一种根据用户行为推送信息的方法和装置的制造方法
【技术领域】
[0001] 本发明属于互联网领域，尤其涉及一种根据用户行为推送信息的方法和装置。
【背景技术】
[0002] 随着电子商务的发展，网络的用户产生了大量的数据，为更好的将产品信息有针 对性的推向有需要的用户群，目前通常的作法是，通过采集用户行为数据获取用户对产品 的兴趣度，根据用户对产品的兴趣度的大小，针对性的推送与用户相关的数据信息。
[0003] 如现有的用户对产品或某一产品的兴趣度获取方法，包括对产品的关注次数、预 留时长、或根据两种数据加权平均得到用户对产品的兴趣度。
[0004] 如果采集到用户在一段时间内关注了 i个产品，每个产品关注的次数为Ci，驻留 时长为Ti,根据关注次数计算用户对每个产品的兴趣度为：
[0005] Pi=Ci/max (Ci)
[0006] 其中，max (Ci)是Ci的最大值。
[0007] 根据驻留时长计算用户对每个产品的兴趣度为：
[0008] Pi=Ti/max(Ti)
[0009] 其中，max(Ti)是Ti中的最大值。
[0010] 根据两种数据加权平均得到用户对产品的兴趣度为：
[0011] Pi=wl*Ci/max(Ci)+w2*Ti/max(Ti)
[0012] 其中，Wl、w2是关注次数和驻留时长的计算权重系数，可以根据实际的产品名称和 用户群体进行配置。
[0013] 通过上述三种方式，可以较好的获取用户对产品的兴趣度，但是其仍然存在不足， 由于其需要选取某一时间区间的某产品的最大关注次数，使得其统计得到用户的兴趣度的 时效性较差，不能在第一时间得到用户兴趣度的趋势偏好，使得不能有效的根据用户的兴 趣度的变化信息投放更加精确的推送信息。
【发明内容】
[0014] 本发明实施例的目的在于提供一种根据用户行为推送信息的方法和装置，以解决 现有技术中用户兴趣度的时效性较差，不能在第一时间得到用户兴趣度的趋势偏好的问 题。
[0015] 第一方面，一种根据用户行为推送信息的方法，所述方法包括：
[0016] 获取用户最近一次持续关注产品的持续时长；
[0017] 根据所述产品的历史数据，获取用户对所述产品的期望时长；
[0018] 根据所述获取的持续时长在期望时长中的比值，生成用户对所述产品的兴趣度数 据；
[0019] 根据所述生成产品的兴趣度数据，推送与所述产品相应的信息。
[0020] 在第一方面的第一种可能实现方式中，所述根据所述获取的持续时长在期望时长 中的比值，生成用户关于所述产品的兴趣度数据步骤具体为：
[0021] 当所述获取的持续时长小于所述期望时长时，生成所述用户关于产品的兴趣度为 持续时长/期望时长；
[0022] 当所述获取的持续时长大于或等于所述期望时长时，生成所述用户关于产品的兴 趣度为1。
[0023] 在第一方面的第二种可能实现方式中，在根据所述获取的持续时长在期望时长中 的比值，生成用户关于所述产品的兴趣度数据步骤之前，所述方法还包括：
[0024] 获取所述产品的中断关注的间隔时长；
[0025] 所述根据所述获取的持续时长与期望时长中的比值，生成用户关于所述产品的兴 趣度数据步骤为：
[0026] 根据用户关于所述产品的兴趣度计算修正公式
[0027] I，=I*a吋3
[0028] 得到修正后的兴趣度数据，所述Γ为修正后的兴趣度数据，所述参数a为与产品 所对应的参数，所述I为修正前的兴趣度数据，T 3为所述产品的中断关注的间隔时长。
[0029] 在第一方面的第三种可能实现方式中，所述根据所述产品的历史数据，获取用户 对所述产品的期望时长步骤包括：
[0030] 方式一：根据历史统计的所述产品从第一次关注到最后一次关注结束的时长的多 个值取平均值，得到产品从第一次关注到最后一次关注结束的期望时长；
[0031] 或者方式二：建立与用户特征资料信息相关的、产品从第一次关注到最后一次关 注结束的期望时长的预测模型；
[0032] 获取用户特征资料信息，根据所述预测模型生成用户所对应的从第一次关注到最 后一次关注结束的期望时长；
[0033] 或者根据方式一和方式二得到的期望时长值，与相应的权值相乘后取和得到期望 时长。
[0034] 结合第一方面的第三种可能实现方式，在第一方面的第四种可能实现方式中，所 述用户特征资料信息包括用户的平均收入ARPU、年龄、性别、在网时长、职业中的一项或者 多项。
[0035] 在第一方面的第五种可能实现方式中，所述产品为同一类别的产品或者为一个具 体型号的产品。
[0036] 第二方面，所述装置包括：
[0037] 第一获取单元，获取用户最近一次持续关注产品的持续时长；
[0038] 第二获取单元，用于根据所述产品的历史数据，获取用户对所述产品的期望时 长；
[0039] 生成单元，用于根据所述获取的持续时长与期望时长中的比值，生成用户对所述 产品的兴趣度数据；
