CN102034186A - 移动通信***中确定目标用户的装置和方法 - Google Patents
移动通信***中确定目标用户的装置和方法 Download PDFInfo
- Publication number
- CN102034186A CN102034186A CN2009100931233A CN200910093123A CN102034186A CN 102034186 A CN102034186 A CN 102034186A CN 2009100931233 A CN2009100931233 A CN 2009100931233A CN 200910093123 A CN200910093123 A CN 200910093123A CN 102034186 A CN102034186 A CN 102034186A
- Authority
- CN
- China
- Prior art keywords
- characteristic information
- user behavior
- user
- targeted customer
- behavior characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明实施方式公开了一种移动通信***中确定目标用户的装置和方法。该装置包括源数据提供单元和客户特征库单元,其中:源数据提供单元,用于向客户特征库单元提供用户的消费行为源数据;客户特征库单元,用于将消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户。应用本发明实施方式以后,可以显著提高目标用户群的精度。
Description
技术领域
本发明涉及移动通信技术领域,更具体地,本发明涉及移动通信***中确定目标用户的装置和方法。
背景技术
目前移动通信运营商在进行市场营销、产品策划等工作时,往往需要确定目标用户群,以便针对这个目标用户群来进行推销和推荐。在确定目标用户群时,一般根据营销活动或者产品推出的目的,对目标用户的业务条件作一些主观经验上的判断,然后再通过业务支撑部门从经营分析、业务运营支撑(BOSS)等***人工提取出符合该业务条件的用户数据。
在现有技术中,需要经过一个办公流程在不同部门之间多次交互协作后才能完成确定目标用户群,而且目标用户提取的条件依赖于业务人员的业务经验和支撑部门的理解。然而,业务人员通过经验总结得到目标用户所需要的业务条件具有较大的主观性,不同的人往往给出的是结果迥异的目标用户,虽然基于营销分析人员的经验,可能会在某次营销活动中得到一个比较合适的目标用户群,但由于没有专有的***支撑,这种好的结果一般是不稳定的,因此这种方式提取的目标用户群的精度无法得到保障。
另外,在现有技术中的经营分析、BOSS等***存在有一些功能模块,可以用于提取满足一定统计条件的用户明细数据,其能够设置的统计条件一般都是一些具体的业务指标。然而,通过经营分析、BOSS***的统计模块从一些具体的统计条件得到目标用户的方法,由于具体的统计条件往往体现的是一个局部,多个统计条件的结合一般也是“与、或”等简单的逻辑关系,其获得的目标用户群的精度有限,而且不能得到更为综合性的客户信息,这将在业务人员的愿望和实际数据支撑之间形成一些无法填补的间隙。
发明内容
本发明实施方式提出一种确定目标用户的装置,以提高目标用户群的精度。
本发明实施方式还提出一种确定目标用户的方法,以提高目标用户群的精度。
本发明实施方式的技术方案如下:
一种移动通信***中确定目标用户的装置,该装置包括源数据提供单元和客户特征库单元,其中:
源数据提供单元,用于向客户特征库单元提供用户的消费行为源数据;
客户特征库单元,用于将所述消费行为源数据转换为用户行为特征信息,并将所述用户行为特征信息与预先设定的指标数据进行关联,以确定出符合所述指标数据的目标用户。
一种移动通信***中确定目标用户的方法,该方法包括:
提供用户的消费行为源数据;
将所述消费行为源数据转换为用户行为特征信息,并将所述用户行为特征信息与预先设定的指标数据进行关联,以确定出符合所述指标数据的目标用户。
从上述技术方案可以看出,在本发明实施方式中,源数据提供单元向客户特征库单元提供用户的消费行为源数据,客户特征库单元将消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户。
由此可见,应用本发明实施方式以后,首先能够根据收集到的消费行为源数据对用户行为特征进行不断更新,跟踪用户的行为特征及其变化,然后可以根据用户行为特征信息的组合,匹配出合适的目标用户号码清单,并提供目标用户的特征支撑数据,以用于后续的再次筛选。因此,本发明实施方式可以显著提高目标用户群的精度。
