CN102903047A - 一种商品信息投放方法和设备 - Google Patents

Abstract

本申请公开了一种商品信息投放方法和设备，该方法包括：获取目标用户的操作信息，并确定所述操作信息对应的商品；获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；根据所述商品的推荐值向所述目标用户投放相应的商品信息。采用本申请，可以降低商品信息投放过程中服务器的负担及网络资源的占用。

Description

一种商品信息投放方法和设备

技术领域

本申请涉及计算机技术领域，特别是涉及一种商品信息投放方法和设备。

背景技术

随着网络技术的飞速发展，网络购物依靠其方便灵活的优势，已经逐步的发展起来，并成为了人们日常生活的重要组成部分，用户无需走出家门，就可以通过网络购买商品，而且通过网络，用户可以获取到更丰富的商品信息，经过比较选择最符合自己要求的商品。

然而，由于网络可以汇集数量庞大的商品信息，致使用户需要从海量的商品中选择出符合要求的商品，所以，用何种方式向用户投放商品信息，才能更好的缩小用户手动查找的范围，使用户能够更快更方便的选择出最符合自己要求的商品，成为了网络购物平台的重要研究课题。

现有技术中，网络购物平台进行商品信息的投放时，一般依据商品特性、商家信用、商品价格、商家地址等信息对商品进行排序，并依据排序结果将对应的商品信息投放给用户。例如，当用户形成购买意向后在网络购物平台输入关键词检索自己关心的商品时，网络购物平台便会根据用户对商品价格、商品特性、商家地址、商家信用等的要求对检索结果进行排序，并将排序后的检索结果展示给用户。

在实现本申请的过程中，发明人发现现有技术至少存在如下问题：只从商品价格、商品特性、商家信誉等方面对商品进行评估排序，最终投放给用户的商品信息与用户需求的匹配程度仍然较低，此时如果用户希望获取到其需求的商品信息，则会多次的请求获取新的商品信息，进而需要网络购物平台增加商品信息投放的次数，然而，多次商品信息的请求或投放必然会增大服务器的负担及网络资源的占用，并导致商品信息投放的时间延长、效率降低。

发明内容

本申请的目的在于提供一种商品信息投放方法和设备，以降低商品信息投放过程中服务器的负担及网络资源的占用，为此，本申请实施例采用如下技术方案：

一种商品信息投放方法，包括：

获取目标用户的操作信息，并确定所述操作信息对应的商品；

获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；

根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；

根据所述商品的推荐值向所述目标用户投放相应的商品信息。

一种商品信息投放设备，其特征在于，包括：

第一获取模块，用于获取目标用户的操作信息，并确定所述操作信息对应的商品；

第二获取模块，用于获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；

确定模块，用于根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；

投放模块，用于根据所述商品的推荐值向所述目标用户投放相应的商品信息。

本申请的实施例具有以下优点，根据商品对应的评价值以及各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度确定推荐值，以根据该推荐值向目标用户投放商品信息，从而提高了商品信息投放结果与用户需求的匹配度，进而降低了商品信息投放过程中服务器的负担及网络资源的占用。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

图1为本申请实施例提供的商品信息投放方法的流程示意图之一；

图2为本申请实施例提供的商品信息投放方法的流程示意图之二；

图3为本申请实施例提供的商品信息投放设备的结构示意图。

具体实施方式

下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的核心思想是：根据商品的评价值和评价值对应的用户ID与目标用户的用户ID之间的好友关系维度确定推荐值，以根据该推荐值向目标用户投放商品信息。

如图1所示，为本申请实施例提供的商品信息投放的流程，具体包括以下步骤：

步骤101，获取目标用户的操作信息，并确定所述操作信息对应的商品。

其中，目标用户的操作信息可以包括用户进行检索的关键词，或用户的历史浏览信息，或用户在服务器上发布的信息(例如，用户在微博上发布的信息)等。

具体的，确定所述操作信息对应的商品的方法可以是，直接获取目标用户在进行关键词检索时，在检索栏输入的关键词对应的商品；也可以从目标用户的历史浏览信息中获取相应的商品，例如，获取目标用户历史浏览记录中浏览次数最多的几种商品，将这几种商品的共同特征作为条件，获取符合条件的商品；还可以是获取用户在服务器上发布的信息，例如，某用户在微博上发布信息“近期准备换手机”，则可以将“手机”作为商品特征以获取对应该特征的商品。

