1.本公开涉及人工智能领域，具体涉及数据处理、机器学习、深度学习和推荐系统技术领域，特别涉及一种推荐对象的方法、推荐对象的装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术：
2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.现阶段，线上平台已成为车企触达消费者的重点阵地。如何能够更精准、快捷、有效地触达消费者，解决用户线上的各类与汽车相关的需求，成为了目前亟待解决一大难题。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现要素：
5.本公开提供了一种推荐对象的方法、推荐对象的装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种推荐对象的方法，包括：基于目标用户的特征数据和多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象；确定与至少一个待推荐对象对应的多个触达策略，其中，多个触达策略中的每一个触达策略与至少一个待推荐对象中的一个待推荐对象对应，并且包括触达途径和触达物料中的至少一个；基于目标用户的特征数据和至少一个待推荐对象各自的特征数据，在多个触达策略中确定目标触达策略；以及基于目标触达策略，向目标用户推荐与目标触达策略对应的待推荐对象。
7.根据本公开的另一方面，提供了一种推荐对象的装置，包括：第一确定单元，被配置为基于目标用户的特征数据和多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象；第二确定单元，被配置为确定与至少一个待推荐对象对应的多个触达策略，其中，多个触达策略中的每一个触达策略与至少一个待推荐对象中的一个待推荐对象对应，并且包括触达途径和触达物料中的至少一个；第三确定单元，被配置为基于目标用户的特征数据和至少一个待推荐对象各自的特征数据，在多个触达策略中确定目标触达策略；以及推荐单元，被配置为基于目标触达策略，向目标用户推荐与目标触达策略对应的待推荐对象。
8.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至
少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。
9.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述方法。
10.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述方法。
11.根据本公开的一个或多个实施例，通过在大量的候选对象中确定与目标用户契合的至少一个待推荐对象，进而根据用户的特征数据和这些待推荐对象的特征数据在与这些待推荐对象对应的多种触达策略中确定最佳的目标触达策略，使得能够将用户最可能感兴趣的对象以用户最能够接受的触达策略推荐给用户，增强了用户的使用体验，提升了用户的转化率。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
14.图1a示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
15.图1b示出了根据本公开的实施例的汽车垂媒智能化推荐系统的示意图；
16.图2示出了根据本公开示例性实施例的推荐对象的方法的流程图；
17.图3示出了根据本公开示例性实施例的在多个候选对象中确定至少一个待推荐对象的流程图；
18.图4示出了根据本公开示例性实施例的在多个触达策略中确定目标触达策略的流程图；
19.图5示出了根据本公开示例性实施例的在多个触达策略中确定目标触达策略的流程图；
20.图6示出了根据本公开示例性实施例的推荐对象的方法的流程图；
21.图7示出了根据本公开示例性实施例的推荐对象的装置的结构框图；以及
22.图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
23.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
24.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另
一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
25.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
26.相关技术中，现有的推荐对象的方式没有考虑到用户的多样性，针对不同的用户使用单一的触达策略进行推荐，效果较差。
