问卷推送方法、装置、电子设备及可读存储介质与流程

1.本发明实施例涉及数据业务技术领域，尤其涉及一种问卷推送方法、装置、电子设备及可读存储介质。


背景技术：

2.随着互联网的广泛普及，线上问卷调查在数据业务技术领域已经成为用户主观数据获取的主要方式。其中，线上问卷调查应用广泛，航空、电商、零售、通信、金融以及互联网等行业目前均可以通过此方式进行用户满意度监测和产品需求收集。
3.相关技术中，线上问卷调查系统通常是将整套问卷统一推送给所有用户，且推送的问卷中有一些问题可能并不适合用户填答，问卷推送的效果比较差。


技术实现要素：

4.本发明实施例提供一种问卷推送方法、装置、电子设备及可读存储介质，以解决问卷推送的效果比较差的问题。
5.为解决上述问题，本发明是这样实现的：
6.第一方面，本发明实施例提供了一种问卷推送方法，所述方法包括：
7.获取待推送用户的第一题库数据，所述第一题库数据包括多个问题题目和所述多个问题题目的历史答题信息，所述多个问题题目中每个问题题目的主题标签与问卷主题匹配；
8.基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；
9.获取所述第一题库数据中候选问题题目的数据，以生成所述待推送用户的第二题库数据，所述候选问题题目为所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目，所述第二题库数据包括所述候选问题题目；
10.基于所述第二题库数据向所述待推送用户进行问卷推送。
11.上述方案中，所述多个问题题目包括第一问题题目，所述第一问题题目的历史答题信息包括所述第一问题题目的历史答题用户标签，所述第一问题题目为所述多个问题题目中任一问题题目；
12.所述基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值的步骤包括：
13.从所述多个问题题目的历史答题信息中获取所述历史答题用户标签对应的第一用户对所述多个问题题目的答题状态；
14.确定所述待推送用户与所述第一用户的相似度；
15.基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。
16.上述方案中，所述第二题库数据还包括所述候选问题题目的问题序号，所述问题
序号基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成，所述基于所述第二题库数据向所述待推送用户进行问卷推送的步骤包括：
17.基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送；
18.在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断，以终止向所述待推送用户进行问题推送，所述目标数量为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。
19.上述方案中，所述第二题库数据还包括所述候选问题题目的问题类型，所述在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断的步骤包括：
20.在推送的问题数量等于目标数量，且在第二问题题目的问题类型为非跳转类型的情况下，终止向所述待推送用户进行问题推送；
21.在推送的问题数量等于目标数量，且在第二问题题目的问题类型为跳转类型，以及问题推送事件满足推送终止条件的情况下，终止向所述待推送用户进行问题推送，所述推送终止条件为所述第二题库数据中所述第二问题题目的答案信息匹配的候选问题题目推送完成；
22.其中，所述第二问题题目为推送序号对应所述目标数量的问题题目。
23.上述方案中，所述第二题库数据还包括所述候选问题题目的问题类型，所述在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断的步骤之前，所述方法还包括：
24.在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，获取所述第一候选问题题目的答案信息；
25.确定目标题库数据中与所述第一候选问题题目的答案信息匹配的第二候选问题题目的数量，所述目标题库数据包括所述第二题库数据中除已推送候选问题题目之外的候选问题题目；
26.基于所述第二候选问题题目的数量，更新所述目标题库数据中除所述第二候选问题题目之外的候选问题题目的问题序号。
27.上述方案中，所述基于所述第二题库数据向所述待推送用户进行问卷推送的步骤之前，所述方法还包括：
28.在当前时段为所述待推送用户的历史答题时段的情况下，获取所述待推送用户的目标数据，所述目标数据包括终端状态数据和/或终端使用行为数据；
29.基于所述目标数据，预测当前时段是否为所述待推送用户的最佳答题时段；
30.所述基于所述第二题库数据向所述待推送用户进行问卷推送的步骤包括：
31.在当前时段为所述待推送用户的最佳答题时段的情况下，基于所述第二题库数据向所述待推送用户进行问卷推送。
32.第二方面，本发明实施例还提供一种问卷推送装置，包括：
33.第一获取模块，用于获取待推送用户的第一题库数据，所述第一题库数据包括多个问题题目和所述多个问题题目的历史答题信息，所述多个问题题目中每个问题题目的主题标签与问卷主题匹配；
34.第一确定模块，用于基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；
35.第二获取模块，用于获取所述第一题库数据中候选问题题目的数据，以生成所述待推送用户的第二题库数据，所述候选问题题目为所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目，所述第二题库数据包括所述候选问题题目；