步骤102，获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度。

具体的，获取商品对应的评价值的方法可以是：先获取商品的历史交易信息和/或评价信息，然后确定各历史交易信息和/或评价信息对应的评价值。

例如，某用户检索关键词“翻盖手机”，系统获取所有商品信息中包含关键词“翻盖手机”的商品，或者根据预设条件(如，发布时间在1个月之内，或历史交易数量超过某阈值等)在所有商品信息中包含关键词“翻盖手机”的商品中获取部分商品。系统在获取操作信息对应的商品以后，进一步调用对应商品的历史交易信息，也可以调用这些商品的评价信息，并根据历史交易信息和/或评价信息确定对应的评价值。历史交易信息可以是交易成功、退货等，系统可以对其预设不同的评价值，如设置交易成功的评价值为3，设置退货的评价值为-1。评价信息可以是“很好”、“好”、“一般”、“不好”、“很差”等，系统可以对其预设不同的评价值，如设置“很好”的评价值为3、“好”的评价值为2、“一般”的评价值为1、“不好”的评价值为-1、“很差”的评价值为-2。系统还可以针对历史交易信息和评价信息综合设置评价值，如设置交易成功且评价“很好”的评价值为5，设置退货且评价“好”的评价值为2，设置交易成功且评价“不好”的评价值为-2。

又例如，某用户在网上发布了一条信息“近期准备买个翻盖手机”，其他用户可以对该信息进行回复。在向用户提供传统的信息发布栏和回复栏的基础上，系统还可以为发布信息的用户提供一些额外需要填写(或选择)的项目，如商品类目、商品型号等，同时也为进行回复的用户提供一些额外需要填写(或选择)的项目，如商品类目、商品型号、关键属性(颜色、尺寸、性能参数等)、价格等，通过上述填写的项目系统可以确定对应的商品(多个用户的回复中可能对应有相同的商品也可能对应有不同的商品)。系统还可以为进行回复的用户提供评价等级的选项，如系统设置选项为“很好”、“好”、“一般”、“不好”、“很差”，系统还可以为各选项设置对应的评价值，如“很好”的评价值为3、“好”的评价值为2、“一般”的评价值为1、“不好”的评价值为-1、“很差”的评价值为-2，系统在设置评价值的时候，还可以综合考虑给出评价的用户是否购买过其评价的商品，如设置购买过对应商品的用户选择“很好”的评价的评价值为5，设置没有购买过对应商品的用户选择“很好”的评价的评价值为3，设置购买过对应商品的用户选择“很差”的评价的评价值为-4，设置没有购买过对应商品的用户选择“很好”的评价的评价值为-2。根据上述填写(或选择)的商品类目、商品型号等项目，系统可以对相同产品的评价值进行统计。

另外，除了根据商品的历史交易信息、评价信息获取商品评价值，还可以根据商品的收藏操作记录获取商品评价值。例如，某用户检索关键词“翻盖手机”，系统则获取商品信息中包含关键词“翻盖手机”的商品，然后获取这些商品的评价值，系统可以设置每个收藏操作对应的评价值为1，如某商品被收藏过100次，那么该商品就对应有100个数值为1的评价值。

获取各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，即获取进行历史交易的用户的ID、发起评价的用户的ID或进行收藏操作的用户的ID等与目标用户的用户ID之间的好友关系维度。具体的获取方法可以是：在预存有各用户ID之间的好友关系信息的好友关系库中，识别所述评价值对应的用户ID和所述目标用户的用户ID，并将两者之间的最小好友关系层数，确定为所述评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度。