27.为解决上述问题，本公开通过在大量的候选对象中确定与目标用户契合的至少一个待推荐对象，进而根据用户的特征数据和这些待推荐对象的特征数据在与这些待推荐对象对应的多种触达策略中确定最佳的目标触达策略，使得能够将用户最可能感兴趣的对象以用户最能够接受的触达策略推荐给用户，增强了用户的使用体验，提升了用户的转化率。
28.下面将结合附图详细描述本公开的实施例。
29.图1a示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1a，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
30.在本公开的实施例中，服务器120可以运行使得能够执行推荐对象的方法的一个或多个服务或软件应用。
31.在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)网络下提供给客户端设备101、102、103、104、105和/或106的用户。
32.在图1a所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1a是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
33.用户可以使用客户端设备101、102、103、104、105和/或106来生成各类用户数据。例如，用户经由客户端设备使用各类应用程序能够生成用户的基础画像数据和行为数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息，例如，客户端可以以根据本公开的推荐对象的方法而确定的目标触达策略向用户呈示待推荐对象。尽管图1a仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
34.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序
和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
35.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
36.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
37.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
38.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
39.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
40.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
41.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用
程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
42.图1a的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
43.根据本公开的一方面，提供了一种推荐对象的方法。如图2所示，推荐对象的方法包括：步骤s201、基于目标用户的特征数据和多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象；步骤s202、确定与至少一个待推荐对象对应的多个触达策略，其中，多个触达策略中的每一个触达策略与至少一个待推荐对象中的一个待推荐对象对应，并且包括触达途径和触达物料中的至少一个；步骤s203、基于目标用户的特征数据和至少一个待推荐对象各自的特征数据，在多个触达策略中确定目标触达策略；以及步骤s204、基于目标触达策略，向目标用户推荐与目标触达策略对应的待推荐对象。
44.由此，通过在大量的候选对象中确定与目标用户契合的至少一个待推荐对象，进而根据用户的特征数据和这些待推荐对象的特征数据在与这些待推荐对象对应的多种触达策略中确定最佳的目标触达策略，使得能够将用户最可能感兴趣的对象以用户最能够接受的触达策略推荐给用户，增强了用户的使用体验，提升了用户的转化率。
45.本公开可以应用于汽车垂媒业务领域。图1b示出了汽车垂媒智能化推荐系统的示意图。通过在数据基础建设160、数据挖掘与建模150、用户触达140等多个层面进行建设与优化，能够实现对汽车垂媒用户的高效转化。数据基础建设160可以包括数据层176、数据中台168、以及基础建设162三个部分。具体地，数据层176可以包括用户的行为数据178、转化数据180、车型库182、以及用户基础画像数据184；数据中台可以包括工具建设170(例如，下文将提到的多个模型的训练和应用)、数据仓库建设172、数据治理平台174；基础建设162可以包括用户转化漏斗建设164和线索波动指标监控166，用于对从用户引流到转化(例如，用户给经销商留下联系方式等咨询，也称为留资)过程中的不同场景的不同层级的转化路径进行监控和分析。数据挖掘与建模150可以包括特征工程152、数据挖掘与分析154、以及模型分析156。用户触达140可以包括潜在用户142的确定，对用户的消费阶段划分144、触达策略146的确定，以及最终的转化148。图1b中的部分内容将在下文中进行展开说明。
