信息推送方法、装置及电子设备与流程

1.本技术属于数据处理领域，尤其涉及一种信息推送方法、装置及电子设备。


背景技术：

2.随着互联网技术的发展，除了传统的电话和短信信息推送外，还有通过app、小程序和公众号进行信息推送。
3.目前，app内系统自动化信息推送方法越来越多，通过管理员创建信息推送计划，可自动化实现信息推送，但自动化信息推送的针对性差、转化率不高。


技术实现要素：

4.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种本技术提出一种信息推送方法、装置及电子设备，提高了推送信息的准确率与转化率。
5.第一方面，本技术提供了一种信息推送方法，该方法包括：获取用户的用户属性标签，并获取多个信息内容标签，所述多个信息内容标签与待推送的多条推送信息一一对应；
6.基于所述用户属性标签和所述多个信息内容标签，确定多个第一相似度，所述多个第一相似度与所述多条推送信息一一对应；
7.基于所述多个第一相似度，从待推送的所述多条推送信息中确定第一推送信息，并向所述用户推送所述第一推送信息。
8.根据本技术实施例提供的信息推送方法，通该方法通过用户属性标签和信息内容标签，计算用户与信息相匹配的第一相似度，确定出与用户更加匹配的第一推送信息，有助于提升推送信息的转化率。
9.根据本技术的一个实施例，在所述向所述用户推送所述第一推送信息之后，所述方法还包括：
10.获取多个所述用户基于所述第一推送信息的反馈行为信息；
11.基于所述反馈行为信息，确定所述多条推送信息各自的热度评分；
12.基于所述热度评分和所述多个第一相似度，确定多个第二相似度；
13.基于所述多个第二相似度，从待推送的所述多条推送信息中确定第二推送信息，并向所述用户推送所述第二推送信息。
14.根据本技术的一个实施例，在所述确定所述多条推送信息各自的热度评分之后，在所述基于所述热度评分和所述多个第一相似度，确定多个第二相似度之前，所述方法还包括：
15.基于热度系数处理所述热度评分。
16.根据本技术的一个实施例，所述反馈行为信息包括点击行为信息、参与行为信息、分享行为信息和收藏行为信息中的至少一个。
17.根据本技术的一个实施例，所述获取用户的用户属性标签，包括：
18.获取所述用户的网络行为数据，所述网络行为数据包括业务数据和非业务数据；
19.基于所述网络行为数据，生成用户属性表；
20.基于所述用户属性表，确定所述用户属性标签。
21.根据本技术的一个实施例，所述用户属性表包括用户个人属性、用户行为信息、统计类用户信息和用户形成频次中的至少一个用户标签数据。
22.第二方面，本技术提供了一种信息推送装置，该装置包括：获取模块，用于获取用户的用户属性标签，并获取多个信息内容标签，所述多个信息内容标签与待推送的多条推送信息一一对应；
23.第一处理模块，用于基于所述用户属性标签和所述多个信息内容标签，确定多个第一相似度，所述多个第一相似度与所述多条推送信息一一对应；
24.第二处理模块，用于基于所述多个第一相似度，从待推送的所述多条推送信息中确定第一推送信息，并向所述用户推送所述第一推送信息。
25.根据本技术实施例提供的信息推送装置，该方法通过用户属性标签和信息内容标签，计算用户与信息相匹配的第一相似度，确定出与用户更加匹配的第一推送信息，有助于提升推送信息的转化率。
26.第三方面，本技术提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的信息推送方法。
27.第四方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的信息推送方法。
28.第五方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的信息推送方法。
29.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
30.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
31.图1是本技术实施例提供的信息推送方法的流程示意图之一；
32.图2是本技术实施例提供的信息推送方法的流程示意图之二；
33.图3是本技术实施例提供的信息推送方法的流程示意图之三；
