CN109218390A - 用户筛选方法及装置 - Google Patents

Abstract

本发明提出一种用户筛选方法及装置，其中，用户筛选方法包括：对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据；根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户。本发明提出的用户筛选方法及装置，基于业务的用户特征以及用户的特征准确筛选了业务的目标用户，提高了用户筛选精准度。

Description

用户筛选方法及装置

技术领域

本发明涉及信息处理技术领域，尤其涉及一种用户筛选方法及装置。

背景技术

相关技术中在向用户推送业务时，通常采用模糊推送的方式，也就是将某一业务同时向所有人进行推送，或者向简单筛选出的人群进行推送，例如，筛选出浏览过与服务商准备推送的业务相同或者相似的用户，作为目标用户，并向其投放业务。然而，由于每个用户都是一个独立的存在，具有多样化的特征，仅通过简单的筛选所确定的投放信息的目标用户不够精准，而导致在对用户进行业务推送时，推广转化率不高。

发明内容

本发明提供一种用户筛选方法及装置，能够解决目标用户筛选精准度不高的问题。

本发明第一方面实施例提出了一种用户筛选方法，包括：对所述目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

在本发明的一个实施例中，所述确定所述候选用户是否为目标用户之前，还包括：将所述候选用户的特征数据与所述用户特征集进行比对分析，确定所述用户特征集及候选用户的特征数据的匹配度；或者，根据所述用户特征集，确定所述目标业务对应的用户模型；确定所述候选用户的特征数据与所述用户模型的匹配度。

在本发明的一个实施例中，所述根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户，包括：判断所述用户特征集及候选用户的特征数据的匹配度是否超过预设阈值，其中，如果判断获知所述匹配度超过所述预设阈值，则确定所述候选用户为目标用户。

在本发明的一个实施例中，在所述确定所述候选用户为目标用户之后，所述方法还包括：根据所述匹配度的大小及匹配的特征对应的属性，确定所述目标用户的类型。

在本发明的一个实施例中，在所述确定所述候选用户为目标用户之后，所述方法还包括：获取与所述目标业务对应的推送信息，并向所述目标用户发送所述推送信息。

在本发明的一个实施例中，在所述向所述目标用户发送所述推送信息之前，所述方法还包括：根据所述目标用户的历史行为数据，确定所述目标用户的信息推送方式和/或信息推送时间；

所述向所述目标用户发送所述推送信息，包括：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息。

在本发明的一个实施例中，在所述向所述目标用户发送所述推送信息之前，所述方法还包括：

根据所述目标用户的类型，确定所述推送信息的信息推送方式和/或信息推送时间；

所述向所述目标用户发送所述推送信息，包括：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息。

本发明实施例的用户筛选方法，根据目标业务的用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户，由此，基于业务的用户特征以及用户的特征准确筛选了业务的目标用户，提高了用户筛选精准度。

为达上述目的，本发明第二方面实施例提出了一种用户筛选装置，包括：第一确定模块，用于对所述目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；第二确定模块，用于对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；筛选模块，用于根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

本发明实施例的用户筛选装置，根据目标业务的用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户，由此，基于业务的用户特征以及用户的特征准确筛选了业务的目标用户，提高了用户筛选精准度。