46.根据一些实施例，候选对象可以为车辆，候选对象的特征数据包括车辆品牌数据、车系数据、车型数据以及经销商数据中的至少一者。为便于表述，本公开将以汽车垂媒业务领域作为示例对本公开的方法进行阐释说明，但并不意图限定本公开的保护范围。本公开的方法还可以应用于其他的场景和业务领域，在此不作限定。
47.在执行本公开的方法之前，可以先依托全平台的庞大用户规模和丰富详实的用户基础数据、汽车垂媒业务下的汽车产品(例如，应用程序、小程序等)所包含的用户行为数据、车型库数据(例如，包括车辆品牌、车系、车型、经销商等数据)、以及用户转化数据(例如，用户在不同产品线、不同场景、不同的触达策略下，对不同车系车型的转化信息)，建设了一套可以满足各个业务通用的数据仓库架构体系。通过这一科学体系，能够找到汽车内容偏好度高、购车意向度较高的精准用户群体，并且能够确定用户最感兴趣的内容和最能够接受的触达方式，从而实现智能化精准推荐。
48.在一些实施例中，可以将上面提到的各种数据进行清洗、统计、聚合、构建数据仓库对数据进行加工和存储。
49.(1)数据维度层：该层存放基础维度数据、例如，城市编码维度表、城市等级表、汽车信息融合维度表、用户特征维度表、经销商信息维度表、车型库信息表等；
50.(2)数据接入层：该层从日志中台、线索中台、车型库数据中对原始数据进行抽取，存储。
51.(3)基础数据层：该层对数据接入层层数据进行简单的抽取、转换、加载(extract-transform-load,etl)处理，不涉及复杂逻辑、模型算法，目的是清洗出可使用的干净数据。
52.(4)中间数据层：该层对基础数据层数据进行复杂处理，引入例如：风控模型、清洗规则等模型算法，提取数据特征、并按照不同纬度进行数据聚合。
53.(5)数据服务层：该层多以业务主题为基础，构建相关主题画像，多表现为大宽表的形式。
54.(6)数据应用层：该层根据具体的业务需求，在(3)至(5)的三层数据层进行数据抽取，逻辑运算和处理。生成直接面向业务端的数据分析报表。
55.以此为基础，一方面加强元数据的管理，让数据在开发和使用的过程中更加的便利，另一方面加强工具建设，增加资源负载、任务监控等功能，保证数据产出的时效性、稳定性。此外，在数据仓库体系的基础上，可以进行数据挖掘和机器学习算法的模型建设。
56.除了从用户的基础画像数据和用户行为数据提取用户的特征数据外，还可以利用这些原始数据为用户构建标签体系，例如生命周期标签，从而能够将用户群体进行划分，以实现更精准的推荐。通过用户标签体系的建立，增加了数据的聚合度，提取出了用户的特征信息。用户在分析的时候，不需要从原始数据进行计算，提高了效率。通过各种用户的标签，进行用户分析，对标签用户运营策略的转化、效果、影响，进行分析不断优化其中的策略，挖掘优化方向，促进策略落地，提升转化效果。
57.根据一些实施例，如图3所示，步骤s201、基于目标用户的特征数据和多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象包括：步骤s301、基于目标用户的特征数据，确定目标用户的消费阶段，消费阶段包括信息浏览阶段、准备购买阶段和已购买阶段中的至少一个；以及步骤s302、基于目标用户的消费阶段、目标用户的特征数据以及多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象。由此，通过将用户分为不同的消费阶段，并结合用户的消费阶段确定待推荐对象，能够提升用户和待推荐对象的接受程度和匹配程度，增强用户体验，提升用户的转化率。
58.在汽车垂媒业务场景中，信息浏览阶段、准备购买阶段和已购买阶段等三个消费阶段分别可以对应看车、买车和用车三类用户，这三者也是汽车垂媒用户的最核心的需求。
59.(1)看车：该类用户主要关注汽车市场各类咨询、汽车测评、汽车直播等，主要以信息流(图文、短视频)、直播等形式的内容消费为主。对于该类型的用户，会针对用户个人的喜好，向其推荐符合个人偏好的优质内容，增加用户的粘性，提高活跃度，并在一定程度上引导用户向买车用户转型。该类型的用户应根据其行为特征，构建用户偏向标签，实现千人千面的个性化的用户推荐。
