[发明专利]一种基于互联网大数据标签分析配对式活动推荐方法

权利要求书

1.一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：包括如下步骤：

S1：活动定义：首先根据不同活动性质、以及活动内容、或者活动的特征，将活动分成各种不同标签，并将每个活动以及对应的标签进行配对储存；

S2：信息收集：收集用户的历史浏览记录、历史参加活动情况记录的数据，根据采集信息数据进行种类分别划分；

S3：用户标签：根据收集到的用户信息，对不同的用户贴上匹配的标签，且根据每个用户的标签组成该用户独特的活动列表；

S4：活动推送：根据用户不同的标签，像该用户推送匹配的活动，并进行记录，将给成员匹配的推送活动进行确认信息记录；

S5：选择分析：在匹配过程，加入了匹配度的标准分析，匹配度越高，说明越可能受到该用户的喜欢，在推送中排在更前面。

2.根据权利要求1所述的一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：针对S1中，活动标签包括文体艺术、学术创新、实习创业、道德修养、技能培训、身心发展、社会工作、志愿服务、线上活动、线下活动、班级活动、团日活动、讲座论坛类、体育竞技类、读书、影视赏析和外语培训等，并将这个标签以及对应的活动，进行信息储存。

3.根据权利要求1所述的一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：针对S2中，信息收集包括如下步骤：

S201：针对每个用户单独生成一个推送数据收集系统，且收集系统内设置有针对每个用户用于信号储存的数据储存库；

S202：系统访问其用户的浏览记录，且对历史浏览次数进行记录，针对浏览次数进行标记，将次数多的浏览信息进行收集；

S203：收集用户历史参加活动的信息，并将用户每次参加的历史活动信息进行分析，截取有用的信息进行收集储存。

4.根据权利要求1所述的一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：针对S3中，用户标签包括如下步骤：

S301：基于原有数据沉淀分析出来的精准性标签，与用户行为产生的数据进行清洗整合，提炼出相对完善的用户标签；

S302：需求收集后需要对需求进行分析梳理，结合业务场景，判断需求和业务的匹配程度，确定标签制定的目的，统一标签定义，注意标签务必要符合业务场景搭建，且对标签定义达成内部共识；

S303：明确数据支持信息，即什么样的数据和标签相匹配，这些数据包括用户基础数据、用户行为数据、用户业务数据和补充数据。

5.根据权利要求1所述的一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：针对S3中，活动喜爱的人群进行标签，其标签包括男生、女生、大一新生、临毕业学生、所学专业、用户参加的社团以及家庭情况等，用户贴的标签包括隐性标签和显性标签，隐性标签为后台给用户打标签，对用户线上和线下行为深度洞察，后台结合用户前端的点击浏览行为等用户行为操作，自动为用户贴上相应类别标签；显性标签通过用户主动给自己打标签，即用户在产品前端页面手动选择自己感兴趣的标签，用户通过触发标签机制，后台机器匹配数据直接打标签。

6.根据权利要求1所述的一种基于互联网大数据标签分析配对式活动推荐方法，其特征在于：针对S4中，活动推送包括如下步骤：

S401：在整个用户信息数据库中，通过对用户基本信息、属性、心理、行为等调研后获得的较为精准的用户虚拟模型；

S402：确定将要做推送的活动的主要目的，并确定好触发场景，明确活动投放位置，用户完成了预定的操作或者符合相应的条件才能触发某个活动；

S403：通过给用户打标签，集中管理用户的属性和行为标签，当面对不同用户可以触发不同活动，从而使活动转化概率增加。

7.根据权利要求1所述的一种塑封二极管生产用成型固化模具，其特征在于：针对S4中，跟据历史数据，分析系统成员的各种属性，基于成员的各种属性，为成员打标签，基于成员标签，为成员匹配相应的推送活动，组成该用户独特的活动列表，可进行多次活动推送。