[发明专利]基于预测模型的APP智能推送引擎及方法

说明书

本发明提出一种基于预测模型的APP智能推送引擎及方法，包括：推送结果采集模块，用于获取推送到达用户的时刻和用户响应推送信息的时刻；活动参与记录模块，用于获取用户开始参与活动时刻和结果返回时刻；推送成效统计模块，用于根据推送结果采集模块和活动参与记录模块采集的时刻信息分别获取表征用户活跃程度和系统负荷的时延参数；预测模型构建模块，用于根据时延参数基于推广成效与系统负荷之间的平衡权重，构建获得推送预测模型；智能分配推送模块，用于根据推送预测模型基于各个时间段的每日估算权重分布，分配推送时间段及其推送用户量执行具体的推送操作。以解决现有推送技术未能动态安排时间段、活动推广与系统稳定运行冲突的问题。

技术领域

本发明涉及消息推送技术领域，尤其涉及一种基于预测模型的APP智能推送引擎及方法。

背景技术

传统的手机APP营销，主要向注册用户推送各类活动消息，借此推广新业务和新活动，同时增加用户的活跃度及其对平台的黏性，一方面增强对新用户的吸引力，另一方面提高现有用户的留存度。

为了增大活动信息的曝光度，也为了提高消息推送的触达率，手机APP的管理后台通常向所有注册用户发起通知推送，力求让每个用户都能收到推送消息。推送时间一般选在某个时间段全部推完消息，比如上午的9:00-10:00，以及下午的15:00-16:00，手机APP收到消息后会在通知栏展示活动说明。选择在固定时间段推送的好处，主要是方便事先拟好活动内容，再由管理后台定时触发推送操作，而且按照以往经验，用户在这两个时间段会比较活跃，相对容易参与活动受理。

对于传统的通知推送技术而言，尽管在固定时间段向所有用户推送活动消息的方案简单易行，但该方法存在如下技术性缺点：

1、向所有用户一起推送消息，会造成在该时间段内系统负荷过大，影响正常的业务办理；

2、按照人为的认知经验设置推送时间段，缺乏实际运行数据支撑，未能更加合理地安排时间；

3、系统升级前后的系统负荷是动态变化的，在不同季节用户的活跃时间段也在不断调整，固定时间推送没有考虑到这些波动情况。

发明内容

为降低系统压力，提升推送效率，减少用户骚扰，需要采取一种更精准、更高效的活动消息推送机制。其要点在于能够自动分析过往的活动推送结果，以及当时的系统响应情况，在此基础上预测每日的用户推送分布，智能安排各个时间段的活动推送数量，达到兼顾活动推广与系统稳定运行的平衡目标。

为了解决现有技术存在的缺陷和不足的问题，本发明提出一种基于预测模型的APP智能推送引擎及方法。旨在解决现有推送技术未能动态安排时间段、活动推广与系统稳定运行冲突的问题。

本发明具体包括以下内容：

一种基于预测模型的APP智能推送引擎，其特征在于，包括：

推送结果采集模块，用于获取推送到达用户的时刻和用户响应推送信息的时刻；

活动参与记录模块，用于获取用户开始参与活动时刻和结果返回时刻；

推送成效统计模块，用于根据所述推送结果采集模块和活动参与记录模块采集的时刻信息分别获取表征用户活跃程度和系统负荷的时延参数；

预测模型构建模块，用于根据时延参数基于推广成效与系统负荷之间的平衡权重，构建获得推送预测模型；

智能分配推送模块，用于根据所述推送预测模型基于各个时间段的每日估算权重分布，分配推送时间段及其推送用户量执行具体的推送操作。

进一步地，通知响应时延=通知点击时间-推送到达时间，用于表征推广成效；活动参与时延=结果返回时间-开始参与时间，用于表征系统负荷。

进一步地，在所述推送预测模型中，将某个时间段的推广成效与时延参数的倒数相关联构建获得推广成效的平衡权重参数；再通过所述平衡权重参数估算以不同时间段为区分计算各时间段分配到的推送量比例，及每个时间段分配到的推送用户数量。