物品信息生成推送方法和系统技术方案

一种物品信息生成推送方法和系统，通过对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级。再根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息，根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。这样通过生成推送信息与用户偏好的信息直接关联在一起生成用户感兴趣的物品信息，通过生成一条信息对应一个用户的方式，直接与用户进行一对一的推送，这样的物品信息生成推送方式针对性更强，更加容易被用户接受，从而直接提高信息推送的效率，确保用户顺利接收查看。

【技术实现步骤摘要】
【专利摘要】一种物品信息生成推送方法和系统，通过对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级。再根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息，根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。这样通过生成推送信息与用户偏好的信息直接关联在一起生成用户感兴趣的物品信息，通过生成一条信息对应一个用户的方式，直接与用户进行一对一的推送，这样的物品信息生成推送方式针对性更强，更加容易被用户接受，从而直接提高信息推送的效率，确保用户顺利接收查看。【专利说明】物品信息生成推送方法和系统
本专利技术涉及信息自动生成领域，特别是涉及物品信息生成推送方法和系统。
技术介绍
随着手机用户的日益增多，通过自动生成信息发送至移动终端用户的系统也随之产生，系统可以给移动終端用户发送天气预警信息、路况信息和实时新闻信息等等。一般的物品信息生成推送方法和系统，主要是通过大量短信群发，邮件推送等一条信息对应多个移动終端用户的方式进行推送，这样就造成有的移动终端用户不需要的物品信息发送至用户，给用户造成烦扰的同时也不造成信息传达给用户的效率低下，用户可以通过设置接收门槛拒绝接收不需要的信息。
技术实现思路
基于此，有必要针对现有的物品信息生成推送方法和系统盲目推送造成推送效率不高的问题，提供一种推送效率高的一対一的物品信息生成推送方法和系统。ー种物品信息生成推送方法，包括步骤:对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级；根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息；根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。ー种物品信息生成推送系统，包括模型分类单元、标签创建単元和信息推送单元;所述模型分类单元用于对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级；所述标签创建单元用于根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息；所述信息推送単元用于根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。上述物品信息生成推送方法和系统，通过对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级。再根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息，根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。这样通过生成推送信息与用户偏好的信息直接关联在一起生成用户感兴趣的物品信息，通过生成一条信息对应ー个用户的方式，直接与用户进行一対一的推送，这样的物品信息生成推送方式针对性更强，更加容易被用户接受，从而直接提高信息推送的效率，确保用户顺利接收查看。【专利附图】【附图说明】图1为物品信息生成推送方法其中一个实施例的方法流程图；图2为物品信息生成推送方法其中一个另实施例的方法流程图；图3为物品信息生成推送系统其中一个实施例的模块连接图；图4为物品信息生成推送系统其中另ー个实施例的模块连接图。【具体实施方式】如图1所示，ー种物品信息生成推送方法，包括步骤:步骤S110,对用户信息库中用户信息采用RFM (Recency、Frequency、Monetary,消费、消费频率、消费金額)模型进行分类，采用加权法将用户信息划分预定分位等级；在本实施例中，RFM模型是在众多的客户关系管理的分析模式被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过ー个客户的购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状況。RFM模型可以较为动态地层示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值，通过改善三项指标的状況，从而为更多的营销决策提供支持。在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M(Monetary)表示客户在时间内购买的金額。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。在具体的实时过程中，我们可以将用户信息库中用户信息通过RFM模型分为三类:R(Recency)指代客户最后一次在网站或者移动端下订单的时间；F(Frequency)指代用户在最近一年下单的频次W(Monentary)指代用户在最近一年的订单金額。系统可以根据客户最后一次在网站或者移动端下订单的时间段的长短设置不同的积分段、也可以根据用户在最近一年下单的频次大小对应的设置积分段、还可以设置最近一年的订单金额大小设置积分段，通过积分的累加确定用户的等级。步骤S120，根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息；在本实施例中，可以预先通过推荐算法中的User CF算法得到的信息访问偏好表，通过用户平时购买物品的类型以及种类、平时访问的网址信息和浏览的物品信息等等可以得出用户偏好物品的类型，并将这些用户偏好的物品信息与用户信息进行关联制作成信息访问偏好表，系统可以根据信息访问偏好表对预定分位等级的用户信息创建偏好标签信息。所述偏好标签信息可以包括用户的级别、活动偏好、商品偏好、网站/移动偏好等信息。步骤S130，根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。在本实施例中，系统可以根据偏好标签信息包括的信息内容生成用户偏好物品的推送信息推送至与所述用户信息相匹配的移动终端。上述物品信息生成推送方法，通过对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级。再根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息，根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。这样通过生成推送信息与用户偏好的信息直接关联在一起生成用户感兴趣的物品信息，通过生成一条信息对应ー个用户的方式，直接与用户进行一対一的推送，这样的物品信息生成推送方式针对性更强，更加容易被用户接受，从而直接提高信息推送的效率，确保用户顺利接收查看。如图2所示，在其中一个实施例中，所述的物品信息生成推送方法，在所述步骤S120之后、所述步骤S130之前，还包括步骤:步骤S140，对预推送信息进行推送预定日期设定。在本实施例中，还可以设定推送信息的推送时间日期，结合物品活动的发行日期，系统可以在物品活动发行当天定期的推送物品信息至与所述用户信息相匹配的移动终端。在其中一个实施例中，所述的物品信息生成推送方法，所述预定分位等级为4分位等级。在本实施例中，可以将分位等级设定为第一级、第二级、第三级、第四级。每ー个等级对应的用户价值都不相同。在其中一个实施例中，所述的物品信息生成推送方法，所述偏好标签信息包括:用户等级信息、信息访问偏好信息和用本文档来自技高网...

【技术保护点】
一种物品信息生成推送方法，其特征在于，包括步骤：对用户信息库中用户信息采用RFM模型进行分类，采用加权法将用户信息划分预定分位等级；根据预先根据消费数据采用推荐算法得到的信息访问偏好表对预定分位等级的用户信息创建与所述用户信息匹配的偏好标签信息；根据所述偏好标签信息将预推送信息推送至与所述用户信息相匹配的移动终端。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄志伟，李锦恒，
申请(专利权)人：广州品唯软件有限公司，
类型：发明
国别省市：