定为有效埋点数据，依据有效埋点数据进行统计分析，确定已有用户id对标签类型的喜好权重，以排除访问类型为基础页面访问类型或者访问时长未达到预设时长的误触发的原始埋点数据，节省对有效埋点数据进行统计分析的计算量，并使依据有效埋点数据分析出的喜好权重的客观性更强。

在一实施例中，活动推广请求还包括数据统计类型。其中，数据统计类型是用于决定本次活动推广请求所确定的需要对有效埋点数据进行统计的类型。该数据统计类型具体包括全量统计和局部统计。步骤s302中，将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的原始埋点数据确定为有效埋点数据，具体包括如下两种情况：

其一是，若数据统计类型为全量统计，则将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的所有原始埋点数据确定为有效埋点数据。

其中，全量统计是指对埋点数据库中存储的所有原始埋点数据进行统计分析的数据统计类型。本实施例中，若活动推广请求中携带的数据统计类型为全量统计，则将访问类型为推广页面访问类型，且退出时间和触发时间的时间差(即访问时长)大于预设时长的所有原始埋点数据确定为有效埋点数据，这种确定有效埋点数据的方式所统计的数据量较全面。一般来说，若通过客户端触发本次活动推广请求的企业或者平台没有预先设置，服务器默认选择全量统计的方式，以实现将所有符合条件的所有原始埋点数据确定为有效埋点数据，以便后续进行分析处理。

其二是，若数据统计类型为局部统计，则将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的所有原始埋点数据，以及将触发时间在系统当前时间之前的预设时间段的原始埋点数据确定为有效埋点数据。

其中，局部统计是指对埋点数据库中存储的所有原始埋点数据依据触发时间进行局部分析的数据统计类型。预设时间段是服务器预先设置的时间段，可根据实际需求自主设置，也可以采用服务器默认设置的时间段。本实施例中，若活动推广请求中携带的数据统计类型为局部统计，则服务器可以先将触发时间在系统当前时间之前的预设时间段的所有原始埋点数据挑选出来，再将访问类型为推广页面访问类型，且退出时间和触发时间的时间差(即访问时长)大于预设时长的所有原始埋点数据确定为有效埋点数据。或者，服务器可以先将将访问类型为推广页面访问类型，且退出时间和触发时间的时间差(即访问时长)大于预设时长的所有原始埋点数据挑选出来，再从中选取触发时间在系统当前时间之前的预设时间段的原始埋点数据确定为有效埋点数据。这种确定有效埋点数据的方式所统计的数据量更具实时性，更能反映有效埋点数据对应的已有用户的访问习惯，有助于提高后续运营活动推广的推送精确度。例如，已有用户a在半年前更关注保险标签类型对应的页面，而且习惯浏览页面的时间为12：00-13：00，但二个月前该已有用户a更关注理财标签类型对应的页面，且其习惯浏览页面的时间为20：00-21：00，显然，后者更能反映已有用户a的当前访问习惯，更有助于提高运营活动推广的推送精确度。

在一实施例中，如图4所示，步骤s303中，依据页面标签对应的标签类型，对目标程序id对应的已有用户id的有效埋点数据进行类型统计，确定已有用户id对应的用户对标签类型的喜好权重，具体包括如下步骤：

s401：统计目标程序id对应的已有用户id的有效埋点数据对应的有效访问总数。

具体地，服务器统计目标程序id对应的已有用户id的有效埋点数据对应的有效访问总数，具体是指：根据步骤s302所确定的所有有效埋点数据先依据其已有用户id进行分类，以确定目标程序id对应的已有用户id对应的有效埋点数据，并将该有效埋点数据的数量确定为有效访问总数。

s402：依据页面标签对应的标签类型，对已有用户id的有效埋点数据进行类型统计，获取每一标签类型对应的访问次数。

具体地，服务器对已确定的每一已有用户id对应的有效埋点数据，依据每一有效埋点数据的页面标签对应的标签类型进行类型统计，以确定对服务器预先设置的若干种标签类型对应的页面标签的有效埋点数据，再统计每一标签类型对应的页面标签的有效埋点数据的数量，以确定该已有用户id对每一标签类型对应的访问次数。

s403：根据标签类型对应的访问次数和有效访问总数的比值，确定已有用户id对应的用户对标签类型的喜好权重。

具体地，服务器将步骤s402确定的每一标签类型对应的访问次数与步骤s401确定的有效访问总数的比值，确定为该已有用户id对应的标签类型的喜好权重。即可采用w＝n1/s1这一权重计算公式计算每一标签类型的喜好权重，其中，w为标签类型的喜好权重，n1为每一标签类型对应的访问次数，即基于有效埋点数据确定的每一标签类型对应的访问次数，s1为有效访问总数。

