CN103345695A - 一种商品推荐的方法和装置 - Google Patents
一种商品推荐的方法和装置 Download PDFInfo
- Publication number
- CN103345695A CN103345695A CN2013102559947A CN201310255994A CN103345695A CN 103345695 A CN103345695 A CN 103345695A CN 2013102559947 A CN2013102559947 A CN 2013102559947A CN 201310255994 A CN201310255994 A CN 201310255994A CN 103345695 A CN103345695 A CN 103345695A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- recommended
- category
- commerce website
- 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
Images
Abstract
本发明提供了一种商品推荐的方法和装置,其中方法包括:记录用户对商品的购买行为数据;在向所述用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,则不向用户推荐所述待推荐的商品;否则向用户推荐所述待推荐的商品。通过本发明能够提高商品推荐的准确性,一方面避免给用户带来困扰提升用户体验,另一方面也避免了向用户推荐用户暂时不再感兴趣的商品,从而更有效地利用网络资源。
Description
【技术领域】
本发明涉及计算机应用技术领域,特别涉及一种商品推荐的方法和装置。
【背景技术】
随着互联网的普及和电子商务的发展,商品推荐系统逐渐成为电子商务系统的一个重要研究内容之一。由于它能够帮助客户发现想要的商品或潜在需求,一方面方便了用户,另一方面提高了营销效果,因此在电子商务中获得了巨大成功,由于具有很强的适用性,因此,目前几乎所有大型的电子商务系统,甚至非电子商务系统都不同程度的使用了各种形式的推荐技术。商品推荐的应用场景主要包括以下两类:
第一类是电子商务网站本身的商品推荐。即电子商务网站对其自身所销售商品进行的推荐,例如淘宝网对本网站的商品进行推荐。
第二类是非电子商务网站对与其存在合作关系的电子商务网站的商品进行推荐,例如新浪微博上开辟一个固定区域对淘宝网的商品进行推荐,百度推广对其推广的商户的商品进行推荐等。
就商品推荐的方式而言,主要存在以下两种:一种是显性推荐,例如电子商务网站季节性促销活动时的商品推荐、行业性主题活动时的商品推荐、根据用户对商品的浏览记录进行的相关推荐等;另一种是隐性推荐,例如根据用户的浏览记录或搜索词猜测用户可能感兴趣的商品并进行推荐。
然而,无论在哪种推荐场景或采用哪种推荐方式,往往存在用户已购买了某商品后仍会持续向用户推荐该种商品的情况,例如用户经过大量商品浏览、检索之后购买了一部单反相机,但后续用户仍源源不断地收到单反相机的推荐,这也是推荐准确性差的一种表现,一方面会给用户带来困扰,另一方面也浪费了网络资源。
【发明内容】
有鉴于此,本发明提供了一种商品推荐的方法和装置,以便于提高商品推荐的准确性,提高用户体验并更有效地利用网络资源。
具体技术方案如下:
一种商品推荐的方法,该方法包括:
记录用户对商品的购买行为数据;
在向所述用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,则不向用户推荐所述待推荐的商品;否则向用户推荐所述待推荐的商品。
根据本发明一优选实施例,针对商品所属的不同品类预先设置不同的T1。
根据本发明一优选实施例,在所述判断用户最近的设定时段T1内是否购买过待推荐的商品之前还包括:
判断所述待推荐的商品是否属于短时间内用户仍会购买的品类,如果是,则向用户推荐所述待推荐的商品;否则继续执行所述判断用户最近的设定时段T1内是否购买过待推荐的商品的步骤。
根据本发明一优选实施例,所述短时间内用户仍会购买的品类采用如下方式确定:
人工设置;或者,
如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该品类存在预设频率之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的品类。
根据本发明一优选实施例,在向用户推荐所述待推荐的商品时,依据所述用户的历史检索行为中用户选择的各排序因素所占的比例确定各排序因素的权重值,依据各排序因素的权重值确定所述待推荐的商品的排序优先级。
根据本发明一优选实施例,在向用户推荐所述待推荐的商品时,判断所述用户是否在预设时间T3内对所述待推荐的商品所属的品类检索了N次但无该品类商品的购买行为,N为预设的正整数,如果是,则依据所述待推荐的商品的性价比来确定所述待推荐的商品的排序优先级。
根据本发明一优选实施例,所述待推荐的商品的性价比的确定方式为:
在预设时间T4内所述待推荐的商品所属品类的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据所述待推荐的商品所具有的特征以及各特征的权重值确定所述待推荐的商品的性价比。
根据本发明一优选实施例,当该方法用于非电子商务网站对与其存在合作关系的电子商务网站的商品进行推荐时,所述非电子商务网站采用落地页服务器数据回传的方式从所述电子商务网站获取用户对商品的购买行为数据。
根据本发明一优选实施例,所述非电子商务网站采用落地页服务器数据回传的方式从所述电子商务网站获取用户对商品的购买行为数据具体包括:
所述非电子商务网站请求落地页时携带唯一参数,落地页服务器将落地页引发的后续购买行为数据连同所述唯一参数返回给所述非电子商务网站;或者,
落地页服务器允许请求落地页的非电子商务网站使用用户的cookie记录用户的购买行为数据;或者,
落地页服务器将用户后续的购买行为数据即时地返回给所述非电子商务网站,所述非电子商务网站根据落地页链接的点击时间和后续购买行为的请求时间之间的时间差,将时间差在设定范围内且与点击落地页链接的用户ip相同的数据拼接成用户的购买行为数据。
一种商品推荐的装置,该装置包括:
行为记录单元,用于记录用户对商品的购买行为数据;