而且,本发明实施方式弥补了现有营销活动中凭借业务经验或者堆砌简单指标来筛选目标用户的缺陷,能够将客户从定性特征到定量支撑数据进行梳理和关联,通过组合不同用户行为特征信息来匹配客户,满足营销活动对目标用户的特定需求,由于用户行为特征信息多属于定性描述,非常贴近业务人员看待客户的视角,很容易将自己的业务经验和特征信息结合起来,从而能够快速确定合理的目标用户群,在此基础上通过和用户行为特征信息关联的指标数据,可以得到定量数据的支撑,从而便于开展后续进一步的分析和处理。
附图说明
图1为根据本发明实施方式的移动通信***中确定目标用户的装置结构示意图。
图2为根据本发明实施方式的移动通信***中确定目标用户的方法流程示意图。
图3为根据本发明实施方式的移动通信***中,基于话费查询业务办理集中程度特征确定目标用户的方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白,下面结合附图及具体实施方式对本发明再作进一步详细的说明。
在本发明实施方式中,首先获取消费行为源数据,然后将消费行为源数据转换为用户行为特征信息,再将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户,然后还可以实现与用户行为特征信息相关的明细消费行为源数据的收集与提取,并可以按照用户行为特征信息的组合来匹配目标用户。
图1为根据本发明实施方式的移动通信***中确定目标用户的装置结构示意图。
如图1所示,该装置包括源数据提供单元101和客户特征库单元102,其中:
源数据提供单元101,用于向客户特征库单元102提供用户的消费行为源数据;
客户特征库单元102,用于将消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户。
在一个实施方式中,客户特征库单元102,可以自行确定出目标用户,然后上报给源数据提供单元101。在另一个实施方式中,客户特征库单元102,可以首先接收源数据提供单元101的目标用户确定请求,然后再确定出符合指标数据的目标用户,并上报给源数据提供单元101。
源数据提供单元101用于向客户特征库单元102提供用户的消费行为源数据,以供客户特征库单元102的后续分析。源数据提供单元101具体可以为经营分析单元、业务运营支撑(BOSS)***、客户服务单元或市场营销单元等功能模块。
在一个实施方式中,源数据提供单元101可以由自身产生消费行为源数据,然后提供给客户特征库单元102。在另一个实施方式中,源数据提供单元101还可以自身并不产生消费行为源数据,而是首先从其它***获得消费行为源数据,然后再提供给客户特征库单元102。作为一个较佳的实施方式,源数据提供单元101可以是经营分析单元。经营分析单元是目前通信运营商企业内部已经存在并不断在发展的商业智能***,并且是市场部门确定营销活动、产品服务的目标用户群主要依赖的***。
具体的,客户特征库单元102可以包括用户行为特征信息采集模块1021和用户行为特征匹配模块1022,其中:
用户行为特征信息采集模块1021,用于将消费行为源数据按照业务类型进行分类,并计算各种业务类型的消费行为源数据的集中度,并作为用户行为特征信息予以保存;
用户行为特征匹配模块1022,用于将用户行为特征信息与预先设定的指标数据进行比较,以确定出符合指标数据的目标用户。
其中,用户行为特征信息采集模块1021计算各种业务类型的消费行为源数据的集中度可以包括:计算各种业务类型在预定时间内的业务办理量;计算各种业务类型在预定时间内的业务办理集中度;计算各种业务类型在预定时间内业务办理集中度的稳定度;计算各种业务类型的业务办理集中的时间区域,并将这些计算结果作为用户行为特征信息予以保存。
概括地说,客户特征库单元102首先从源数据提供单元101中获取业务特征需要的消费行为源数据,并存入各种特征数据模型中,其中不同的特征数据模型对应不同的特征信息采集模块1021,特征信息采集模块1021通过特征数据模型将这些数据转化为用户行为特征信息,用户行为特征信息采用贴近业务经验的术语描述,并与指标数据具有关联,而且特征信息采集模块1021可以按周期进行用户行为特征信息的更新。源数据提供单元101可以通过用户行为特征匹配模块1022将各种用户行为特征信息进行综合,完成目标用户的确定。同时,源数据提供单元101也可直接查询用户的行为特征信息。
