CN113254633A - 消息文案生成方法和装置 - Google Patents
消息文案生成方法和装置 Download PDFInfo
- Publication number
- CN113254633A CN113254633A CN202110514552.4A CN202110514552A CN113254633A CN 113254633 A CN113254633 A CN 113254633A CN 202110514552 A CN202110514552 A CN 202110514552A CN 113254633 A CN113254633 A CN 113254633A
- Authority
- CN
- China
- Prior art keywords
- file
- message
- scene
- phrase
- phrases
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000012360 testing method Methods 0.000 claims description 127
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 9
- 230000002996 emotional effect Effects 0.000 claims description 8
- 238000010992 reflux Methods 0.000 claims description 8
- 238000003058 natural language processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000001965 increasing effect Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000004040 coloring Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种消息文案生成方法和装置。该方法包括:服务器根据场景信息中的场景主题,确定和该场景主题对应的文案创作规则,从短语库中获取相关短语。其中,文案创作规则包括文案元素组成,文案元素是由整句文案精细化拆分解构得到的。其中,短语库中的短语由历史文案数据拆分解构得到。服务器根据相关短语和文案模型,构建生成消息文案。其中,文案模型中包括不同客户群体的文案偏好,可针对不同客群生成个性化的消息文案。服务器向目标设备推送对应的消息文案。该目标设备为目标客户群体中客户所使用的设备。本申请的方法,提高了消息文案对该客户群体的吸引力,增加了该消息文案的点击率。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种消息文案生成方法和装置。
背景技术
在移动互联的时代,自助渠道(APP、微信公众号、短信)已成为企业连接客户与产品和服务最重要的纽带。企业可以通过推送消息引导客户前往APP、小程序或者桌面应用中,参与活动或者办理业务。客户在自助渠道中查看到企业推送的消息后,可以通过点击该消息,参与活动或者办理业务。
现有技术中,企业在确定活动内容或者业务内容后,需要先撰写消息文案。该消息文案的内容与该活动内容或者业务内容直接相关。当该消息文案确定后,该消息文案将被发送给客户。目前,该消息文案大多由工作人员根据活动内容或者业务内容撰写得到。
然而,该消息文案存在吸引力差、点击率低等问题。
发明内容
本申请提供一种消息文案生成方法和装置,用以解决现有技术中消息文案存在的吸引力差、点击率低等问题。
第一方面,本申请提供一种消息文案生成方法,包括:
根据场景信息和场景文案创作规则,从短语库中获取相关短语,所述场景信息包括场景主题,所述短语库中的短语由历史文案数据拆分解构得到;
根据所述相关短语和文案模型,构建生成消息文案,所述文案模型中包括不同客户群体的文案偏好,所述文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好;
向目标设备推送所述消息文案,所述目标设备为所述消息文案对应的客户群体中的客户所使用的设备。
可选地,所述根据场景信息和场景文案创作规则,从短语库中获取相关短语,包括:
根据场景信息,确定场景主题和所述场景主题对应的所述场景文案创作规则,所述场景文案创作规则包括文案元素组成;
从短语库中获取与所述场景主题匹配的相关短语;
根据所述场景文案创作规则中包括的文案元素,从所述相关短语中匹配各个所述文案元素对应的所述相关短语。
可选地,所述文案元素根据所述短语在所述消息文案中所起的作用确定,所述短语由所述消息文案拆分解构得到,所述文案元素包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置中的至少一种。
可选地,所述方法,还包括:
获取历史文案数据,所述历史文案数据中包括多条文案;根据预设分割规则,将所述文案数据中的文案分割为短语;
根据所述短语、预设场景主题和预设文案元素,标记每一所述短语对应的场景主题和文案元素;
将标记后的所述短语添加到所述短语库中。
可选地,所述根据预设场景主题和预设文案元素,标记每一所述短语对应的场景主题和文案元素,包括:
根据所述短语,确定所述短语的词移距离矩阵;
根据所述词移距离矩阵,确定每一所述短语所属的所述文案元素;
使用聚类算法对所述短语进行聚类,确定每一所述短语所属的所述场景主题;
根据每一所述短语的所述文案元素和所述场景主题,标记所述短语。
可选地,所述方法,还包括:
使用自然语言处理算法,利用中文开源词库,扩充所述短语库。
可选地,所述方法,还包括:
根据所述场景信息、所述场景文案创作规则、所述场景信息对应的相关短语和预设筛选算法,生成多条测试文案,所述多条测试文案中包括全部所述相关短语;
向一客户群体的测试设备发送所述测试文案,每一所述测试设备唯一对应所述客户群体中的一测试客户;
统计每一所述测试文案的回流数据;
根据所述回流数据和所述客户群体中各个所述测试客户的客户画像,确定所述客户群体的文案偏好;
根据不同所述客户群体的所述文案偏好,生成文案模型,所述文案模型用于针对不同客群体生成对应的消息文案。
可选地,根据所述场景信息、所述场景文案创作规则、所述场景信息对应的相关短语和预设筛选算法,生成多条测试文案,包括:
根据所述场景信息、所述场景文案创作规则和所述场景信息对应的相关短语,生成多条第一测试文案,所述多条第一测试文案中包括所述相关短语的全部排列方式;
根据所述预设筛选算法和所述多条第一测试文案,筛选得到多条第二测试文案,所述第二测试文案的条数少于所述第一测试文案。
可选地,所述向一客户群体的测试设备发送全部所述测试文案,包括:
根据分组规则,将所述客户群体的测试客户分成预设数量组,所述预设数量与所述测试文案条数相关;
向每一所述分组的所述测试设备推送对应的测试文案。
可选地,所述方法,还包括:
获取各个所述客户群体的所述消息文案的回流数据,所述回流数据根据各个所述客户群体对应的所述消息文案的点击情况确定;
根据所述回流数据,持续迭代优化所述文案模型。
第二方面,本申请提供一种消息文案生成装置,包括:
短语获取模块,用于根据场景信息和场景文案创作规则,从短语库中获取相关短语,所述场景信息包括场景主题,所述短语库中的短语由历史文案数据拆分解构得到;
文案生成模块,用于根据所述相关短语和文案模型,构建生成消息文案,所述文案模型中包括不同客户群体的文案偏好,所述文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好;
文案推送模块,用于向目标设备推送所述消息文案,所述目标设备为所述消息文案对应的目标客户群体中的客户所使用的设备。
