CN106970972A - 一种基于大数据分析的商品推送方法及装置 - Google Patents
一种基于大数据分析的商品推送方法及装置 Download PDFInfo
- Publication number
- CN106970972A CN106970972A CN201710181307.XA CN201710181307A CN106970972A CN 106970972 A CN106970972 A CN 106970972A CN 201710181307 A CN201710181307 A CN 201710181307A CN 106970972 A CN106970972 A CN 106970972A
- Authority
- CN
- China
- Prior art keywords
- user
- commodity
- sign
- merchandise news
- information
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据分析的商品推送方法,包括获取用户的第一地域信息;根据所述第一地域信息获取第一推送标示;获取包含所述第一推送标示的商品信息,记为第一商品信息;将所述第一商品信息推送给所述用户;本发明还提供了一种基于大数据分析的商品推送装置,包括第一用户信息获取模块,第一标示获取模块,第一商品获取模块及第一推送模块;本发明所提供的方法及装置能够结合商品自身的特点及用户喜好进行个性化定制推送,提高推送信息的准确性,提供了用户体验。
Description
技术领域
本发明涉及互联网数据处理技术领域,特别涉及一种基于大数据分析的商品推送方法。
背景技术
随着科技的不断发展,社会信息化进程的加快,电子商务交易平台的不断完善,越来越多的人们通过网上购物的方式来获取自己所需的商品,商品的种类可以涉及到人们日常生活的方方面面,为人们生活提供了极大的便利。
由于现在各个电商平台上的商品种类繁多,用户在购物时,往往需要花费大量的时间进行挑选才能找到自己需要的商品,因此各个商家为了保证用户体验,均提供了针对用户的个性化推送服务。
然而,现有的商品推送方法一般通过获取用户日常浏览记录或购买历史进行简单推送,没有针对商品自身的特定及用户的个人信息进行个性化定制,使得推送信息的准确性较低。
发明内容
本发明的目的在于克服现有技术不足,提供了一种基于大数据分析的商品推送方法,能够结合商品自身的特点及用户喜好进行个性化定制推送,提高推送信息的准确性。
本发明为实现上述目的采用以下的技术方案:
第一方面,本发明提供了一种基于大数据分析的商品推送方法,包括:
获取用户的第一地域信息;
根据所述第一地域信息获取第一推送标示;
获取包含所述第一推送标示的商品信息,记为第一商品信息;
将所述第一商品信息推送给所述用户。
进一步的,在本发明一实施例中,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取当前日期信息;
根据所述第一地域信息及所述当前日期信息获取第二推送标示;
获取包含所述第二推送标示的商品信息,记为第二商品信息;
将所述第二商品信息推送给所述用户。
进一步的,在本发明一实施例中,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取用户的第二地域信息;
根据所述第二地域信息获取第三推送标示;
获取包含所述第三推送标示的商品信息,记为第三商品信息;
将所述第三商品信息推送给所述用户。
进一步的,在本发一实施例中,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取所述用户的第二地域信息及当前日期信息;
根据所述第二地域信息及所述当前日期信息获取第四推送标示;
获取包含所述第四推送标示的商品信息,记为第四商品信息;
将所述第四商品信息推送给所述用户。
在本发明一实施例中,所述根据所述第一地域信息获取第一推送标示,具体包括:
获取收货地址与所述第一地域信息匹配的购买记录;
根据所获取的购买记录统计各个商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第一推送标示。
在本发明一实施例中,所述根据所述第一地域信息及所述当前日期信息获取第二推送标示,具体包括:
获取收货地址与所述第一地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数
将所述购买次数不低于预设购买次数的商品的标示记为第二推送标示。
在本发明一实施例中,所述根据所述第二地域信息获取第三推送标示,具体包括:
获取收货地址与所述第二地域信息匹配的购买记录;
根据所获取的购买记录统计各个商品的购买次数;
将所述购买次数不低于预设购买次数的商品标示记为第三推送标示。
在本发明一实施例中,根据所述第二地域信息及所述当前日期信息获取第四推送标示,具体包括:
获取收货地址与所述第二地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第四推送标示。
