本發(fā)明屬于短信群發(fā)場景中的優(yōu)化方法，具體是指一種短信發(fā)送時間優(yōu)化方法。
背景技術(shù)：
1、現(xiàn)有的短信群發(fā)技術(shù)中，無法實現(xiàn)千人千面的最佳發(fā)送時機判斷機制，導(dǎo)致用戶收到短信的時間可能出現(xiàn)無暇打開和閱讀的情況，從而降低了短信發(fā)送后的閱讀率。
2、為了提高用戶打開并閱讀短信的概率，可以通過分析用戶兩方面的行為數(shù)據(jù)(通信行為數(shù)據(jù)和手機界面操作行為數(shù)據(jù))，通過大數(shù)據(jù)建模的方式，定義這些行為數(shù)據(jù)判斷用戶是否空閑的影響因子(分為正向因子和負向因子，并定義影響因素的強弱，如：強正向因子，弱負向因子等)，根據(jù)這些影響因子的疊加，找到用戶較為空閑的時段，并在這些空閑的時段安排短信下發(fā)，從而提高用戶閱讀短信的概率。
技術(shù)實現(xiàn)思路
1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種短信發(fā)送時間優(yōu)化方法，本方案旨在為每個用戶的每個時間分片進行行為分析建模，得到每個用戶每個時間分片的空閑估值。
2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供了一種短信發(fā)送時間優(yōu)化方法，包括以下步驟：
3、步驟一：用戶行為數(shù)據(jù)的影響因子定義，分為用戶通信行為數(shù)據(jù)以及用戶手機界面操作行為數(shù)據(jù)；
4、步驟二，建模方法描述，采樣時間分片，把每天可以發(fā)送短信，并且不會影響用戶休息的時段切分成n個采樣時間分片，在每個時間分片中，統(tǒng)計用戶各種行為數(shù)據(jù)；
5、步驟三，子模型定義，由于工作日和節(jié)假日，用戶的行為模型差異較大，故而定義兩個子模型，即工作日子模型和節(jié)假日子模型，兩個子模型的采樣時間分片相同，但最終輸出各時間分片數(shù)值時，按照各子模型分別計算和輸出；
6、步驟四，影響力定義，定義四種行為影響因子，分別為強正向因子、弱正向因子、強負向因子、弱負向因子；并對每個因子進行影響力的賦值；
7、步驟五，影響因子疊加算法：以工作日子模型為例(節(jié)假日子模型實現(xiàn)方法雷同)，取某個特定用戶上一個月的時間分片數(shù)據(jù)進行權(quán)重因子疊加計算。
8、進一步地，所述步驟二自定義時段可以給用戶發(fā)短信，并且不會影響用戶休息的時段，再定義采樣時間的分片為15分鐘(分片時長可以自定義)，則每天有48個時間分片，用于統(tǒng)計用戶的各種行為數(shù)據(jù)。
9、進一步地，所述步驟三工作日子模型中，時間分片的最終輸出結(jié)果是負值，表示用戶不空閑；但是，在節(jié)假日子模型中，時間分片的最終輸出結(jié)果是正值，表示用戶空閑。
10、進一步地，所述步驟四可以定義正向因子和負向因子的影響力相同，這時，定義強正向因子和強負向因子的絕對值相同，但正負取值相反，如：取值為a和-a。弱向因子和弱負向因子的絕對值相同，但正負取值相反，如：取值為b和-b；
11、也可以定義正向因子和負向因子的影響力不相同，從而實現(xiàn)偏重正向行為或者負向行為的模型計算方法。
12、采用上述結(jié)構(gòu)本發(fā)明取得的有益效果如下：
13、1.本方案采用大數(shù)據(jù)建模分析每個用戶在每個時間分片的行為模式和響應(yīng)時間，自動確定每個用戶的最佳的短信發(fā)送時間，從而提高用戶的閱讀和反應(yīng)率
1.一種短信發(fā)送時間優(yōu)化方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種短信發(fā)送時間優(yōu)化方法，其特征在于：所述步驟二自定義時段可以給用戶發(fā)短信，并且不會影響用戶休息的時段，再定義采樣時間的分片為15分鐘(分片時長可以自定義)，則每天有48個時間分片，用于統(tǒng)計用戶的各種行為數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的一種短信發(fā)送時間優(yōu)化方法，其特征在于：所述步驟三工作日子模型中，時間分片的最終輸出結(jié)果是負值，表示用戶不空閑；但是，在節(jié)假日子模型中，時間分片的最終輸出結(jié)果是正值，表示用戶空閑。
4.根據(jù)權(quán)利要求3所述的一種短信發(fā)送時間優(yōu)化方法，其特征在于：所述步驟四可以定義正向因子和負向因子的影響力相同，這時，定義強正向因子和強負向因子的絕對值相同，但正負取值相反，如：取值為a和-a。弱向因子和弱負向因子的絕對值相同，但正負取值相反，如：取值為b和-b；