一种消息触达方法、装置、计算机设备及存储介质与流程

1.本技术涉及数据处理技术领域，具体涉及一种消息触达方法、装置、计算机设备及存储介质。


背景技术：

2.近年来，随着行业的快速发展和科技的进度，消息触达也得到了广泛应用。消息触达，又称消息推送，通过各种渠道或方式将指定内容告知到指定用户，其核心目的在于将指定内容告知指定用户。当前的消息触达系统，首先是通过平台人员进行目标人群圈选，圈选出待触达用户，然后进行活动任务配置，包括消息内容的配置，以及选择发送时间和触达渠道，最后根据运营配置的内容和时间，对每个用户每个渠道推送指定消息。
3.但是，在对现有技术的研究与实践的过程中，本技术的发明人发现，目前的消息推送方式存在如下缺陷：当多渠道多用户同时推送消息时，同一用户可能会在多个不同渠道接收到同样的消息，大量待发送消息还会造成平台发送成本高和压力大的问题，并且多个触达渠道推送重复的消息内容，也容易引起用户反感，导致用户流失的情况；再者，存在大量无效信息发送时，消息推送后才发现用户已经关闭营销通知或退订，或已到达用户当天可触达频次上限，导致消息发送量大且发送成功率低下。另外，由于现有的消息发送机制是采用消息先到先得的原则，如果低收益消息发送时间早且发送量大，导致高收益消息被超频拦截较多的问题。
4.前面的叙述在于提供一般的背景信息，并不一定构成现有技术。


技术实现要素：

5.针对上述技术问题，本技术提供一种消息触达方法、装置、计算机设备及存储介质，能够解决现有消息触达技术由于缺乏消息发送管控导致消息发送量大和营销触达成本高的问题，以及解决营销消息点击率低导致营销效果差的问题，从而有效提高消息发送成功率，避免高收益消息被超频拦截的情况，并且提高营销消息点击率及消息收益。
6.为解决上述技术问题，本技术提供了一种消息触达方法，包括如下步骤：
7.圈选待推送用户，并配置对应的活动任务；
8.获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；
9.通过预设算法对所述整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；
10.基于所述每个用户最优推送渠道和所述最优文案进行消息推送。
11.可选地，所述配置对应的活动任务，包括：
12.配置当前活动任务信息、任务类型、活动归属的业务线、待推送的渠道列表以及文案列表。
13.可选地，所述获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据，包括：
14.获取预先配置的用户渠道文案数据，所述用户渠道文案数据包括用户任务配置信息、用户基本信息、用户历史触达信息以及消息场景信息；
15.将所述用户渠道文案数据按照用户、候选渠道、候选文案及用户特征进行整合，得到整合后的用户渠道文案数据。
16.可选地，所述用户基本信息包括用户注册时长、静默注册用户标注和非静默注册用户标注，以及用户近期平台表现信息，所述用户近期平台表现信息包括预设时间段内登录信息、估价次数、下单量和订单均价；所述用户历史触达信息包括每个用户对应的各个推送渠道预设时间段内的推送量和成功率；所述消息场景信息包括不同场景下预设时间段内推送任务量、消息量、用户量、推送成功率和点击率。
17.可选地，所述前置过滤，包括：
18.基于预设前置规则，通过调用用户的各个推送渠道的实时接口，以根据接口返回结果判断该推送渠道是否可用，过滤用户的不可用推送渠道；
19.基于预设前置规则，判断用户的当前推送渠道的触达频次是否达到频次管控上限，根据触达频次过滤用户的触达频次到达上限的推送渠道。
20.可选地，所述低收益过滤，包括：
21.根据当前待推送消息的标题内容及业务类型，采用关键词匹配方式将所述待推送消息映射到可复用的场景id中；
22.根据历史推送记录、用户当天点击记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建点击率预测模型；
23.根据历史推送记录、用户当天下单记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建转化率预测模型；
24.基于所述点击率预测模型和所述转化率预测模型，预估各个用户针对当前待推送消息对应的用户收益，所述用户收益包括流水收益和点击收益；
25.将所述用户收益小于预设低收益阈值的用户过滤。
26.可选地，所述用户偏好预估，包括：
27.基于点击率预测模型，预测每个用户对各个推送渠道的点击率，选取点击率最高的推送渠道作为该用户的最偏好渠道；
28.基于点击率预测模型，预测每个用户对各个推送文案的点击率，选取点击率最高的推送文案作为该用户的最偏好文案。
29.相应地，本技术还提供了一种消息触达装置，其特征在于，包括：
30.配置模块，用于圈选待推送用户，并配置对应的活动任务；
31.整合模块，用于获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；
32.计算模块，用于通过预设算法对所述整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；