例如，在某一推送程序中，默认设置银行运营业务、保险运营业务、证券运营业务和理财运营业务这四个页面标签的默认权重均为25％，这四个页面标签对应的标签类型分别为银行标签类型、保险标签类型、证券标签类型和理财标签类型。若同一已有用户id对应的有效埋点数据为100个，即已有用户对推广页面访问类型的页面的有效访问总数为100次，通过对这100个有效埋点数据依据其页面标签的标签类型进行统计，确定每一种标签类型的访问次数。例如，银行运营业务、保险运营业务、证券运营业务和理财运营业务对应的访问次数分别为20、50、20和10，则根据每一种标签类型对应的访问次数与有效埋点数据的数量(即有效访问总数)，确定每一标签类型对应的喜好权重。具体地，将每一标签类型对应的访问次数除以有效埋点数据的数量(即有效访问总数)，分别计算出银行运营业务、保险运营业务、证券运营业务和理财运营业务对应的喜好权重为20％、50％、20％和10％，这一喜好权重可体现用户对不同标签类型的运营活动页面的感兴趣程度，基于该喜好权重进行运营活动推送，可提高客户的针对性。

本实施例所提供的基于埋点数据的运营活动推广方法中，根据已有用户id的有效埋点数据对应的有效访问总数和对每一标签类型对应的访问次数，确定该已有用户id对每一标签类型的喜好权重，以保证所获取已有用户id对每一标签类型的喜好权重的客观性，有助于提高依据该喜好权重确定的目标用户的针对性和客观性。

在另一实施例中，如图5所示，步骤s303中，依据页面标签对应的标签类型，对目标程序id对应的已有用户id的有效埋点数据进行类型统计，确定已有用户id对应的用户对标签类型的喜好权重，具体包括如下步骤：

s501：统计目标程序id对应的已有用户id的有效埋点数据对应的有效访问总数。

其中，步骤s501中的具体实现方式与步骤s401的具体实现方式相同，为避免重复，此处不一一赘述。

s502：判断有效访问总数是否大于预设次数阈值。

其中，预设次数阈值是服务器预先设置的用于评估能否依据有效访问总数分析标签类型对应的访问次数的阈值。具体地，服务器在统计出目标程序id对应的每一已有用户id的有效埋点数据对应的有效访问总数之后，将该有效访问总数与服务器配置的预设次数阈值进行比较，以判断该有效访问总数是否大于预设次数阈值，以便确定执行后续步骤s503或步骤s504。

s503：若有效访问总数大于预设次数阈值，则执行依据页面标签对应的标签类型，对已有用户id的有效埋点数据进行类型统计，获取每一标签类型对应的访问次数的步骤。

具体地，若有效访问总数大于预设次数阈值，则说明该已有用户id对应的有效埋点数据的数量足够多，即已有用户id在目标程序id对应的推送程序上的有效访问的数量足够多，已经足够分析出该已有用户id对应的用户的访问习惯(包括其喜好和习惯浏览时间)，因此，可执行依据页面标签对应的标签类型，对已有用户id的有效埋点数据进行类型统计，获取每一标签类型对应的访问次数的步骤，即可执行步骤s402的内容，其具体实现方式与步骤s402相同，为避免重复，此处不一一赘述。可以理解地，在执行完步骤s503之后，继续执行根据标签类型对应的访问次数和有效访问总数的比值，确定已有用户id对应的用户对标签类型的喜好权重这一步骤(即步骤s403)，以确定已有用户id对应的用户对标签类型的喜好权重。

s504：若有效访问总数不大于预设次数阈值，则基于目标程序id和已有用户id查询埋点数据库，获取对应的关联埋点数据。

具体地，若有效访问总数不大于预设次数阈值，则说明该已有用户id对应的有效埋点数据的数量过少，即该已有用户id对应的用户在目标程序id对应的推送程序上的有效访问的数量过少，若直接基于有效埋点数据分析已有用户id对应的用户的访问习惯并基于该访问习惯进行运营活动推广，可能导致其推送精确度不高；若直接放弃该已有用户id，则可能导致最终确定的目标用户的数量较少，无法很好地完成运营活动推广的目的。因此，在有效访问总数不大于预设次数阈值时，服务器需基于目标程序id和已有用户id查询埋点数据库，获取对应的关联埋点数据。