其中,用户行为特征信息采集模块1021获得的消费行为源数据可以包括:每个用户进行业务办理的时间、渠道类型、办理业务类型等。对于每个用户或者用户群,移动通信运营商一般关心其业务办理行为在时间上的分布情况,其中时间单位可以是日期、旬、也可以时段,如果源数据积累时间足够长,时间单位也可以到月甚至年。用户群还可以按照地区、片区、品牌来划分。因此,在一个实施方式中,可以定义业务办理时间集中度如下:描述用户/用户群在某种长度单位的时间范围中业务办理次数的分布情况,越多的办理次数分布在越少的时间点上,集中度越高。
而且,还可以从集中度度量和集中度的稳定性这两个方便来描述源数据的集中度。其中:
集中度度量是一个数值,表示用户进行业务办理的集中度大小。如果在一个时间范围中,比如1个月,用户业务办理次数很少,比如只有1次,则可以增加范围长度,以获得更多的分布点,比如3个月甚至更长。在具体实施时,可以先按全部办理的时间长度来看总体的情况。对于一个用户群的集中度,如果用户数量足够多,则也可以按照较小的时间范围比如1个月来观察。如果用户/用户群的集中度波动较小,或者不仅集中度波动小,而且集中分布的区域也波动较小,则说明了用户业务办理的集中度的稳定性高。因此集中度的稳定性包含:集中度度量稳定性和集中度分布稳定性。
通常情况下,确定目标用户的原则是:寻找集中度度量值高,且集中度稳定性也高的用户;获得其集中度度量值,以及分布稳定的区域。
对于每个用户,业务办理次数占比=日业务办理次数之和/月办理总次数;
对于每个用户,在所有接触数据的日期范围内统计该业务办理次数占比,按月所在天为下标,每个用户将有31个值,设为x(i),1<=i<=31,设月天数为m,x(i)<>0的天数为n,其所在日期分别为y(j),则1<=j<=n之间,1<y(j)<=31,可以用峰度来度量分布的集中程度,即用峰度来计算集中度:
峰度是用于表示数据相对其众数的分布情况是尖狭还是低阔的度量,其计算公式为:
如果结果大于0,则表示分布比较集中。
实际应用中,由于用户业务办理量存在多个起伏波段,对每一个波段使用峰度来计算。判断每一个波段的方法如下:
设值,如果F(j)出现异号,则表示出现波峰波谷的极点,F(j)从大于0变为F(j)小于0,表示x(yj)为波峰顶点,反之,表示x(yj)为波谷顶点。每一对相邻波谷顶点之间(x(y0)可看作起始波谷顶点)为一个波段。
为了更有效地分析集中度,可以对各波段众数从大到小排列后再计算各波段峰度,如果波段时间范围覆盖率或者业务办理量比率已经达到某个阀值,则认为该用户的业务集中度计算完毕。
在一个实施方式中,源数据提供单元101,还可以进一步用于从客户特征库单元102中查询特定用户的用户行为特征信息。其中,客户特征库单元102既可以主动向源数据提供单元101发送特定用户的用户行为特征信息,也可以响应于源数据提供单元101的请求,再向源数据提供单元101发送特定用户的用户行为特征信息。
其中,预先设定的指标数据可以包括下列指标中的任一个或者多于一个的任意组合:预定时间内的业务办理量;业务办理集中度;业务办理集中度的稳定度;业务办理集中的时间区域。
以上虽然罗列出一些具体的指标数据,本领域技术人员可以意识到,上述罗列仅仅是示范性的,并不用于限定本发明的保护范围。
优选的,该装置还可以进一步包括业务信息发送单元(图中没有示出)。业务信息发送单元,用于将用户行为特征信息与预先设定的用户行为门限值进行比较,如果用户行为特征信息超过用户行为门限值,则认定转化为该用户行为特征信息的消费行为源数据所对应的消费业务的时间为用户习惯业务时间,并在用户习惯业务时间之前向目标用户发送与消费业务相关的业务信息。
具体地,业务信息发送单元首先根据使用经验设置用户行为门限值,比如,用户行为门限值可以为用户使用业务的时间门限。当用户行为特征信息超过该用户使用业务的时间门限时,则认定转化为该用户行为特征信息的消费行为源数据所对应的消费业务的时间为用户习惯业务时间,然后再在该用户习惯业务时间之前向目标用户发送与消费业务相关的业务信息。也就是,首先根据用户对业务的使用习惯预测出用户可能使用该业务的时间,然后再在该时间之前主动将用户需要的业务信息发送给用户。比如,假如根据用户行为特征信息预测到用户习惯在早上9点左右利用移动终端通过GPRS上网,则在9点之前主动将与GPRS连接相关的业务信息推送给用户,以便于用户快速上网。
本发明实施方式还提出了一种移动通信***中确定目标用户的方法。
图2为根据本发明实施方式的移动通信***中确定目标用户的方法流程示意图。如图2所示,该方法包括:
步骤101:提供用户的消费行为源数据;
步骤102:将所述消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户。
在这里,可以首先将消费行为源数据按照业务类型进行分类,并计算各种业务类型的消费行为源数据的集中度,作为用户行为特征信息予以保存,然后再将用户行为特征信息与预先设定的指标数据进行比较,以确定出符合指标数据的目标用户。
