[发明专利]一种针对小程序的用户引导方法、装置以及设备

权利要求书

1.一种针对小程序的用户引导方法，包括：

接收用户针对应用包含的多个小程序中的目标小程序的访问请求；

若所述目标小程序的访问入口尚不处于所述应用提供的快捷访问区域中，则确定针对所述用户和所述目标小程序的引导信息，以及预测向所述用户曝光所述引导信息的有效曝光时机；

在所述有效曝光时机，将所述引导信息通过所述应用向所述用户曝光；

响应于在所述引导信息向所述用户曝光后所述用户的接受引导操作，将所述目标小程序的访问入口添加至所述快捷访问区域中。

2.如权利要求1所述的方法，所述有效曝光时机由通过有标签样本训练的模型预测得到；

所述有标签样本按照如下方式确定：

设置负样本标签，以及划分多个不同的接受时间区间，并为各所述接受时间区间分别设置对应的标签，作为正样本标签；

获取样本用户对所述应用包含的小程序的历史访问记录；

若在所述历史访问记录中，有针对该小程序的引导信息曝光，且所述样本用户相应执行了接受引导操作，则确定所述从该曝光到该接受引导操作耗费的时长，将该时长所属的接受时间区间对应的正样本标签确定为所述样本用户的分类标签；

若所述样本用户未执行所述接受引导操作，则将所述负样本标签确定为所述样本用户的分类标签。

3.如权利要求2所述的方法，所述预测向所述用户曝光所述引导信息的有效曝光时机，具体包括：

获取所述用户针对小程序和引导信息的历史行为特征；

获取所述目标小程序及其引导信息与用户交互的历史统计特征；

将所述用户的所述历史行为特征，以及所述目标小程序及其引导信息的所述历史统计特征输入所述模型进行分类，根据所述分类的结果预测向所述用户曝光所述引导信息的有效曝光时机。

4.如权利要求3所述的方法，所述进行分类，具体包括：

将输入所述模型的特征转换为嵌入向量；

将所述嵌入向量分别输入因子分解机、深度神经网络、注意力模块，以通过所述因子分解机提取低阶交叉特征，以及通过所述深度神经网络和所述注意力模块提取高阶交叉特征；

将所述低阶交叉特征和所述高阶交叉特征连接后输入softmax层进行处理，得到作为分类结果的分类标签。

5.如权利要求1所述的方法，所述在所述有效曝光时机，将所述引导信息通过所述应用向所述用户曝光，具体包括：

确定所述快捷访问区域中包含的访问入口所属的小程序；

判定所述确定的小程序是否为所述目标小程序的相关小程序；

若是，则确定所述有效曝光时机至少处于所述用户访问所述相关小程序的过程中；

在所述用户访问所述相关小程序的过程中，在所述有效曝光时机将所述引导信息通过所述相关小程序向所述用户曝光。

6.如权利要求5所述的方法，所述确定所述有效曝光时机至少处于所述用户访问所述相关小程序的过程中之前，所述方法还包括：

预测所述用户对所述目标小程序的复访可能性，确定所述复访可能性未达到设定阈值。

7.如权利要求5所述的方法，所述判定所述确定的小程序是否为所述目标小程序的相关小程序，具体包括：

确定所述确定的小程序的第一业务功能，以及所述目标小程序的第二业务功能；

预测所述第二业务功能接续于所述第一业务功能之后的接续概率；

若所述接续概率达到设定阈值，则判定所述确定的小程序为所述目标小程序的相关小程序。

8.如权利要求7所述的方法，所述将所述目标小程序的访问入口添加至所述快捷访问区域中，具体包括：

用所述目标小程序的访问入口，在所述快捷访问区域中，替换所述相关小程序的访问入口；

在所述替换后，若检测到所述用户访问所述目标小程序，则将所述相关小程序的访问入口重新添加至所述快捷访问区域。