60.(2)买车：该类用户群体主要是准备买车和换新车的用户，期望能在网络上获取车辆的报价，型号、参数等相关信息，为其购车进行信息储备。主要消费形式以车型库、车友圈、车系口碑、问答、社区等为主。对于该类型的用户，可以通过与经销商合作，获取各地区车型车系报价，并作为中间方，联通用户和经销商，助力用户买车，经销商卖车。该类型的用
户，除了要考虑用户本身行为偏好之外，还需要引入用户所在城市、人生阶段、家庭信息为其进行精准的车型推荐，从而提高用户的留资转化率。
61.(3)用车：该类用户群体主要是有车一族，主要关注车辆的养护、注意事项、车辆交流、油价等。主要消费形式为用车频道、问答、车友圈等方式。对于该类型的用户，可以引入用户是否有车、车系标签等，为其精准的推荐一些相关的时事消息、用车技巧，目的也是提高用户的活跃度和留存率。
62.因此，针对这些不同用户，在进行对象推荐时，可以根据其消费类型的不同确定不同的触达策略，从而提升各类用户的用户体验。这样差异化的触达策略的确定方式将在下文中进行说明。根据用户行为和状态特征，制定用户生命周期管理模型，监控用户在不同阶段的变化，并针对不同周期的用户进行不同的推荐方式。通过用户特征，进行目标人群的人群包圈选，提供用户的个性化、精准化的推荐。
63.在一些实施例中，可以基于大量的用户数据训练用于确定用户的消费阶段的模型(例如，神经网络)，并在向目标用户进行推荐时使用该模型确定目标用户的消费阶段。
64.根据一些实施例，步骤s302、基于目标用户的消费阶段、目标用户的特征数据以及多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象可以包括：针对多个候选对象中的每一个候选对象，将目标用户的消费阶段、目标用户的特征数据以及该候选对象的特征数据输入经训练的对象推荐模型，以得到多个候选对象各自的推荐得分；以及基于多个候选对象各自的推荐得分，在多个候选对象中确定至少一个待推荐对象。
65.由此，通过使用神经网络确定多个候选对象各自的推荐得分，再基于这些候选对象的推荐得分确定待推荐对象，使得可以快速且准确得到与目标用户匹配度高度的待推荐对象。
66.在一些实施例中，可以使用用户数据(可以包括用户的特征数据和转化数据)、车型数据、以及为用户确定的消费阶段标签训练对象推荐模型。
67.根据一些实施例，目标用户的特征数据可以包括用户行为特征，用户行为特征可以是基于目标用户在预设时长范围内的用户行为数据而确定的，并且时间更晚的用户行为数据可以比时间更早的用户行为数据具有更高的权重。在一些实施例中，可以使用时间衰减函数对预设时长内的不同时间点获取到的用户行为数据进行衰减，并且最近的用户行为数据拥有最高的权重(优先级)。通过这样滚动更新的方式，可以得到更有效的用户特征数据，从而能在后续步骤中得到与用户匹配度更高的待推荐对象和触达策略，提升推荐效果。可以理解的是，本领域技术人员可以根据需求设置预设时长范围，在此不作限定。
68.根据一些实施例，用户行为特征可以是响应于目标用户的登录行为以天级别更新的。由于每天只有部分用户登录，因此可以每天对当天登录的用户更新用户行为特征。
69.在一些实施例中，可以生成与两个预设时长范围对应的用户行为特征。其中的一个可以是基于用户的所有历史行为数据而得到的全量历史特征，另一个可以是基于短期内的历史行为数据而得到的短期历史特征(例如，月级历史特征)。通过这样的方式，可以进一步丰富用户特征数据所包含的信息，并能够使得后续步骤中得到的待匹配对象和触达策略更加依赖用户的短期行为，提升推荐效果。
70.根据一些实施例，如图4所示，步骤s203、基于目标用户的特征数据和至少一个待推荐对象各自的特征数据，在多个触达策略中确定目标触达策略可以包括：步骤s401、获取
多个触达策略各自的特征数据；步骤s402、针对多个触达策略中的每一个触达策略，将该触达策略的特征数据、目标用户的特征数据以及与该触达策略对应的待推荐对象的特征数据输入经训练的触达策略评估模型，以得到多个触达策略各自的评估结果；以及步骤s403、基于多个触达策略各自的评估结果，在多个触达策略中确定目标触达策略。通过使用触达策略评估模型输出多个触达策略的评估结果，并基于评估结果在这些触达策略中确定目标触达策略，能够得到与用户高度匹配的触达策略。
71.在一些实施例中，触达策略可以包括触达途径和触达物料中的至少一个。触达途径可以指代通过将对象或信息推荐给用户的渠道，触达物料可以指代推荐的载体。例如，触达途径包括信息流、引导条、端内弹窗、私信和短信中的至少一个，触达物料包括文本、图像和视频中的至少一个。可以理解的是，触达途径和触达物料还可以包括其他形式。例如，触达物料还可以包括与待推荐信息(车辆)对应的文章、博客、技术讨论贴、网页或其他内容。在一些实施例中，针对不同生命周期、不同消费阶段、或者不同类型的用户，可以确定不同的触达策略，以提升用户体验和用户粘性。
72.在一些实施例中，可以使用经训练的触达策略评估模型确定每一个触达策略的评分，并基于这些触达策略的评分从中确定目标触达策略。通过这样的方式，使得能够利用模型训练过程中所学习到的与不同类型的用户对不同触达策略的接受程度相关的信息，从而提升推荐的效果。
