CN105869001A - 个性化商品推荐引流方法和系统 - Google Patents

Abstract

本发明提供一种个性化商品推荐引流方法和系统，属于电子商务技术领域。该方法包括步骤：S1、根据用户评价信息对不同类商品进行画像分析处理；S2、根据用户信息对不同用户进行画像分析处理；S3、将不同类商品的画像匹配不同用户的画像，为用户推荐商品。本发明通过大数据分析对商品特征进行分析，同时深度理解用户群体，来实现个性化的精准推荐，简化用户购物流程，提升用户购物体验。

Description

个性化商品推荐引流方法和系统

技术领域

本发明涉及电子商务技术领域，特别涉及一种个性化商品推荐引流方法和系统。

背景技术

在电子商务领域用户数据获取及分析，对于商品推荐以及精准营销极为关键。对于电子商务网站中第三方平台商户，需从电子商务网站经营者处获取商户的用户数据信息。在移动互联网时代，由于屏幕大小的限制，个性化的精准推荐尤其重要。相关产品有一淘，91购物助手，和口袋购物等。主要功能有商品浏览，搜索，同款比价，价格走势等。部分产品会根据最近浏览进行推荐。如何针对用户的不同需求进行精准的推荐亟待解决。

发明内容

针对现有技术的上述缺陷，本发明所要解决的技术问题是如何实现针对用户的不同需求进行精准的推荐，提升用户购物体验。

为实现上述目的，一方面，本发明提供一种个性化商品推荐引流方法，该方法包括如下步骤：

S1、根据用户评价信息对不同类商品进行画像分析处理；

S2、根据用户信息对不同用户进行画像分析处理；

S3、将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

优选地，所述对不同类商品进行画像分析处理具体包括：

通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；

选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

优选地，所述根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：

通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

优选地，所述对不同用户进行画像分析处理具体包括：

根据不同用户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；

收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

另一方面，本发明还同时提供一种个性化商品推荐引流系统，该系统包括：

用户管理模块，用于根据用户信息对不同用户进行画像分析处理；

数据管理模块，用于根据用户评价信息对不同类商品进行画像分析处理；

引擎服务模块，用于将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

优选地，所述引擎服务模块具体包括：

搜索引擎模块，用于提供产品搜索功能并结合产品画像对用户画像进行匹配，返回匹配用户的描述，以及最适合用户的商家和品牌的相应产品信息；

推荐引擎模块，用于提供产品推荐功能并结合商品画像对用户画像匹配，推荐最适合用户的与搜索结果相关的商品。

优选地，所述数据管理模块具体用于：

通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；

选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

优选地，所述根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：

通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

优选地，用户管理模块具体用于：

根据不同客户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；

收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

优选地，所述系统还包括：

数据采集模块，根据每个网站配置文件实现对网站的智能爬虫，获取产品和用户信息相关信息，并对相关信息进行索引和实时更新。

本发明通过大数据分析对商品特征进行分析，同时深度理解用户群体，来实现个性化的精准推荐，简化用户购物流程，提升用户购物体验。

附图说明

图1是本发明的一个实施例中的个性化商品推荐引流方法的流程示意图；

图2是本发明的另一个实施例中的个性化商品推荐引流系统的结构示意图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。

图1是本发明的一个实施例中的个性化商品推荐引流方法的流程示意图，如图1所示，该方法包括如下步骤：

S1、根据用户评价信息对不同类商品进行画像分析处理；

S2、根据用户信息对不同用户进行画像分析处理；

S3、将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

优选地，对不同类商品进行画像分析处理具体包括：通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

优选地，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

具体地，中文分词是智能语言处理的一部分，是所提到的聚类分析技术中不可缺少的。通过中文分词可以帮助理解产品信息包括产品品牌，商家，功能，介绍，评价(优点，缺点)和热门语等。这些信息是构成产品画像的重要组成。中文分词还可以帮助对用户在社交网络上的谈论及用户所提供的个人信息，比如爱好，个人介绍等作智能理解，帮助形成个人画像。

中文分词及句法分析包括：新词识别、歧义处理、电子商务领域内的专有词，评价词组的识别是中文分词的难点。选择合适的中文工具包，经过模型训练后能够解决大部分上述难题。市场上主流中文NLP工具包具体包括：

FudanNLP

IKAnalyzer

OpenNLP

StanfordNLP

MitNLP

……

本发明实施例中采用StanfordNLP工具包。其具有包括分词在内的丰富的中文处理功能，而且可以针对特定的应用进一步训练各种模型。利用实体名称库和用户评价标签库来重新训练中文分词模型，以提高精度。

·缺省的分词模型：

·色彩 好 有 网络 功能 边框 很 窄 价格 便宜 屏幕 大

·训练后的分词模型：

·色彩好 有网络功能 边框很窄 价格便宜 屏幕大

中文实体名称库。这些实体名称库可以通过分析苏宁产品信息获得或者从公共途径获得。

·产品名称库

·品牌名称库

·地名人名库

·图书名称库

·电影名称库

·……

常见用户评价标签库(如 画面清晰，外观漂亮 等)。可以通过评价标签来获得。

通过这些库来训练中文分词工具：

实体名称或评价语会作为一个词组来识别，而不是分开。

工具能够自动识别类似的名称或评价语

液晶 电视 ＝》液晶电视

三刻 拍案 惊奇 ＝》三刻拍案惊奇

款式 好看 ＝》款式好看

优选地，对不同用户进行画像分析处理具体包括：根据不同用户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