33.推送模块，用于基于所述每个用户最优推送渠道和所述最优文案进行消息推送。
34.本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的消息触达方法的步骤。
35.本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的消息触达方法的步骤。
36.实施本发明实施例，具有如下有益效果：
37.如上所述，本技术提供的一种消息触达方法、装置、计算机设备及存储介质，其中方法包括：圈选待推送用户，并配置对应的活动任务；获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；基于每个用户最优推送渠道和最优文案进行消息推送。本技术提供的一种消息触达方案，在配置活动任务后对用户渠道文案数据进行整合，以便后续通过预设算法进行算法计算；然后，通过进行前置过滤，过滤用户不可用渠道和已到达频次上限渠道，解决消息发送量大和消息发送成功率的问题；通过低收益过滤方式统筹过滤收益较低的用户，解决高收益消息因为触达超频被拦截较多的问题，提高消息推送成功率；通过对用户进行偏好预估，选择用户最偏好的推送渠道和文案，不仅多渠道同时发送消息导致成本高和打扰用户的问题，还能提高已发送消息的点击率，解决消息点击率低导致营销效果差的问题。
附图说明
38.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。为了更清楚地说明本技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
39.图1是本技术实施例提供的消息触达方法的第一种实施方式的流程示意图；
40.图2是本技术实施例提供的步骤s2的流程示意图；
41.图3是本技术实施例提供的步骤s31的流程示意图；
42.图4是本技术实施例提供的步骤s32的流程示意图；
43.图5是本技术实施例提供的步骤s33的流程示意图；
44.图6是本技术实施例提供的消息触达方法的第二种实施方式的流程示意图；
45.图7是本技术实施例提供的算法计算模型框架图；
46.图8是本技术实施例提供你的算法计算的流程示意图；
47.图9是本技术实施例提供的消息触达装置的结构示意图；
48.图10是本技术实施例提供的计算机设备的结构示意图。
49.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
50.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
51.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本技术不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
52.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。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时"”或“响应于确定”。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”表明存在所述的特征、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。本技术使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。例如，“包括以下至少一个：a、b、c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a和b和c”，再如，“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和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。
53.应该理解的是，虽然本技术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。
54.取决于语境，如在此所使用的词语“如果”、“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”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
55.需要说明的是，在本文中，采用了诸如s1、s2等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行s2后执行s1等，但这些均应在本技术的保护范围之内。
56.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。
58.本技术实施例可以应用于服务器中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全
服务、内容分发网络(contentdeliverynetwork，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