34.图4是本技术实施例提供的信息推送方法的流程示意图之四；
35.图5是本技术实施例提供的数据星型模型的结构示意图；
36.图6是本技术实施例提供的信息推送装置的结构示意图；
37.图7是本技术实施例提供的信息推送电子设备的结构示意图。
具体实施方式
38.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
39.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
40.下面参考图1-图7描述本技术实施例的信息推送方法、装置及电子设备。
41.如图1所示，本技术实施例提供的信息推送方法，包括步骤110至步骤130。
42.步骤110、获取用户的用户属性标签，并获取多个信息内容标签。
43.其中，多个信息内容标签与待推送的多条推送信息一一对应。
44.用户属性标签是描述用户信息的标签。
45.信息内容标签是描述信息内容属性的标签。
46.在该步骤中，获取用户的用户属性标签，可以是在企业微信注册时，添加一个选择标签选项，用户可以选择属于自身的标签从而确定用户属性标签；也可以是根据用户的网络访问数据计算得到的标签。
47.步骤120、基于用户属性标签和多个信息内容标签，确定多个第一相似度。
48.其中，多个第一相似度与多条推送信息一一对应。
49.将每一个待推送的推送信息的信息内容标签，均与用户属性标签进行相似度计算，从而可以得到多个对应的第一相似度。
50.第一相似度是描述信息内容标签与用户属性标签相关的数值，数值越大，信息内容与用户属性相关程度越大。
51.步骤130、基于多个第一相似度，从待推送的多条推送信息中确定第一推送信息，并向用户推送第一推送信息。
52.接收第一推送消息的用户可以是某一app的用户，其中app可以是企业微信、微信和微博等。
53.其中，企业微信由于其本身是服务于同一性质集体的app，并且在企业微信中的触达渠道多样，触达方式直接而且高效，在信息推送服务上具有高效、便捷的优势。
54.第一推送信息是从待推送的多条推送信息中确定出的，需要向用户推送的推送信息，第一推送信息相比多条推送信息中的其他推送信息，与用户属性标签的相关度更高。
55.确定第一推送信息可以根据不同的推送原则。
56.例如，可以计算出用户b与多个营销内容的第一相似度，然后将用户b与多个营销内容的第一相似度从大到小排序，最后将第一相似度最大的营销内容推送给用户b。
57.再例如，可以设定一个推送阈值，再计算出用户b与多个营销内容的第一相似度，然后将用户b与不同营销内容的第一相似度与推送阈值相比较，若营销内容与用户b的第一相似度高于推送阈值，则将该营销内容推送至用户b，若营销内容与用户b的第一相似度低于推送阈值，则不推送该营销内容给用户b，若所有营销内容与用户b的第一相似度均低于推送阈值，则再将用户b与多个营销内容的第一相似度从大到小排序，最后将第一相似度最大的营销内容推送给用户b。
58.在本技术实施例中，通过数据采集、数据挖掘、数据处理的方式获得用户属性标
签，再根据确定的多个信息内容标签，以及第一相似度的计算公式，得出用户与多个营销内容的第一相似度，并且每个第一相似度与每条推送信息一一对应，再根据一定的推送原则与多个第一相似度，给用户推送相应的第一推送信息，从而使得推送的营销内容精准，用户的转化率高。
59.根据本技术实施例提供的信息推送方法，该方法通过用户属性标签和信息内容标签，计算用户与信息相匹配的第一相似度，确定出与用户更加匹配的第一推送信息，有助于提升推送信息的转化率。
60.在一些实施例中，向用户推送第一推送信息之后，该方法还可以包括：
61.获取用户基于第一推送信息的多个反馈行为信息；
62.反馈行为信息是用户在接收到第一推送信息后，所进行的业务操作数据和非业务操作数据。
63.其中，反馈行为信息包括点击行为信息、参与行为信息、分享行为信息和收藏行为信息中的至少一个。
64.例如，反馈行为信息可以包括点击行为信息、参与行为信息、分享行为信息和收藏行为信息四个信息；也可以只包括点击行为信息。
65.如图2所示，步骤210、通过前端jssdk收集用户的反馈行为信息，步骤220、将反馈行为信息上传至nginx服务器，步骤230、然后nginx服务器可以进行数据的收集并且生成日志文件，从而获取用户的多个反馈行为信息。