第二方面,本发明还提供了一种基于大数据分析的推送时间计算方法,包括:
获取用户的所有订单信息,根据订单信息中的商品种类对所获取的订单进行分组;
获取任一分组中最近成交的订单信息,记为第一订单信息;
获取同一分组中与所述第一订单信息相邻的订单信息,记为第二订单信息;
根据所述第一订单信息的成交时间及所述第二订单信息的成交时间生成购买间隔;
根据所述第二订单信息中的商品购买数量及所述购买间隔生成消耗速率;
根据所述第一订单信息中的商品购买数量及所述消耗速率计算下一次推送的时间。
第三方面,本发明还提供了一种基于大数据分析的商品推送装置,包括第一用户信息获取模块,第一标示获取模块,第一商品获取模块及第一推送模块;
其中,所述第一用户信息获取模块用于获取用户的第一地域信息;
所述第一标示获取模块用于根据所述第一地域信息获取第一推送标示;
所述第一商品获取模块用于获取包含所述第一推送标示的商品信息,并记为第一商品信息;
所述第一推送模块用于将所述第一商品信息推送给所述用户。
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括时间获取模块,第一判断模块,第二标示获取模块,第二商品获取模块及第二推送模块;
其中,所述时间获取模块获取所述用户对所述第一商品信息的浏览时间;
所述第一判断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取当前日期信息;
所述第二标示获取模块用于根据所述第一地域信息及所述当前日期信息获取第二推送标示;
所述第二商品获取模块用于获取包含所述第二推送标示的商品信息,记为第二商品信息;
所述第二推送模块用于将所述第二商品信息推送给所述用户。
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括第二判断模块,第三标示获取模块,第三商品获取模块及第三推送模块;
其中,所述第二断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取用户的第二地域信息;
所述第三标示获取模块用于根据所述第二地域信息获取第三推送标示;
所述第三商品获取模块用于获取包含所述第三推送标示的商品信息,记为第三商品信息;
所述第三推送模块用于将所述第三商品信息推送给所述用户
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括第三判断模块,第四标示获取模块,第四商品获取模块及第四推送模块
其中,所述第三判断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取所述用户的第二地域信息及当前日期信息;
所述第四标示获取模块用于根据所述第二地域信息及所述当前日期信息获取第四推送标示;
所述第四商品获取模块用于获取包含所述第四推送标示的商品信息,记为第四商品信息;
所述第四推送模块用于将所述第四商品信息推送给所述用户。
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括推送时间计算模块;
所述推送时间计算模块用于根据用户的订单信息计算下一次推送的时间。
本发明的有益效果:
本发明提供了一种基于大数据分析的商品推送方法及装置,通过获取用户的地域信息结合预设数据或其他用户的购买记录判断用户的喜好,并进行相关商品的推送,能够满足用户对于地域敏感商品的选购需求;
且在本发明的优选实施例中,如用户对第一次推送的信息未表达出足够的兴趣时,还会获取用户的第二地域信息和/或日期信息,根据第二地域信息和/或日期信息及时调整推送内容,并向用户发送第二次推送信息,及时解决第一次推送时,信息不准确的问题,有效的减少了用户挑选商品的时间,提高了用户体验;
进一步的,本发明还提供了一种推送时间的计算方法,能够及时向用户推送需要的商品,保证了用户的粘着度,提高了用户体验。
附图说明
图1为本发明一实施例中一种基于大数据分析的商品推送方法的流程示意图;
图2为本发明第二实施例中一种基于大数据分析的商品推送方法的流程示意图;
图3为本发明第三实施例中一种基于大数据分析的商品推送方法的流程示意图;
图4为本发明第四实施例中一种基于大数据分析的商品推送方法的流程示意图;
图5为本发明一实施例中一种基于大数据分析的推送时间计算方法的流程示意图;
图6为本发明一实施例中一种基于大数据分析的商品推送装置的结构示意图。
具体实施方式
下面结合附图以及具体实施例对本发明做进一步说明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
如图1所示,本发明提供了一种基于大数据分析的商品推送方法,包括:
S110:获取用户的第一地域信息;
具体的,在本发明一实施例中,所述第一地域信息包括IP地址、收货地址、GPS定位信息中的至少一种。
可以理解的是,在获得用户的第一地域信息后,后台服务器可以根据商品的对地域敏感性的不同,按照不同的预设精度对用户的第一地域信息进行行政区域的划分,如,可以根据用户的IP地址定位用户所在的省、市或区。