59.首先介绍本技术可以提供的应用场景，如提供一种消息触达方法、装置、计算机设备及存储介质，能够应用在消息触达系统，解决现有技术中因缺乏消息发送管控，同一消息多渠道多用户同时发送，导致消息发送量大和营销触达成本高，且重复消息易引起用户反感，以及发送成功率低的问题。
60.为了解决上述技术问题，本技术提供了一种消息触达方法，请参阅图1，图1是本技术实施例提供的消息触达方法的第一种实施方式的流程示意图。该消息触达方法具体可以包括：
61.s1.圈选待推送用户，并配置对应的活动任务。
62.具体的，对于步骤s1，主要是圈选本轮待推送消息对应的待推送用户，并配置本轮待推送消息所对应的相关活动任务。在具体的实施例中，可以通过运营来进行人群圈选或者活动任务配置，也可以是通过其它方式确定本次待推送人群以及配置对应的活动任务。
63.可选地，在一些实施例中，步骤s1中的所述配置对应的活动任务，具体可以包括：
64.配置当前活动任务信息、任务类型、活动归属的业务线、待推送的渠道列表以及文案列表。
65.具体的，关于配置活动任务，主要包括配置当前活动、当前活动的任务类型、当前活动所归属的业务线、本次待推送消息对应的待推送渠道列表和文案列表等信息。
66.s2.获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据。
67.具体的，对于步骤s2，主要是获取本次消息推送任务所需的用户渠道文案数据并进行整合，从而得到整合后的用户渠道文案数据，以供后续通过预设算法进行算法计算得到最优推送渠道和最优文案。
68.可选地，如图2所示，在一些实施例中，步骤s2具体可以包括：
69.s21.获取预先配置的用户渠道文案数据，用户渠道文案数据包括用户任务配置信息、用户基本信息、用户历史触达信息以及消息场景信息；
70.s22.将用户渠道文案数据按照用户、候选渠道、候选文案及用户特征进行整合，得到整合后的用户渠道文案数据。
71.在具体的实施例中，步骤s2的过程如下：首先是获取运营预先配置好的用户渠道文案数据，该用户渠道文案数据包括但不限于用户任务配置信息、用户基本信息、用户历史触达信息以及消息场景信息；其中，用户基本信息包括但不限于用户注册时长、静默注册用户标注、非静默注册用户标注和用户近期平台表现信息，静默注册用户标注和非静默注册用户标注主要是用于判断该用户是否为静默注册用户，用户近期平台表现信息包括但不限于近x天的登录信息、估价次数、下单量和订单均价等信息，x为运营根据实际需求预设的时间周期；用户历史触达信息包括但不限于每个用户所对应的各个推送渠道近x天的推送量和成功率等信息；消息场景信息包括但不限于不同场景下近x天推送任务量、消息量、用户量、推送成功率和点击率等信息；在获取上述用户渠道文案数据后，按照预设的组合规则，将数据按照用户、候选渠道、候选文案、用户相关特征(例如用户场景、用户基本信息和用户历史触达信息等)进行组合，从而得到整合后的用户渠道文案数据，以供后续使用。
72.s3.通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤
和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案。
73.具体的，对于步骤s3，主要是通过新增的算法计算模型根据预设的算法对整合后的用户渠道文案数据进行算法计算，包括前置过滤、低收益过滤和偏好估计，最终计算得到各个待推送消息对应的每个用户的最优推送渠道和最优文案，从而生成待推送消息。
74.可选地，如图3所示，在一些实施例中，步骤s3中的所述前置过滤，具体可以包括：
75.s311.基于预设前置规则，通过调用用户的各个推送渠道的实时接口，以根据接口返回结果判断该推送渠道是否可用，过滤用户的不可用推送渠道；
76.s312.基于预设前置规则，判断用户的当前推送渠道的触达频次是否达到频次管控上限，根据触达频次过滤用户的触达频次到达上限的推送渠道。
77.在具体的实施例中，对于前置过滤，主要是按照预设前置规则进行过滤，包括不可用渠道过滤和频次上限过滤，其中，不可用渠道过滤的步骤包括：调用用户各推送渠道是否可用实时接口，根据接口返回结果判断用户推送渠道是否可用，从而过滤用户不可用的推送渠道，例如app应用关闭营销通知权限、短信退订、黑名单和取消消息订阅等情况导致不可用的推送渠道；频次上限过滤的步骤包括：判断用户当前的推送渠道触达的频次是否达到频次管控上限，如果已经超过用户在当前推送渠道的频次上限，则过滤掉用户触达频次到达上限的推送渠道，本实施例通过前置过滤，过滤用户不可用渠道和已到达频次上限的推送渠道，避免由于超频被拦截的情况，解决消息发送量大和消息发送成功率的问题。
78.可选地，如图4所示，在一些实施例中，步骤s3中的所述低收益过滤，具体可以包括：
79.s321.根据当前待推送消息的标题内容及业务类型，采用关键词匹配方式将待推送消息映射到可复用的场景id中；
80.s322.根据历史推送记录、用户当天点击记录和整合后的用户渠道文案数据，采用二分类机器学习算法构建点击率预测模型；
81.s323.根据历史推送记录、用户当天下单记录和整合后的用户渠道文案数据，采用二分类机器学习算法构建转化率预测模型；