可选地,所述短语获取模块,具体用于根据场景信息,确定场景主题和所述场景主题对应的所述场景文案创作规则,所述场景文案创作规则包括文案元素组成;从短语库中获取与所述场景主题匹配的相关短语;根据所述场景文案创作规则中包括的文案元素,从所述相关短语中匹配各个所述文案元素对应的所述相关短语。
可选地,所述文案元素根据所述短语在所述消息文案中所起的作用确定,所述短语由所述消息文案拆分解构得到,所述文案元素包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置中的至少一种。
可选地,所述装置,还包括短语库生成模块,所述短语库生成模块,包括:
获取子模块,用于获取历史文案数据,所述历史文案数据中包括多条文案;
分割子模块,用于根据预设分割规则,将所述文案数据中的文案分割为短语;
标记子模块,用于根据所述短语、预设场景主题和预设文案元素,标记每一所述短语对应的场景主题和文案元素;
添加子模块,用于将标记后的所述短语添加到所述短语库中。
可选地,所述标记子模块,具体提用于根据所述短语,确定所述短语的词移距离矩阵;根据所述词移距离矩阵,确定每一所述短语所属的所述文案元素;使用聚类算法对所述短语进行聚类,确定每一所述短语所属的所述场景主题;根据每一所述短语的所述文案元素和所述场景主题,标记所述短语。
可选地,所述短语库生成模块,还包括:
扩充子模块,用于使用自然语言处理算法,利用中文开源词库,扩充所述短语库。
可选地,所述装置,还包括模型生成模块,所述模型生成模块,包括:
第一生成子模块,用于根据所述场景信息、所述场景文案创作规则、所述场景信息对应的相关短语和预设筛选算法,生成多条测试文案,所述多条测试文案中包括全部所述相关短语;
发送子模块,用于向一客户群体的测试设备发送所述测试文案,每一所述测试设备唯一对应所述客户群体中的一测试客户;
统计子模块,用于统计每一所述测试文案的回流数据;
第二确定子模块,用于根据所述回流数据和所述客户群体中各个所述测试客户的客户画像,确定所述客户群体的文案偏好;
第二生成子模块,用于根据不同所述客户群体的所述文案偏好,生成文案模型,所述文案模型用于针对不同客群体生成对应的消息文案。
可选地,所述第一生成子模块具体用于根据所述场景信息、所述场景文案创作规则和所述场景信息对应的相关短语,生成多条第一测试文案,所述多条第一测试文案中包括所述相关短语的全部排列方式;根据所述预设筛选算法和所述多条第一测试文案,筛选得到多条第二测试文案,所述第二测试文案的条数少于所述第一测试文案。
可选地,所述发送子模块,具体用于根据分组规则,将所述客户群体的测试客户分成预设数量组,所述预设数量与所述测试文案条数相关;向每一所述分组的所述测试设备推送对应的测试文案。
可选地,所述装置,还包括模型优化模块,用于获取各个所述客户群体的所述消息文案的回流数据,所述回流数据根据各个所述客户群体对应的所述消息文案的点击情况确定;根据所述回流数据,持续迭代优化所述文案模型。
第三方面,本申请提供一种服务器,包括:存储器和处理器;
存储器用于存储程序指令;
处理器用于调用存储器中的程序指令执行第一方面及第一方面任一种可能的设计中的消息文案生成方法。
第四方面,本申请提供一种可读存储介质,可读存储介质中存储有计算机程序,当服务器的至少一个处理器执行该计算机程序时,服务器执行第一方面及第一方面任一种可能的设计中的消息文案生成方法。
第五方面,本申请提供一种计算机程序产品,计算机程序产品包括计算机程序,当服务器的至少一个处理器执行该计算机程序时,服务器执行第一方面及第一方面任一种可能的设计中的消息文案生成方法。
本申请提供的消息文案生成方法和装置,通过确定场景主题以及该场景主题对应的场景文案创作规则;根据该场景主题和场景文案创作规则,从短语库中获取相关短语,其中,短语库中的短语由历史文案数据拆分解构得到;根据相关短语和场景文案创作规则,构建生成消息文案,其中,文案模型中包括目标客户群体的文案偏好,文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好;向目标客户群体对应的目标设备推送消息文案的手段,实现提高文案模型对客户群体偏好捕捉的精准度,提高消息文案对客户群体的吸引力,增加该消息文案的点击率的效果。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请一实施例提供的一种消息文案推送的场景示意图;
图2为本申请一实施例提供的一种消息文案生成方法的流程图;
图3为本申请一实施例提供的另一种消息文案生成方法的流程图;
图4为本申请一实施例提供的再一种消息文案生成方法的流程图;
图5为本申请一实施例提供的又一种消息文案生成方法的流程图;
图6为本申请一实施例提供的一种消息文案生成装置的结构示意图;
图7为本申请一实施例提供的另一种消息文案生成装置的结构示意图;
图8为本申请一实施例提供的一种服务器的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,尽管在本文可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。
应当进一步理解,术语“包含”、“包括”表明存在所示的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。
此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A。B。C。A和B。A和C。B和C。A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
在移动互联的时代,自助渠道(APP、微信公众号、短信)已成为企业连接客户与产品和服务最重要的纽带。企业可以通过推送消息引导客户前往APP、小程序或者公众号中,参与活动或者办理业务。客户在自助渠道中查看到企业推送的消息后,可以通过点击该消息,参与活动或者办理业务。该消息的点击提升度会直接影响活动参与程度或者业务办理规模。在企业运营过程中,该活动参与程度或者业务办理规模的变化,将对收入、客户粘性、移动端日活、月活等一系列关键性经营指标产生重要的影响。
现有技术中,企业在确定活动内容或者业务内容后,需要先撰写消息文案。该消息文案的内容与该活动内容或者业务内容直接相关。当该消息文案确定后,该消息文案将被发送给客户。目前,该消息文案大多由工作人员根据活动内容或者业务内容撰写得到。由于该消息文案面向所有客户推送,因此,在该消息文案的撰写过程中,首要的要求通常是内容清晰明了。当客户接收到该消息文案的推送后,客户可以通过该消息文案明确推荐参与的活动或者推荐办理的业务。出于该撰写要求,该消息文案的内容多以平铺直叙的叙述方式为主,存在缺乏个性化设计,消息文案无法吸人眼球的问题。进而,该缺乏个性化设计和吸引力的消息文案,将导致该活动或者业务的点击率低的问题。
针对上述问题,现有技术提出了一种借助自然语言处理方法、机器学习算法等先进技术,生成更具有吸引力的消息文案的方法。然而,现有技术所提出的消息文案生成方法,主要用于根据文案模板、营销活动与客户画像直接生成目标消息文案。该消息文案的生成过程缺乏依据客户对文案元素构成、文案表达话术的偏好,从量化分析的角度、应用数据驱动的方式生成文案。
针对上述问题,本申请提出了一种消息文案生成方法。本申请通过对消息文案进行更细化的拆分解构,使用科学的试验设计进行推送测试,实现对客户偏好更加精准地捕捉,从而提升消息文案的吸引力。例如,统计发现,推送消息“【专属福利】,多点APP购物,满60减30!”的点击率高。通过拆分解构,该消息文案分成了“【专属福利】”、“多点APP”和“满60减30!”三个部分。在现有技术中,该消息文案将直接作为一条训练数据对文案模型进行优化。该优化过程将失去了对该消息文案中上述三个部分的分析。而本申请则是通过测试分析客户对于该消息文案中不同部分的喜好,更加精准的获取客户偏好。服务器将该客户偏好增加到文案模型中,使该提升文案吸引力的有效知识固化,从而实现增强消息文案吸引力,提高消息文案点击率的效果。
