CN108009897A

CN108009897A - 一种商品的实时推荐方法、系统及可读存储介质

Info

Publication number: CN108009897A
Application number: CN201711423504.4A
Authority: CN
Inventors: 向雷
Original assignee: Beijing Zhongguancun Kejin Technology Co Ltd
Current assignee: Beijing Zhongguancun Kejin Technology Co Ltd
Priority date: 2017-12-25
Filing date: 2017-12-25
Publication date: 2018-05-08

Abstract

本申请公开了一种商品的实时推荐方法，包括：获取目标用户已浏览的目标商品的属性数据；其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。本发明中的推荐策略是推荐与目标商品相关的其他商品，和/或按照购买周期进行商品推荐，这样减少了即时推荐同类商品的无效投放，也提高了推荐商品和多样性，更准确的预测用户的需求，从而进一步提高了用户的满意度，提高用户对电商平台的粘性。本申请还公开了一种具有相应有益效果的商品的实时推荐系统与可读存储介质。

Description

一种商品的实时推荐方法、系统及可读存储介质

技术领域

本发明涉及电子商务领域，特别涉及一种商品的实时推荐方法、系统及可读存储介质。

背景技术

近年来，电子商务推荐系统发展迅速，个性化及多样化的推荐系统为企业带来丰厚的利润。随着大数据的到来，数据量急剧增长以及用户多样性需求对推荐系统提出了更高要求。

目前较多使用的商品推荐技术是基于cookie获取用户的实时数据，然后在电子商务平台以及其他网站投放以用户兴趣为基础的相关商品广告。具体的，将cookie技术与模式识别算法相结合，根据用户与相关站点、内容或服务进行活动时提供的信息，实时捕捉用户兴趣爱好，为用户提供更有效的推荐。这种推荐方式成本较低，运用也很广泛。但是一些商品存在时效性问题，用户购买这些商品后的一段时间内并不会再次重复购买它们，此时继续推荐这些商品则成为一种无效或浪费的推荐，甚至引起用户反感，不利于电子商务平台的销售。

发明内容

有鉴于此，本发明的目的在于提供效率更高、推荐目标更准确的一种商品的实时推荐方法、系统及可读存储介质。其具体方案如下：

一种商品的实时推荐方法，包括：

获取目标用户已浏览的目标商品的属性数据；其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；

向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。

优选的，所述目标商品的关联领域包括：

所述目标商品所在的目标商品领域。

优选的，所述目标商品的关联领域还包括：

与所述目标商品具有关联性的其他商品领域。

优选的，所述目标商品的购买周期包括：

根据所述目标用户对所述目标商品或所述目标商品的同类商品的购买频次得到的购买周期。

优选的，所述目标商品的购买周期包括：

根据所述目标商品或所述目标商品的同类商品的人均购买频次得到的购买周期。

优选的，所述目标商品的购买周期包括：

根据所述目标商品或目标商品的同类商品的保质期和/或商品用途预设的购买周期。

优选的，在所述向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品之前，还包括：

获取所述目标用户的购物习惯；其中，所述购物习惯包括价格偏好和/或风格偏好；

根据所述购物习惯，对待推荐商品进行筛选和/或排序。

优选的，所述根据所述购物习惯，对待推荐商品进行筛选和/或排序的过程，包括：

根据所述购物习惯和品牌畅销度，对待推荐商品进行筛选和/或排序。

相应的，本发明还公开了一种商品的实时推荐系统，包括：

获取模块，获取目标用户已浏览的目标商品的属性数据；其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；

推荐模块，用于向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。

相应的，本发明还公开了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文中任一项所述商品的实时推荐方法的步骤。

本发明公开了一种商品的实时推荐方法，包括：获取目标用户已浏览的目标商品的属性数据；其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。本发明中的推荐策略是推荐与目标商品相关的其他商品，和/或按照购买周期进行商品推荐，这样减少了即时推荐同类商品的无效投放，也提高了推荐商品和多样性，更准确的预测用户的需求，从而进一步提高了用户的满意度，提高用户对电商平台的粘性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例中一种商品的实时推荐方法的步骤流程图；

图2为本发明实施例中一种商品的实时推荐系统的结构分布图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种商品的实时推荐方法，参见图1所示，包括：

S1：获取目标用户已浏览的目标商品的属性数据；

其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；

S2：向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。

其中，这里目标商品的关联领域一般指的是目标商品所在的目标商品领域。例如目标商品为宠物玩具时，认为其目标商品领域为宠物用品，可以向目标用户推荐宠物用品领域的其他商品，例如宠物的窝、食物、相关书籍等等。

当然，目标商品的关联区域还可以是与目标商品具有关联性的其他商品领域，一般通过检索大数据检索统计，获取较多用户的购物数据，从中获取相互关联的商品。例如当大数据检索发现，用户在购买户外用品的同时，有很大几率会购买摄影器材，因为大家普遍会在户外运动时记录运动情景或自然景色等。因此在发现目标用户浏览的目标商品是户外用品时，可以向目标用户推荐具有关联性的摄影器材。同样的例子还有宠物用品领域和远程通信领域，用户在为宠物提供各种宠物用品的同时，会考虑自己不在家时与宠物进行互动，可视化远程通信的产品由此受到关注。

另外，除了使用大数据检索外，还可以通过目标用户本身的商品记录判断目标用户可能感兴趣的商品。具体的，可以运用FP-growth算法(Frequent Pattern-growth)进行频繁项集的搜索，将目标用户的商品购买记录扫描一遍，将其中的频集按照关联的方式生成一棵频繁模式树FP-tree，然后将其划分，形成若干条件库，最后分别对具体的条件库进行挖掘。通过本算法得出的推荐模型可以为用户推荐感兴趣的商品，提高实时推荐的多样性。