82.s324.基于点击率预测模型和转化率预测模型，预估各个用户针对当前待推送消息对应的用户收益，用户收益包括流水收益和点击收益；
83.s325.将用户收益小于预设低收益阈值的用户过滤。
84.在具体的实施例中，对于低收益过滤，包括如下步骤：
85.1)场景映射：根据当前待推送消息的标题内容和业务类型，采用关键词匹配方式将待推送消息映射到可以复用的场景id中；
86.2)构建点击率预测模型：在历史推送记录中筛选在一定时间范围内推送成功的消息记录，以消息推送成功后用户当天是否点击为标签，以整合后的用户渠道文案数据作为特征，采用二分类机器学习算法训练模型，最后构建并训练得到用户在消息推送成功后当天点击的概率预测模型，即点击率预测模型；
87.3)构建转化率预测模型：在历史推送记录中筛选在一定时间范围内推送成功的消息记录，以消息推送成功后用户当天是否下单为标签，以整合后的用户渠道文案数据作为特征，采用二分类机器学习算法训练模型，构建并训练得到用户在消息推送成功后当天下单的概率预测模型，即转化率预测模型；
88.4)用户收益预估：预估用户针对当前消息的收益，分为流水收益和点击收益两大部分，具体计算方式如下：
89.用户收益＝w1*流水收益+w2*点击收益；
90.流水收益＝(c1*ctr+c2*cvr)*近x天单均价；
91.点击收益＝ctr；
92.综上，用户收益＝w1*((c1*ctr+c2*cvr)*近x天单均价)+w2*ctr；
93.其中，w1表示流水收益加权系数，可以取经验值1，w2表示点击收益加权系数，可以取经验值1000；x可以是取经验值90；ctr表示消息推送成功后用户点击的概率预测值，该点击的概率预测值主要是根据步骤s322构建的点击率预测模型进行预测得到；cvr表示消息推送成功后用户下单的概率预测值，该下单的概率预测值主要是根据步骤s323构建的转化率预测模型进行预测得到。c1表示流水收益中ctr的权重，c2表示流水收益中cvr的权重，且c1+c2＝1，可选地，c1可以取经验值0.7，则c2可以取经验值0.3。需要说明的是，上述w1、w2、c1、c2和x的取值在此不进行具体限制，可以根据实际需求进行调整。
94.5)低收益用户过滤：根据上一步骤中计算的用户收益，结合低收益阈值，判断各个用户对应的用户收益是否小于低收益阈值，从而将收益小于低收益阈值的用户过滤掉。
95.本实施例通过综合考虑用户的点击转化率、下单转化率以及用户历史收益，定义用户消息收益，统筹过滤收益较低的用户，过滤用户收益低的消息，从而解决高收益消息因超频被拦截较多的问题。
96.可选地，如图5所示，在一些实施例中，步骤s3中的所述用户偏好预估，具体可以包括：
97.s331.基于点击率预测模型，预测每个用户对各个推送渠道的点击率，选取点击率最高的推送渠道作为该用户的最偏好渠道；
98.s332.基于点击率预测模型，预测每个用户对各个推送文案的点击率，选取点击率最高的推送文案作为该用户的最偏好文案。
99.在具体的实施例中，对于用户偏好预估，主要包括用户渠道偏好预估和用户文案偏好预估，根据用户在平台的历史表现数据，通过机器学习算法，训练用户渠道偏好模型和用户文案偏好模型，首先是根据步骤s322构建的点击率预测模型，预测各个用户在各个推送渠道上的点击概率，选取点击概率值最高的推送渠道作为该用户的最偏好渠道；然后根据步骤s322构建的点击率预测模型，预测各个用户在各个不同文案上的点击概率，选取点击概率值最高的文案作为该用户最偏好的文案。本实施例通过采用机器学习算法选择用户最偏好的渠道和文案进行消息发送，一方面，可以解决多渠道同时发送、消息发送量大、成本高且易打扰用户的问题；另一方面，可以提高已发送消息的点击率，解决营销效果差的问题。
100.s4.基于每个用户最优推送渠道和最优文案进行消息推送。
101.具体的，对于步骤s4，主要是根据步骤s3计算得到的各个待推送消息对应的每个用户的最优推送渠道和最优文案，将生成的待触达消息进行消息推送，以最优文案(用户最偏好文案)将待触达消息通过最优推送渠道推送至对应的待推送用户，待触达消息的内容可以是根据最优文案进行生成的内容。
102.请参阅图6，图6是本技术实施例提供的消息触达方法的第二种实施方式的流程示
意图。该消息触达方法主要包括人群圈选、活动任务配置、算法计算和消息触达，相比现有消息触达技术，本实施例提供的消息触达方法主要新增算法计算步骤，其中算法计算步骤中采用的算法计算模型框架图如图7所示，包括用户任务配置信息、前置规则过滤、低收益过滤、用户偏好预估和待触达用户信息。
103.如图8所示，本实施例还提供了算法计算的流程示意图，具体步骤包括：
104.获取用户任务配置信息、用户基本信息、用户历史触达信息和消费场景信息，进行用户渠道文案数据整合，然后进行前置规则过滤，判断用户渠道是否可用，若否，则过滤用户不可用渠道后执行下一步，若是，则直接执行下一步，判断用户渠道触达频次是否到达上限，若是，则过滤用户触达频次到上限的渠道执行下一步，若否，则直接执行下一步，进行场景映射，根据当前消息标题内容，以及消息的业务类型，采用关键词匹配的方式，将消息映射到可复用的场景id中；接着，根据整合后的用户渠道文案数据构建和训练点击率预测模型和转化率预测模型，从而基于点击率预测模型和转化率预测模型分别预估在消息推送成功后用户点击消息的概率和用户下单的概率，进而结合用户历史收益预估用户收益；设置低收益阈值，判断是否需要低收益过滤，若是，则结合低收益阈值过滤低收益用户后执行下一步，若否，则直接执行下一步，先进行用户渠道偏好预估，再进行用户文案偏好预估，得到用户最优渠道和文案，生成待触达用户信息后进行消息触达。