S120:根据所述第一地域信息获取第一推送标示;
其中,在本发明一实施例中,步骤S120具体包括,
获取收货地址与所述第一地域信息匹配的购买记录;
根据所获取的购买记录统计各个商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第一推送标示。
具体地,对于一些地域敏感型的商品,如茶叶商品,每个地区的人对于茶叶的喜好都有差异,为了更准确的进行商品信息的推送,在获取了当前用户的第一地域信息后,后台服务器会根据同一地域信息的历史成交记录(可以包括当前用户的历史成交记录)推送相关的商品信息;如,通过获取当前用户的IP地址或收货地址判断当前用户为广东用户,后台服务器调用收货地址为广东省的所有订单的商品信息,按照商品的类型分别进行统计购买次数,将统计后购买次数超过后台预设购买次数的商品名称作为第一推送标示,如,统计收货地址为广东的一共有100个订单,其中,绿茶的购买次数为60次,红茶的25次,花茶的为15次,后台服务器设置的预设购买次数为50次,则以绿茶作为第一推送标示;其中,为了更准确的反应同一地区的各个用户的购买情况,在统计购买次数时只统计该类商品的成交次数,而忽略购买的商品数量。
S130:获取包含所述第一推送标示的商品信息,记为第一商品信息;
S140:将所述第一商品信息推送给所述用户。
具体的,在本发明一实施例中,后台服务器获取了第一推送标示后,根据第一推送标示在预设数据库进行检索,将包含第一推送标示的商品信息推送给当前用户。
如,后台服务器根据订单筛选结果获得第一推送标示为绿茶,则后台服务器搜索数据库中商品名或商品描述中包含绿茶的商品信息,并将所搜索出的商品信息作为第一次推送内容推送给用户。
进一步的,为了更准确的对用户进行推送,本发明所提供的推送方法在完成第一次推送后,还会对用户对于推送信息的浏览情况进行确认,在发现用户对第一次推送的商品不感兴趣时,及时更换推送方法进行第二次推送,具体步骤如图2所示,在本发明第二实施例中,还提供了一种基于大数据分析的商品推送方法,具体包括:
S210:获取用户对所述第一商品信息的浏览时间;
S220:判断用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
具体的,在本发明一实施例中,所述步骤S220中,判断用户对所述第一商品信息未表达购买意向,具体包括:当用户1)没有收藏或关注所推送的商品;2)没有将所推送的商品添加到购物车;3)没有对所推送的商品提交订单;中的任一种时,判断用户对所述第一商品信息未表达购买意向。
具体的,在将对用户进行第一次推送后,后台服务器监控还会监控用户对于推送信息的浏览情况,获得用户的浏览时间,当用户对于推送信息未表达购买意愿且对于商品信息的浏览时间低于预设值时,后台服务器判断第一次推送的商品信息为不满足用户的需求。
如,当用户对推送商品既没有收藏或关注,也没有添加购物车或提交订单,且浏览时间较短,如只浏览了10秒钟,则明显用户对于该商品的推送并不满意,需要进行二次推送。
S230:获取当前日期信息;
S240:根据所述第一地域信息及所述当前日期信息获取第二推送标示;
具体的,对于某些商品,如茶叶,除了地域敏感性以外,还对购买时间有一定的敏感度,同一种茶叶不懂季节采集、炒制的口感及价格都会有明显的区别,这就导致了用户在购买茶叶时,除了每个地区对于茶叶喜好会有不同外,同一地区用户在不同的季节对茶叶的需求也会有所不同,因此,当根据地域信息进行的第一次推送不满足用户的需求时,后台服务器获取当前日期信息,并参照日期信息生成第二推送标示。
其中,在本发明一实施例中,步骤S240具体包括:
获取收货地址与所述第一地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第二推送标示。
具体的,在本发一实施例中,所述根据所述当前日期信息生成时间区间,具体为,根据当前日信息判断当前季节信息,根据当前季节信息获取预设的时间区间。
具体的,后台服务器在按照当前用户的地域信息进行一次筛选后,如选出所有收货地址为广东的订单,根据所获得的日期信息判断当前的季节信息,并根据所述季节信息生成时间区间,如,后台服务器获得的当前日期为3月份,后台服务器判断此时为春季,按照预存的春茶上市时间生成时间区间为1-3月份,后台服务器挑选成交时间在1-3月份之内的订单信息,并统计该区间内的各种茶叶的购买次数,并挑选出购买次数不低于预设购买次数的茶叶种类,并将该种茶叶种类作为第二推送标示。
S250:获取包含所述第二推送标示的商品信息,记为第二商品信息;
S260:将所述第二商品信息推送给所述用户。
在本发明另一实施例中,除了按照日期信息对推送信息进行二次筛选外,还可以参照用户的第二地域信息进行二次筛选,如图3所示,在本发明第三实施例中,还提供了一种基于大数据分析的商品推送方法,具体包括:
S310:获取用户对所述第一商品信息的浏览时间;
S320:当用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
