[发明专利]产品数据推送方法、装置、计算机设备和存储介质

说明书

本申请涉及基于资源分配的一种产品数据推送方法、装置、计算机设备和存储介质。所述方法包括：接收业务终端发送的产品数据获取请求，产品数据获取请求携带了用户画像数据；获取预设的产品预测模型，通过产品预测模型对用户画像数据进行多维度分析，得到用户画像数据对应多个产品数据的偏好度值；根据多个产品数据的偏好度值对多个产品数据进行排序，获取预设数量的优选产品数据；将优选产品数据推送至业务终端。采用本方法能够能够有效地提高产品数据的推送准确率以提高产品数据的推送效率。

技术领域

本申请涉及计算机技术领域，特别是涉及基于资源分配的一种产品数据方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的快速发展，出现了越来越多的线上推广的方式，但线上推广的资源有限，传统的线下推广依然是非常重要的推广方式。业务人员在推送产品数据时，无法根据有限的用户信息有效地推送匹配度较高的产品数据。

传统的产品数据推送方式中，通常是根据已有的用户信息将产品数据直接推送给用户终端。而对于未注册的潜在用户而言，无法直接向用户推送产品数据。现有的用户挖掘或产品数据推送的方式中，并不能根据目标用户的已有属性信息进行个性化推送符合用户情况的产品数据，导致产品数据的推送效率较低。因此，如何有效地提高产品数据的推送准确率以提高产品数据的推送效率成为目前需要解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效地提高产品数据的推送准确率以提高产品数据的推送效率的产品数据推送方法、装置、计算机设备和存储介质。

一种产品数据推送方法，所述方法包括：

接收业务终端发送的产品数据获取请求，所述产品数据获取请求携带了用户画像数据；

获取预设的产品预测模型，通过所述产品预测模型对所述用户画像数据进行多维度分析，得到所述用户画像数据对应多个产品数据的偏好度值；

根据多个产品数据的偏好度值对多个产品数据进行排序，获取预设数量的优选产品数据；

将所述优选产品数据推送至所述业务终端。

在其中一个实施例中，所述获取预设的产品预测模型之前，还包括：从预设数据库中获取多个用户信息、用户历史数据和产品数据；对多个用户信息、用户历史数据和产品数据进行聚类分析，得到聚类结果；根据聚类结果进行特征选择，提取出多个特征变量和对应的特征维度值；根据多个特征变量和对应的特征维度值利用朴素贝叶斯算法建立产品预测模型。

在其中一个实施例中，所述通过所述产品预测模型对所述用户画像数据进行多维度分析，得到所述用户画像数据对应多个产品数据的偏好度值，包括：对所述用户画像数据进行特征提取，得到对应的多个特征向量；将多个特征向量输入至所述产品预测模型中，通过所述产品预测模模型对所述用户画像数据进行分类，对所述用户画像数据添加对应的类别标签；计算所述用户画像数据对应多个产品数据的占比值和匹配度值；根据所述占比值和匹配度值计算所述用户画像数据对应每个产品数据的偏好度值。

在其中一个实施例中，所述方法还包括：根据预设频率从预设数据库中获取多个用户信息、用户历史数据和产品数据；对多个用户信息、用户历史数据和产品数据进行聚类分析，得到分析结果；根据所述分析结果进行特征选择，得到多个特征变量；根据预设的算法计算多个特征变量的权重；根据多个特征变量和对应的权重对所述产品预测模型进行优化调整。

在其中一个实施例中，所述产品预测请求携带了地理位置信息，在将所述优选产品数据推送至所述业务终端之后，还包括：根据所述地理位置信息获取预设范围内的多个地点画像数据；获取预设的数据分析模型，通过所述数据分析模型根据多个地点画像数据对所述用户画像数据和所述产品数据进行匹配分析，得到所述用户画像数据和所述产品数据对应多个地点的偏好度值；根据多个地点的偏好度值对多个地点数据进行排序，获取预设数量的优选地点数据；将所述优选地点数据推送至所述业务终端。