105.综上所述，本实施例提供的一种消息触达方法，包括：首先，圈选待推送用户，并配置对应的活动任务；然后，获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；接着，通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；最后，基于每个用户最优推送渠道和最优文案进行消息推送。本实施例通过在配置活动任务后对用户渠道文案数据进行整合，以便后续通过预设算法进行算法计算；然后，通过进行前置过滤，在消息推送前，过滤用户不可用渠道和已到达频次上限渠道，解决消息发送量大和消息发送成功率的问题；通过综合用户点击率预测模型和转化率预测模型，以及用户近若干天天订单均价定义用户消息收益，统筹过滤低收益信息，解决高收益消息因为触达超频被拦截较多的问题，提高消息推送成功率；通过对用户进行偏好预估，选择用户最偏好的推送渠道和文案，不仅多渠道同时发送消息导致成本高和打扰用户的问题，还能提高已发送消息的点击率，解决消息点击率低导致营销效果差的问题。
106.为了更好的实施本技术实施例的消息触达方法，本技术实施例还提供一种基于上述消息触达方法的消息触达装置，其中名词的含义与上述消息触达方法中相同，具体实施细节可以参考方法实施例中的说明。
107.请参阅图9，图9为本技术实施例提供的消息触达装置的结构示意图，其中可以包括配置模块100、整合模块200、计算模块300和推送模块400；
108.配置模块100，用于圈选待推送用户，并配置对应的活动任务；
109.具体的，对于配置模块100，主要是圈选本轮待推送消息对应的待推送用户，并配置本轮待推送消息所对应的相关活动任务。
110.整合模块200，用于获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；
111.具体的，对于整合模块200，主要是获取本次消息推送任务所需的用户渠道文案数
据并进行整合，从而得到整合后的用户渠道文案数据，以供后续通过预设算法进行算法计算得到最优推送渠道和最优文案。
112.计算模块300，用于通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；
113.具体的，对于计算模块300，主要是通过新增的算法计算模型根据预设的算法对整合后的用户渠道文案数据进行算法计算，包括前置过滤、低收益过滤和偏好估计，最终计算得到各个待推送消息对应的每个用户的最优推送渠道和最优文案，从而生成待推送消息。
114.推送模块400，用于基于每个用户最优推送渠道和最优文案进行消息推送；
115.具体的，对于推送模块400，主要是根据步骤s3计算得到的各个待推送消息对应的每个用户的最优推送渠道和最优文案，将生成的待触达消息进行消息推送，以最优文案(用户最偏好文案)将待触达消息通过最优推送渠道推送至对应的待推送用户。
116.可选地，在一些实施例中，整合模块200具体可以包括：
117.获取单元，用于获取预先配置的用户渠道文案数据，所述用户渠道文案数据包括用户任务配置信息、用户基本信息、用户历史触达信息以及消息场景信息；
118.组合单元，用于将所述用户渠道文案数据按照用户、候选渠道、候选文案及用户特征进行整合，得到整合后的用户渠道文案数据。
119.可选地，在一些实施例中，计算模块300具体可以包括前置过滤单元、低收益过滤单元和用户偏好预估单元。
120.可选地，在一些实施例中，前置过滤单元具体可以包括：
121.不可用渠道过滤子单元，用于基于预设前置规则，通过调用用户的各个推送渠道的实时接口，以根据接口返回结果判断该推送渠道是否可用，过滤用户的不可用推送渠道；
122.频次上限过滤子单元，用于基于预设前置规则，判断用户的当前推送渠道的触达频次是否达到频次管控上限，根据触达频次过滤用户的触达频次到达上限的推送渠道。
123.可选地，在一些实施例中，低收益过滤单元具体可以包括：
124.场景映射子单元，用于根据当前待推送消息的标题内容及业务类型，采用关键词匹配方式将所述待推送消息映射到可复用的场景id中；
125.点击率预测模型构建子单元，用于根据历史推送记录、用户当天点击记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建点击率预测模型；
126.转化率预测模型构建子单元，用于根据历史推送记录、用户当天下单记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建转化率预测模型；
127.用户收益预估子单元，用于基于所述点击率预测模型和所述转化率预测模型，预估各个用户针对当前待推送消息对应的用户收益，所述用户收益包括流水收益和点击收益；
128.低收益用户过滤子单元，用于将所述用户收益小于预设低收益阈值的用户过滤。