36.问卷推送模块，用于基于所述第二题库数据向所述待推送用户进行问卷推送。
37.上述方案中，所述多个问题题目包括第一问题题目，所述第一问题题目的历史答题信息包括所述第一问题题目的历史答题用户标签，所述第一问题题目为所述多个问题题目中任一问题题目；
38.所述第一确定模块包括：
39.获取单元，用于从所述多个问题题目的历史答题信息中获取所述历史答题用户标签对应的第一用户对所述多个问题题目的答题状态；
40.第一确定单元，用于确定所述待推送用户与所述第一用户的相似度；
41.第二确定单元，用于基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。
42.上述方案中，所述第二题库数据还包括所述候选问题题目的问题序号，所述问题序号基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成，所述问卷推送模块包括：
43.问题推送单元，用于基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送；
44.终止判断单元，用于在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断，以终止向所述待推送用户进行问题推送，所述目标数量为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。
45.上述方案中，所述第二题库数据还包括所述候选问题题目的问题类型，所述终止判断单元，具体用于在推送的问题数量等于目标数量，且在第二问题题目的问题类型为非跳转类型的情况下，终止向所述待推送用户进行问题推送；在推送的问题数量等于目标数量，且在第二问题题目的问题类型为跳转类型，以及问题推送事件满足推送终止条件的情况下，终止向所述待推送用户进行问题推送，所述推送终止条件为所述第二题库数据中所述第二问题题目的答案信息匹配的候选问题题目推送完成；其中，所述第二问题题目为推送序号对应所述目标数量的问题题目。
46.上述方案中，所述第二题库数据还包括所述候选问题题目的问题类型，所述装置还包括：
47.第三获取模块，用于在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，获取所述第一候选问题题目的答案信息；
48.第二确定模块，用于确定目标题库数据中与所述第一候选问题题目的答案信息匹配的第二候选问题题目的数量，所述目标题库数据包括所述第二题库数据中除已推送候选问题题目之外的候选问题题目；
49.更新模块，用于基于所述第二候选问题题目的数量，更新所述目标题库数据中除所述第二候选问题题目之外的候选问题题目的问题序号。
50.上述方案中，所述装置还包括：
51.第四获取模块，用于在当前时段为所述待推送用户的历史答题时段的情况下，获取所述待推送用户的目标数据，所述目标数据包括终端状态数据和/或终端使用行为数据；
52.预测模块，用于基于所述目标数据，预测当前时段是否为所述待推送用户的最佳答题时段；
53.所述问卷推送模块，具体用于在当前时段为所述待推送用户的最佳答题时段的情况下，基于所述第二题库数据向所述待推送用户进行问卷推送。
54.第三方面，本发明实施例还提供一种电子设备，所述电子设备包括：处理器，存储器，存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如前述第一方面所述方法中的步骤。
55.第四方面，本发明实施例还提供一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。
56.在本发明实施例中，通过基于第一题库数据中多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；获取所述第一题库数据中所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目的数据，以生成所述待推送用户的第二题库数据；之后基于所述第二题库数据向所述待推送用户进行问卷推送。如此，可以根据问题题目的历史答题信息，智能地生成适合待推送用户的问卷题目，从而可以提高问卷推送的效果。
附图说明
57.为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
58.图1是本发明实施例提供的问卷推送方法的流程示意图；
59.图2是必要维度的判断规则的示意图；
60.图3是充分维度的判断规则的示意图；
61.图4是必要维度和充分维度结合下的一种判断规则的示意图；
62.图5是必要维度和充分维度结合下的另一种判断规则的示意图；
63.图6是必要维度和充分维度结合下的又一种判断规则的示意图；
64.图7是本发明实施例中问卷推送方法的整体流程示意图；
65.图8是本发明实施例中问卷推送系统的结构示意图；
66.图9是本发明实施例提供的问卷推送装置的结构示意图；
67.图10是本发明实施例提供的电子设备的结构示意图。
具体实施方式
68.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
69.本发明实施例中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，本技术中使用“和/或”表示所连接对象的至少其中之一，例如a和/或b和/或c，表示包含单独a，单独b，单独c，以及a和b都存在，b和c都存在，a和c都存在，以及a、b和c都存在的7种情况。
70.下面首先对本发明实施例提供的问卷推送方法进行说明。