在本发明的一个实施例中，第四确定模块，用于将所述候选用户的特征数据与所述用户特征集进行比对分析，确定所述用户特征集及候选用户的特征数据的匹配度；

或者，

根据所述用户特征集，确定所述目标业务对应的用户模型；确定所述候选用户的特征数据与所述用户模型的匹配度。

在本发明的一个实施例中，所述筛选模块，具体用于：

判断所述用户特征集及候选用户的特征数据的匹配度是否超过预设阈值，其中，如果判断获知所述匹配度超过所述预设阈值，则确定所述候选用户为目标用户。

在本发明的一个实施例中，所述装置还包括：

用户类型确定模块，用于在所述确定所述候选用户为目标用户之后，根据所述匹配度的大小及匹配的特征对应的属性，确定所述目标用户的类型。

在本发明的一个实施例中，所述装置还包括：

推送模块，用于获取与所述目标业务对应的推送信息，并向所述目标用户发送所述推送信息。

在本发明的一个实施例中，所述装置还包括：

第五确定模块，用于根据所述目标用户的历史行为数据，确定所述目标用户的信息推送方式和/或信息推送时间；

所述推送模块，具体用于：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息。

在本发明的一个实施例中，所述装置还包括：

第六确定模块，用于根据所述目标用户的类型，确定所述推送信息的信息推送方式和/或信息推送时间；

所述推送模块，具体用于：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息

为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以用于：

对所述目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

为达上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于：

对所述目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例所提供的一种用户筛选方法的流程示意图；

图2为本发明实施例所提供的另一种用户筛选方法的流程示意图；

图3为本发明实施例所提供的另一种用户筛选方法的流程示意图；

图4为本发明实施例所提供的一种用户筛选装置的结构示意图；

图5为本发明实施例所提供的另一种用户筛选装置的结构示意图；

图6为本发明实施例所提供的又一种用户筛选装置的结构示意图；

图7为本发明实施例所提供的另一种用户筛选装置的结构示意图；

图8为本发明实施例所提供的又一种用户筛选装置的结构示意图；

图9为本发明实施例所提供的一种用户筛选装置的结构示意图；

图10为本发明实施例所提供的执行用户筛选方法的电子设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的用户筛选方法及装置。

图1为本发明实施例所提供的一种用户筛选方法的流程示意图。

如图1所示，该用户筛选方法包括以下步骤：

步骤101，对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集。

其中，需要理解的是，在不同的应用场景中，目标业务是不同的。

其中，目标业务可以为视频、游戏、小说、音乐、培训课程等业务，该实施例以目标业务为儿童英语课程为例进行描述。

作为一种示例性的实施方式，可对儿童英语课程已有用户的用户特征数据进行统计分析，以确定出儿童英语课程对应的用户特征集。

其中，用户特征集可以包括但不限于用户的性别、年龄、地域、用户孩子的性别、用户孩子的年龄、用户学习儿童英语课程的频率，用户学习儿童英语课程的时间点、用户购买儿童英语课程的情况等特征。

步骤102，对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据。

其中，用户的基础数据可以包括但不限于用户的年龄、性别、职业等信息。

其中，用户的历史行为数据可以包括但不限用户登录的IP地址、购买课程信息、注册时间、点击或者浏览课程以及在各个页面上的停留时间、学习英语的时间段等信息，当然历史行为数据中还可以包括其他信息，该实施例对此不作限定。

其中，需要说明的是，由于用户行为数据中包含多种数据，在对于用户行为数据进行分析时，可根据用户行为数据中的数据情况采用对应的解析方式对对应的数据进行解析处理，以得到候选用户的特征数据。

下面对分析用户的基础数据和历史行为数据时所使用的分析方式进行举例说明；

作为一种示例，对于用户行为数据中的IP地址，可通过IP地址库将用户IP地址转换为城市或者地区，从而得到候选用户的地域特征。

作为一种示例，在检测到候选用户的基础数据缺失，比如候选用户的年龄信息缺失时，可通过协同过滤或者矩阵分解等算法对候选用户所缺失的基础数据进行修改，也就是说，可通过协同过滤或者矩阵分解等算法对候选用户所缺失的基础数据进行填补。

作为一种示例性的方式，通过协同过滤算法对候选用户的年龄信息进行修改的具体过程为：根据用户的历史行为数据和其他用户的历史行为数据，确定用户的相似用户；根据相似用户的年龄信息对所缺失的年龄信息进行填补。比如，可计算相似用户的平均年龄，并使用平均年龄对候选用户的年龄信息进行填补。

在实际应用中，会存在用户的基础数据不准确的情况，例如，用户填写的年龄信息不符合自身的真实情况，为了可基于准确的基础数据进行后续分析，作为一种可能的实现方式，可根据候选用户的历史行为数据，获取参考用户集；对参考用户集中各参考用户的基础数据进行统计分析，确定参考用户集对应的参考基础数据；根据参考基础数据，对候选用户的基础数据进行修正。由此，实现了对候选用户的基础数据进行修正，为后续准确分析奠定了基础。

作为一种示例，可利用一些机器学习模型从用户行为数据中抽出很多特征，比如，主题模型LDA(LatentDirichlet Allocation)或者word2vec之类可以从用户看到的文章中抽取一些隐性特征。