具体地，对不同类商品进行画像具体包括：

不同类商品比较特征不同，利用产品公共评价信息，大数据分析机器学习的工具，为每类商品画像，自动收集每类商品在近期的可比较特征。公共评价信息通过网络爬虫技术获取并结合内部已有用户评价信息分成不同的群，在收集完同类产品的评价信息后，利用聚类分析技术来讲分析评价信息分成不同的群，比如对单反相机，评价信息有电池，画质等不同的群组，对每一群组的评价信息，我们通过机器学习模型选取代表性的评价标签，比如电池寿命长，画质清晰，这些标签会和评价信息相应的产品关联起来，形成对产品的画像。

具体地，对不同用户画像具体包括：

不同用户比较喜好不同，利用客户的交易记录及可开放信息，为每个用户群体画像，收集客户的爱好，行为特征及购物趋势。处理过程类似，利用聚类分析技术将用户分成不同的群组，对不同群组，我们对群组用户在社交媒体上打上不同的标签，比如爱好登山，近期购买母婴产品，购买力强，全职工作进而对用户群体画像。

具体地，根据不同类商品的画像，不同用户的特征的画像，为用户提供商品推荐具体包括：

用户首先只需要输入，本发明会进行智能分析，用户点击推荐商品后就可以完成购物流程。

本领域技术人员应理解，与本发明的方法一对一对应的，本发明还同时提供一种个性化商品推荐引流系统，如图2所示，该系统具体包括：用户管理模块201，用于根据用户信息对不同用户进行画像分析处理；数据管理模块202，用于根据用户评价信息对不同类商品进行画像分析处理；引擎服务模块203，用于将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

优选地，引擎服务模块203具体包括：搜索引擎模块2031，用于提供产品搜索功能并结合产品画像对用户画像进行匹配，返回不仅匹配用户的描述，并且最适合用户的商家和品牌的相应产品信息；推荐引擎模块2032，用于提供产品推荐功能并结合商品画像对用户画像匹配，推荐最适合用户的与搜索结果相关的商品。

优选地，数据管理模块202具体用于：通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

优选地，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

优选地，用户管理模块201具体用于：根据不同客户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

优选地，该系统还包括：数据采集模块200，根据每个网站配置文件实现对网站的智能爬虫，获取产品和用户信息相关信息，并对相关信息进行索引和实时更新。

用户在移动终端上输入描述性的产品搜索，比如好冲动而婴幼儿奶粉，搜索引擎从众多商家，包括用户经常光临的门店和互联网上的网站，用画像的分析选择评价好冲的最高的奶粉，同时也推荐给用户适合早产儿的奶粉，评价婴儿不便秘的奶粉，结合以上商品的各个属性，推荐引擎总结性价比最好的奶粉，销售量最高的奶粉，离家最近的专卖店奶粉做最终推荐。推荐引擎用商品的画像陪陪用户的画像，更加准确高效的提升购物效率，节省用户时间提升购物体验。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种个性化商品推荐引流方法，其特征在于，所述方法包括如下步骤：

S1、根据用户评价信息对不同类商品进行画像分析处理；

S2、根据用户信息对不同用户进行画像分析处理；

S3、将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

2.根据权利要求1所述的个性化商品推荐引流方法，其特征在于，所述对不同类商品进行画像分析处理具体包括：

通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；

选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

3.根据权利要求2所述的个性化商品推荐引流方法，其特征在于，所述根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：

通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

4.根据权利要求1所述的个性化商品推荐引流方法，其特征在于，所述对不同用户进行画像分析处理具体包括：

根据不同用户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；

收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

5.一种个性化商品推荐引流系统，其特征在于，包括：

用户管理模块，用于根据用户信息对不同用户进行画像分析处理；

数据管理模块，用于根据用户评价信息对不同类商品进行画像分析处理；

引擎服务模块，用于将不同类商品的画像匹配不同用户的画像，为用户推荐商品。

6.根据权利要求5所述的个性化商品推荐引流系统，其特征在于，所述引擎服务模块具体包括：

搜索引擎模块，用于提供产品搜索功能并结合产品画像对用户画像进行匹配，返回匹配用户的描述，以及最适合用户的商家和品牌的相应产品信息；

推荐引擎模块，用于提供产品推荐功能并结合商品画像对用户画像匹配，推荐最适合用户的与搜索结果相关的商品。

7.根据权利要求5所述的个性化商品推荐引流系统，其特征在于，所述数据管理模块具体用于：

通过网络爬虫技术获取用户对不同商品的评价信息，在收集完同类商品的评价信息后，利用聚类分析技术来将评价信息分成不同的群组；

选取不同的群组的评价信息中的代表性评价标签，根据所述代表性评价标签将对应的产品关联起来形成对产品的画像。

8.根据权利要求7所述的个性化商品推荐引流系统，其特征在于，所述根据所述代表性评价标签将对应的产品关联起来形成对产品的画像具体包括：

通过中文工具包对评价标签库中的词语重构获取完整语句，形成对产品的画像。

9.根据权利要求5所述的个性化商品推荐引流系统，其特征在于，所述用户管理模块具体用于：

根据不同客户的交易记录和社交信息，利用聚类分析技术将用户分成不同的群组；

收集不同群组用户在社交媒体上的数据和交易记录信息，将不同群组打上不同的标签，根据不同的群组标签形成对用户的画像。

10.根据权利要求5所述的个性化商品推荐引流系统，其特征在于，所述系统还包括：

数据采集模块，根据每个网站配置文件实现对网站的智能爬虫，获取产品和用户信息相关信息，并对相关信息进行索引和实时更新。