如上述案例所示,一条消息文案可以被拆分解构成三个部分。在本申请中,将通过消息文案拆分解构得到的各个部分定义为文案元素。在收集到文案数据后,服务器可以通过对该文案数据进行分析,确定在设计过程中常用的文案元素。其中,文案元素可以包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置等。其中,语气润色用于消息文案的开头部分。该语气润色的文案元素通过使用表情符号或中英文语气词引起客户的焦点。其中,情感风格通常包括网络热词或者简单句。该情感风格的文案元素用于进一步引起客户的注意力或好奇心。其中,个性称谓用于与客户拉近距离,从而让客户感知这个消息是与他(她)密切相关的。其中,文字描述用于说明该消息的主体和事件。其中,具体权益用于描述与客户切身利益相关的消息。其中,行动鼓励用于引导客户做出行动,达成引导用于点击的任务目标。
本申请中,为了提高消息文案的生成效率和多样性,服务器在大量获取文案数据的基础上,还需要构建的短语库。在构建短语库过程中,服务器利用主题模型(LatentDirichlet Allocation,LDA)、Word2Vec词向量、词移距离算法(word mover’s distance,WMD)和Affinity Propagation聚类算法等多项机学习算法,为每一短语标记场景主题和文案元素。同时,服务器利用开源词库,扩充短语语义库。本申请通过构建丰富的短语库,增加每一文案元素的表达方式,增加消息文案的多样性。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示出了本申请一实施例提供的一种消息文案推送的场景示意图。如图所示,该消息文案由服务器生成。该消息文案在生成后,由服务器推动到对应的目标设备。该目标设备可以为移动终端、平板、电脑等。该目标设备中安装有接收该消息文案的前端软件,例如,短信息、APP、桌面应用等。该前端软件使用该目标设备的显示器显示该消息文案。客户可以通过该显示器查看该消息文案。当客户对该消息文案中的内容感兴趣时,客户可以通过点击该消息文案,跳转到该消息文案对应的活动界面或者业务办理界面。该活动界面或者该业务办理界面可以为该前端软件对应的APP、小程序或者桌面应用的活动界面。或者,该活动界面或者该业务办理界面还可以为该消息文案中指定的APP、小程序或者桌面应用的活动界面。
本申请中,以服务器为执行主体,执行如下实施例的消息文案方法。具体地,该执行主体可以为服务器的硬件装置,或者为服务器中实现下述实施例的软件应用,或者为安装有实现下述实施例的软件应用的计算机可读存储介质,或者为实现下述实施例的软件应用的代码。
图2示出了本申请一实施例提供的一种消息文案生成方法的流程图。在图1所示实施例的基础上,如图2所示,以服务器为执行主体,本实施例的方法可以包括如下步骤:
S101、根据场景信息和场景文案创作规则,从短语库中获取相关短语,场景信息包括场景主题,短语库中的短语由历史文案数据拆分解构得到。
本实施例中,服务器获取场景信息。该场景信息中包括场景主题。其中,场景主题可以包括节日活动、优惠活动、分期活动、办卡活动、金融活动等。
其中,服务器可以包括交互界面。客户通过该交互界面选择目标场景。服务器根据客户选择的目标场景确定场景信息。或者,服务器还可以获取关键词信息。服务器根据该关键词信息,从该服务器预先存储的场景中选择一个场景作为目标场景。服务器根据该目标场景确定场景信息。其中,该关键词信息可以为服务器根据客户输入信息确定的关键词信息。或者,该关键信息还可以为服务器根据预设规则确定的关键词信息。例如,服务器可以获取当前日期信息,服务器根据该日期信息,确定节日活动。
服务器根据场景主题,确定该场景主题对应的场景文案创作规则。该场景文案创作规则中包括多个文案元素,以及该多个文案元素的排列方式。服务器可以根据该场景文案创作规则中包括的多个文案元素,从相关短语库中选择短语。该短语根据该多个文案元素的排列方式组成消息文案。文案元素是根据不同短语在消息文案中的不同作用,由整句文案拆分解构得到的。文案元素包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置中的至少一种。不同场景主题的消息文案可以由不同的文案元素组成。其中,不同场景主题的消息文案中文案元素的组成,可以通过数据科学和营销心理学构建得到。例如,甜品优惠活动场景的文案元素组成为:语句润色+文字描述+具体权益+行动鼓励。
一种示例中,服务器根据场景信息和场景文案创作规则,从短语库中获取相关短语的具体步骤可以包括:
步骤1、服务器根据场景信息,确定场景主题和场景主题对应的场景文案创作规则,场景文案创作规则包括文案元素组成。
步骤2、服务器根据场景主题,从短语库中获取与场景主题匹配的相关短语。
步骤3、服务器根据场景文案创作规则中包括的文案元素,从步骤2筛选得到的相关短语中匹配各个文案元素对应的相关短语。
本步骤中,服务器筛选得到的相关短语中,每一文案元素对应的相关短语的个数可根据实际需求进行选择。例如,甜品优惠活动场景中可以包括4个文案元素。其中,每一文案元素中可以包括多个相关短语。以“语句润色”元素为例,其相关短语可以包括“Woow!”、“[名额有限]”、“在吗?”、“叮咚!”等。
S102、根据相关短语和文案模型,构建生成消息文案,文案模型中包括不同客户群体的文案偏好,文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好。
本实施例中,文案模型中可以包括多个客户群体的文案偏好。当服务器将相关短语输入该文案模型后,该文案模型可以根据其中多个客户群体的文案偏好生成多篇消息文案。每一消息文案为针对一个客户群体的生成个性化的文案。该个性化的文案中包括该客户群体对于文案的偏好。
S103、向目标设备推送消息文案,目标设备为消息文案对应的客户群体中的客户所使用的设备。
本实施例中,服务器可以根据S102生成的一条消息文案,确定该条消息文案对应的客户群体。服务器根据该客户群体,确定该客户群体中客户的设备。该设备即为该条消息文案的目标设备。服务器向每一目标设备推送该条消息文案。客户可以在其设备上查看该条消息文案。当客户对该条消息文案中的内容感兴趣时,客户可以通过点击该条消息文案,参与该条消息文案中的活动或者办理该条消息文案中的业务。
本申请提供的消息文案方法中,服务器根据场景信息,确定场景主题以及该场景主题对应的场景文案创作规则。服务器根据该场景主题和场景文案创作规则,从短语库中获取相关短语。其中,短语库中的短语由历史文案数据拆分解构得到。文案模型中可以包括多个客户群体的文案偏好。当服务器将相关短语输入该文案模型后,该文案模型可以根据其中多个客户群体的文案偏好生成多篇消息文案。服务器根据一文案消息确定其对应的客户群体和目标设备。服务器向每一目标设备推送该条消息文案。本申请中,通过将消息文案拆分解构为文案元素,使文案模型可以更加精准的捕捉消息文案中的有效信息。同时,通过针对不同客户群体进行回流数据分析,训练文案模型,使文案模型可以捕捉不同客户群体的偏好。进而,通过使用该文案模型生成个性化的消息文案,提高消息文案对不同客户群体的吸引力,从而增加该消息文案的点击率。
此外,本申请还获取了多种场景主题下,本申请所生成的消息文案与原消息文案在发送后的点击率。根据该点击率,服务器可以计算得到本申请所生成文案的点击提升度,该点击提升度的计算公式为:
点击提升度=(第一点击率-第二点击率)/第二点击率
其中,第一点击率为本申请所生成的消息文案的点击率,第二点击率为原消息文案的点击率。该点击率可以为从消息文案发送开始,预设时长内的点击情况。对比发现,在前期落地场景中,相较于原消息文案,本申请所生成的消息文案的点击率提升幅度明显,点击提升度可达70%。可见,本申请所使用的消息文案生成方法,可以有效提高消息文案的点击率,增加消息文案的吸引力。