举例而言，用户经常浏览如何教小孩说地道的英语的页面，根据主题模型可分析出用户的隐性特征是用户家中有孩子，且孩子在学习英语口语。

其中，需要说明的是，目标业务不同，根据主题模型所抽取的隐性特征是不同的。

作为一种示例，对用户行为数据中使用目标业务的使用时间点、时间段等信息进行统计分析，以得到用户使用目标业务的使用频率、使用时间点等特征。

其中，需要说明的是，上述仅是以示例的方式示出了处理用户的基础数据和历史行为数据的几种方式，在实际应用中，可根据实际需要采用其他方式对用户的基础数据和历史行为数据进行解析处理，该实施例对此不作限定。

其中，需要说明的是，用户的特征数据可以包括但不限地域、年龄、测试结果、目标业务的使用频率，使用时间点、付费购买情况、续报情况、在线使用时间长度、消费水平等，当然，用户的特征数据还可以包括其他特征，该实施例对此不作限定。

步骤103，根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户。

其中，需要说明的是，在不同的应用场景下，可采用不同的方式确定用户特征集及候选用户的特征数据的匹配度，示例说明如下：

第一种示例

将候选用户的特征数据与用户特征集进行比对分析，确定用户特征集及候选用户的特征数据的匹配度。

第二种示例

根据用户特征集确定目标业务对应的用户模型，并确定候选用户的特征数据与用户模型的匹配度。

作为一种示例性的方式，可通过匹配算法将候选用户的特征数据与用户模型进行匹配，并根据匹配结果确定用户的特征数据与用户模型的匹配度。

其中，需要理解的是，候选用户的特征数据与用户模型的匹配度即为用户特征集及候选用户的特征数据的匹配度。

作为一种示例性的实施方式，在确定用户特征集及候选用户的特征数据的匹配度后，可判断用户特征集及候选用户的特征数据的匹配度是否超过预设阈值。如果判断获知匹配度超过预设阈值，则确定候选用户为目标用户。

其中，预设阈值是预先设置的匹配度的临界值。可以理解，这里可以根据实际需要设置预设阈值。

举例而言，假设预设阈值为80％，如果将候选用户的特征数据与用户特征集进行比对分析，确定用户特征集及候选用户的特征数据的匹配度为85％，将该用户特征集及候选用户的特征数据的匹配度与预设阈值比较，可知，用户特征集及候选用户的特征数据的匹配度超过预设阈值，此时，可确定该候选用户为目标用户。

本发明实施例的用户筛选方法，根据目标业务的用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户，由此，基于业务的用户特征以及用户的特征准确筛选了业务的目标用户，提高了用户筛选精准度。

基于上述实施例的基础上，在确定候选用户为目标用户之后，如图2所示，该方法还可以包括：

步骤104，获取与目标业务对应的推送信息，并向目标用户发送推送信息。

其中，推送消息与目标业务有关，目标业务不同所对应的推送消息不同。例如，目标业务为商家广告，商家广告推送消息可以为商家的介绍信息、活动信息、优惠信息等。又例如，目标业务为XX电影，目标业务对应的推送消息可以为XX电影的介绍信息、上映时间、购票优惠信息等。又例如，目标业务为儿童英语课程，儿童英语课程的推荐信息可以为儿童英语课程的介绍信息、活动信息、优惠信息。

为了减少信息对用户的干扰，在本发明的一个实施例中，可根据目标用户的历史行为数据，确定目标用户的信息推送方式和/或信息推送时间，并根据信息推送方式和/或信息推送时间，向目标用户发送推送信息。由此，实现了根据用户的推送喜好进行信息推送，降低了推送消息对用户造成的干扰，提高了用户的体验度。

