与其对应 的用于表征与广告特征属性相关的信息第二ID组，从所述X个第一信息中筛选出商品层面 维度对应的Y个第一信息，并确定为商品维度对应的所有广告信息。
[0087]由于第一 ID为从商品层面考虑的筛选因子，相比与从广告层面考虑的第二ID作为 筛选因子而言，由于商品维度是用户所关注信息最基本的特征属性参数，因此，从商品层面 考虑的筛选因子会更加定位精准，则该与第一维度参数对应的Y个第一信息会更加符合用 户需求，也可以说，Y个第一信息为按照商品维度筛选聚合得到的所有商品维度的广告信 息。
[0088]步骤204、根据所述Y个第一信息锁定至少一个用户，根据定向策略为所述至少一 个用户在第二终端展示第一信息的实际展示结果进行优先级排序，所述定向策略针对的用 户人数低于第一阈值时，则生成在第二终端展示第一信息的实际展示结果优先级越高的第 一策略。
[0089] 这里，将步骤204结合步骤上述步骤202-203,由于Y个第一信息为按照商品维度筛 选聚合得到的所有商品维度的广告信息，因此，根据所述Y个第一信息锁定得到的所述至少 一个用户可以为商品维度覆盖人数。
[0090] 这里，该商品维度覆盖人数不同于广告覆盖人数，如图3所示，一个商品对应多个 广告，也就是说，对于一个商品，可以拆分成多个针对同一个商品的广告，那么实际上通过 广告覆盖人数进行数据统计是定位不准确的，并不能反映用户群体的真实关注度。以如下 表1(覆盖人数的衡量维度统计表)所示的数据为例进行说明：
[0091]
[0092] 表 1
[0093] 如表1所示，商品A和商品B的商品覆盖人数都是100万，商品A只有广告1，投放给北 京地区的人;商品B有广告2和广告3,分别投放给北京地区的男性和北京地区的女性，也就 是说，从广告层面的维度来说，商品B相当于把广告1拆分成了广告2和广告3。如果以广告 层面的维度作为筛选因子，那么按照广告层面的维度得到的广告覆盖人数来衡量，则广告2 和广告3的覆盖人数都小于广告1，按照定向策略应该给予广告2和广告3比广告1更高的曝 光概率，从而最终在第二终端呈现的广告信息的最终展示结果为:商品B的曝光概率高于商 品A。然而，广告主和用户真正关注是的商品本身（商品层面的维度才是用户所关注信息最 基本的特征属性参数），并不是广告层面的维度，如果从商品层面的维度来比较，对于商品A 和B，实际上这两个商品覆盖的是同样的人，在生成用于在第二终端呈现的广告信息的最终 展示结果的策略为：给予商品A和B的广告信息同样的曝光概率才是最符合用户关注度需 求，导致定位最精准的筛选机制。
[0094] 并且，需要指出的是，为了确保定位精准，还可以采用定向策略中更多的定向条 件，以精准锁定用户群体，但是定向条件多了，虽然可以确保定位精准，但是势必会筛选出 更少的用户群体，也就是上文提及的"少量的小众用户群体"，因此，采用本步骤，为了兼顾 定位精准和满足信息大量分析和传播的大数据时代的需求，还需要对通过增加定向策略中 更多的定向条件所得到的"少量的小众用户群体"，给予在其用户侧终端展示的最终信息展 现的结果(如曝光概率)与在"大量的广大用户群体"侧进行相比存在的差异性最低的效果， 那么通过这种窄定向策略，针对商品覆盖人数少的情况，通过提高其曝光概率的第一策略 (或称为窄定向策略），使其在排序中获得更高的优先级，从而提高其曝光概率，这样使得信 息内容在少量的小众用户侧实际展现的结果是曝光概率更高，定向结果也更加精确。
