本说明书一个或多个实施例涉及电子商务领域，尤其涉及推送营销信息的方法和装置。
背景技术：
随着科技的发展，商家向客户推送营销信息的方式也呈现多样化，然而现有技术中对商家的营销信息的推送较为粗放，送达目标客户的精准度较低。例如，传统的线上营销模式主要是通过分析用户的消费记录、消费习惯等得到用户的消费潜力及消费意向，进而开展营销活动，吸引用户消费。但这些数据是扁平的，无法区分地域，因此影响了内容推送的精准度，从而还影响了推送营销信息的推广效果。
因此，希望能有改进的方案，能够更加有效地推送营销信息。
技术实现要素：
本说明书一个或多个实施例描述了一种推送营销信息的方法和装置，能够更加有效地推送营销信息。
第一方面，提供了一种推送营销信息的方法，方法包括：获取终端的当前位置信息；根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域；向所述终端推送与所述热点区域相关联的营销信息。
在一种可能的实施方式中，所述根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域之前，所述方法还包括：确定商户密集区域集合；确定人流密集区域集合；确定所述商户密集区域集合和所述人流密集区域集合的交集，将该交集作为所述热点区域集合。
在一种可能的实施方式中，所述确定商户密集区域集合，包括：从商户基础数据中获得商户位置信息；根据所述商户位置信息，基于空间密度聚类确定所述商户密集区域集合。
在一种可能的实施方式中，所述根据所述商户位置信息，基于空间密度聚类确定所述商户密集区域集合，包括：基于所述商户位置信息对应的商户的优先级对搜索半径动态调整；基于动态调整的所述搜索半径通过空间密度聚类确定所述商户密集区域集合。
在一种可能的实施方式中，所述确定人流密集区域集合，包括：从预设时间周期内的用户历史运动轨迹中获取用户所在位置信息；从所述预设时间周期内的交易数据中获取用户交易位置信息；根据所述用户所在位置信息和所述用户交易位置信息，基于空间密度聚类确定所述人流密集区域集合。
在一种可能的实施方式中，所述根据所述用户所在位置信息和所述用户交易位置信息，基于空间密度聚类确定所述人流密集区域集合包括：基于所述用户所在位置信息或所述用户交易位置信息对应的用户的优先级对搜索半径动态调整；基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合。
在一种可能的实施方式中，所述根据所述用户所在位置信息和所述用户交易位置信息，基于空间密度聚类确定所述人流密集区域集合包括：基于所述用户所在位置信息或所述用户交易位置信息对应的位置优先级对搜索半径动态调整，其中，所述用户所在位置信息对应的位置优先级低于所述用户交易位置信息对应的位置优先级；基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合。
在一种可能的实施方式中，所述获取终端的当前位置信息，包括：获取终端周期性上报的所述终端的当前位置信息；或者，获取终端响应于所述终端上的特定操作行为上报的所述终端的当前位置信息。
在一种可能的实施方式中，所述向所述终端推送与所述热点区域相关联的营销信息，包括：确定所述热点区域对应的营销规则；向所述终端推送与所述营销规则相匹配的营销信息。
第二方面，提供了一种推送营销信息的装置，装置包括：
获取单元，用于获取终端的当前位置信息；
确定单元，用于根据所述获取单元获取的当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域；
推送单元，用于向所述终端推送与所述确定单元确定的热点区域相关联的营销信息。
第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
第四方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
通过本说明书实施例提供的方法和装置，预先确定热点区域集合，在向用户使用的终端推送营销信息时，先要获取终端的当前位置信息，然后根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域，再向所述终端推送与所述热点区域相关联的营销信息。由上可见，只有当终端归属于热点区域内时，才向终端推送营销信息，否则不推送营销信息，并且，向所述终端推送的营销信息与终端归属的热点区域相关联，从而能够提高内容推送的精准度，相应地能够更加有效地推送营销信息。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