推荐判断单元,用于在向所述用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,不触发所述商品推荐单元,否则触发所述商品推荐单元;
商品推荐单元,用于受到触发时,向用户推荐所述待推荐的商品。
根据本发明一优选实施例,针对商品所属的不同品类预先设置了不同的T1。
根据本发明一优选实施例,所述推荐判断单元在判断用户最近的设定时段T1内是否购买过待推荐的商品之前,还用于判断所述待推荐的商品是否属于短时间内用户仍会购买的品类,如果是,触发所述商品推荐单元,否则继续执行所述判断用户最近的设定时段T1内是否购买过待推荐的商品的操作。
根据本发明一优选实施例,该装置还包括:商品分类单元,用于对商品预先进行分类,得到短时间内用户仍会购买的品类,具体执行:如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该品类存在预设频率之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的品类。
根据本发明一优选实施例,该装置还包括:第一排序单元,用于在所述商品推荐单元向用户推荐所述待推荐的商品时,依据所述用户的历史检索行为中用户选择的各排序因素所占的比例确定各排序因素的权重值,依据各排序因素的权重值确定所述待推荐的商品的排序优先级。
根据本发明一优选实施例,该装置还包括:第二排序单元,用于在所述商品推荐单元向用户推荐所述待推荐的商品时,判断所述用户是否在预设时间T3内对所述待推荐的商品所属的品类检索了N次但无该品类商品的购买行为,N为预设的正整数,如果是,则依据所述待推荐的商品的性价比来确定所述待推荐的商品的排序优先级。
根据本发明一优选实施例,所述第二排序单元在确定所述待推荐的商品的性价比时,具体执行:在预设时间T4内所述待推荐的商品所属品类的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据所述待推荐的商品所具有的特征以及各特征的权重值确定所述待推荐的商品的性价比。
由以上技术方案可以看出,本发明基于用户对商品的历史购买行为来确定是否向用户推荐该商品,对于用户已购买了某商品后短时间内不会再购买该商品的情况,能够避免段时间内再向用户推荐该商品,提高了推荐准确性,一方面避免给用户带来困扰提升用户体验,另一方面也避免了向用户推荐用户暂时不再感兴趣的商品,取而代之地是可以利用这部分网络资源向用户推荐其他商品,从而更有效地利用网络资源。
【附图说明】
图1为本发明实施例一提供的商品推荐方法流程图;
图2为本发明实施例二提供的商品推荐装置流程图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
为了实现本发明的商品推荐方法,会记录用户的购买行为,在向用户进行商品推荐时,基于用户对某商品的购买行为来确定是否向用户推荐该商品。需要说明的是,本发明实施例所涉及的商品包括但不限于:实体商品和虚拟商品,实体商品较好理解,虚拟商品包括但不限于:计算机软件、电子书籍、音乐影像、网络游戏中的一些产品、服务类商品等。
实施例一、
图1为本发明实施例一提供的商品推荐方法流程图,在本实施例中以隐性推荐方式为例进行描述,如图1所示,该方法可以包括以下步骤:
步骤101:记录用户对商品的检索行为和购买行为。
假设本实施例中的隐性推荐方式是基于用户对商品的检索行为实现的,那么就需要记录用户对商品的检索行为,主要是搜索词。除此之外,本发明实施例中还需要记录用户对商品的购买行为。
步骤102:基于用户对商品的检索行为确定向用户推荐的商品。
本步骤采用现有技术中的实现方式,本发明并不加以限制,例如可以基于用户近期的检索行为中搜索词的出现频率来确定向用户推荐的商品。
步骤103:判断用户最近的设定时段T1内是否购买过该商品,如果是,执行步骤104;否则执行步骤105。
在本步骤中,可以针对商品所属的不同品类设置不同的T1,例如对于电子产品类、家用电器类、汽车类商品,用户在购买这些品类的商品之后,短时间内不会再次购买,但用户对这些品类商品的购买周期不同,因此可以将这些品类的商品在判断时所采用的T1设置得不同,比如电子产品类设置为一年、家用电器类设置为三年、汽车类设置为五年等。
步骤104:不向用户推荐该商品。
步骤105:向用户推荐该商品。
另外,对于有些品类的商品,是用户持续会购买的,诸如服装类、食品类、日用品类商品,用户在购买这些品类的商品之后,短时间内仍会再次购买,因此可以在执行步骤103之前,首先判断该商品是否属于短时间内用户仍会购买的商品品类,如果是,则直接对该商品执行步骤105向用户推荐该商品。
对于属于短时间内用户仍会购买的商品品类可以采用人为的方式设定,也可以基于用户的历史行为记录采用自动化的分类方式,具体地,如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该类商品存在预设频率R之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的商品品类。其中T2可以根据实际需求的准确度进行设定,例如T2可以设置为1个月,用户在购买服装的1个月内仍会购买、检索或浏览服装类的商品,因此可以确定服装类属于短时间内用户仍会购买的商品品类,但用户在购买电子产品类商品的1个月内通常不会再次购买、检索或浏览该商品,因此可以确定电子产品类属于短时间内用户仍会购买的商品品类。
用户对单一商品的多次检索行为可能明示了用户的偏好,例如用户在电子商务网站上对于某商品的检索结果排序为按价格或按上市时间排序。或者用户对单一商品的多次检索行为暗示了用户的偏好,例如多次检索同一商品说明了用户对商品性价比更高的要求和未来一段时间内强烈的购买预期。根据这些信息,可以在向用户推荐该信息时用于设置商品的优先级。
具体地,在向用户推荐商品时,根据该用户的历史检索行为中用户选择的排序因素所占的比例确定待推荐商品的排序优先级,假设该用户在历史检索行为中,按照价格排序占的比例为A%,按照评价排序占的比例为B%,按照上市时间排序所占的比例为C%,那么就可以按照A%、B%、C%分别设置价格、评价和上市时间的权重值,依据这些权重值来确定待推荐商品的排序优先级。
