CN111814034A - 信息处理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开实施例公开了一种信息处理方法、装置、存储介质及电子设备，其中，该方法包括：获取推荐文案库，推荐文案库中包括多个推荐文案，推荐文案具有至少一个标签；基于推广活动的目标用户群的用户特征，从推荐文案库中选取至少一个推荐文案，推荐文案的标签与目标用户群的用户特征相关联；基于推广活动的活动信息和推荐文案生成推送消息，并向目标用户群推送。该信息处理方法基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，并基于选取的推送文案和推广活动的活动信息生成并向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，有益于提高推广活动的推广效果。

Description

信息处理方法、装置、存储介质及电子设备

技术领域

本公开涉及信息处理技术领域，特别涉及一种信息处理方法、装置、存储介质及电子设备。

背景技术

目前，大多数用户(司机和乘客)在移动终端上使用叫车APP打车。在APP的运营过程中，可以通过不同的推广活动以达到吸引新客户、增加用户粘度等目的。在推广活动中，文案可以以文字的形式表现出活动的创意策略。合适的文案可以让用户对推广活动产生兴趣，使更多的用户参加推广活动。在向用户推送推广活动的过程中，针对每一个推广活动设计文案会花费大量的人力。并且不同地区以及不同年龄段的用户对文案的理解与感受不同。如果向所有用户推送相同的文案，则只有部分用户会对推广活动产生兴趣。

发明内容

有鉴于此，本公开实施例提出了一种信息处理方法、装置、存储介质及电子设备，用以解决现有技术的如下问题：如果向所有用户推送相同的文案，则只有部分用户会对推广活动产生兴趣。

一方面，本公开实施例提供了一种信息处理方法，其包括：

获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送。

在一些实施例中，所述获取推荐文案库包括：

获取历史推荐文案和所述历史推荐文案的推送反馈数据；

判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；

如果是，则为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

在一些实施例中，所述判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件包括：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

在一些实施例中，所述推送反馈数据包括点击率数据和/或转化率数据。

在一些实施例中，所述基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联包括：

确定所述目标用户群的用户特征；

通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；

获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

在一些实施例中，所述获取与所述用户特征相匹配的至少一个所述标签以及与所述标签对应的至少一个所述推荐文案包括：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

在一些实施例中，所述标签包括以下类型中的至少一种：

用户标签、功能标签、主题标签。

另一方面，本公开实施例提供了一种信息处理装置，其包括：

获取模块，用于获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

选取模块，用于基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

推送模块，用于基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送所述推送消息。

在一些实施例中，所述获取模块包括：

第一获取单元，用于获取历史推荐文案和所述历史推荐文案的推送反馈数据；

判断单元，用于判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；

添加单元，用于在所述推送反馈数据符合所述预设推荐条件的情况下，为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

在一些实施例中，所述判断单元具体用于：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

在一些实施例中，所述推送反馈数据包括点击率数据和/或转化率数据。

在一些实施例中，所述选取模块包括：

确定单元，用于确定所述目标用户群的用户特征；

匹配单元，用于通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；

第二获取单元，用于获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

在一些实施例中，所述第二获取单元具体用于：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

在一些实施例中，所述标签包括以下类型中的至少一种：

用户标签、功能标签、主题标签。

另一方面，本公开实施例提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。

另一方面，本公开实施例提供了一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现如上所述方法的步骤。

本公开实施例基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，并基于选取的推送文案和推广活动的活动信息生成推送信息，然后向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，更易于打动目标用户群的用户，进而提高推广活动的推广效果。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的信息处理方法的流程图；

