CN106897899A - 一种将客户分群后个性化推荐商品的方法及系统 - Google Patents
一种将客户分群后个性化推荐商品的方法及系统 Download PDFInfo
- Publication number
- CN106897899A CN106897899A CN201710052659.5A CN201710052659A CN106897899A CN 106897899 A CN106897899 A CN 106897899A CN 201710052659 A CN201710052659 A CN 201710052659A CN 106897899 A CN106897899 A CN 106897899A
- Authority
- CN
- China
- Prior art keywords
- user
- type
- commodity
- ship
- address
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种将客户分群后个性化推荐商品的方法及系统,其特征在于,其包括下列步骤:S1:收集商品信息,对商品档次进行划分;S2:收集用户信息,包括对用户收货地址解析和用户使用设备解析,通过收货地址将人群分为校园用户和非校园用户,分别对校园用户和非校园用户进行消费档次划分;S3:收集用户浏览信息,结合用户类型和用户的消费档次,划分出不同的商品集,并将商品集推荐给用户。该方法可以极大的提升用户的覆盖率,展示出的商品能够符合用户的预期,用户的筛选成本变低,且覆盖了所有用户,能够很好的满足不同类型用户的需求。
Description
技术领域
本发明涉及一种个性化推荐商品的方法及系统,特别是涉及一种将客户分群后个性化推荐商品的方法及系统。
背景技术
随着智能手机以及WIFI/3G/4G网络的普及,以及手机携带方便,随时随地可以使用等特点,用户每天花在手机上的时间越来越多,对于电子商务领域商家或客户越来越倾向于在手机App上销售、购买商品。
受手机的屏幕大小所限,电子商务平台App端通常是通过商品流,类目导航,搜索等方式来辅助用户浏览商品,并且由于手机端输入没有PC使用便利,搜索功能的利用率并不高。
随着线上商品类型跟数据的急剧膨胀,平台变的臃肿不堪,弊端日益凸显;一方面商家曝光的机会越来越少,流量费用越来越高,另一方面,用户面对海量商品,需要花费较长时间才可能找到自己心仪的商品。
针对以上问题,电商平台App端通常采用的解决方式有:
(1)通过类目细分的模式辅助用户筛选商品,如类目导航、类目楼层展示、男装女装电器等大类目独立成模块进行展示;
(2)通过搜索的模式筛选商品,支持的搜索项包含品牌名称,商品名称,商品属性,价格区间;
(3)结合个性化推荐,根据用户的访问信息(如浏览、收藏、搜索、加车等)或者用户画像信息(如年龄、性别、地域等)集中展示用户可能感兴趣的商品;
(4)在商品详情页中,关联展示当前商品相似度很高或者根据关联规则展示相关性较强的商品。
现有解决方案主要缺陷在于:
(1)通常细分类目后,类目下的商品体量仍旧较大,用户的选择成本依旧较高;
(2)搜索功能是基于用户有明确的购买意图,如用户明确知道品牌名称、
商品名称、商品的具体规则产地等信息,但是服装,家居用品之类的商品品牌类型众多,有明确意图的用户占比非常有限,所以仍旧不能覆盖广大意图并不明确的用户;
(3)现有的个性化推荐技术严重依赖用户行为,由于用户能够在平台上发现的商品有限,用户历史行为并不能覆盖用户的潜在购买意图,所以仅通过用户行为会使商品变窄。
发明内容
本发明的目的是为了克服上述背景技术的不足,提供一种将客户分群后个性化推荐商品的方法及系统,使其在移动端区分用户所属人群,展示出的商品能够符合用户的预期,用户的筛选成本变低,且覆盖了所有用户,能够很好的满足不同类型用户的需求。
本发明提供的一种将客户分群后个性化推荐商品的方法,其包括下列步骤:
S1:收集商品信息,对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
S2:收集用户信息,包括对用户收货地址解析和用户使用设备解析,通过收货地址将人群分为校园用户和非校园用户,分别对校园用户和非校园用户进行消费档次划分;
S3:收集用户浏览信息,结合用户类型和用户的消费档次,划分出不同的商品集,并将商品集推荐给用户,所述用户浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
本发明提供的一种将客户分群后个性化推荐商品的系统,其包括:
收集商品信息单元,用于对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
收集用户信息单元,包括收货地址解析单元和使用设备解析单元,通过收货地址将人群分为校园用户和非校园用户,分别对校园用户和非校园用户进行消费档次划分;
商品集推荐单元,包括用户浏览信息收集单元、商品集划分单元和商品集展示单元,所述用户浏览信息收集单元用于收集用户浏览信息,所述浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