73.根据一些实施例，推荐对象的方法还可以包括：获取目标用户和至少一个待推荐对象中的每一个待推荐对象的交互数据。步骤s302、针对多个触达策略中的每一个触达策略，将该触达策略的特征数据、目标用户的特征数据以及与该触达策略对应的待推荐对象的特征数据输入经训练的触达策略评估模型，以得到多个触达策略各自的评估结果包括：针对多个触达策略中的每一个触达策略，将该触达策略的特征数据、目标用户的特征数据、与该触达策略对应的待推荐对象的特征数据以及目标用户和与该触达策略对应的待推荐对象的交互数据输入经训练的触达策略评估模型，以得到多个触达策略各自的评估结果。由此，通过获取并使用用户和待推荐对象之间的交互数据，能够进一步提升触达策略的评估结果的准确性，从而能够得到与用户更匹配的目标触达策略。
74.在一些实施例中，目标用户和待推荐对象的交互数据例如可以表征用户对各种型号、品牌车的接受程度、匹配程度。
75.在得到多个触达策略的评估结果后，还可以结合其他信息以得到目标触达策略。根据一些实施例，如图5所示，步骤s403、基于多个触达策略各自的评估结果，在多个触达策略中确定目标触达策略包括：步骤s501、基于目标用户的触达策略偏好数据，调整多个触达策略各自的评估结果，其中，目标用户的触达策略偏好数据指示用户对触达途径和触达物料中的至少一个的偏好信息；以及步骤s502、基于多个触达策略各自的调整后的评估结果，在多个触达策略中确定目标触达策略。由此，通过利用用户个性化的触达策略偏好数据对多个触达策略各自的评估结果进行调整，能够弥补触达策略评估模型对用户的个性化偏好信息的欠缺，实现了精准化、个性化的推荐过程。
76.在一些实施例中，用户的触达策略偏好数据可以包括与多种触达途径或多种触达物料对应的偏好指数。在得到触达策略评估模型输出的评估结果后，可以将多个触达策略各自的评估结果和偏好指数进行交叉对比或进一步计算，生成新的参数，也即调整后的评
估结果。进而，可以将在调整后的评估结果中择优以得到目标触达策略。
77.可以理解的是，用户的触达策略偏好数据还可以具有其他的形式，并且可以通过其他方式利用触达策略偏好数据调整触达策略的评估结果。例如，触达策略偏好数据可以指示用户不喜欢某一种类型的触达途径或触达物料，则可以直接将与该触达途径或触达物料对应的触达策略评估结果调整为相对负面的结果。
78.根据一些实施例，如图6所示，推荐对象的方法还可以包括：步骤s605、获取目标用户对目标触达策略的反馈结果；以及步骤s606、基于反馈结果，更新目标用户的触达策略偏好数据。可以理解的是，图6中的步骤s601-步骤s604的操作和图2中的步骤s201-步骤s204的操作类似，在此不作赘述。由此，通过获取目标用户对推荐过程的反馈结果，并使用该反馈结果进一步更新用户的偏好数据，使得后续的推荐结果能够进一步贴近用户的个性化偏好，提升推荐效果。
79.用户的反馈结果也可以用于对前文描述的其他模型进行调整。在一些实施例中，如果利用用户的反馈结果调整后的模型对大盘的准确率有影响，则可以回滚到调整前的模型，但仍可以利用该反馈结果更新该用户的个性化偏好信息。通过这样的方式，实现了在提升用于全部用户的模型的输出结果准确性的基础上保留用户的个性化偏好，从而提升最终得到的推荐结果和用户的匹配度。
80.根据本公开的另一方面，提供了一种推荐对象的装置。如图7所示，装置700包括：第一确定单元710，被配置为基于目标用户的特征数据和多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象；第二确定单元720，被配置为确定与至少一个待推荐对象对应的多个触达策略，其中，多个触达策略中的每一个触达策略与至少一个待推荐对象中的一个待推荐对象对应，并且包括触达途径和触达物料中的至少一个；第三确定单元730，被配置为基于目标用户的特征数据和至少一个待推荐对象各自的特征数据，在多个触达策略中确定目标触达策略；以及推荐单元740，被配置为基于目标触达策略，向目标用户推荐与目标触达策略对应的待推荐对象。
81.可以理解的是，装置700中的单元710-单元740的操作分别和图2中的步骤s201-步骤s204的操作类似，在此不做赘述。
82.根据一些实施例，第三确定单元可以包括：获取子单元，被配置为获取多个触达策略各自的特征数据；评估子单元，被配置为针对多个触达策略中的每一个触达策略，将该触达策略的特征数据、目标用户的特征数据以及与该触达策略对应的待推荐对象的特征数据输入经训练的触达策略评估模型，以得到多个触达策略各自的评估结果；以及第一确定子单元，被配置为基于多个触达策略各自的评估结果，在多个触达策略中确定目标触达策略。
