虚拟资源的发放方法、装置、计算机设备和存储介质

技术领域

本申请涉及虚拟资源技术领域，特别是涉及一种虚拟资源的发放方法、装置、计算机设备和存储介质。

背景技术

快递行业将信息传递、物品递送、资金流通和文化传播等多种功能融合在一起，关联生产、流通、消费、投资和金融等多个领域，是现代社会不可替代的基础产业。

相关技术中，快递行业会在应用程序中为用户赠送礼券，比如满两单赠送五元，从而激励用户寄件。但是，目前对所有用户赠送相同的礼券，并没有拉动寄件量的增长。

发明内容

基于此，有必要针对上述技术问题，提供一种能够拉动寄件量的虚拟资源的发放方法、装置、计算机设备和存储介质。

第一方面，本发明实施例提供了一种虚拟资源的发放方法，方法包括：

根据用户集合中各用户第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型；其中，用户寄件数据包括各月寄件量；用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段；低频用户包括稳定低频用户和非稳定低频用户；稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户；

根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；

根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。

在其中一个实施例中，上述划分稳定低频用户和非稳定低频用户的步骤，包括：

根据低频用户的用户寄件数据计算各低频用户的月均寄件量和月寄件量方差；

根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心；其中，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应；

根据第一目标聚类质心将低频用户划分为稳定低频用户和非稳定低频用户。

在其中一个实施例中，上述确定各低频用户对应的第一目标聚类质心，包括：

在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；

对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

在其中一个实施例中，上述根据用户类型确定虚拟资源的发放策略，包括：

根据各稳定低频用户对应的第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户对应的第一发放策略。

在其中一个实施例中，还包括：

根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；

根据用户类型确定虚拟资源的发放策略，包括：

对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；

分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；

根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

在其中一个实施例中，上述根据各非稳定低频用户的用户寄件数据，将非稳定低频用户分为多个类别，包括：

对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；

根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；

根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

在其中一个实施例中，上述用户寄件数据还包括寄托物品，上述对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征，包括：

根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；

和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；

和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

在其中一个实施例中，上述周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，上述根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征，包括：

采用时序聚类算法对各非稳定低频用户的各月寄件量进行聚类分析，得到各非稳定低频用户的寄件趋势；

和/或，从各非稳定低频用户的各月寄件量中查找出寄件波形中权重最大的频率和振幅。

在其中一个实施例中，上述将各用户划分至不同的用户类型，包括：

根据用户寄件数据确定高频用户和沉默用户；高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但在第二预设历史时段内不存在寄件行为的用户。

第二方面，本发明实施例提供了一种虚拟资源的发放装置，装置包括：

第一用户划分模块，用于根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型，其中，用户寄件数据包括各月寄件量；用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段；低频用户包括稳定低频用户和非稳定低频用户；稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户；

发放策略确定模块，用于根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；

虚拟资源发放模块，用于根据确定的虚拟资源的发放策略为各用户类型的用户发放对应的虚拟资源。

在其中一个实施例中，上述第一用户划分模块，具体用于根据低频用户的用户寄件数据计算月均寄件量和月寄件量方差；根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心；其中，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应；根据第一目标聚类质心对应的聚类月寄件量方差将低频用户划分为稳定低频用户和非稳定低频用户。

在其中一个实施例中，上述第一用户划分模块，具体用于在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

在其中一个实施例中，上述发放策略确定模块，具体用于根据各稳定低频用户对应的第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户对应的第一发放策略。

在其中一个实施例中，该装置还包括：

第二用户划分模块，用于根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；

上述发放策略确定模块，具体用于对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

在其中一个实施例中，上述第二用户划分模块，具体用于对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

在其中一个实施例中，上述用户寄件数据还包括寄托物品，上述第二用户划分模块，具体用于根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

在其中一个实施例中，上述周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，上述第二用户划分模块，具体用于采用时序聚类算法对各非稳定低频用户的各月寄件量进行聚类分析，得到各非稳定低频用户的寄件趋势；和/或，从各非稳定低频用户的各月寄件量中查找出寄件波形中权重最大的频率和振幅。

在其中一个实施例中，上述第一用户划分模块，具体用于根据用户寄件数据确定高频用户和沉默用户；高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但在第二预设历史时段内不存在寄件行为的用户。

第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述方法中的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述方法中的步骤。

上述虚拟资源的发放方法、装置、计算机设备和存储介质，根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型；根据用户类型确定虚拟资源的发放策略；根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。通过本发明实施例，将用户划分为不同的用户类型，从而根据用户类型发放相应的优惠券，而不是所有用户发放相同的优惠券，这样，可以激励各种用户类型的用户进行寄件，从而拉动寄件量的增长。

附图说明

图1为一个实施例中虚拟资源的发放方法的应用环境图；

图2为一个实施例中虚拟资源的发放方法的流程示意图；

图3为一个实施例中将各用户划分至不同的用户类型步骤的流程示意图；

图4为一个实施例中根据用户类型确定虚拟资源的发放策略步骤的流程示意图；

图5为一个实施例中虚拟资源的发放装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的虚拟资源的发放方法，可以应用于如图1所示的应用环境中。该应用环境包括服务器；其中服务器中存储有大量的用户信息，包括并不限于用户账户标识和用户寄件数据。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种虚拟资源的发放方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤101，根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型。

本实施例中，服务器中存储的用户寄件数据包括各月寄件量，服务器根据第一预设历史时段内用户在每个月的寄件量，分析各用户的寄件行为，从而根据各用户的寄件行为将用户划分至不同的用户类型。具体地，根据第一预设历史时段内是否存在寄件行为，将用户划分为沉睡用户和非沉睡用户。

例如，第一预设历史时段为2017年1月1日至2018年12月31日，在第一预设历史时段内，用户A分别在2018年10月寄了5件，11月寄了3件，12月寄了4件；用户B分别在2018年9月寄了12件，10月寄了16件，11月寄了21件，12月寄了17件；用户C在2018年9月寄了1件；用户D在2017年12月1日寄了一件；用户E在第一预设历史时段内未寄件。在第一预设历史时段内，用户E不存在寄件行为，则将用户E划分成沉睡用户，而用户A、B、C、D存在寄件行为，将用户A、B、C、D划分为非沉睡用户。

在其中一个实施例中，用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段。

具体地，将在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户划分为低频用户。例如，第一预设历史时段为2017年1月1日至2018年12月31日，第二预设历史时段为2018年7月1日至2018年12月31日，预设值为15。其中，由上述用户寄件数据可知，用户A在第二预设历史时段内的寄件量为12件低于预设值，用户C在第二预设历史时段内的寄件量为1件低于预设值，则将用户A和用户C划分为低频用户。本发明实施例对预设值不作详细限定，可以根据实际情况进行设置。

进一步地，低频用户包括稳定低频用户和非稳定低频用户；其中，稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户。具体地，根据月寄件量是否稳定将低频用户划分为稳定低频用户和非稳定低频用户，月寄件量是否稳定可以根据月寄件量方差确定，可以理解地，月寄件量方差小，则月寄件量稳定；月寄件量方差大，则月寄件量不稳定。

还可以采用其他方式进行用户类型的划分，本发明实施例对此不作详细限定，可以根据实际情况进行设置。

步骤102，根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略。

本实施例中，虚拟资源可以是寄件优惠券，虚拟资源的数量发放策略可以是优惠券的张数，虚拟资源的价值发放策略可以是优惠卷的优惠额度。在将用户划分为不同的用户类型之后，根据预先建立的发放策略和用户类型之间的对应关系，确定各用户类型的用户对应的虚拟资源的发放策略。

例如，预先建立沉睡用户与不发放优惠券的对应关系，非沉睡用户与发放一张a1元优惠券的对应关系。在将用户E划分为沉睡用户后，确定用户E对应的发放策略为不发放优惠券；在将用户A、B、C、D划分为非沉睡用户后，确定用户A、B、C、D对应的发放策略为放一张a1元优惠券。

又例如，预先建立低频用户与发放一张a1元优惠券的对应关系，在将用户A、C划分为低频用户后，确定低频用户A、C对应的发放策略为发放一张a1元优惠券。

又例如，预先建立稳定低频用户与发放一张a1元优惠券的对应关系，非稳定低频用户与发放一张a2元优惠券的对应关系；在将用户A划分为稳定低频用户后，确定稳定低频用户A对应的发放策略为发放一张a1元优惠券；在将用户C划分为非稳定低频用户后，确定非稳定低频用户C对应的发放策略为发放一张a2元优惠券。

步骤103，根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。

本实施例中，在确定各用户对应的虚拟资源的发放策略之后，根据发放策略为不同用户类型的用户发放对应的虚拟资源。例如，为用户A和用户C的账户发放一张a1元优惠券，为用户B的账户发放一张a1元一张a2元优惠券。

上述虚拟资源的发放方法中，根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型；根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。通过本发明实施例，将用户划分为不同的用户类型，从而根据用户类型发放相应的优惠券，而不是所有用户发放相同的优惠券，这样，可以激励各种用户类型的用户进行寄件，从而拉动寄件量的增长。

在另一个实施例中，如图3所示，本实施例涉及的是根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将用户划分至不同的用户类型步骤的一种可选的过程。在上述图2所示实施例的基础上，具体可以包括以下步骤：

步骤201，将在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户划分为低频用户；其中第一预设历史时段包括第二预设历史时段。

步骤202，根据用户寄件数据将低频用户划分为稳定低频用户和非稳定低频用户。

本实施例中，将低频用户分为稳定低频用户和非稳定低频用户。其中，稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户，划分稳定低频用户和非稳定低频用户的步骤具体可以包括：

子步骤一，根据低频用户的用户寄件数据计算月均寄件量和月寄件量方差。

具体地，月均寄件量根据用户寄件数据中的各月寄件量确定，月寄件量方差根据月均寄件量、各月寄件量和寄件月数确定。

例如，用户A在2018年10月寄了5件，11月寄了3件，12月寄了4件；可以确定用户A的寄件月数为3个月，3个月的月均寄件量为4件。然后，根据月均寄件量、各月寄件量和寄件月数计算月寄件量方差。具体地，用户A的月寄件量方差为[(5-4)

子步骤二，根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心。

具体地，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应。其中，第一聚类质心为对多个低频用户进行聚类分析的聚类中心点，聚类月均寄件量是设置在第一聚类质心中的月均寄件量，聚类月寄件量方差是设置在第一聚类质心中的月寄件量方差。

例如，聚类月均寄件量为m1、m2、m3，聚类月寄件量方差为n1、n2，则设置第一聚类质心O1为(m1,n1)，第一聚类质心O2为(m2，n1)，第一聚类质心O3为(m3,n1)，第一聚类质心O4为(m1，n2)，第一聚类质心O5为(m2,n2)，第一聚类质心O6为(m2，n2)。

然后，根据多个第一聚类质心对低频用户的月均寄件量和月寄件量方差进行聚类分析，得到各低频用户对应的第一目标聚类质心。具体地，在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

例如，低频用户A的月均寄件量4件和月寄件量方差0.67，则低频用户A的低频用户点为(4，0.67)，计算该低频用户点与第一聚类质心O1、O2、O3、O4、O5、O6之间的欧氏距离。其中，与低频用户点距离最近的是第一聚类质心O4，则确定低频用户A对应第一聚类质心O4。以此类推得到低频用户C对应第一聚类质心O3。

子步骤三，根据第一目标聚类质心将低频用户划分为稳定低频用户和非稳定低频用户。

具体地，稳定低频用户为月寄件量稳定的低频用户，非稳定用户为月寄件量不稳定的低频用户，即非稳定低频用户对应的第一目标聚类质心的聚类月寄件量方差大于稳定低频用户对应的第一目标聚类质心的聚类月寄件量方差。

例如，聚类月寄件量方差n1大于n2，其中低频用户A对应第一目标聚类质心O4，第一目标聚类质心O4的聚类月寄件量方差为n2，则将低频用户A划分为稳定低频用户。同样方式，将低频用户C划分为非稳定低频用户。本发明实施例对聚类月均寄件量和聚类月寄件量方差不作详细限定，可以根据实际情况进行设置。

步骤203，根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别。

本实施例中，可以对非稳定低频用户进行更细致地划分。例如，将非稳定低频用户划分为经常寄件老用户、偶尔寄件老用户、一年一寄老用户、偶尔寄件新用户、经常寄件新用户等。本发明实施例对非稳定低频用户的类别不作详细限定，可以根据实际情况进行设置。

在其中一个实施例中，对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；第二聚类质心为对多个非稳定低频用户进行聚类分析的聚类中心点，聚类寄件月数是设置在第二聚类质心中的寄件月数，聚类寄件频率是设置在第二聚类质心中的寄件频率。

例如，确定非稳定低频用户C的寄件月数为1个月，寄件频率为寄过件的月数与可寄件的月数之比，即寄件频率为1/24＝0.04。聚类寄件月数为x1、x2，聚类寄件频率为y1、y2，根据聚类寄件月数和聚类寄件频率设置第二聚类质心P1为(x1，y1)，第二聚类质心P2为(x1，y2)，第二聚类质心P3为(x2，y1)，第二聚类质心P4为(x2，y2)。然后，根据这4个第二聚类质心进行聚类分析，得到非稳定低频用户C对应第二目标聚类质心P3。第二目标聚类质心对应一年一寄老用户，则将非稳定低频用户C划分为一年一寄老用户。本发明实施例对聚类寄件月数和聚类寄件频率不作详细限定，可以根据实际情况进行设置。

可以理解地，还可以采用其他方式设置第一聚类质心和第二聚类质心，本发明实施例对此均不作详细限定，可以根据实际情况进行设置。

步骤204，根据用户寄件数据确定高频用户和沉默用户，其中，高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但第二预设历史时段内不存在寄件行为的用户。

本实施例中，除了划分出低频用户之外，还可以进行高频用户和沉默用户的划分。具体地，将在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户划分为高频用户；将在第一预设历史时段内存在寄件行为，但第二预设历史时段内不存在寄件行为的用户划分为沉默用户。

例如，第一预设历史时段为2017年1月1日至2018年12月31日，第二预设历史时段为2018年7月1日至2018年12月31日，预设值为15件。用户A和B在第一预设历史时段内存在寄件行为，其中用户B在第二预设历史时段内的寄件量大于预设值15，因此将用户B划分为高频用户。用户D在第一预设历史时段内存在寄件行为，但是第二预设历史时段内不存在寄件行为，因此将用户D划分为沉默用户。本发明实施例对用户类型不作详细限定，可以根据实际情况进行设置。

上述根据第一预设历史时段内的用户寄件数据，将用户划分至不同的用户类型的步骤中，将在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户划分为低频用户；根据用户寄件数据将低频用户划分为稳定低频用户和非稳定低频用户；根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；将在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户划分为高频用户；将在第一预设历史时段内存在寄件行为，但第二预设历史时段内不存在寄件行为的用户划分为沉默用户。通过本发明实施例，根据用户寄件数据对用户进行用户类型的划分，首先从用户中筛选出沉默用户，然后将非沉默用户划分为高频用户和低频用户，再将低频用户划分为稳定低频用户和非稳定低频用户，最后还将非稳定低频用户划分为多个类别。对用户进行用户类型的细致分类，从而可以针对不同用户类型的用户发放相应的优惠券，不仅可以拉动寄件量，而且节省优惠券的投入成本。

在另一个实施例中，如图4所示，本实施例涉及的是根据用户类型确定虚拟资源的发放策略的一种可选的过程。在上述图3所示实施例的基础上，上述步骤102具体可以包括以下步骤：

步骤301，根据第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户的第一发放策略。

本实施例中，对于各稳定低频用户，可以预先建立各个聚类月均寄件量与发放策略的对应关系。在确定稳定低频用户对应的第一目标聚类质心后，根据其对应的第一目标聚类质心的聚类月均寄件量确定对应的发放策略。

例如，聚类月均寄件量m1对应寄件量满m1件发放一张a1元优惠券，聚类月均寄件量m2对应寄件量满m2件发放一张a2元优惠券，聚类月均寄件量m3对应寄件量满m3件发放一张a3元优惠券。在确定稳定低频用户A对应的第一目标聚类质心O4的聚类月均寄件量为m1之后，确定稳定低频用户A对应的第一发放策略为发放一张a1元优惠券。

步骤302，对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

本实施例中，对于非稳定低频用户，由于用户寄件量较少，并且寄件频率不稳定，因此对非稳定低频用户的寄件量进行预测，根据预测得到的预测寄件量确定对应的第二发放策略。

在进行寄件量预测之前，首先对各非稳定低频用户的用户寄件数据进行特征提取，具体可以包括：根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

上述根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征，具体可以包括：预先建立季节性特征表，季节性特征表中存储有各月对应的寄托物品；将非稳定低频用户的各月寄件量和寄托物品与季节性特征表进行匹配，从而得到非稳定低频用户的季节特征。例如，非稳定低频用户C在2018年9月寄了1件，该寄托物品为海鲜。将非稳定低频用户C的各月寄件量和寄托物品与季节性特征表进行匹配，从而得到非稳定低频用户C的季节特征。

上述根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征，具体可以包括：对非稳定低频用户的各月寄件量进行差分处理，即采用后一个月的寄件量减去前一个月的寄件量，从而得到非稳定低频用户的件量特征。例如，非稳定低频用户C在2018年9月寄了1件，采用9月的寄件量减去8月的寄件量，采用10月的寄件量减去9月的寄件量，从而得到非稳定低频用户C的件量特征。

周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，上述根据用户寄件数据进行周期特征提取，得到非稳定低频用户对应的周期特征，具体可以包括：采用时序聚类算法对各非稳定低频用户的用户寄件数据进行聚类分析，得到各非稳定低频用户的寄件趋势；和/或，从各非稳定低频用户的用户寄件数据中查找出寄件波形中权重最大的频率和振幅。例如，非稳定低频用户C在2018年9月寄了1件，采用时序聚类算法进行聚类分析，得到非稳定低频用户C的寄件趋势，以及非稳定低频用户C的寄件波形中权重最大的频率和振幅。

可以理解地，可以进行季节特征、件量特征和周期特征中一个或多个寄件特征的提取，而由于件量特征是强特征，优选地，至少进行件量特征的提取。本发明实施例对此不作详细限定，可以根据实际情况进行设置。

在预测寄件量之前，还需要训练预测模型。具体地，针对非稳定低频用户的各个类别，分别训练长短时记忆网络(Long Short Term Memory Network,LSTM)。例如，针对经常寄件老用户、偶尔寄件老用户、一年一寄老用户、偶尔寄件新用户、经常寄件新用户分别训练预测模型。在训练过程中，采用上采样方式使各个分类区间的样本数量相同，可以使LSTM预测模型输出的分类标签均衡。

本发明实施例对特征提取和预测模型的顺序不作详细限定，可以根据实际情况进行设置。

在提取到特征后，将非稳定低频用户的用户寄件数据和提取到的寄件特征输入到对应类别的预测模型中，输出预测寄件量。然后根据预测寄件量确定对应的第二发放策略。例如，将非稳定低频用户C划分为一年一寄老用户，将非稳定低频用户C的用户寄件数据和寄件特征输入到一年一寄老用户对应的预测模型中。如果预测模型输出非稳定低频用户C的预测寄件量为0，则确定非稳定低频用户C对应的第二发放策略为不发放优惠券；如果预测模型输出非稳定低频用户C的预测寄件量为1，则确定非稳定低频用户C对应的第二发放策略为发放满1件a1元优惠券。

可以理解地，在进行预测前将非稳定低频用户分为多个类别，实际输入到预测模型中的数据量较少，可以提高预测速度，节省预测时间。并且，将提取到寄件特征与用户寄件数据同时输入到预测模型中，可以使预测模型得到的预测寄件量更准确。

步骤303，根据预先建立的发放策略对应关系，确定高频用户对应的第三发放策略和沉默用户对应的第四发放策略。

本实施例中，针对稳定低频用户采用第一发放策略，非稳定低频用户采用第二发放策略，高频用户采用第三发放策略，沉默用户采用第四发放策略。其中，第一发放策略为达到聚类月均寄件量即可得到与聚类月均寄件量对应的一张大额优惠券；第二发放策略为达到预测寄件量即可得到一张大额优惠券或者多张大额优惠券；第三发放策略为达到预设值即可得到多张小额优惠券；第四发放策略为寄件即可得到一张大额优惠券。本发明实施例对发放策略不作详细限定，可以根据实际情况进行设置。

上述根据用户类型确定虚拟资源的发放策略的步骤中，根据第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户的第一发放策略，对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略；根据预先建立的发放策略对应关系，确定高频用户对应的第三发放策略和沉默用户对应的第四发放策略。通过本发明实施例，针对不同用户类型的用户发放不同优惠券，运用沉睡唤醒、需求激发、高端维系等不同的业务策略，使权益精准触达目标用户，实现精准营销。

应该理解的是，虽然图2-图4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，这些步骤可以以其它的顺序执行。而且，图2-图4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，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它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。

在一个实施例中，如图5所示，提供了一种虚拟资源的发放装置，包括：

第一用户划分模块401，用于根据用户集合中各用户在第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型，其中，用户寄件数据包括各月寄件量；用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段；低频用户包括稳定低频用户和非稳定低频用户；稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户；

发放策略确定模块402，用于根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；

虚拟资源发放模块403，用于根据确定的虚拟资源的发放策略为各用户类型的用户发放对应的虚拟资源。

在其中一个实施例中，上述第一用户划分模块401，具体用于根据低频用户的用户寄件数据计算月均寄件量和月寄件量方差；根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心；其中，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应；根据第一目标聚类质心对应的聚类月寄件量方差将低频用户划分为稳定低频用户和非稳定低频用户。

在其中一个实施例中，上述第一用户划分模块401，具体用于在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

在其中一个实施例中，上述发放策略确定模块402，具体用于根据各稳定低频用户对应的第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户对应的第一发放策略。

在其中一个实施例中，该装置还包括：

第二用户划分模块，用于根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；

上述发放策略确定模块402，具体用于对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

在其中一个实施例中，上述第二用户划分模块，具体用于对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

在其中一个实施例中，上述用户寄件数据还包括寄托物品，上述第二用户划分模块，具体用于根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

在其中一个实施例中，上述周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，上述第二用户划分模块，具体用于采用时序聚类算法对各非稳定低频用户的各月寄件量进行聚类分析，得到各非稳定低频用户的寄件趋势；和/或，从各非稳定低频用户的各月寄件量中查找出寄件波形中权重最大的频率和振幅。

在其中一个实施例中，上述第一用户划分模块401，具体用于根据用户寄件数据确定高频用户和沉默用户；高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但在第二预设历史时段内不存在寄件行为的用户。

关于虚拟资源的发放装置的具体限定可以参见上文中对于虚拟资源的发放方法的限定，在此不再赘述。上述虚拟资源的发放装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储虚拟资源的发放数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种虚拟资源的发放方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据用户集合中各用户第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型；其中，用户寄件数据包括各月寄件量；用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段；低频用户包括稳定低频用户和非稳定低频用户；稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户；

根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；

根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

根据低频用户的用户寄件数据计算各低频用户的月均寄件量和月寄件量方差；

根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心；其中，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应；

根据第一目标聚类质心将低频用户划分为稳定低频用户和非稳定低频用户。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；

对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

根据各稳定低频用户对应的第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户对应的第一发放策略。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；

对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；

分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；

根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；

根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；

根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

在一个实施例中，上述用户寄件数据还包括寄托物品，处理器执行计算机程序时实现以下步骤：

根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；

和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；

和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

在一个实施例中，上述周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，处理器执行计算机程序时实现以下步骤：

采用时序聚类算法对各非稳定低频用户的各月寄件量进行聚类分析，得到各非稳定低频用户的寄件趋势；

和/或，从各非稳定低频用户的各月寄件量中查找出寄件波形中权重最大的频率和振幅。

在一个实施例中，处理器执行计算机程序时实现以下步骤：

根据用户寄件数据确定高频用户和沉默用户；高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但在第二预设历史时段内不存在寄件行为的用户。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据用户集合中各用户第一预设历史时段内的用户寄件数据，将各用户划分至不同的用户类型；其中，用户寄件数据包括各月寄件量；用户类型包括低频用户，低频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量小于预设值的用户，第一预设历史时段包括第二预设历史时段；低频用户包括稳定低频用户和非稳定低频用户；稳定低频用户为月寄件量稳定的用户，非稳定低频用户为月寄件量不稳定的用户；

根据用户类型确定虚拟资源的发放策略；发放策略包括虚拟资源的数量发放策略和价值发放策略；

根据确定的虚拟资源的发放策略为不同用户类型的用户发放对应的虚拟资源。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

根据低频用户的用户寄件数据计算各低频用户的月均寄件量和月寄件量方差；

根据月均寄件量和月寄件量方差，从预先设置的多个第一聚类质心中确定各低频用户对应的第一目标聚类质心；其中，预先设置的各第一聚类质心与不同的聚类月均寄件量和聚类月寄件量方差对应；

根据第一目标聚类质心将低频用户划分为稳定低频用户和非稳定低频用户。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

在聚类坐标系中，根据各低频用户的月均寄件量和月寄件量方差确定各低频用户对应的低频用户点；

对于每个低频用户点，计算低频用户点与各个第一聚类质心之间的距离；并将与低频用户点距离最近的第一聚类质心，确定为低频用户对应的第一目标聚类质心。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

根据各稳定低频用户对应的第一目标聚类质心的聚类月均寄件量，确定各稳定低频用户对应的第一发放策略。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

根据各非稳定低频用户的用户寄件数据，将非稳定低频用户划分为多个类别；

对各非稳定低频用户的用户寄件数据进行特征提取，得到各非稳定低频用户的多个寄件特征；

分别将各非稳定低频用户的用户寄件数据和寄件特征输入到预先训练的非稳定低频用户对应类别的预测模型中，得到各非稳定低频用户的预测寄件量；

根据各非稳定低频用户的预测寄件量，确定各非稳定低频用户对应的第二发放策略。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

对于各非稳定低频用户，根据非稳定低频用户的用户寄件数据确定寄件月数和寄件频率；

根据寄件月数和寄件频率，从预先设置的多个第二聚类质心中确定各非稳定低频用户对应的第二目标聚类质心；其中，各第二聚类质心与不同的聚类寄件月数和聚类寄件频率对应；

根据各非稳定低频用户对应的第二目标聚类质心，确定各非稳定低频用户的类别。

在一个实施例中，上述用户寄件数据还包括寄托物品，计算机程序被处理器执行时实现以下步骤：

根据各月寄件量和寄托物品进行季节特征提取，得到非稳定低频用户对应的季节特征；

和/或，根据各月寄件量进行件量特征提取，得到非稳定低频用户对应的件量特征；

和/或，根据各月寄件量进行周期特征提取，得到非稳定低频用户对应的周期特征。

在一个实施例中，上述周期特征包括寄件趋势、寄件波形的频率和振幅中的至少一种，计算机程序被处理器执行时实现以下步骤：

采用时序聚类算法对各非稳定低频用户的各月寄件量进行聚类分析，得到各非稳定低频用户的寄件趋势；

和/或，从各非稳定低频用户的各月寄件量中查找出寄件波形中权重最大的频率和振幅。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：

根据用户寄件数据确定高频用户和沉默用户；高频用户为在第一预设历史时段内存在寄件行为，且在第二预设历史时段内的寄件量大于预设值的用户；沉默用户为在第一预设历史时段内存在寄件行为，但在第二预设历史时段内不存在寄件行为的用户。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。