该方法还可以进一步包括:从保存的用户行为特征信息中查询特定用户的用户行为特征信息。
在方法还可以进一步包括:根据多个用户特征信息的组合,匹配出符合指标数据的合适目标用户号码清单。
优选的,该方法进一步包括:将用户行为特征信息与预先设定的用户行为门限值进行比较,如果用户行为特征信息超过所述用户行为门限值,则认定转化为该用户行为特征信息的消费行为源数据所对应的消费业务的时间为用户习惯业务时间;并在用户习惯业务时间之前向所述目标用户发送与消费业务相关的业务信息。
基于上述分析,下面再详细描述基于话费查询业务办理集中程度特征确定目标用户的方法流程示意图。
图3为根据本发明实施方式的移动通信***中,基于话费查询业务办理集中程度特征确定目标用户的方法流程示意图。
如图3所示,该方法包括:
步骤1:客户特征库单元的用户行为特征信息采集模块,从经营分析***中按照话费查询集中程度特征的数据模型获取源数据;
步骤2:用户行为特征信息采集模块将获取的源数据存入各种自身中的特征数据模型中;
步骤3:用户行为特征信息采集模块检查自身的运行状态,并进行启动状态的设置;
步骤4:用户行为特征信息采集模块按话费查询集中程度特征的计算模型进行特征计算,获得用户的话费查询集中度特征值作为用户行为特征信息,运行完毕后设置状态为关闭状态;
步骤5:将话费查询集中度特征保存到用户行为特征信息采集模块,并将其与计算模型中相关的支撑指标数据进行关联,其中支撑指标数据可以包括:用户话费查询最近三月的业务办理量、业务办理集中度、业务办理集中的时间区域等;
步骤6:用户行为特征匹配模块从外部***得到话费查询集中度>1.5(1.5仅为示范性举例)的目标用户查询请求后,解析该特征请求;
步骤7:解析结果形成标准的查询语句,向用户行为特征信息采集模块提交查询;
步骤8:用户行为特征信息采集模对该满足该特征条件的用户进行查询,确定出符合特征条件的目标用户,并通过和该特征数据模型的关联,在数据模型中查询该特征的明细支撑数据;
步骤9:特征数据模型向用户行为特征信息采集模返回明细支撑数据;
步骤10:用户行为特征信息采集模向用户行为特征匹配模块返回目标用户号码、特征信息以及该特征的明细支撑数据;
步骤11:用户行为特征匹配模块向外部请求返回上述结果。
至此,详细描述了一个典型的基于用户行为特征确定营销目标用户的流程。
综上所述,从上述技术方案可以看出,在本发明实施方式中,源数据提供单元向客户特征库单元提供用户的消费行为源数据,客户特征库单元将消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合所述指标数据的目标用户。
由此可见,应用本发明实施方式以后,首先能够根据收集到的消费行为源数据对用户行为特征进行不断更新,跟踪用户的行为特征及其变化,然后可以根据用户特征信息的组合,匹配出合适的目标用户号码清单,并提供目标用户的特征支撑数据,以用于后续的再次筛选。因此,本发明实施方式可以显著提高目标用户群的精度。
而且,本发明实施方式弥补了现有营销活动中凭借业务经验或者堆砌简单指标来筛选目标用户的问题,能够将客户从定性特征到定量支撑数据进行梳理和关联,通过组合不同用户特征信息来匹配客户,满足营销活动对目标用户的特定需求,由于特征信息多属于定性描述,非常贴近业务人员看待客户的视角,很容易将自己的业务经验和特征信息结合起来,从而快速确定一个合理的目标用户群,在这个基础上通过和特征信息关联的指标数据,可以得到定量数据的支撑,从而便于开展后续进一步的分析和处理。
以上所述,仅为本发明的较佳实施方式而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种移动通信***中确定目标用户的装置,其特征在于,该装置包括源数据提供单元和客户特征库单元,其中:
源数据提供单元,用于向客户特征库单元提供用户的消费行为源数据;
客户特征库单元,用于将所述消费行为源数据转换为用户行为特征信息,并将所述用户行为特征信息与预先设定的指标数据进行关联,以确定出符合所述指标数据的目标用户。
2.根据权利要求1所述的移动通信***中确定目标用户的装置,其特征在于,所述客户特征库单元包括用户行为特征信息采集模块和用户行为特征匹配模块,其中:
用户行为特征信息采集模块,用于将所述消费行为源数据按照业务类型进行分类,并计算各种业务类型的消费行为源数据的集中度,作为用户行为特征信息予以保存;
用户行为特征匹配模块,用于将所述用户行为特征信息与预先设定的指标数据进行比较,以确定出符合所述指标数据的目标用户。
3.根据权利要求1所述的移动通信***中确定目标用户的装置,其特征在于,所述源数据提供单元为经营分析单元、业务运营支撑BOSS***、客户服务单元或市场营销单元。
