活动信息的推送方法、装置及设备

技术领域

本申请涉及信息处理技术领域，尤其是涉及到一种活动信息的推送方法、装置及设备。

背景技术

随着互联网技术的发展，许多网站会面向用户开展多种活动，例如，在电商领域中，服务方会进行促销类活动，在新闻媒体领域，服务方会进行专项宣传报道活动，等等。

目前，服务方会针对开展的活动提供相应的活动资源，以便吸引用户获取该活动下的活动服务，并且通常服务方针对某一活动所提供的活动服务是由服务方进行投放，用户可以经过投放的活动信息享受相应的活动服务，并由服务方周期性统计活动服务所产生的活动资源，然后根据活动资源来判断是否达到活动预期效果。

然而，服务方在投放活动信息的过程中，用户对活动服务具有一定的主观性，如果活动信息被投放至不具有相应活动需求的用户，用户很难参与到活动服务中，无法实现活动信息对用户的精准投放，使得活动信息很难达到预期的投放效果。

发明内容

有鉴于此，本申请提供了一种活动信息的推送方法、装置及设备，主要目的在于解决现有技术中活动信息很难达到预期的投放效果的问题。

根据本申请的第一个方面，提供了一种活动信息的推送方法，可应用于服务端侧，该方法包括：

利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集；

响应于目标活动信息的推送指令，将所述目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签；

根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别；

按照所述筛选级别确定包含与所述活动特征相匹特征标签，并从所述用户集中筛选出包含与所述活动特征相匹配特征标签的目标用户；

向所述目标用户推送所述目标活动信息。

在本申请另一实施例中，所述利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集，具体包括：

从所述用户行为数据中提取用户针对服务方所形成的第一行为数据，利用预先设置的行业特征标签对所述第一行为数据进行聚合分析，得到映射有行业特征标签集的第一用户集；

从所述用户行为数据中提取用户针对服务平台所形成的第二行为数据，利用预先设置的行为特征标签对所述第二行为数据进行聚合分析，得到映射有行为特征标签集的第二用户集。

在本申请另一实施例中，在所述利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集之前，所述方法还包括：

通过统计用户行为数据在各个维度上的属性数据，构建携带有用户标识信息的用户画像；

从所述携带有用户标识信息的用户画像中分别抽取用户关联服务方的属性数据和用户关联服务平台的属性数据，设置行业特征标签和行为特征标签。

在本申请另一实施例中，所述根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别，具体包括：

根据所述目标活动信息映射的活动特征，确定所述活动特征映射的特征标签；

以所述活动特征映射的特征标签作为评估依据，计算所述所述行业匹配标签和行为匹配标签分别在所述特征标签上映射的匹配值；

根据所述匹配值对应的数值分布范围，设置所述行业匹配标签和行为匹配标签的筛选级别。

在本申请另一实施例中，在所述向所述目标用户推送所述目标活动信息之后，所述方法还包括：

获取服务方投放目标活动信息所形成的活动数据；

根据所述活动数据中目标用户所形成活动数据的占比值，调整所述目标用户和/或所述目标活动信息。

在本申请另一实施例中，所述获取服务方投放目标活动信息所形成的活动数据，具体包括：

向目标用户发布服务方的目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

利用从目标活动信息中提取的专属标识对所述至少一代理方进行校验，并根据校验结果识别活动参与方，获取服务方投放目标活动信息所形成的活动数据。

在本申请另一实施例中，所述根据所述活动数据中目标用户所形成活动数据的占比值，调整所述目标用户和/或所述目标活动信息，具体包括：

判断所述占比值是否达到预设阈值；

若否，则基于活动数据中占比值最高活动数据覆盖的优选用户，对所述目标用户进行调整，向调整后的目标用户推送目标活动信息；或

利用对目标活动信息所生成活动数据的分析结果，对所述目标活动信息进行调整，并向目标用户推送调整后的活动信息。

在本申请另一实施例中，所述利用对目标活动信息所生成活动数据的分析结果，对所述目标活动信息进行调整，具体包括：

统计目标活动信息针对预设活动指标所形成的活动数据；

若所述针对预设活动指标所形成的活动数据未达到期望值，则选取关联优选活动数据的活动信息模板，对所述目标活动信息进行调整，所述优选活动数据为服务方针对活动指标所形成达到期望值的活动数据。

根据本申请的第二个方面，提供了一种活动信息的推送方法，可应用于客户端侧，该方法包括：

接收目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

当检测到目标活动信息的触发指令，生成专属标识，并将所述专属标识嵌入至目标活动信息中。

根据本申请的第三个方面，一种活动信息的推送装置，可应用于服务端侧，该装置包括：

分析单元，用于利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集；

匹配单元，用于响应于目标活动信息的推送指令，将所述目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签；

设置单元，用于根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别；

筛选单元，用于按照所述筛选级别确定包含与所述活动特征相匹特征标签，并从所述用户集中筛选出包含与所述活动特征相匹配特征标签的目标用户；

推送单元，用于向所述目标用户推送所述目标活动信息。

在本申请另一实施例中，所述分析单元包括：

第一分析模块，用于从所述用户行为数据中提取用户针对服务方所形成的第一行为数据，利用预先设置的行业特征标签对所述第一行为数据进行聚合分析，得到映射有行业特征标签集的第一用户集；

第二分析模块，用于从所述用户行为数据中提取用户针对服务平台所形成的第二行为数据，利用预先设置的行为特征标签对所述第二行为数据进行聚合分析，得到映射有行为特征标签集的第二用户集。

在本申请另一实施例中，所述装置还包括：

构建单元，用于在所述利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集之前，通过统计用户行为数据在各个维度上的属性数据，构建携带有用户标识信息的用户画像；

抽取单元，用于从所述携带有用户标识信息的用户画像中分别抽取用户关联服务方的属性数据和用户关联服务平台的属性数据，设置行业特征标签和行为特征标签。

在本申请另一实施例中，所述设置单元包括：

确定模块，用于根据所述目标活动信息映射的活动特征，确定所述活动特征映射的特征标签；

计算模块，用于以所述活动特征映射的特征标签作为评估依据，计算所述所述行业匹配标签和行为匹配标签分别在所述特征标签上映射的匹配值；

设置模块，用于根据所述匹配值对应的数值分布范围，设置所述行业匹配标签和行为匹配标签的筛选级别。

在本申请另一实施例中，所述装置还包括：

获取单元，用于在所述向所述目标用户推送所述目标活动信息之后，获取服务方投放目标活动信息所形成的活动数据；

调整单元，用于根据所述活动数据中目标用户所形成活动数据的占比值，调整所述目标用户或者所述目标活动信息。

在本申请另一实施例中，所述第二获取单元包括：

发布模块，用于向目标用户发布服务方的目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

校验模块，用于利用从目标活动信息中提取的专属标识对所述至少一代理方进行校验，并根据校验结果识别活动参与方，获取服务方投放目标活动信息所形成的活动数据。

在本申请另一实施例中，所述调整单元包括：

判断模块，用于判断所述占比值是否达到预设阈值；

调整模块，用于若否，则基于活动数据中占比值最高活动数据覆盖的优选用户，对所述目标用户进行调整，向调整后的目标用户推送目标活动信息；或

利用对目标活动信息所生成活动数据的分析结果，对所述目标活动信息进行调整，并向目标用户推送调整后的活动信息。

在本申请另一实施例中，所述调整模块包括：

统计子模块，用于统计目标活动信息针对预设活动指标所形成的活动数据；

选取子模块，用于若所述针对预设活动指标所形成的活动数据未达到期望值，则选取关联优选活动数据的活动信息模板，对所述目标活动信息进行调整，所述优选活动数据为服务方针对活动指标所形成达到期望值的活动数据。

根据本申请的第四个方面，一种活动信息的推送装置，可应用于客户端侧，该装置包括：

接收单元，用于接收目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

生成单元，用于当检测到目标活动信息的触发指令，生成专属标识，并将所述专属标识嵌入至目标活动信息中。

根据本申请的第五个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述活动信息的推送方法。

根据本申请的第六个方面，提供了一种服务端设备和客户端设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述活动信息的推送方法。

根据本申请的第七个方面，提供了一种活动信息的推送系统，包括上述服务端设备和客户端设备。

借由上述技术方案，本申请提供的一种活动信息的推送方法、装置及设备，与目前现有方式中服务方自行选取目标用户进行活动信息投放的方式相比，本申请通过利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集，该特征标签集记录有服务方对用户标记的行业特征标签和服务平台对用户标记的行为特征标签，响应于目标活动信息的推送指令，将目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签，并根据目标活动信息映射的活动特征设置行业匹配标签和行为匹配标签的筛选级别，并按照筛选级别从用户集中筛选出包含与活动特征相匹配特征标签的目标用户，向目标用户发送目标活动信息，该目标用户具有与目标活动信息更贴近的行业特征和行为特征，能够准确挖掘出活动服务的需求用户，实现活动信息对用户的精准投放，提高活动信息的投放效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请实施例提供的一种活动信息的推送方法的流程示意图；

图2示出了本申请实施例提供的另一种活动信息的推送方法的流程示意图；

图3示出了本申请实施例提供的另一种活动信息的推送方法的流程示意图；

图4示出了本申请实施例提供的另一种活动信息的推送方法的流程框架图；

图5示出了本申请实施例提供的另一种活动信息的推送方法的流程框架图；

图6示出了本申请实施例提供的一种活动信息的推送装置的结构示意图；

图7示出了本申请实施例提供的另一种活动信息的推送装置的结构示意图；

图8示出了本申请实施例提供的另一种活动信息的推送装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

通常情况下，服务方在投放活动信息的过程中，用户对活动服务具有一定的主观性，如果活动信息被投放至不具有相应活动需求的用户，用户很难参与到活动服务中，无法实现活动信息对用户的精准投放，使得活动信息很难达到预期的投放效果。

为了解决该问题，本实施例提供了一种活动信息的推送方法，如图1所示，包括如下步骤：

101、利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集。

其中，服务平台存储的用户行为数据可以包括用户浏览服务方的行为数据、用户购买对象的行为数据、用户评价对象的行为数据等，这些行为数据都能够反映用户的生活习惯和消费取向等，通过对行为数据进行分析可以更好的了解用户的喜好，进而向用户推送符合需求的活动信息。

其中，行业特征标签为适用于服务方对用户进行标记的特征标签，例如，服务方为餐饮行业，针对餐饮行业的特征标签可以包括用户的就餐喜好特征、用户的口味特征、用户的职业特征等，服务方为服装行业，针对服装行业的特征标签可以包括用户年龄特征、用户身材特征、用户喜好特征等。行为特征标签为适用于服务平台对用户进行标记的特征标签，该行为特征标签不限于服务方所处的行业，适用于所有用户行为数据，例如，用户访问特征、用户关注特征、用户对行业的喜好特征等。通常情况下，服务平台存储的的用户行为数据会包含用户对各个服务方产生的行为数据，并且用户行为数据需要时间的累积，可以通过布置SDK软件开发包来采集历史时间段内服务平台上产生操作的用户行为的数据。

可以理解的是，由于SDK软件开发包采集到的用户行为数据通常具有大量的冗余数据，例如，包含空白区域或者特殊符号，可以通过对用户行为数据进行清洗处理，以形成用户行为数据。

对于本实施例的执行主体可以为活动信息的推送装置或设备，可以配置在服务端，服务端通过服务方配置的活动信息定期发布活动，一方面，在发布活动之前，可以定期收集并分析用户行为数据，沉淀出适用于活动推送的目标用户，并向目标用户推送活动，另一方面，在活动发布之后，可以针对活动指标收集活动数据，判断目标用户参与活动情况的同时计算活动数据所达到的数值，以便于监控活动所达到的效果，了解活动信息对目标人群的指向性，能够全面对活动信息对目标人群是否有效以及所达到的效果进行评估。

102、响应于目标活动信息的推送指令，将所述目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签。

其中，活动是一种对数据集合的抽象描述，在不同的服务领域中可以设置不用的形式。针对电子商务领域，可以设置营销类的活动，例如，在新客促销的活动中，新客在某个店铺购买指定品牌100-200元的商品，可以优惠20元，或者在回馈老顾客的活动中，向老顾客发送5元的商品抵用券。

通常情况下，服务方投放活动信息的目的是为了提高各个活动指标所形成活动数据的数值，以实现活动发布的预期效果。活动信息指的是围绕活动所发布的信息，用户行为数据包括服务方投放活动信息后，活动参与方经过活动信息进入活动，并触发相应互动行为所产生的数据，例如，浏览活动、领取活动、使用活动等，活动指标为服务方配置用于衡量服务情况的指标，可以为成交额、客户渗透率、回报率等。

这里行业匹配标签为用户在相应行业上的特征喜好，例如，对于西餐行业，可以标记用户喜好西餐类型、用户喜欢牛排几分熟等，这里行为匹配标签主要是用户在行为上的特征喜好，该行为并不针对任何行业，可以标记用户喜欢消费的区域、用户喜欢餐饮种类等，通过将行业匹配标签与行为匹配标签相结合，可以更全面反映用户的消费喜好和消费习惯。

目标活动信息的推送指令为服务方在确定目标活动信息后，请求对活动推送用户进行确定的指令，考虑到活动发布效果，服务方需要找到适用于推送活动信息的目标用户，也就是有可能参与活动的目标用户，进一步向目标用户推送活动信息。

103、根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别。

通常情况下，匹配得到行业匹配标签和行为匹配标签会很多，同时也会覆盖大量用户，为了进一步圈选出更精准的用户群体，可以根据活动特征为行业匹配标签和行为匹配标签设置筛选级别，对于筛选级别越高的特征标签，可以作为圈选目标用户的特征标签，而对于级别低的特征标签可不作为圈选目标用户的特征标签。应说明的是，这里特征标签的级别可以随着活动特征的布置改变而发生变化，例如，当前活动特征主要针对某一新品咖啡，主要针对老用户，可以设置老用户的特征标签具有更高的筛选级别，而针对促销的咖啡，主要是针对门店附近区域的用户，可以设置门店附近的特征标签具有更高的筛选级别。

104、按照所述筛选级别确定包含与所述活动特征相匹特征标签，并从所述用户集中筛选出包含与所述活动特征相匹配特征标签的目标用户。

可以理解的是，目标活动信息往往具有一定的指向性，例如，对新用户、对老用户或者特定的节日等，而用户集中的用户包含有服务平台对用户标记的行为特征标签和服务方对用户标记的行业特征标签，该特征标签集往往能够反映活动信息的一些活动特征，进一步根据目标活动信息可以确定出与活动特征相匹配的特征标签，并从用户集筛选包含相应特征标签的目标用户，例如，用户1并未在服务方A消费过，用户2在服务方B消费过等，也就是说用户1对于服务方A是新用户，用户2对于服务方B是老用户，对于服务方A针对新用户的活动信息，可将用户1作为目标用户。

105、向所述目标用户推送所述目标活动信息。

这里目标用户为经过筛选出符合目标活动信息的用户人群，也就是能够提高活动参与度的用户人群，进一步在创建目标活动后，将相应目标活动信息推送至目标用户的终端，以使得目标用户可以通过终端进入目标活动页面，并参与目标活动。

可以理解的是，目标活动信息推动至目标用户的方式可以包括但不局限于短信、链接、通知、领券等，还可以设置即使投放或定时投放等，以使得目标活动信息可以准时触达。

进一步地，为了避免用户同时接收到多个重复的目标活动信息，可以对已经推送的目标用户更新推送状态，对于已经使用活动推送的目标用户无需重复进行推送，当然还可以设置推送未触达的时限，如果用户在预定时间内并未读取目标活动信息，才可重新向目标用户发送目标活动信息。

本申请实施例提供的活动信息的推送方法，与目前现有方式中服务方自行选取目标用户进行活动信息投放的方式相比，本申请通过利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集，该特征标签集记录有服务方对用户标记的行业特征标签和服务平台对用户标记的行为特征标签，响应于目标活动信息的推送指令，将目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签，并根据目标活动信息映射的活动特征设置行业匹配标签和行为匹配标签的筛选级别，并按照筛选级别从用户集中筛选出包含与活动特征相匹配特征标签的目标用户，向目标用户发送目标活动信息，该目标用户具有与目标活动信息更贴近的行业特征和行为特征，能够准确挖掘出活动服务的需求用户，实现活动信息对用户的精准投放，提高活动信息的投放效果。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，本实施例提供了另一种活动信息的推送方法，如图2所示，该方法包括：

201、通过统计用户行为数据在各个维度上的属性数据，构建携带有用户标识信息的用户画像。

在本发明实施例中，可以利用服务平台存储的各个数据源中用户在各个维度上的属性数据，这里的属性数据可以包括动态信息数据和静态信息数据，静态信息数据为用户相对比较稳定的属性数据，如用户姓名、性别、职业等用户属性数据，动态信息数据为用户不断变化的行为数据，如用户打开网页、浏览微博、购买商品等用户行为数据。需要说明的是，通常情况静态信息数据为用户填写的数据，对应的可信度往往较高，可以直接作为用户属性数据，动态信息数据为用户累计行为而产生的数据，会随着时间或者用户行为发生变化，对应的可信度往往较低，需要实时更新后作为用户属性数据。

通过预先从服务平台存储用户在不同维度上的属性数据，可以构建携带用户标识信息的用户画像，该用户画像可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户。

用户画像可以从多个层级的维度来描述用户，第一层级的维度可以包括显性画像和隐形画像，对于显性画像，第二层级的维度可以包括基础特征、就餐使用习惯、其他特征等，对于隐形画像，第二层级的维度特征可以包括就餐目的、偏好、浏览需求等。

202、从所述携带有用户标识信息的用户画像中分别抽取用户关联服务方的属性数据和用户关联服务平台的属性数据，设置行业特征标签和行为特征标签。

由于服务方与服务平台对用户关注的重心不同，可以利用用户画像，将用户行为数据拆分为用户关联服务方的属性数据和用户关联服务平台的属性数据，进一步提取出每个维度特征上属性数据的关键词作为行业特征标签和行为特征标签。

203、利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集。

对于行业特征标签的用户筛选，具体可以通过从用户行为数据中提取用户针对服务方所形成的第一行为数据，利用预先设置的行业特征标签与第一行为数据进行聚合分析，得到映射有行业特征标签集的第一用户集；

对于行为特征标签的用户筛选，具体可以从用户行为数据中提取用户针对服务平台所形成的第二行为数据，利用预先设置的行为特征标签与第二行为数据进行聚合分析，得到映射有行为特征标签集的第二用户集。

具体利用预先设置的特征标签对行为数据进行聚合分析的过程中，由于用户可能会包含多种类型的特征标签，可以将特征标签划分为多种类型，并根据不同类型的标签对行为数据进行聚合分析，得到映射有不同特征标签集的用户集，针对操作行为的特征标签，可以通过判断行为数据在特征标签映射信息上是否存在相应操作以及产生相应操作的次数等，以将具有相同操作行为特征标签的用户进行聚类，例如，针对购买行为的特征标签，如果用户查询用户存在历史购买行为，则将用户标记为老用户，否则标记为新用户，针对地理位置的特征标签，可以通过判断行为数据对应的位置区域是否属于特征标签映射的位置范围内，以将具有相同地址位置特征标签的用户进行聚类，例如，针对区域A内的特征标签，如果监控到用户的活动区域经常处于区域A，则将用户A标记为区域A。

204、响应于目标活动信息的推送指令，将所述目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签。

由于目标活动信息往往针对具有一定特征的用户，这里可以结合服务方信息将目标活动信息映射为活动特征，例如，目标活动信息为咖啡店A针对新用户领券10元，基于咖啡店A的位置信息、咖啡店A主要经营的咖啡品类等，形成包括咖啡店、咖啡店地址、新用户、主营咖啡品类等活动特征。考虑到咖啡行业，进一步将活动特征分别与行业特征标签、行为特征标签进行匹配，可以确定行业匹配标签和行为匹配标签，针对行业匹配标签，可以标记用户喜好咖啡品类、用户喜欢的甜度等，针对行为匹配标签，可以标记用户喜好的饮品类型、用户经常消费区域等。

205、根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别。

作为筛选级别设置的应用场景，对于包含时效要求较高活动特征的目标活动信息，可以优先考虑近期消费的用户群体，可以将近期产生消费的特征标签设置较高的筛选级别，对于包含距离要求较高活动特征的目标活动信息，可以优先考虑距离服务方较近的用户群体，可以将距离服务方较近的特征标签设置较高的筛选级别。

当然考虑到活动特征的指向性，还可以在圈选目标用户的过程中，设置与活动特征相排斥的特征标签，一旦用户存在该类别的特征标签，即使包含有多个行业匹配标签和行为匹配标签，也会将用户排除在目标用户之外。

具体可以根据目标活动信息映射的活动特征，确定活动特征映射的特征标签，例如，针对新品作为活动对象，更多考虑到会光顾的老用户，可以将特征标签投向历史购买过的老用户，并且位置区域处于附近的老用户，然后以活动特征映射的特征标签作为评估依据，计算行业匹配标签和行为匹配标签分别在特征标签上映射的匹配值，进一步根据匹配值对应的数值分布范围，设置行业匹配标签和行为匹配标签的筛选级别。

由于行业匹配标签和行为匹配标签中可能有多个会涉及历史购买过的老用户的特征标签，该特征标签可以包含一个限定词，还可以包含多个限定词，例如，在门店消费过的老用户，购买过咖啡的老用户，在门店购买过咖啡的老用户，经常购买商户门店新品咖啡的老用户等，这里针对活动映射的特征标签同样可以为多个，具体在以活动特征映射的特征标签作为评估依据，计算行业匹配标签和行为匹配标签的过程中，可以从活动特征映射的特征标签中选取一个关键特征标签，并设置关键特征标签的基础匹配分值，进一步将其他活动特征映射特征标签作为基础匹配分值的加分依据，判断行业匹配标签和行为匹配标签包含特征标签中限定词的情况，形成最终的匹配值。通常情况包含更多限定词的行业匹配标签和行为匹配标签，在特征标签上映射的匹配值越高，例如，经常购买商户门店新品咖啡的老用户的权重值通常大于购买咖啡的老用户，说明该特征标签在评估过程中具有更重要的作用。应说明的是，对于其他活动特征映射特征标签的加分依据，可以根据其他活动特征映射特征标签对关键特征标签所起到的辅助效果进行设置，例如，针对新品咖啡的活动，购买咖啡的特征标签作为关键特征标签，购买其他新品咖啡的特征标签对于关键特征标签具有更好的辅助效果，还可以根据其他活动特征标签对关键特征标签的影响程度进行设置，例如，针对新品咖啡的活动，购买门店内咖啡的特征标签对于关键特征标签具有更多的影响程度。

206、按照所述筛选级别确定包含与所述活动特征相匹特征标签，并从所述用户集中筛选出包含与所述活动特征相匹配特征标签的目标用户。

通常情况下，包含与活动特征相匹配特征标签的筛选级别越高，所筛选出的目标用户与活动服务的匹配度越高，这里具体可以按照筛选级别由高至低，确定包含与活动特征相匹配特征标签，这里特征标签的数量可根据实际活动需求进行设置，如果活动需求推送人数较多，则可以设置较少数量的特征标签，如果活动需求人数较少，则可设置较多数量的特征标，这里不进行限定。

207、向所述目标用户推送所述目标活动信息。

目标活动信息可以是服务平台通过分析服务方投放活动信息所生成活动数据的分析结果，从关联优选活动数据的活动信息模板中选取的，还可以是由服务方自行配置的，这里不进行限定。

对于选取关联优选活动数据的活动信息模板作为目标活动信息的情况，服务平台可以利用数据模型清洗出关联优选活动数据的活动信息模板，该优选活动数据为活动数据中在活动指标上表现优异的部分数据，即服务方针对活动指标所形成达到期望值的活动数据，例如，针对回报率形成达到5％的活动数据。当然，活动数据的优异与否有一部分原因体现在活动信息上，还有一部分原因现在活动资源的约束，通常情况下，活动资源越多，针对预设活动指标所形成活动数据的期望值会设置的更高，例如，针对1万元所设置活动数据达到的期望值为2％，针对10万元所设置活动数据达到的期望值为5％。

208、获取服务方投放目标活动信息所形成的活动数据。

可以理解的是，现有的各个活动指标所形成活动数据达到的数值可能并非如期望，发布活动的目的通常为了提高活动指标的数值，例如，提高回报率，提高成交额等，所以精准推送活动信息能够从一定程度上提高活动指标的数值，达到活动预期效果。然而，在具体实现中，服务方并不了解活动指标的针对性，使得活动信息很难推送到精准的用户人群，往往使得活动信息达不到预期效果。

具体可以通过向目标用户发布服务方的目标活动信息，该目标活动信息同时支持通过校验的至少一代理方，进一步利用从目标活动信息中提取的专属标识对所述至少一代理方进行校验，并根据校验结果识别活动参与方，获取服务方投放目标活动信息所形成的活动数据。

可以理解的是，服务方在发布目标活动信息过程中会使用多个代理方，为了便于对目标活动信息所产生活动数据进行统计，用户的活动数据需要经由不同代理方来校验，并且目标活动信息同时支持校验的至少一代理方，校验通过的数据为有效数据，进而统计出经过不同代理方所产生的有效活动数据，获取服务方投放目标活动信息所形成的活动数据。

209、根据所述活动数据中目标用户所形成活动数据的占比值，调整所述目标用户和/或所述目标活动信息。

在实际应用中，活动参与方所形成活动数据会实时变更，通过周期性统计执行活动后参与活动的用户人群，并根据用户人群是否达到预期，来调整目标用户和/或所述目标活动信息。

具体可以通过判断占比值是否达到预设阈值，对于达到预设阈值的情况，说明参与目标活动的用户量中，目标用户已达到预期，可以继续执行向目标用户推送目标活动信息，对于未达到预设阈值的情况，说明目标活动可能与目标用户匹配度不是很高，一方面可以基于活动数据中占比值最高活动数据覆盖的优选用户，在目标用户加入优选用户，对目标用户进行调整，并向调整后的目标用户推送目标活动信息，另一方面，可以利用对目标活动信息所生成活动数据的分析结果，对目标活动信息进行调整，并向目标用户推送调整后的活动信息。

具体利用对目标活动信息所生成活动数据的分析结果，对目标活动信息进行调整的过程中，可以通过统计目标活动信息针对预设活动指标所形成的活动数据，若针对预设活动指标所形成的活动数据未达到期望值，则说明目标活动信息可能对目标用户的吸引度不够，选取关联优选活动数据的活动信息模板，对目标活动信息进行调整，该优选活动数据为服务方针对活动指标所形成达到期望值的活动数据，以提高目标用户对目标活动信息的关注度。

上述实施例内容为在服务端侧描述的活动信息的推送过程，进一步地，为了完整说明本实施例的实施方式，本实施例还提供了有一种活动信息的推送方法，可以应用于客户端侧，以便说明活动信息发布的前端操作过程，如图3所示，该方法包括：

301、接收目标活动信息。

其中，目标活动信息为向用户推送的活动，为了便于统计活动的参与情况，该目标活动信息同时支持通过校验的至少一代理方。

302、当检测到目标活动信息的触发指令，生成专属标识，并将所述专属标识嵌入至目标活动信息中。

由于目标活动信息会通过代理方发布到平台或者推送到用户终端，为了追踪到活动参与方经过的代理方，为了避免多个代理方的重复校验，可以在向活动参与方发布目标活动消息过程中，在目标活动信息中部署代理方的专属标识，进而在活动参与方使用目标活动信息提供的资源时，可以利用从目标活动信息中提取的专属标识对至少一个代理方进行校验。

该专属标识可以识别出活动参与方所经过的代理方，具体可以嵌入至活动信息的链接中，例如，券码链接、二维码链接等，通常为代理方的唯一标识，以表征代理方的唯一性，例如，代理方的编码和/或编号等，还可以为代理方设置的秘钥信息，以表征代理方信息的隐秘性，用户接收到验证通过的消息后，完成活动数据的校验。

在具体应用场景中，服务端与客户端之间交互的过程，如图4所示，服务端获取服务平台存储的用户行为数据，并利用预先设置的行业特征标签和行为特征标签对用户行为数据进行分析，得到映射有不同特征标签集的用户集，而商家端响应于活动发布请求，生成并发送目标活动的生成指令，并将携带有目标活动资源的生成指令发送至服务端，服务端在接收到目标活动的生成指令后，可以根据生成指令所携带的目标活动资源，确定适用于生成目标活动的活动信息模板，并返回至商家端，以使得商家端可以基于活动信息模板，创建目标活动信息，进一步服务端响应于目标活动信息的推送指令，根据目标活动信息映射的活动特征，从用户集中筛选包含与活动特征相匹配的目标用户，进一步向目标用户推送目标活动信息，以使得用户端在接收到目标活动信息后，当检测到目标活动信息的触发指令，生成专属标识，并将专属标识嵌入至目标活动信息中。

在具体应用场景中，活动信息的推送过程可以如图5所示，服务平台通过对用户行为数据进行加工后处理后，可以形成服务平台级别用户行为数据和服务方级别用户行为数据，进一步汇总用户行为数据，并根据生成的行业特征标签和行为特征标签，服务方圈选出目标用户，并创建活动，来激活目标用户，将目标用户的状态更新为推送中，并生成目标用户文件，并解析目标用户文件，向目标用户推送活动。

进一步的，作为图1和图2方法的具体实现，本申请实施例提供了一种可应用于服务端侧的活动信息的推送装置，如图6所示，该装置包括：第一分析单元41、匹配单元42、设置单元43、筛选单元44、推送单元45。

分析单元41，可以用于利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集；

匹配单元42，可以用于响应于目标活动信息的推送指令，将所述目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签；

设置单元43，可以用于根据所述目标活动信息映射的活动特征设置所述行业匹配标签和行为匹配标签的筛选级别；

筛选单元44，可以用于按照所述筛选级别确定包含与所述活动特征相匹特征标签，并从所述用户集中筛选出包含与所述活动特征相匹配特征标签的目标用户；

推送单元45，可以用于向所述目标用户推送所述目标活动信息。

本申请实施例提供的活动信息的推送装置，与目前现有方式中服务方自行选取目标用户进行活动信息投放的方式相比，本申请通过利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集，该特征标签集记录有服务方对用户标记的行业特征标签和服务平台对用户标记的行为特征标签，响应于目标活动信息的推送指令，将目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签，并根据目标活动信息映射的活动特征设置行业匹配标签和行为匹配标签的筛选级别，并按照筛选级别从用户集中筛选出包含与活动特征相匹配特征标签的目标用户，向目标用户发送目标活动信息，该目标用户具有与目标活动信息更贴近的行业特征和行为特征，能够准确挖掘出活动服务的需求用户，实现活动信息对用户的精准投放，提高活动信息的投放效果。

在具体的应用场景中，如图7所示，所述分析单元41包括：

第一分析模块411，可以用于从所述用户行为数据中提取用户针对服务方所形成的第一行为数据，利用预先设置的行业特征标签对所述第一行为数据进行聚合分析，得到映射有行业特征标签集的第一用户集；

第二分析模块412，可以用于从所述用户行为数据中提取用户针对服务平台所形成的第二行为数据，利用预先设置的行为特征标签对所述第二行为数据进行聚合分析，得到映射有行为特征标签集的第二用户集。

在具体的应用场景中，如图7所示，所述装置还包括：

构建单元46，可以用于在所述利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集之前，通过统计用户行为数据在各个维度上的属性数据，构建携带有用户标识信息的用户画像；

抽取单元47，可以用于从所述携带有用户标识信息的用户画像中分别抽取用户关联服务方的属性数据和用户关联服务平台的属性数据，设置行业特征标签和行为特征标签。

在具体的应用场景中，如图7所示，所述设置单元43包括：

确定模块431，可以用于根据所述目标活动信息映射的活动特征，确定所述活动特征映射的特征标签；

计算模块432，可以用于以所述活动特征映射的特征标签作为评估依据，计算所述所述行业匹配标签和行为匹配标签分别在所述特征标签上映射的匹配值；

设置模块433，可以用于根据所述匹配值对应的数值分布范围，设置所述行业匹配标签和行为匹配标签的筛选级别。

在具体的应用场景中，如图7所示，所述装置还包括：

获取单元48，可以用于在所述向所述目标用户推送所述目标活动信息之后，获取服务方投放目标活动信息所形成的活动数据；

调整单元49，可以用于根据所述活动数据中目标用户所形成活动数据的占比值，调整所述目标用户或者所述目标活动信息。

在具体的应用场景中，如图7所述，所述获取单元48包括：

发布模块481，可以用于向目标用户发布服务方的目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

校验模块482，可以用于利用从目标活动信息中提取的专属标识对所述至少一代理方进行校验，并根据校验结果识别活动参与方，获取服务方投放目标活动信息所形成的活动数据。

在具体的应用场景中，如图7所述，所述调整单元49包括：

判断模块491，可以用于判断所述占比值是否达到预设阈值；

调整模块492，可以用于若否，则基于活动数据中占比值最高活动数据覆盖的优选用户，对所述目标用户进行调整，向调整后的目标用户推送目标活动信息；或

利用对目标活动信息所生成活动数据的分析结果，对所述目标活动信息进行调整，并向目标用户推送调整后的活动信息。

在具体的应用场景中，如图7所述，所述调整模块492包括：

统计子模块4921，可以用于统计目标活动信息针对预设活动指标所形成的活动数据；

选取子模块4922，可以用于若所述针对预设活动指标所形成的活动数据未达到期望值，则选取关联优选活动数据的活动信息模板，对所述目标活动信息进行调整，所述优选活动数据为服务方针对活动指标所形成达到期望值的活动数据。

需要说明的是，本实施例提供的一种可应用于服务端侧的活动信息的推送装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。

进一步的，作为图3方法的具体实现，本申请实施例提供了一种可应用于客户端侧的活动信息的推送装置，如图8所示，该装置包括：接收单元51、生成单元52。

接收单元51，可以用于接收目标活动信息，所述目标活动信息同时支持通过校验的至少一代理方；

生成单元52，可以用于当检测到目标活动信息的触发指令，生成专属标识，并将所述专属标识嵌入至目标活动信息中。

需要说明的是，本实施例提供的一种可应用于客户端侧的活动信息的推送装置所涉及各功能单元的其它相应描述，可以参考图3中的对应描述，在此不再赘述。

基于上述如图1-图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1-图2所示的活动信息的推送方法。基于上述如图3所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图3所示的活动信息的推送方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。

基于上述如图1-图2所示的方法，以及图6-图7所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种服务端设备，具体可以为计算机，服务器，或者其他网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上如图1-图2所示的活动信息的推送方法。

基于上述如图3所示的方法，以及图8所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种客户端实体设备，具体可以为计算机，智能手机，平板电脑，智能手表，或者网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图3所示的活动信息的推送方法。

可选的，上述两种实体设备都还可以包括用户接口、网络接口、摄像头、射频(Radio Frequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种活动信息的推送的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述店铺搜索信息处理的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。

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本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有方式相比，本申请通过从用户集中筛选出包含与活动特征相匹配特征标签的目标用户，向目标用户发送目标活动信息，该目标用户具有与目标活动信息更贴近的行业特征和行为特征，能够准确挖掘出活动服务的需求用户，实现活动信息对用户的精准投放，提高活动信息的投放效果。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。