66.基于反馈行为信息，确定多条推送信息各自的热度评分；
67.热度评分是描述推送信息受到用户关注的程度的评分。
68.例如，用户a对点击了推送信息a并分享了推送信息a，对推送信息b仅有点击操作，根据用户a的反馈行为信息，确定推送信息a的热度评分大于推送信息b热度评分。
69.基于热度评分和多个第一相似度，确定多个第二相似度；
70.第二相似度是第一相似度根据用户反馈行为信息的优化后，描述用户属性标签与信息内容标签的相关性的尺度。
71.第二相似度通过多个第一相似度与对应热度评分进行计算，从而获得多个第二相似度。
72.基于多个第二相似度，从待推送的多条推送信息中确定第二推送信息，向用户推送第二推送信息。
73.第二推送信息是从待推送的多条推送信息中确定出的，需要向用户推送的推送信息，第二推送信息相比多条推送信息中的其他推送信息，并且第二推送信息相比第一推送信息，与用户属性标签的相关度更高。
74.在一些实施例中，在确定多条推送信息各自的热度评分之后，在基于热度评分和多个第一相似度，确定多个第二相似度之前，该方法还包括：基于热度系数处理热度评分。
75.热度系数是用来减少热度评分对第二相似度影响的系数。
76.可以理解的是，在引入热度评分后，热门内容的热度得分将会更高，所以若以此来计算第二相似度，则会使得本就热门的内容更加热门，从而造成二八定律，使得引入热度评分的效果大大降低。
77.因此引入热度系数以此来消除二八定律的影响，防止热度评分对相似度的影响过
大。
78.在一些实施例中，获取用户的用户属性标签，包括：获取用户的网络行为数据，网络行为数据包括业务数据和非业务数据；基于网络行为数据，生成用户属性表；基于用户属性表，确定用户属性标签。
79.业务数据是跟业务操作相关的数据，比如：核销、支付、下单等；业务数据是跟业务操作无关的数据，比如：浏览、点击和分享等。
80.通过获取业务数据和非业务数据，再以用户id作为标识，将数据组合生成用户属性表。
81.用户属性表是描述用户各项属性的表，例如表1所示，用户属性表包括用户的姓名、所居住城市、注册账号的日期等。
82.通过用户属性表中描述的不同属性，以及不同属性对应的数据，从而生成用户属性标签。
83.下面以企业微信渠道为例，提供一个配置营销计划的具体实施例。
84.如图3所示，步骤310、在企业微信营销平台创建和配置的营销任务。
85.步骤320、营销计划类型：标准作业型，触发型。
86.标准作业型是将某一事件的标准操作步骤和要求以统一的格式描述出来，用于指导和规范日常的工作。
87.触发型是企业通过策划、组织和利用具有名人效应、新闻价值以及社会影响的人物或事件。
88.步骤330、用户群筛选：根据用户标签，选择带有目标标签的客群。
89.例如，可以选择筛选出标签属性属于25岁-30岁、累计购买该营销产品十次和rfm用户价值为“发展”的用户标签。
90.在完成用户群筛选后，进行企业微信营销计划的配置流程。
91.步骤340、配置营销计划。
92.如图4所示，步骤341、企业微信营销内容配置：创建企业微信展示的营销内容a，b，c，设置内容的所属的信息内容标签，信息内容标签与待推送的营销内容信息一一对应。
93.步骤342、触达通道配置：默认为企业微信营销通道。
94.步骤343、营销工具配置：营销展现的形式，如：抽奖和代金券等。
95.步骤344、触达周期配置：单次或重复，触达时间可以根据不同的营销内容设置成不同的触达时间。
96.例如，对出行工具的营销内容可以选择早上7点-9点、晚上5点-7点作为触达时间。
97.步骤345、营销目标：配置营销任务完成的事件。
98.例如，可以配置营销任务完成的事件为在触达时间内，点击该营销内容的次数大于一万次、浏览该营销内容的次数大于五千次及分享该营销内容的次数大于五百次。
99.完成配置后，即可生成企业微信营销计划，并且在用户访问系统，企业微信中的营销计划任务时，基于用户属性标签和多个信息内容标签，从而确定第一相似度，并且第一相似度与多条推送的信息一一对应。
100.实际执行中，在企业微信营销计划中内容配置，创建了多项的营销内容和标签，包括：企业微信文本、图片、视频、文件和图文等，每一项内容均可以获取到标签矩阵，可以使
用c(a)表示内容a的标签矩阵。
