CN109190036A - 推荐方法、装置、电子设备及存储介质 - Google Patents
推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109190036A CN109190036A CN201810975760.2A CN201810975760A CN109190036A CN 109190036 A CN109190036 A CN 109190036A CN 201810975760 A CN201810975760 A CN 201810975760A CN 109190036 A CN109190036 A CN 109190036A
- Authority
- CN
- China
- Prior art keywords
- keyword
- order
- agreement
- honouring
- target user
- 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.)
- Granted
Links
Classifications
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种推荐方法、装置、电子设备及存储介质,属于计算机技术领域,有助于减少未履约订单。本申请实施例公开的推荐方法包括:根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。本申请公开的推荐方法通过分析未履约订单的订单数据,推测目标用户的订单需求,并通过订单追溯确定未履约订单的导入搜索条件,结合推测的订单需求和导入搜索条件纠正推荐条件,及时为所述目标用户推荐复合需求的对象,提升订单履约概率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种推荐方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,线上预定线下履约的应用越来越多,例如,用户可以通过在线旅行社进行酒店预订,并直接线下入住;或者,用户可以通过线上购买,到店取货的形式进行购物。然而,这种线上订单发生无法履约的情况也逐渐增多。例如,对于酒店预定,经常会发生由于商户客满、商户想提价、用户对设施不满意等各种原因造成最终无法履约(尤其节假日高峰期),并进一步订单取消量增多,用户流失。在对现有技术的研究中,发明人发现,如果在用户生成预定订单之前,能够给用户准确的推荐复合用户需求的订单对象,如酒店,则可以减少订单取消概率,提升订单履约概率。
发明内容
本申请提供一种推荐方法,有助于减少订单取消概率,提升订单履约概率。
为了解决上述问题,第一方面,本申请实施例提供了一种推荐方法,包括:
根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;
根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;
将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;
根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
第二方面,本申请实施例提供了一种推荐装置,包括:
第一关键词推测模块,用于根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;
第二关键词获取模块,用于根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;
关键词融合排序模块,用于将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;
推荐模块,用于根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
第三方面,本申请实施例还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例所述的推荐方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时本申请实施例公开的推荐方法的步骤。
本申请实施例公开的推荐方法,通过根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果,有助于减少订单未被履约情况的发生。本申请实施例公开的推荐方法通过分析未履约订单的订单数据,推测目标用户的订单需求,并进一步通过订单追溯确定未履约订单的导入搜索条件,结合推测的订单需求和所述导入搜索条件,纠正推荐条件,及时为所述目标用户推荐复合需求的对象,以提升再一次进行推荐对象的准确度,减少订单取消概率,提升订单履约概率。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一的推荐方法流程图;
图2是本申请实施例二的推荐方法流程图;
图3是本申请实施例二的推荐方法的数据处理示意图之一;
图4是本申请实施例二的推荐方法的数据处理示意图之二;
图5是本申请实施例二的推荐方法的数据处理示意图之三;
图6是本申请实施例三的推荐装置结构示意图之一;
图7是本申请实施例三的推荐装置的结构示意图之二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,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作出创造性劳动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。
实施例一
本实施例公开的一种推荐方法,如图1所示,该方法包括:步骤110至步骤140。
步骤110,根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词。