[0095] 综上所述，按照商品维度筛选聚合得到的所有商品维度的广告信息，考虑商品维 度覆盖人数，而不是广告覆盖人数，才是定位最精准的筛选机制，才能确保最终在二终端呈 现的广告信息的最终展示结果是最准确和符合用户关注度需求的结果。而且，兼顾定位准 确和提高其用户侧终端展示的最终信息展现的结果(如曝光概率更高），使得信息内容不仅 定位精准，而且对"少量的小众用户群体"也能实现大量的展现结果(提高曝光概率)也符合 大数据时代信息分享和传播的需求。
[0096]步骤205、根据所述第一策略为第二终端推送第一信息。
[0097]这里，将最终通过上述从商品层面的维度处理和"窄定向策略"得到的第一信息发 送给第二终端的用户侧进行信息展现，就可以得到最终针对用户关注度定位准确，定向推 送结果也更加精确，大量的展现结果(提高曝光概率)也符合大数据时代信息分享和传播的 需求。在实际操作中，在给予窄定向商品的广告更高曝光概率，即：兼顾定位准确和提高其 用户侧终端展示的最终信息展现的结果(如曝光概率更高），不仅符合大数据时代信息分享 和传播的需求，而且还能避免对同一个广告进行定向拆分获得更高曝光概率的问题(或称 为防止作弊）。
[0098] 实施例三：
[0099]基于上述实施例一-二，本实施例的信息处理方法中，所述根据所述Y个第一信息 锁定至少一个用户，包括:获取所述商品维度对应的所有广告信息所针对的用户人数M，将 所述用户人数Μ确定为商品覆盖人数。
[0100] 在本发明实施例一实施方式中，通过定向策略进行针对所述商品维度对应的所有 广告信息所针对的用户人数Μ进行优先级排序的过程中，所述定向策略针对的用户人数低 于第一阈值时，则生成在第二终端展示第一信息的实际展示结果优先级越高的第一策略。
[0101] 具体的，生成在第二终端展示第一信息的实际展示结果优先级越高的第一策略 (如窄定向策略)包括:获取低于第一阈值的Ν个用户，给予所述Ν个用户在第二终端进行信 息展示时高于第二阈值的曝光概率，从而得到更高的曝光概率，使得最终的曝光结果为:更 多的展示频率和/或次数，那么，据此生成的第一策略(如窄定向策略)就可以为人数更少的 用户群体提供更高的曝光概率。其中，所述Ν〈Μ，为大于1的正整数。
[0102] 这里，在给予所述Ν个用户在第二终端进行信息展示时高于第二阈值的曝光概率， 之后据此生成所述第一策略(如窄定向策略），可以包括:将所述Ν个用户确定为所述商品 覆盖人数中覆盖人数少的目标用户；将所述目标用户对应的广告信息按照点击率参数和/ 或中小广告主消耗比例参数进行排序，得到包括1，…，j个排序值的排序结果参数，j为>1的 自然数;为第1个排序值对应的加权处理增加权重，为第2个至第j个排序值在加权处理时进 行加权递减处理。
[0103] 实施例四：
[0104] 本发明实施例的一种服务器，如图5所示，所述服务器包括：
[0105] 筛选单元51，用于获取第一终端发送的X个第一信息，所述X为大于1的正整数;根 据第一维度参数从所述X个第一信息中筛选出与第一维度参数对应的Y个第一信息，所述Y〈 X，为大于1的正整数;所述第一维度参数用于表征与商品特征属性相关的信息；
[0106] 优先级排序单元52,用于根据所述Υ个第一信息锁定至少一个用户，根据定向策略 为所述至少一个用户在第二终端展示第一信息的实际展示结果进行优先级排序，所述定向 策略针对的用户人数低于第一阈值时，则生成在第二终端展示第一信息的实际展示结果优 先级越高的第一策略；
[0107] 信息推送单元53,用于根据所述第一策略为第二终端推送第一信息。