图2为本公开实施例提供的信息处理方法中获取推荐文案库的流程图；

图3为本公开实施例提供的信息处理方法中从推荐文案库中选取推荐文案的流程图；

图4为本公开实施例提供的信息处理装置的结构框图；

图5为本公开实施例提供的信息处理装置的获取模块的结构框图；

图6为本公开实施例提供的信息处理装置的选取模块的结构框图；

图7为本公开实施例提供的电子设备的结构框图。

附图标记：

10-获取模块；11-第一获取单元；12-判断单元；13-添加单元；20-选取模块；21-确定单元；22-匹配单元；23-第二获取单元；30-推送模块。

具体实施方式

为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。

图1为本公开实施例的信息处理方法的流程图，参见图1所示，该信息处理方法具体包括如下步骤：

S100，获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签。

其中，推荐文案库包括大量预先选取的推送文案。推荐文案库中的推送文案可以为从历史推送文案中选取的优质推送文案，也可为编辑人员撰写的新的推送文案。推送文案是为推广品牌、产品、服务或软件等推广活动写下的用于打动目标用户群内心的文字内容。如“抢车就像打仗一样，穿着高跟鞋也得跑#一切，从出行开始#滴滴出行”。标签可为用于标识推送文案的关键词，一篇推送文案可仅具有一个标签，也可具有多个标签，多个标签可从多个维度标识推动文案。如一篇推送文案可标记有“年轻人”、“潮流”等标签。获取推荐文案库可为构建推荐文案库，也可为从预设存储区域调取推荐文案库，还可为获取更新后的推荐文案库，以使推荐文案库处于待查询状态，进而可随时从中选取推荐文案。

S200，基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联。

其中，推广活动是指企业、个人或组织通过创意性的活动，向目标用户推介其品牌、产品、服务或软件等内容。推广活动通常会制定推广活动方案，推广活动方案通常包括目标用户群的用户特征和活动信息。目标用户群是指推广活动所针对的目标人群，如年轻人、中年人、老年人、学生、工人、上班族等。例如，该推广活动可为向年轻人推广打车平台的活动，则目标用户群的用户特征为年轻人。

通过匹配目标用户群的用户特征和标签可从推荐文案库中选取出与之相匹配的推送文案，选取的结果可为一个推送文案，也可为多个推送文案，此处不对选取的推送文案的具体数量进行限定。例如，以向年轻人或老年人推广打车平台为例，则“年轻人”或“老年人”这样的用户特征与推荐文案库中的标签进行匹配，如果有一个推送文案标记有“年轻人”标签，则匹配并获取到该推送文案。如“住在城中村的胡同里，总要走几公里才能打到车#一切，从出行开始#滴滴出行”。通过设置标签可简化目标用户群的用户特征与推送文案相匹配时的计算量和匹配难度，以便于通过用户特征与标签的快速匹配，能够实现快速选取适于向目标用户群推荐的推送文案的目的，而无需将用户特征与整个推送文案进行匹配。

S300，基于推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送。

活动信息可包括活动主题、内容、时间及地点等。推送文案是能够打动目标用户的创意性的文字内容，但推送文案通常不包括具体的推广活动的活动信息。所以在选取到与目标用户群相匹配的推送文案后，需要结合活动信息和推送文案生成用于向目标用户推送的完整的推送消息。也即推送消息包括与推广活动相关的活动信息和用于打动目标用户的创意性文字内容，从而实现打动目标用户的同时，让目标用户接受推广活动。以一个历史推广活动为例，该推广活动为在过年期间推广拼滴滴顺风车跨城回家过年的活动，则活动信息包括“拼滴滴顺风车，跨城回家过年”。获取到的推送文案包括“打开车门，就是家门”，将活动信息与推送文案相结合，就形成了完整的推送信息“打开车门，就是家门；拼滴滴顺风车，跨城回家过年”。实际应用时，该推送信息可能还配有图片信息。当然，活动信息也可为服务商名称或折扣信息等，也可仅为一枚能够标识服务或者商品的商标。

采用上述信息处理方法，基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，并基于选取的推送文案和推广活动的活动信息生成推送信息，然后向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，更易于打动目标用户群的用户，进而提高推广活动的推广效果。

配合图2所示，在一些实施例中，所述获取推荐文案库具体可包括如下步骤：

S101，获取历史推荐文案和所述历史推荐文案的推送反馈数据。

历史推荐文案为向用户推送过的推荐文案。所述推送反馈数据包括该历史推送文案参与推广活动后反馈回来的推广活动的结果数据，如点击率、转化率、投诉信息及其他相关数据等。推送反馈数据能够反映历史推送文案的推送效果。

S102，判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件。

该预设推荐条件为表征历史推荐文案为一个优质推荐文案的条件，在具体实施过程中，判断历史推荐文案是否为一个优质推荐文案的方法可以有多种。

在一种情况下，可基于历史推荐文案的点击率来判断。如果一篇历史推送文案的点击率较高，则说明这篇推送文案能够打动用户，具有足够的吸引力，是一篇优质推送文案。在这种情况下，判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件，即为判断历史推送文案的点击率是否大于预设点击率阈值。该预设点击率阈值用于通过点击率表征推送文案是否为一篇优质推送文案，如果该历史推送文案的点击率大于该预设点击率阈值，则说明该历史推送文案为优质推送文案，具有收藏和再次推送的价值；如果该历史推送文案的点击率不大于该预设点击率阈值，则说明该历史推送文案的点击率较低，不能够吸引用户点击查看，初步判断不是一篇优质推送文案。