本实施例中，服务器基于目标程序id和已有用户id查询埋点数据库，获取对应的关联埋点数据，具体包括：首先，服务器基于目标程序id查询关联程序信息表，获取与目标程序id相对应的关联程序。其中，关联程序表是预先存储在服务器中的用于记录程序关联信息的数据表。例如，服务器将同属于平安集团开发的存在相互关联关系的至少两个程序对应的程序关联信息存储在该关联程序表中，如一帐通app和陆金所app，若目标程序id为一帐通app对应的程序标识时，基于目标程序id查询关联程序信息表，获取到的与目标程序id相对应的关联程序为陆金所app。然后，服务器基于已有用户id查询与关联程序相对应的埋点数据库，获取与该已有用户id相对应的关联埋点数据。该关联埋点数据具体为关联程序对应的埋点数据库中存储的与已有用户id相对应的有效埋点数据，获取有效埋点数据的过程可以参考步骤s302，为避免重复，此处不一一赘述。

s505：统计关联埋点数据对应的关联访问总数，基于关联访问总数和有效访问总数，获取目标访问总数。

具体地，服务器在获取与已有用户id相对应的关联埋点数据之后，先统计所有关联埋点数据对应的关联访问总数，并将关联访问总数和有效访问总数之和，确定为目标访问总数。

例如，预设次数阈值为1000次，而目标程序id对应的推送程序为一帐通app，已有用户a在一帐通app上的有效访问总数为200次(如刚开通一帐通业务或者不经常使用一帐通app的情况下)，由于有效访问总数小于预设次数阈值，则需基于目标程序id查询该已有用户a在陆金所app这一关联程序上的关联埋点数据对应的关联访问总数，若该关联访问总数为1200，则计算关联访问总数和有效访问总数之和为1400，则该已有用户a的目标访问总数为1400。

s506：若目标访问总数大于预设次数阈值，则依据页面标签对应的标签类型，对已有用户id的有效埋点数据和关联埋点数据进行类型统计，获取每一标签类型对应的访问次数。

其中，步骤s506与步骤s402的具体实现方式相似，其区别点在于步骤s402中是对已有用户id的有效埋点数据进行类型统计，而步骤s506是对已有用户id的有效埋点数据和关联埋点数据进行类型统计，其统计过程相同，为避免重复，此处不一一赘述。

s507：根据标签类型对应的访问次数和目标访问总数的比值，确定已有用户id对应的用户对标签类型的喜好权重。

具体地，服务器将步骤s506确定的每一标签类型对应的访问次数与步骤s506确定的目标访问总数的比值，确定为该已有用户id对应的标签类型的权重。即可采用w＝n2/s2这一权重计算公式计算每一标签类型的喜好权重，其中，w为标签类型的喜好权重，n2为标签类型对应的访问次数，即基于有效埋点数据和关联埋点数据确定的每一标签标签对应的访问次数，s2为目标访问总数。

s508：若目标访问总数不大于预设次数阈值，则生成已有用户id对应的用户非目标用户的提示信息。

具体地，若目标访问总数不大于预设次数阈值，则说明该已有用户id对应的有效埋点数据和关联埋点数据的数量过少，说明该已有用户id对应的用户在推送程序和关联程序上的有效访问的数量过少，可以反映该用户为不活跃用户，无法确定该已有用户若id对应的用户是否对该运营活动比较关注，若直接给该用户推送运营活动，可能会降低该用户对推送程序的接受度，因此，服务器此时生成已有用户id对应的用户非目标用户的提示信息，以提醒服务器无需对该已有用户id对应的用户进行运营活动个性定制，从而节省处理时间。

本实施例所提供的基于埋点数据的运营活动推广方法中，在已有用户id对应的用户在目标程序id对应的推送程序上的有效访问总数不大于预设次数阈值时，基于目标程序id和已有用户id查询埋点数据库，确定关联埋点数据及其对应的关联访问总数，再根据关联访问总数和有效访问总数确定目标访问总数，以根据目标访问总数和预设次数阈值的比较结果，确定该已有用户id对应的是否为目标用户。这种确定目标用户的方式，既可保证最终确定的目标用户的数量，又可保证依据确定目标用户进行运营活动推广时的推送精确度。然后，根据已有用户id的有效埋点数据和关联埋点数据确定的每一标签类型的访问次数和目标访问总数，确定该已有用户id对每一标签类型的喜好权重，以保证所获取已有用户id对每一标签类型的喜好权重的客观性，有助于提高依据该喜好权重确定的目标用户的针对性。