图1为本说明书披露的一个实施例的实施场景示意图；
图2示出根据一个实施例的推送营销信息的方法流程图；
图3示出根据一个实施例的热点区域集合示意图；
图4示出根据一个实施例的确定一个热点区域的示意图；
图5示出根据一个实施例的空间密度聚类示意图；
图6示出根据一个实施例的推送营销信息的过程示意图
图7示出根据一个实施例的推送营销信息的装置的示意性框图。
具体实施方式
下面结合附图，对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。如图1所示，服务端11，例如支付宝服务器，获取终端12的当前位置信息；根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端12归属的热点区域；向所述终端12推送与所述热点区域相关联的营销信息。可以理解的是，当用户使用的终端12进入某一热点区域后，在满足预先设定的数据上报条件时，向服务端11进行数据上报，上报的数据可以但不限于包括终端12的当前位置信息，例如，还可以包括终端12的标识。服务端11针对终端12上报的数据进行处理，由于服务端11具体可以为云平台，上述处理也可以称为云端处理，上述处理具体可以包括：根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端12归属的热点区域；向所述终端12推送与所述热点区域相关联的营销信息，从而引导用户到附近的商铺进行消费。由于只有当终端12归属于热点区域内时，才向终端12推送营销信息，否则不推送营销信息，并且，向所述终端12推送的营销信息与终端12归属的热点区域相关联，从而能够提高内容推送的精准度，相应地能够更加有效地推送营销信息。
图2示出根据一个实施例的推送营销信息的方法流程图，该方法的执行主体可以是图1所示的服务端。如图2所示，该实施例中推送营销信息的方法包括以下步骤：步骤21，获取终端的当前位置信息；步骤22，根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域；步骤23，向所述终端推送与所述热点区域相关联的营销信息。下面描述以上各个步骤的具体执行方式。
首先在步骤21，获取终端的当前位置信息。可以理解，服务端可以获取终端周期性(例如，上报周期为10分钟)上报的所述终端的当前位置信息；或者，获取终端响应于所述终端上的特定操作行为上报的所述终端的当前位置信息，上述特定操作行为可以但不限于包括如下至少一种：打开服务端对应的APP、切换到服务端对应的APP、利用服务端对应的APP进行支付、点击服务端对应的APP、与服务端进行通讯。
接着在步骤22，根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域。可以理解，此处的热点区域集合可以包括多个热点区域，例如，图3所示的热点区域1、热点区域2和热点区域3，服务端可以保存每个热点区域的边界坐标，根据所述当前位置信息的坐标和每个热点区域的边界坐标，可以确定所述终端归属的热点区域。其中，图3所示的热点区域的形状仅为示意，实际中热点区域的形状可能为规则的几何形状，也可能为不规则的几何形状。
然后在步骤23，向所述终端推送与所述热点区域相关联的营销信息。在一个示例中，针对每个热点区域的特点，可以为不同的热点区域配置不同的营销规则。可以理解，在步骤23，可以先确定所述热点区域对应的营销规则，然后向所述终端推送与所述营销规则相匹配的营销信息。例如，不同热点区域对应的营销规则可以如表一所示。
表一
可以理解的是，表一仅为示例，实际中可以根据多项参考要素确定营销规则，例如，终端归属的热点区域可以作为其中一个参考要素，还可以将业务类型、用户的年龄、性别、国籍、消费能力等作为其他的参考要素，这些参考要素结合起来共同来确定营销规则，从而达到更为精准的营销。
通过本说明书实施例提供的方法，预先确定热点区域集合，在向用户使用的终端推送营销信息时，先要获取终端的当前位置信息，然后根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域，再向所述终端推送与所述热点区域相关联的营销信息。由上可见，只有当终端归属于热点区域内时，才向终端推送营销信息，否则不推送营销信息，并且，向所述终端推送的营销信息与终端归属的热点区域相关联，从而能够提高内容推送的精准度，相应地能够更加有效地推送营销信息。