129.可选地，在一些实施例中，用户偏好预估单元具体可以包括：
130.用户渠道偏好预估子单元，用于基于点击率预测模型，预测每个用户对各个推送渠道的点击率，选取点击率最高的推送渠道作为该用户的最偏好渠道；
131.用户文案偏好预估子单元，用于基于点击率预测模型，预测每个用户对各个推送
文案的点击率，选取点击率最高的推送文案作为该用户的最偏好文案。
132.综上所述，本实施例提供的消息触达装置，包括：配置模块100，用于圈选待推送用户，并配置对应的活动任务；整合模块200，用于获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；计算模块300，用于通过预设算法对所述整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；推送模块400，用于基于所述每个用户最优推送渠道和所述最优文案进行消息推送。本实施例通过在配置活动任务后对用户渠道文案数据进行整合，以便后续通过预设算法进行算法计算；然后，通过进行前置过滤，在消息推送前，过滤用户不可用渠道和已到达频次上限渠道，解决消息发送量大和消息发送成功率的问题；通过综合用户点击率预测模型和转化率预测模型，以及用户近若干天天订单均价定义用户消息收益，统筹过滤低收益信息，解决高收益消息因为触达超频被拦截较多的问题，提高消息推送成功率；通过对用户进行偏好预估，选择用户最偏好的推送渠道和文案，不仅多渠道同时发送消息导致成本高和打扰用户的问题，还能提高已发送消息的点击率，解决消息点击率低导致营销效果差的问题。
133.此外，本技术实施例还提供一种计算机设备，如图10所示，其示出了本技术实施例所涉及的计算机设备的结构示意图，具体来讲：
134.该计算机设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解，图10中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
135.处理器301是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器301可包括一个或多个处理核心；优选的，处理器301可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。
136.存储器302可用于存储软件程序以及模块，处理器301通过运行存储在存储器302的软件程序以及模块，从而执行各种功能应用以及消息触达方法。存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器302还可以包括存储器控制器，以提供处理器301对存储器302的访问。
137.计算机设备还包括给各个部件供电的电源303，优选的，电源303可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
138.该计算机设备还可包括输入单元304，该输入单元304可用于接收输入的数字或字
符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
139.尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器301会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能，如下：圈选待推送用户，并配置对应的活动任务；获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；基于每个用户最优推送渠道和最优文案进行消息推送。
140.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
141.本技术实施例在配置活动任务后对用户渠道文案数据进行整合，以便后续通过预设算法进行算法计算；然后，通过进行前置过滤，过滤用户不可用渠道和已到达频次上限渠道，解决消息发送量大和消息发送成功率的问题；通过低收益过滤方式统筹过滤收益较低的用户，解决高收益消息因为触达超频被拦截较多的问题，提高消息推送成功率；通过对用户进行偏好预估，选择用户最偏好的推送渠道和文案，不仅多渠道同时发送消息导致成本高和打扰用户的问题，还能提高已发送消息的点击率，解决消息点击率低导致营销效果差的问题。
142.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
143.为此，本技术实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种消息触达方法中的步骤。例如，该指令可以执行如下步骤：圈选待推送用户，并配置对应的活动任务；获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；基于每个用户最优推送渠道和最优文案进行消息推送。
144.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