在一实施例中，由于每一原始埋点数据包括一触发时间，则基于该原始埋点数据确定的目标埋点数据也包括触发时间。如图6所示，步骤s204中，根据目标埋点数据确定与目标用户id相对应的目标推送时间，具体包括如下步骤：

s601：依据预设的时间区间划分规则和目标埋点数据的触发时间，确定触发时间在每一时间区间的目标埋点数据对应的目标埋点数量。

其中，预设的时间区间划分规则是服务器预先设置的用于进行时间区间划分的规则，该时间区间划分规则确定至少两个时间区间。具体地，服务器依据预设的时间区间划分规则和目标埋点数据的触发时间，依据时间区间划分规则确定的至少两个时间区间对目标埋点数据进行分类，将触发时间在每一时间区间的目标埋点数据划分到同一时间区间内，并将该时间区间上所有目标埋点数据的数量确定为该时间区间对应的目标埋点数量。

s602：将最大的目标埋点数量对应的时间区间确定为第一习惯浏览时间，将与最大的目标埋点数量的差值小于预设数量阈值的目标埋点数据对应的时间区间确定为第二习惯浏览时间，其中，目标推送时间包括第一习惯浏览时间和第二习惯浏览时间。

其中，预设数量阈值是服务器预先设置的用于评估用户是否最常访问的数量阈值。具体地，步骤s601中确定至少两个时间区间对应的目标埋点数量，服务器对所有目标埋点数据进行降序排序，以将排序结果在第一位的目标埋点数量(即最大的目标埋点数量)对应的时间区间确定为第一习惯浏览时间。该第一习惯浏览时间是目标用户最经常访问目标程序id对应的推送程序的时间。由于任一天中，大多数目标用户不是集中在同一时间区间浏览推送程序，因此需确定其他经常访问目标程序id对应的推送程序的时间，以便提高其推送频率或者推送及时度。具体地，服务器依据降序排序的排序结果，依次计算后面的目标埋点数量与第一位的目标数量阈值的差值，将该差值小于预设数量阈值的目标埋点数据对应的时间区间确定为第二习惯浏览时间。可以理解地，将确定该差值不小于预设数量阈值的目标埋点数据对应的时间区间不是第二习惯浏览时间，以便后续提高运营活动推送的时间精确度。

例如，该时间区间划分规则以一小时为时间间隔，服务器可根据每一目标埋点数据的触发时间，确定其所属的时间区间，使得该时间区间的数量加1；遍历所有目标埋点数据，确定所有目标埋点数据所属的时间区间之后，获取每一时间区间的目标埋点数量。如设预设数量阈值设置为100，用户在最近一个月的1000访问产生相应数量的目标埋点数据，依据步骤s601统计出12：00-13：00这一时间区间的目标埋点数量为220个，18：00-19：00这一时间区间的目标埋点数量为150个，19：00-20：00这一时间区间的目标埋点数量为195个，20：00-21：00这一时间区间的目标埋点数量为300个。则最大的目标埋点数量为300，则确定20：00-21：00这一时间区间为第一习惯浏览时间；次大的目标埋点数量为220，与最大的目标埋点数量的差值为80，小于预设数量阈值100，则将12：00-13：00这一时间区间确定为第二习惯浏览时间；第三大的目标埋点数量为195，与最大的目标埋点数量的差值为105，大于预设数量阈值100，则9：00-20：00这一时间区间不为第二习惯浏览时间，由于后续的时间区间对应的目标埋点数量均小于195，则无需再进行统计计算，即可确定后续的时间区间不为第二习惯浏览时间，以节省处理时间。

本实施例所提供的基于埋点数据的运营活动推广方法中，根据触发时间，对每一时间区间的目标埋点数据对应的目标埋点数量进行降序排序，以将最大的目标埋点数量对应的时间区间确定为第一习惯浏览时间，并将与该最大的目标埋点数量的差值小于预设数量阈值的目标埋点数据对应的时间区间确定为第二习惯浏览时间，以使该第一习惯浏览时间和第二习惯浏览时间均为目标推送时间。该目标推送时间的确定，充分考虑目标用户id的习惯浏览时间，且计算过程依据降序排序的排序结果进行计算，可有效节省计算时间，有助于后续精准确定运营活动推广的时间，以提高用户关注度或者对所推广的运营活动的接受度。