83.根据一些实施例，第一确定子单元可以包括：调整子单元，被配置为基于目标用户的触达策略偏好数据，调整多个触达策略各自的评估结果，其中，目标用户的触达策略偏好数据指示用户对触达途径和触达物料中的至少一个的偏好信息；以及第二确定子单元，被配置为基于多个触达策略各自的调整后的评估结果，在多个触达策略中确定目标触达策略。
84.根据一些实施例，推荐对象的装置还可以包括：第一获取单元(图中未示出)，被配置为获取目标用户对目标触达策略的反馈结果；以及更新单元(图中未示出)，被配置为基于反馈结果，更新目标用户的触达策略偏好数据。
85.根据一些实施例，推荐对象的装置还可以包括：第二获取单元(图中未示出)，被配置为获取目标用户和至少一个待推荐对象中的每一个待推荐对象的交互数据。评估子单元被配置为针对多个触达策略中的每一个触达策略，将该触达策略的特征数据、目标用户的特征数据、与该触达策略对应的待推荐对象的特征数据以及目标用户和与该触达策略对应的待推荐对象的交互数据输入经训练的触达策略评估模型，以得到多个触达策略各自的评估结果。
86.根据一些实施例，目标用户的特征数据可以包括用户行为特征，用户行为特征可以是基于目标用户在预设时长范围内的用户行为数据而确定的，并且时间更晚的用户行为数据可以比时间更早的用户行为数据具有更高的权重。
87.根据一些实施例，用户行为特征可以是响应于目标用户的登录行为以天级别更新的。
88.根据一些实施例，第一确定单元可以包括：第三确定子单元，被配置为基于目标用户的特征数据，确定目标用户的消费阶段，消费阶段包括信息浏览阶段、准备购买阶段和已购买阶段中的至少一个；以及第四确定子单元，被配置为基于目标用户的消费阶段、目标用户的特征数据以及多个候选对象各自的特征数据，在多个候选对象中确定至少一个待推荐对象。
89.根据一些实施例，第四确定子单元可以包括：推荐得分生成子单元，被配置为针对多个候选对象中的每一个候选对象，将目标用户的消费阶段、目标用户的特征数据以及该候选对象的特征数据输入经训练的对象推荐模型，以得到多个候选对象各自的推荐得分；以及第五确定子单元，被配置为基于多个候选对象各自的推荐得分，在多个候选对象中确定至少一个待推荐对象。
90.根据一些实施例，候选对象可以为车辆，候选对象的特征数据可以包括车辆品牌数据、车系数据、车型数据以及经销商数据中的至少一者，触达途径可以包括信息流、引导条、端内弹窗、私信和短信中的至少一个，触达物料可以包括文本、图像和视频中的至少一个。
91.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
92.根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
93.参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
94.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram803中，还可存储设备800操作所需的各种程序和数据。计
算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
95.设备800中的多个部件连接至i/o接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
96.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如推荐对象的方法。例如，在一些实施例中，推荐对象的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的推荐对象的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行推荐对象的方法。
97.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
98.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
99.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合
适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
100.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
101.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
102.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
103.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
104.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。