本申请所述的订单可以为酒店订单、餐饮订单、票务订单等线上预订线下消费的订单。未履约订单则是线上预定成功后,取消的订单。导致订单未被履约的原因由多个方面,可能由于商户不具备履行订单的条件,也可能是订单用户对订单对象不满意或其他原因无法履行订单。
具体实施时,订单管理平台在生成订单时会记录包括订单编号、操作行为(如预定、取消)、操作原因、操作人(如用户、商户、客服人员)、预定对象信息(如入住时间、房型、备注信息等)等的订单数据。当用户或商户直接在线上操作取消订单后,或者用户或商住通过订单管理平台取消订单后,所述订单管理平台同样会记录包括订单编号、操作行为(如预定、取消)、操作原因、操作人(如用户、商户、客服人员)、预定对象信息(如入住时间、房型、备注信息等)等的订单数据。通过对未履约订单的订单数据进行分析,可以推测匹配目标用户的需求的第一关键词,其中,所述第一关键词包括用于描述未履约订单中目标用户的用户画像信息的用户画像关键词,和/或,描述所述未履约订单的未被履约原因的未履约原因关键词。
在本申请的一些实施例中,可以根据所述未履约订单的订单数据中的用户标识获取目标用户的历史订单数据,进一步通过对所述历史订单数据进行分析,确定所述目标用户的用户画像关键词。可以根据所述未履约订单的订单数据中的操作人确定语义分析逻辑,然后采用确定的语义分析逻辑对所述订单数据中操作原因进行语义分析,确定未履约原因关键词。或者通过评论系统、留言系统等获取所述未履约订单的描述信息,并对所述描述信息进行语义分析,以推测未履约原因关键词。
所述用户画像关键词和未履约原因关键词为根据订单数据进行分析,推测的匹配目标用户的需求的关键词。
步骤120,根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词。
在本申请的一些实施例中,还需要追溯所述未履约订单的关联数据,即导入数据,获取所述未履约订单的原始搜索和需求,并进一步确定导入所述未履约订单的第二关键词。其中,所述导入数据可以为订单管理平台根据目标用户的操作生成所述未履约订单时,该未履约订单对应的用户输入的搜索词、搜索场景、用户选择的对象品类等数据。所述订单管理平台会记录每个订单的检索关键词,其中,所述检索关键词包括:用户为了查找该订单中的对象输入的查询词、用户选择的对象品类信息中的一项或多项。在本申请的一些实施例中,可以将所述检索关键词作为导入所述未履约订单的第二关键词,即原始的匹配目标用户的需求的关键词。
步骤130,将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列。
在确定了所述第一关键词和所述第二关键词之后,可以将所述第一关键词和所述第二关键词的并集作为描述目标用户的需求的关键词。所述第一关键词和所述第二关键词中可能存在重复的关键词,在本申请的一些实施例中,根据各关键词的排序权重对所述第一关键词和所述第二关键词进行融合排序。其中,排序权重可以根据关键词的出现次数确定。例如,多次出现的关键词在代表目标用户的需求方面具有更重要的作用,因此,根据每个不同的关键词在第一关键词和第二关键词中出现的总次数对相应关键词设置对应的排序权重,使其在对目标用户进行推荐操作时,体现不同的重要程度。
具体实施时,可以按照关键词在第一关键词和第二关键词中出现的总次数由大到小的顺序对不同的关键词进行从前向后排序,得到关键词序列。排列在前的关键词将具有较高的搜索推荐权重,即排列在前的关键词在对用户进行推荐操作时将被优先考虑,具有更重要的作用。
在本申请的另一些实施例中,还可以预先为关键词设置排序权重,并根据设置的排序权重对所述第一关键词和所述第二关键词进行融合排序;或者,根据设置的排序权重和出现次数对所述第一关键词和所述第二关键词进行融合排序。
步骤140,根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
所述关键词序列中至少包括一个关键词,在确定了匹配所述目标用户的需求的关键词序列之后,本申请的一些实施例中,将所述关键词序列输入至预设推荐系统,由所述推荐系统根据输入的关键词序列执行对象搜索和推荐操作。根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果的具体实施方式参见现有技术,本申请实施例中不再赘述。
本申请实施例公开的推荐方法,通过根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果,有助于减少订单未被履约情况的发生。本申请实施例公开的推荐方法通过分析未履约订单的订单数据,推测目标用户的订单需求,并进一步通过订单追溯确定未履约订单的导入搜索条件,结合推测的订单需求和所述导入搜索条件,纠正推荐条件,及时为所述目标用户推荐复合需求的对象,以提升再一次进行对象推荐的准确度,减少订单取消概率,提升订单履约概率。
实施例二
本实施例公开的一种推荐方法,如图2所示,该方法包括:步骤210至步骤260。
步骤210,通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体。
为了便于读者理解本申请的技术方案,本实施例中以酒店订单为例说明推荐方法的具体技术方案。在实施例中,未履约订单为酒店订单,例如用户A预定了酒店B的房间,但是由于酒店B无法提供订单中用户A预定的房型,导致用户取消订单,则用户取消的订单为未履约订单。