S330:获取用户的第二地域信息;
其中,所述第二地域信息包括用户的历史登录IP或已成交订单的收货地址;
具体的,后台服务器获取预设的某个特定时期用户的登录IP或订单的收货地址作为用户的历史地域信息。
S340:根据所述第二地域信息获取第三推送标示;
S350:获取包含所述第三推送标示的商品信息,记为第三商品信息;
S360:将所述第三商品信息推送给所述用户。
具体的,后台服务器所获取用户的当前地理位置有可能不能真实的反映出用于的喜好信息,如一位长年生活在北京的用户,因为工作需求到广州工作,此时后台服务器通过IP地址判断用户的地域信息为广东,继而按照广东用户的喝茶喜好进行商品推送,而这明显不符合用户的真实需求;因此,在第一次推送的商品信息不符合用户的预期是,后台服务器还会参照用户的历史地域信息;
其中,用户的历史地域信息可以通过用户以往的登录IP或之前成交的订单的收货地址来获取,选取后台服务器中预设的一个特定时间点的IP地址或收货地址作为该用户的历史地域信息;如,根据中国人的习惯,春节期间大部分人都会回家过年,因此用户在过年期间登录的IP地址或收货地址可以有效的反应出用户的真实地域信息,因此后台服务器可以选取当前用户之前几年在过年期间登录的IP地址或收货地址作为该用户的地域信息;
如,用户当前的地域信息为广东,后台服务器按照广东用户的喜好进行第一次茶叶推送后,用户对此次推送的内容没有表现出足够的购买意向,后台服务器调取该用户在过去2年中,过年期间的登录的IP地址,并判断此IP地址对应的地理区域为北京,则后台服务器调取收货地址为北京的订单详情,并进行筛选,按照北京用户的喜好进行第二次茶叶商品的推送。
进一步的,在本发明一实施例中,还可以将上述两种二次推送的方法进行结合,即同时参考用户的第二地域信息及当前的日期信息进行二次推送,如图4所示,在本发明第四实施例中,还提供了一种基于大数据分析的商品推送方法,具体包括:
S410:获取用户对所述第一商品信息的浏览时间;
S420:当用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
S430:获取用户的第二地域信息及当前日期信息;
S440:根据所述第二地域信息及所述当前日期信息获取第四推送标示;
S450:获取包含所述第四推送标示的商品信息,记为第四商品信息;
S460:将所述第四商品信息推送给所述用户。
其中,在本发明一实施例中,步骤S440具体包括:
获取收货地址与所述第二地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数
将所述购买次数不低于预设购买次数的商品的标示记为第四推送标示。
可以理解的是,本发明所述的商品信息既可指代某一款商品,如龙井、碧螺春等;也可指代某一类商品,如绿茶、红茶等;本发明对此不作限定。
第二方面,本发明还提供了一种基于大数据分析的推送时间计算方法,包括:
S510:获取用户的所有订单信息,根据订单信息中的商品种类对所获取的订单进行分组;
S520:获取任一分组中最近成交的订单信息,记为第一订单信息;
S530:获取同一分组中与所述第一订单信息相邻的订单信息,记为第二订单信息;
S540:根据所述第一订单信息的成交时间及所述第二订单信息的成交时间生成购买间隔;
S550:根据所述第二订单信息中的商品购买数量及所述购买间隔生成消耗速率;
S560:根据所述第一订单信息中的商品购买数量及所述消耗速率计算下一次推送的时间。
具体的,为了及时的向用户推送需要的商品,本发明还提供了一种推送时间的计算方法,后台服务器获取用户的所有订单信息,并按照商品类型,将购买同一种类商品的订单划分为同一分组;获取任意一个分组中最近成交的订单信息,记为第一订单信息,同时获取与所述第一订单信息相邻的订单记为第二订单信息,获取第一订单信息和第二订单信息的成交间隔,根据所述成交间隔和第二订单信息中购买的商品数量生成消耗速率,再根据第一订单信息中购买的商品数量及所述消耗速率计算推送时间;
如,后台服务器获取用户的所有订单信息后,根据订单所包含的商品信息分成绿茶订单分组、红茶订单分组及花茶订单分组;后台服务器获取绿茶订单分组中最近成交的订单信息,即第一订单信息,其中第一订单信息中包括购买绿茶500克,购买日期为7月;同时后台服务器获取与上述订单相邻的订单信息,即第二订单信息,其中第二订单信息中包括购买绿茶200克,购买日期为5月;后台服务器根据两个订单的成交时间计算该用户的购买间隔,即2个月,同时根据第二订单信息的购买数量计算用户的对绿茶的消耗速率,即200/2=100克/月,即用户平均的每月消耗100克绿茶茶叶,再根据第一订单信息中的购买数量,计算用户下次购买茶叶的大致时间,即500/100=5个月,即用户会在5个月后消耗完此次购买的茶叶,因此,后台服务器生成该用户绿茶茶叶的下一次推送时间为5个月,即在12月的时候按照推送规则向用户推送绿茶信息;同理后台服务器还可按照上述方法再分别计算用户红茶及花茶的推送时间,并按照推送规则分别进行推送。
其中,可以理解的是,对于商品是否属于同一类商品可以通过人工预设的筛选规则进行筛选,如在服务器中预设,龙井、碧螺春都属于绿茶,则用户购买龙井和购买碧螺春的订单信息都会分入绿茶订单分组。