在另一种情况下，也可基于历史推送文案的转化率来判断历史推送文案是否为优质推送文案。转化率是指接收到该历史推送文案并接受该历史推送文案对应的推广活动的目标用户的数量与接收到该历史推送文案的目标用户的数量的比值。如果用户接受了推广活动，则说明该历史推送文案不仅吸引用户点击了该历史推送文案，还进一步使用户接受了对应的推广活动，实现了该推广活动的最终目的。所以，基于转化率可有效判断历史推送文案是否为优质推送文案。在这种情况下，判断所述历史推荐文案是否符合预设推荐条件，即为判断历史推送文案的转化率是否大于预设转化率阈值。当判断一篇历史推送文案的转化率信息大于预设转化率阈值时，则初步判断该历史推送文案是一篇优质推送文案，符合预设推荐条件。如果一篇历史推送文案的转化率不大于预设转化率阈值，则初步判断该历史推送文案不是一篇优质推送文案，不符合预设推荐条件。

需要说明的是，也可同时基于点击率和转化率判断该历史推送文案是否为优质推送文案，也即只有在历史推送文案的点击率满足预设点击率阈值且转化率满足预设转化率阈值时，确定该历史推送文案的推送反馈数据符合预设推荐条件。或者，也可基于其他判断条件判断历史推送文案是否为优质推送文案，亦或者，也可由工作人员人为判断历史推送文案是否为优质推送文案。

S103，如果是，则为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

当判断一篇历史推送文案的推送反馈数据符合预设推荐条件，则初步判断该历史推送文案是一篇优质推送文案，为该历史推送文案添加标签。在具体实施过程中可从多个维度为历史推送文案添加标签，如该标签可包括用户标签、功能标签和主题标签。其中，用户标签用于标记该推送文案的适于推送的用户群体。可基于获取的推送反馈信息中的点击该历史推送文案的用户信息确定目标用户群体特征，如用户的年龄、所在地、职业等。然后基于目标用户群体的用户特征为该历史推送文案添加标签。例如，当一个历史推送文案的点击用户中年龄小于25岁的用户占比较高时，则可以给该历史推送文案添加“年轻人”的标签。如果一个历史推送文案的点击用户中女性用户占比较高时，则可以给该历史推送文案添加“女性”的标签。功能标签用于标记推广活动的功能、类型及目的等，如拉新、留存或沉默召回等。例如，当一篇历史推送文案所表现的推广活动的目的是为了增加新用户，则为该历史推送文案添加“拉新”标签。主题标签可以是基于历史推送文案的语言风格、关键词等。主题标签可以通过关键词和主题模型、隐语义模型获取。例如，历史推送文案中有流行的网络用语，则可以给该历史推送文案添加“潮流”的标签。还例如一篇历史推送文案的内容为“打开车门就是家门”，则可给该历史推送文案添加“回家”的标签。通过上述步骤能够创建一个新的推荐文案库，也能够不断的更新推荐文案库中的推荐文案。

在具体实施过程中，确定预设推荐条件的方法有多种。在一些实施例中，确定所述预设推荐条件的方法具体可包括如下步骤：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

推送反馈数据能够反映历史推送文案的推送效果。基于全部推送反馈数据的整体情况来确定预设推荐条件，能够相对准确地确定一个预设推荐条件，以便于通过该预设推荐条件能够较为准确地判断历史推送文案是否为优质推送文案。

例如，在基于点击率判断历史推送文案是否问优质文案的情况下，确定所述预设推荐条件的方法具体可包括：获取每个所述历史推送文案和的点击率；基于所有历史推送文案的点击率计算平均点击率，并将所述平均点击率确定为所述预设推荐条件。平均点击率能够反映出历史推送文案的普遍的点击率情况，且易于计算。如可统计100个或1000个历史推送文案的点击率信息，并以此计算平均点击率，然后将该平均点击率设定为用于初步判断历史推送文案是否为优质推送文案的预设推荐条件。

