一种信息推送方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种信息推送方法、装置、电子设备和存储介质，涉及人工智能领域。实现方案包括：基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征；利用预训练的转化预估模型对每个候选用户的用户特征进行识别，确定每个候选用户针对推送信息作出响应的概率；根据每个候选用户针对推送信息作出响应的概率，从所述候选用户中选出至少一个目标用户，并指示所述运营商平台对所述目标用户进行信息推送。本发明专利技术方案中，只向有可能对推送信息作出响应目标用户推送相关信息，相比于随机向用户推送相关信息，提高了用户转化推送信息的概率，进而保证企业获取有效客户的效率。率。率。

【技术实现步骤摘要】
一种信息推送方法、装置、电子设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种信息推送方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，对于企业而言，想要获取客户，需要向用户推送相关营销信息，目前主要通过发放宣传单、举办线下活动、随机发送相关营销信息来获客。但是这种方式获客效率较低。

技术实现思路

[0003]本专利技术提供了一种信息推送方法、装置、电子设备和存储介质，以达到提升获客效率的效果。
[0004]根据本专利技术的一方面，提供了一种信息推送方法，包括：
[0005]基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征；
[0006]利用预训练的转化预估模型对每个候选用户的用户特征进行识别，确定每个候选用户针对推送信息作出响应的概率；
[0007]根据每个候选用户针对推送信息作出响应的概率，从候选用户中选出至少一个目标用户，并指示运营商平台对目标用户进行信息推送。
[0008]根据本专利技术的另一方面，提供了一种信息推送装置，包括：
[0009]用户及特征挖掘模块，用于基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征；
[0010]预测模块，用于利用预训练的转化预估模型对每个候选用户的用户特征进行识别，确定每个候选用户针对推送信息作出响应的概率；
[0011]信息推送模块，用于根据每个候选用户针对推送信息作出响应的概率，从候选用户中选出至少一个目标用户，并指示运营商平台对目标用户进行信息推送。
[0012]根据本专利技术的另一方面，提供了一种电子设备，电子设备包括：
[0013]至少一个处理器；以及
[0014]与所述至少一个处理器通信连接的存储器；其中，
[0015]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术实施例所述的信息推送方法。
[0016]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术实施例的信息推送方法。
[0017]本专利技术实施例的技术方案，只向有可能对推送信息作出响应目标用户推送相关信息，相比于随机向用户推送信息，提高了用户转化推送信息的概率，进而保证企业获取有效
客户的效率。
[0018]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，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他的附图。
[0020]图1是本专利技术实施例一提供的一种信息推送方法的流程示意图；
[0021]图2是本专利技术实施例二提供的一种信息推送方法的流程示意图；
[0022]图3是本专利技术实施例三提供的一种信息推送方法的流程示意图；
[0023]图4是本专利技术实施例四提供的一种信息推送装置的结构示意图；
[0024]图5是本专利技术实施例的信息推送方法的电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]实施例一
[0027]图1为本专利技术实施例一提供了一种信息推送方法的流程图，本实施例可适用于通过向用户推送营销信息以实现企业获客的场景，该方法可以由信息推送装置来执行，该信息推送装置可以采用硬件和/或软件的形式实现，该信息推送装置可配置于电子设备中，例如配置于服务器设备中。
[0028]如图1所示，信息推送方法流程如下：
[0029]S101、基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征。
[0030]本实施例中，原子数据包括脱敏后的用户通话数据、短信数据和用户上网行为数据。在此基础上，可通过对原子数据进行聚合和清洗的方式，确定候选用户，以及每个候选用户的用户特征。在具体实现时，针对运营商平台全量用户中的每个用户，按照不同的预设维度，从用户通话数据、短信数据和用户上网行为数据中，挖掘每个用户的用户特征。可选的，针对任一用户，从通话数据中按照该用户在运营商平台的平台用户标识(即用户在平台中的ID)、主被叫、对方用户的平台用户标识、通话次数、时长等维度进行特征挖掘，得到多个维度且与通话相关的多个用户特征，例如可将每次通话的时长作为用户特征；同理，从短信数据中可按照该用户的平台用户标识、发送机构、次数等维度进行挖掘，得到多维度且与短信相关的用户特征，例如将不同发送机构作为用户相关的用户特征；从用户上网行为数据中，可以按照平台用户标识、网站或网页域名等维度进行挖掘，得到多维度且与上网行为
相关的用户特征，示例性的，可将用户一段时间内频繁访问多个网站的域名作为与上网行为相关的用户特征。如此，通过上述操作即可确定运营商平台中每个用户的用户特征。
[0031]需要说明的是，本专利技术所涉及的用户个人信息的获取，存储和应用等，是经过用户授权，符合相关法律法规的规定，且不违背公序良俗。
[0032]进一步的，由于运营商平台的原子数据非常的杂乱，按照上述方式挖掘用户特征时，会存在特征缺失的情况，比如有些用户通话信息没有、短信表缺失、或者没有上网行为，这些缺失特征数据的用户并不适合作为信息推送的对象，都需要去掉。同时针对行为较少的用户，也不适合作为信息推送的对象，比如每月上网行为少于100次的用户，通话低于10次的用户，或者收到短信小于100条的用户，需要过滤掉。具体实现时，可以按照预设的特征过滤规则，对全量用户进行过滤筛选，得到至少一个候选用户，以及每个候选用户的用户特征。其中，特征过滤规则包括：过滤缺失特征数据的用户；过滤行为较少的用户。
[0033]S102、利用预训练的转化预估模型对每个候选用户的用户特征进行识别，确定每个候选用户针对推送信息作出响应的概率。
[0034]本实施例中，候选用户针对推送信息作出响应，是指候选用户转化推送信息的而进行的相应操作，例如按照推送信息完成账号注册并订阅某业务或购买推送信息所指的标的物；典型的，由于本专利技术方案适用于教育机构获客的场景，因此推送信息所指的标的物可以是教育课程。需要说明的是，只要用户转化推送信息，就实现了企业获客的目的。
[0035]候选用户针对推送信息作出响应的概率，用于表征候选用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推送方法，其特征在于，包括：基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征；利用预训练的转化预估模型对每个候选用户的用户特征进行识别，确定每个候选用户针对推送信息作出响应的概率；根据每个候选用户针对推送信息作出响应的概率，从所述候选用户中选出至少一个目标用户，并指示所述运营商平台对所述目标用户进行信息推送。2.根据权利要求1所述的方法，其特征在于，所述原子数据包括脱敏后的用户通话数据、短信数据和用户上网行为数据；相应的，基于运营商平台的原子数据，确定候选用户，以及每个候选用户的用户特征，包括：针对所述运营商平台全量用户中的每个用户，按照不同的预设维度，从所述用户通话数据、短信数据和用户上网行为数据中，挖掘每个用户的用户特征；按照预设的特征过滤规则，对所述全量用户进行过滤筛选，得到至少一个候选用户，以及每个候选用户的用户特征。3.根据权利要求1所述的方法，其特征在于，所述转化预估模型的训练过程包括：根据历史推送数据，确定至少一个第一类用户和至少一个第二类用户；根据所述候选用户和每个候选用户的用户特征，确定每个第一类用户的用户特征，以及每个第二类用户的用户特征；根据每个用户特征的重要度和/或每个用户特征与用户类别之间相关性，对每个第一类用户的用户特征进行筛选，以及对每个第二类用户的用户特征进行筛选；根据每个第一类用户筛选后的用户特征，以及每个第二类用户筛选后的用户特征，对预构建的转化预估模型进行训练。4.根据权利要求3所述的方法，其特征在于，根据所述候选用户和每个候选用户的用户特征，确定每个第一类用户的用户特征，以及每个第二类用户的用户特征，包括：将第一类用户的原始用户标识和第二类用户的原始用户标识转换为适用于所述运营商平台的平台用户标识；将第一类用户的平台用户标识与所述候选用户的平台用户标识进行匹配，并将匹配到的候选用户的用户特征，作为第一类用户的用户特征；将第二类用户的平台用户标识与所述候选用户的平台用户标识进行匹配，并将匹配到的候选用户的用户特征，作为第一类用户的用户特征。5.根据权利要求3所述的方法，其特征在于，还包括：利用卡方检验方法，计算用户类别与每个用户特征之间的相关性；利用预训练的重...

【专利技术属性】
技术研发人员：陈嘉，
申请(专利权)人：北京智慧荣升科技有限公司，
类型：发明
国别省市：