其中，好友关系维度用于表示两个用户之间的好友关系。具体的，在好友关系库中，用户A和用户B可能是好友，也可能不是好友。在用户A和用户B不是好友的情况下，他们之间可能有共同的好友，如用户C是用户A的好友也是用户B的好友；或者用户A的好友的好友是用户B的好友，如用户C是用户A的好友，用户D是用户C的好友也是用户B的好友，即用户A和用户B之间通过3层好友关系联系在一起；又或者用户A和用户B之间通过4层(或更多层)好友关系联系在一起。而且，会存在一种情况，用户A和用户B存在两种好友关联，一种关联是，用户C是用户A的好友，用户D是用户C的好友也是用户B的好友，另一种关联是，用户E是用户A的好友也是用户B的好友。综合考虑上述情况，好友关系维度定义的是两个用户ID之间的最小好友关系层数。

步骤103，根据评价值和各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度，确定对应的商品的推荐值。

具体的，一种确定推荐值的方法可以是：首先，根据各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度，确定各评价值对应的权值；然后，根据评价值和各评价值对应的权值，确定各评价值的加权平均值，作为对应的商品的推荐值。

具体的，系统可以预先对不同的好友关系维度设置对应的权值，如好友关系维度1对应的权值为6，好友关系维度2对应的权值为5......好友关系维度6对应的权值为1，可以设置大于6的好友关系维度对应的权值都为1(依据六度分割理论，两个人之间的好友关系维度不会超过六层，但是由于只通过网站好友的关系不能反映用户的所有关系网，所以往往会出现好友关系维度超过6的情况)。在设置权值时，还可以考虑评价值对应的用户的身份，可以是买家、卖家或网络购物平台，如设置不同好友关系维度的对应身份为买家的用户ID对应的权值为12、10、8、6、4、2，设置不同好友关系维度的对应身份为卖家的用户ID对应的权值为3、2.5、2、1.5、1、0.5(相同好友关系维度的对应身份为买家的用户ID对应的权值大于对应身份为卖家的用户ID对应的权值)，设置对应身份为网络购物平台的用户ID对应的权值为10。另外，还可以对与目标用户有特殊关系的人发起的评价或历史交易设置特殊的权值，如设置用户的密友或亲人给出的评价对应的权值为8。

对于发起评价的用户的身份是卖家的情况，由于其评价可能带有较大的销售倾向，所以其评价值的高低是不需要考虑的，可以只需要考虑他的评价是正面的还是负面的，即只需要考虑评价值的正负，具体的方法可以是：在计算推荐值之前，将对应的用户身份为卖家的评价值中所有正的评价值调整为正标准值(如1)，将对应的用户身份为卖家的评价值中所有负的评价值调整为负标准值(如-0.8)。

另外对于发起评价的用户是卖家的情况，可以根据卖家信用值(或称信誉度)的不同获取不同的权值，具体的方法可以是：在获取权值时，根据各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度，以及评价值对应的用户ID的信用值，确定各评价值对应的权值。其中，可以设置，信用值越高，对应权值越高。

上述内容阐述了根据评价值及其对应的权值计算推荐值的方法，另外，还可以通过以下的方法获取商品的推荐值：如果目标用户的所有好友(好友之间的好友关系维度为1)都对商品给予最高的评价，那么系统可以直接设置此商品的推荐值为一个较高值，以向目标用户优先推荐此商品；或者，如果目标用户的多数好友都对商品给予最低的评价，那么系统可以直接将此商品的推荐值设置为0，以不向目标用户推荐此商品。

步骤104，根据所述商品的推荐值向目标用户投放相应的商品信息。

具体的，可以将商品按照推荐值的大小顺序排列，并根据排列后的顺序向目标用户投放对应的商品信息；也可以对高推荐值的商品进行随机排列，再根据排列后的顺序向目标用户投放对应的商品信息；还可以在向目标用户投放商品信息时，不按照推荐值排列商品，而是在商品信息中记录该商品的推荐值，并投放给目标用户。

本申请实施例，根据商品对应的评价值以及各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度确定推荐值，以根据该推荐值向目标用户投放商品信息，从而提高了商品信息投放结果与用户需求的匹配度，进而降低了商品信息投放过程中服务器的负担及网络资源的占用。