如图6所示,本发明还提供了一种基于上述推送方法及推送时间计算方法的的商品推送装置,一种基于大数据分析的商品推送装置,包括第一用户信息获取模块100,第一标示获取模块200,第一商品获取模块300及第一推送模块400;
其中,第一用户信息获取模块100用于获取用户的第一地域信息;
第一标示获取模块200用于根据所述第一地域信息获取第一推送标示;
第一商品获取模块300用于获取包含所述第一推送标示的商品信息,并记为第一商品信息;
第一推送模块400用于将所述第一商品信息推送给所述用户。
进一步的,在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括时间获取模块,第一判断模块,第二标示获取模块,第二商品获取模块及第二推送模块;
其中,所述时间获取模块获取所述用户对所述第一商品信息的浏览时间;
所述第一判断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取当前日期信息;
所述第二标示获取模块用于根据所述第一地域信息及所述当前日期信息获取第二推送标示;
所述第二商品获取模块用于获取包含所述第二推送标示的商品信息,记为第二商品信息;
所述第二推送模块用于将所述第二商品信息推送给所述用户。
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括第二判断模块,第三标示获取模块,第三商品获取模块及第三推送模块;
其中,所述第二断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取用户的第二地域信息;
所述第三标示获取模块用于根据所述第二地域信息获取第三推送标示;
所述第三商品获取模块用于获取包含所述第三推送标示的商品信息,记为第三商品信息;
所述第三推送模块用于将所述第三商品信息推送给所述用户
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括第三判断模块,第四标示获取模块,第四商品获取模块及第四推送模块
其中,所述第三判断模块用于当判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时,获取所述用户的第二地域信息及当前日期信息;
所述第四标示获取模块用于根据所述第二地域信息及所述当前日期信息获取第四推送标示;
所述第四商品获取模块用于获取包含所述第四推送标示的商品信息,记为第四商品信息;
所述第四推送模块用于将所述第四商品信息推送给所述用户。
在本发明一实施例中,所述一种基于大数据分析的商品推送装置,还包括推送时间计算模块;
所述推送时间计算模块用于根据用户的订单信息计算下一次推送的时间。
具体的,在本发明一实施例中,本发明所提供的一种基于大数据分析的商品推送装置集成在商户的后台服务器中,其所有功能及操作均由所述后台服务器完成。
显然,上述实施例仅仅是为了更清楚的表达本发明技术方案所作的举例,而非对本发明实施方式的限定。对于本领域技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,在不脱离本发明构思的前提下,这些都属于本发明的保护范围。因此本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据分析的商品推送方法,其特征在于,包括:
获取用户的第一地域信息;
根据所述第一地域信息获取第一推送标示;
获取包含所述第一推送标示的商品信息,记为第一商品信息;
将所述第一商品信息推送给所述用户。
2.如权利要求1所述的基于大数据分析的商品推送方法,其特征在于,所述根据所述第一地域信息获取第一推送标示,具体包括:
获取收货地址与所述第一地域信息匹配的购买记录;
根据所获取的购买记录统计各个商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第一推送标示。
3.如权利要求1所述的基于大数据分析的商品推送方法,其特征在于,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取当前日期信息;
根据所述第一地域信息及所述当前日期信息获取第二推送标示;
获取包含所述第二推送标示的商品信息,记为第二商品信息;
将所述第二商品信息推送给所述用户。
4.如权利要求3所述的基于大数据分析的商品推送方法,其特征在于,所述根据所述第一地域信息及所述当前日期信息获取第二推送标示,具体包括:
获取收货地址与所述第一地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数
将所述购买次数不低于预设购买次数的商品的标示记为第二推送标示。
5.如权利要求1所述的基于大数据分析的商品推送方法,其特征在于,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取用户的第二地域信息;
根据所述第二地域信息获取第三推送标示;
获取包含所述第三推送标示的商品信息,记为第三商品信息;
将所述第三商品信息推送给所述用户。
6.如权利要求5所述的基于大数据分析的商品推送方法,其特征在于,所述根据所述第二地域信息获取第三推送标示,具体包括:
获取收货地址与所述第二地域信息匹配的购买记录;
根据所获取的购买记录统计各个商品的购买次数;
将所述购买次数不低于预设购买次数的商品标示记为第三推送标示。
7.如权利要求1所述的基于大数据分析的商品推送方法,其特征在于,所述将所述第一商品信息推送给所述用户,之后还包括:
获取所述用户对所述第一商品信息的浏览时间;
判断所述用户对所述第一商品信息未表达购买意向,且所述浏览时间小于预设时间时;
获取所述用户的第二地域信息及当前日期信息;
根据所述第二地域信息及所述当前日期信息获取第四推送标示;
获取包含所述第四推送标示的商品信息,记为第四商品信息;
将所述第四商品信息推送给所述用户。
8.如权利要求7所述的基于大数据分析的商品推送方法,其特征在于,根据所述第二地域信息及所述当前日期信息获取第四推送标示,具体包括:
获取收货地址与所述第二地域信息匹配的购买记录;
根据所述当前日期信息生成时间区间;
统计所获取的购买记录中购买时间在所述时间区间之内的商品的购买次数;
将所述购买次数不低于预设购买次数的商品的标示记为第四推送标示。
9.一种基于大数据分析的推送时间计算方法,其特征在于,包括:
获取用户的所有订单信息,根据订单信息中的商品种类对所获取的订单进行分组;
获取任一分组中最近成交的订单信息,记为第一订单信息;
获取同一分组中与所述第一订单信息相邻的订单信息,记为第二订单信息;
根据所述第一订单信息的成交时间及所述第二订单信息的成交时间生成购买间隔;
根据所述第二订单信息中的商品购买数量及所述购买间隔生成消耗速率;
根据所述第一订单信息中的商品购买数量及所述消耗速率计算下一次推送的时间。
10.一种基于大数据分析的商品推送装置,其特征在于,包括第一用户信息获取模块,第一标示获取模块,第一商品获取模块及第一推送模块;
其中,所述第一用户信息获取模块用于获取用户的第一地域信息;
所述第一标示获取模块用于根据所述第一地域信息获取第一推送标示;
所述第一商品获取模块用于获取包含所述第一推送标示的商品信息,并记为第一商品信息;
所述第一推送模块用于将所述第一商品信息推送给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710181307.XA CN106970972A (zh) | 2017-03-24 | 2017-03-24 | 一种基于大数据分析的商品推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710181307.XA CN106970972A (zh) | 2017-03-24 | 2017-03-24 | 一种基于大数据分析的商品推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106970972A true CN106970972A (zh) | 2017-07-21 |
Family
ID=59330077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710181307.XA Pending CN106970972A (zh) | 2017-03-24 | 2017-03-24 | 一种基于大数据分析的商品推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106970972A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657064A (zh) * | 2017-10-31 | 2018-02-02 | 深圳市辉驰达网络电子商务有限公司 | 数据配置方法及系统 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN109325835A (zh) * | 2018-10-25 | 2019-02-12 | 深圳市金鑫城纸品有限公司 | 苗木信息推送方法、终端及计算机可读存储介质 |
CN109447700A (zh) * | 2018-10-23 | 2019-03-08 | 广州致轩服饰有限公司 | 一种基于存量用户的商品反馈方法与装置 |
CN109447748A (zh) * | 2018-10-23 | 2019-03-08 | 广州致轩服饰有限公司 | 一种基于增量用户的商品反馈方法与装置 |
CN109474884A (zh) * | 2017-09-07 | 2019-03-15 | 北京京东尚科信息技术有限公司 | 数据处理方法及其系统 |
CN109493124A (zh) * | 2018-10-23 | 2019-03-19 | 广州致轩服饰有限公司 | 一种基于第三方数据的商品反馈方法与装置 |
CN110288484A (zh) * | 2019-04-02 | 2019-09-27 | 上海瀚之友信息技术服务有限公司 | 一种基于大数据平台的保险分类的用户推荐方法及系统 |
CN110363453A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东振世信息技术有限公司 | 配送信息可视化方法和装置 |
CN111133464A (zh) * | 2017-09-27 | 2020-05-08 | 乐天株式会社 | 信息处理装置、信息处理方法、程序以及存储介质 |
CN113158015A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 食物推荐方法、冰箱、计算机可读存储介质 |
CN113158008A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 食物推荐方法、冰箱、计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110302117A1 (en) * | 2007-11-02 | 2011-12-08 | Thomas Pinckney | Interestingness recommendations in a computing advice facility |
CN103210408A (zh) * | 2010-11-12 | 2013-07-17 | 瑞典爱立信有限公司 | 将第一位置简档与至少一个另一位置简档进行匹配 |
CN103778116A (zh) * | 2012-10-17 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 一种信息的推荐方法和系统 |
CN103856564A (zh) * | 2014-03-17 | 2014-06-11 | 中国联合网络通信集团有限公司 | 一种提醒用户购买商品的方法及购物提醒服务器 |
CN104599160A (zh) * | 2015-02-06 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置 |
-
2017
- 2017-03-24 CN CN201710181307.XA patent/CN106970972A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110302117A1 (en) * | 2007-11-02 | 2011-12-08 | Thomas Pinckney | Interestingness recommendations in a computing advice facility |
CN103210408A (zh) * | 2010-11-12 | 2013-07-17 | 瑞典爱立信有限公司 | 将第一位置简档与至少一个另一位置简档进行匹配 |
CN103778116A (zh) * | 2012-10-17 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 一种信息的推荐方法和系统 |
CN103856564A (zh) * | 2014-03-17 | 2014-06-11 | 中国联合网络通信集团有限公司 | 一种提醒用户购买商品的方法及购物提醒服务器 |
CN104599160A (zh) * | 2015-02-06 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109474884B (zh) * | 2017-09-07 | 2021-09-14 | 北京京东尚科信息技术有限公司 | 数据处理方法及其系统 |
CN109474884A (zh) * | 2017-09-07 | 2019-03-15 | 北京京东尚科信息技术有限公司 | 数据处理方法及其系统 |
CN111133464A (zh) * | 2017-09-27 | 2020-05-08 | 乐天株式会社 | 信息处理装置、信息处理方法、程序以及存储介质 |
CN107657064A (zh) * | 2017-10-31 | 2018-02-02 | 深圳市辉驰达网络电子商务有限公司 | 数据配置方法及系统 |
CN110363453A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东振世信息技术有限公司 | 配送信息可视化方法和装置 |
CN110363453B (zh) * | 2018-03-26 | 2022-11-08 | 北京京东振世信息技术有限公司 | 配送信息可视化方法和装置 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN109447700A (zh) * | 2018-10-23 | 2019-03-08 | 广州致轩服饰有限公司 | 一种基于存量用户的商品反馈方法与装置 |