在一实施例中，目标埋点数据包括页面标题，该页面标题是指目标埋点数据所对应的功能页面的标题，该页面标题设置的好，则更容易吸引用户关注该功能页面。如图7所示，步骤s205之前，在向目标用户id对应的客户端推送与活动id相对应的运营活动页面的步骤之前，该基于埋点数据的运营活动推广方法还包括：

s701：对目标用户id对应的目标埋点数据的页面标题进行关键词提取，获取至少一个页面关键词。

具体地，服务器调用预先设置的关键词提取算法，对目标用户id对应的目标埋点数据的页面标题进行关键词提取，以获取至少一个页面关键词，以排除停用词或者其他与运营活动无关的用词的影响。例如，目标埋点数据的页面标题可以为“快至3分钟的快速贷款”、“先赔付，再修车”、“最高50w，最快3分钟”等，可通过关键词提取算法先进行分词处理，再去除分词后的停用词(如“的”)等，即可获取至少一个页面关键词。

s702：基于至少一个页面关键词进行频率统计，获取高频关键词。

具体地，服务器在确定至少一个页面关键词之后，需对至少一个页面关键词进行频率统计，从而选取高频关键词。该高频关键词是指至少一个页面关键词中选取出来的出现频率较高的页面关键词。

s703：将高频关键词填充在与活动id相对应的运营活动模板中，获取与活动id相对应的运营活动页面。

具体地，与活动id相对应的运营活动模板是指服务器预先设置好的用于配置与该活动id相对应的运营活动页面的模块。该运营活动模板中预先设置但不限于标题模块、活动内容模块和活动参与接口模块等。该标题模块是用于配置与活动id相对应的运营活动的标题的模块，该标题模块上设置有个性化填充区域。活动内容模块是用于配置与活动id相对应的运营活动的活动内容的模块。活动参与接口模块是用于配置与活动id相对应的运营活动的参与接口的模块，用于使目标用户通过该参与接口参与该运营活动。

本实施例中，服务器将获取到的高频关键词填充在与活动id相对应的运营活动模板的个性化填充区域上，以实现基于高频关键词对运营活动模板的个性化定制，以获取针对目标用户id进行个性化定制的运营活动页面，可在运营活动页面的页面内容不变的前提下，实现对其页面标题进行个性化定制，以更吸引目标用户，从而提高目标用户对活动id对应的运营活动的吸引力，提高运营活动的推送精确度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于埋点数据的运营活动推广装置，该基于埋点数据的运营活动推广装置与上述实施例中基于埋点数据的运营活动推广方法一一对应。如图8所示，该基于埋点数据的运营活动推广装置包括推广请求获取模块801、标签类型获取模块802、目标用户确定模块803、推送时间确定模块804和运营活动推送模块805。各功能模块详细说明如下：

推广请求获取模块801，用于获取活动推广请求，活动推广请求包括目标程序id、目标权重阈值、活动id和活动标签。

标签类型获取模块802，用于根据活动标签查询标签信息表，获取与活动标签相对应的标签类型。

目标用户确定模块803，用于基于目标程序id查询埋点数据库，统计目标程序id的已有用户id对应的用户对标签类型的喜好权重，将喜好权重大于目标权重阈值的已有用户id确定为目标用户id。

推送时间确定模块804，用于基于目标用户id查询埋点数据库，获取目标埋点数据，根据目标埋点数据确定与目标用户id相对应的目标推送时间。

运营活动推送模块805，用于在系统当前时间为目标推送时间时，通过目标程序id对应的推送程序，向目标用户id对应的客户端推送与活动id相对应的运营活动页面。

优选地，目标用户确定模块803包括原始埋点数据获取单元、有效埋点数据获取单元和喜好权重确定单元。

原始埋点数据获取单元，用于基于目标程序id查询埋点数据库，获取与目标程序id相对应的原始埋点数据，原始埋点数据包括已有用户id、访问类型、页面标签、触发时间和退出时间。

有效埋点数据获取单元，用于将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的原始埋点数据确定为有效埋点数据。

喜好权重确定单元，用于依据页面标签对应的标签类型，对目标程序id对应的已有用户id的有效埋点数据进行类型统计，确定已有用户id对应的用户对标签类型的喜好权重。

优选地，活动推广请求还包括数据统计类型。

有效埋点数据获取单元包括第一统计处理子单元和第二统计处理子单元。

第一统计处理子单元，用于若数据统计类型为全量统计，则将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的所有原始埋点数据确定为有效埋点数据。

