一种客户端APP的数据推送方法与流程

本发明涉及数据处理，特别是涉及一种客户端app的数据推送方法。

背景技术：

1、随着网络的普及和深入应用，互联网汇聚了极其丰富的信息资源，在这种信息爆炸的网络环境下，人们不再满足于门户网站、搜索引擎这种主动信息获取方式，更期望通过内容监测，将与自己兴趣相关、来源丰富、主题鲜明的信息资源，以可定制、即时的方式获知。其常见的一种方式是通过客户端app的信息推送。有关报告显示，新用户在下载应用的前90天内，一定频率的消息推送有助于提高产品的留存率，收到过消息推送的应用用户留存率高大约3倍。app的信息推送本质上是希望通过推送这个通道将最新信息下发给终端用户，并和用户形成良好的互动，提高app的用户体验。

2、但是很多app在推送信息的时候，都是将服务器端收到的消息，直接泛推给所有的用户，逐一的推送到移动终端的消息通知栏。随着app的数量不断增加，移动用户会收到数量巨大的推送消息。其中也不乏存在重复的消息占用存储空间；或者具有时效性的消息，推送后对于客户不再具有意义。数量巨大的信息导致有效信息在接受的消息中比例降低，不仅拉低了用户获取有效信息的效率，不利于用户及时对接收的信息进行判断，影响到了消息推送的效果；同时，还占用了智能终端的内存，也对用户造成了骚扰，无法根据用户的需求推准确推送合适有效的数据。

技术实现思路

1、本发明旨在提供一种客户端app的数据推送方法，以解决上述技术问题，分别对客户端app的待推送内容源和客户端用户建立数据标签，基于数据标签的相关生成用户的数据推送方案，提高客户端app的数据推送准确性和客户端用户体验感。

2、为了解决上述技术问题，本发明提供了一种客户端app的数据推送方法，包括:

3、基于预设分类标准将客户端app的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签；

4、获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

5、计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案；

6、根据所述数据推送方案生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

7、上述方案中，预先对客户端app内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

8、在一种实现方式中，所述基于预设分类标准将客户端app的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：

9、获取客户端app的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；

10、基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；

11、基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

12、在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：

13、基于所述客户端app的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；

14、提取所述历史行为数据包含的文案标题和内容字段；

15、对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；

16、在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；

17、基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；

18、将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；

19、将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；

20、根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

21、在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：

22、获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；

23、基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；

24、分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；

25、基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

26、在一种实现方式中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：

27、创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；

28、获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；

29、根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

30、在一种实现方式中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：

31、获取每个客户端用户的数据推送方案；

32、建立客户端app与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；

33、基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

34、在一种实现方式中，所述客户端app的数据推送方法还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：

35、获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；

36、基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；

37、基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

38、第二方面，本发明还提供一种客户端app的数据推送方法装置，包括第一数据处理模块、第二数据处理模块、推送方案生成模块和推送方案处理模块；

39、所述数据处理模块基于预设分类标准将客户端app的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签；

40、所述第二数据处理模块用于获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

41、所述推送方案生成模块用于计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案；

42、所述推送方案处理模块用于根据所述数据推送方案生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

43、上述方案中，本发明实施例提供一种客户端app的数据推送方法，预先对客户端app内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

44、在一种实现方式中，所述基于预设分类标准将客户端app的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：

45、获取客户端app的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；

46、基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；

47、基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

48、在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：

49、基于所述客户端app的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；

50、提取所述历史行为数据包含的文案标题和内容字段；

51、对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；

52、在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；

53、基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；

54、将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；

55、将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；

56、根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

57、在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：

58、获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；

59、基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；

60、分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；

61、基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

62、在一种实现方式中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：

63、创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；

64、获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；

65、根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

66、在一种实现方式中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：

67、获取每个客户端用户的数据推送方案；

68、建立客户端app与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；

69、基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

70、在一种实现方式中，所述客户端app的数据推送方法还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：

71、获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；

72、基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；

73、基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

74、第三方面，本技术还提供一种终端设备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上的所述客户端app的数据推送方法。

75、第四方面，本技术还提供一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上所述的客户端app的数据推送方法。