图3示出了本申请一实施例提供的另一种消息文案生成方法的流程图。在图1至图2所示实施例的基础上,如图3所示,以服务器为执行主体,本实施例的中,短语库的生成过程可以包括如下步骤:
S201、获取历史文案数据,历史文案数据中包括多条文案。
本实施例中,服务器从各大主流APP获取被推送的历史文案数据。该历史文案数据可以包含金融、电商、视频等多个行业。该历史文案数据可以涉及分期活动、节日活动、发卡活动等多种场景主题。该历史文案数据中可以包括多条文案。
S202、根据预设分割规则,将历史文案数据中的文案分割为短语。
本实施例中,服务器根据预设分割规则,对收集到的历史文案数据进行拆分解构,得到短语。其中,服务器根据预设分割规则,对历史文案数据进行拆分解构的具体过程可以包括如下步骤:
步骤1、服务器利用标点符号,将文案拆解成短句。其中,标点符号可以包括“。”、“,”、“?”、“!”、“、”、“:”、“。”等。
步骤2、服务器使用分词方法对文案进行分词处理,得到词语。其中,分词方法可以为现有分词方法,或者,该分词方法还可以为改进后的分词方法。
一种示例中,服务器根据预设审查规则,对拆解得到的短语进行审查。该短语包括短句和词语。当该短语中包括敏感词汇时,服务器可以删除该短语。
S203、根据短语、预设场景主题和预设文案元素,标记每一短语对应的场景主题和文案元素。
本实施例中,服务器在将文案数据拆分为短语后,服务器可以使用文档主题生成模型(Latent Dirichlet Allocation,LDA)、Word2Vec词向量、词移距离算法(word mover’s distance,WMD)和Affinity Propagation聚类算法等自然语言处理算法,为短语标记场景主题和文案元素。
一种示例中,服务器为短语标记场景主题和文案元素的具体过程可以包括如下步骤:
步骤1、根据短语,确定短语的词移距离矩阵。
本步骤中,服务器计算两两短语之间的词移距离。服务器根据该词移距离,确定短语的词移矩阵。
步骤2、根据词移距离矩阵,确定每一短语所属的文案元素。
本步骤中,服务器可以根据短语的词移距离矩阵,使用近邻传播算法对短语进行聚类。根据该聚类结果,服务器可以将各个短语分别归类到不同的文案元素中。其中,为了保证文案元素归类的准确性,管理员可以在服务器完成对各个文案模板的分类后,核验每一分类对应的文案元素。服务器在确定一短语的文案元素后,使用该文案元素标记该短语。
步骤3、使用聚类算法对短语进行聚类,确定每一短语所属的场景主题。
本步骤中,服务器可以对分词得到词语进行向量化标识,从而获取各个词语的词向量。服务器可以利用主题模型对该词向量进行训练。该主题模型可以对该词向量进行主题聚类,将所有词向量聚类到一个或者多个主题中。其中,为了保证文案元素归类的准确性,管理员可以在服务器完成对各个词向量的聚类后,核验每一类词向量的主题词。服务器在确定一短语的场景主题后,使用该场景主题标记该短语。
S204、将标记后的短语添加到短语库中。
本实施例中,服务器将标记了文案元素和场景主题的短语存储到短语库中。服务器根据每一短语对应的场景主题,将短语分配到不同的短语库中。每一短语库对应一个场景主题。一个短语可以对应多个场景主题。当一个短语对应多个的场景主题时,该短语可以为多个场景主题的相关短语。
S205、使用自然语言处理算法,利用开源词库,扩充短语库。
服务器利用开源词库,扩充短语语义库。本申请通过构建丰富的短语库,增加每一文案元素的表达方式,增加消息文案的多样性。
本申请提供的消息文案生成方法,服务器根据预设分割规则,对收集到的文案数据进行拆分解构,得到短语库。服务器根据短语、预设场景主题和预设文案元素,标记每一短语对应的场景主题和文案元素。服务器将标记了场景主题和文案元素的短语存储到短语库中。本申请中,通过从各大主流APP中获取文案数据,确保文案数据的丰富性,从而确保在消息文案生成过程中,消息文案的多样性。
图4示出了本申请一实施例提供的再一种消息文案生成方法的流程图。在图1至图3所示实施例的基础上,如图4所示,以服务器为执行主体,本实施例中,文案模型的确定方法可以包括如下步骤:
S301、根据场景信息、场景文案创作规则、场景信息对应的相关短语和预设筛选算法,生成多条测试文案,多条测试文案中包括全部相关短语。
本实施例中,服务器首先确定测试的场景信息。服务器可以根据该场景信息,确定场景主题。服务器根据该场景主题,确定文案创作规则。该文案创作规则中包括多个文案元素,及其排列方式。服务器根据该场景主题和文案元素,从短语库中匹配相关短语。每一文案元素中短语的个数可根据实际需求进行选择。
服务器根据场景文案创作规则,从各个文案元素中选择短语,并组成多条测试文案。该多条测试文案包括各个文案元素中所选择的短语的所有搭配方式。现有技术中,通常使用排列组合的方式生成该测试文案。例如,测试甜品优惠活动场景包括4个文案元素,每一文案元素包括3个相关短语。服务器可以根据该4个文案元素和12个相关短语,组成81条测试文案。该81条测试文案覆盖相关短语的所有搭配方式。
服务器采用预设筛选算法,对上述多条测试文案进行筛选。该预设筛选算法采用科学的试验设计方法,综合考虑信息量和试验组的复杂度,采用Fedorov、k-exchange等技术,通过信息矩阵最大化、距离矩阵方差最小化的方法,确定测试文案的搭配方式。例如,使用预设筛选算法对上述81条测试文案进行筛选后,测试场景中测试文案条数为20条。
S302、向一客户群体的测试设备发送测试文案,每一个测试设备唯一对应该客户群体中的一位测试客户。
本实施例中,当包括多个客户群体时,服务器逐个生成客户群体的测试文案,并将该测试文案发送到其对应的客户群体的设备上。服务器确定一客户群体为目标客户群体,服务器向该目标客户群体发送测试文案的过程可以包括:
步骤1、服务器根据分组规则,将目标测试客户分成预设数量组,预设数量与测试文案条数相关。其中,目标测试客户为目标客户群体中的全部客户。
本步骤中,分组规则可以为随机分组。服务器将全部客户随机分成预设数量组。或者,该分组规则还可以为根据具体的测试目标结合客户画像分组。例如,需要验证某个文案对于30岁以下客群的吸引力,可以单独提取部分30岁以下客户设置为一个组。此过程还需要利用试验设计的方法论,测算每一组内样本量的最小值,保证每组内客户数大于最小值,才能保证测试分析的有效性。
其中,测试组的预设数量与测试文案条数相关。例如,测试文案有20条,则需分为20组。
步骤2、向每一分组的测试设备推送对应的一条测试文案。
本步骤中,服务器向每一组发送一条测试文案。每一组的测试文案均不相同。
S303、统计每一测试文案的回流数据。
本实施例中,服务器获取每一测试文案的回流数据。该回流数据包括测试文案、测试客户、是否点击等。
S304、根据回流数据和客户群体中各个测试客户的客户画像,确定客户群体的文案偏好。
本实施例中,服务器根据该回流数据和客户画像,将客户划分到不同的客户群体进行回流数据分析。例如,女性客户群体、男性客户群体、20-25岁客户群体、26-35岁客户群体等。可以使用方差分析、效能分析、逻辑回归等方法对该消息文案的回流数据进行分析。该分析结果可以包括对消息文案的点击提升度的分析,以及对消息文案中各个文案元素的重要性指标的分析。根据该分析结果,服务器可以确定不同客群文案偏好。
S305、根据不同客户群体的文案偏好,生成文案模型,文案模型用于针对不同客户群体生成对应的消息文案。
本实施例中,服务器统计各个客户群体的回流数据。服务器根据该回流数据,确定各个客户群体感兴趣的测试文案特征。例如:在某优惠活动场景测试中,年轻客群在“语句润色”元素部分,更喜爱网络热词等较活泼的表达方式,例如“有人@你”。女性客群在“文字描述”元素部分,更喜爱浪漫风格的表达方式,例如“××与你甜蜜约‘惠’”。进而,服务器根据测试学习到的客户文案偏好生成文案模型。该文案模型可以用于针对不同客户群体生成不同消息文案。