由于确定热点区域集合的结果与推送营销信息密切相关，下面通过示例重点介绍如何确定热点区域集合。
在一个示例中，先分别确定商户密集区域集合和人流密集区域集合，再确定所述商户密集区域集合和所述人流密集区域集合的交集，将该交集作为所述热点区域集合。可以理解，商户密集区域集合包括多个商户密集区域，人流密集区域集合包括多个人流密集区域。热点区域集合中每个热点区域的确定方式相同，图4中示出了确定一个热点区域的示意图，可以理解，图4中的人流密集区域可以为人流密集区域集合中的任一人流密集区域，图4中的商户密集区域可以为商户密集区域集合中的任一商户密集区域。
具体地，可以采用如下方式确定商户密集区域集合：从商户基础数据中获得商户位置信息；根据所述商户位置信息，基于空间密度聚类确定所述商户密集区域集合。可以理解的是，可以先对商户位置信息进行格式化处理，例如，将街道门牌号等表示的商户位置信息转换为地理坐标表示的商户位置信息，然后再基于空间密度聚类确定所述商户密集区域集合。
本说明书实施例中，对于上述空间密度聚类可以采用的算法不做具体限定。
聚类，作为一种最常见的无监督学习技术，可以帮助人们给数据自动打标签，已经获得了广泛应用。聚类的目的就是把不同的数据点按照它们的相似与相异度分割成不同的簇(注意：簇就是把数据划分后的子集)，确保每个簇中的数据都是尽可能相似，而不同的簇里的数据尽可能的相异。从模式识别的角度来讲，聚类就是在发现数据中潜在的模式，帮助人们进行分组归类以达到更好理解数据的分布规律。
图5示出根据一个实施例的空间密度聚类示意图，相比其他的聚类方法，基于密度的聚类方法可以在有噪音的数据中发现各种形状和各种大小的簇。最典型的代表算法其核心思想就是先发现密度较高的点，然后把相近的高密度点逐步都连成一片，进而生成各种簇。算法实现上就是，对每个数据点为圆心，以搜索半径为半径画个圈，然后数有多少个点在这个圈内，这个数就是该点密度值。然后我们可以选取一个密度阈值，如圈内点数小于密度阈值的圆心点为低密度的点，而大于或等于密度阈值的圆心点为高密度的点(称为核心点)。如果有一个高密度的点在另一个高密度的点的圈内，我们就把这两个点连接起来，这样我们可以把好多点不断地串联出来。之后，如果有低密度的点也在高密度的点的圈内，把它也连到最近的高密度点上，称之为边界点。这样所有能连到一起的点就成了一个簇，而不在任何高密度点的圈内的低密度点就是异常点。
在一个示例中，可以基于所述商户位置信息对应的商户的优先级对搜索半径动态调整；基于动态调整的所述搜索半径通过空间密度聚类确定所述商户密集区域集合。例如，如果商户的优先级较高，则可以调高搜索半径，从而可以使具有较高优先级的商户更易于加入到商户密集区域中。
在一个示例中，从预设时间周期内的用户历史运动轨迹中获取用户所在位置信息；从所述预设时间周期内的交易数据中获取用户交易位置信息；根据所述用户所在位置信息和所述用户交易位置信息，基于空间密度聚类确定所述人流密集区域集合。
可选地，基于所述用户所在位置信息或所述用户交易位置信息对应的用户的优先级对搜索半径动态调整；基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合。例如，如果用户的优先级较高，则可以调高搜索半径，从而可以使具有较高优先级的用户更易于加入到人流密集区域中。
可选地，基于所述用户所在位置信息或所述用户交易位置信息对应的位置优先级对搜索半径动态调整，其中，所述用户所在位置信息对应的位置优先级低于所述用户交易位置信息对应的位置优先级；基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合，从而可以使用户交易位置信息对应的位置更易于加入到人流密集区域中。
以上仅仅是给出了基于空间聚类算法确定热点区域集合的具体例子。在阅读这些例子的情况下，本领域技术人员可以对其进行修改、替换、结合或扩展，从而采用更多种聚类方式，这些都应该涵盖在本说明书的构思之中。并且，确定商户密集区域和确定人流密集区域各自采用的空间聚类算法可以相同，也可以不同。