可以理解的是，本实施例绕开目标商品，向用户推荐了更多与目标商品之间或间接相关的其他商品，更准确地预测用户的购买方向，使推荐更多样和更有趣味性。

另一方面，目标商品的购买周期也是通过各类数据得到的。一般有以下三种途径：

第一种是根据所述目标用户对所述目标商品或所述目标商品的同类商品的购买频次得到的购买周期。这种最为简单，使用的数据量较少，适用于一些生活用品、常用消耗品等，例如文具、洗护用品还有米面粮油。由于是根据目标用户的个人习惯得到的，因此更符合用户的个性化需求。

第二种是根据所述目标商品或所述目标商品的同类商品的人均购买频次得到的购买周期。相对于第一种无法获取目标用户第一次购买的目标商品的购买周期，或者目标用户对目标商品及同类商品的购买频次非常不稳定的情况，本方法能够通过大量数据，获取更合适的稳定购买周期对目标用户进行推荐。

第三种是根据所述目标商品或目标商品的同类商品的保质期和/或商品用途预设的购买周期。例如药品食物或与人类健康相关的生活用品，可以结合相关领域的专家意见进行定时推荐，例如为牙刷、抹布预设购买周期。这种方法是出于对消费者获得更适宜安全的消费体验，具有较高的应用价值。

当然，购买周期也可以进行用户设定或通过其他方法获取，本实施例在此不做限制。进一步的，对于一些特殊类型的商品，可以设置特定的购买周期。例如对于使用周期较长的衣物服饰、家电以及电子产品等，可在短时间内不予推荐同类商品。

本发明实施例公开了一种具体的商品的实时推荐方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：

在步骤S2之前，还可以包括以下两步：

获取所述目标用户的购物习惯；

根据所述购物习惯，对待推荐商品进行筛选和/或排序。

具体的，购物习惯一般通过电商平台提供的商品分类表以及商品对应的属性编码库，整理并统计每位用户在最近一段时间内的购物情况表，然后运用数据挖掘方法探究得到影响用户购买行为的商品属性。其中，可以采用BP神经网络算法对数据进行训练并挖掘影响用户购买行为的特征属性，也可以使用其他算法进行该项工作。

进一步的，在整理统计每位用户的购物情况表以及商品分类表、商品的属性编码库时，可以预先对数据进行筛选，检查数据类型是否统一，是否存在明显的数据错误，以此确保数据的有效性和准确率。

其中，所述购物习惯可以包括价格偏好和/或风格偏好，当然其他的商品属性也可以归纳入购物习惯中。具体的，价格偏好包括目标用户是否看中商品的价格及目标用户的消费水平。如果目标用户在选择购买商品时，十分看中商品价格，则按照目标用户的历史购物情况判断其消费水平后，以商品价格作较大的权重进行推荐商品的排序；如果目标用户并不看中商品价格，那么以购物习惯中其他偏好进行商品推荐的排序，适量减轻商品价格在排序中的权重。

另外，在对待推荐商品进行筛选和/或排序时，除去目标用户的个人因素也即购物习惯外，也可以将品牌畅销度或流行趋势加入考虑。品牌畅销度可以通过同领域内长期销量比较、口碑评分等方式获取，流行趋势则是在近期内销量较快速增长的趋势指数。考虑上述因素后调整待推荐商品的排序，从而获取既满足用户、又满足市场的推荐结果。

可以理解的是，本发明实施例中采用的各类数据均是实施本方法的电商平台的内部数据，本发明实施例中对商品的推荐也位于电商平台内部，电商平台不会通过各类插件获取目标用户对外的其他操作数据，也不会向外投放站外广告，从而保护用户的隐私，使用户的购物操作更加安全。

相应的，本发明实施例还公开了一种商品的实时推荐系统，参见图2所示，包括：

获取模块1，获取目标用户已浏览的目标商品的属性数据；其中，所述属性数据包括所述目标商品的关联领域和/或购买周期；

推荐模块2，用于向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品。

本发明实施例具有与上述实施例相应的有益效果。

相应的，本发明实施例还公开了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文中任一项实施例中所述商品的实时推荐方法的步骤。

其中，有关可读存储介质的具体细节，可以参照上文实施例中有关商品的实时推荐方法的具体描述，此处不再赘述。

本发明实施例具有与上述实施例相应的有益效果。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种商品的实时推荐方法、系统及可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种商品的实时推荐方法，其特征在于，包括：

2.根据权利要求1所述的实时推荐方法，其特征在于，所述目标商品的关联领域包括：

所述目标商品所在的目标商品领域。

3.根据权利要求2所述的实时推荐方法，其特征在于，所述目标商品的关联领域还包括：

与所述目标商品具有关联性的其他商品领域。

4.根据权利要求1所述的实时推荐方法，其特征在于，所述目标商品的购买周期包括：

5.根据权利要求1所述的实时推荐方法，其特征在于，所述目标商品的购买周期包括：

6.根据权利要求1所述的实时推荐方法，其特征在于，所述目标商品的购买周期包括：

7.根据权利要求1至6任一项所述的实时推荐方法，其特征在于，

在所述向所述目标用户推荐所述关联领域的其他商品，和/或根据所述购买周期推荐所述目标商品或所述目标商品的同类商品之前，还包括：

根据所述购物习惯，对待推荐商品进行筛选和/或排序。

8.根据权利要求7所述的实时推荐方法，其特征在于，所述根据所述购物习惯，对待推荐商品进行筛选和/或排序的过程，包括：

9.一种商品的实时推荐系统，其特征在于，包括：

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述商品的实时推荐方法的步骤。