[发明专利]一种基于用户网格划分的消息推送方法和系统

说明书

本发明提供了一种基于用户网格划分的消息推送方法和系统，涉及数据处理领域，所述方法包括：通过用户授权拉取访问用户的位置信息，并记录一段时间内用户的位置变化数据，通过将位置变化数据输入神经网络模型的方式，对用户的常用访问位置进行训练学习，从而确定出用户的常用访问位置，基于访问用户的常用访问位置、关注的地理位置以及录入位置，确定访问用户的实际地理位置，基于此实际地理位置对用户按照区域进行网格划分和消息推送，实现了对用户位置确定的准确性，提高了用户网格划分的准确性，解决了现有技术中对用户的网格划分不准确，导致根据地理位置向客户推送消息时消息推送精准度差的技术问题，提高了消息推送精准度。

技术领域

本发明涉及数据处理领域，特别涉及一种基于用户网格划分的消息推送方法和系统。

背景技术

目前，很多企业都在做基于私有化运营的数字化运营体系。但是在私有化的前期阶段，主要以用户数量为依据，根据运营商的特点，基于用户访问时授权获取的位置信息为依据来对用户进行划分网格。但是实际操作时，由于客户是流动的，客户的地理地址经常存在不唯一、不准确等情况，经常导致网格划分结果出错，从而导致仅根据地理位置向客户推送消息时，出现重复打扰客户、消息推送精准度差等技术问题。

发明内容

有鉴于此，本发明实施例提供了一种基于用户网格划分的消息推送方法，以解决现有技术中对用户的网格划分不准确，导致根据地理位置向客户推送消息时消息推送精准度差的技术问题，该方法包括：

针对访问业务页面的访问用户，在所述访问用户授权的情况下，获取所述访问用户在预设时间段内的网络访问活动数据，所述网络访问活动数据包括所述访问用户的访问位置，所述访问位置为所述访问用户访问网络时所在的地理位置；

根据所述网络访问活动数据，获取所述访问用户的访问位置变化数据，所述访问位置变化数据包括一个或多个所述访问位置和各所述访问位置对应的时间戳；

将所述访问位置变化数据输入到训练后的机器学习模型中，获得所述访问用户的常用访问位置；

获取所述访问用户的与地理位置相关的网络访问内容数据，根据所述网络访问内容数据获取所述访问用户关注的地理位置；

根据所述访问用户的所述常用访问位置、所述关注的地理位置以及录入位置，确定所述访问用户的实际地理位置，其中，所述录入位置为所述访问用户在所述业务页面预存的地理位置；

将所述访问用户的所述实际地理位置与业务网格数据进行匹配，确定所述访问用户对应的网格数据，其中，所述业务网格数据包括多个网格数据，不同网格数据包括不同的地理区域和不同的业务范围；

通过所述访问用户对应网格数据的业务范围中的服务人员的账号，向所述访问用户的账号推送消息。

进一步的，将所述访问位置变化数据输入到训练后的机器学习模型中，获得所述访问用户的常用访问位置，包括：

对所述访问位置变化数据中的异常数据进行剔除，其中，所述异常数据为相邻两个所述访问位置对应的时间戳差值小于预设阈值的数据；

对异常数据剔除后的所述访问位置变化数据进行特征提取，提取所述访问用户的位置变化相关数据，所述位置变化相关数据包括访问位置、在每个访问位置的停留时长和访问位置的聚集范围；

对所述位置变化相关数据进行数据预处理；

建立所述机器学习模型，其中，在建立所述机器学习模型的过程中，利用测量精度和召回率作为指标对所述机器学习模型进行评估和改进；

将数据预处理之后的所述位置变化相关数据输入所述机器学习模型，所述机器学习模型输出所述访问用户的常用访问位置。

进一步的，根据所述访问用户的所述常用访问位置、所述关注的地理位置以及录入位置，确定所述访问用户的实际地理位置，包括：