71.需要说明的是，本发明实施例提供的问卷推送方法可以由本发明实施例的问卷推送装置执行。本发明实施例的问卷推送装置可以配置在任意电子设备中，以执行本发明实施例的问卷推送方法。其中，电子设备可以为服务器，其具体可以为智能调研平台的服务器。
72.参见图1，图中示出了本发明实施例提供的问卷推送方法的流程示意图。如图1所示，该方法可以包括如下步骤：
73.步骤101，获取待推送用户的第一题库数据，所述第一题库数据包括多个问题题目和所述多个问题题目的历史答题信息，所述多个问题题目中每个问题题目的主题标签与问卷主题匹配。
74.所述待推送用户可以为任意用户，也可以为触发了问卷推送功能的用户，或者，还可以为由问卷推送装置筛选出来的用户，这里不做具体限定。
75.所述待推送用户以由问卷推送装置筛选出来的用户为例，问卷推送装置可以对线上的用户进行筛选，以确定待推送用户。
76.具体的，问卷推送装置可以基于系统注册用户的基本属性(可以包括用户身份标识id、手机号、性别、年龄、地域、职业、行业和家庭状况等)、终端使用属性(可以包括品牌、型号、系统信息、套餐信息和流量使用情况等)、消费偏好数据(可以包括网购产品、线下购物产品、消费额度和付费手段等)、以及上网行为特征(可以包括应用程序app使用情况、上网时间、频率和网上社交行为等)等各类属性数据，生成用户属性标签；将本次调研的问卷主题与用户属性标签进行匹配，筛选出符合本次调研要求的目标类型用户，以作为待推送用户进行问卷推送。
77.所述第一题库数据可以称之为原始题库数据，所述原始题库数据可以包括主题标签与问卷主题匹配的多个问题题目。所述原始题库数据可以从总题库数据中获取，总题库数据中可以包括预先存储的所有问题题目的数据，其中，总题库数据中可以包括问题题目的主题标签。
78.可以利用现有的或者新的匹配算法如广泛匹配算法将本次调研的问卷主题的关键词与总题库数据中各问题题目的主题标签进行匹配，当调研的问卷主题的关键词包含总题库数据中问题题目的主题标签的关键词或同义词时，则匹配成功，可以将该问题题目存入原始题库。
79.其中，原始题库数据可以包括：问卷名称、问题题目及选项、问题序号、以及历史答题信息。所述历史答题信息可以包括题目回答次数和历史答题用户标签，历史答题用户标签可以包括填答过该问题的用户id和手机号。
80.步骤102，基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值。
81.可以基于原始题库数据中多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值，以生成适合该待推送用户的定制化问题题目。
82.其中，针对原始题库数据中的问题题目，相同的问题题目针对不同的推送用户，问卷推送装置确定的推荐值可以不同，因此，该推荐值为针对待推送用户的推荐值。也就是说，推荐值可以用来作为向待推送用户进行问题推送的标准参数，优先将推荐值高的问题题目推送给所述待推送用户。而针对不同的推送用户，即使问卷主题相同，推送的问卷的问题题目也可以不同，即可以基于该确定的推送值，为用户进行定制化问题推送。
83.在基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值之前，为了避免对待推送用户重复推送之前待推送用户已经答复过的问题，提高答题的广度，可以根据待推送用户的历史答题信息，将原始题库数据中所述待推送用户已经填答的问题剔除。之后，再确定原始题库数据中剔除后剩下的问题题目针对所述待推送用户的推荐值。
84.步骤103，获取所述第一题库数据中候选问题题目的数据，以生成所述待推送用户的第二题库数据，所述候选问题题目为所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目，所述第二题库数据包括所述候选问题题目。
85.可以在原始题库数据中筛选出推荐值在一定阈值范围内的问题题目，为了进行择优推送，可以从原始题库数据中获取针对所述待推送用户的推荐值大于第一阈值的问题题目，得到候选问题题目，并从所述第一题库数据中获取所述候选问题题目的数据，得到第二题库数据，该第二题库数据可以称之为基本题库数据。
86.其中，所述第二题库数据包括问题题目及选项、问题序号、问题类型、以及题目回答次数。所述问题序号可以为基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成的，也就是说，通常情况下，针对所述待推送用户的推荐值越大，则候选问题题目的问题序号更靠前，优先推送，而针对所述待推送用户的推荐值越小，则候选问题题目的问题序号则更靠后。所述第二题库数据中候选问题题目组成表述可以如下式(1)所示。
87.w＝{p1,p2,p3,...,pn}pn≥k(0＜k＜1)
ꢀꢀꢀ
(1)
88.其中，w表示候选问题题目的集合，pi(1≤i≤n)表示第i个题目针对所述待推送用户的推荐值，k表示第一阈值，其值为0至1之间。
89.所述问题类型可以包括两种，分别为跳转类型和非跳转类型，跳转类型可以用数值1标识，而非跳转类型可以用数值0标识。
90.步骤104，基于所述第二题库数据向所述待推送用户进行问卷推送。
91.该步骤中，问卷推送装置可以向所述待推送用户推送所述第二题库数据中的候选问题题目，且可以按照所述第二题库数据中的候选问题题目的问题序号进行问卷推送。
92.在进行问卷推送时，可以将问卷数据一次性推送给所述待推送用户，所述问卷数据可以包括多个问题序号排列在前的候选问题题目及选项。也可以基于候选问题题目的问题序号，按照预先设定的推送规则逐一进行问题推送，比如，按照候选问题题目的问题序号的排列从前至后的顺序，逐一进行问题推送，首先推送问题序号为1的候选问题题目及选
项，再推送问题序号为2的候选问题题目及选项，依此类推。