还例如，在基于转化率判断历史推送文案是否为优质推送文案的情况下，确定所述预设推荐条件的方法具体可包括：获取每个所述历史推送文案的转化率信息；基于所有历史推送文案的转化率计算多个所述历史推送文案的平均转换率，并将所述平均转化率确定为所述预设推荐条件。平均转化率能够反映出历史推送文案的普遍的转化情况，且易于计算。如可统计100个、1000个历史推送文案甚至于更多历史推送文案的转化率信息，并以此计算平均转化率，然后将该平均转化率设定为初步判断历史推送文案是否为优质推送文案的预设推荐条件。

配合图3所示，在一些实施例中，所述基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联包括：

S201，确定所述目标用户群的用户特征。

在设计好一个推广活动后，该推广活动通常具有目标用户群，目标用户群通常均有能够表征该群体的用户特征。例如，一个针对上下班高峰时段叫车的推广活动，目标用户群则为上班人群，能够表征该人群的用户特征则可确定为“上班族”。

S202，通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配。

协同过滤算法是利用兴趣相投或拥有共同经验的用户群体的喜好来推荐用户感兴趣的信息。如可以基于用户特征与推荐文案的标签的相似程度，过滤推荐文案库中标签与用户特征不匹配的推荐文案，进而获取与用户特征相匹配的标签。关联规则算法可以通过人为设定的规则将与用户特征相关联的标签筛选出来，例如，用户特征是“年轻人”，则可以设定规则以将“年轻人”标签与推荐文案库中的标签进行匹配。

S203，获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

例如，目标用户特征可为“年轻人”，经协同过滤算法筛选出“潮流”标签后，可标记有“潮流”标签的一个或多个推荐文案。在实际应用过程中，可仅采用协同过滤算法，也可仅采用关联规则算法，亦或是可同时应用协同过滤算法和关联规则算法。当然，也可应用其他推荐筛选方法。

在一些实施例中，所述获取与所述用户特征相匹配的至少一个所述标签以及与所述标签对应的至少一个所述推荐文案包括：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

在具体实施过程中，可基于例如协同过滤算法选取与用户特征相匹配的标签，然后基于标签从推荐文案库中获取推荐文案，生成推荐文案列表，并且对推荐文案列表中的推荐文案按照匹配度评分进行排序。例如，当用户特征包括5个关键词，如果一篇推荐文案的标签全部命中5个关键词，则确定该片推荐文案的匹配度评分为10分，如果命中4个关键词，则评分8分，一次类推。然后从推荐文案列表中选取排序靠前的一个或多个推送文案。具体的选取数量可根据推广活动的目标用户群的人数确定，例如，当目标用户群人数为一万人时，可选取10个推送文案，当目标用户群的人数为10万人时，可选取50-100个推送文案。从推荐文案列表中选取的推荐文案可直接用于生成推送信息，也可通过工作人员人工再次筛选后在生成推送信息。自动选取无需人为参与，适宜于敏感性较低、普适性较好的推广活动。人工筛选适于应用在较为敏感、目标用户数量较小、所需推送文案数量较小的推广活动。

图4为本公开实施例提供的信息处理装置的结构框图，参见图4所示，本公开实施例的信息处理装置具体可包括获取模块10、选取模块20及推送模块30，其中：

获取模块10，用于获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签。

其中，推荐文案库包括大量预先选取的推送文案。推荐文案库中的推送文案可以为从历史推送文案中选取的优质推送文案，也可为编辑人员撰写的新的推送文案。推送文案是为推广品牌、产品、服务或软件等推广活动写下的用于打动目标用户群内心的文字内容。如“抢车就像打仗一样，穿着高跟鞋也得跑#一切，从出行开始#滴滴出行”。标签可为用于标识推送文案的关键词，一篇推送文案可仅具有一个标签，也可具有多个标签，多个标签可从多个维度标识推动文案。如一篇推送文案可标记有“年轻人”、“潮流”等标签。获取模块10获取推荐文案库可为构建推荐文案库，也可为从预设存储区域调取推荐文案库，还可为获取更新后的推荐文案库，以使推荐文案库处于待查询状态，进而可随时从中选取推荐文案。

选取模块20，用于基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联。

其中，推广活动是指企业、个人或组织通过创意性的活动，向目标用户推介其品牌、产品、服务或软件等内容。推广活动通常会制定推广活动方案，推广活动方案通常包括目标用户群的用户特征和活动信息。目标用户群是指推广活动所针对的目标人群，如年轻人、中年人、老年人、学生、工人、上班族等。例如，该推广活动可为向年轻人推广打车平台的活动，则目标用户群的用户特征为年轻人。