4.根据权利要求1所述的移动通信***中确定目标用户的装置,其特征在于,所述源数据提供单元,进一步用于从所述客户特征库单元中查询特定用户的用户行为特征信息。
5.根据权利要求1-4中任一项所述的移动通信***中确定目标用户的装置,其特征在于,所述预先设定的指标数据包括下列指标中的任一个或者多于一个的任意组合:
预定时间内的业务办理量;
业务办理集中度;
业务办理集中度的稳定度;
业务办理集中的时间区域。
6.根据权利要求1-4中任一项所述的移动通信***中确定目标用户的装置,其特征在于,该装置进一步包括业务信息发送单元,
所述业务信息发送单元,用于将所述用户行为特征信息与预先设定的用户行为门限值进行比较,如果所述用户行为特征信息超过所述用户行为门限值,则认定转化为该用户行为特征信息的消费行为源数据所对应的消费业务的时间为用户习惯业务时间,并在所述用户习惯业务时间之前向所述目标用户发送与所述消费业务相关的业务信息。
7.一种移动通信***中确定目标用户的方法,其特征在于,该方法包括:
提供用户的消费行为源数据;
将所述消费行为源数据转换为用户行为特征信息,并将所述用户行为特征信息与预先设定的指标数据进行关联,以确定出符合所述指标数据的目标用户。
8.根据权利要求7所述的移动通信***中确定目标用户的方法,其特征在于,所述将消费行为源数据转换为用户行为特征信息,并将用户行为特征信息与预先设定的指标数据进行关联,以确定出符合指标数据的目标用户包括:
将所述消费行为源数据按照业务类型进行分类,并计算各种业务类型的消费行为源数据的集中度,作为用户行为特征信息予以保存;
将所述用户行为特征信息与预先设定的指标数据进行比较,以确定出符合所述指标数据的目标用户。
9.根据权利要求8所述的移动通信***中确定目标用户的方法,其特征在于,该方法进一步包括:
从所述保存的用户行为特征信息中查询特定用户的用户行为特征信息。
10.根据权利要求7所述的移动通信***中确定目标用户的方法,其特征在于,所述预先设定的指标数据包括下列指标中的任一个或者多于一个的任意组合:
预定时间内的业务办理量;
业务办理集中度;
业务办理集中度的稳定度;
业务办理集中的时间区域。
11.根据权利要求7-10中任一项所述的移动通信***中确定目标用户的方法,其特征在于,该方法进一步包括:
返回目标用户号码清单、该目标用户号码清单中用户的行为特征信息以及该目标用户号码清单中用户的源数据。
12.根据权利要求7-10中任一项所述的移动通信***中确定目标用户的方法,其特征在于,该方法进一步包括:
将所述用户行为特征信息与预先设定的用户行为门限值进行比较,如果所述用户行为特征信息超过所述用户行为门限值,则认定转化为该用户行为特征信息的消费行为源数据所对应的消费业务的时间为用户习惯业务时间;在所述用户习惯业务时间之前向所述目标用户发送与所述消费业务相关的业务信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100931233A CN102034186A (zh) | 2009-09-29 | 2009-09-29 | 移动通信***中确定目标用户的装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100931233A CN102034186A (zh) | 2009-09-29 | 2009-09-29 | 移动通信***中确定目标用户的装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102034186A true CN102034186A (zh) | 2011-04-27 |
Family
ID=43887041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100931233A Pending CN102034186A (zh) | 2009-09-29 | 2009-09-29 | 移动通信***中确定目标用户的装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102034186A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139278A (zh) * | 2011-12-05 | 2013-06-05 | 北京网康科技有限公司 | 一种网络资源预取并缓存加速的方法及其装置 |
CN103347008A (zh) * | 2013-06-20 | 2013-10-09 | 中国联合网络通信集团有限公司 | 信息推送方法及其装置 |