在具体订单预定场景中,如果由于商户原因导致订单未被履约,如目标用户要求安排无烟房,但是酒店的无烟房已经满房,酒店无法满足所述目标用户的订单需求,导致所述目标用户取消订单,使得订单未被履约时,用户本身具有很强的履行订单的意愿,因此在这种情况下,可以为用户推荐符合用户预定需求的其他酒店或房型,使得用户和商户可以继续履行订单,或者通过修改订单的方式,减小订单取消概率。同时,改善用户体验。而如果是由于目标用户的原因导致订单无法被履行,则可以认为用户本身没有很强的履行订单的意愿,则不需要对用户推荐其他订单对象,以改善用户体验。因此,在本申请的一些实施例中,所述根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词之前,还包括:通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体;当所述责任主体非所述目标用户时,执行根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤。
在本申请的一些实施例中,通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体,包括:根据未履约订单取消操作发起者,选择相应的预设未履约原因关键词库;基于选择的所述预设未履约原因关键词库对订单数据进行语义分析,确定导致所述未履约订单未被履约的责任主体。本申请的一些实施例中针对取消操作发起者为用户或商户两种情况分别设置未履约原因关键词库。例如,用户的未履约原因关键词库包括:无窗、噪音、楼层等关键词;商户的未履约原因关键词库包括:房间大小、房型、配套等关键词。下面以未履约订单的订单数据为:“订单Id:11111;操作人:用户A;操作行为:取消订单;操作原因:房间比预期的小很多”举例说明导致所述未履约订单未被履约的责任主体的具体技术方案。
首次,根据订单数据中的操作人确定用于匹配的未履约原因关键词库。具体为,当操作人为用户时,确定通过用户的未履约原因关键词库进行匹配;当操作人为商户时,确定通过商户的未履约原因关键词库进行匹配;当操作人为客服人员时,认为客服人员为代理操作人,进一步通过对订单数据中的操作原因进行语义分析,确定取消操作发起者为用户还是商户,如果为用户,则确定通过用户的未履约原因关键词库进行匹配,如果为商户,则确定通过商户的未履约原因关键词库进行匹配。
然后,执行通过未履约原因关键词库进行匹配的步骤,具体实施时,可以将操作原因中的每个词语与确定的所述未履约原因关键词库中的关键词按照预设判断规则进行匹配,若在确定的未履约原因关键词库中匹配到操作原因中的词语,则确定导致所述未履约订单未被履约的责任主体为所述确定的未履约原因关键词库对应的取消操作发起者;否则,确定导致所述未履约订单未被履约的责任主体为订单双方中除所述确定的未履约原因关键词库对应的取消操作发起者之外的商户或用户。例如,上述订单数据中,操作原因“房间比预期的小很多”与用户的未履约原因关键词库中包括的关键词匹配不成功,则确定订单ID为11111的未履约订单的责任主体为商户。
步骤220,确定所述责任主体是否为目标用户,若是,则结束继续推荐流程,否则,执行根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤。
本申请所述的订单可以为酒店订单、餐饮订单、票务订单等线上预订线下消费的订单。未履约订单则是线上预定成功后,取消的订单。导致订单未被履约的原因有多个方面,可能由于商户不具备履行订单的条件,也可能是订单用户对订单对象不满意或其他原因无法履行订单。当由于商户的原因导致订单未被履约时,为了提升用户体验,本申请的一些实施例中会根据当前未履约订单的原始搜索条件、未履约原因以及目标用户的画像信息等,调整订单搜索推荐条件。即,如果确定所述责任主体不是目标用户,则跳转至步骤230,执行重新为目标用户推荐订单对象的流程;否则,结束当前流程。
步骤230,根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词。
在本申请的一些实施例中,对目标用户的需求进行推测时,可以仅根据用户画像信息推测,也可以仅根据订单取消原因相关信息推测,还可以综合用户画像信息和订单取消原因进行推测。所述根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词,包括:通过对所述未履约订单的订单数据进行分析,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词;和/或,根据所述目标用户的历史订单数据,确定所述目标用户的用户画像关键词,作为匹配所述目标用户的需求的至少部分第一关键词。
在本申请的一些实施例中,所述未履约订单的订单数据包括未履约原因,所述未履约原因按照预设规则设置,所述通过对所述未履约订单的订单数据进行分析,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词,包括:基于预设的未履约原因关键词库对所述未履约订单的未履约原因进行匹配识别,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词。其中,所述预设的未履约原因关键词库为根据可能由商户导致订单未被履约的原因确定的关键词组成的词库。例如,对于酒店商户而言,可能由于客满而导致目标用户无法成功入住,原订单未被履约,则可以将“客满”作为未履约原因关键词库中的一个关键词。当发生由于商户原因导致用户取消订单时,通过基于所述未履约原因关键词分析订单管理平台记录的订单数据中的操作原因、或用户的未履约订单的评论数据、留言、订单备注等订单数据,明确目标用户取消订单的原因,确定目标用户关注的当前次订单的关键词,即明确用户当前次订单的需求关键词。
通过根据订单数据确定目标用户的用户标识,并进一步确定该目标用户的历史订单数据。通过对所述目标用户的历史订单数据进行分析,按照预设规则,确定所述目标用户的用户画像关键词。例如,订单管理平台记录目标用户A历史上发生的5次消费,订单金额不高于150元,针对历史消费记录,按照预设特征规则—“间夜均价高于200:价格不敏感,低于200:价格敏感”,对目标用户A的历史消费记录进行分析,可以确定目标用户A的用户画像关键词为:价格敏感。
