CN106897899A - 一种将客户分群后个性化推荐商品的方法及系统 - Google Patents

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

一种将客户分群后个性化推荐商品的方法及系统

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。