若用户在预设时间T3内对某品类的商品检索了N次但无该品类商品的购买行为,N为预设的正整数,那么可以依据商品的性价比来设定商品的排序优先级。这里的性价比依据所有用户对商品的购买行为来确定,即在预设时间T4内该品类商品的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据待推荐商品所具有的各特征以及各特征的权重值确定待推荐商品的性价比,将性价比越高的商品的排序优先级设置的越高。例如,针对手机类,将T4内购买手机的用户(在此可以限定这些用户在购买手机之前检索手机的次数超过N次)购买的手机中O%符合上市时间近、P%符合评价优、Q%符合价格低,那么就可以将O、P和Q分别作为上市时间、评价和价格的权重值,然后依据这样的权重值确定商品的性价比即待推荐商品的排序优先级。其中,上市时间近、评价优、价格低的评价方式可以采用是否在预设范围内的方式,由于较为常用在此不再具体描述。
需要说明的是,本发明实施例中上述的T1、T2、T3和T4所设置的时间长度之间没有必然的联系,在设置时通常根据实际的需求进行设置,可能在某些情况下出现T1、T2、T3和T4中的某些取值相等。
本实施例中所描述的实现流程是以隐性推荐为例进行的描述,当然也可以应用于显性推荐的方式,不用的地方仅在于确定候选推荐商品的方式不同,如果是电子商务网站季节性促销活动、行业性主题活动时的商品推荐,则候选推荐商品为电子商务网站主动推荐的促销商品或主题相关商品;如果是根据用户对商品的浏览记录进行的相关推荐,则是根据预先记录的用户对商品的浏览记录,确定设定时间内用户浏览频率超过设定阈值的品类商品来确定候选推荐商品。这些均是现有的推荐方式,本发明对确定候选推荐商品的方式并不加以限制。
另外,本实施例中所描述的实现流程即可以用于电子商务网站本身的商品推荐这一应用场景,也可以应用于非电子商务网站对与其存在合作关系的电子商务网站的商品进行推荐这一应用场景。特殊地,当应用于后一应用场景时,非电子商务网站向用户提供推荐、检索等服务之后,对于后续用户对商品的购买行为则无法知晓,例如当用户在搜索引擎上搜索了某商品之后,用户对于该商品后续的购买行为搜索引擎则无法知晓。为了让非电子商务网站能够实现对用户购买行为的记录,可以通过但不限于以下方式:
方式一、通过外部合作。例如由与其存在合作关系的电子商务网站向非电子商务网站开放数据库接口,供非电子商务网站进行购买行为的获取。或者由电子商务网站定期向与其存在合作关系的非电子商务网站提供用户购买行为的数据。
方式二、通过落地页服务器数据回传的方式,即落地页服务器将落地页对应的后续用户的购买行为回传给该落地页所来源的非电子商务网站。可以通过但不限于以下几种方式实现:
第一种:非电子商务网站请求落地页时携带唯一参数,落地页服务器将落地页引发的后续购买行为数据连同该唯一参数一起返回给非电子商务网站。
例如,搜索引擎在其推广信息中向用户提供了某商品的相关链接后,若用户点击该链接,则搜索引擎在请求该链接的落地页时,携带一个唯一参数,例如用户在搜索引擎注册的id,落地服务器将落地页引发的后续购买行为数据连通该id一起返回给搜索引擎,这样搜索引擎不仅能够记录用户的检索行为,也能够记录用户的购买行为。
第二种:落地页服务器允许请求该落地页的非电子商务网站使用用户的cookie,从而记录用户的购买行为数据。
第三种:落地页服务器将用户后续的购买行为数据即时地返回给非电子商务网站,非电子商务网站根据落地页链接的点击时间和后续购买行为的请求时间之间的时间差,将时间差在设定范围内且与点击落地页链接的用户ip相同的数据拼接成用户完整的购买行为数据。
例如,搜索引擎在其推广信息中向用户提供了某商品的相关链接后,若用户点击该链接,则搜索引擎向落地页服务器请求落地页,落地页服务器返回落地页之后,会将用户后续的购买行为数据即时返回给搜索引擎,返回的购买行为数据中包含有购买行为的请求时间、购买行为的请求ip等信息。搜索引擎就能够将购买行为的请求时间距离点击落地页链接的时间在设定范围内的,且与点击落地页链接的ip属于同一ip的购买行为数据拼接为该ip所对应用户的完整购买行为。
以上是对本发明所提供的方法进行的详细描述,下面通过实施例二对本发明提供的装置进行详细描述。
实施例二、
图2为本发明实施例二提供的商品推荐的装置结构图,该装置可以用于电子商务网站自身的商品推荐,也可以用于非电子商务网站对与其存在合作关系的电子商务网站的商品推荐。如图2所示,该装置主要包括:行为记录单元01、推荐判断单元02和商品推荐单元03。
其中行为记录单元01记录用户对商品的购买行为数据。
鉴于本发明实施例对商品推荐装置中确定推荐商品所采用的方式或策略并不加以限制,因此可以采用显性推荐或者隐性推荐等,对应不同的推荐方式,行为记录单元01可能还会基于用户对商品的其他购买行为,这是与确定推荐商品所采用的方式相关的,例如如果采用显性推荐中根据用户对商品的浏览记录进行的相关推荐,则行为记录单元01会对用户对商品的浏览行为数据进行记录,如果采用隐性推荐中根据用户搜索词进行的推荐,则行为记录单元01会对用户对商品的检索行为进行记录,其他方式不再一一详述。
本发明实施例提供的装置是在采用显性推荐或隐性推荐方式确定出向用户推荐的商品的基础上的,即已经确定出了待推荐商品。推荐判断单元02在向用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,不触发商品推荐单元03,否则触发商品推荐单元03。
商品推荐单元03受到触发时,向用户推荐待推荐的商品。
对于设定时段T1的设置,可以针对商品所属的不同品类预先设置不同的T1。例如对于电子产品类、家用电器类、汽车类商品,用户在购买这些品类的商品之后,短时间内不会再次购买,但用户对这些品类商品的购买周期不同,因此可以将这些品类的商品在判断时所采用的T1设置得不同,比如电子产品类设置为一年、家用电器类设置为三年、汽车类设置为五年等。
另外,由于有些品类的商品,是用户持续会购买的,诸如服装类、食品类、日用品类商品,用户在购买这些品类的商品之后,短时间内仍会再次购买,因此推荐判断单元02在判断用户最近的设定时段T1内是否购买过待推荐的商品之前,还用于判断待推荐的商品是否属于短时间内用户仍会购买的品类,如果是,触发商品推荐单元03,否则继续执行判断用户最近的设定时段T1内是否购买过待推荐的商品的操作。
为了实现该功能,需要预先确定出哪些是短时间内用户仍会购买的品类,有鉴于此,该装置还可以包括:商品分类单元04,用于对商品预先进行分类,得到短时间内用户仍会购买的品类,具体执行:如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该品类存在预设频率之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的品类。其中T2可以根据实际需求的准确度进行设定,例如T2可以设置为1个月,用户在购买服装的1个月内仍会购买、检索或浏览服装类的商品,因此可以确定服装类属于短时间内用户仍会购买的商品品类,但用户在购买电子产品类商品的1个月内通常不会再次购买、检索或浏览该商品,因此可以确定电子产品类属于短时间内用户仍会购买的商品品类。