145.其中，该存储介质可以包括：只读存储器(rom，readonly memory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。
146.由于该存储介质中所存储的指令，可以执行本技术实施例所提供的任一种消息触达方法中的步骤，因此，可以实现本技术实施例所提供的任一种消息触达方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
147.以上对本技术实施例所提供的一种消息触达方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种消息触达方法，其特征在于，包括如下步骤：圈选待推送用户，并配置对应的活动任务；获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；通过预设算法对所述整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；基于所述每个用户最优推送渠道和所述最优文案进行消息推送。2.根据权利要求1所述的消息触达方法，其特征在于，所述配置对应的活动任务，包括：配置当前活动任务信息、任务类型、活动归属的业务线、待推送的渠道列表以及文案列表。3.根据权利要求1所述的消息触发方法，其特征在于，所述获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据，包括：获取预先配置的用户渠道文案数据，所述用户渠道文案数据包括用户任务配置信息、用户基本信息、用户历史触达信息以及消息场景信息；将所述用户渠道文案数据按照用户、候选渠道、候选文案及用户特征进行整合，得到整合后的用户渠道文案数据。4.根据权利要求3所述的消息触达方法，其特征在于，所述用户基本信息包括用户注册时长、静默注册用户标注和非静默注册用户标注，以及用户近期平台表现信息，所述用户近期平台表现信息包括预设时间段内登录信息、估价次数、下单量和订单均价；所述用户历史触达信息包括每个用户对应的各个推送渠道预设时间段内的推送量和成功率；所述消息场景信息包括不同场景下预设时间段内推送任务量、消息量、用户量、推送成功率和点击率。5.根据权利要求1所述的消息触达方法，其特征在于，所述前置过滤，包括：基于预设前置规则，通过调用用户的各个推送渠道的实时接口，以根据接口返回结果判断该推送渠道是否可用，过滤用户的不可用推送渠道；基于预设前置规则，判断用户的当前推送渠道的触达频次是否达到频次管控上限，根据触达频次过滤用户的触达频次到达上限的推送渠道。6.根据权利要求1所述的消息触达方法，其特征在于，所述低收益过滤，包括：根据当前待推送消息的标题内容及业务类型，采用关键词匹配方式将所述待推送消息映射到可复用的场景id中；根据历史推送记录、用户当天点击记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建点击率预测模型；根据历史推送记录、用户当天下单记录和所述整合后的用户渠道文案数据，采用二分类机器学习算法构建转化率预测模型；基于所述点击率预测模型和所述转化率预测模型，预估各个用户针对当前待推送消息对应的用户收益，所述用户收益包括流水收益和点击收益；将所述用户收益小于预设低收益阈值的用户过滤。7.根据权利要求1所述的消息触达方法，其特征在于，所述用户偏好预估，包括：基于点击率预测模型，预测每个用户对各个推送渠道的点击率，选取点击率最高的推送渠道作为该用户的最偏好渠道；基于点击率预测模型，预测每个用户对各个推送文案的点击率，选取点击率最高的推
送文案作为该用户的最偏好文案。8.一种消息触达装置，其特征在于，包括：配置模块，用于圈选待推送用户，并配置对应的活动任务；整合模块，用于获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；计算模块，用于通过预设算法对所述整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；推送模块，用于基于所述每个用户最优推送渠道和所述最优文案进行消息推送。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的消息触达方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的消息触达方法的步骤。

技术总结
本申请提出了一种消息触达方法、装置、计算机设备及存储介质，其中方法包括：圈选待推送用户，并配置对应的活动任务；获取用户渠道文案数据并进行整合，得到整合后的用户渠道文案数据；通过预设算法对整合后的用户渠道文案数据分别进行前置过滤、低收益过滤和用户偏好预估，得到各个待推送消息对应的每个用户最优推送渠道和最优文案；基于每个用户最优推送渠道和最优文案进行消息推送。本申请能够解决现有消息触达技术由于缺乏消息发送管控导致消息发送量大和营销触达成本高的问题，以及解决营销消息点击率低导致营销效果差的问题，从而有效提高消息发送成功率，避免高收益消息被超频拦截的情况，并且提高营销消息点击率及消息收益。收益。收益。


技术研发人员：杨丹 吴艳
受保护的技术使用者：深圳依时货拉拉科技有限公司
技术研发日：2023.05.12
技术公布日：2023/8/9