在本申请的一些优选实施例中,将所述未履约原因关键词和所述用户画像关键词进行共同作为匹配所述目标用户的需求的第一关键词。例如,将所述未履约原因关键词和所述用户画像关键词加入第一关键词的集合,其中,所述未履约原因关键词和所述用户画像关键词可能存在相同的关键词,因此,在第一关键词的集合中,某些关键词可能出现多次。假设确定的所述未履约原因关键词包括:“房间大小”、“无烟房”,确定的所述用户画像关键词包括:“房间大小”,“价格敏感”,则可以确定所述未履约原因关键词和所述用户画像关键词的组成的第一关键词的集合包括:“房间大小”、“无烟房”、“房间大小”,“价格敏感”。其中,关键词“房间大小”出现了2次。
进一步的,还可以根据第一关键词的权重对所述第一关键词进行去重、过滤,筛选掉权重较低的关键词,以加强权重较高的关键词在对象推荐时的重要性。其中,关键词的权重可以根据关键词的出现次数确定,也可以按照预设关键词权重规则确定,或者,结合关键词的出现次数和预设关键词权重规则确定。例如,由于关键词“房间大小”在所述未履约原因关键词和所述用户画像关键词中各出现1次,即“房间大小”在所述未履约原因关键词和所述用户画像关键词中出现2次,而“无烟房”和“价格敏感”分别出现了一次,因此,可以过滤掉对关键词“无烟房”和“价格敏感”,最终确定所述第一关键词为:“房间大小”,“房间大小”。具体实施时,所述第一关键词可以通过集合的形式表示,也可以表示为(关键词,权重)的列表形式。
其中,预设关键词权重规则包括一下任意一项或多项:设置所述未履约原因关键词的整体权重、设置所述用户画像关键词的整体权重、设置某些关键词的个体权重。例如,设置所述未履约原因关键词的整体权重加1;设置关键词“价格敏感”的个体权重加2。
步骤240,根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词。
在本申请的一些实施例中,所述未履约订单的关联数据为订单管理平台根据目标用户的操作生成所述未履约订单时,该未履约订单对应的用户输入的搜索词、搜索场景、用户选择的对象品类中的至少一项。例如,通过追溯所述未履约订单的导入数据,即追溯所述未履约订单的关联数据,以获取所述未履约订单的原始搜索和需求,并进一步确定导入所述未履约订单的第二关键词。其中,所述导入数据可以为订单管理平台根据目标用户的操作生成所述未履约订单时,该未履约订单对应的检索关键词、用户选择的对象品类等数据。所述订单管理平台会记录每个订单的检索关键词,其中,所述检索关键词包括:用户为了查找该订单中的对象输入的查询词、用户选择的对象品类信息中的一项或多项。在本申请的一些实施例中,可以将所述检索关键词作为导入所述未履约订单的第二关键词,即原始的匹配目标用户的需求的关键词。
在本申请的一个实施例中,通过下单流程埋点获取导入所述未履约订单的相关数据。例如通过在用户下单的入口设置埋点,获取检索关键词。本实施例中,假设目标用户A通过检索关键词“位置(最近)、有窗、房间大小(大房)”查询酒店房间,并完成预定,在订单管理平台生成的订单的订单标识为:11111。订单管理平台通过预设的下单流程埋点可以获取到该订单的检索关键词,并与订单一同存储。在该订单被取消之后,订单管理平台通过订单数据中的订单标识可以追溯该订单的检索关键词。具体到本实施例而言,通过订单标识11111可以获取到该订单的检索关键词为:位置(最近)、有窗、房间大小(大房)。然后,将所述检索关键词作为第二关键词。
步骤250,将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列。
在确定了所述第一关键词和所述第二关键词之后,可以将所述第一关键词和所述第二关键词的并集作为描述目标用户的需求的关键词。
所述第一关键词和所述第二关键词中可能存在重复的关键词,在本申请的一些优选实施例中,所述将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列,包括:对所述第一关键词和所述第二关键词中各关键词进行去重、去相似,得到各不相同的关键词;对所述各不相同的关键词确定排序权重;按照所述排序权重对所述各不相同的关键词进行排序,确定匹配所述目标用户的需求的关键词序列。其中,所述关键词的排序权重根据所述关键词在第一关键词中和第二关键词中出现的总次数和/或预设关键词权重规则确定。所述预设关键词权重规则包括对第一关键词或第二关键词增加整体权重,或对某个关键词增加个体权重。
在本申请的一些实施例中,所述关键词的排序权重与关键词在第一关键词中和第二关键词中出现的总次数正相关,例如排序权重等于关键词在第一关键词中和第二关键词中出现的总次数。具体到本实施例而言,如果前述步骤中确定的第一关键词包括:无烟房、房间大小,第二关键词包括:位置(最近)、有窗、房间大小(大房),则所述第一关键词和所述第二关键词中每个不同的关键词及出现次数分别为:无烟房1次,房间大小2次,位置1次,有窗1次,即关键词的排序权重分别为:无烟房=1,房间大小=2,位置=1,有窗=1。按照所述排序权重由大到小的顺序对所述不同的关键词从前向后排序后,得到匹配所述目标用户的需求的关键词序列为:房间大小、位置、有窗、无烟房。
在本申请的另一些实施例中,所述关键词的排序权重可以根据关键词在第一关键词中和第二关键词中出现的总出现次数和预设关键词权重规则确定。例如,可以设置对第一关键词的排序权重加1,如果前述步骤中确定的第一关键词包括:无烟房、房间大小,第二关键词包括:位置(最近)、有窗、房间大小(大房),则所述第一关键词和所述第二关键词中每个不同的关键词及出现次数分别为:无烟房1次,房间大小2次,位置1次,有窗1次,即关键词的排序权重分别为:无烟房=2,房间大小=3,位置=1,有窗=1。按照所述排序权重由大到小的顺序对所述不同的关键词从前向后排序后,得到匹配所述目标用户的需求的关键词序列为:房间大小、无烟房、位置、有窗。
在本申请的另一些实施例中,所述预设关键词权重规则还可以为对某些关键词的排序权重加预设值(例如设置对关键词“位置”的排序权重加1),如果前述步骤中确定的第一关键词包括:无烟房、房间大小,第二关键词包括:位置(最近)、有窗、房间大小(大房),则所述第一关键词和所述第二关键词中每个不同的关键词及出现次数分别为:无烟房1次,房间大小2次,位置1次,有窗1次,即关键词的排序权重分别为:无烟房=1,房间大小=2,位置=2,有窗=1。按照所述排序权重由大到小的顺序对所述不同的关键词从前向后排序后,得到匹配所述目标用户的需求的关键词序列为:房间大小、位置、无烟房、有窗。