下面将结构具体应用场景对本申请实施例提供的商品信息投放方法进行阐述，具体流程如图2所示，包括：

步骤201，获取目标用户在服务器上发布的信息，其中包括商品类目或关键词。如用户在微博上发布信息“近期准备换手机”，关键词为“手机”。

步骤202，获取其他用户对目标用户发布的信息的回复信息。回复信息中可以包括对某商品的评价、评价等级、商品类目、商品型号、关键属性、价格等信息。

步骤203，判断进行回复的用户的身份，如果身份为买家，则执行步骤204-205，如果身份为卖家，则执行步骤206-207。

步骤204，根据回复信息确定对应的商品以及对应的评价值。

步骤205，根据进行回复的用户的用户ID与目标用户的用户ID之间的好友关系维度和进行回复的用户的身份，确定对应的权值。执行完此步骤后，执行步骤208。

步骤206，根据回复信息确定对应的商品以及对应的评价值，将大于0的评价值都调整为1，将小于0的评价值都调整为-1。

步骤207，根据进行回复的用户的用户ID与目标用户的用户ID之间的好友关系维度、进行回复的用户的身份和进行回复的用户的信用值，确定对应的权值。执行完此步骤后，执行步骤208。

步骤208，对回复信息中，针对各商品的评价所对应的评价值和权值进行统计，计算各商品的推荐值。

步骤209，根据各商品的推荐值对商品进行排列，并根据排列后的顺序向目标用户投放对应的商品信息。

步骤210，用户根据获取到的商品信息，选择满意的商品进入支付购买流程。

本申请实施例，根据商品对应的评价值以及各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度确定推荐值，以根据该推荐值向目标用户投放商品信息，从而提高了商品信息投放结果与用户需求的匹配度，进而降低了商品信息投放过程中服务器的负担及网络资源的占用。

基于相同的技术构思，本申请实施例还提供了一种商品信息投放设备，如图3所示，该设备可以包括：

第一获取模块310，用于获取目标用户的操作信息，并确定所述操作信息对应的商品；

第二获取模块320，用于获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；

确定模块330，用于根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；

投放模块340，用于根据所述商品的推荐值向所述目标用户投放相应的商品信息。

优选的，所述第一获取模块310，具体用于：

获取用户进行检索的关键词、或用户的历史浏览信息、或用户在服务器上发布的信息。

优选的，所述第二获取模块320，具体用于：

在预存有各用户ID之间的好友关系信息的好友关系库中，识别所述评价值对应的用户ID和所述目标用户的用户ID，并将两者之间的最小好友关系层数，确定为所述评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度。

优选的，所述第二获取模块320，具体用于：

获取所述商品的历史交易信息和/或评价信息；

确定各历史交易信息和/或评价信息对应的评价值。

优选的，所述确定模块330，具体用于：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定各评价值对应的权值；

根据所述评价值和所述各评价值对应的权值，确定各评价值的加权平均值，作为对应的商品的推荐值；

其中，所述评价值对应的用户身份包括：买家、卖家或网络购物平台。

优选的，所述确定模块330，具体用于：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及评价值对应的用户身份，确定各评价值对应的权值。

优选的，所述确定模块330，具体用于：

对于对应的用户身份为卖家的各评价值，根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及所述评价值对应的用户ID的信用值，确定各评价值对应的权值。

优选的，所述确定模块330，还用于：

将对应的用户身份为卖家的评价值中所有正的评价值调整为正标准值，将对应的用户身份为卖家的评价值中所有负的评价值调整为负标准值。

优选的，所述投放模块340，具体用于：

将商品按照推荐值的大小顺序排列，并根据排列后的顺序向所述目标用户投放对应的商品信息。

本申请实施例，根据商品对应的评价值以及各评价值对应的用户ID与目标用户的用户ID之间的好友关系维度确定推荐值，以根据该推荐值向目标用户投放商品信息，从而提高了商品信息投放结果与用户需求的匹配度，进而降低了商品信息投放过程中服务器的负担及网络资源的占用。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台终端设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本申请的保护范围。

Claims (18)

1.一种商品信息投放方法，其特征在于，包括：

获取目标用户的操作信息，并确定所述操作信息对应的商品；

获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；

根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；

根据所述商品的推荐值向所述目标用户投放相应的商品信息。

2.如权利要求1所述的方法，其特征在于，所述目标用户的操作信息具体为：

用户进行检索的关键词，或用户的历史浏览信息，或用户在服务器上发布的信息。

3.如权利要求1所述的方法，其特征在于，获取所述评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，具体为：