本申请提供的消息文案生成方法,服务器根据场景信息和场景信息对应的相关短语,确定测试文案,测试文案由场景信息中各个文案元素的相关短语搭配得到。服务器向每一测试设备发送对应的一条测试文案。服务器获取每一测试文案的回流数据。服务器根据该回流数据和客户画像,得到不同客户群体在不同场景下的文案偏好。服务器根据该不同客户群体的不同文案偏好生成文案模型。本申请中,通过获取回流数据和客户画像,实现了文案模型的生成,该文案模型可以针对各个客户群体生成符合该客户群体文案偏好的消息文案。该文案模型的使用,可以通过增加该消息文案的吸引力,实现提升文案消息点击的效果。
图5示出了本申请一实施例提供的另一种消息文案生成方法的流程图。在图1和图4所示实施例的基础上,如图5所示,以服务器为执行主体,本实施例的中,模型迭代优化方法可以包括如下步骤:
S401、根据场景信息和场景文案创作规则,从短语库中获取相关短语,场景信息包括场景主题,短语库中的短语由历史文案数据拆分解构得到。
S402、根据相关短语和文案模型,构建生成消息文案,文案模型中包括不同客户群体的文案偏好,文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好。
S403、向目标设备推送消息文案,目标设备为消息文案对应的客户群体中的客户所使用的设备。
其中,步骤S401至S403与图2实施例中的步骤S101至S103实现方式类似,本实施例此处不再赘述。
S404、获取各个客户群体的消息文案的回流数据,回流数据根据各个客户群体对应的消息文案的点击情况确定。
本实施例中,服务器可以获取已推送消息文案的点击情况。该已推送消息文案的点击情况可以为该消息文案的回流数据。或者,该消息文案的回流数据可以为其他业务相关指标。或者,该消息文案的回流数据可以包括已推送消息文案的点击情况和其他业务相关指标。
S405、根据回流数据,优化文案模型。
本实施例中,服务器可以统计每一客户群体的消息文案的回流数据。服务器在获取该回流数据后,可以使用方差分析、效能分析、逻辑回归等方法对该消息文案的回流数据进行分析。该分析结果可以包括对消息文案的点击提升度的分析,以及对消息文案中各个文案元素的重要性指标的分析。根据该分析结果,服务器可以确定客户偏好。同时,服务器还可以根据该回流数据,将符合客户偏好的消息文案加入训练数据中。该训练数据用于优化文案模型,使文案模型持续精准的生成个性化消息文案。
本申请提供的消息文案生成方法,服务器根据场景信息,从短语库中获取相关短语,场景信息包括场景主题,以及该场景主题对应的多个文案元素,相关短语中包括短语库中与场景主题和文案元素匹配的短语。服务器根据相关短语和文案模型,生成消息文案,文案模型可以针对不同客户群体生成个性化的文案,文案模型用于从相关短语中选择各个文案元素的目标短语,消息文案由各个文案元素的目标短语组成。服务器向目标设备推送消息文案,目标设备与目标客户群体相对应。服务器获取目标客户群体的消息文案的回流数据,回流数据根据目标客户群体的点击消息文案的情况确定。服务器根据回流数据,优化文案模型。本申请中,通过使用文案模型生成消息文案,提高消息文案对不同客户群体的吸引力,从而增加该消息文案的点击提升度。同时,本申请中,还通过获取并分析回流数据,实现对消息文案的优化和更新,实现文案模型的精准个性化定位,从而进一步提高消息文案的吸引力和点击率。
图6示出了本申请一实施例提供的一种消息文案生成装置的结构示意图,如图6所示,本实施例的消息文案生成装置10用于实现上述任一方法实施例中对应于服务器的操作,本实施例的消息文案生成装置10包括:
短语获取模块11,用于根据场景信息和场景文案创作规则,从短语库中获取相关短语,场景信息包括场景主题,短语库中的短语由历史文案数据拆分解构得到。
文案生成模块12,用于获取各个客户群体的消息文案的回流数据,回流数据根据各个客户群体对应的消息文案的点击情况确定。
文案推送模块13,用于向目标设备推送消息文案,目标设备为消息文案对应的客户群体中的客户所使用的设备。
一种示例中,短语获取模块11,具体用于根据场景信息,确定场景主题和场景主题对应的场景文案创作规则,场景文案创作规则包括文案元素组成。根据场景主题,从短语库中获取与场景主题匹配的相关短语。根据场景文案创作规则中包括的文案元素,从相关短语中匹配各个文案元素对应的相关短语。
一种示例中,文案元素根据短语在消息文案中所起的作用确定,短语由消息文案拆分解构得到,文案元素包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置中的至少一种。
本申请实施例提供的消息文案生成装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图7示出了本申请一实施例提供的另一种消息文案生成装置的结构示意图,在图6所示实施例的基础上,如图7所示,本实施例的消息文案生成装置10用于实现上述任一方法实施例中对应于服务器的操作,本实施例的消息文案生成装置10,还包括:短语库生成模块14、模型生成模块15、模型优化模块16。
其中,短语库生成模块14具体包括:
获取子模块141,用于获取历史文案数据,历史文案数据中包括多条文案。
分割子模块142,用于根据预设分割规则,将文案数据中的文案分割为短语。
标记子模块143,用于根据短语、预设场景主题和预设文案元素,标记每一短语对应的场景主题和文案元素。
添加子模块144,用于将标记后的短语添加到短语库中。
一种示例中,标记子模块143,具体提用于根据短语,确定短语的词移距离矩阵。根据词移距离矩阵,确定每一短语所属的文案元素。使用聚类算法对短语进行聚类,确定每一短语所属的场景主题。根据每一短语的文案元素和场景主题,标记短语。
一种示例中,短语库生成模块14还包括:
扩充子模块145,用于使用自然语言处理算法,利用中文开源词库,扩充短语库。
其中,模型生成模块15具体包括:
第一生成子模块151,用于根据场景信息、场景文案创作规则、场景信息对应的相关短语和预设筛选算法,生成多条测试文案,多条测试文案中包括全部相关短语。
发送子模块152,用于向一客户群体的测试设备发送测试文案,每一测试设备唯一对应客户群体中的一测试客户。
统计子模块153,用于统计每一测试文案的回流数据。
第二确定子模块154,用于根据回流数据和客户群体中各个测试客户的客户画像,确定客户群体的文案偏好。
第二生成子模块155,用于根据不同客户群体的文案偏好,生成文案模型,文案模型用于针对不同客群体生成对应的消息文案。
一种示例中,第一生成子模块151,具体用于根据场景信息、场景文案创作规则和场景信息对应的相关短语,生成多条第一测试文案,多条第一测试文案中包括相关短语的全部排列方式。根据预设筛选算法和多条第一测试文案,筛选得到多条第二测试文案,第二测试文案的条数少于第一测试文案。
一种示例中,发送子模块152,具体用于根据分组规则,将客户群体的测试客户分成预设数量组,预设数量与测试文案条数相关。向每一分组的测试设备推送对应的测试文案。
模型优化模块16,用于获取各个客户群体的消息文案的回流数据,回流数据根据各个客户群体对应的消息文案的点击情况确定。根据回流数据,持续迭代优化文案模型。
本申请实施例提供的消息文案生成装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图8示出了本申请实施例提供的一种服务器的硬件结构示意图。如图8所示,该服务器20,用于实现上述任一方法实施例中对应于服务器的操作,本实施例的服务器20可以包括:存储器21,处理器22和通信接口24。
存储器21,用于存储计算机程序。该存储器21可能包含高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储(Non-Volatile Memory,NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器22,用于执行存储器存储的计算机程序,以实现上述实施例中的消息文案生成方法。具体可以参见前述方法实施例中的相关描述。该处理器22可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
可选地,存储器21既可以是独立的,也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时,服务器20还可以包括总线23。该总线23用于连接存储器21和处理器22。该总线23可以是工业标准体系结构(IndustryStandard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
通信接口24,可以通过总线23与处理器21连接。处理器22可以通过通信接口24实现与目标设备的交互。
本实施例提供的服务器可用于执行上述的消息文案生成方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,计算机可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,计算机可读存储介质耦合至处理器,从而使处理器能够从该计算机可读存储介质读取信息,且可向该计算机可读存储介质写入信息。当然,计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits,ASIC)中。另外,该ASIC可以位于客户设备中。当然,处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
具体地,该计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-OnlyMemory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质中读取该计算机程序,至少一个处理器执行该计算机程序使得设备实施上述的各种实施方式提供的方法。
本申请实施例还提供一种芯片,该芯片包括存储器和处理器,存储器用于存储计算机程序,处理器用于从存储器中调用并运行计算机程序,使得安装有芯片的设备执行如上各种可能的实施方式中的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
其中,各个模块可以是物理上分开的,例如安装于一个的设备的不同位置,或者安装于不同的设备上,或者分布到多个网络单元上,或者分布到多个处理器上。各个模块也可以是集成在一起的,例如,安装于同一个设备中,或者,集成在一套代码中。各个模块可以以硬件的形式存在,或者也可以以软件的形式存在,或者也可以采用软件加硬件的形式实现。本申请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。
当各个模块以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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)或处理器执行本申请各个实施例方法的部分步骤。
应该理解的是,虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (14)
1.一种消息文案生成方法,其特征在于,所述方法包括:
根据场景信息和场景文案创作规则,从短语库中获取相关短语,所述场景信息包括场景主题,所述短语库中的短语由历史文案数据拆分解构得到;
根据所述相关短语和文案模型,构建生成消息文案,所述文案模型中包括不同客户群体的文案偏好,所述文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好;
向目标设备推送所述消息文案,所述目标设备为所述消息文案对应的客户群体中的客户所使用的设备。
2.根据权利要求1所述的方法,其特征在于,所述根据场景信息和场景文案创作规则,从短语库中获取相关短语,包括:
根据场景信息,确定场景主题和所述场景主题对应的所述场景文案创作规则,所述场景文案创作规则包括文案元素组成;
根据所述场景主题,从短语库中获取与所述场景主题匹配的相关短语;
根据所述场景文案创作规则中包括的文案元素,从所述相关短语中匹配各个所述文案元素对应的所述相关短语。
3.根据权利要求2所述的方法,其特征在于,所述文案元素根据所述短语在所述消息文案中所起的作用确定,所述短语由所述消息文案拆分解构得到,所述文案元素包括语句润色、情感风格、个性称谓、文字描述、具体权益、行动鼓励、呈现位置中的至少一种。
4.根据权利要求1-3中任意一项所述的方法,其特征在于,所述方法,还包括:
获取历史文案数据,所述历史文案数据中包括多条文案;
根据预设分割规则,将所述历史文案数据中的文案分割为短语;
根据所述短语、预设场景主题和预设文案元素,标记每一所述短语对应的场景主题和文案元素;
将标记后的所述短语添加到所述短语库中。
5.根据权利要求4所述的方法,其特征在于,所述根据预设场景主题和预设文案元素,标记每一所述短语对应的场景主题和文案元素,包括:
根据所述短语,确定所述短语的词移距离矩阵;
根据所述词移距离矩阵,确定每一所述短语所属的所述文案元素;
使用聚类算法对所述短语进行聚类,确定每一所述短语所属的所述场景主题;
根据每一所述短语的所述文案元素和所述场景主题,标记所述短语。
6.根据权利要求5所述的方法,其特征在于,所述方法,还包括:
使用自然语言处理算法和开源词库,扩充所述短语库。
7.根据权利要求1-3中任意一项所述的方法,其特征在于,所述方法,还包括:
根据所述场景信息、所述场景文案创作规则、所述场景信息对应的相关短语和预设筛选算法,生成多条测试文案,所述多条测试文案中包括全部所述相关短语;
向一客户群体的测试设备发送所述测试文案,每一所述测试设备唯一对应所述客户群体中的一测试客户;
统计每一所述测试文案的回流数据;
根据所述回流数据和所述客户群体中各个所述测试客户的客户画像,确定所述客户群体的文案偏好;
根据不同所述客户群体的所述文案偏好,生成文案模型,所述文案模型用于针对不同客群体生成对应的消息文案。
8.根据权利要求7所述的方法,其特征在于,根据所述场景信息、所述场景文案创作规则、所述场景信息对应的相关短语和预设筛选算法,生成多条测试文案,包括:
根据所述场景信息、所述场景文案创作规则和所述场景信息对应的相关短语,生成多条第一测试文案,所述多条第一测试文案中包括所述相关短语的全部排列方式;
根据所述预设筛选算法和所述多条第一测试文案,筛选得到多条第二测试文案,所述第二测试文案的条数少于所述第一测试文案。
9.根据权利要求8所述的方法,其特征在于,所述向一客户群体的测试设备发送全部所述测试文案,包括:
根据分组规则,将所述客户群体的测试客户分成预设数量组,所述预设数量与所述测试文案条数相关;
向每一所述分组的所述测试设备推送对应的测试文案。
10.根据权利要求1-3中任意一项所述的方法,其特征在于,所述方法,还包括:
获取各个所述客户群体的所述消息文案的回流数据,所述回流数据根据各个所述客户群体对应的所述消息文案的点击情况确定;
根据所述回流数据,持续迭代优化所述文案模型。
11.一种消息文案生成方法装置,其特征在于,所述装置,包括:
短语获取模块,用于根据场景信息,从短语库中获取相关短语,所述场景信息包括场景主题,以及该场景主题对应的多个文案元素,所述相关短语中包括所述短语库中与所述场景主题和所述文案元素匹配的短语,所述短语库中的短语由历史文案数据拆分解构得到;