所述商品集划分单元用于结合用户类型和用户的消费档次,划分出不同的商品集;所述商品展示单元,用于将商品集展示给用户。
有益效果:本发明提供一种将客户分群后个性化推荐商品的方法及系统,根据用户的性别、登陆IP、GPS定位信息、收货地址、手机设备类型等有效标示,取其中三个或者以上,根据用户分群规则将用户划分为若干人群,每个人群之间没有交集,由于针对任何一个用户上述信息均可以获取到,所以该方法可以极大的提升用户的覆盖率,确保每个用户都可以划分到对应的人群,然后针对每个人群筛选出对应的商品集,这样相当于针对每个人群对商品集做了切分,展示出的商品能够符合用户的预期,用户的筛选成本变低,且覆盖了所有用户,能够很好的满足不同类型用户的需求。
附图说明
图1为本发明实施例提供的一种将客户分群后个性化推荐商品的方法流程图;
图2为本发明实施例提供的一种将客户分群后个性化推荐商品的系统结构图。
具体实施方式
下面结合附图及实施例对本发明进行详细描述,本部分的描述仅是示范性和解释性,不应对本发明的保护范围有任何的限制作用。
如图1所示,本发明实施方式提供一种将客户分群后个性化推荐商品的方法,其包括下列步骤:
S1:在110中,所述方法收集任一商品信息,对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
S2:在120中,所述方法收集任一用户信息,包括对用户收货地址解析和用户使用设备解析,在121中,对用户的收货地址进行解析,所述收货地址解析方法为:
用户访问,判断能否获取到定位城市;
若能获取,则判断当前定位地址与之前是否一致;
若不一致,则进入监控期,且取历史定位地址;
若一致,则取历史定位地址;
若无法获取,则判断最近1个月内是否有历史定位地址;
若有,则取历史定位地址;
若无,则判断用户是否有默认收货地址;
若有收货地址,则取默认地址数据;
若无收货地址,则判断用户有无IP地址;
若有,则取IP地址;
若无,则城市数据为空。
通过收货地址将人群分为校园用户和非校园用户。
在122中,对用户实用设备进行解析,所述使用设备解析方法为:
a.未登录用户非首次访问时,则取最近登录过的机型并更新标签匹配值;
b.已登录用户非首次访问时,若用户当前访问机型与历史机型相符,则直接取历史机型数据;
若用户当前访问机型与历史机型不相符,则需要将该机型数据进入监控期,暂定监控期为7天(如果是非城市地址),在监控期内:
1)用户在监控期内一直访问新机型,未再访问过原机型,则将新机型更新为用户的机型数据;
2)用户在监控期内交替访问新旧机型,则取机型访问频次较高的那一个为用户的机型数据;
3)用户在监控期内出现第三种机型,则重新将第三种机型加入监控期,并且与原机型进行比对。
c.监控期起止时间:同一用户ID的访问机型与原机型不符时间开始,7天(如果是非城市地址)后结束,并根据规则更新数据。
,分别对校园用户和非校园用户进行消费档次划分。
如果是城市地址,则该监控期为15天,其他步骤不变。
S3:在131中,收集用户浏览信息,所述用户浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
在132中,结合121、122、131的结果,根据用户类型和用户的消费档次,划分出不同的商品集。
在133中将商品集推荐给用户。
如图2所示,本发明实施方式提供一种将客户分群后个性化推荐商品系统,其包括:
收集商品信息单元210,用于对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
收集用户信息单元220,所述收集用户信息单元220包括收货地址解析单元221和使用设备解析单元222,所述收货地址解析单元221用于对用户收货地址解析,所述收货地址解析方法为:
用户访问,判断能否获取到定位城市;
若能获取,则判断当前定位地址与之前是否一致;
若不一致,则进入监控期,且取历史定位地址;
若一致,则取历史定位地址;
若无法获取,则判断最近1个月内是否有历史定位地址;
若有,则取历史定位地址;
若无,则判断用户是否有默认收货地址;
若有收货地址,则取默认地址数据;
若无收货地址,则判断用户有无IP地址;
若有,则取IP地址;
若无,则城市数据为空。
所述用户使用设备解析单元222用于对用户使用设备解析,所述使用设备解析方法为:
a.未登录用户非首次访问时,则取最近登录过的机型并更新标签匹配值;
b.已登录用户非首次访问时,若用户当前访问机型与历史机型相符,则直接取历史机型数据;
若用户当前访问机型与历史机型不相符,则需要将该机型数据进入监控期,暂定监控期为7天,在监控期内:
1)用户在监控期内一直访问新机型,未再访问过原机型,则将新机型更新为用户的机型数据;
2)用户在监控期内交替访问新旧机型,则取机型访问频次较高的那一个为用户的机型数据;
3)用户在监控期内出现第三种机型,则重新将第三种机型加入监控期,并且与原机型进行比对。
c.监控期起止时间:同一用户ID的访问机型与原机型不符时间开始,7-15天后结束,并根据规则更新数据。