选取模块20通过匹配目标用户群的用户特征和标签可从推荐文案库中选取出与之相匹配的推送文案，选取的结果可为一个推送文案，也可为多个推送文案，此处不对选取的推送文案的具体数量进行限定。例如，以向年轻人或老年人推广打车平台为例，则“年轻人”或“老年人”这样的用户特征与推荐文案库中的标签进行匹配，如果有一个推送文案标记有“年轻人”标签，则匹配并获取到该推送文案。如“住在城中村的胡同里，总要走几公里才能打到车#一切，从出行开始#滴滴出行”。通过设置标签可简化目标用户群的用户特征与推送文案相匹配时的计算量和匹配难度，以便于通过用户特征与标签的快速匹配，能够实现快速选取适于向目标用户群推荐的推送文案的目的，而无需将用户特征与整个推送文案进行匹配。

推送模块30，用于基于推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送所述推送消息。

活动信息可包括活动主题、内容、时间及地点等。推送文案是能够打动目标用户的创意性的文字内容，但推送文案通常不包括具体的推广活动的活动信息。所以在选取到与目标用户群相匹配的推送文案后，需要结合活动信息和推送文案生成用于向目标用户推送的完整的推送消息。也即推送消息包括与推广活动相关的活动信息和用于打动目标用户的创意性文字内容，从而实现打动目标用户的同时，让目标用户接受推广活动。以一个历史推广活动为例，该推广活动为在过年期间推广拼滴滴顺风车跨城回家过年的活动，则活动信息包括“拼滴滴顺风车，跨城回家过年”。获取到的推送文案包括“打开车门，就是家门”，将活动信息与推送文案相结合，就形成了完整的推送信息“打开车门，就是家门；拼滴滴顺风车，跨城回家过年”。实际应用时，该推送信息可能还配有图片信息。当然，活动信息也可为括服务商名称或折扣信息等，也可仅为一枚能够标识服务或者商品的商标。

采用上述信息处理装置，选取模块20基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，推送模块30基于选取的推送文案和推广活动的活动信息生成推送信息，然后向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，更易于打动目标用户群的用户，进而提高推广活动的推广效果。

配合图5所示，在一些实施例中，所述获取模块10包括：第一获取单元11、判断单元12和添加单元13，其中：

第一获取单元11，用于获取历史推荐文案和所述历史推荐文案的推送反馈数据。历史推荐文案为向用户推送过的推荐文案。所述推送反馈数据包括该历史推送文案参与推广活动后反馈回来的推广活动的结果数据，如点击率、转化率、投诉信息及其他相关数据等。推送反馈数据能够反映历史推送文案的推送效果。

判断单元12，用于判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件。该预设推荐条件为表征历史推荐文案为一个优质推荐文案的条件，在具体实施过程中，判断历史推荐文案是否为一个优质推荐文案的方法可以有多种。

在一种情况下，可基于历史推荐文案的点击率来判断。如果一篇历史推送文案的点击率较高，则说明这篇推送文案能够打动用户，具有足够的吸引力，是一篇优质推送文案。在这种情况下，判断单元12具体用于判断历史推送文案的点击率是否大于预设点击率阈值。该预设点击率阈值用于通过点击率表征推送文案是否为一篇优质推送文案，如果该历史推送文案的点击率大于该预设点击率阈值，则说明该历史推送文案为优质推送文案，具有收藏和再次推送的价值；如果该历史推送文案的点击率不大于该预设点击率阈值，则说明该历史推送文案的点击率较低，不能够吸引用户点击查看，初步判断不是一篇优质推送文案。

在另一种情况下，也可基于历史推送文案的转化率来判断历史推送文案是否为优质推送文案。转化率是指接收到该历史推送文案并接受该历史推送文案对应的推广活动的目标用户的数量与接收到该历史推送文案的目标用户的数量的比值。如果用户接受了推广活动，则说明该历史推送文案不仅吸引用户点击了该历史推送文案，还进一步使用户接受了对应的推广活动，实现了该推广活动的最终目的。所以，基于转化率可有效判断历史推送文案是否为优质推送文案。在这种情况下，判断单元12用于判断历史推送文案的转化率是否大于预设转化率阈值。当判断一篇历史推送文案的转化率信息大于预设转化率阈值时，则初步判断该历史推送文案是一篇优质推送文案，符合预设推荐条件。如果一篇历史推送文案的转化率不大于预设转化率阈值，则初步判断该历史推送文案不是一篇优质推送文案，不符合预设推荐条件。