多次出现的关键词在代表目标用户的需求方面具有更重要的作用,因此,根据每个不同的关键词在第一关键词和第二关键词中出现的总出现次数对相应关键词设置对应的搜索推荐权重,使其在对目标用户进行推荐操作时,体现不同的重要程度,以提升推荐结果与目标用户的需求的匹配度。
步骤260,根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果的具体实施方式参见实施例一,本实施例不再赘述。
本申请具体实施时,对获取第一关键词和第二关键词的先后顺序不做限定。
本申请实施例公开的推荐方法,通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体,当所述责任主体为商户时,根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果,有助于减少订单未被履约情况的发生。本申请实施例公开的推荐方法通过分析由于商户原因导致的未履约订单的订单数据,推测目标用户的订单需求,并进一步通过订单追溯确定未履约订单的导入搜索条件,结合推测的订单需求和所述导入搜索条件,纠正推荐条件,及时为所述目标用户推荐复合需求的对象,以提升再一次进行对象推荐的准确度,减少订单取消概率,提升订单履约概率。
在本申请的另一些实施例中,所述根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果之后,还包括:对推荐给所述目标用户的对象执行预占操作。
其中,所述预占操作包括但不限于:标记为预定、为所述目标用户保留所述对象。例如,对推荐给所述目标用户的酒店,所述订单管理平台锁定推荐给所述目标用户的酒店,只有所述目标用户可以预定,其他用户不能够预定。当所述目标用户从推荐的酒店中选择一个酒店完成预定之后,释放所述目标用户未预定的酒店。通过对推荐的对象进行预占操作,可以有效提升履约成功率,改善用户体验。
现有技术中,当由于商户原因导致用户取消订单(如酒店满房无法为目标用户提供订单预定的房间,导致目标用户取消订单),而产生未履约订单之后订单管理平台通常是根据未履约订单的订单对象的品类、价位等信息为目标用户推荐与未履约订单中预定对象相似的对象。而本申请在由于商户原因导致订单未被履约的情况下,不仅考虑了订单中的对象的因素,即经过追溯确定的第二关键词,还通过大数据分析场景,结合用户的本次消费反馈和其他渠道关于本次消费的反馈数据和用户的历史消费体验数据,重新定义本次用户的需求,及时为目标用户推荐匹配所述目标用户的订单需求的推荐结果,减少订单未履约概率,同时,可以改善用户体验。
本申请实施例公开的推荐方法的数据处理示意图如图3至图5所示。首先,如图3所示,通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体。其中,订单数据包括用户侧操作数据、商户侧操作数据以及客户侧操作数据。通过对输入的数据,基于预设的关键词库和判断规则进行语义分析,确定导致订单未履约的责任主体。并在未履约主体判断为商户的情况下触发后续推荐流程。在本申请的一些实施例中,确定导致所述未履约订单未被履约的责任主体的具体方案参见上述步骤210,此处不再赘述。
接下来,如图4所示,根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词。在本申请的一个实施例中,第一关键词可以为根据用户消费历史数据提取的描述用户历史画像的关键词,和根据订单数据提取的描述用户行为信息的关键词。其中,订单数据包括用户侧数据、商户侧数据、客服测数据。然后,通过将上述两部分关键词进行融合,得到第一关键词。可以根据用户历史画像信息提取关键词、根据订单相关信息提取关键词,以及,将提取的关键词融合最后得到第一关键词的具体实施方式参见上述步骤230,此处不再赘述。
进一步的,通过追溯订单导流的搜索条件,结合推测的当前场景下的目标用户的需求,形成新的搜索条件。如图5所示,通过在下单流程中设置埋点,可以获取所述未履约订单的关联数据;进一步的,通过埋点数据追溯,以及关进次提取和还原,可以得到追溯关键词,即第二关键词。最后通过将订单追溯得到的第二关键词和第一关键词进行去重、加权和排序,得到新的搜索条件。具体实施时,得到追溯关键词的具体方案可以参见前述步骤240,将订单追溯得到的第二关键词和第一关键词进行去重、加权和排序,得到新的搜索条件的具体方案可以参见前述步骤250,此处不再赘述。其中,第二关键词是继承的搜索因子,第一关键词是推测的搜索因子,通过整合上述两种搜索因子得到新的搜索条件,并最后以新的搜索条件进行搜索推荐,使得搜索条件更加匹配目标用户的需求,可以提升搜索推荐结果的准确性。
实施例三
本实施例公开的一种推荐装置,如图6所示,所述装置包括:
第一关键词推测模块610,用于根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;
第二关键词获取模块620,用于根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;
关键词融合排序模块630,用于将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;
推荐模块640,用于根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
可选的,所述未履约订单的关联数据为订单管理平台根据目标用户的操作生成所述未履约订单时,该未履约订单对应的用户输入的搜索词、搜索场景、用户选择的对象品类中的至少一项。
可选的,如图7所示,所述第一关键词推测模块610包括:
第一推测子模块6101,用于通过对所述未履约订单的订单数据进行分析,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词;和/或,
第二推测子模块6102,用于根据所述目标用户的历史订单数据,确定所述目标用户的用户画像关键词,作为匹配所述目标用户的需求的至少部分第一关键词。
可选的,如图7所示,所述未履约订单的订单数据包括未履约原因,所述第一推测子模块6101进一步用于:
基于预设的未履约原因关键词库对所述未履约订单的未履约原因进行匹配识别,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词。
可选的,如图7所示,所述关键词融合排序模块630进一步用于:
对所述第一关键词和所述第二关键词中各关键词进行去重、去相似,得到各不相同的关键词;
对所述各不相同的关键词确定排序权重;
按照所述排序权重对所述各不相同的关键词进行排序,确定匹配所述目标用户的需求的关键词序列。
可选的,如图7所示,所述装置还包括:
未履约责任主体确定模块650,用于通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体;
判断跳转模块660,用于当所述责任主体非所述目标用户时,执行根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤。
本申请实施例公开的推荐装置,通过首先对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体,当所述责任主体为商户时,通过对未履约订单的订单数据、所述未履约订单的导入数据进行分析,纠正推荐条件,以提升再一次进行对象推荐的准确度,减少订单取消概率,提升订单履约概率。
可选的,所述装置还包括:
预占模块(图中未示出),用于对推荐给所述目标用户的对象执行预占操作。
通过对推荐的对象进行预占操作,可以有效提升履约成功率,改善用户体验。
本申请实施例公开的推荐装置,通过根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果,有助于减少订单未被履约情况的发生。本申请实施例公开的推荐装置通过分析未履约订单的订单数据,推测目标用户的订单需求,并进一步通过订单追溯确定未履约订单的导入搜索条件,结合推测的订单需求和所述导入搜索条件,纠正推荐条件,及时为所述目标用户推荐复合需求的对象,以提升再一次进行对象推荐的准确度,减少订单取消概率,提升订单履约概率。
本申请实施例公开的推荐装置,用于实现本申请实施例一和实施例二中所述的推荐方法的各步骤,装置的各模块的具体实施方式参见相应步骤,此处不再赘述。
相应的,本申请还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例一和实施例二所述的推荐方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。
本申请还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例一和实施例二所述的推荐方法的步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请提供的一种推荐方法及装置进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
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各实施方式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实现。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
Claims (10)
1.一种推荐方法,其特征在于,包括:
根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;
根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;
将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;
根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
2.根据权利要求1所述的方法,其特征在于,所述根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤,包括:
通过对所述未履约订单的订单数据进行分析,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词;和/或,
根据所述目标用户的历史订单数据,确定所述目标用户的用户画像关键词,作为匹配所述目标用户的需求的至少部分第一关键词。
3.根据权利要求2所述的方法,其特征在于,所述未履约订单的订单数据包括未履约原因,所述通过对所述未履约订单的订单数据进行分析,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词的步骤,包括:
基于预设的未履约原因关键词库对所述未履约订单的未履约原因进行匹配识别,确定所述未履约订单的未履约原因关键词,作为匹配所述目标用户的需求的至少部分第一关键词。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列的步骤,包括:
对所述第一关键词和所述第二关键词中各关键词进行去重、去相似,得到各不相同的关键词;
对所述各不相同的关键词确定排序权重;
按照所述排序权重对所述各不相同的关键词进行排序,确定匹配所述目标用户的需求的关键词序列。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤之前,还包括:
通过对所述未履约订单的订单数据进行分析,确定导致所述未履约订单未被履约的责任主体;
当所述责任主体非所述目标用户时,执行根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词的步骤。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果的步骤之后,还包括:
对推荐给所述目标用户的对象执行预占操作。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述未履约订单的关联数据为订单管理平台根据目标用户的操作生成所述未履约订单时,该未履约订单对应的用户输入的搜索词、搜索场景、用户选择的对象品类中的至少一项。
8.一种推荐装置,其特征在于,包括:
第一关键词推测模块,用于根据未履约订单的订单数据,推测匹配目标用户的需求的第一关键词;
第二关键词获取模块,用于根据所述未履约订单的关联数据,提取匹配所述目标用户的需求的第二关键词;
关键词融合排序模块,用于将所述第一关键词和所述第二关键词进行融合排序,确定匹配所述目标用户的需求的关键词序列;
推荐模块,用于根据所述关键词序列,进行检索并向所述目标用户推荐检索到的结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述的推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7任意一项所述的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975760.2A CN109190036B (zh) | 2018-08-24 | 2018-08-24 | 推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975760.2A CN109190036B (zh) | 2018-08-24 | 2018-08-24 | 推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190036A true CN109190036A (zh) | 2019-01-11 |
CN109190036B CN109190036B (zh) | 2022-06-14 |
Family
ID=64919868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810975760.2A Active CN109190036B (zh) | 2018-08-24 | 2018-08-24 | 推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190036B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544392A (zh) * | 2019-01-18 | 2019-03-29 | 携程旅游信息技术(上海)有限公司 | 用于保险订单处理的方法、系统、设备以及介质 |
CN110084370A (zh) * | 2019-02-26 | 2019-08-02 | 阿里巴巴集团控股有限公司 | 一种用户行为分析方法及其服务器 |
CN110347916A (zh) * | 2019-06-11 | 2019-10-18 | 北京三快在线科技有限公司 | 跨场景的项目推荐方法、装置、电子设备及存储介质 |
CN110968801A (zh) * | 2019-12-04 | 2020-04-07 | 青梧桐有限责任公司 | 地产产品搜索方法、存储介质及电子设备 |
CN113159509A (zh) * | 2021-03-18 | 2021-07-23 | 深圳市元征科技股份有限公司 | 一种订单处理方法、系统、装置以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9202246B1 (en) * | 2010-10-21 | 2015-12-01 | Amazon Technologies, Inc. | System and method for providing substitute item recommendations in order status messages |
CN103970857B (zh) * | 2014-05-07 | 2017-08-25 | 百度在线网络技术(北京)有限公司 | 推荐内容确定系统和方法 |
CN107248096A (zh) * | 2017-04-20 | 2017-10-13 | 多点生活(中国)网络科技有限公司 | 订单处理方法和系统 |
CN107305551A (zh) * | 2016-04-18 | 2017-10-31 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
-
2018
- 2018-08-24 CN CN201810975760.2A patent/CN109190036B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9202246B1 (en) * | 2010-10-21 | 2015-12-01 | Amazon Technologies, Inc. | System and method for providing substitute item recommendations in order status messages |
CN103970857B (zh) * | 2014-05-07 | 2017-08-25 | 百度在线网络技术(北京)有限公司 | 推荐内容确定系统和方法 |
CN107305551A (zh) * | 2016-04-18 | 2017-10-31 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