分别对校园用户和非校园用户进行消费档次划分。
商品集推荐单元230,包括用户浏览信息收集单元231、商品集划分单元232和商品集展示单元233,所述用户浏览信息收集单元231用于收集用户浏览信息,所述浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
所述商品集划分单元232用于结合用户类型和用户的消费档次,划分出不同的商品集;所述商品展示单元233,用于将商品集展示给用户。
本发明提供一种将客户分群后个性化推荐商品的方法及系统,根据用户的性别、登陆IP、GPS定位信息、收货地址、手机设备类型、手机安装App等有效标示,取其中三个或者以上,根据用户分群规则将用户划分为若干人群,每个人群之间没有交集,由于针对任何一个用户上述信息均可以获取到,所以该方法可以极大的提升用户的覆盖率,确保每个用户都可以划分到对应的人群,商品画像,给每个商品加上品牌等级、覆盖地域、性别、年龄段等人群特征标签,然后针对每个人群,筛选出对应的商品池;数据沙盘,可以灵活的配置商品排序策略,针对不同的人群特征设定不同的排序策略,用户机型跟地址变更逻辑,通常用户地址跟机型会有一个周期性的变更,比如平时出差、旅游(只是偶发性的变更),或者搬迁(真实变更),或者是换用其他手机(只是偶发性的变更),或者是购买新手机(真实变更),为了识别机型跟地址的真实变化,避免偶发性的变更影响到用户所属的人群,特采用了一套用户机型跟地址变更逻辑,采用每个用户的均可以获取的移动端基础数据,根据规则映射到对应的人群中,然后针对每个人群筛选出对应的商品集,这样相当于针对每个人群对商品集做了切分,展示出的商品能够符合用户的预期,用户的筛选成本变低,且覆盖了所有用户,能够很好的满足不同类型用户的需求。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种将客户分群后个性化推荐商品的方法,其特征在于:其包括下列步骤:
S1:收集商品信息,对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
S2:收集用户信息,包括对用户收货地址解析和用户使用设备解析,通过收货地址将人群分为校园用户和非校园用户,分别对校园用户和非校园用户进行消费档次划分;
S3:收集用户浏览信息,结合用户类型和用户的消费档次,划分出不同的商品集,并将商品集推荐给用户,所述用户浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
2.如权利要求1所述的一种将客户分群后个性化推荐商品的方法,其特征在于:所述收货地址解析方法为:
用户访问,判断能否获取到定位城市;
若能获取,则判断当前定位地址与之前是否一致;
若不一致,则进入监控期,且取历史定位地址;
若一致,则取历史定位地址;
若无法获取,则判断最近1个月内是否有历史定位地址;
若有,则取历史定位地址;
若无,则判断用户是否有默认收货地址;
若有收货地址,则取默认地址数据;
若无收货地址,则判断用户有无IP地址;
若有,则取IP地址;
若无,则城市数据为空。
3.如权利要求1所述的一种将客户分群后个性化推荐商品的方法,其特征在于:所述使用设备解析方法为:
a.未登录用户非首次访问时,则取最近登录过的机型并更新标签匹配值;
b.已登录用户非首次访问时,若用户当前访问机型与历史机型相符,则直接取历史机型数据;
若用户当前访问机型与历史机型不相符,则需要将该机型数据进入监控期,暂定监控期为7天,在监控期内:
1)用户在监控期内一直访问新机型,未再访问过原机型,则将新机型更新为用户的机型数据;
2)用户在监控期内交替访问新旧机型,则取机型访问频次较高的那一个为用户的机型数据;
3)用户在监控期内出现第三种机型,则重新将第三种机型加入监控期,并且与原机型进行比对。
c.监控期起止时间:同一用户ID的访问机型与原机型不符时间开始,7-15天后结束,并根据规则更新数据。
4.一种将客户分群后个性化推荐商品的系统,其特征在于:其包括:
收集商品信息单元,用于对商品档次进行划分,具体划分方法如下:
如果是线下有大型卖场的品牌,该类型品牌下的商品被标注为A档;
如果是有品牌效应的商家,该类型商家下的商品被标注为B档;
如果是直接工厂供货的无明显品牌的厂家,该类型厂家下的商品被标注为C档;
如果是校园用户经常消费的商品,则该商品被标注为校园档。
收集用户信息单元,包括收货地址解析单元和使用设备解析单元,通过收货地址将人群分为校园用户和非校园用户,分别对校园用户和非校园用户进行消费档次划分;
商品集推荐单元,包括用户浏览信息收集单元、商品集划分单元和商品集展示单元,所述用户浏览信息收集单元用于收集用户浏览信息,所述浏览信息包括:
(1)用户地域、行业类型和职业类型;
(2)用户年龄段和性别;
(3)用户浏览或者购买过的商品标签,包括品牌、商品属性、风格款式;
(4)用户浏览、搜索、收藏、购买、领券行为。
所述商品集划分单元用于结合用户类型和用户的消费档次,划分出不同的商品集;所述商品展示单元,用于将商品集展示给用户。
5.如权利要求4所述的一种将客户分群后个性化推荐商品的系统,其特征在于:所述收货地址解析单元用于对用户收货地址解析,所述收货地址解析方法为:
用户访问,判断能否获取到定位城市;
若能获取,则判断当前定位地址与之前是否一致;
若不一致,则进入监控期,且取历史定位地址;
若一致,则取历史定位地址;
若无法获取,则判断最近1个月内是否有历史定位地址;
若有,则取历史定位地址;
若无,则判断用户是否有默认收货地址;
若有收货地址,则取默认地址数据;
若无收货地址,则判断用户有无IP地址;
若有,则取IP地址;
若无,则城市数据为空。
6.如权利要求4所述的一种将客户分群后个性化推荐商品的系统,其特征在于:所述用户使用设备解析单元用于对用户使用设备解析,所述使用设备解析方法为:
a.未登录用户非首次访问时,则取最近登录过的机型并更新标签匹配值;
b.已登录用户非首次访问时,若用户当前访问机型与历史机型相符,则直接取历史机型数据;
若用户当前访问机型与历史机型不相符,则需要将该机型数据进入监控期,暂定监控期为7天,在监控期内:
1)用户在监控期内一直访问新机型,未再访问过原机型,则将新机型更新为用户的机型数据;
2)用户在监控期内交替访问新旧机型,则取机型访问频次较高的那一个为用户的机型数据;
3)用户在监控期内出现第三种机型,则重新将第三种机型加入监控期,并且与原机型进行比对。
c.监控期起止时间:同一用户ID的访问机型与原机型不符时间开始,7-15天后结束,并根据规则更新数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052659.5A CN106897899A (zh) | 2017-01-24 | 2017-01-24 | 一种将客户分群后个性化推荐商品的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052659.5A CN106897899A (zh) | 2017-01-24 | 2017-01-24 | 一种将客户分群后个性化推荐商品的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106897899A true CN106897899A (zh) | 2017-06-27 |
Family
ID=59198751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710052659.5A Pending CN106897899A (zh) | 2017-01-24 | 2017-01-24 | 一种将客户分群后个性化推荐商品的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106897899A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182625A (zh) * | 2017-12-28 | 2018-06-19 | 广州品唯软件有限公司 | 一种电商用户商品推荐方法和装置 |
CN109064227A (zh) * | 2018-07-30 | 2018-12-21 | 广州新趋士网络科技有限公司 | 一种基于大数据的客户分析系统 |
CN109255564A (zh) * | 2017-07-13 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 一种取件点地址推荐方法及装置 |
CN109272373A (zh) * | 2018-08-02 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 一种基于计算机的品牌推荐方法 |
CN109272350A (zh) * | 2018-08-31 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 小区类型确定方法和装置、电子设备 |
CN109903107A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 用于生成信息的方法和装置 |
CN110111151A (zh) * | 2019-05-10 | 2019-08-09 | 四川合锐信息技术有限公司 | 一种基于人群标签数据的精准广告分析方法及系统 |
CN110134827A (zh) * | 2019-03-28 | 2019-08-16 | 北京达佳互联信息技术有限公司 | 一种推荐视频的确定方法、装置、电子设备及存储介质 |
CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
CN110335097A (zh) * | 2019-04-04 | 2019-10-15 | 深圳壹账通智能科技有限公司 | 基于数据分析的白名单配置方法、装置、设备及存储介质 |
CN111210302A (zh) * | 2019-12-29 | 2020-05-29 | 方正株式(武汉)科技开发有限公司 | 报纸分片推销方法及系统、服务器及介质 |
CN112529666A (zh) * | 2020-12-18 | 2021-03-19 | 中国联合网络通信集团有限公司 | 商品推荐方法、系统、计算机设备及存储介质 |
CN113362123A (zh) * | 2020-03-02 | 2021-09-07 | 北京沃东天骏信息技术有限公司 | 物品推荐系统、物品推荐的方法、计算机系统和介质 |
CN113657951A (zh) * | 2020-05-12 | 2021-11-16 | 阿里巴巴集团控股有限公司 | 商品推荐方法及装置、商品发布处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109778A1 (en) * | 2007-03-30 | 2012-05-03 | Chan James D | Item recommendation system which considers user ratings of item clusters |
CN102609860A (zh) * | 2012-01-20 | 2012-07-25 | 彭立发 | 一种适用于电子商务的商品与信息分类推荐方法及系统 |
CN103279869A (zh) * | 2013-05-24 | 2013-09-04 | 北京京东尚科信息技术有限公司 | 一种确定信息处理目标的方法和装置 |
CN104134145A (zh) * | 2013-05-02 | 2014-11-05 | 北京京东尚科信息技术有限公司 | 收货地址纠错方法及系统 |
CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和系统 |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐系统及信息推荐方法 |
-
2017
- 2017-01-24 CN CN201710052659.5A patent/CN106897899A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109778A1 (en) * | 2007-03-30 | 2012-05-03 | Chan James D | Item recommendation system which considers user ratings of item clusters |
CN102609860A (zh) * | 2012-01-20 | 2012-07-25 | 彭立发 | 一种适用于电子商务的商品与信息分类推荐方法及系统 |
CN104134145A (zh) * | 2013-05-02 | 2014-11-05 | 北京京东尚科信息技术有限公司 | 收货地址纠错方法及系统 |
CN103279869A (zh) * | 2013-05-24 | 2013-09-04 | 北京京东尚科信息技术有限公司 | 一种确定信息处理目标的方法和装置 |
CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和系统 |
CN106327227A (zh) * | 2015-06-19 | 2017-01-11 | 北京航天在线网络科技有限公司 | 一种信息推荐系统及信息推荐方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255564A (zh) * | 2017-07-13 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 一种取件点地址推荐方法及装置 |
CN109255564B (zh) * | 2017-07-13 | 2022-09-06 | 菜鸟智能物流控股有限公司 | 一种取件点地址推荐方法及装置 |
CN109903107A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 用于生成信息的方法和装置 |
CN108182625A (zh) * | 2017-12-28 | 2018-06-19 | 广州品唯软件有限公司 | 一种电商用户商品推荐方法和装置 |
CN109064227A (zh) * | 2018-07-30 | 2018-12-21 | 广州新趋士网络科技有限公司 | 一种基于大数据的客户分析系统 |
CN109272373A (zh) * | 2018-08-02 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 一种基于计算机的品牌推荐方法 |
CN109272373B (zh) * | 2018-08-02 | 2021-09-14 | 创新先进技术有限公司 | 一种基于计算机的品牌推荐方法 |
CN109272350B (zh) * | 2018-08-31 | 2021-07-30 | 创新先进技术有限公司 | 小区类型确定方法和装置、电子设备 |
CN109272350A (zh) * | 2018-08-31 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 小区类型确定方法和装置、电子设备 |
CN110134827A (zh) * | 2019-03-28 | 2019-08-16 | 北京达佳互联信息技术有限公司 | 一种推荐视频的确定方法、装置、电子设备及存储介质 |
CN110335097A (zh) * | 2019-04-04 | 2019-10-15 | 深圳壹账通智能科技有限公司 | 基于数据分析的白名单配置方法、装置、设备及存储介质 |
CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
CN110111151A (zh) * | 2019-05-10 | 2019-08-09 | 四川合锐信息技术有限公司 | 一种基于人群标签数据的精准广告分析方法及系统 |
CN111210302A (zh) * | 2019-12-29 | 2020-05-29 | 方正株式(武汉)科技开发有限公司 | 报纸分片推销方法及系统、服务器及介质 |
CN113362123A (zh) * | 2020-03-02 | 2021-09-07 | 北京沃东天骏信息技术有限公司 | 物品推荐系统、物品推荐的方法、计算机系统和介质 |
CN113657951A (zh) * | 2020-05-12 | 2021-11-16 | 阿里巴巴集团控股有限公司 | 商品推荐方法及装置、商品发布处理方法及装置 |
CN112529666A (zh) * | 2020-12-18 | 2021-03-19 | 中国联合网络通信集团有限公司 | 商品推荐方法、系统、计算机设备及存储介质 |
CN112529666B (zh) * | 2020-12-18 | 2023-08-15 | 中国联合网络通信集团有限公司 | 商品推荐方法、系统、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106897899A (zh) | 一种将客户分群后个性化推荐商品的方法及系统 | |
JP6582085B2 (ja) | ウェブページコンテンツを生成するための方法および装置 | |
CN103119549B (zh) | 自动定位信息系统 | |
US20040054752A1 (en) | Fashion information server device and fashion information management method | |
CN106991576A (zh) | 一种地理区域的热力展现方法和装置 | |
CN102314654B (zh) | 一种信息推送方法及信息推送服务器 | |
CN106155496A (zh) | 一种信息展示方法及装置 | |
US20120246000A1 (en) | Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
KR20100128321A (ko) | 광고 표시 방법, 광고 표시 시스템 및 광고 표시 프로그램 | |
CN107315824A (zh) | 用于生成热力图的方法和装置 | |
CN102855273A (zh) | 终端和信息获取方法 | |
CN106570716A (zh) | 提供商品对象信息的方法及装置 | |
WO2012024514A1 (en) | System and method for matching color swatches | |
CN110246007A (zh) | 一种商品推荐方法及装置 | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
CN110619553B (zh) | 一种商品信息展示方法、装置、电子设备及存储介质 | |
CN105144223A (zh) | 信息处理装置、信息处理方法、信息处理系统、信息提供装置及其程序 | |
CN107292365A (zh) | 商品标签的绑定方法、装置、设备及计算机可读存储介质 | |
CN110210887A (zh) | 一种用户权益数据的处理方法及装置 | |
CN103347267A (zh) | 目标区域内移动客户端识别系统及识别方法 | |
CN111279376A (zh) | 基于图像的广告提供方法、装置及计算机程序 | |
CN107315823A (zh) | 基于电子商务的数据处理方法与装置 | |
JP5249415B2 (ja) | データ統計を提供するための方法及び装置 | |
KR20170014444A (ko) | 모바일 어플리케이션을 이용한 개인 간의 렌탈 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170627 |