【技术实现步骤摘要】
一种信息推送方法和装置
本专利技术涉及信息处理
，特别涉及一种信息推送方法和装置。
技术介绍
基于用户收益的预测模型应用广泛，现有技术主要是基于随机森林，Xgboost等机器学习算法建模，得到关于用户收益的预测模型。然后由数据分析师或运营人员根据模型的结果，进行简单用户分群，针对不同收益类型的用户推送不同的营销信息。现有实现方案在预测用户收益时准确性比较低，且需要人工干预确定用户类型，以及推送的营销信息。
技术实现思路
有鉴于此，本申请提供一种信息推送方法和装置，能够自动、准确地为用户推送匹配的营销信息，进而提高用户的体验度。为解决上述技术问题，本申请的技术方案是这样实现的：在一个实施例中，提供了一种信息推送方法，所述方法包括：获取用户历史数据；对获取的历史数据进行预处理；基于预设神经网络分位数回归模型获取预处理后的历史数据的用户收益值；根据用户收益值范围与收益类型的映射关系，以及获取的用户收益值确定该用户的收益类型；根据该用户的收益类型为对应...
【技术保护点】
1.一种信息推送方法，其特征在于，所述方法包括：/n获取用户历史数据；/n对获取的历史数据进行预处理；/n基于预设神经网络分位数回归模型获取预处理后的历史数据的用户收益值；/n根据用户收益值范围与收益类型的映射关系，以及获取的用户收益值确定该用户的收益类型；/n根据该用户的收益类型为对应用户推送营销信息。/n
【技术特征摘要】
1.一种信息推送方法，其特征在于，所述方法包括：
获取用户历史数据；
对获取的历史数据进行预处理；
基于预设神经网络分位数回归模型获取预处理后的历史数据的用户收益值；
根据用户收益值范围与收益类型的映射关系，以及获取的用户收益值确定该用户的收益类型；
根据该用户的收益类型为对应用户推送营销信息。
2.根据权利要求1所述的方法，其特征在于，所述对获取的历史数据进行预处理，包括：
对所述历史数据进行异常值处理、缺失值处理；
进行异常值处理和缺失值处理后的历史数据进行量化，并进行标准化或归一化处理，获得各维度特征的特征量；
其中，历史数据的维度特征包括下述之一或任意组合：
商城下单数据、浏览数据、加购数据、搜索数据、用户商城粘性、用户购买力、用户购买档次、优惠券使用数据、商城用户画像数据、白条用户画像数据、白条消费数据、白条分期数据。
3.根据权利要求2所述的方法，其特征在于，所述对获取的历史数据进行预处理之后，所述基于预设的用户收益预测模型获取预处理后的历史数据的用户收益值之前，所述方法进一步包括：
基于随机森林的封装式特征选择算法对获得的各维度特征进行特征筛选。
4.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：设置收益类型对应的推送规则；
所述根据用户收益值范围与收益类型的映射关系，以及获取的用户收益值确定该用户的收益类型之后，所述方法进一步包括：
根据该用户的收益类型对应的推送规则确定是否为该用户推送营销信息，如果是，根据该用户的收益类型为对应用户推送营销信息；否则，不向该用户推送营销信息。
5.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
针对不同类型的营销信息分别针对不同收益类型设置不同的营销信息推送策略；
所述根据该用户的收益类型为该用户推送营销信息时，根据该用户的收益类型确定对应的营销推送策略，并基于确定的营销推送策略推送对应的营销信息。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法进一步包括：
获取N个时间段的商城下单数据，统计每个用户在每个时间段内各维度指标值，并进行归一化处理；其中，维度指标包括下述之一或任意组合：用户订单量、订单金额、下单率、白条订单量、白条渗透率、白条分期率、白条还款率、白条订单分期金额、白条账单分期金额；
使用针对对应时间段设置的各维度指标权重对每个用户的各维度指标值进行加权求和；
针对任一用户，将加权求和所得值最大的时间段作为该用户的最佳收益获得时间段；
所述根据该用户的收益类型为对应用户推送营销信息时，在该用户对应的最佳收益获得时间段推送营销信息。
7.根据权利要求6所述的方法，其特征在于，所述方法进一步包括：
记录向用户推送的营销信息，以及推送策略；
获取推送的营销信息的反馈信息，并针对不同用户进...
【专利技术属性】
技术研发人员：游悦，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。