需要说明的是，也可同时基于点击率和转化率判断该历史推送文案是否为优质推送文案，也即只有在历史推送文案的点击率满足预设点击率阈值且转化率满足预设转化率阈值时，确定该历史推送文案的推送反馈数据符合预设推荐条件。或者，也可基于其他判断条件判断历史推送文案是否为优质推送文案，亦或者，也可由工作人员人为判断历史推送文案是否为优质推送文案。

添加单元13，用于在所述推送反馈数据符合所述预设推荐条件的情况下，为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。当判断一篇历史推送文案的推送反馈数据符合预设推荐条件，则初步判断该历史推送文案是一篇优质推送文案，通过添加单元13为该历史推送文案添加标签。在具体实施过程中可从多个维度为历史推送文案添加标签，如该标签可包括用户标签、功能标签和主题标签。其中，用户标签用于标记该推送文案的适于推送的用户群体。可基于获取的推送反馈信息中的点击该历史推送文案的用户信息确定目标用户群体特征，如用户的年龄、所在地、职业等。然后基于目标用户群体的用户特征为该历史推送文案添加标签。例如，当一个历史推送文案的点击用户中年龄小于25岁的用户占比较高时，则可以给该历史推送文案添加“年轻人”的标签。如果一个历史推送文案的点击用户中女性用户占比较高时，则可以给该历史推送文案添加“女性”的标签。功能标签用于标记推广活动的功能、类型及目的等，如拉新、留存或沉默召回等。例如，当一篇历史推送文案所表现的推广活动的目的是为了增加新用户，则为该历史推送文案添加“拉新”标签。主题标签可以是基于历史推送文案的语言风格、关键词等。主题标签可以通过关键词和主题模型、隐语义模型获取。例如，历史推送文案中有流行的网络用语，则可以给该历史推送文案添加“潮流”的标签。还例如一篇历史推送文案的内容为“打开车门就是家门”，则可给该历史推送文案添加“回家”的标签。通过上述步骤能够创建一个新的推荐文案库，也能够不断的更新推荐文案库中的推荐文案。

在一些实施例中，所述判断单元12具体用于：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

推送反馈数据能够反映历史推送文案的推送效果。基于全部推送反馈数据的整体情况来确定预设推荐条件，能够相对准确地确定一个预设推荐条件，以便于通过该预设推荐条件能够较为准确地判断历史推送文案是否为优质推送文案。

例如，在基于点击率判断历史推送文案是否问优质文案的情况下，确定所述预设推荐条件的方法具体可包括：获取每个所述历史推送文案和的点击率；基于所有历史推送文案的点击率计算平均点击率，并将所述平均点击率确定为所述预设推荐条件。平均点击率能够反映出历史推送文案的普遍的点击率情况，且易于计算。如可统计100个或1000个历史推送文案的点击率信息，并以此计算平均点击率，然后将该平均点击率设定为用于初步判断历史推送文案是否为优质推送文案的预设推荐条件。

还例如，在基于转化率判断历史推送文案是否为优质推送文案的情况下，确定所述预设推荐条件的方法具体可包括：获取每个所述历史推送文案的转化率信息；基于所有历史推送文案的转化率计算多个所述历史推送文案的平均转换率，并将所述平均转化率确定为所述预设推荐条件。平均转化率能够反映出历史推送文案的普遍的转化情况，且易于计算。如可统计100个、1000个历史推送文案甚至于更多历史推送文案的转化率信息，并以此计算平均转化率，然后将该平均转化率设定为初步判断历史推送文案是否为优质推送文案的预设推荐条件。

配合图6所示，在一些实施例，所述选取模块20包括：确定单元21、匹配单元22及第二获取单元23。

确定单元21用于确定所述目标用户群的用户特征。在设计好一个推广活动后，该推广活动通常具有目标用户群，目标用户群通常均有能够表征该群体的用户特征。例如，一个针对上下班高峰时段叫车的推广活动，目标用户群则为上班人群，能够表征该人群的用户特征则可确定为“上班族”。

匹配单元22用于通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配。协同过滤算法是利用兴趣相投或拥有共同经验的用户群体的喜好来推荐用户感兴趣的信息。如可以基于用户特征与推荐文案的标签的相似程度，过滤推荐文案库中标签与用户特征不匹配的推荐文案，进而获取与用户特征相匹配的标签。关联规则算法可以通过人为设定的规则将与用户特征相关联的标签筛选出来，例如，用户特征是“年轻人”，则可以设定规则以将“年轻人”标签与推荐文案库中的标签进行匹配。