由于用户对单一商品的多次检索行为可能明示了用户的偏好,例如用户在电子商务网站上对于某商品的检索结果排序为按价格或按上市时间排序,在向用户推荐商品时,可以根据用户的历史检索行为中用户选择的排序因素来确定待推荐商品的排序优先级,从而体现出用户的偏好。此时该装置进一步包括:第一排序单元05,用于在商品推荐单元03向用户推荐待推荐的商品时,依据用户的历史检索行为中用户选择的各排序因素所占的比例确定各排序因素的权重值,依据各排序因素的权重值确定待推荐的商品的排序优先级。举个例子:假设该用户在历史检索行为中,按照价格排序占的比例为A%,按照评价排序占的比例为B%,按照上市时间排序所占的比例为C%,那么就可以按照A%、B%、C%分别设置价格、评价和上市时间的权重值,依据这些权重值来确定待推荐商品的排序优先级。
用户对单一商品的多次检索行为暗示了用户的偏好,例如多次检索同一商品说明了用户对商品性价比更高的要求和未来一段时间内强烈的购买预期。根据这些信息,可以在向用户推荐该信息时用于设置商品的优先级。此时该装置还包括:第二排序单元06,用于在商品推荐单元03向用户推荐待推荐的商品时,判断用户是否在预设时间T3内对待推荐的商品所属的品类检索了N次但无该品类商品的购买行为,N为预设的正整数,如果是,则依据待推荐的商品的性价比来确定待推荐的商品的排序优先级。
具体地,第二排序单元06在确定待推荐的商品的性价比时,可以执行:在预设时间T4内待推荐的商品所属品类的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据待推荐的商品所具有的特征以及各特征的权重值确定待推荐的商品的性价比。举个例子:针对手机类,将T4内购买手机的用户(在此可以限定这些用户在购买手机之前检索手机的次数超过N次)购买的手机中O%符合上市时间近、P%符合评价优、Q%符合价格低,那么就可以将O、P和Q分别作为上市时间、评价和价格的权重值,然后依据这样的权重值确定商品的性价比即待推荐商品的排序优先级。其中,上市时间近、评价优、价格低的评价方式可以采用是否在预设范围内的方式,由于较为常用在此不再具体描述。
当本发明实施例所提供的装置应用于非电子商务网站对预期存在合作关系的电子商务网站的商品进行推荐这一应用场景时,本发明实施例提供的装置通常设置在非电子商务网站的服务器侧,但这种情况下,非电子商务网站向用户提供推荐、检索等服务之后,对于后续用户对商品的购买行为则无法知晓。为了让非电子商务网站能够实现对用户购买行为的记录,在非电子商务网站的服务器侧还可以存在与电子商务网站的交互单元(该交互模块也可以设置在本发明实施例所提供的装置中,图2中并未示出),该交互单元通过但不限于以下方式从电子商务网站获取用户的购买行为数据:
方式一、通过外部合作。例如由与其存在合作关系的电子商务网站向非电子商务网站开放数据库接口,供非电子商务网站的上述交互单元进行购买行为的获取。或者由电子商务网站定期向与其存在合作关系的非电子商务网站的交互模块提供用户购买行为的数据。
方式二、通过落地页服务器数据回传的方式,即落地页服务器将落地页对应的后续用户的购买行为回传给该落地页所来源的非电子商务网站的交互模块。可以通过但不限于以下几种方式实现:
第一种:非电子商务网站的交互模块在请求落地页时携带唯一参数,落地页服务器将落地页引发的后续购买行为数据连同该唯一参数一起返回给非电子商务网站的交互模块。
第二种:落地页服务器允许请求该落地页的非电子商务网站的交互模块使用用户的cookie,从而记录用户的购买行为数据。
第三种:落地页服务器将用户后续的购买行为数据即时地返回给非电子商务网站的交互模块,非电子商务网站根据落地页链接的点击时间和后续购买行为的请求时间之间的时间差,将时间差在设定范围内且与点击落地页链接的用户ip相同的数据拼接成用户完整的购买行为数据。
有以上描述可以看出,本发明提供的方法和装置具备以下优点:
1)本发明基于用户对商品的历史购买行为来确定是否向用户推荐该商品,对于用户已购买了某商品后短时间内不会再购买该商品的情况,能够避免段时间内再向用户推荐该商品,提高了推荐准确性,一方面避免给用户带来困扰提升用户体验,另一方面也避免了向用户推荐用户暂时不再感兴趣的商品,取而代之地是可以利用这部分网络资源向用户推荐其他商品,从而更有效地利用网络资源。
2)更进一步地,在本发明中能够根据用户的浏览行为、检索行为等确定向用户推荐商品的排序优先级,调优商品的展示策略,更进一步提升商品推荐的准确性。
3)本发明能够适用于任何商品推荐的场景和推荐方法,适用范围广。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (16)
1.一种商品推荐的方法,其特征在于,该方法包括:
记录用户对商品的购买行为数据;
在向所述用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,则不向用户推荐所述待推荐的商品;否则向用户推荐所述待推荐的商品。
2.根据权利要求1所述的方法,其特征在于,针对商品所属的不同品类预先设置不同的T1。
3.根据权利要求1所述的方法,其特征在于,在所述判断用户最近的设定时段T1内是否购买过待推荐的商品之前还包括:
判断所述待推荐的商品是否属于短时间内用户仍会购买的品类,如果是,则向用户推荐所述待推荐的商品;否则继续执行所述判断用户最近的设定时段T1内是否购买过待推荐的商品的步骤。
4.根据权利要求3所述的方法,其特征在于,所述短时间内用户仍会购买的品类采用如下方式确定:
人工设置;或者,
如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该品类存在预设频率之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的品类。
5.根据权利要求1所述的方法,其特征在于,在向用户推荐所述待推荐的商品时,依据所述用户的历史检索行为中用户选择的各排序因素所占的比例确定各排序因素的权重值,依据各排序因素的权重值确定所述待推荐的商品的排序优先级。
6.根据权利要求1所述的方法,其特征在于,在向用户推荐所述待推荐的商品时,判断所述用户是否在预设时间T3内对所述待推荐的商品所属的品类检索了N次但无该品类商品的购买行为,N为预设的正整数,如果是,则依据所述待推荐的商品的性价比来确定所述待推荐的商品的排序优先级。
7.根据权利要求6所述的方法,其特征在于,所述待推荐的商品的性价比的确定方式为:
在预设时间T4内所述待推荐的商品所属品类的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据所述待推荐的商品所具有的特征以及各特征的权重值确定所述待推荐的商品的性价比。
8.根据权利要求1所述的方法,其特征在于,当该方法用于非电子商务网站对与其存在合作关系的电子商务网站的商品进行推荐时,所述非电子商务网站采用落地页服务器数据回传的方式从所述电子商务网站获取用户对商品的购买行为数据。
9.根据权利要求8所述的方法,其特征在于,所述非电子商务网站采用落地页服务器数据回传的方式从所述电子商务网站获取用户对商品的购买行为数据具体包括:
所述非电子商务网站请求落地页时携带唯一参数,落地页服务器将落地页引发的后续购买行为数据连同所述唯一参数返回给所述非电子商务网站;或者,
落地页服务器允许请求落地页的非电子商务网站使用用户的cookie记录用户的购买行为数据;或者,
落地页服务器将用户后续的购买行为数据即时地返回给所述非电子商务网站,所述非电子商务网站根据落地页链接的点击时间和后续购买行为的请求时间之间的时间差,将时间差在设定范围内且与点击落地页链接的用户ip相同的数据拼接成用户的购买行为数据。
10.一种商品推荐的装置,其特征在于,该装置包括:
行为记录单元,用于记录用户对商品的购买行为数据;
推荐判断单元,用于在向所述用户推荐商品时,判断用户最近的设定时段T1内是否购买过待推荐的商品,如果是,不触发所述商品推荐单元,否则触发所述商品推荐单元;
商品推荐单元,用于受到触发时,向用户推荐所述待推荐的商品。
11.根据权利要求10所述的装置,其特征在于,针对商品所属的不同品类预先设置了不同的T1。
12.根据权利要求10所述的装置,其特征在于,所述推荐判断单元在判断用户最近的设定时段T1内是否购买过待推荐的商品之前,还用于判断所述待推荐的商品是否属于短时间内用户仍会购买的品类,如果是,触发所述商品推荐单元,否则继续执行所述判断用户最近的设定时段T1内是否购买过待推荐的商品的操作。
13.根据权利要求12所述的装置,其特征在于,该装置还包括:商品分类单元,用于对商品预先进行分类,得到短时间内用户仍会购买的品类,具体执行:如果超过一定比例或数量的用户购买某类商品后,在预设时间T2内针对该品类存在预设频率之上的购买、检索或浏览行为,则确定该类商品属于短时间内用户仍会购买的品类。
14.根据权利要求10所述的装置,其特征在于,该装置还包括:第一排序单元,用于在所述商品推荐单元向用户推荐所述待推荐的商品时,依据所述用户的历史检索行为中用户选择的各排序因素所占的比例确定各排序因素的权重值,依据各排序因素的权重值确定所述待推荐的商品的排序优先级。
15.根据权利要求10所述的装置,其特征在于,该装置还包括:第二排序单元,用于在所述商品推荐单元向用户推荐所述待推荐的商品时,判断所述用户是否在预设时间T3内对所述待推荐的商品所属的品类检索了N次但无该品类商品的购买行为,N为预设的正整数,如果是,则依据所述待推荐的商品的性价比来确定所述待推荐的商品的排序优先级。
16.根据权利要求15所述的装置,其特征在于,所述第二排序单元在确定所述待推荐的商品的性价比时,具体执行:在预设时间T4内所述待推荐的商品所属品类的历史购买数据中,将具有某特征的商品所占的比例作为该特征的权重值,依据所述待推荐的商品所具有的特征以及各特征的权重值确定所述待推荐的商品的性价比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102559947A CN103345695A (zh) | 2013-06-25 | 2013-06-25 | 一种商品推荐的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102559947A CN103345695A (zh) | 2013-06-25 | 2013-06-25 | 一种商品推荐的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103345695A true CN103345695A (zh) | 2013-10-09 |
Family
ID=49280488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102559947A Pending CN103345695A (zh) | 2013-06-25 | 2013-06-25 | 一种商品推荐的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345695A (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646069A (zh) * | 2013-12-06 | 2014-03-19 | 北京奇虎科技有限公司 | 一种票务信息的推荐方法和装置 |
CN104463640A (zh) * | 2014-12-26 | 2015-03-25 | 小米科技有限责任公司 | 智能硬件商品的推荐显示方法及装置 |
CN104517222A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 智能硬件商品的置顶展示方法及装置 |
CN104517223A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 商品信息推荐方法及装置 |
CN105096152A (zh) * | 2014-05-20 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种基于商品热度的操作执行方法及装置 |
CN105631717A (zh) * | 2016-02-07 | 2016-06-01 | 徐璇炫 | 一种性价比实时竞价的方法和装置 |
CN105761106A (zh) * | 2016-02-07 | 2016-07-13 | 徐璇炫 | 一种基于用户设置进行对象排序的方法和装置 |
CN105894357A (zh) * | 2016-03-30 | 2016-08-24 | 北京金山安全软件有限公司 | 商品信息推送方法及装置 |
CN106157097A (zh) * | 2016-08-22 | 2016-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN106202516A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种根据时间节点的电子商务平台商品展示方法 |
CN106294410A (zh) * | 2015-05-22 | 2017-01-04 | 苏宁云商集团股份有限公司 | 一种个性化信息推送时间的确定方法及确定系统 |
CN106372961A (zh) * | 2016-08-23 | 2017-02-01 | 北京小米移动软件有限公司 | 商品推荐方法及装置 |
CN106411908A (zh) * | 2016-10-13 | 2017-02-15 | 网易乐得科技有限公司 | 一种推荐方法及装置 |
CN106462615A (zh) * | 2014-06-03 | 2017-02-22 | 索尼公司 | 信息处理设备、信息呈现方法、程序和系统 |
CN106503115A (zh) * | 2016-10-18 | 2017-03-15 | 安徽天达网络科技有限公司 | 一种基于浏览器的商品推荐方法 |
CN106651429A (zh) * | 2016-10-18 | 2017-05-10 | 安徽天达网络科技有限公司 | 一种基于互联网的广告推送方法 |
CN106709776A (zh) * | 2015-11-17 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 商品推送方法及装置 |
CN107292645A (zh) * | 2016-03-31 | 2017-10-24 | 壹贰叁叁购(厦门)信息技术有限公司 | 一种动态自适应的商品推荐方法 |
CN107437195A (zh) * | 2016-05-27 | 2017-12-05 | 北京京东尚科信息技术有限公司 | 向用户推荐商品的方法和装置 |
CN107742245A (zh) * | 2017-10-31 | 2018-02-27 | 北京小度信息科技有限公司 | 一种商户信息推荐方法、装置及设备 |
CN108346090A (zh) * | 2018-02-28 | 2018-07-31 | 深圳春沐源控股有限公司 | 商品推荐方法及装置 |
CN108765079A (zh) * | 2018-05-28 | 2018-11-06 | 苏州若依玫信息技术有限公司 | 一种基于时域分析的电子商务系统 |
CN108960945A (zh) * | 2017-05-18 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 商品推荐方法和装置 |
CN109034983A (zh) * | 2018-09-18 | 2018-12-18 | 安徽千界信息科技有限公司 | 网上商城商品的推荐方法及其系统 |
WO2018233301A1 (zh) * | 2017-06-20 | 2018-12-27 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、设备以及计算机可读存储介质 |
CN109961327A (zh) * | 2019-04-11 | 2019-07-02 | 上海拉扎斯信息科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110020143A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 一种落地页生成方法和装置 |
CN110443640A (zh) * | 2019-07-18 | 2019-11-12 | 佛山科学技术学院 | 一种基于大数据的商品推送方法及存储介质 |
CN110471948A (zh) * | 2019-07-10 | 2019-11-19 | 北京交通大学 | 一种基于历史数据挖掘的海关报关商品智能归类方法 |
CN110517103A (zh) * | 2019-07-09 | 2019-11-29 | 广州品唯软件有限公司 | 一种基于用户收藏的商品推荐方法及系统 |
CN110634040A (zh) * | 2018-06-22 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 信息推荐方法和装置 |
CN110796520A (zh) * | 2019-10-29 | 2020-02-14 | 中国工商银行股份有限公司 | 商品推荐的方法、装置、计算设备以及介质 |
CN111325609A (zh) * | 2020-02-28 | 2020-06-23 | 京东数字科技控股有限公司 | 一种商品推荐列表确定方法、装置、电子设备及存储介质 |
CN113077321A (zh) * | 2021-04-21 | 2021-07-06 | 北京沃东天骏信息技术有限公司 | 物品推荐方法、装置、电子设备和存储介质 |
CN113435946A (zh) * | 2021-07-22 | 2021-09-24 | 深圳创维-Rgb电子有限公司 | 广告管理方法、显示装置及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
CN102822857A (zh) * | 2010-03-30 | 2012-12-12 | 乐天株式会社 | 商品推荐装置、商品推荐方法、程序、以及记录介质 |
-
2013
- 2013-06-25 CN CN2013102559947A patent/CN103345695A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102822857A (zh) * | 2010-03-30 | 2012-12-12 | 乐天株式会社 | 商品推荐装置、商品推荐方法、程序、以及记录介质 |
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646069A (zh) * | 2013-12-06 | 2014-03-19 | 北京奇虎科技有限公司 | 一种票务信息的推荐方法和装置 |
CN103646069B (zh) * | 2013-12-06 | 2017-04-19 | 北京奇虎科技有限公司 | 一种票务信息的推荐方法和装置 |
CN105096152A (zh) * | 2014-05-20 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种基于商品热度的操作执行方法及装置 |
CN106462615A (zh) * | 2014-06-03 | 2017-02-22 | 索尼公司 | 信息处理设备、信息呈现方法、程序和系统 |
CN104517222A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 智能硬件商品的置顶展示方法及装置 |
CN104517223A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 商品信息推荐方法及装置 |
CN104463640A (zh) * | 2014-12-26 | 2015-03-25 | 小米科技有限责任公司 | 智能硬件商品的推荐显示方法及装置 |
CN104463640B (zh) * | 2014-12-26 | 2018-07-06 | 小米科技有限责任公司 | 智能硬件商品的推荐显示方法及装置 |
CN106294410A (zh) * | 2015-05-22 | 2017-01-04 | 苏宁云商集团股份有限公司 | 一种个性化信息推送时间的确定方法及确定系统 |
CN106709776A (zh) * | 2015-11-17 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 商品推送方法及装置 |
CN105761106A (zh) * | 2016-02-07 | 2016-07-13 | 徐璇炫 | 一种基于用户设置进行对象排序的方法和装置 |
CN105631717A (zh) * | 2016-02-07 | 2016-06-01 | 徐璇炫 | 一种性价比实时竞价的方法和装置 |
WO2017133703A1 (zh) * | 2016-02-07 | 2017-08-10 | 徐璇炫 | 一种性价比实时竞价的方法和装置 |
CN105894357A (zh) * | 2016-03-30 | 2016-08-24 | 北京金山安全软件有限公司 | 商品信息推送方法及装置 |
CN107292645A (zh) * | 2016-03-31 | 2017-10-24 | 壹贰叁叁购(厦门)信息技术有限公司 | 一种动态自适应的商品推荐方法 |
CN107437195A (zh) * | 2016-05-27 | 2017-12-05 | 北京京东尚科信息技术有限公司 | 向用户推荐商品的方法和装置 |
CN106202516A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种根据时间节点的电子商务平台商品展示方法 |
CN106157097A (zh) * | 2016-08-22 | 2016-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN110135915B (zh) * | 2016-08-22 | 2023-05-02 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN110135915A (zh) * | 2016-08-22 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN106372961A (zh) * | 2016-08-23 | 2017-02-01 | 北京小米移动软件有限公司 | 商品推荐方法及装置 |
CN106411908B (zh) * | 2016-10-13 | 2019-12-03 | 网易乐得科技有限公司 | 一种推荐方法及装置 |
CN106411908A (zh) * | 2016-10-13 | 2017-02-15 | 网易乐得科技有限公司 | 一种推荐方法及装置 |
CN106503115B (zh) * | 2016-10-18 | 2019-08-23 | 安徽天天互娱网络科技有限公司 | 一种基于浏览器的商品推荐方法 |
CN106503115A (zh) * | 2016-10-18 | 2017-03-15 | 安徽天达网络科技有限公司 | 一种基于浏览器的商品推荐方法 |
CN106651429A (zh) * | 2016-10-18 | 2017-05-10 | 安徽天达网络科技有限公司 | 一种基于互联网的广告推送方法 |
CN106651429B (zh) * | 2016-10-18 | 2019-11-29 | 深圳前海新心数字科技有限公司 | 一种基于互联网的广告推送方法 |
CN108960945A (zh) * | 2017-05-18 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 商品推荐方法和装置 |
WO2018233301A1 (zh) * | 2017-06-20 | 2018-12-27 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、设备以及计算机可读存储介质 |
CN107742245A (zh) * | 2017-10-31 | 2018-02-27 | 北京小度信息科技有限公司 | 一种商户信息推荐方法、装置及设备 |
CN110020143A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 一种落地页生成方法和装置 |
CN108346090A (zh) * | 2018-02-28 | 2018-07-31 | 深圳春沐源控股有限公司 | 商品推荐方法及装置 |
CN108765079A (zh) * | 2018-05-28 | 2018-11-06 | 苏州若依玫信息技术有限公司 | 一种基于时域分析的电子商务系统 |
CN110634040A (zh) * | 2018-06-22 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 信息推荐方法和装置 |
CN109034983A (zh) * | 2018-09-18 | 2018-12-18 | 安徽千界信息科技有限公司 | 网上商城商品的推荐方法及其系统 |
CN109961327A (zh) * | 2019-04-11 | 2019-07-02 | 上海拉扎斯信息科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110517103A (zh) * | 2019-07-09 | 2019-11-29 | 广州品唯软件有限公司 | 一种基于用户收藏的商品推荐方法及系统 |
CN110517103B (zh) * | 2019-07-09 | 2023-06-20 | 广州品唯软件有限公司 | 一种基于用户收藏的商品推荐方法及系统 |
CN110471948A (zh) * | 2019-07-10 | 2019-11-19 | 北京交通大学 | 一种基于历史数据挖掘的海关报关商品智能归类方法 |
CN110443640A (zh) * | 2019-07-18 | 2019-11-12 | 佛山科学技术学院 | 一种基于大数据的商品推送方法及存储介质 |
CN110796520A (zh) * | 2019-10-29 | 2020-02-14 | 中国工商银行股份有限公司 | 商品推荐的方法、装置、计算设备以及介质 |
CN111325609A (zh) * | 2020-02-28 | 2020-06-23 | 京东数字科技控股有限公司 | 一种商品推荐列表确定方法、装置、电子设备及存储介质 |
CN113077321A (zh) * | 2021-04-21 | 2021-07-06 | 北京沃东天骏信息技术有限公司 | 物品推荐方法、装置、电子设备和存储介质 |
CN113435946A (zh) * | 2021-07-22 | 2021-09-24 | 深圳创维-Rgb电子有限公司 | 广告管理方法、显示装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345695A (zh) | 一种商品推荐的方法和装置 | |
JP6356744B2 (ja) | ウェブサイト横断情報を表示する方法およびシステム | |
US20190243860A1 (en) | Personalized landing pages | |
US20200090230A1 (en) | Systems and methods for suggesting creative types for online content items to an advertiser | |
US9996626B1 (en) | Selection of content item recommendations based on user search results | |
CN108960975A (zh) | 基于用户画像的个性化精准营销方法、服务器及存储介质 | |
US10423999B1 (en) | Performing personalized category-based product sorting | |
US8725559B1 (en) | Attribute based advertisement categorization | |
US20140188593A1 (en) | Selecting an advertisement for a traffic source | |
US20130166488A1 (en) | Personalized information pushing method and device | |
US20140180798A1 (en) | Contextual selection and display of information | |
CN107169849A (zh) | 购物信息推送方法、系统及存储介质 | |
CN102479366A (zh) | 一种商品推荐方法及系统 | |
CN104835057A (zh) | 一种获取网络用户的消费特征信息的方法及装置 | |
CN106062743A (zh) | 用于关键字建议的系统和方法 | |
CN103116581A (zh) | 一种电子信息的推荐方法以及装置 | |
AU2018211215A1 (en) | Method and system for modifying a webpage | |
CN104346428A (zh) | 信息处理装置、信息处理方法及程序 | |
CN109446402A (zh) | 一种搜索方法及装置 | |
US20150066634A1 (en) | System, a method and a computer program product for optimally communicating based on user's historical interactions and performance data | |
Primanto et al. | A study of the best selling smartphone in the two biggest marketplace in Indonesia | |
KR101942834B1 (ko) | 키워드 품질을 결정하기 위한 사용자 데이터의 처리 및 분석 | |
CN104331823A (zh) | 确定发布信息中关键词保留价格的方法及装置 | |
US9972030B2 (en) | Systems and methods for the semantic modeling of advertising creatives in targeted search advertising campaigns | |
CN110020136A (zh) | 对象推荐方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131009 |
|
RJ01 | Rejection of invention patent application after publication |