CN107248096A (zh) * | 2017-04-20 | 2017-10-13 | 多点生活(中国)网络科技有限公司 | 订单处理方法和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544392A (zh) * | 2019-01-18 | 2019-03-29 | 携程旅游信息技术(上海)有限公司 | 用于保险订单处理的方法、系统、设备以及介质 |
CN109544392B (zh) * | 2019-01-18 | 2021-01-26 | 携程旅游信息技术(上海)有限公司 | 用于保险订单处理的方法、系统、设备以及介质 |
CN110084370A (zh) * | 2019-02-26 | 2019-08-02 | 阿里巴巴集团控股有限公司 | 一种用户行为分析方法及其服务器 |
CN110347916A (zh) * | 2019-06-11 | 2019-10-18 | 北京三快在线科技有限公司 | 跨场景的项目推荐方法、装置、电子设备及存储介质 |
CN110968801A (zh) * | 2019-12-04 | 2020-04-07 | 青梧桐有限责任公司 | 地产产品搜索方法、存储介质及电子设备 |
CN113159509A (zh) * | 2021-03-18 | 2021-07-23 | 深圳市元征科技股份有限公司 | 一种订单处理方法、系统、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109190036B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190036A (zh) | 推荐方法、装置、电子设备及存储介质 | |
US6877012B2 (en) | Method and system for database management for data mining | |
CN110325983A (zh) | 图像检索装置和图像检索方法 | |
CN109299994A (zh) | 推荐方法、装置、设备及可读存储介质 | |
CN108519991A (zh) | 一种主播账户推荐的方法和装置 | |
CN104199858A (zh) | 专利文件的检索方法和可视化专利检索系统 | |
CN109325182A (zh) | 基于会话的信息推送方法、装置、计算机设备及存储介质 | |
CN111639255B (zh) | 搜索关键词的推荐方法、装置、存储介质及电子设备 | |
US20150154685A1 (en) | Automated detection of new item features by analysis of item attribute data | |
CN107369091A (zh) | 产品推荐方法、装置及理财产品推荐方法 | |
CN104077392B (zh) | 一种搜索建议提示方法及装置 | |
KR101450453B1 (ko) | 컨텐츠 추천 방법 및 장치 | |
CN112925664A (zh) | 目标用户的确定方法、装置、电子设备及存储介质 | |
CN111767459A (zh) | 物品推荐的方法和装置 | |
Saga et al. | Hotel recommender system based on user's preference transition | |
CN109978575A (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
Peska et al. | Upcomp-a php component for recommendation based on user behaviour | |
CN111986030B (zh) | 数据处理方法、装置、存储介质以及计算机设备 | |
CN105550282A (zh) | 利用多维数据预测用户兴趣的方法 | |
Li et al. | Context-aware co-attention neural network for service recommendations | |
CN105224394B (zh) | 一种应用程序的分类方法及装置 | |
US20160217216A1 (en) | Systems, methods, and devices for implementing a referral search | |
CN106559225B (zh) | 数据校准的方法与装置 | |
CN111190938B (zh) | 数据分析方法、装置、存储介质及处理器 | |
CN109614542B (zh) | 公众号推荐方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230928 Address after: 22-01, 18th Floor, Building 38 Haidian Street, Haidian District, Beijing, 100089 Patentee after: BEIJING KUXUN TECHNOLOGY Co.,Ltd. Patentee after: BEIJING SANKUAI ONLINE TECHNOLOGY Co.,Ltd. Address before: 100083 2106-030, 9 North Fourth Ring Road, Haidian District, Beijing. Patentee before: BEIJING SANKUAI ONLINE TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |