基于用户群组的消息推送方法、装置及计算机设备与流程

本发明涉及数据处理技术领域，具体而言，本发明涉及一种基于用户群组的消息推送方法、装置及计算机设备。

背景技术：

随着信息时代的信息数量的增多，在当前的场景中对用户进行一定数量的信息推送。

现有的技术方案一般是批量对已经掌握用户资料的用户进行全覆盖的信息推送。例如，在一些信息推送的场景中，需要向运营商获取信息推送的配额，再向用户全体进行无差别推送。

在上述例子中，向运营商获取信息推送的配额需要一定成本，而且还会导致用户无法对应被推送到准确的信息。现有技术中批量对用户推送信息将导致信息推送准确率低、转化率低、效果差，还进一步提升了信息推送的成本。

技术实现要素：

本发明的目的旨在至少能解决上述的技术缺陷之一，特别是信息推送准确率低、转化率低、推送效果差的技术缺陷。

本申请提供一种基于用户群组的消息推送方法，包括：

根据待推送信息的内容对待推送信息进行分类得到分类信息；

获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息；

根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户。

在一种实施例中，所述获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息的步骤之前，还包括：

采集各个用户在指定时间段内的点击行为、转发行为、收藏行为、投保行为、购买行为、关闭行为、投诉行为的至少一种用户行为；

统计在所述指定时间段内所述用户行为的发生频次和/或对应用户行为的时间节点生成行为时间参数；

根据所述用户行为和行为时间参数生成用户行为信息。

在一种实施例中，所述根据待推送信息的内容对待推送信息进行分类得到分类信息的步骤，包括：

从所述待推送信息的内容中提取相应的关键词；

根据所述关键词在待推送信息的分类列表中匹配分类得到分类信息。

在一种实施例中，所述获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息的步骤，包括：

根据用户的交互行为得到用户行为信息；

将用户行为信息输入预先经过训练的用户分类模型中将用户分群为若干用户群组；

根据用户所划分的用户群组得到用户分群信息。

在一种实施例中，所述根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户的步骤，包括：

将所述用户分群信息输入推送类别模型匹配分类信息；

根据分类信息获取对应的待推送信息；

根据用户分群信息将待推送信息推送至用户群组内的用户。

在一种实施例中，将所述用户分群信息输入推送类别模型匹配分类信息的步骤之前，还包括：

提取用户分群信息中各用户群组的用户特征信息；

获取用户分群信息对应各用户群组的历史推送信息；

根据历史推送信息对应的历史行为信息计算得到反馈值；

筛选反馈值大于反馈阈值的历史推送信息并提取历史推送信息中的历史推送特征信息；

根据用户特征信息和历史推送特征信息的关系生成推送类别模型。

在一种实施例中，所述根据待推送信息的内容对待推送信息进行分类得到分类信息的步骤之前，还包括：

提取用户行为信息中的数量阈值；

获取指定时间段内对用户推送待推送信息的已推送数量；

当已推送数量小于数量阈值时，根据待推送信息的内容对待推送信息进行分类得到分类信息。

本申请还提供一种基于用户群组的消息分群推送装置，包括：

分类单元，用于根据待推送信息的内容对待推送信息进行分类得到分类信息；

分群单元，用于获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息；

推送单元，用于根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户。

本申请还提供一种电子设备，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为如上述任一项实施例所述基于用户群组的消息推送方法的步骤。

本申请的还提供一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行如上述任一项实施例所述基于用户群组的消息推送方法的步骤。

上述基于用户群组的消息推送方法，通过根据待推送信息的内容对待推送信息进行分类得到分类信息；获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息；根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户的技术方案，针对用户进行划分用户群组，根据用户群组对应用户分群信息匹配分类信息得到待推送信息，最终向用户群组中的用户推送特定的分类的待推送信息，能够提升待推送信息的推送准确性，进而提升待推送信息的推送效率，避免无效推送或者引起反作用的消极推送。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为实施例中基于用户群组的消息推送方法的应用场景示意图；

图2为实施例中基于用户群组的消息推送方法的方法流程图；

图3为实施例中得到分类信息的方法流程图；

图4为本实施例的到用户分群信息的方法流程图；

图5为实施例的获取对应分类待推送信息并推送的方法流程图；

图6为实施例中生成推送类别模型的方法流程图；

图7为实施例中限制推送数量的方法流程图；

图8示出实施例中基于用户群组的消息推送装置的装置结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

为了克服信息推送中准确率低、转化率低、推送效果差的技术缺陷，本实施例提供一种基于用户群组的消息推送方法。在本实施例中，以图1中的场景进行示例性的展示。

图1展示了基于用户群组的消息推送方法的一种示例性应用场景。其中，消息推送平台通过与手机11之间的网络连接获取a用户的行为信息，a用户的指令也可以通过手机11并借助网络连接反馈到消息推送平台。前述的手机11还可以是其他终端，例如是电脑、平板、电子书阅读器等电子设备。消息推送平台还分别与消息数据库和用户管理系统进行数据传输。

图2中展示了本实施例的基于用户群组的消息推送方法，包括步骤：

步骤s21：根据待推送信息的内容对待推送信息进行分类得到分类信息。

其中，分类信息是指待推送信息的内容相关的分类，例如可以是介绍类待推送信息、提醒类待推送信息等分类，还可以是根据业务内容进行分类，例如投保类待推送信息、存款类待推送信息、理财类待推送信息等分类。

步骤s22：获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息。

在上述步骤中用户行为信息包括用户在指定时间段内的点击行为、转发行为、收藏行为、投保行为、购买行为、关闭行为、投诉行为及其发生频次和/或时间节点。用户分群信息是记录用户群组的分布情况的信息，可以是具体用户属于某个群组的信息，也可以是某群组中包括具体用户的信息。此外，相同的用户还可以在多个群组中。

步骤s23：根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户。

在上述实现的过程中，消息推送平台可以通过消息数据库获取待推送信息。待推送信息的分类可以通过消息数据库进行，此时消息推送平台可以直接获取待推送信息的分类信息。当然，消息推送平台可以获取消息数据库中的待推送信息再进行分类。

消息推送平台可以通过用户管理系统获取用户的用户行为信息，再根据用户行为信息将用户分群为若干用户群组并得到用户分群信息。此外，用户管理系统可以对登入的用户预先进行分群，得到相应更新的用户群组和对应的用户分群信息。用户管理系统在用户注册或者在用户维护的过程中完成相应用户群组的划分，得到用户分群信息。

消息推送平台根据用户分群信息中的不同用户群组，分别根据分类信息匹配对应分类的待推送信息。不同的用户群组根据相应的用户群组特征匹配相应的分类信息。消息推送平台再根据相应的分类信息从消息数据库中获取对应分类信息的待推送消息。最后，消息推送平台依据不同用户群组对应的分类信息对应推送待推送消息。

上述基于用户群组的消息推送方法的技术方案，通过用户行为信息的用户交互行为特征以及对应待推送信息的分类的关联进行推送，能够提升待推送消息的推送准确性，使待推送消息得推送更针对用户的用户行为特征，具有较高的转化率，提升了推送的效率。

本申请实施例中还提供一种生成用户行为信息的技术方案，步骤s22获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息的步骤之前，还包括：

步骤b1：采集各个用户在指定时间段内的点击行为、转发行为、收藏行为、投保行为、购买行为、关闭行为、投诉行为的至少一种用户行为。

步骤b2：统计在所述指定时间段内所述用户行为的发生频次和/或对应用户行为的时间节点生成行为时间参数。

步骤b3：根据所述用户行为和行为时间参数生成用户行为信息。

在上述过程中，步骤b1可以通过手机11采集用户在特定时间段(例如是一个自然日)内的用户行为。用户行为可以包括点击行为、转发行为、收藏行为、投保行为、购买行为、关闭行为、投诉行为。

其中，以点击行为为例，用户a可以借助手机11等手持设备或者立式柜台，通过点击指定的位置或者通过点击的方式发出操作指令。除此之外，用户a还可以采用滑动、重压等其他操作，作为用户a的操作行为之一。继续以转发行为为例，用户a可以通过点击按钮、保存转发链接、保存带有特定指向链接的图片时，可以确认用户a作出转发行为。再举一个例子，用户a通过关闭手机11上特定的展示页面时，可以确认采集此时用户a的行为作为关闭行为。更进一步，若用户在阅读该页面时的阅读时间小于设定的关闭时间时，记录该用户的关闭行为。关闭时间可以采用对应页面的平均阅读时长或者根据字数和阅读速度计算得到的预设阅读时长。通过阅读时长的参数，可以排除用户正常的关闭行为，采集得到用户不正常的关闭行为。当然，在另一些实施例中，还可以通过用户a停留的阅读位置判断用户是否属于正常的关闭行为。通过上述对关闭行为的采集，可以采集得到准确的用户行为，避免不准确的用户行为对后续数据处理产生影响。