[0040] 推送单元，用于根据所述生成产品的兴趣度数据，推送与所述产品相应的信息。
[0041] 在第二方面的第一种可能实现方式中，所述生成单元包括：
[0042] 第一生成子单元，用于当所述获取的持续时长小于所述期望时长时，生成所述用 户关于产品的兴趣度为持续时长/期望时长；
[0043] 第二生成子单元，用于当所述获取的持续时长大于或等于所述期望时长时，生成 所述用户关于产品的兴趣度为1。
[0044] 在第二方面的第二种可能实现方式中，所述装置还包括：
[0045] 第三获取单元，用于获取所述产品的中断关注的间隔时长；
[0046] 所述生成单元用于根据用户关于所述产品的兴趣度计算修正公式
[0047] I，=I*a吋3
[0048] 得到修正后的兴趣度数据，所述Γ为修正后的兴趣度数据，所述参数a为与产品 所对应的参数，所述I为修正前的兴趣度数据，T 3为所述产品的中断关注的间隔时长。 [0049] 在第二方面的第三种可能实现方式中，所述第二获取单元用于：
[0050] 方式一：根据历史统计的所述产品从第一次关注到最后一次关注结束的时长的多 个值取平均值，得到产品从第一次关注到最后一次关注结束的期望时长；
[0051] 或者方式二：建立与用户特征资料信息相关的、产品从第一次关注到最后一次关 注结束的期望时长的预测模型；
[0052] 获取用户特征资料信息，根据所述预测模型生成用户所对应的从第一次关注到最 后一次关注结束的期望时长；
[0053] 或者根据方式一和方式二得到的期望时长值，与相应的权值相乘后取和得到期望 时长。
[0054] 在第二方面的第四种可能实现方式中，所述用户特征资料信息包括用户的平均收 入ARPU、年龄、性别、在网时长、职业中的一项或者多项。
[0055] 在第二方面的第五种可能实现方式中，所述产品为同一类别的产品或者为一个具 体型号的产品。
[0056] 在本发明实施例中，通过采集用户最近一次的持续关注产品的持续时长和根据产 品的历史数据获取用户对产品的期望时长，通过将所述最近一次的持续关注产品的持续时 长和产品的期望时长取比值，能够得到最新的、最近一次关注产品的兴趣的变化，从而推送 产品相应的信息，由于其所依据的数据为用户当前的关注数据和历史统计数据，不需要限 定用户行为为固定的时间周期，从而能够更好的把握用户兴趣度的变化趋势，能够更为精 确及时的推送相应的商品。
【附图说明】
[0057] 图1是本发明第一实施例提供的根据用户行为推送信息的方法的实现流程图；
[0058] 图2是本发明第二实施例提供的根据用户行为推送信息的方法的实现流程图；
[0059] 图3是本发明第二实施例提供的考虑了衰减因素后的用户兴趣度变化趋势图；
[0060] 图4是本发明第三实施例提供的根据用户行为推送信息的装置的结构框图；
[0061] 图5为本发明第四实施例提供的设备的部分结构框图。
【具体实施方式】
[0062] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0063] 本发明实施例所述根据用户行为推送信息的方法，可应用于终端或服务器中，所 述终端可以包括智能手机、平板电脑、电子书阅读器、MP4 (Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计 算机等等。能够通过有线或者无线连接到互联网的终端，均可由本发明实施例所述方法，获 取用户的兴趣度数据，推送与用户行为相关的信息，更为及时有效的针对用户兴趣的变化 趋势推送信息。本发明实施例所述方法包括：
[0064] 获取用户最近一次持续关注产品的持续时长；
[0065] 根据所述产品的历史数据，获取用户对所述产品的期望时长；
[0066] 根据所述获取的持续时长在期望时长中的比值，生成用户对所述产品的兴趣度数 据；
[0067] 根据所述生成产品的兴趣度数据，推送与所述产品相应的信息。
[0068] 通过采集用户最近一次的持续关注产品的持续时长和根据产品的历史数据获取 用户对产品的期望时长，通过将所述最近一次的持续关注产品的持续时长和产品的期望时 长取比值，能够得到最新的、最近一次关注产品的兴趣的变化，从而推送产品相应的信息， 由于本发明所依据的数据为用户当前的关注数据和历史统计数据，不需要限定用户行为为 固定的时间周期，从而能够更好的把握用户兴趣度的变化趋势，能够更为精确及时的推送 相应的商品。
[0069] 实施例一：
[0070] 图1示出了本发明第一实施例提供的根据用户行为推送信息的方法的实现流程， 详述如下：
[0071] 在步骤SlOl中，获取用户最近一次持续关注产品的持续时长。
[0072] 其中，所述关注，可以为访问相应的网页地址，也可以为采集的用户通过搜索相应 的关键字。
[0073] 所述持续关注，根据具体产品的不同，可以为用户在一次上网时间