第二统计处理子单元，用于若数据统计类型为局部统计，则将访问类型为推广页面访问类型，且退出时间与触发时间的时间差大于预设时长的所有原始埋点数据，以及触发时间在系统当前时间之前的预设时间段的原始埋点数据确定为有效埋点数据。

优选地，喜好权重确定单元包括有效访问总数确定子单元、类型访问次数确定子单元和类型喜好权重确定子单元。

有效访问总数确定子单元，用于统计目标程序id对应的已有用户id的有效埋点数据对应的有效访问总数。

第一类型访问次数确定子单元，用于依据页面标签对应的标签类型，对已有用户id的有效埋点数据进行类型统计，获取每一标签类型对应的访问次数。

第一类型喜好权重确定子单元，用于根据标签类型对应的访问次数和有效访问总数的比值，确定已有用户id对应的用户对标签类型的喜好权重。

优选地，在有效访问总数确定子单元之后，该基于埋点数据的运营活动推广装置还包括：

第一次数判断子单元，用于判断有效访问总数是否大于预设次数阈值。

第一类型访问次数确定子单元，用于若有效访问总数大于预设次数阈值，则执行依据页面标签对应的标签类型，对已有用户id的有效埋点数据进行类型统计，获取每一标签类型对应的访问次数的步骤。

关联埋点数据获取子单元，用于若有效访问总数不大于预设次数阈值，则基于目标程序id和已有用户id查询埋点数据库，获取对应的关联埋点数据。

目标访问总数确定子单元，用于统计关联埋点数据对应的关联访问总数，基于关联访问总数和有效访问总数，获取目标访问总数。

第二类型访问次数确定子单元，用于若目标访问总数大于预设次数阈值，则依据页面标签对应的标签类型，对已有用户id的有效埋点数据和关联埋点数据进行类型统计，获取每一标签类型对应的访问次数。

第二类型喜好权重确定子单元，用于根据标签类型对应的访问次数和目标访问总数的比值，确定已有用户id对应的用户对标签类型的喜好权重。

优选地，目标埋点数据包括触发时间。

推送时间确定模块804包括目标埋点数量确定单元和习惯浏览时间确定单元。

目标埋点数量确定单元，用于依据预设的时间区间划分规则和目标埋点数据的触发时间，确定触发时间在每一时间区间的目标埋点数据对应的目标埋点数量。

习惯浏览时间确定单元，用于将最大的目标埋点数量对应的时间区间确定为第一习惯浏览时间，将与最大的目标埋点数量的差值小于预设数量阈值的目标埋点数据对应的时间区间确定为第二习惯浏览时间，其中，目标推送时间包括第一习惯浏览时间和第二习惯浏览时间。

优选地，目标埋点数据包括页面标题。

在运营活动推送模块805之前，该基于埋点数据的运营活动推广装置还包括页面关键词获取单元、高频关键词获取单元和运营活动页面获取单元。

页面关键词获取单元，用于对目标用户id对应的目标埋点数据的页面标题进行关键词提取，获取至少一个页面关键词。

高频关键词获取单元，用于基于至少一个页面关键词进行频率统计，获取高频关键词。

运营活动页面获取单元，用于将高频关键词填充在与活动id相对应的运营活动模板中，获取与活动id相对应的运营活动页面。

关于基于埋点数据的运营活动推广装置的具体限定可以参见上文中对于基于埋点数据的运营活动推广方法的限定，在此不再赘述。上述基于埋点数据的运营活动推广装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行该基于埋点数据的运营活动推广方法过程中采用或者生成的数据，如标签信息表和目标埋点数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于埋点数据的运营活动推广方法。

在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现上述实施例中基于埋点数据的运营活动推广方法的步骤，例如图2所示的步骤s201-s205，或者图3至图7中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现基于埋点数据的运营活动推广装置这一实施例中的各模块/单元的功能，例如图8所示的推广请求获取模块801、标签类型获取模块802、目标用户确定模块803、推送时间确定模块804和运营活动推送模块805的功能，为避免重复，这里不再赘述。

在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中基于埋点数据的运营活动推广方法的步骤，例如图2所示的步骤s201-s205，或者图3至图7中所示的步骤，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述基于埋点数据的运营活动推广装置这一实施例中的各模块/单元的功能，例如图8所示的推广请求获取模块801、标签类型获取模块802、目标用户确定模块803、推送时间确定模块804和运营活动推送模块805的功能，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。