在预存有各用户ID之间的好友关系信息的好友关系库中，识别所述评价值对应的用户ID和所述目标用户的用户ID，并将两者之间的最小好友关系层数，确定为所述评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度。

4.如权利要求1所述的方法，其特征在于，所述获取所述商品对应的评价值，具体为：

获取所述商品的历史交易信息和/或评价信息；

确定各历史交易信息和/或评价信息对应的评价值。

5.如权利要求1所述的方法，其特征在于，所述根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值，具体为：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定各评价值对应的权值；

根据所述评价值和所述各评价值对应的权值，确定各评价值的加权平均值，作为对应的商品的推荐值；

其中，所述评价值对应的用户身份包括：买家、卖家或网络购物平台。

6.如权利要求5所述的方法，其特征在于，所述根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定各评价值对应的权值，具体为：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及评价值对应的用户身份，确定各评价值对应的权值。

7.如权利要求6所述的方法，其特征在于，对于对应的用户身份为卖家的各评价值，根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及评价值对应的用户身份，确定各评价值对应的权值，具体为：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及所述评价值对应的用户ID的信用值，确定各评价值对应的权值。

8.如权利要求5所述的方法，其特征在于，所述根据所述评价值和所述各评价值对应的权值，确定各评价值的加权平均值，作为对应的商品的推荐值之前，还包括：

将对应的用户身份为卖家的评价值中所有正的评价值调整为正标准值，将对应的用户身份为卖家的评价值中所有负的评价值调整为负标准值。

9.如权利要求1所述的方法，其特征在于，所述根据所述商品的推荐值向所述目标用户投放相应的商品信息，具体为：

将商品按照推荐值的大小顺序排列，并根据排列后的顺序向所述目标用户投放对应的商品信息。

10.一种商品信息投放设备，其特征在于，包括：

第一获取模块，用于获取目标用户的操作信息，并确定所述操作信息对应的商品；

第二获取模块，用于获取所述商品对应的评价值，以及各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度；

确定模块，用于根据所述评价值和各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定对应商品的推荐值；

投放模块，用于根据所述商品的推荐值向所述目标用户投放相应的商品信息。

11.如权利要求10所述的设备，其特征在于，所述第一获取模块，具体用于：

获取用户进行检索的关键词、或用户的历史浏览信息、或用户在服务器上发布的信息。

12.如权利要求10所述的设备，其特征在于，所述第二获取模块，具体用于：

在预存有各用户ID之间的好友关系信息的好友关系库中，识别所述评价值对应的用户ID和所述目标用户的用户ID，并将两者之间的最小好友关系层数，确定为所述评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度。

13.如权利要求10所述的设备，其特征在于，所述第二获取模块，具体用于：

获取所述商品的历史交易信息和/或评价信息；

确定各历史交易信息和/或评价信息对应的评价值。

14.如权利要求10所述的设备，其特征在于，所述确定模块，具体用于：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，确定各评价值对应的权值；

根据所述评价值和所述各评价值对应的权值，确定各评价值的加权平均值，作为对应的商品的推荐值；

其中，所述评价值对应的用户身份包括：买家、卖家或网络购物平台。

15.如权利要求14所述的设备，其特征在于，所述确定模块，具体用于：

根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及评价值对应的用户身份，确定各评价值对应的权值。

16.如权利要求15所述的设备，其特征在于，所述确定模块，具体用于：

对于对应的用户身份为卖家的各评价值，根据所述各评价值对应的用户ID与所述目标用户的用户ID之间的好友关系维度，以及所述评价值对应的用户ID的信用值，确定各评价值对应的权值。

17.如权利要求14所述的设备，其特征在于，所述确定模块，还用于：

将对应的用户身份为卖家的评价值中所有正的评价值调整为正标准值，将对应的用户身份为卖家的评价值中所有负的评价值调整为负标准值。

18.如权利要求10所述的设备，其特征在于，所述投放模块，具体用于：

将商品按照推荐值的大小顺序排列，并根据排列后的顺序向所述目标用户投放对应的商品信息。

Images