在本实施例中，步骤b2中手机11还可以继续采集上述用户行为的对应发生的时间节点、在特定时间段(例如是上述的一个自然日)内发生的频次等时间信息，生成时间参数。例如，在一个自然日内，手机11采集到用户a在上午八点至九点共发生五次转发行为，在下午七点至八点之间共发生六次转发行为，其他时间没有采集到转发行为。此时根据前述的转发行为发生频次和时间节点，可以得到相应的时间参数，时间参数可以量化为转发行为在上午八点至九点和下午七点至八点之间的时间段最为集中，发生频次为11次/日。当然，上述的时间参数可以表述为其他的形式，例如坐标、向量或者量化得到的时间参数。根据上述采集得到的用户行为和行为时间参数生成用户行为信息。

为了更好地实现分类，本实施例中提供一种技术方案，请参考图3，步骤s21根据待推送信息的内容对待推送信息进行分类得到分类信息的步骤，包括：

步骤s31：从所述待推送信息的内容中提取相应的关键词。

步骤s32：根据所述关键词在待推送信息的分类列表中匹配分类得到分类信息。

在上述步骤中，消息推送平台从消息数据库中获取待推送信息，根据待推送信息的内容，相应提取关键词信息。消息推送平台获取分类列表，并根据所述关键词在分类列表上的分类或者与分类列表上分类相近的分类，作为待推送信息的分类信息。例如，在待推送信息中提取得到关键词“余额、入账”在分类列表上可以匹配得到相应的分类为提醒类待推送信息。

再例如，在待推送信息中提取得到关键词“投保、重疾、保额”在分类列表上未匹配得到相应的分类。此时可以对关键词进行神经卷积网络运算得到相近的关键词，再在分类列表上匹配。此外，还可以在生成分类列表时，就将与分类相关的词或词库关联到分类列表中。再者，还可以通过相关度运算匹配分类信息，例如上述分类列表中的“保险”与关键词“投保、重疾、保额”的相关度较高，此时得到分类信息为“保险”的错误概率较低，可以将“保险”作为上述待推送信息的分类信息。分类列表还可以在一定的周期内，根据待推送信息的内容进行分类的更新，以保持分类列表的准确性和及时性。

为了更准确对用户划分群组，得到更准确的用户分群信息，本实施例中还提供一种技术方案，请参考图4，步骤s22获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息的步骤，包括：

步骤s41：根据用户的交互行为得到用户行为信息。

步骤s42：将用户行为信息输入预先经过训练的用户分类模型中将用户分群为若干用户群组。

步骤s43：根据用户所划分的用户群组得到用户分群信息。

在上述过程中，请结合图1的应用场景，消息推送平台可以通过手机11获取a用户当前的交互行为进行处理。消息推送平台根据交互行为的类型、发生频率生成用户行为信息。将用户行为信息输入消息推送平台中预先经过训练的用户分类模型，将用户分群为用户群组。以点击率作为用户行为信息的例子，若用户对提醒类的消息的点击率为90％，对推广类的消息的点击率为30％，那么将该用户划分到提醒类用户群组中；若用户对提醒类的消息的点击率为85％，对推广类的消息的点击率为88％，那么将该用户划分到全消息用户群组中。当然，除了点击率之外，还可以通过用户行为信息中的转发率、阅读时长、二次点击率、手机客户端使用率、推广转化率等等参数进行用户群组的划分。更进一步，为了更精确地反映用户交互行为的特征，可以将前述参数以一定的比例系数组合在一起，形成复合的用户行为信息。

通过上述用户行为信息划分用户而得到的用户群组中，在后续待推送信息的推送后，上述用户群组内的用户都具有相似的交互行为。例如，全消息用户群组中的用户对全部类型的待推送消息的反馈率为80％；提醒类用户群组中的用户对提醒类的待推送消息的反馈率为85％，对推广类的待推送消息的反馈率为10％；推广类用户群组中的用户对推广类的待推送消息的反馈率为75％，对提醒类的待推送消息的反馈率为30％。