[0108] 这里，在实际应用中，以用户场景为用户通过在第二终端安装游戏应用，视频应 用，浏览器应用，或者直接登录网页等等来浏览推荐信息为例，推荐信息为本步骤中的第一 信息，具体为第一终端通过服务器审核后推送给第二终端在用户界面显示的广告信息，则 第一终端具体为广告主所在的终端(或称为提供广告素材和内容推广的对象），如图1中的 终端31_3n所示，其中的每个终端可以维护和推送针对一个或多个商品的信息。第二终端具 体为普通用户所在的终端(或称为广告展示或曝光的对象），如图1中的终端21-24所示，登 录终端21-24的用户通过安装游戏应用，视频应用，浏览器应用，或者直接登录网页等等来 浏览该广告信息。
[0109] 这里，在实际应用中，第一维度参数为从商品层面考虑的筛选因子，相比与从广 告层面考虑的筛选因子而言，由于商品维度是用户所关注信息最基本的特征属性参数，因 此，从商品层面考虑的筛选因子会更加定位精准，则该与第一维度参数对应的Y个第一信息 会更加符合用户需求，也可以说，Y个第一信息为按照商品维度筛选聚合得到的所有商品维 度的广告信息。
[0110] 这里，在实际应用中，由于Y个第一信息为按照商品维度筛选聚合得到的所有商品 维度的广告信息，因此，根据所述Y个第一信息锁定得到的所述至少一个用户可以为商品维 度覆盖人数。该商品维度覆盖人数不同于广告覆盖人数，如图3所示，一个商品对应多个广 告，也就是说，对于一个商品，可以拆分成多个针对同一个商品的广告，那么实际上通过广 告覆盖人数进行数据统计是定位不准确的，并不能反映用户群体的真实关注度。以如下表1 (覆盖人数的衡量维度统计表)所示的数据为例进行说明：
[0111]
[0112] 表1
[0113] 如表1所示，商品A和商品B的商品覆盖人数都是100万，商品A只有广告1，投放给北 京地区的人;商品B有广告2和广告3,分别投放给北京地区的男性和北京地区的女性，也就 是说，从广告层面的维度来说，商品B相当于把广告1拆分成了广告2和广告3。如果以广告层 面的维度作为筛选因子，那么按照广告层面的维度得到的广告覆盖人数来衡量，则广告2和 广告3的覆盖人数都小于广告1，按照定向策略应该给予广告2和广告3比广告1更高的曝光 概率，从而最终在第二终端呈现的广告信息的最终展示结果为:商品B的曝光概率高于商品 A。然而，广告主和用户真正关注是的商品本身（商品层面的维度才是用户所关注信息最基 本的特征属性参数），并不是广告层面的维度，如果从商品层面的维度来比较，对于商品A和 B，实际上这两个商品覆盖的是同样的人，在生成用于在第二终端呈现的广告信息的最终展 示结果的策略为：给予商品A和B的广告信息同样的曝光概率才是最符合用户关注度需求， 导致定位最精准的筛选机制。
[0114] 并且，需要指出的是，为了确保定位精准，还可以采用定向策略中更多的定向条 件，以精准锁定用户群体，但是定向条件多了，虽然可以确保定位精准，但是势必会筛选出 更少的用户群体，也就是上文提及的"少量的小众用户群体"，因此，采用本发明实施例，为 了兼顾定位精准和满足信息大量分析和传播的大数据时代的需求，还需要对通过增加定向 策略中更多的定向条件所得到的"少量的小众用户群体"，给予在其用户侧终端展示的最终 信息展现的结果（如曝光概率)与在"大量的广大用户群体"侧进行相比存在的差异性最低 的效果，那么通过这种窄定向策略，针对商品覆盖人数少的情况，通过提高其曝光概率的第 一策略(或称为窄定向策略），使其在排序中获得更高的优先级，从而提高其曝光概率，这样 使得信息内容在少量的小众用户侧实际展现的结果是曝光概率更高，定向结果也更加精 确。
[0115] 综上所述，按照商品维度筛选聚合得到的所有商品维度的广告信息，考虑商品维 度覆盖人数，而不是广告覆盖人数，才是定