第二获取单元23用于获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。例如，目标用户特征可为“年轻人”，经协同过滤算法筛选出“潮流”标签后，可标记有“潮流”标签的一个或多个推荐文案。在实际应用过程中，可仅采用协同过滤算法，也可仅采用关联规则算法，亦或是可同时应用协同过滤算法和关联规则算法。当然，也可应用其他推荐筛选方法。

在一些实施例中，所述第二获取单元23具体用于：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

在具体实施过程中，可基于例如协同过滤算法选取与用户特征相匹配的标签，然后基于标签从推荐文案库中获取推荐文案，生成推荐文案列表，并且对推荐文案列表中的推荐文案按照匹配度评分进行排序。例如，当用户特征包括5个关键词，如果一篇推荐文案的标签全部命中5个关键词，则确定该片推荐文案的匹配度评分为10分，如果命中4个关键词，则评分8分，一次类推。然后从推荐文案列表中选取排序靠前的一个或多个推送文案。具体的选取数量可根据推广活动的目标用户群的人数确定，例如，当目标用户群人数为一万人时，可选取10个推送文案，当目标用户群的人数为10万人时，可选取50-100个推送文案。从推荐文案列表中选取的推荐文案可直接用于生成推送信息，也可通过工作人员人工再次筛选后在生成推送信息。自动选取无需人为参与，适宜于敏感性较低、普适性较好的推广活动。人工筛选适于应用在较为敏感、目标用户数量较小、所需推送文案数量较小的推广活动。

本公开实施例还提供了一种存储介质，存储有计算机程序，计算机程序被处理器执行时实现本公开任意实施例提供的方法，示例性的，包括如下步骤：

S100，获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

S200，基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

S300，基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送。

计算机程序被处理器执行获取推荐文案库的步骤时，具体被处理器执行如下步骤：获取历史推荐文案和所述历史推荐文案的推送反馈数据；判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；如果是，则为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

计算机程序被处理器执行判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件的步骤时，具体被处理器执行如下步骤：确定每个所述历史推荐文案的所述推送反馈数据；基于所有的所述推送反馈数据确定所述预设推荐条件。

计算机程序被处理器执行基于所有的所述推送反馈数据确定所述预设推荐条件的步骤，所述推送反馈数据包括点击率数据和/或转化率数据。

计算机程序被处理器执行基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联的步骤时，具体被处理器执行如下步骤：确定所述目标用户群的用户特征；通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

计算机程序被处理器执行获取与所述用户特征相匹配的至少一个所述标签以及与所述标签对应的至少一个所述推荐文案的步骤时，具体被处理器执行如下步骤：获取与所述目标用户群的用户特征相匹配的至少一个所述标签；基于每个所述标签，获取与所述标签对应的推荐文案列表；将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；选取排序靠前的至少一个所述推荐文案。

计算机程序被处理器执行获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述标签包括以下类型中的至少一种：用户标签、功能标签、主题标签。

本公开实施例基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，并基于选取的推送文案和推广活动的活动信息生成推送信息，然后向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，更易于打动目标用户群的用户，进而提高推广活动的推广效果。

上述存储介质可以设置在至少包括存储器、处理器的电子设备中，以存储器的形式存在，具体实现方式此处不再赘述。

本公开实施例提供了一种电子设备，如图7所示，该电子设备至少包括存储器901和处理器902，存储器901上存储有计算机程序，处理器902在执行存储器901上的计算机程序时实现本公开任意实施例提供的方法，示例性的，计算机程序步骤如下：

S100，获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

S200，基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

S300，基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送。

处理器902在执行存储器901上存储的获取推荐文案库的计算机程序时，具体执行如下计算机程序：获取历史推荐文案和所述历史推荐文案的推送反馈数据；判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；如果是，则为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

处理器902在执行存储器901上存储的所述判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件的计算机程序时，具体执行如下计算机程序：确定每个所述历史推荐文案的所述推送反馈数据；基于所有的所述推送反馈数据确定所述预设推荐条件。

处理器902在执行存储器901上存储的确定每个所述历史推荐文案的所述推送反馈数据的计算机程序时，所述推送反馈数据包括点击率数据和/或转化率数据。

处理器902在执行存储器901上存储的基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联的计算机程序时，具体执行如下计算机程序：确定所述目标用户群的用户特征；通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

处理器902在执行存储器901上存储的获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签的计算机程序时，具体执行如下计算机程序：所述标签包括以下类型中的至少一种：用户标签、功能标签、主题标签。

本公开实施例基于目标用户群的用户特征和推送文案的标签从推荐文案库中选取推送文案，并基于选取的推送文案和推广活动的活动信息生成推送信息，然后向目标用户群发送推送信息，能够向不同目标用户群推送更为合适的推送文案，实现个性化推荐，更易于打动目标用户群的用户，进而提高推广活动的推广效果。

此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。

以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本公开。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本公开的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本公开的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

以上实施例仅为本公开的示例性实施例，不用于限制本公开，本公开的保护范围由权利要求书限定。本领域技术人员可以在本公开的实质和保护范围内，对本公开做出各种修改或等同替换，这种修改或等同替换也应视为落在本公开的保护范围内。

Claims (16)

1.一种信息处理方法，其特征在于，包括：

获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送。

2.根据权利要求1所述的信息处理方法，其特征在于，所述获取推荐文案库包括：

获取历史推荐文案和所述历史推荐文案的推送反馈数据；

判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；

如果是，则为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

3.根据权利要求2所述的信息处理方法，其特征在于，所述判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件包括：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

4.根据权利要求3所述的信息处理方法，其特征在于，所述推送反馈数据包括点击率数据和/或转化率数据。

5.根据权利要求1所述的信息处理方法，其特征在于，所述基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联包括：

确定所述目标用户群的用户特征；

通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；

获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

6.根据权利要求5所述的信息处理方法，其特征在于，所述获取与所述用户特征相匹配的至少一个所述标签以及与所述标签对应的至少一个所述推荐文案包括：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

7.根据权利要求1-6中任一项所述的信息处理方法，其特征在于，所述标签包括以下类型中的至少一种：

用户标签、功能标签、主题标签。

8.一种信息处理装置，其特征在于，包括：

获取模块，用于获取推荐文案库，所述推荐文案库中包括多个推荐文案，所述推荐文案具有至少一个标签；

选取模块，用于基于推广活动的目标用户群的用户特征，从所述推荐文案库中选取至少一个所述推荐文案，所述推荐文案的标签与所述目标用户群的用户特征相关联；

推送模块，用于基于所述推广活动的活动信息和所述推荐文案生成推送消息，并向所述目标用户群推送所述推送消息。

9.根据权利要求8所述的信息处理装置，其特征在于，所述获取模块包括：

第一获取单元，用于获取历史推荐文案和所述历史推荐文案的推送反馈数据；

判断单元，用于判断所述历史推荐文案的所述推送反馈数据是否符合预设推荐条件；

添加单元，用于在所述推送反馈数据符合所述预设推荐条件的情况下，为所述历史推荐文案添加至少一个所述标签，并将所述历史推荐文案添加到所述推荐文案库中。

10.根据权利要求9所述的信息处理装置，其特征在于，所述判断单元具体用于：

确定每个所述历史推荐文案的所述推送反馈数据；

基于所有的所述推送反馈数据确定所述预设推荐条件。

11.根据权利要求10所述的信息处理装置，其特征在于，所述推送反馈数据包括点击率数据和/或转化率数据。

12.根据权利要求8所述的信息处理装置，其特征在于，所述选取模块包括：

确定单元，用于确定所述目标用户群的用户特征；

匹配单元，用于通过协同过滤算法和/或关联规则算法将所述用户特征与所述推荐文案库中的所述推荐文案的所述标签进行匹配；

第二获取单元，用于获取与所述用户特征相匹配的所述标签以及与所述标签对应的至少一个所述推荐文案。

13.根据权利要求12所述的信息处理装置，其特征在于，所述第二获取单元具体用于：

获取与所述目标用户群的用户特征相匹配的至少一个所述标签；

基于每个所述标签，获取与所述标签对应的推荐文案列表；

将所有所述推荐文案列表中的所述推荐文案按照匹配度评分进行排序；

选取排序靠前的至少一个所述推荐文案。

14.根据权利要求8-13中任一项所述的信息处理装置，其特征在于，所述标签包括以下类型中的至少一种：

用户标签、功能标签、主题标签。

15.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

16.一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器在执行所述存储器上的计算机程序时实现权利要求1至7中任一项所述方法的步骤。

Images