CN109242612A - 一种产品推荐的方法及设备 - Google Patents

Abstract

本发明适用于信息处理技术领域，提供了一种产品推荐的方法及设备，包括：获取目标用户的已购产品信息；根据已购产品信息内包含的购买记录，确定目标用户的用户等级；生成与用户等级匹配的购买需求采集页面，向目标用户的用户终端发送购买需求采集页面；接收用户终端基于购买需求采集页面返回的购买需求信息，并根据购买需求信息以及已购产品信息，确定目标用户的待购需求信息；提取与待购需求信息匹配的产品作为目标用户的推荐产品。本发明不再依赖客服人员的经验，而是可以根据用户的购买记录向用户推荐并未购买但符合用户购买需求的产品，实现精准推荐的目的，提高了产品推荐的准确率并减少了推荐产品的人工成本。

Description

一种产品推荐的方法及设备

技术领域

本发明属于信息处理技术领域，尤其涉及一种产品推荐的方法及设备。

背景技术

随着产品种类的不断增多，用户在购买产品时往往需要了解所有产品的信息，才能够确定所需购买的产品，为了方便用户确定所需购买的产品，向用户推荐合适的产品已经成为各个行业在用户购买产品时常用的销售手段。

现有的产品推荐方法，主要是通过客服人员根据经验向用户推荐认为合适的产品信息，但当用户已经购买部分产品，需要继续购买时，客服人员由于无法详细获知每个用户的购买情况，其所推荐产品往往会包含已购买的产品，出现重复推荐的情况，并且上述方式还较为依赖客服人员的经验水平，从而导致推荐产品的准确率较低，人工成本较高。

发明内容

有鉴于此，本发明实施例提供了一种报告的生成方法及设备，以解决现有的产品推荐的方法，常常出现重复推荐的情况，并且上述方式还较为依赖客服人员的经验水平，从而导致推荐产品的准确率较低，人工成本较高的问题的问题。

本发明实施例的第一方面提供了一种产品推荐的方法，包括：

获取目标用户的已购产品信息；

根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级；

生成与所述用户等级匹配的购买需求采集页面，向所述目标用户的用户终端发送所述购买需求采集页面；

接收所述用户终端基于所述购买需求采集页面返回的购买需求信息，并根据所述购买需求信息以及已购产品信息，确定所述目标用户的待购需求信息；

提取与所述待购需求信息匹配的产品作为所述目标用户的推荐产品。

本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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第一方面的各个步骤。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的各个步骤。

实施本发明实施例提供的一种产品推荐的方法及设备具有以下有益效果：

本发明实施例通过获取目标用户的已购产品信息，确定该用户的购买记录，从而能够基于该购买记录确定用户已经购买了哪些产品，并且通过购买记录可以确定用户对于产品的熟悉程度，并确定该目标用户的用户等级，基于该用户等级生成与之匹配的购买需求采集页面，确定目标用户的产品购买需求，由于用户对于产品越熟悉，即目标用户已经对产品有一定的了解，从而生成的购买需求采集页面中设置的题目可以越精准以及详细，从而提高了购买需求信息的准确性；在获取了目标用户的购买需求信息后，可以根据该购买需求新以及已购产品信息，确定用户的待购需求信息，从而能够避免重复推荐用户已购产品的情况。与现有的产品推荐方法相比，产品推荐不再依赖客服人员的经验，而是可以根据用户的购买记录向用户推荐并未购买但符合用户购买需求的产品，实现精准推荐的目的，提高了产品推荐的准确率并减少了推荐产品的人工成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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是本发明第一实施例提供的一种产品推荐的方法的实现流程图；

图2是本发明第二实施例提供的一种产品推荐的方法S103具体实现流程图；

图3是本发明第三实施例提供的一种产品推荐的方法S103具体实现流程图；

图4是本发明第四实施例提供的一种产品推荐的方法S102具体实现流程图；

图5是本发明第五实施例提供的一种产品推荐的方法的具体实现流程图；

图6是本发明一实施例提供的一种终端设备的结构框图；

图7是本发明另一实施例提供的一种终端设备的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过获取目标用户的已购产品信息，确定该用户的购买记录，从而能够基于该购买记录确定用户已经购买了哪些产品，并且通过购买记录可以确定用户对于产品的熟悉程度，并确定该目标用户的用户等级，基于该用户等级生成与之匹配的购买需求采集页面，确定目标用户的产品购买需求，由于用户对于产品越熟悉，即目标用户已经对产品有一定的了解，从而生成的购买需求采集页面中设置的题目可以越精准以及详细，从而提高了购买需求信息的准确性；在获取了目标用户的购买需求信息后，可以根据该购买需求新以及已购产品信息，确定用户的待购需求信息，从而能够避免重复推荐用户已购产品的情况，解决了的产品推荐的方法，常常出现重复推荐的情况，并且上述方式还较为依赖客服人员的经验水平，从而导致推荐产品的准确率较低，人工成本较高的问题。