文案生成模块,用于根据所述相关短语和文案模型,构建生成消息文案,所述文案模型中包括不同客户群体的文案偏好,所述文案偏好用于指示不同客群体对同一文案元素中不同表达方式的偏好;
文案推送模块,用于向目标设备推送所述消息文案,所述目标设备为所述消息文案对应的客户群体中的客户所使用的设备。
12.一种服务器,其特征在于,所述服务器,包括:存储器,处理器;
所述存储器用于存储计算机程序;所述处理器用于根据所述存储器存储的计算机程序,实现如权利要求1-10中任意一项所述的消息文案生成方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现如权利要求1-10中任意一项所述的消息文案生成方法。
14.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-10中任意一项所述的消息文案生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514552.4A CN113254633B (zh) | 2021-05-10 | 2021-05-10 | 消息文案生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514552.4A CN113254633B (zh) | 2021-05-10 | 2021-05-10 | 消息文案生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254633A true CN113254633A (zh) | 2021-08-13 |
CN113254633B CN113254633B (zh) | 2024-05-03 |
Family
ID=77223055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514552.4A Active CN113254633B (zh) | 2021-05-10 | 2021-05-10 | 消息文案生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254633B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861938A (zh) * | 2017-09-21 | 2018-03-30 | 北京三快在线科技有限公司 | 一种poi文案生成方法及装置,电子设备 |
CN108563753A (zh) * | 2018-04-16 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 消息推送文案的生成方法、装置及计算机可读存储介质 |
CN109388742A (zh) * | 2017-08-09 | 2019-02-26 | 阿里巴巴集团控股有限公司 | 一种搜索方法、搜索服务器和搜索*** |
CN109522531A (zh) * | 2017-09-18 | 2019-03-26 | 腾讯科技(北京)有限公司 | 文案生成方法和装置、存储介质及电子装置 |
CN109597973A (zh) * | 2017-09-30 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 一种文案信息的推荐、生成方法和装置 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
CN110060029A (zh) * | 2019-04-18 | 2019-07-26 | 浩鲸云计算科技股份有限公司 | 一种ai赋能创意设计方法 |
CN110058992A (zh) * | 2018-12-25 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种文案模板效果反馈方法、装置及电子设备 |
CN110263161A (zh) * | 2019-05-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种信息的处理方法、装置及设备 |
CN110309114A (zh) * | 2018-02-28 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 媒体信息的处理方法、装置、存储介质和电子装置 |
CN110321537A (zh) * | 2019-06-11 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 一种文案生成方法和装置 |
CN110400166A (zh) * | 2019-06-24 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 选择向目标用户推送的文案的方法和装置 |
CN110427617A (zh) * | 2019-07-22 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 推送信息的生成方法及装置 |
CN110852793A (zh) * | 2019-10-28 | 2020-02-28 | 北京深演智能科技股份有限公司 | 文案推荐方法及装置、电子设备 |
CN111814034A (zh) * | 2019-07-04 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、存储介质及电子设备 |
CN111859930A (zh) * | 2020-07-27 | 2020-10-30 | 北京字节跳动网络技术有限公司 | 一种标题生成方法、装置、电子设备和存储介质 |
-
2021
- 2021-05-10 CN CN202110514552.4A patent/CN113254633B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109388742A (zh) * | 2017-08-09 | 2019-02-26 | 阿里巴巴集团控股有限公司 | 一种搜索方法、搜索服务器和搜索*** |
CN109522531A (zh) * | 2017-09-18 | 2019-03-26 | 腾讯科技(北京)有限公司 | 文案生成方法和装置、存储介质及电子装置 |
CN107861938A (zh) * | 2017-09-21 | 2018-03-30 | 北京三快在线科技有限公司 | 一种poi文案生成方法及装置,电子设备 |
CN109597973A (zh) * | 2017-09-30 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 一种文案信息的推荐、生成方法和装置 |
CN110309114A (zh) * | 2018-02-28 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 媒体信息的处理方法、装置、存储介质和电子装置 |
CN108563753A (zh) * | 2018-04-16 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 消息推送文案的生成方法、装置及计算机可读存储介质 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
CN110058992A (zh) * | 2018-12-25 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种文案模板效果反馈方法、装置及电子设备 |