CN109493124A (zh) * | 2018-10-23 | 2019-03-19 | 广州致轩服饰有限公司 | 一种基于第三方数据的商品反馈方法与装置 |
CN109447748A (zh) * | 2018-10-23 | 2019-03-08 | 广州致轩服饰有限公司 | 一种基于增量用户的商品反馈方法与装置 |
CN109325835A (zh) * | 2018-10-25 | 2019-02-12 | 深圳市金鑫城纸品有限公司 | 苗木信息推送方法、终端及计算机可读存储介质 |
CN110288484A (zh) * | 2019-04-02 | 2019-09-27 | 上海瀚之友信息技术服务有限公司 | 一种基于大数据平台的保险分类的用户推荐方法及系统 |
CN110288484B (zh) * | 2019-04-02 | 2022-12-13 | 上海瀚之友信息技术服务有限公司 | 一种基于大数据平台的保险分类的用户推荐方法及系统 |
CN113158015A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 食物推荐方法、冰箱、计算机可读存储介质 |
CN113158008A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 食物推荐方法、冰箱、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106970972A (zh) | 一种基于大数据分析的商品推送方法及装置 | |
JP6273168B2 (ja) | 決定装置、決定方法および決定プログラム | |
US10127574B2 (en) | Internet marketing analytics system | |
US9996626B1 (en) | Selection of content item recommendations based on user search results | |
CN106503258A (zh) | 一种网站站内精确搜索方法 | |
US20110218855A1 (en) | Offering Promotions Based on Query Analysis | |
US20080073429A1 (en) | Method and system for post purchase monitoring | |
JP6285515B2 (ja) | 決定装置、決定方法および決定プログラム | |
CN105975483A (zh) | 一种基于用户偏好的消息推送方法和平台 | |
US20120047014A1 (en) | Method and system for using email receipts for targeted advertising | |
US20140188584A1 (en) | Product pricing system on electronic commerce using the internet | |
CN107808310B (zh) | 基于广告费分享的精准商业营销方法 | |
CN103325052A (zh) | 一种基于多维度用户消费倾向建模的商品推荐方法 | |
CN102360483A (zh) | 聚合品牌自建电子商务官网的导航式b2c网络购物平台 | |
CN110348868A (zh) | 服务信息获取方法和装置 | |
US20130332282A1 (en) | System for the Acquisition of Local Goods and Services | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
CN104331818A (zh) | 可控制差异化推送商户服务信息的方法及系统 | |
CN110135900A (zh) | 一种基于用户行为的实时优惠券发放方法 | |
JP7140588B2 (ja) | 決定装置、決定方法および決定プログラム | |
WO2019184204A1 (zh) | 资源信息推荐方法及资源信息推荐系统 | |
TWI742506B (zh) | 基於消費資訊的特約商家推薦系統及其方法 | |
KR101979237B1 (ko) | 쇼핑 정보 제공 방법 및 장치 | |
US20130185146A1 (en) | Method and server of providing advertisement | |
Sun | The impact of auction characteristics on prices of agricultural products traded online: evidence from cherries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20170721 |