为了进一步提升待推送信息的准确性，本申请的实施例中还提供一种技术方案，请参考图5，步骤s23根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户的步骤，包括：

步骤s51：将所述用户分群信息输入推送类别模型匹配分类信息。

步骤s52：根据分类信息获取对应的待推送信息。

步骤s53：根据用户分群信息将待推送信息推送至用户群组内的用户。

在上述过程中，请结合图1的应用场景，消息推送平台将所述用户分群信息输入消息数据库中的推送类别模型，通过消息数据库中的推送类别模型匹配得到用户分群信息对应的分类信息。根据得到的分类信息，消息推送平台从消息数据库中获取对应分类信息的待推送信息。例如，对用户分群信息中提醒类用户群组，消息推送平台将提醒类用户群组的用户分群信息输入上述消息数据库中的推送类别模型，得到对应的分类是提醒类信息。据此，消息推送平台从消息数据库中获取对应提醒类信息的待推送信息，例如是余额状态提醒信息、年费缴纳提醒信息、消费记录提醒信息等。

消息推送平台根据用户分群信息所记载的用户群组信息，将上述匹配得到的提醒类信息推送至用户群组内的用户(例如是a用户)，消息推送平台通过网络连接将上述提醒类信息作为待推送信息推送到a用户的手机11上，由手机11向a用户进行展示或提醒。

更进一步，消息推送平台或消息数据库针对不同的待推送信息预先经过有效性筛选。有效性筛选可以时间条件、资格条件等筛选条件。以时间条件为例，根据待推送信息中记载的最后有效时间和当前时间的比较，确认当前时间在最后有效时间之前，否则对应的待推送信息为过期信息，对于过期信息可以不参与消息数据库或者消息推送平台的分类信息匹配、消息推送等步骤。以资格条件为例，根据待推送信息对应目标用户的资格条件，在将要推送的用户群组中进一步筛选符合资格条件的用户，再向符合资格条件的用户推送待推送信息，避免不符合资格条件的用户接收到待推送信息等准确性问题。上述有效性筛选的技术方案，一方面提升了消息推送的有效性，另一方面有效降低无效信息对处理资源的占用，进一步提升消息推送的效率和速度。

除了上述应用场景的交互过程，本实施例中的推送类别模型也可以内嵌到消息推送平台中，提升消息推送平台对待推送信息进行分类的速度，有利于提升效率。

为了更进一步提升待推送信息的准确性，本申请的实施例中还提供一种生成推送类别模型技术方案，请参考图6，步骤s51将所述用户分群信息输入推送类别模型匹配分类信息的步骤之前，还包括：

步骤s61：提取用户分群信息中各用户群组的用户特征信息。

步骤s62：获取用户分群信息对应各用户群组的历史推送信息。

步骤s63：根据历史推送信息对应的历史行为信息计算得到反馈值。

步骤s64：判断历史推送信息的反馈值是否大于反馈阈值。若是，执行步骤s65。

其中，反馈值是各用户群组对历史推送信息的反馈行为的比率，例如用户群组中用户对历史推送信息的总点击次数、总浏览时长等对历史推送信息有反馈的用户行为数据。上述反馈阈值是针对反馈值在相同类型的用户行为数据进行比较的阈值。例如，当反馈值选用总点击次数时，那么反馈阈值相应是点击次数阈值。

步骤s65：从历史推送信息中提取得到历史推送特征信息。

步骤s66：根据用户特征信息和历史推送特征信息的关系生成推送类别模型。

上述生成推送类别模型的步骤，可以在消息推送平台、消息数据库或者在外部训练生成后再输入前述两者中。在本实施例中，例如推送类别模型在消息推送平台生成。从用户管理系统中获取用户分群信息后，消息推送平台可以提取用户分群信息中各用户群组的用户特征信息，这些特征可以是用户对信息的点击率或者平均浏览时长、提出信用卡申请请求、提出消费信贷的请求等特征信息，还可以是用户的职业、存款状态、贷款状态、保险状态等状态的特征信息。从消息数据库中获取一段时间(例如是一个自然月)内对用户分群信息中各个用户群组推送的历史推送信息，消息推送平台获取用户分群信息对应各用户群组的历史推送信息。消息推送平台判断上述多条历史推送信息的反馈值是否大于反馈阈值。若是，执行步骤s65，消息推送平台提取反馈值是否大于反馈阈值的历史推送信息对应的历史推送特征信息。其中，历史推送特征信息可以是历史推送信息的关键词、分类等特征信息。其后，消息推送平台可以根据上述提取的用户特征信息和历史推送特征信息的映射关系，生成推送类别模型。