101.在营销计划中选择了客群a，通过标签查询即可获取到客群a的所有用户的标签信息，对用户的所有标签信息处理后，形成每个用户的标签矩阵，使用u(b)表示用户b的一维矩阵的信息。
102.步骤350、通过c(a)、u(b)和第一相似度的计算公式，即可计算出用户b与内容a的第一相似度；同样的，可以计算出用户b与其他营销内容的第一相似度，其中第一相似度的计算公式为：
[0103][0104]
需要说明的是，公式中，u表示用户标签矩阵，c表示内容标签矩阵，i表示某一用户，j表示某一营销内容。
[0105]
在通过企业微信向用户推送第一推送信息之后，方法还包括：获取多个用户基于第一推送信息的反馈行为信息；基于反馈行为信息，确定多条推送信息各自的热度评分；基于热度评分和多个第一相似度，确定多个第二相似度；基于多个第二相似度，从待推送的多条推送信息中确定第二推送信息，并通过企业微信，向用户推送第二推送信息。
[0106]
通过反馈行为信息，后台可以得出用户对第一推送信息的行为统计。
[0107]
步骤350、热度评分通过反馈行为信息计算，热度评分的计算公式为：
[0108]
s(users)＝1*click+5*favor+10*share+15*get
[0109]
需要说明的是，s表示某一用户的总行为分数，click表示点击数据，favor表示收藏数据，share表示分享数据，get表示参与数据。
[0110]
根据多个用户对第一推送信息的热度评分，综合可以计算出第一推送信息的热度平均得分，热度平均得分公式为：
[0111][0112]
其中，n表示访问第一推送信息的用户总数。
[0113]
然后对第一推送信息的平均热度得分进行归一化处理，得到热度分数score，从而可以防止在计算第二相似度时，热度平均得分比第一相似度高几个量级，从而使得第一相似度的权重急剧缩小，从而使得最终推送结果失去准确性。
[0114]
确定多条推送信息各自的热度评分之后，在基于热度评分和多个第一相似度，确定多个第二相似度之前，方法还包括：基于热度系数处理热度得分。
[0115]
可以理解的是，在引入热度评分后，热门内容的热度得分将会更高，所以若以此来计算第二相似度，则会使得本就热门的内容更加热门，从而造成二八定律，使得引入热度评分的效果大大降低。
[0116]
因此引入热度系数以此来消除二八定律的影响，防止热度对相似度的影响过大。
[0117]
步骤350、将第一推送信息的平均热度得分归一化后得到热度得分，再利用调整后的相似度计算公式：
[0118]wbc
+score(b)/热度系数
[0119]
即可得到第二相似度，基于第二相似度，步骤360、可以从多条推送信息中确定第二推送信息，步骤370、通过企业微信，向用户推送第二推送信息。
[0120]
步骤380、用户对推送信息进行参与/浏览/点击/分享。
[0121]
在一些实施例中，用户属性表包括用户个人属性、用户行为信息、统计类用户信息和用户形成频次中的至少一个用户标签数据。
[0122]
用户个人属性是描述用户自身性质的属性，如性别、年龄等。
[0123]
用户行为信息是用户注册账号、登录账号等行为。
[0124]
统计类用户信息是某一段时间统计得到的用户信息，如7日内用户累计购买金额。
[0125]
用户形成频次是描述用户个人属性、行为信息以及统计类用户信息得到的关于用户价值的描述，如rfm值和活跃度等。
[0126]
如图2所示，下面提供一个获取用户属性标签的具体实施例。
[0127]
获取用户属性标签具体包括数据采集、数据处理、数据挖掘和数据治理四个过程。
[0128]
在数据采集过程中，步骤210、web网站先定义前端元数据标签和数据采集规范，步骤220、在用户访问网站期间，记录前端的数据汇集，步骤230、然后通过网络定时上传到数据服务器。
[0129]
在采集过程中会产生两类不同的数据，包括：业务数据和非业务数据。
[0130]
业务数据可以是用户的rfm值、用户的统计类信息等，非业务数据可以是停留时长、点击、分享浏览等，业务数据通过关系型数据库记录，非业务数据通过前端采集上传的形式上传后，保存在后台的日志文件中。
[0131]
在采集到上述两类数据之后，由于业务数据和非业务数据保存在不同的系统中，在进行集中处理时，我们还需要将不同存储方式的数据进行汇集和统一的处理，以用于确保将收集到的数据可以以标准化的形式保存在同一存储系统的业务表中。
[0132]