93.当然，在进行问题推送时，问卷推送装置可以判断所推送的候选问题题目的问题类型，并基于候选问题题目的问题类型进行下一题问题推送。比如，若当前推送的候选问题题目的问题类型为非跳转类型，则按照第二题库数据中问题序号继续依次推送。又比如，若当前推送的候选问题题目的问题类型为跳转类型，则可以获取所述待推送用户所提交的问题答案，并基于所述待推送用户所提交的答案进行下一题问题的推送，以下对此进行详细说明。
94.问卷推送装置所推送的候选问题题目的数量可以预先设定，也可以统计与所述待推送用户同类型的用户在回答问卷主题的此类问卷的平均题量，将平均题量作为所推送的候选问题题目的数量基准值，这里不做具体限定。
95.本实施例中，通过基于第一题库数据中多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；获取所述第一题库数据中所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目的数据，以生成所述待推送用户的第二题库数据；之后基于所述第二题库数据向所述待推送用户进行问卷推送。如此，可以根据问题题目的历史答题信息，智能地生成适合待推送用户的问卷题目，从而可以提高问卷推送的效果。并且，实现了智能化和定制化调研，提升了调研准确性。
96.可选的，所述多个问题题目包括第一问题题目，所述第一问题题目的历史答题信息包括所述第一问题题目的历史答题用户标签，所述第一问题题目为所述多个问题题目中任一问题题目；
97.所述步骤102包括：
98.从所述多个问题题目的历史答题信息中获取所述历史答题用户标签对应的第一用户对所述多个问题题目的答题状态；
99.确定所述待推送用户与所述第一用户的相似度；
100.基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。
101.本实施方式中，以确定第一问题题目针对所述待推送用户的推荐值为例，对基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值的过程进行详细说明。其中，所述第一问题题目可以为所述第一题库数据中所述多个问题题目的任一问题题目。
102.所述第一问题题目的历史答题信息可以包括所述第一问题题目的历史答题用户标签，所述历史答题用户标签可以包括用户id。
103.可以从所述多个问题题目的历史答题信息中获取所述用户id对应的第一用户对所述多个问题题目的答题状态。比如，针对一问题题目，所述第一用户回答过此问题，则可以用数值1标识，未回答过此问题，则可以用户数值0标识。
104.并通过用户id调用用户标签库中的用户基本属性标签，以获取所述第一用户的属性标签，基于所述第一用户的属性标签和所述待推送用户的属性标签，计算所述待推送用户与第一用户的相似度。具体的，设r
ai
和r
bi
分别代表待推送用户和第一用户的属性标签的n维向量，则待推送用户a和第一用户b的相似度采用余弦相似度计算公式计算，如下式(2)所示。
[0105][0106]
之后，可以基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。具体的，假定αi代表待推送用户与第一题库数据的已答复第i道题目的第一用户的相似度，第一题库数据中可以共包括t道题目，第i道题目的推荐值pi可以按照以下公式(3)计算。
[0107][0108]
其中，i
ij
表示已答复第i道题目的第一用户对第j道题目的答题状态，当第一用户答复过第j道题目，则i
ij
＝1，当第一用户未答复过第j道题目，则i
ij
＝0。
[0109]
本实施方式中，通过计算待推送用户与回答过第一题库数据中问题题目的第一用户的相似度，并依据用户相似度确定第一题库数据中问题题目的推荐值，从而可以基于第一题库数据中所述多个问题题目的历史答题信息，实时计算出适合待推送用户的最佳问题，使得问卷生成方面更加灵活和智能化，问题生成更加精准。
[0110]
可选的，所述第二题库数据还包括所述候选问题题目的问题序号，所述问题序号基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成，所述步骤104具体包括：
[0111]
基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送；
[0112]
在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断，以终止向所述待推送用户进行问题推送，所述目标数量为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。
[0113]
本实施方式中，可以基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送。
[0114]
具体的，在得到第二题库数据之后，可以按照推送规则1进行问题推送，推送规则1可以为：按照问题序号从前至后的排列顺序依次推送，首先将第二题库数据中问题序号为1的候选问题题目及选项作为第1道题推送给所述待推送用户的终端。
[0115]
从问题序号2的候选问题题目开始，可以判断候选问题题目的问题类型，当问题类型为非跳转类型时，采用推送规则2进行问题推送，而当问题类型为跳转类型时，采用推送规则3进行推送。
[0116]
所述推送规则2可以为：在待推送用户回答完该候选问题题目后，按照第二题库数据中的问题序号继续依次推送。
[0117]
所述推送规则3可以为：在用户回答完当前推送的候选问题题目后，将待推送用户提交的答案返回到第二题库数据，将答案与第二题库数据中各候选问题题目(可以不包括已推送的候选问题题目)的主题标签进行广泛匹配，将匹配到的候选问题题目推送完成后，再按照问题序号继续依次推送。