CN104915423A (zh) * | 2015-06-10 | 2015-09-16 | 深圳市腾讯计算机***有限公司 | 获取目标用户的方法和装置 |
WO2016000187A1 (zh) * | 2014-06-30 | 2016-01-07 | 华为技术有限公司 | 消息处理方法和装置 |
CN106161553A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 社区应用信息推送方法和*** |
CN106156211A (zh) * | 2015-04-23 | 2016-11-23 | ***通信集团安徽有限公司 | 一种信息推送方法及装置 |
WO2017118328A1 (zh) * | 2016-01-04 | 2017-07-13 | 腾讯科技(深圳)有限公司 | 推送信息粗选排序方法、装置和计算机存储介质 |
CN107277038A (zh) * | 2017-07-18 | 2017-10-20 | 北京微影时代科技有限公司 | 访问控制方法、装置以及*** |
CN108681924A (zh) * | 2018-05-18 | 2018-10-19 | 中国联合网络通信集团有限公司 | 营业厅目标服务对象的确定方法和装置 |
-
2009
- 2009-09-29 CN CN2009100931233A patent/CN102034186A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139278A (zh) * | 2011-12-05 | 2013-06-05 | 北京网康科技有限公司 | 一种网络资源预取并缓存加速的方法及其装置 |
CN103347008A (zh) * | 2013-06-20 | 2013-10-09 | 中国联合网络通信集团有限公司 | 信息推送方法及其装置 |
CN105393503B (zh) * | 2014-06-30 | 2018-12-14 | 华为技术有限公司 | 消息处理方法和装置 |
US10263938B2 (en) | 2014-06-30 | 2019-04-16 | Huawei Technologies | Message processing method and apparatus |
WO2016000187A1 (zh) * | 2014-06-30 | 2016-01-07 | 华为技术有限公司 | 消息处理方法和装置 |
CN105393503A (zh) * | 2014-06-30 | 2016-03-09 | 华为技术有限公司 | 消息处理方法和装置 |
CN106161553A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 社区应用信息推送方法和*** |
CN106156211A (zh) * | 2015-04-23 | 2016-11-23 | ***通信集团安徽有限公司 | 一种信息推送方法及装置 |
CN104915423B (zh) * | 2015-06-10 | 2018-06-26 | 深圳市腾讯计算机***有限公司 | 获取目标用户的方法和装置 |
CN104915423A (zh) * | 2015-06-10 | 2015-09-16 | 深圳市腾讯计算机***有限公司 | 获取目标用户的方法和装置 |
WO2017118328A1 (zh) * | 2016-01-04 | 2017-07-13 | 腾讯科技(深圳)有限公司 | 推送信息粗选排序方法、装置和计算机存储介质 |
CN107277038A (zh) * | 2017-07-18 | 2017-10-20 | 北京微影时代科技有限公司 | 访问控制方法、装置以及*** |
CN108681924A (zh) * | 2018-05-18 | 2018-10-19 | 中国联合网络通信集团有限公司 | 营业厅目标服务对象的确定方法和装置 |
CN108681924B (zh) * | 2018-05-18 | 2021-04-20 | 中国联合网络通信集团有限公司 | 营业厅目标服务对象的确定方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102034186A (zh) | 移动通信***中确定目标用户的装置和方法 | |
US10896203B2 (en) | Digital analytics system | |
Dombi et al. | Sustainability assessment of renewable power and heat generation technologies | |
Sharif et al. | Binomial innovation diffusion models with dynamic potential adopter population | |
Chakir et al. | Determinants of land use changes: A spatial multinomial probit approach | |
Taylor | Exponentially weighted methods for forecasting intraday time series with multiple seasonal cycles | |
Brouwer et al. | Benefits transfer of willingness to pay estimates and functions for health-risk reductions: a cross-country study | |
JP5307217B2 (ja) | 販売促進計画支援システムとそのプログラム | |
Li | Marketization costs and household specialization: evidence from Indian farmers | |
CN106203773A (zh) | 一种自动管理员工的方法及装置 | |
CN103679373A (zh) | 生产基建标准成本体系的全链条预算数据处理***及方法 | |
Carletto | Better data, higher impact: improving agricultural data systems for societal change | |
CN107818386A (zh) | 电网企业经营利润预测方法 | |
Vernier et al. | Integrated modeling of agricultural scenarios (IMAS) to support pesticide action plans: the case of the Coulonge drinking water catchment area (SW France) | |
US20140289007A1 (en) | Scenario based customer lifetime value determination | |
Bhat et al. | A new utility‐consistent econometric approach to multivariate count data modeling | |
Hoyos et al. | Convergent validity between revealed and stated recreation demand data: Some empirical evidence from the Basque Country, Spain | |
Phaneuf et al. | An application of the Kuhn-Tucker model to the demand for water trail trips in North Carolina | |
Hertzfeld | Measuring returns to space research and development | |
Anderson | Essential probabilistics in modelling | |
Turchetti et al. | Enhancing the Italian FADN for sustainability assessment: The state of art and perspectives | |
Cravens et al. | Salesforce deployment analysis | |
Koster et al. | The user costs of air travel delay variability | |
Fuest et al. | Is a flat tax politically feasible in a grown-up welfare state? | |
Jones et al. | Scale effect in a LUTI model of Brussels: challenges for policy evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110427 |