CN110060029A (zh) * | 2019-04-18 | 2019-07-26 | 浩鲸云计算科技股份有限公司 | 一种ai赋能创意设计方法 |
CN110263161A (zh) * | 2019-05-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种信息的处理方法、装置及设备 |
CN110321537A (zh) * | 2019-06-11 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 一种文案生成方法和装置 |
CN110400166A (zh) * | 2019-06-24 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 选择向目标用户推送的文案的方法和装置 |
CN111814034A (zh) * | 2019-07-04 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、存储介质及电子设备 |
CN110427617A (zh) * | 2019-07-22 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 推送信息的生成方法及装置 |
CN110852793A (zh) * | 2019-10-28 | 2020-02-28 | 北京深演智能科技股份有限公司 | 文案推荐方法及装置、电子设备 |
CN111859930A (zh) * | 2020-07-27 | 2020-10-30 | 北京字节跳动网络技术有限公司 | 一种标题生成方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
NOORAINI MOHAMAD SHERIFF 等: "SALIENT FEATURES OF CUSTOMER ENGAGEMENT, VISUAL PRESENTATION AND COPYWRITING FOR EFFECTIVE SOCIAL MEDIA MARKETING: AN EXPLORATORY PERSPECTIVE", JOURNAL OF ACADEMIA, vol. 6, no. 2, pages 28 - 37 * |
伍境科: "移动场景时代广告文案的创意策略与表现研究", 中国优秀硕士学位论文全文数据库 经济与管理科学辑, no. 12, pages 157 - 128 * |
鲍英英: "广告文案写作的三大注意、八项技巧", 新闻研究导刊, vol. 8, no. 05, pages 256 - 257 * |
Also Published As
Publication number | Publication date |
---|---|
CN113254633B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847106B2 (en) | Multi-service business platform system having entity resolution systems and methods | |
US20220292465A1 (en) | Multi-service business platform system having payments systems and methods | |
US20220343250A1 (en) | Multi-service business platform system having custom workflow actions systems and methods | |
Jiang et al. | How rewarding are your rewards? A value-based view of crowdfunding rewards and crowdfunding performance | |
US20120254184A1 (en) | Methods And Systems For Analyzing Data Of An Online Social Network | |
US20210019213A1 (en) | Systems and methods for the analysis of user experience testing with ai acceleration | |
US11941039B2 (en) | Systems and methods for improvements to user experience testing | |
US11615485B2 (en) | System and method for predicting engagement on social media | |
Zhao et al. | Sentiment analysis on the online reviews based on hidden Markov model | |
US11909100B2 (en) | Systems and methods for the analysis of user experience testing with AI acceleration | |
Bailey et al. | Examining user-developer feedback loops in the ios app store | |
EP3963435A1 (en) | Systems and methods for improvements to user experience testing | |
US11653071B2 (en) | Responsive video content alteration | |
Suryadi et al. | Automatic identification of product usage contexts from online customer reviews | |
US20190205702A1 (en) | System and method for recommending features for content presentations | |
CN112232067A (zh) | 文案生成方法、文案评估模型的训练方法、装置及设备 | |
O'Connor | Statistical Text Analysis for Social Science. | |
CN116611401A (zh) | 文案生成方法及相关装置、电子设备和存储介质 | |
CN115809889A (zh) | 基于营销效果的智能客群筛选方法、***、介质及设备 | |
CN113254633B (zh) | 消息文案生成方法和装置 | |
GB2608112A (en) | System and method for providing media content | |
EP4014115A1 (en) | Systems and methods for the analysis of user experience testing with ai acceleration | |
CN114971664A (zh) | 广告投放方法及相关设备 | |
CN112818082A (zh) | 评价文本推送方法和装置 | |
Sahin | Do popular apps have issues regarding energy efficiency? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |