基于用户实时事件的信息推送方法及系统

技术领域

本公开涉及信息推送技术，尤其涉及一种基于用户实时事件的信息推送方法及系统。

背景技术

现阶段企业普遍面临产品同质化严重、竞争愈发激烈等众多营销痛点难题，传统的市场营销策略通常是根据客户历史数据的分析、挖掘客户特征来设定推广活动或者产品推荐。然而在现阶段客户的需求多是随机、多样、有时效性的，传统的市场营销策略已不再适应现阶段业务发展要求，围绕客户需求展开实时事件营销已成为未来的发展趋势。

现有的传统营销方式存在以下缺点：

1、现阶段客户的需求多是有时效性的，捕获营销机会的窗口期太短，无法实时给合适的客户推送合适的营销活动；

2、客户行为和事件缺少渠道间的协同，不同渠道的客户事件无法关联。

3、传统的营销方式配置出的客群及活动很难复用，导致过往营销经验无法沉淀为客群模型和策略体系。

4、营销流程配置繁琐、自动化程度低、开发周期长，多个营销活动存在关联性时，需要花费大量人工配置，造成管理成本高，营销效率低。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本公开实施例提供一种基于用户实时事件的信息推送方法及系统，能够至少解决现有技术中的部分问题，实现实时掌握和分析营销事件，针对性地为该事件推送营销活动，从而达到对客户需求的精准认知与匹配，提高营销成功率。

本公开实施例的第一方面，

提供一种基于用户实时事件的信息推送方法，包括：

基于所获取的实时事件数据，构建所述实时事件数据对应的事件模型，解析所述事件模型，确定与所述实时事件数据对应的事件属性以及用户行为类型；

将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配，若相匹配，则根据所述用户行为类型以及该用户历史信息确定该用户的偏好信息，根据所述事件属性以及该用户历史信息确定该用户的状态信息，其中，所述事件库用于接收所述实时事件数据，并将所述实时事件数据与预设规则进行唯一性匹配；

基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送，其中，所述触发标签条件用于指示满足触发规则的情况下，推送对应标签内容。

在一种可选的实施方式中，

所述事件属性包括第一属性和第二属性，其中，所述第一属性用于指示与用户标签的关联性大于关联阈值的属性，所述第二属性用于指示与用户标签的关联性小于关联阈值的属性；所述用户行为类型包括第一行为类型和第二行为类型，其中，所述第一行为类型用于指示与用户标签相匹配的行为类型，所述第二行为类型用于指示偶然性行为类型；

所述将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配包括：

分别为所述事件属性以及所述用户行为类型分配对应的权重值，其中，若所述事件属性为第一属性，则为其分配第一权重值，若所述事件属性为第二属性，则为其分配第二权重值，所述第一权重值大于所述第二权重值；

若所述用户行为类型为第一行为类型，则为其分配第三权重值，若所述用户行为类型为第二行为类型，则为其分配第四权重值，所述第三权重值大于所述第四权重值；

根据所述权重值、所述事件属性以及所述用户行为类型，确定所述实时事件数据对应的规则特征值；

基于所述规则特征值计算与所述事件库中预设规则的多个空间距离，并将所述多个空间距离中距离最小的预设规则作为与所述实时事件数据唯一匹配的规则。

在一种可选的实施方式中，

所述为所述事件属性以及所述用户行为类型分配对应的权重值的方法包括：

分别为所述事件属性以及所述用户行为类型分配对应的评价指标，并构建对应的评价指标矩阵；

基于所述评价指标矩阵，通过主客观混合策略赋权，分别为每个评价指标矩阵赋予对应的评价权重向量；

通过所述评价权重向量，以及为所述事件属性、所述用户行为类型分配对应的评价指标，基于预设的目标收益函数，确定权值平衡点，并根据所确定的权值平衡点和所述评价权重向量为所述事件属性以及所述用户行为类型分配对应的权重值。

在一种可选的实施方式中，

所述基于所述评价指标矩阵，通过主客观混合策略赋权，分别为每个评价指标矩阵赋予对应的评价权重向量包括：

其中，W表示评价权重向量，M、N分别表示评价指标的数量、评价对象的数量，其中，评价对象包括所述事件属性、所述用户行为类型，a、b分别表示第一权重占比和第二权重占比，W1、W2分别表示第一策略赋权权重矩阵、第二策略赋权权重矩阵，Xij表示评价指标矩阵，表示第i个评价指标在第j个评价对象的贡献值。

在一种可选的实施方式中，

所述基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送包括：

分别从所述偏好信息中提取偏好特征以及从所述状态信息中提取状态特征，将所述偏好特征以及所述状态特征作为用户特征；

从所述实时事件数据中提取多个事件特征，并计算所述多个事件特征中任意两个事件特征的相似度，将相似度大于预设相似度阈值的事件特征作为初始事件特征集；

确定关联事件特征集与所述用户所处场景的关联度，判断关联度最高的事件特征是否符合所述触发标签条件，若符合，则进行信息推送，其中，所述关联事件特征集用于指示所述初始事件特征集中与所述用户所处场景产生交集的事件特征。

在一种可选的实施方式中，

所述触发标签条件包括第一触发条件和第二触发条件，所述第一触发条件用于指示所述偏好信息以及所述状态信息对应的标签与所述事件库中预存标签相匹配时进行实时触发，所述第二触发条件用于指示所述偏好信息以及所述状态信息对应的标签与所述事件库中预存标签不匹配时进行延时触发，

所述根据与用户所处场景对应的触发标签条件进行信息推送包括：

若所述触发标签条件为第一触发条件，则实时进行信息推送；

若所述触发标签条件为第二触发条件，则延时进行信息推送。

本公开实施例的第二方面，

提供一种应用前述中任一项所述的基于用户实时事件的信息推送方法的基于用户实时事件的信息推送系统，所述系统包括：

数据源模块，用于通过采集器采集原始实时事件数据推送到第一rabbitmq队列，为事件库模块提供基础性的数据来源；

事件库模块，用于通过flink根据基础属性与拓展属性对所述实时事件数据进行加工处理，并校验属性是否与预设规则一致后，推送至第二rabbitmq队列；

策略库模块，用于通过所述第二rabbitmq队列指定vhost接受到对应队列数据，基于对事件及属性筛选后的事件模型，结合防打扰的推送限制，通过渠道模块进行实时信息推送；

渠道模块，用于建立与各个渠道的连接和事件获取能力，为所述数据源模块提供事件数据来源。

本公开实施例的第三方面，

提供一种信息推送系统，包括：

第一单元，用于基于所获取的实时事件数据，构建所述实时事件数据对应的事件模型，解析所述事件模型，确定与所述实时事件数据对应的事件属性以及用户行为类型；

第二单元，用于将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配，若相匹配，则根据所述用户行为类型以及该用户历史信息确定该用户的偏好信息，根据所述事件属性以及该用户历史信息确定该用户的状态信息，其中，所述事件库用于接收所述实时事件数据，并将所述实时事件数据与预设规则进行唯一性匹配；

第三单元，用于基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送，其中，所述触发标签条件用于指示满足触发规则的情况下，推送对应标签内容。

本公开实施例的第四方面，

提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

本公开实施例的第五方面，

提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

本公开的方法基于所获取的实时事件数据，确定与所述实时事件数据对应的事件属性以及用户行为类型，将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配，能够提高信息推送内容的准确性；

针对所述事件属性以及所述用户行为类型分配对应的权重值，并且综合主观权重和客观权重两种权重赋值方法的优点，能够在两种方法之间找到合适的平衡点，提高权重赋值的客观准确性和突出重要指标评价的优先性。

以动态配置方式实现万级以上的数据在几秒内完成计算,能基于万亿级的历史数据实时计算出标签，完成实时数据处理、实时标签计算，实现快速识别用户的需求，提供有针对性的营销服务。

本公开的系统使用了flink和rabbitmq来实现实时计算与推送，整体方案降低了系统间的耦合,减少中间存储做到了真正实时事件营销。

渠道模块适配各种渠道系统的差异，建立与各个渠道的连接和事件获取能力，通过统一的中心节点注册各个应用系统的服务和控制路由，避免系统之间点对点紧耦合连接，实现高效地开发实施以及对消息进行处理。

策略库模块支持建立统一的策略体系，能够根据不同的应用场景、营销目标、策略群组构建策略，沉淀过往成功营销经验，形成可复用的策略资产。

“原子策略”和“流程画布”支持更复杂的综合营销场景，通过拖拉拽的形式可快速上线营销自动化流程，提高营销活动的效率。并以执行日历的形式展示当前所有营销活动，支持在执行日历上对营销活动进行启用、停用操作，使营销过程更加清晰简便。

附图说明

图1为本公开实施例基于用户实时事件的信息推送方法的流程示意图。

图2为本公开实施例基于用户实时事件的信息推送系统的结构示意图。

具体实施方式

为使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中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

应当理解，在本公开中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本公开中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本公开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为本公开实施例基于用户实时事件的信息推送方法的流程示意图，如图1所示，所述方法包括：

S101.基于所获取的实时事件数据，构建所述实时事件数据对应的事件模型，解析所述事件模型，确定与所述实时事件数据对应的事件属性以及用户行为类型；

示例性地，所述实时事件数据可以包括与营销相关的交易、客户、产品等数据，例如，目标客户在当前时间节点发生交易、客户的ID、以及客户所买卖的产品数据等；此外，实时事件数据可以包括用户在所操作的应用系统中的行为，如加购商品、浏览活动、浏览商品、分享活动等，不同的应用系统具有不同的行为。

与所述实时事件数据对应的事件模型用于将所述实时事件数据进行数学抽象，提取所述实时事件数据对应的特征，并将所提取的特征与事件库进行规则匹配，同时也为事件库提供基础的数据来源。其中，事件模型可以包括现有的神经网络模型，本公开实施例对比不再展开赘述。

与所述实时事件数据对应的事件属性，可以包括事件ID，事件名称，事件发生时间，事件分类ID，事件源等数据，此外，还可以根据当前事件属性，自定义创建每个事件对应拓展属性，例如增加特定事件的属性信息，在特定场景发生的事件。

用户行为类型可以包括与用户画像相匹配的行为类型以及偶然性行为类型，其中，与用户画像相匹配的行为类型可以包括，例如用户画像为单身青年女性，与该用户画像相匹配的行为类型包括购买潮玩、出国旅游机票等；偶然性行为类型可以包括购买母婴类产品，例如奶粉以及婴幼儿用品等。

S102.将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配，若相匹配，则根据所述用户行为类型以及该用户历史信息确定该用户的偏好信息，根据所述事件属性以及该用户历史信息确定该用户的状态信息；

示例性地，所述事件属性包括第一属性和第二属性，其中，所述第一属性用于指示与用户标签的关联性大于关联阈值的属性，所述第二属性用于指示与用户标签的关联性小于关联阈值的属性；所述用户行为类型包括第一行为类型和第二行为类型，其中，所述第一行为类型用于指示与用户标签相匹配的行为类型，所述第二行为类型用于指示偶然性行为类型；

其中，与用户标签的关联性可以通过计算事件属性对应的向量与用户标签对应的向量的空间距离来确定，通过比较空间距离与预设关联阈值的大小，确定事件属性为第一属性还是第二属性。

示例性地，用户的偏好信息可以根据用户行为类型，以及该用户的历史信息确定，具体地，若该用户对应的标签为孕期女性，其用户行为类型为第一行为类型，也即与用户标签相匹配的行为类型，并且结合该用户在过去30天内的历史购买记录，例如，该用户在过去购买母婴类产品超过500元，则可以确定其偏好信息为偏好母婴类产品；

示例性地，用户的状态信息可以根据事件属性和用户历史信息确定，具体地，若该事件属性为与用户标签的关联性大于关联阈值的属性，还是以该用户对应的标签为孕期女性为例，其事件属性为购买婴儿床，并且结合该用户在过去30天内的历史购买记录，例如，该用户在过去购买母婴类产品超过500元，可以确定该用户的状态信息为具有较高消费意愿的用户。

在一种可选的实施方式中，

所述将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配包括：

分别为所述事件属性以及所述用户行为类型分配对应的权重值，其中，若所述事件属性为第一属性，则为其分配第一权重值，若所述事件属性为第二属性，则为其分配第二权重值，所述第一权重值大于所述第二权重值；

若所述用户行为类型为第一行为类型，则为其分配第三权重值，若所述用户行为类型为第二行为类型，则为其分配第四权重值，所述第三权重值大于所述第四权重值；

根据所述权重值、所述事件属性以及所述用户行为类型，确定所述实时事件数据对应的规则特征值；

基于所述规则特征值计算与所述事件库中预设规则的多个空间距离，并将所述多个空间距离中距离最小的预设规则作为与所述实时事件数据唯一匹配的规则。

示例性地，事件属性和用户行为类型在信息推送中所起的作用并不相同，其中，事件属性用于指示事件发生，而用户行为用于指示与用户画像相关的行为类型，为两者分配不同的权重值，能够凸显两者在最后的信息推送的侧重点，提高信息推送的准确性和针对性。

其中，第一属性用于指示与用户标签的关联性大于关联阈值的属性，所述第二属性用于指示与用户标签的关联性小于关联阈值的属性；大于关联阈值的属性表明与给定的用户标签是强关联的，对于该属性应该加强其占比，以使最后的结果更加准确；相对应的，第二权重值小于第一权重值，降低第二属性在后续计算中的占比，不仅有利于平衡计算压力，还能够使得推送结果更具有针对性。其中，第一权重值和第二权重值根据第一属性值和第二属性值的大小变动。

与此对应的，第三权重值和第四权重值也是同理，在此不再赘述。

根据所述权重值、所述事件属性以及所述用户行为类型，确定所述实时事件数据对应的规则特征值；

基于所述规则特征值计算与所述事件库中预设规则的多个空间距离，并将所述多个空间距离中距离最小的预设规则作为与所述实时事件数据唯一匹配的规则；

示例性地，本公开实施例的规则特征值可以表示为G＝[Q

其中，j∈[1,2,3,4],j∈[1,2]，Qi表示第i个权重值，Sj表示第j个事件属性，Yj表示第j个用户行为类型。

所述基于所述规则特征值计算与所述事件库中预设规则的多个空间距离的方法包括：

按照如下公式计算空间距离：

其中，Gxm表示第m个事件库中预设规则Gx。

将所述多个空间距离中距离最小的预设规则作为与所述实时事件数据唯一匹配的规则，空间距离中距离最小的预测规则，表示与实时事件数据最为接近的规则，能够从事件库中多个预设规则中，选择与实时事件数据最为匹配的规则，提高信息推送的准确性。

在一种可选的实施方式中，

所述为所述事件属性以及所述用户行为类型分配对应的权重值的方法包括：

分别为所述事件属性以及所述用户行为类型分配对应的评价指标，并构建对应的评价指标矩阵；

基于所述评价指标矩阵，通过混合赋权策略，分别为每个评价指标矩阵赋予对应的评价权重向量；

通过所述评价权重向量，以及为所述事件属性、所述用户行为类型分配对应的评价指标，基于预设的目标收益函数，确定权值平衡点，并根据所确定的权值平衡点和所述评价权重向量为所述事件属性以及所述用户行为类型分配对应的权重值。

针对不同的评价对象分配对应的评价指标，并综合多种因素确定对应的权重值，能够量化各种因素的不确定性，对权重值进行聚合，保证最优解。

示例性地，评价指标矩阵可以表示为：

其中，Xij表示评价指标矩阵，表示第i个评价指标在第j个评价对象的贡献值，其中，贡献值可以表示为单个评价指标在某个评价对象的所有评价指标中的占比；用于指示该评价指标在评价对象上评价的准确度。

在一种可选的实施方式中，

所述基于所述评价指标矩阵，通过混合赋权策略，分别为每个评价指标矩阵赋予对应的评价权重向量包括：

其中，W表示评价权重向量，M、N分别表示评价指标的数量、评价对象的数量，其中，评价对象包括所述事件属性、所述用户行为类型，a、b分别表示第一权重占比和第二权重占比，W1、W2分别表示第一策略赋权权重矩阵、第二策略赋权权重矩阵，Xij表示评价指标矩阵，表示第i个评价指标在第j个评价对象的贡献值。

所述通过所述评价权重向量，以及为所述事件属性、所述用户行为类型分配对应的评价指标，基于预设的目标收益函数，确定权值平衡点，并根据所确定的权值平衡点和所述评价权重向量为所述事件属性以及所述用户行为类型分配对应的权重值包括：

其中，确定权值平衡点的方法可以如下所示：

其中，权值平衡点为minL的最小值，f

分配对应的权重值可以如下所示：

Q＝minL*W

根据权值平衡点和评价权重向量设置组合权重值。

S103.基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送，其中，所述触发标签条件用于指示满足触发规则的情况下，推送对应标签内容。

示例性地，标签是连接用户、场景与事件的桥梁，通过结合用户的偏好信息和状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送。

在一种可选的实施方式中，

所述基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送包括：

分别从所述偏好信息中提取偏好特征以及从所述状态信息中提取状态特征，将所述偏好特征以及所述状态特征作为用户特征；

从所述实时事件数据中提取多个事件特征，并计算所述多个事件特征中任意两个事件特征的相似度，将相似度大于预设相似度阈值的事件特征作为初始事件特征集；

确定关联事件特征集与所述用户所处场景的关联度，判断关联度最高的事件特征是否符合所述触发标签条件，若符合，则进行信息推送，其中，所述关联事件特征集用于指示所述初始事件特征集中与所述用户所处场景产生交集的事件特征。

示例性地，本公开实施例的计算所述多个事件特征中任意两个事件特征的相似度可以参考使用余弦相似度的变化形式的皮尔逊相关系数方法计算。事件的增长速度往往会比用户的增加要慢，数量级上也会小于用户的数量级，所以通过考虑从用户特征角度出发的事件之间的相似度，往往会有更快的推荐速度。

在一种可选的实施方式中，

所述触发标签条件包括第一触发条件和第二触发条件，所述第一触发条件用于指示所述偏好信息以及所述状态信息对应的标签与所述事件库中预存标签相匹配时进行实时触发，所述第二触发条件用于指示所述偏好信息以及所述状态信息对应的标签与所述事件库中预存标签不匹配时进行延时触发，

所述根据与用户所处场景对应的触发标签条件进行信息推送包括：

若所述触发标签条件为第一触发条件，则实时进行信息推送；

若所述触发标签条件为第二触发条件，则延时进行信息推送。

示例性地，触发标签条件包括第一触发条件和第二触发条件，其中，第一触发条件为实时触发，通过实时触发方式，可根据用户的实时行为数据，进行实时计算，快速识别用户的需求，实时进行信息推送；

第二触发条件为延时触发，也即，其偏好信息以及所述状态信息对应的标签与所述事件库中预存标签不匹配，例如，用户为孕期女性，但是根据其偶然搜索了重型机车，与事件库中预存标签并不匹配，则可以考虑进行延时触发，既可以避免消息误发，也可以覆盖用户的各种需求。

本公开实施例的第二方面，

提供一种应用前述中任一项所述的基于用户实时事件的信息推送方法的基于用户实时事件的信息推送系统，图2为本公开实施例基于用户实时事件的信息推送系统的结构示意图，如图2所示，所述系统包括：

数据源模块，用于通过采集器采集原始实时事件数据推送到第一rabbitmq队列，为事件库模块提供基础性的数据来源；

事件库模块，用于通过flink根据基础属性与拓展属性对所述实时事件数据进行加工处理，并校验属性是否与预设规则一致后，推送至第二rabbitmq队列；

策略库模块，用于通过所述第二rabbitmq队列指定vhost接受到对应队列数据，基于对事件及属性筛选后的事件模型，结合防打扰的推送限制，通过渠道模块进行实时信息推送；

渠道模块，用于建立与各个渠道的连接和事件获取能力，为所述数据源模块提供事件数据来源。

示例性地，Flink是一个面向分布式流数据和批数据的分布式处理引擎，它能够提供流处理(DataStreams)和批处理(DataSet)两种类型的功能。

Flink支持Exactly-Once，从而保证了每条消息消费有且只有一次。Flink的消息传递特性Exactly-Once是基于Chandy和Lamport的分布式快照论文的一种实现方式。用户可以自定义Checkpoint间隔时间，一种特殊的快照标记消息(Barrier)会被定时插入到所有数据源中，Barrier和其他数据消息一起在有向无环图中流动，但用户定义的业务逻辑不会对其进行处理，因为快照的存储是异步和增量操作所以不会使得数据消息的处理被阻塞。若发生节点崩溃等异常情况，只可以需要恢复最近一次保存成功的分布式快照状态。

在一种可选的实施方式中，

所述原子策略通过事件及属性筛选，建立事件模型，事件模型需配置触发的事件及事件对应的属性筛选规则，并针对事件模型配置针对性的信息推送。

在一种可选的实施方式中，

所述流程画布通过拖拉拽的形式上线自动化流程，以执行日历的形式展示当前所有活动信息，支持在执行日历上对活动进行启用、停用操作。

其中，数据源模块负责接入所有事件营销相关的交易、客户、产品等实时数据，通过采集器采集原始事件数据推送到rabbitmq，为事件库模块提供基础性的数据来源。

示例性地，

事件库模块围绕用户是谁、发生时间、发生地点、具体内容等方面定义事件及属性规则(包括事件ID，事件名称，事件发生时间，事件分类ID，事件源，客户ID等基础属性,并自定义创建每个事件对应拓展属性)。接下来，基于接入的实时数据抽象出数据模型，建立数据模型与规则的对应关系。

事件库使用了flink和rabbitmq来实现海量数据的实时计算与推送。事件任务可快速配置一键提交，flink根据基础属性与拓展属性对事件数据进行加工处理，并校验属性是否与规则一致后，推送至下游rabbitmq队列。其中消息中间件rabbitmq通过启用唯一性值与flink的检查点相互配合确保数据精确一次。整个模块启用rabbitmq死信队列用于排查异常数据，采用yarn部署模式方便用户迁移。资源管理弹性，方便扩容以及运维。

事件库模块能够根据各种渠道的事件触发自动维护属性的变化，实时接收事件数据，对事件加工处理，校验事件属性，更新客户对象的状态，用以支持营销过程中精准控制哪个时点给客户推介信息。

可选地，策略库模块支持建立统一的策略体系，能够根据不同的应用场景、营销目标、策略群组构建策略，沉淀过往成功营销经验，形成可复用的策略资产。实现统一触达渠道，营销内容，营销计划等营销资产，并建立营销策略库，可以满足将效果优异的营销策略转变为带参模板，进行快速的复制或调整。

营销策略按营销场景的复杂程度分为“原子策略”及“流程画布”两种：

“原子策略”支持独立、颗粒度更细的营销场景，通过事件及属性筛选，建立事件模型(如客户行为模型、客户交易模型、产品状态模型等)，事件模型需配置触发的事件及事件对应的属性筛选规则，并针对事件模型配置针对性的营销资产推送，营销资产包括但不限于：话术、营销活动、权益和产品。

“流程画布”支持更复杂的综合营销场景，通过拖拉拽的形式可快速上线营销自动化流程，提高营销活动的效率。综合营销场景往往包括多个原子策略，可通过流程画布统筹考虑各个原子策略之间的关联性和状态变化，给予客户及时、准确的信息推送。并以执行日历的形式展示当前所有营销活动，支持在执行日历上对营销活动进行启用、停用操作，使营销过程更加清晰简便。

营销策略模块同时支持防打扰功能，可自定义设置同一用户在“原子策略”、“流程画布”或全局范围内的推送限制，即同一用户在周期内最多可被推送的次数，控制实时事件营销对同一用户的营销频率，实现提升用户体验，防止打扰用户，最大化营销效果。

策略库模块通过rabbitmq指定vhost接受到对应队列数据,按照“原子策略”或“流程画布”中对事件及属性筛选后的事件模型，结合防打扰的推送限制，通过渠道模块进行实时推送营销资产。

在一种可选的实施方式中，

渠道应包括但不限于：智能外呼、应用程序消息、短信、模板消息、客户关系管理系统。渠道模块适配各种渠道系统的差异，建立与各个渠道的连接和事件获取能力，为数据源模块提供事件数据来源。涉及的渠道系统以及交易接口的类型数量较多，本模块通过“标准化服务通讯总线”和“集成服务平台”的基础架构支持，通过统一的中心节点注册各个应用系统的服务和控制路由，避免系统之间点对点紧耦合连接，实现高效地开发实施以及对消息进行处理。

本公开实施例的第三方面，

提供一种信息推送系统，包括：

第一单元，用于基于所获取的实时事件数据，构建所述实时事件数据对应的事件模型，解析所述事件模型，确定与所述实时事件数据对应的事件属性以及用户行为类型；

第二单元，用于将所述事件属性以及用户行为类型与事件库中预设规则进行唯一性匹配，若相匹配，则根据所述用户行为类型以及该用户历史信息确定该用户的偏好信息，根据所述事件属性以及该用户历史信息确定该用户的状态信息，其中，所述事件库用于接收所述实时事件数据，并将所述实时事件数据与预设规则进行唯一性匹配；

第三单元，用于基于所述偏好信息以及所述状态信息，结合所述实时事件数据，确定用户所处场景，并根据与用户所处场景对应的触发标签条件进行信息推送，其中，所述触发标签条件用于指示满足触发规则的情况下，推送对应标签内容。

本公开实施例的第四方面，

提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

本公开实施例的第五方面，

提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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公开各实施例技术方案的范围。