其中，历史行为数据中包括目标用户查看推送消息的时间信息，以及目标用户处理推送消息的方式。

其中，推送方式可以包括但不限于电话推送、短消息推送、邮件推送、公共消息推送等。

作为另一种示例性的实施方式，为了减少信息对用户的干扰，可根据目标用户预先设置的推送方式和/或信息推送时间，向目标用户发送推送信息。

其中，目标用户预先设置的推送方式和/或信息推送时间是目标用户在推送方式和/或信息推送时间的设置界面中预先设置的。

图3为本发明实施例所提供的另一种用户筛选方法的流程示意图。

如图3所示，该用户筛选方法包括以下步骤：

步骤301，对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集。

步骤302，对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据。

步骤303，根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户，若是，则执行步骤304。

其中，需要说明的是，步骤301-303与上述实施例的步骤101-103相同，此处不再赘述。

步骤304，根据匹配度的大小及匹配的特征对应的属性，确定目标用户的类型。

其中，特征对应的属性与确定用户的类型有关。

其中，需要说明的是，特征对应的属性例如可以为性别、年龄、种族等，实施例对特征对应的属性不作限定。

其中，在不同的应用场景下，用户的类型不同，举例而言，用户的类型可分为普通用户、高价值用户、***、铂金用户、钻石用户等。

其中，需要说明的是，对于儿童英语课程为例，高价值用户为目标业务使用频率超过预设频率阈值、消费水平高、年龄段合适等特征的用户。

步骤305，获取与目标业务对应的推送信息。

作为一种示例性的实施方式，为了准确向目标用户推送消息，可根据目标用户的类型，获取与目标业务对应的推送消息。也就是说，对于目标业务的目标用户而言，在目标用户的类型不同时，向目标用户推送的推送消息不同。

举例而言，用户A的用户类型为普通用户，用户B的用户类型为活跃用户，可通过短信方式向用户A发送推送消息，对于用户B，可通过电话方式向用户B发送推送消息。由此，实现了根据用户的类型进行推送消息推送。

步骤306，根据目标用户的类型，确定推送信息的信息推送方式和/或信息推送时间。

步骤307，根据信息推送方式和/或信息推送时间，向目标用户发送推送信息。

由于在实际应用中，用户的类型不同，其所喜欢的信息推送方式和/或信息推送时间不同，例如，上班族用户不喜欢在上班时间接收销售电话，为了避免采用同一信息推送方式和/或信息推送时间对于用户造成的信息困扰，本示例中在筛选出目标用户后，根据匹配度的大小及匹配的特征对应的属性，确定目标用户的类型，然后，获取与目标业务对应的推送信息，并根据目标用户的类型，确定推送信息的信息推送方式和/或信息推送时间，最后，根据信息推送方式和/或信息推送时间，向目标用户发送推送信息。由此，采用了与目标用户类型对应的信息推送方式和/或信息推送时间向目标用户推送信息，减少了推送消息对用户造成的信息干扰。

本发明实施例还提出一种用户筛选装置。

图4为本发明实施例所提供的一种用户筛选装置的结构示意图。

如图4所示，该用户筛选装置包括第一确定模块110、第二确定模块120和筛选模块130，其中：

第一确定模块110，用于对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集。

第二确定模块120，用于对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据。

筛选模块130，用于根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户。

在本发明的一个实施例中，在图4所示的装置实施例的基础上，如图5所示，该装置还可以包括：

第四确定模块140，用于将候选用户的特征数据与用户特征集进行比对分析，确定用户特征集及候选用户的特征数据的匹配度；或者，根据用户特征集，确定目标业务对应的用户模型；确定候选用户的特征数据与用户模型的匹配度。

在本发明的一个实施例中，筛选模块130，具体用于：判断用户特征集及候选用户的特征数据的匹配度是否超过预设阈值，其中，如果判断获知匹配度超过预设阈值，则确定候选用户为目标用户。

在本发明的一个实施例中，在图4所示的装置实施例的基础上，如图6所示，该装置还可以包括：

用户类型确定模块150，用于在确定候选用户为目标用户之后，根据匹配度的大小及匹配的特征对应的属性，确定目标用户的类型。

其中，需要说明的是，上述图6所示的装置实施例中的用户类型确定模块150的结构也可以包含在图5所示的装置实施例中，该实施例对此不作限定。

在本发明的一个实施例中，为了方便用户获知与目标用户的消息，在图6所示的装置实施例的基础上，如图7所示，该装置还可以包括：

推送模块160，用于获取与目标业务对应的推送信息，并向目标用户发送推送信息。

在本发明的一个实施例中，为了根据用户的推送喜好发送推送消息，以及减少信息对用户的干扰，在图7所示的装置实施例的基础上，如图8所示，该装置还可以包括：

第五确定模块170，用于根据目标用户的历史行为数据，确定目标用户的信息推送方式和/或信息推送时间。

推送模块160，具体用于：根据信息推送方式和/或信息推送时间，向目标用户发送推送信息。

在本发明的一个实施例中，在图7所示的装置实施例的基础上，如图9所示，该装置还可以包括：

第六确定模块180，用于根据目标用户的类型，确定推送信息的信息推送方式和/或信息推送时间。

推送模块160，具体用于：根据信息推送方式和/或信息推送时间，向目标用户发送推送信息。

其中，需要说明的是，前述对用户筛选方法实施例的解释说明也适用于该实施例的用户筛选装置，此处不再赘述。

本发明实施例的用户筛选装置，根据目标业务的用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户，由此，基于业务的用户特征以及用户的特征准确筛选了业务的目标用户，提高了用户筛选精准度。

为了实现上述实施例，本发明实施例还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以用于：

对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据；根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户。

为了实现上述实施例，本发明实施例还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于：

对目标业务对应的已有用户进行统计分析，确定目标业务对应的用户特征集；对候选用户的基础数据和历史行为数据进行解析处理，确定候选用户的特征数据；根据用户特征集及候选用户的特征数据的匹配度，确定候选用户是否为目标用户。

图10是本发明实施例提供的执行用户筛选方法的电子设备的硬件结构示意图，如图10所示，该电子设备包括：

一个或多个处理器1010以及存储器1020，图10中以一个处理器1010为例。

该电子设备还可以包括：输入装置1030和输出装置1040。

处理器1010、存储器1020、输入装置1030和输出装置1040可以通过总线或者其他方式连接，图10中以通过总线连接为例。

存储器1020作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的用户筛选方法对应的程序指令/模块(例如，附图4所示的第一确定模块110、第二确定模块120和筛选模块130)。处理器1010通过运行存储在存储器1020中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用户筛选方法。

存储器1020可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据用户筛选装置的使用所创建的数据等。此外，存储器1020可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器1020可选包括相对于处理器1010远程设置的存储器，这些远程存储器可以通过网络连接至用户筛选装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置1030可接收输入的数字或字符信息，以及产生与用户筛选装置的用户设置以及功能控制有关的键信号输入。输出装置1040可包括显示屏等显示设备。

一个或者多个模块存储在存储器1020中，当被一个或者多个处理器1010执行时，执行上述任意方法实施例中的用户筛选方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、***总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用户筛选方法，其特征在于，包括以下步骤：

对目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；

对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；

根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

2.如权利要求1所述的方法，其特征在于，所述确定所述候选用户是否为目标用户之前，还包括：

将所述候选用户的特征数据与所述用户特征集进行比对分析，确定所述用户特征集及候选用户的特征数据的匹配度；

或者，

根据所述用户特征集，确定所述目标业务对应的用户模型；

确定所述候选用户的特征数据与所述用户模型的匹配度。

3.如权利要求1所述的方法，其特征在于，所述根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户，包括：

判断所述用户特征集及候选用户的特征数据的匹配度是否超过预设阈值，其中，如果判断获知所述匹配度超过所述预设阈值，则确定所述候选用户为目标用户。

4.如权利要求3所述的方法，其特征在于，在所述确定所述候选用户为目标用户之后，所述方法还包括：

根据所述匹配度的大小及匹配的特征对应的属性，确定所述目标用户的类型。

5.如权利要求4所述的方法，其特征在于，在所述确定所述候选用户为目标用户之后，所述方法还包括：

获取与所述目标业务对应的推送信息，并向所述目标用户发送所述推送信息。

6.如权利要求5所述的方法，其特征在于，在所述向所述目标用户发送所述推送信息之前，所述方法还包括：

根据所述目标用户的历史行为数据，确定所述目标用户的信息推送方式和/或信息推送时间；

所述向所述目标用户发送所述推送信息，包括：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息。

7.如权利要求5所述的方法，其特征在于，在所述向所述目标用户发送所述推送信息之前，所述方法还包括：

根据所述目标用户的类型，确定所述推送信息的信息推送方式和/或信息推送时间；

所述向所述目标用户发送所述推送信息，包括：

根据所述信息推送方式和/或信息推送时间，向所述目标用户发送所述推送信息。

8.一种用户筛选装置，其特征在于，包括：

第一确定模块，用于对目标业务对应的已有用户进行统计分析，确定所述目标业务对应的用户特征集；

第二确定模块，用于对候选用户的基础数据和历史行为数据进行解析处理，确定所述候选用户的特征数据；

筛选模块，用于根据所述用户特征集及候选用户的特征数据的匹配度，确定所述候选用户是否为目标用户。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1-7任一项所述的用户筛选方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7任一项所述的用户筛选方法。