在本发明实施例中，流程的执行主体为终端设备。该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等具有产品推荐的功能的设备。

图1示出了本发明第一实施例提供的产品推荐的方法的实现流程图，详述如下：

在S101中，获取目标用户的已购产品信息。

在本实施例中，为了确定目标用户的购买习惯以及已购买的产品情况，终端设备在确定向目标用户所推荐的产品之前，会获取该目标用户的已购产品信息。具体地，各个用户的购买记录可以存储于一用户数据库内，该用户数据库为每个用户划分预设的存储区域，用于存储该用户所有购买记录，该购买记录包括：已购产品记录、已退订产品记录、产品咨询记录等与产品购买相关的信息，并将每个用户的用户标识与对应的存储区域建立关联关系，构成一用户存储区域索引表。终端设备在确定了目标用户后，可以基于该目标用户的用户标识，查询该目标用户在用户数据库中相应的存储区域，从而提取得到该用户的已购产品信息。需要说明的是，上述用户标识可以为：用户编号、用户账号或与用户账号绑定的各类信息，如电子邮箱、电话号码等。

在本实施例中，已购产品信息包括多条目标用户的购买记录，购买记录可以记录有目标用户所购买的产品编号、购买日期、购买金额以及销售人员等相关参数，从而终端设备通过已购产品信息可以确定用户的购买习惯。

在本实施例中，S101的触发条件可以为事件触发，例如接收到用户的产品咨询请求，此时终端设备会提取该产品咨询请求中包含的用户标识，并将该用户标识对应的用户账户识别为目标账户，并执行S101的相关操作；还可以为当某一用户的已购产品的有效期与当前日期之间的差值小于预设日期阈值，即该已购产品快要到期时，终端设备可以识别该用户为目标用户，以提醒用户续费或购买同类等效产品，此时终端设备也可以执行S101的相关操作。除了事件触发的方式外，还可以通过时间触发的方式，执行S101的相关操作，例如每个用户会有一个产品推荐周期，若终端设备识别到当前时刻到达预设的产品推荐周期，则向目标用户推荐符合其购买需求的产品信息。需要说明的是，不同用户的的产品推荐周期可以不同，可以基于各个用户的用户等级确定产品推荐周期。

可选地，若目标用户不包含已购产品信息，则可以获取该目标用户的用户信息，从用户数据库已购买产品的用户中选取与该用户信息最为相似的用户作为该目标用户的类比用户，根据与该类比用户的已购买产品信息作为该目标用户的已购产品信息，由于两个用户之间的用户信息最为相近，从而两者的购买习惯也可以推断较为接近，从而对于没有购买过相关产品的用户，也能够进行精准推荐，提高了产品推荐的使用范围。

在S102中，根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级。

在本实施例中，终端设备在获取了目标用户的已购产品信息后，会对该已购产品信息进行解析，划分得到该目标用户的多个购买记录。需要说明的是，一个用户购买一个产品的过程中可以生成多条购买记录，例如用户在预订某一产品时，会生成一条订购记录，终端设备会根据该订购记录创建关于订购产品的购买记录；当用户在订购后正式交付全额款项后，会创建一条所有权转移记录，并根据该产品所有权转移记录生成对应的购买记录。因此，一个用户购买产品前、购买产品时以及购买产品后，即产品的购买生命周期中，可以生成不同的购买记录，通过目标用户对于多个目标产品的购买记录，可以确定该目标用户的购买习惯以及对于产品的熟悉程度，基于上述两个信息，则可以得到该目标用户的用户等级。

可选地，根据目标用户的购买记录确定该目标用户的用户等级的方法可以为：获取购买记录中各个已购产品的购买金额，并对各个购买金额进行加权叠加，每个购买金额的权重由所属已购产品的产品类型确定，将叠加后的总购买金额导入哈希转换模型，得到该目标用户的用户等级。由于用户购买的金额越高，则表示该用户对于产品的供应商的信任度越高，从而可以推断其对产品的认可度以及熟悉度也越高，从而可以基于购买金额的大小，确定该目标用户的用户等级。

可选地，若该目标用户的用户等级较高，换而言之大于第一等级阈值，则表示该目标用户所购买的已购产品信息中已经包括大部分产品类型的产品，在该情况下，终端设备则只需选取该目标用户未曾购买的产品作为推荐产品即可；若该目标用户的用户等级较低，换而言之小于第二等级阈值，则表示该目标用户几乎没有购买过相关产品，在该情况下，终端设备可以将基础产品作为推荐产品发送给目标用户。例如对于金融相关的产品，若某一目标用户并未开户，则可以将该金融机构的金融卡产品作为基础产品推荐给用户，以使用户开户后再办理或购买相关的产品。

在S103中，生成与所述用户等级匹配的购买需求采集页面，向所述目标用户的用户终端发送所述购买需求采集页面。

在本实施例中，由于用户等级的高低可以表示用户对于产品的熟悉程度，例如，对于产品越熟悉的用户，所设置的问题可以更加精确，以及可以附上一些专业术语，从而确定得到的购买需求也越详细，推送的产品更具有针对性；若对于产品较为不熟悉的用户，所设置的问题可以较为广泛，从浅层的产品概念引导用户，从而确定目标用户的购买需求采集页面。由此可见，对于不同的用户等级，所设置的购买需求采集页面中包含的题目会存有一定的差异，从而能够使得购买需求采集页面所设置的题目能够符合用户对于产品的认知度，在确保用户能够顺利理解题目的基础上，尽可能提高购买需求确定的准确性。

在本实施例中，根据用户等级确定购买需求采集页面的方式可以为：终端设备为不同的用户等级配置与之对应的购买需求采集页面模板，终端设备在确定该目标用户的用户等级后，将获取该用户等级对应的购买需求采集页面模板，并将该目标用户的用户信息导入该购买需求采集页面模板中，生成该目标用户对应的购买需求采集页面。

在本实施例中，终端设备在生成了该目标用户的购买需求采集页面后，会根据该目标用户的用户标识，查询该目标用户的用户终端的通信地址，并与该该用户终端建立通信连接，将该购买需求采集页面发送给该用户终端。可选地，该用户终端安装有该终端设备对应的客户端，当目标用户启动该客户端时，会弹出该购买需求采集页面，以提示目标用户在该页面中填写对应的采集参数。

在S104中，接收所述用户终端基于所述购买需求采集页面返回的购买需求信息，并根据所述购买需求信息以及已购产品信息，确定所述目标用户的待购需求信息。

在本实施例中，目标用户在用户终端上填写完毕后，会将该填写后的购买需求页面返回给终端设备，终端设备从该返回的购买需求页面中提取该目标用户的购买需求信息，从而能够根据该用户的购买需求信息，向目标用户推荐所需的产品。

在本实施例中，由于用户可能已经购买了部分产品，而购买需求信息是针对目标用户整体的购买目标而言的，因而终端设备会根据已购产品信息以及该购买需求信息，确定该目标用户的待购需求信息，则目标用户仍需要再购买哪些产品，才能够达到其所需的购买目标。例如，目标用户的购买需求信息是回报率至少为50万，而该目标用户已购产品信息中表示该用户的当前的回报率总和为30万，即目标用户仍需购买回报率为20万的产品，从而使得目标用户所有产品的回报率总和到达50万，即待购买需求信息为20万。

可选地，在本实施例中，终端设备在确定待购需求信息时，会从已购产品信息中过滤失效产品记录，从而使得在确定待购需求信息时，是根据已购产品信息中有效的产品记录进行计算的，从而能够提高待购需求信息的准确率。

在S105中，提取与所述待购需求信息匹配的产品作为所述目标用户的推荐产品。

在本实施例中，终端设备在确定了目标用户的待购需求信息中，可以将产品库中各个候选产品的产品信息与待购需求信息进行匹配，识别两者是否一致，若存在一个候选产品的产品信息与待购需求信息一致，则识别该候选产品为目标用户的推荐产品，并将该目标用户的推荐产品发送给目标用户的用户终端；反之，若不存在候选产品的产品信息与待需求信息一致，则将从产品库中选取遍历任意n个候选产品进行组合，将组合后的产品信息与待需求信息进行匹配，从而确定该目标用户对应的n个待推荐产品，其中，该n为任意大于1的正整数。

可选地，终端设备可以根据待购需求信息选取与该待购需求信息匹配的多个候选推荐产品，并基于各个候选推荐产品的销售情况以及用户反馈情况，计算各个候选推荐产品的推荐优先级，并选取推荐优先级最高的候选推荐产品作为推荐给目标用户的推荐产品。

以上可以看出，本发明实施例提供的一种产品推荐的方法通过获取目标用户的已购产品信息，确定该用户的购买记录，从而能够基于该购买记录确定用户已经购买了哪些产品，并且通过购买记录可以确定用户对于产品的熟悉程度，并确定该目标用户的用户等级，基于该用户等级生成与之匹配的购买需求采集页面，确定目标用户的产品购买需求，由于用户对于产品越熟悉，即目标用户已经对产品有一定的了解，从而生成的购买需求采集页面中设置的题目可以越精准以及详细，从而提高了购买需求信息的准确性；在获取了目标用户的购买需求信息后，可以根据该购买需求新以及已购产品信息，确定用户的待购需求信息，从而能够避免重复推荐用户已购产品的情况。与现有的产品推荐方法相比，产品推荐不再依赖客服人员的经验，而是可以根据用户的购买记录向用户推荐并未购买但符合用户购买需求的产品，实现精准推荐的目的，提高了产品推荐的准确率并减少了推荐产品的人工成本。

图2示出了本发明第二实施例提供的一种产品推荐的方法S103的具体实现流程图。参见图2所示，相对于图1述实施例，本实施例提供的一种产品推荐的方法中S103包括：S1031～S1033，具体详述如下：

在S1031中，分别获取各个所述购买记录在多个预设维度的参数值，构成购买记录向量，并将多个购买记录向量进行合并，得到所述目标用户的购买记录矩阵。

在本实施例中，终端设备记录有一购买记录向量模板，该向量模板包含多个元素，每个元素用于表示一个预设维度的参数值。例如，该购买记录向量模板具体包含{购买时间，产品金额，产品型号，折扣率，销售门店编号，销售人员编号}6个预设维度，则终端设备在确定了购买记录向量模板后，会从购买记录中依次确定各个预设维度所对应的参数值，并基于各个预设维度在购买记录向量模板中的位置，依次导入到该购买记录向量模板中，从而得到该购买记录对应的购买记录。对每一个购买记录均执行上述操作，即可确定各个购买记录的购买记录向量。

可选地，在本实施例中，某一购买记录中无法查询得到某一预设维度的参数值，则可以将该无法匹配的预设维度的参数值设置为默认值，例如用0进行标识，从而确保每个购买记录向量所包含的元素个数相同，并且相同位置的元素所标识的维度信息相同，便于后续的运算。

在本实施例中，终端设备可以根据各个购买记录的编号，确定各个购买记录向量在合并后的购买记录矩阵的序号，基于各个购买记录的编号将各个购买记录向量进行组合，得到该目标用户的购买记录矩阵。如上所述，某一购买记录向量模板为一1*6的数组，而目标用户的已购产品信息中包含20个购买记录，则将20个购买记录对应的购买记录向量进行合并后，则可以得到一20*6的矩阵。

可选地，在本实施例中，在生成了目标用户的购买记录矩阵之后，在执行S1032之前，终端设备可以对该购买记录矩阵进行预处理，例如将歧异的购买记录的购买记录向量从该购买记录矩阵中删除，从而实现对购买记录矩阵进行降维。由于购买记录矩阵是用于确定用户的购买习惯以及对于产品的熟悉情况，而对弈一些明显偏离用户购买习惯的购买记录，将会降低整个购买记录矩阵对于用户的购买习惯的表征性，因此可以对歧异的购买记录向量进行删除。具体的方式是将购买记录矩阵与其逆矩阵进行卷积操作，卷积计算后的购买特征矩阵的每一行用于表示各个购买记录向量与所有购买记录向量之间的关联度。终端设备选取关联度小于预设关联阈值的购购买记录向量作为歧异购买记录向量，并从该购买记录矩阵中删除。

在S1032中，根据所述用户等级确定多重池化神经网络的卷积核，并通过所述多重池化神经网络的卷积核对所述购买记录矩阵进行N次降维操作，得到所述目标用户的购买特征向量；所述N为所述多重池化神经网络的层级数。

在本实施例中，终端设备在S1032之前，可以通过多个训练用户的训练购买矩阵对该多重池化神经网络进行训练，从而该多重池化神经网络中所配置的学习参数已收敛且对应的损失函数取值最小，优选地，该多重池化神经网络可以以VGG19神经网络为基础进行调整，其中，终端设备将VGG19神经网络的全连接层调整为输出需求特征序列的全连接层。

在本实施例中，终端设备记录有用户等级与卷积核的对应关系表，不同的用户等级所对应的卷积核的大小不一样，由于购买记录的数量与用户等级存在一定的关联关系，例如购买记录越多，则表示目标用户对于产品的熟悉程度越高，从而其用户等级也越高。为了确保终端设备将购买记录矩阵通过多重池化神经网络降维后，所输出的购买特征向量不会失真，终端设备会根据用户等级确定进行池化卷积的卷积核大小。具体地，若用户等级越高，其卷积核越大，即该卷积核所对应的矩阵的行列数越多；反之，若用户等级越低，其卷积核越小，即该卷积核所对应的矩阵的行列数越少。

在本实施例中，用户可以设置该多重池化神经网络的层级数，优选地，该层级数为5，即为5层池化神经网络。终端设备会将上一层池化层的输出矩阵作为下一层池化层的输入矩阵，从而实现对购买记录矩阵进行多重池化操作，并将最后一层池化层的输出数据识别为购买特征向量。

在S1033中，将所述购买特征向量导入到所述多重池化神经网络的全连接层，输出购买需求特征序列。

在本实施例中，终端设备会将购买特征向量导入到多重池化神经网络的全连接层，从而将购买特征向量转换为可确定购买需求题目的购买需求特征序列。该购买需求特征序列包含多个序列号，可以基于该序列号确定获取目标用户的购买需求的需求题目。

在S1034中，根据所述购买需求特征序列包含的序列号，从购买需求题库中选取与所述序列号对应的购买需求题目，生成所述购买需求采集页面。

在本实施例中，终端设备存储有购买需求题库，该购买需求题库存储有多个购买需求题目，每个购买需求题目配置有一个索引号。终端设备在生成目标用的购买需求特征序列后，可以基于该特征序列中包含的序列号，从购买需求题库中查询与该序列号对应的购买需求题目，即序列号与该购买需求题目的索引号一致，则识别为两者对应匹配。将该购买需求序列中的各个购买需求题目进行组合，则可以得到购买需求采集页面。

在本发明实施例中，终端设备将各个购买记录转换为购买记录向量，进而得到目标用户的购买记录矩阵，通过多重池化神经网络转换后，确定所需询问用户的购买需求题目，生成包含购买需求题目的购买需求采集页面，提高了购买需求采集页面的准确性，精准获取目标用户的购买需求。

图3示出了本发明第三实施例提供的一种产品推荐的方法S103的具体实现流程图。参见图3所示，相对于图1所述实施例，本实施例提供的一种产品推荐的方法中S103包括S1031’～S1034’，具体详述如下：

在S1031’中，选取所述用户等级对应的需求题目模板；所述需求题目模板中包含多个需求参数项。

在本实施例中，由于不同用户等级的目标用户，对于产品的熟悉程度不同，因此终端设备会为不同用户等级配置与之对应的需求题目模板，从而使得需求题目模板与用户对于产品的认知程度相匹配，减少目标用户无法理解需求题目的情况发生。因此，终端设备会根据目标用户的用户等级，提取与该用户等级相对应的需求题目模板。

在本实施例中，各个需求题目模板包含多个需求参数项，该需求参数项可以从目标用户的已购产品信息中提取所需的信息，例如购买频率、购买平均金额等需求参数项，从而得到与目标用户匹配的需求题目。

在S1032’中，基于所述购买记录，确定所述目标用户的失效产品信息以及有效产品信息。

在本实施例中，终端设备从已购产品信息中提取得到购买记录后，会对各个购买记录中的已购产品的有效期进行识别，判断该购买记录中对应的已购产品是否已失效，从而将购买记录划分为已失效购买记录以及有效购买记录，并将所有已失效购买记录进行汇聚得到失效产品信息；将所有有效购买记录进行汇聚，得到有效产品信息。

可选地，每个购买记录可以配置有一个有效标识符，终端设备会以预设的时间间隔对购买记录库中各个购买记录进行有效期识别，若某一购买记录对应的产品已失效，则会调整该有效标识符的位值，从而终端设备在执行S1032’时可以直接根据该有效标识符的位值，对购买记录进行分类。

在S1033’中，根据所述失效产品信息生成续订需求题目，以及根据所述有效产品信息确定各个需求参数项的参数值，将各个所述参数值导入所述需求题目模板，生成购买需求题目。

在本实施例中，对于已失效产品信息以及有效产品信息终端设备采用不同的需求询问策略。对于已失效产品信息，主要确定目标用户为何在产品已失效后，并没有续购或续订该产品，是对产品有不满意抑或是不再需要这类型的服务，因此会基于失效产品新生产续订需求题目；对于有效产品信息，则可以将有效产品信息导入到该需求题目模板中各个需求参数项的正则表达式，从而识别得到各个需求参数项的参数值，并将各个参数值导入到需求题目模板中，得到与有效产品信息对应的购买需求题目。

在S1034’中，基于所述续订需求题目以及所述购买需求题目，生成所购买需求采集页面。

在本实施例中，终端设备会将续订需求题目以及购买需求题目进行合并，生成购买需求采集页面，从而获取目标用户对于不同产品类型的需求信息。

在本发明实施例中，根据是否有效对各个购买产品进行分类，从而确定目标用户对有效类型以及失效类型的产品的需求信息，从而提高采集的购买需求的准确性。

图4示出了本发明第四实施例提供的一种产品推荐的方法S102的具体实现流程图。参见图4所示，相对于图1-图3所述实施例，本实施例提供的一种产品推荐的方法中S102包括：S1021～S1022，具体详述如下：

在S1021中，基于所述购买记录，统计所述目标用户的已购产品的产品个数以及产品种类数。

在本实施例中，终端设备会从各个购买记录中提取已购产品的产品标识，从而对各个产品标识，通过该产品标识可以确定用户所购买的产品类型，从而可以统计得到已购产品的产品个数以及产品种类数。其中，需要说明的是，该产品个数是所有用户已购的产品的总数，即不考虑不同产品是否种类相同，在确定产品种类数时，才将种类相同且购买多次的产品合并识别为一个。

在S1022中，将所述产品个数以及所述产品种类数导入到用户等级转换模型，确定所述目标用户的用户等级；所述用户等级转换模型具体为：

其中，CstmLv为所述用户等级；BuyQual为所述产品个数；AverageQual为基于用户数据库确定的用户平均产品购买个数；TypeQual为所述产品种类数；TotalType为所有产品的种类总数；Adjustment为预设的调整系数；int(x)为取整函数。

在本实施例中，终端设备将获取得到的产品个数以及产品种类数导入到用户等级转换模型内，其中基于产品个数以及根据用户数据库确定的用户平均产品购买个数之间的比值，确定第一用户等级因子；根据产品种类数以及产品的种类总数之间的比值，确定第二用户等级因子，并基于上述两个用户等级因子计算目标用户的用户等级。

在本发明实施例中，通过产品个数以及产品种类数，确定目标用户的用户等级，从而能够通过更加精准的计算方式确定用户等级，从而该用户等级更能够有效地表征用户对于产品的熟悉程度，提高了产品推荐的准确率。

图5示出了本发明第五实施例提供的一种产品推荐的方法的具体实现流程图。参见图5所示，相对于图1-图3所述实施例，本实施例提供的一种产品推荐的方法中在所述获取目标用户的已购产品信息之前，还包括：S501～S502，具体详述如下：

进一步地，在所述获取目标用户的已购产品信息之前，还包括：

在S501中，基于用户数据库内的产品推荐记录，确定所述用户数据库中各个候选用户的推荐频率。

在本实施例中，终端设备在每对一个目标用户推荐一次产品后，会生成一条产品推荐记录，并该产品推荐记录中包含产品推荐时间。终端设备可以根据用户数据库内的所有产品推荐记录，确定各个用户数据库中的各个候选用户的推荐频率。

在S502中，选取推荐频率低于预设推荐阈值的候选用户作为所述目标用户。

在本实施例中，终端设备在确定了各个候选用户的推荐频率后，会将各个推荐频率与预设的推荐阈值进行比对，选取出推荐频率低于预设推荐阈值的候选用户作为目标用户，由于推荐频率越低，则表示与该用户的联系越小，从而可能新推出的产品更能够满足用户的购买需求，因此会执行后续的产品推荐方法。

在本发明实施例中，通过确定各个候选用户的推荐频率，并选取推荐频率较低的候选用户作为目标用户，从而能够保持与各个用户之间的关联度以及黏着度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图6示出了本发明一实施例提供的一种终端设备的结构框图，该终端设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图6，所述终端设备包括：

已购产品信息获取单元61，用于获取目标用户的已购产品信息；

用户等级确定单元62，用于根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级；

购买采集页面生成单元63，用于生成与所述用户等级匹配的购买需求采集页面，向所述目标用户的用户终端发送所述购买需求采集页面；

待购需求信息确定单元64，用于接收所述用户终端基于所述购买需求采集页面返回的购买需求信息，并根据所述购买需求信息以及已购产品信息，确定所述目标用户的待购需求信息；

推荐产品确定单元65，用于提取与所述待购需求信息匹配的产品作为所述目标用户的推荐产品。

可选地，购买采集页面生成单元63包括：

购买记录矩阵确定单元，用于分别获取各个所述购买记录在多个预设维度的参数值，构成购买记录向量，并将多个购买记录向量进行合并，得到所述目标用户的购买记录矩阵；

购买特征向量确定单元，用于根据所述用户等级确定多重池化神经网络的卷积核，并通过所述多重池化神经网络的卷积核对所述购买记录矩阵进行N次降维操作，得到所述目标用户的购买特征向量；所述N为所述多重池化神经网络的层级数；

购买需求特征序列计算单元，用于将所述购买特征向量导入到所述多重池化神经网络的全连接层，输出购买需求特征序列；

购买需求题目提取单元，用于根据所述购买需求特征序列包含的序列号，从购买需求题库中选取与所述序列号对应的购买需求题目，生成所述购买需求采集页面。

可选地，购买采集页面生成单元63包括：

需求题目模板选取单元，用于选取所述用户等级对应的需求题目模板；所述需求题目模板中包含多个需求参数项；

购买记录分类单元，用于基于所述购买记录，确定所述目标用户的失效产品信息以及有效产品信息；

需求题目生成单元，用于根据所述失效产品信息生成续订需求题目，以及根据所述有效产品信息确定各个需求参数项的参数值，将各个所述参数值导入所述需求题目模板，生成购买需求题目；

需求题目合并单元，用于基于所述续订需求题目以及所述购买需求题目，生成所购买需求采集页面。

可选地，所述用户等级确定单元62包括：

产品特征参数提取单元，用于基于所述购买记录，统计所述目标用户的已购产品的产品个数以及产品种类数；

用户登记计算单元，用于将所述产品个数以及所述产品种类数导入到用户等级转换模型，确定所述目标用户的用户等级；所述用户等级转换模型具体为：

其中，CstmLv为所述用户等级；BuyQual为所述产品个数；AverageQual为基于用户数据库确定的用户平均产品购买个数；TypeQual为所述产品种类数；TotalType为所有产品的种类总数；Adjustment为预设的调整系数；int(x)为取整函数。

可选地，所述终端设备还包括：

推荐频率确定单元，用于基于用户数据库内的产品推荐记录，确定所述用户数据库中各个候选用户的推荐频率；

目标用户确定单元，用于选取推荐频率低于预设推荐阈值的候选用户作为所述目标用户。

因此，本发明实施例提供的终端设备同样可以不再依赖客服人员的经验，而是可以根据用户的购买记录向用户推荐并未购买但符合用户购买需求的产品，实现精准推荐的目的，提高了产品推荐的准确率并减少了推荐产品的人工成本。

图7是本发明另一实施例提供的一种终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如产品推荐的程序。所述处理器70执行所述计算机程序72时实现上述各个产品推荐的方法实施例中的步骤，例如图1所示的S101至S105。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各单元的功能，例如图6所示模块61至65功能。

示例性的，所述计算机程序72可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成已购产品信息获取单元、用户等级确定单元、购买采集页面生成单元、待购需求信息确定单元以及推荐产品确定单元，各单元具体功能如上所述。

所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

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，也可以采用软件功能单元的形式实现。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种产品推荐的方法，其特征在于，包括：

获取目标用户的已购产品信息；

根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级；

生成与所述用户等级匹配的购买需求采集页面，向所述目标用户的用户终端发送所述购买需求采集页面；

接收所述用户终端基于所述购买需求采集页面返回的购买需求信息，并根据所述购买需求信息以及已购产品信息，确定所述目标用户的待购需求信息；

提取与所述待购需求信息匹配的产品作为所述目标用户的推荐产品。

2.根据权利要求1所述的方法，其特征在于，所述生成与所述用户等级匹配的购买需求采集页面，包括：

分别获取各个所述购买记录在多个预设维度的参数值，构成购买记录向量，并将多个购买记录向量进行合并，得到所述目标用户的购买记录矩阵；

根据所述用户等级确定多重池化神经网络的卷积核，并通过所述多重池化神经网络的卷积核对所述购买记录矩阵进行N次降维操作，得到所述目标用户的购买特征向量；所述N为所述多重池化神经网络的层级数；

将所述购买特征向量导入到所述多重池化神经网络的全连接层，输出购买需求特征序列；

根据所述购买需求特征序列包含的序列号，从购买需求题库中选取与所述序列号对应的购买需求题目，生成所述购买需求采集页面。

3.根据权利要求1所述的方法，其特征在于，所述生成与所述用户等级匹配的购买需求采集页面，包括：

选取所述用户等级对应的需求题目模板；所述需求题目模板中包含多个需求参数项；

基于所述购买记录，确定所述目标用户的失效产品信息以及有效产品信息；

根据所述失效产品信息生成续订需求题目，以及根据所述有效产品信息确定各个需求参数项的参数值，将各个所述参数值导入所述需求题目模板，生成购买需求题目；

基于所述续订需求题目以及所述购买需求题目，生成所购买需求采集页面。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级，包括：

基于所述购买记录，统计所述目标用户的已购产品的产品个数以及产品种类数；

将所述产品个数以及所述产品种类数导入到用户等级转换模型，确定所述目标用户的用户等级；所述用户等级转换模型具体为：

其中，CstmLv为所述用户等级；BuyQual为所述产品个数；AverageQual为基于用户数据库确定的用户平均产品购买个数；TypeQual为所述产品种类数；TotalType为所有产品的种类总数；Adjustment为预设的调整系数；int(x)为取整函数。

5.根据权利要求1-3任一项所述的方法，其特征在于，在所述获取目标用户的已购产品信息之前，还包括：

基于用户数据库内的产品推荐记录，确定所述用户数据库中各个候选用户的推荐频率；

选取推荐频率低于预设推荐阈值的候选用户作为所述目标用户。

6.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述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下步骤：

获取目标用户的已购产品信息；

根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级；

生成与所述用户等级匹配的购买需求采集页面，向所述目标用户的用户终端发送所述购买需求采集页面；

接收所述用户终端基于所述购买需求采集页面返回的购买需求信息，并根据所述购买需求信息以及已购产品信息，确定所述目标用户的待购需求信息；

提取与所述待购需求信息匹配的产品作为所述目标用户的推荐产品。

7.根据权利要求6所述的终端设备，其特征在于，所述生成与所述用户等级匹配的购买需求采集页面，包括：

分别获取各个所述购买记录在多个预设维度的参数值，构成购买记录向量，并将多个购买记录向量进行合并，得到所述目标用户的购买记录矩阵；

根据所述用户等级确定多重池化神经网络的卷积核，并通过所述多重池化神经网络的卷积核对所述购买记录矩阵进行N次降维操作，得到所述目标用户的购买特征向量；所述N为所述多重池化神经网络的层级数；

将所述购买特征向量导入到所述多重池化神经网络的全连接层，输出购买需求特征序列；

根据所述购买需求特征序列包含的序列号，从购买需求题库中选取与所述序列号对应的购买需求题目，生成所述购买需求采集页面。

8.根据权利要求6所述的终端设备，其特征在于，所述生成与所述用户等级匹配的购买需求采集页面，包括：

选取所述用户等级对应的需求题目模板；所述需求题目模板中包含多个需求参数项；

基于所述购买记录，确定所述目标用户的失效产品信息以及有效产品信息；

根据所述失效产品信息生成续订需求题目，以及根据所述有效产品信息确定各个需求参数项的参数值，将各个所述参数值导入所述需求题目模板，生成购买需求题目；

基于所述续订需求题目以及所述购买需求题目，生成所购买需求采集页面。

9.根据权利要求6-8任一项所述的终端设备，其特征在于，所述根据所述已购产品信息内包含的购买记录，确定所述目标用户的用户等级，包括：

基于所述购买记录，统计所述目标用户的已购产品的产品个数以及产品种类数；

将所述产品个数以及所述产品种类数导入到用户等级转换模型，确定所述目标用户的用户等级；所述用户等级转换模型具体为：

其中，CstmLv为所述用户等级；BuyQual为所述产品个数；AverageQual为基于用户数据库确定的用户平均产品购买个数；TypeQual为所述产品种类数；TotalType为所有产品的种类总数；Adjustment为预设的调整系数；int(x)为取整函数。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。