其中，业务表包括：用户信息表、用户注册表、用户订单表、用户登录记录、用户浏览记录表、用户分享记录表、用户参与活动表、用户领取表、用户购买商品表、埋点日志表和访问日志表等。
[0133]
在数据挖掘过程中，先建立以“用户”为主题的业务模型。
[0134]
按照关系建模的分层逻辑，数据运营层将业务系统中收集到的用户的业务表数据进行存储。
[0135]
数据明细层将存储的用户业务表数据进行清洗和整合，对数据运营层数据进行唯一性校验、完整性校验、准确性校验和有效性校验，从而保证数据明细层生成的事实表中的数据具有唯一性、完整性、准确性和有效性。
[0136]
如图5所示，数据明细层对校验过的数据依据星型模型进行建模，按照用户的各类行为建立不同的事实表。
[0137]
例如，可以按照用户的浏览数据、用户的地区数据、用户的订单数据等建立不同的事实表。
[0138]
在建立了不同的事实表后，根据用户事实表和维度建立星型模型。
[0139]
在数据明细层建立完星型模型后，对用户数据进行标签开发。
[0140]
对于不同数据，进行标签开发的操作也不同。
[0141]
例如，对于用户属性维度的数据，在用户事实表中直接使用即可。
[0142]
再例如，对于用户特殊属性，如rfm价值、新老用户、活跃用户和薪资水平等，需要进行数据统计后，按照区间数值划分进行分类。
[0143]
再例如，对于衍生的用户行为属性数据，如近一段时间用户浏览次数统计，近一段时间用户参与活动的次数等，需要事实表按照时间维度、商品类型、活动类型等各类维度，通过group by的方式统计，得到相关的业务指标的统计结果。
[0144]
其中，简单的标签使用hivesql进行开发，汇总即可得到标签，部分复杂的标签数据开发需要使用kafka、flink和hive进行逻辑处理，然后得到标签。
[0145]
开发标签过程中，数据服务层建立临时用户属性表用于保存相关的标签开发中间数据。
[0146]
根据用户行为属性统计表，如下表1和表2所示，将存储的内容从列式存储改成行式存储，形成用户属性宽表，宽表以用户的id属性为主键，包含用户的全部属性和行为属性的统计。
[0147]
表1
[0148]
user_idlabelidlable_valuedateremark1000sex12021.06.07性别1000year202021.06.07年龄1000city广州2021.06.07城市1000register_date2021.06.072021.06.07注册时间
[0149]
表2
[0150]
user_idsexyearcityregister_date1000120广州2021.06.07
[0151]
在本技术中，宽表包括以下的用户标签数据：
[0152]
(1)用户个人属性：性别、年龄、省份、城市、注册时间、手机品牌、手机系统、手机号码、购买能力评估、会员、购买价格段、累计购买次数、注册渠道、访问渠道、用户学历、用户身份、用户职业、薪资、常用ip和常用地理位置；
[0153]
(2)用户行为信息：注册、登陆、领券、核销、支付、浏览页面、分享页面、参与活动；
[0154]
(3)统计类用户信息：7日/14日/30日用户累计购买金额、累计购买次数、累计参与次数、最近一次来访距今天数等；
[0155]
(4)频次/价值：活跃度、rfm用户价值等。
[0156]
在创建及存储完用户属性宽表后，再处理统一格式的用户数据宽表，数据处理后形成用户属性矩阵，用户数据的处理过程如下表3所示。
[0157]
表3
[0158][0159]
表3中，第一行表示业务数据，第二行表示业务数据值，第三行表示标准化处理值。
[0160]
用户属性的宽表数据存储于服务器中，其中id作为主键，属性作为索引字段，存储的数据形成了用户标签数据，从而可以用于营销计划中的客群筛选和营销计算。
[0161]
本技术实施例提供的信息推送方法，执行主体可以为信息推送装置。本技术实施例中以信息推送装置执行信息推送方法为例，说明本技术实施例提供的信息推送装置。
[0162]
本技术实施例还提供一种信息推送装置。
[0163]
如图6所示，该信息推送装置包括：获取模块610、第一处理模块620和第二处理模块630。
[0164]
其中，获取模块610用于获取用户的用户属性标签，并获取多个信息内容标签，多个信息内容标签与待推送的多条推送信息一一对应；
[0165]
第一处理模块620用于基于用户属性标签和多个信息内容标签，确定多个第一相似度，多个第一相似度与多条推送信息一一对应；
[0166]
第二处理模块630用于基于多个第一相似度，从待推送的多条推送信息中确定第一推送信息，并通过企业微信向用户推送第一推送信息。
[0167]
根据本技术实施例提供的信息推送装置，该方法通过用户属性标签和信息内容标签，计算用户与信息相匹配的第一相似度，确定出与用户更加匹配的第一推送信息，有助于提升推送信息的转化率。
[0168]
在一些实施例中，获取模块610用于获取多个用户基于第一推送信息的反馈行为信息；第一处理模块620用于基于反馈行为信息，确定多条推送信息各自的热度评分；第一处理模块620再用于基于热度评分和多个第一相似度，确定多个第二相似度；第二处理模块630用于基于多个第二相似度，从待推送的多条推送信息中确定第二推送信息，并向用户推送第二推送信息。
[0169]
上述热度评分计算公式在介绍方法时已经给出，在这里不再赘述。
[0170]
在一些实施例中，第一处理模块620还用于：基于热度系数处理热度得分。
[0171]
可以理解的是，在引入热度评分后，热门内容的热度得分将会更高，所以若以此来计算第二相似度，则会使得本就热门的内容更加热门，从而造成二八定律，使得引入热度评分的效果大大降低。
[0172]
因此引入热度系数以此来消除二八定律的影响，防止热度评分对相似度的影响过大。
[0173]
在一些实施例中，反馈行为信息括点击行为信息、参与行为信息、分享行为信息和收藏行为信息中的至少一个。
[0174]
在一些实施例中，获取模块610用于获取用户的网络行为数据，其中，网络行为数据包括业务数据和非业务数据；获取模块610用于基于网络行为数据，生成用户属性表；获取模块610用于基于用户属性表，确定用户属性标签。
[0175]
在一些实施例中，用户属性表包括用户个人属性、用户行为信息、统计类用户信息和用户形成频次的至少一个用户标签数据。
[0176]
如图7所示，本技术实施例中的信息推送装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例
不作具体限定。
[0177]
在一些实施例中，如图7所示，本技术实施例提供一种电子设备700，包括处理器701、存储器702及存储在存储器702上并可在处理器701上运行的计算机程序，该程序被处理器701执行时实现上述信息推送方法实施例的各个过程。
[0178]
本技术实施例中的信息推送装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0179]
本技术实施例提供的信息推送装置能够实现图1至图5的方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0180]
本技术实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述信息推送实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0181]
本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述信息推送方法。
[0182]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
[0183]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0184]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0185]
上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。
[0186]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的
示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0187]
尽管已经示出和描述了本技术的实施例，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。