为了控制待推送信息的推送数量，请参考图7本申请所提供一种技术方案，步骤s21根据待推送信息的内容对待推送信息进行分类得到分类信息的步骤之前，还包括：

步骤s71：提取用户行为信息中的数量阈值。

其中，数量阈值可以理解为是用户可接受推送信息的数量上限，可以包括信息数量或者信息阅读时长等。

步骤s72：获取指定时间段内对用户推送待推送信息的已推送数量。

步骤s73：判断已推送数量是否小于数量阈值。若是，执行步骤s74；若否，执行步骤s75。

步骤s74：根据待推送信息的内容对待推送信息进行分类得到分类信息。

步骤s75：不推送待推送信息。

在上述过程中，请结合图1的应用场景，在步骤s21之前，消息推送平台可以根据用户行为信息提取得到数量阈值。用户行为信息可以是消极的用户交互行为，例如退出程序、小于指定浏览时间关闭页面、投诉请求关闭推送权限等交互行为。以具体的场景为例，当a用户单日接收的待推送信息达到10条时或者待推送信息的阅读总时长达到30min时，a用户退出程序，此时可以通过用户的退出行为，提取a用户的数量阈值可以是待推送信息达到10条或者阅读总时长达到30min。

消息推送平台可以获取对应数量阈值的指定时间段内，对a用户推送待推送信息的已推送数量。例如，数量阈值的周期是单日，那么指定时间段相应可以设定为单日或者一段时间内的单日平均值。消息推送平台判断已推送数量是否小于数量阈值。例如，在当日消息推送平台已经推送的待推送信息的数量为8条，小于上述数量阈值的10条，此时可以继续推送。那么，消息推送平台可以执行步骤s74根据待推送信息的内容对待推送信息进行分类得到分类信息或者执行步骤s21。如果在当日消息推送平台已经推送的待推送信息的数量为11条，大于上述数量阈值的10条，此时继续推送会引发用户的消极交互行为。因此，消息推送平台不进行推送，消息推送平台执行步骤s75，也可以理解为此时消息推送平台不执行步骤s21。上述技术方案中，通过用户行为信息提取得到的数量阈值形成的推送信息限制，一方面能够限制待推送信息的推送量，避免引发用户的消极交互行为，起到相反的作用。另一方面，在步骤s21之前预先判断待推送信息总量是否超出数量阈值，还可以降低消息推送平台处理数据的数据量，提升消息推送平台的处理速度和效率，以便于待推送信息的快速推送。

请参考图8，本申请还提供一种对应上述基于用户群组的消息分群推送方法的基于用户群组的消息分群推送装置，包括：

分类单元81，用于根据待推送信息的内容对待推送信息进行分类得到分类信息；

分群单元82，用于获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息；

推送单元83，用于根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户。

本申请的实施例还提供一种电子设备，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为如上述任一项实施例所述基于用户群组的消息推送方法的步骤。

本申请的实施例还提供一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行如上述任一项实施例所述基于用户群组的消息推送方法的步骤。

上述基于用户群组的消息推送方法，通过根据待推送信息的内容对待推送信息进行分类得到分类信息；获取用户的用户行为信息，并根据用户行为信息将用户分群为若干用户群组，得到用户分群信息；其中，所述用户行为信息是用户交互过程中的行为信息，所述用户分群信息是用户分群的信息；根据用户分群信息匹配分类信息中对应分类的待推送信息，将待推送信息推送至用户群组内的用户的技术方案，针对用户进行划分用户群组，根据用户群组对应用户分群信息匹配分类信息得到待推送信息，最终向用户群组中的用户推送特定的分类的待推送信息，能够提升待推送信息的推送准确性，进而提升待推送信息的推送效率，避免无效推送或者引起反作用的消极推送。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。