一种定制信息推送方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种定制信息推送方法，用于向用户推送定制信息，该推送方法包括：为用户建立信息偏好标签，该信息偏好标签用于表示用户对于其接收到的推送消息的偏好；使用包含信息偏好标签数据的历史用户数据训练机器学习模型；使用训练好的机器学习模型对不具有信息偏好标签数据的新用户进行预测，得到新用户的信息偏好标签数据的预测值；根据新用户的信息偏好标签数据的预测值对该新用户推送定制信息。本发明专利技术的方法能够向各类用户更精准地推送对应的定制信息数据，提高了推送定制信息的准确性，并降低了营销成本。

【技术实现步骤摘要】
一种定制信息推送方法、装置和电子设备
本专利技术涉及通信领域，具体而言，涉及一种定制信息推送方法、装置和电子设备。
技术介绍
随着移动通信的蓬勃发展，电信运营商能拥有处理和存储的电信数据越来越多，很多公司和企业为了高效的发现目标用户，开始通过和电信运营商合作获取他们的电信数据进行分析和处理，得出结果后反馈给合作商家进行精准营销。现有技术中，很多电信企业利用数据挖掘在客户细分有广泛的应用，并且一些电信企业对客户细分及客户营销方面非常重视，同时依据客户细分产生的结果做出正确的决策。例如某电信企业基于数据挖掘手段在客户流失方面有广泛的应用，并且对其进行预测。例如，有些企业主要利用数据挖掘技术对客户进行细分，采用客户的性别和年龄等基本特征来。再例如，还有一些企业主要通过分析不同客户的业务贡献来对客户进行细分，针对不同客户群制定差异化的营销方案。虽然目前大数据在精准营销方面已经有了一些应用，但是针对电信大数据的精准营销方式还是偏少，主要原因是电信运营商为了保护用户隐私，不会随便公开用户的电信数据。但是，在营销方面仍存在如下问题：1本文档来自技高网...

【技术保护点】
1.一种定制信息推送方法，用于向用户推送定制信息，其特征在于，该推送方法包括：/n为用户建立信息偏好标签，该信息偏好标签用于表示用户对于其接收到的推送消息的偏好；/n使用包含信息偏好标签数据的历史用户数据训练机器学习模型；/n使用训练好的机器学习模型对不具有信息偏好标签数据的新用户进行预测，得到新用户的信息偏好标签数据的预测值；/n根据新用户的信息偏好标签数据的预测值对该新用户推送定制信息。/n

【技术特征摘要】
1.一种定制信息推送方法，用于向用户推送定制信息，其特征在于，该推送方法包括：
为用户建立信息偏好标签，该信息偏好标签用于表示用户对于其接收到的推送消息的偏好；
使用包含信息偏好标签数据的历史用户数据训练机器学习模型；
使用训练好的机器学习模型对不具有信息偏好标签数据的新用户进行预测，得到新用户的信息偏好标签数据的预测值；
根据新用户的信息偏好标签数据的预测值对该新用户推送定制信息。


2.根据权利要求1所述的定制信息推送方法，其特征在于，所述信息偏好标签包括信息偏好分，信息偏好分大于0表示用户偏好接受推送信息，信息偏好分小于0表示用户偏好拒绝推送信息。


3.根据权利要求1-2中任一项所述的定制信息推送方法，其特征在于，还包括：
获取用户行为类型权重，以计算所述信息偏好分；
将所述用户行为类型权重乘以时间衰减参数和用户自身属性评分的比值来计算所述信息偏好分。


4.根据权利要求1-3中任一项所述的定制信息推送方法，其特征在于，所述信息偏好标签包括文案偏好元素标签；并且，当信息偏好分大于0时，所述文案偏好元素包含有效值。


5.根据权利要求1-4中任一项所述的定制信息推送方法，其特征在于，所述对不具有信息偏好标签数据的新用户进行预测的步骤包括：计算新用户的信息偏好分的预测值；并且，当新用户的信息偏好分的预测值大于0时，计算文案偏好元素的预测值...

【专利技术属性】
技术研发人员：郑盛麟，刘禹彤，张嘉伟，班华斌，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：上海;31