[0118]
在进行问卷推送过程中，可以统计推送序号，推送序号表征问卷推送装置推送的问题次数，即推送给所述待推送用户的问题数量，基于推送的问题数量以及目标数量，对问题推送事件进行终止判断，即确定是否需要终止向待推送用户进行问题推送。其中，所述问题推送事件可以为向所述待推送用户进行问题推送的事件。
[0119]
当推送的问题数量等于目标数量时，问卷推送装置可以终止向所述待推送用户进行问题推送，也可以进一步判断当前推送的候选问题题目的问题类型，基于当前推送的候选问题题目的问题类型，确定是否终止向待推送用户进行问题推送。
[0120]
所述目标数量可以为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。也就是说，所述目标数量可以为与待推送用户同类型的用户回答过与问卷主题同类型的问卷的平均题量，基于该平均题量作为本次答题终止判断。
[0121]
本实施方式中，通过基于与待推送用户同类型的用户回答与问卷主题同类型问卷的平均题量，作为本次答题终止判断，以对本次推送问卷的题目数量进行限制。如此，可以进一步提高问卷推送的效果。
[0122]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，所述在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断的步骤包括：
[0123]
在推送的问题数量等于目标数量，且在第二问题题目的问题类型为非跳转类型的情况下，终止向所述待推送用户进行问题推送；
[0124]
在推送的问题数量等于目标数量，且在第二问题题目的问题类型为跳转类型，以及问题推送事件满足推送终止条件的情况下，终止向所述待推送用户进行问题推送，所述推送终止条件为所述第二题库数据中所述第二问题题目的答案信息匹配的候选问题题目推送完成；
[0125]
其中，所述第二问题题目为推送序号对应所述目标数量的问题题目。
[0126]
本实施方式中，在推送的问题数量等于目标数量的情况下，可以对问题推送事件进行终端判断，并作出终止答题决策。
[0127]
具体的，终止答题决策可以包括两种，第一种可以为第二问题题目即基准值问题题目的问题类型为非跳转类型的终止答题决策，第二种可以为第二问题题目即基准值问题题目的问题类型为跳转类型的终止答题决策。
[0128]
在基准值问题题目的问题类型为非跳转类型的情况下，终止答题决策可以为待推送用户答复完基准值问题之后，立即终止向待推送用户进行问题推送。
[0129]
在基准值问题题目的问题类型为跳转类型的情况下，终止答题决策可以为在所述第二题库数据中基准值问题题目的答案信息匹配的候选问题题目推送完成之后，再终止向待推送用户进行问题推送。
[0130]
本实施方式中，通过基于与待推送用户同类型的用户回答与问卷主题同类型问卷的平均题量，作为本次答题终止判断，并基于最后一题的推送问题的答案信息的匹配情况，作出终止答题决策，以对本次推送问卷的题目数量进行限制。如此，可以进一步提高问卷推送的效果，提高问卷推送的灵活性。
[0131]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，所述在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断的步骤之前，所述方法还包括：
[0132]
在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，获取所述第一候选问题题目的答案信息；
[0133]
确定目标题库数据中与所述第一候选问题题目的答案信息匹配的第二候选问题
题目的数量，所述目标题库数据包括所述第二题库数据中除已推送候选问题题目之外的候选问题题目；
[0134]
基于所述第二候选问题题目的数量，更新所述目标题库数据中除所述第二候选问题题目之外的候选问题题目的问题序号。
[0135]
本实施方式中，在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，可以采用推送规则3进行问题推送。
[0136]
为了将匹配到的候选问题题目推送完成后，再按照问题序号继续依次推送，需要根据匹配到的候选问题题目的数量更新待推送的候选问题题目的问题序号。
[0137]
具体的，若当前推送的第一候选问题题目在目标题库数据中仅匹配上一道第二候选问题题目，则将匹配上的第二候选问题题目作为下一道题目进行推送，而目标题库数据中剩余未推送的候选问题题目的问题序号依次后移一位。其中，目标题库数据可以为第二题库数据中除已推送候选问题题目之外的候选问题题目。
[0138]
若当前推送的第一候选问题题目在目标题库数据中匹配上多道第二候选问题题目，可以比较匹配上的第二候选问题题目在第二题库数据中用户曾经回答过的次数，按照次数大小排序进行推送，而目标题库数据中剩余未推送的候选问题题目的问题序号依次后移相应数量，以便在匹配题目推送完成后继续按照问题序号推送。该相应数量可以为第二候选问题题目的数量，比如，当第二候选问题题目的数量为3道时，则可以依次后移三位。
[0139]
而若未匹配到第二题库数据中的任何题目，则推送该跳转类型的题目后，按照问题序号继续依次推送。之后，可以将该题目和用户答案反馈至总题库中进行人工更新，以丰富总题库数据。
[0140]
本实施方式中，在进行问题推送时，可以根据用户答题的实时答案反馈，智能生成最适合用户的定制化题目并逐一推送，如此，可以进一步提高问卷推送的效果，提高调研准确性。
[0141]
可选的，所述步骤104之前，所述方法还包括：
[0142]
在当前时段为所述待推送用户的历史答题时段的情况下，获取所述待推送用户的目标数据，所述目标数据包括终端状态数据和/或终端使用行为数据；
[0143]
基于所述目标数据，预测当前时段是否为所述待推送用户的最佳答题时段；
[0144]
所述步骤104具体包括：
[0145]
在当前时段为所述待推送用户的最佳答题时段的情况下，基于所述第二题库数据向所述待推送用户进行问卷推送。
[0146]
本实施方式中，为了提升问卷数据的有效性、问卷回收成功率和用户答题体验，问卷推送装置可以在待推送用户的历史答题时段的基础上，根据实时采集待推送用户的目标数据，最终确定出待推送用户的最佳答题时段，并在最佳答题时段进行问卷推送。
[0147]
具体的，问卷推送装置可以根据待推送用户的历史答题时段，将历史答题时段作为待推送用户的可答题备选时段，在此基础上通过采集待推送用户的目标数据，以预测当前时段是否为待推送用户的最佳答题时段。其中，目标数据可以包括终端状态数据和/或终端使用行为数据，以下所述目标数据以终端状态数据和终端使用行为数据为例进行详细说明。
[0148]
在进行最佳答题时段预测时，可以将所述目标数据分为必要维度的数据和充分维
度的数据，在必要维度的数据符合最佳答题时段时，才基于充分维度的数据进行最佳答题时段的判断，而在必要维度的数据不符合最佳答题时段时，直接判定为非最佳答题时段。
[0149]
必要维度的数据包括但不限于：信号强度、屏幕状态、通话状态、当前时间、终端消息提醒设置和用户动静状态等；充分维度的数据包括但不限于：用户位置、app使用类型、app切换速率、屏幕点击或滑动频次和浏览内容类型灯。
[0150]
首先，进行必要维度的判断，判断待推送用户是否处于非最佳答题时段。如果待推送用户不处于非最佳答题时段，则在此基础上，对充分维度分场景进行组合，形成基于不同场景下的多种判断规则，最终预测得到待推送用户的最佳答题时段。
[0151]
参见图2，图2是必要维度的判断规则的示意图，如图2所示，在终端处于通话中，或终端信号不良好，或待推送用户不处于静止状态，或待推送用户的终端的屏幕未亮起，或待推送用户的终端未有消息提醒的情况下，确定当前时段是非最佳答题时段。
[0152]
参见图3，图3是充分维度的判断规则的示意图，如图3所示，可以基于当前时间(是否处于工作、上课、睡眠等时段)、用户当前app使用类型(是否在使用办公、游戏、视频等类型app)、app切换速率(是否长时间停留在一款app内等)、屏幕操作频次、浏览内容类型(是否在浏览工作、搜索结果等相关内容)等多个充分维度进行判断，基于不同场景生成判断规则，最终获得待推送用户的最佳答题时段。
[0153]
参见图4，图4是必要维度和充分维度结合下的一种判断规则的示意图，如图4所示，在必要维度达标的情况下，可以根据当前时间、屏幕操作频次合理性进行最佳答题时段的判断。
[0154]
参见图5，图5是必要维度和充分维度结合下的另一种判断规则的示意图，如图5所示，在必要维度达标的情况下，可以根据使用app类型合理性进行最佳答题时段的判断。
[0155]
参见图6，图6是必要维度和充分维度结合下的又一种判断规则的示意图，如图6所示，在必要维度达标的情况下，可以根据app切换速度、浏览内容合理性进行最佳答题时段的判断。
[0156]
之后，在确定当前时段为所述待推送用户的最佳答题时段的情况下，可以基于所述第二题库数据向所述待推送用户进行问卷推送。
[0157]
本实施方式中，通过结合待推送用户的历史答题时段以及实时采集到的待推送用户的终端状态、信号强度以及终端使用行为数据，预测待推送用户的最佳答题时段，并在该最佳答题时段进行问卷推送，从而可以提升问卷数据的有效性、问卷回收成功率和用户答题体验。
[0158]
本发明实施例中介绍的多种可选的实施方式，在彼此不冲突的情况下可以相互结合实现，也可以单独实现，对此本发明实施例不作限定。
[0159]
为方便理解，示例说明如下：
[0160]
参见图7，图7是本发明实施例中问卷推送方法的整体流程示意图，如图7所示，整体流程如下：
[0161]
问卷推送装置的问卷推送可以包括多个阶段，分别为问卷推送的目标和时间确定阶段、问卷信息采集和预处理阶段和问卷推送阶段。
[0162]
在问卷推送的目标和时间确定阶段，可以基于用户数据库和用户终端数据进行目标答题用户的筛选，以得到待推送用户，并进行用户最佳答题时段预测。
[0163]
在问卷信息采集和预处理阶段，可以从问卷总题库中筛选出原始题库，并根据问题生成规则形成答题库，得到基本题库。
[0164]
在问卷推送阶段，可以根据推送规则推送问题，向待推送用户逐一推送问题，获取待推送用户提交的答案，判断是否终止答题，若是，则答题结束，若否，则判断答案是否在基本题库中，若是，从基本题库中匹配答案的问题继续推送，若否，则答题结束，并更新总题库。
[0165]
本发明实施例还提供了一种问卷推送系统，参见图8，图8是本发明实施例中问卷推送系统的结构示意图，如图8所示，问卷推送装置可以包括终端如移动终端和智能调研平台，移动终端可以包括终端操作行为采集模块、终端使用状态采集模块、通讯信号强度采集模块和交互模块，终端操作行为采集模块、终端使用状态采集模块和通讯信号强度采集模块用于采集用户终端数据，而交互模块用于将采集的数据上报给智能调研平台。
[0166]
智能调研平台包括目标用户筛选模块、最佳答题时段预测模块、答题数据采集模块、问卷库采集及处理模块、问题推送模块和答题状态判断模块，目标用户筛选模块用于基于用户基本属性、终端属性、用户消费偏好、上网行为和用户标签等数据，筛选符合本次调研的待推送用户。
[0167]
而最佳答题时段预测模块用于对推送给待推送用户的最佳答题时段进行推送，答题数据采集模块用户采集终端在答题时上报的答案。问卷库采集及处理模块用于从总题库中获取包括与问卷主题匹配的多个问题题目的原始题库，并基于用户历史答题数据从原始题库中获取本次问卷推送的基本题库。
[0168]
其中，总题库中包括主题模块、问卷名称、问题选项和问题类型，原始题库中包括问题名称、问题序号、题目选项和用户号码，基本题库中包括问题序号、题目选项、问题类型和回答次数，而用户历史答题数据包括包括主题标签、问题选项、答案模块和答题时长。
[0169]
问题推送模块用于按照基本题库中问题题目的问题序号逐一进行问题推送，而答题状态判断模块用于对终端的答题状态进行判断，以进行下一题问题推送。
[0170]
下面对本发明实施例提供的问卷推送装置进行说明。
[0171]
参见图9，图中示出了本发明实施例提供的问卷推送装置的结构示意图。如图9所示，问卷推送装置900包括：
[0172]
第一获取模块901，用于获取待推送用户的第一题库数据，所述第一题库数据包括多个问题题目和所述多个问题题目的历史答题信息，所述多个问题题目中每个问题题目的主题标签与问卷主题匹配；
[0173]
第一确定模块902，用于基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；
[0174]
第二获取模块903，用于获取所述第一题库数据中候选问题题目的数据，以生成所述待推送用户的第二题库数据，所述候选问题题目为所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目，所述第二题库数据包括所述候选问题题目；
[0175]
问卷推送模块904，用于基于所述第二题库数据向所述待推送用户进行问卷推送。
[0176]
可选的，所述多个问题题目包括第一问题题目，所述第一问题题目的历史答题信息包括所述第一问题题目的历史答题用户标签，所述第一问题题目为所述多个问题题目中任一问题题目；
[0177]
所述第一确定模块902包括：
[0178]
获取单元，用于从所述多个问题题目的历史答题信息中获取所述历史答题用户标签对应的第一用户对所述多个问题题目的答题状态；
[0179]
第一确定单元，用于确定所述待推送用户与所述第一用户的相似度；
[0180]
第二确定单元，用于基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。
[0181]
可选的，所述第二题库数据还包括所述候选问题题目的问题序号，所述问题序号基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成，所述问卷推送模块904包括：
[0182]
问题推送单元，用于基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送；
[0183]
终止判断单元，用于在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断，以终止向所述待推送用户进行问题推送，所述目标数量为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。
[0184]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，所述终止判断单元，具体用于在推送的问题数量等于目标数量，且在第二问题题目的问题类型为非跳转类型的情况下，终止向所述待推送用户进行问题推送；在推送的问题数量等于目标数量，且在第二问题题目的问题类型为跳转类型，以及问题推送事件满足推送终止条件的情况下，终止向所述待推送用户进行问题推送，所述推送终止条件为所述第二题库数据中所述第二问题题目的答案信息匹配的候选问题题目推送完成；其中，所述第二问题题目为推送序号对应所述目标数量的问题题目。
[0185]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，所述装置还包括：
[0186]
第三获取模块，用于在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，获取所述第一候选问题题目的答案信息；
[0187]
第二确定模块，用于确定目标题库数据中与所述第一候选问题题目的答案信息匹配的第二候选问题题目的数量，所述目标题库数据包括所述第二题库数据中除已推送候选问题题目之外的候选问题题目；
[0188]
更新模块，用于基于所述第二候选问题题目的数量，更新所述目标题库数据中除所述第二候选问题题目之外的候选问题题目的问题序号。
[0189]
可选的，所述装置还包括：
[0190]
第四获取模块，用于在当前时段为所述待推送用户的历史答题时段的情况下，获取所述待推送用户的目标数据，所述目标数据包括终端状态数据和/或终端使用行为数据；
[0191]
预测模块，用于基于所述目标数据，预测当前时段是否为所述待推送用户的最佳答题时段；
[0192]
所述问卷推送模块，具体用于在当前时段为所述待推送用户的最佳答题时段的情况下，基于所述第二题库数据向所述待推送用户进行问卷推送。
[0193]
问卷推送装置900能够实现上述方法实施例中实现的各个过程，为避免重复，这里
不再赘述。
[0194]
下面对本发明实施例提供的电子设备进行说明。
[0195]
参见图10，图中示出了本发明实施例提供的电子设备的结构示意图。如图10所示，电子设备1000包括：处理器1001、存储器1002、用户接口1003和总线接口1004。
[0196]
处理器1001，用于读取存储器1002中的程序，执行下列过程：
[0197]
获取待推送用户的第一题库数据，所述第一题库数据包括多个问题题目和所述多个问题题目的历史答题信息，所述多个问题题目中每个问题题目的主题标签与问卷主题匹配；
[0198]
基于所述多个问题题目的历史答题信息，确定所述多个问题题目中每个问题题目针对所述待推送用户的推荐值；