图6示出根据一个实施例的推送营销信息的过程示意图。本方法依赖以下基础设施：具有位置服务(location based services，LBS)定位能力、支付能力、推送能力的应用，如：支付宝钱包APP；商户位置信息，如：口碑的商户数据，或者网络上爬取的店铺兴趣点(point of interest，POI)信息。如图6所示，首先清洗商户基础数据，将商户位置信息还原到地理坐标系中，通过空间聚类算法得到密度较大的地理区域，也就是得到商户密集区域集合；然后清洗用户轨迹及交易数据，将一段时间内发生交易的位置信息和用户所在位置信息还原到地理坐标系中，通过空间聚类算法得到密度较大的地理区域，也就是得到人流密集区域集合；再将以上两类区域做重叠判断，两者的交集即是人多店多的热点区域集合，具有极高的营销潜力；当用户进入热点区域时，APP会采集用户数据(包括用户位置信息)并发送到服务端，服务端通过营销规则计算得到一组推荐的营销内容，然后推送给用户，完成精准营销。
需要说明的是，在确定热点区域时，可以结合店铺、人流的特征值，计算出不同类型的结果，从而进行更细粒度、更多维度的营销。
根据另一方面的实施例，还提供一种推送营销信息的装置。图7示出根据一个实施例的推送营销信息的装置的示意性框图。如图7所示，该装置700包括：
获取单元71，用于获取终端的当前位置信息；
确定单元72，用于根据所述获取单元71获取的当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域；
推送单元73，用于向所述终端推送与所述确定单元72确定的热点区域相关联的营销信息。
在一个示例中，所述确定单元72，还用于在所述根据所述获取单元71获取的当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域之前，确定商户密集区域集合，确定人流密集区域集合，确定所述商户密集区域集合和所述人流密集区域集合的交集，将该交集作为所述热点区域集合。
在一个示例中，所述确定单元72，具体用于从商户基础数据中获得商户位置信息，根据所述商户位置信息，基于空间密度聚类确定所述商户密集区域集合。
在一个示例中，所述确定单元72，具体用于基于所述商户位置信息对应的商户的优先级对搜索半径动态调整，基于动态调整的所述搜索半径通过空间密度聚类确定所述商户密集区域集合。
在一个示例中，所述确定单元72，具体用于从预设时间周期内的用户历史运动轨迹中获取用户所在位置信息，从所述预设时间周期内的交易数据中获取用户交易位置信息，根据所述用户所在位置信息和所述用户交易位置信息，基于空间密度聚类确定所述人流密集区域集合。
在一个示例中，所述确定单元72，具体用于基于所述用户所在位置信息或所述用户交易位置信息对应的用户的优先级对搜索半径动态调整，基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合。
在一个示例中，所述确定单元72，具体用于基于所述用户所在位置信息或所述用户交易位置信息对应的位置优先级对搜索半径动态调整，其中，所述用户所在位置信息对应的位置优先级低于所述用户交易位置信息对应的位置优先级，基于动态调整的所述搜索半径通过空间密度聚类确定所述人流密集区域集合。
在一个示例中，所述获取单元71，具体用于获取终端周期性上报的所述终端的当前位置信息；或者，获取终端响应于所述终端上的特定操作行为上报的所述终端的当前位置信息。
在一个示例中，所述推送单元73，具体用于确定所述热点区域对应的营销规则；向所述终端推送与所述营销规则相匹配的营销信息。
通过以上装置，预先确定热点区域集合，在向用户使用的终端推送营销信息时，先要由获取单元71获取终端的当前位置信息，然后由确定单元72根据所述当前位置信息，从预先确定的热点区域集合中确定所述终端归属的热点区域，再由推送单元73向所述终端推送与所述热点区域相关联的营销信息。由上可见，只有当终端归属于热点区域内时，才向终端推送营销信息，否则不推送营销信息，并且，向所述终端推送的营销信息与终端归属的热点区域相关联，从而能够提高内容推送的精准度，相应地能够更加有效地推送营销信息。
根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2和图6所描述的方法。
根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2和图6所述的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。