[0199]
获取所述第一题库数据中候选问题题目的数据，以生成所述待推送用户的第二题库数据，所述候选问题题目为所述多个问题题目中针对所述待推送用户的推荐值大于第一阈值的问题题目，所述第二题库数据包括所述候选问题题目；
[0200]
基于所述第二题库数据向所述待推送用户进行问卷推送。
[0201]
在图10中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1001代表的一个或多个处理器和存储器1002代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口1004提供接口。针对不同的用户设备，用户接口1003还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
[0202]
处理器1001负责管理总线架构和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能，可选的，处理器1001可以是cpu、asic、fpga或cpld。而存储器1002可以存储处理器1001在执行操作时所使用的数据。
[0203]
可选的，所述多个问题题目包括第一问题题目，所述第一问题题目的历史答题信息包括所述第一问题题目的历史答题用户标签，所述第一问题题目为所述多个问题题目中任一问题题目；处理器1001还用于：
[0204]
从所述多个问题题目的历史答题信息中获取所述历史答题用户标签对应的第一用户对所述多个问题题目的答题状态；
[0205]
确定所述待推送用户与所述第一用户的相似度；
[0206]
基于所述相似度和所述第一用户对所述多个问题题目的答题状态，确定所述第一问题题目针对所述待推送用户的推荐值。
[0207]
可选的，所述第二题库数据还包括所述候选问题题目的问题序号，所述问题序号基于所述候选问题题目针对所述待推送用户的推荐值从大至小的顺序生成，处理器1001还用于：
[0208]
基于所述候选问题题目的问题序号，向所述待推送用户逐一进行问题推送；
[0209]
在推送的问题数量等于目标数量的情况下，对问题推送事件进行终止判断，以终止向所述待推送用户进行问题推送，所述目标数量为第二用户针对所述问卷主题的问卷答题数量，所述第二用户为与所述待推送用户相似度大于第二阈值的用户。
[0210]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，处理器1001还
用于：
[0211]
在推送的问题数量等于目标数量，且在第二问题题目的问题类型为非跳转类型的情况下，终止向所述待推送用户进行问题推送；
[0212]
在推送的问题数量等于目标数量，且在第二问题题目的问题类型为跳转类型，以及问题推送事件满足推送终止条件的情况下，终止向所述待推送用户进行问题推送，所述推送终止条件为所述第二题库数据中所述第二问题题目的答案信息匹配的候选问题题目推送完成；
[0213]
其中，所述第二问题题目为推送序号对应所述目标数量的问题题目。
[0214]
可选的，所述第二题库数据还包括所述候选问题题目的问题类型，处理器1001还用于：
[0215]
在当前推送的第一候选问题题目的问题类型为跳转类型的情况下，获取所述第一候选问题题目的答案信息；
[0216]
确定目标题库数据中与所述第一候选问题题目的答案信息匹配的第二候选问题题目的数量，所述目标题库数据包括所述第二题库数据中除已推送候选问题题目之外的候选问题题目；
[0217]
基于所述第二候选问题题目的数量，更新所述目标题库数据中除所述第二候选问题题目之外的候选问题题目的问题序号。
[0218]
可选的，处理器1001还用于：
[0219]
在当前时段为所述待推送用户的历史答题时段的情况下，获取所述待推送用户的目标数据，所述目标数据包括终端状态数据和/或终端使用行为数据；
[0220]
基于所述目标数据，预测当前时段是否为所述待推送用户的最佳答题时段；
[0221]
处理1001还用于在当前时段为所述待推送用户的最佳答题时段的情况下，基于所述第二题库数据向所述待推送用户进行问卷推送。
[0222]
优选的，本发明实施例还提供一种电子设备，包括处理器1001，存储器1002，存储在存储器1002上并可在所述处理器1001上运行的计算机程序，该计算机程序被处理器1001执行时实现上述问卷推送方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0223]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述问卷推送方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
[0224]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0225]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0226]
在本技术所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0227]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
[0228]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0229]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0230]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。