CN109410009A - 一种预测移动终端用户的购买意向的方法和装置 - Google Patents

Abstract

本发明公开了一种预测移动终端用户的购买意向的方法和装置，涉及互联网应用技术领域，其中，该预测移动终端用户的购买意向的方法包括：首先，获取移动终端用户对应的购物商店，其次，当购物商店被触发时，记录移动终端用户在被触发的购物商店内的浏览轨迹，直到移动终端用户退出购物商店为止，之后，提取浏览轨迹中所包含的多个商品信息，以及每个商品信息对应的浏览时长，从而根据多个商品信息和浏览时长生成商品购买意向表，并且，将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品。该方法能够根据人们的浏览习惯有效的在所有购物商店内为其推送目标商品，从而节约了移动终端用户找寻类似的商品的时间。

Description

一种预测移动终端用户的购买意向的方法和装置

技术领域

本发明涉及互联网应用技术领域，特别涉及一种预测移动终端用户的购买意向的方法和装置。

背景技术

近年来，移动互联网迅猛发展，人们越来越多地使用移动终端代替电脑，进而完成越来越多的应用。例如，通过移动终端进行邮件查收、视频会议以及网络购物等。应用移动终端使人们随时随地都能够上网，进而为广大消费者提供了便捷。

但是，移动终端的显示屏幕有限，相应的，其处理能力也很有限。在人们使用移动终端进行网络购物之前，通常会先下载几个提供商品的购物商店(即购物用APP，例如，X宝、Y东等)，之后，人们会点击进入上述多个购物商店内，按照自己的实际需求挑选商品，最后，对选定的商品进行支付。通常，在挑选商品的过程中，人们会在不同的购物商店内找寻类似的商品，权衡类似商品之间的性能差异、价格差异等，之后做出购买选择。但是，由于移动终端的显示性能和处理性能有限，移动终端无法根据人们的浏览习惯自动在所有的购物商店内为其推送目标商品，因此，在不同的购物商店内找寻类似的商品的过程会浪费移动终端用户的大量时间。

发明内容

本发明实施例提供了一种预测移动终端用户的购买意向的方法和装置，根据移动终端用户在购物商店内的浏览轨迹生成商品购买意向表，从而解决了移动终端用户在不同的购物商店内找寻类似的商品要耗费大量时间的问题。

为了解决上述问题，本发明公开了如下技术方案：

第一方面，提供一种预测移动终端用户的购买意向的方法，所述方法应用于移动终端，包括：

获取移动终端用户对应的购物商店，其中，所述购物商店的个数为多个，且，多个所述购物商店均布设在所述移动终端的界面上；

当所述购物商店被触发时，记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止；

提取所述浏览轨迹中所包含的多个商品信息m，以及每个所述商品信息对应的浏览时长t；

根据多个所述商品信息和所述浏览时长生成商品购买意向表，且，将所述商品购买意向表发送给电商服务器，以使电商服务器向所述购物商店推送预测商品。

结合第一方面，在一种可能的实施方式中，所述根据多个所述商品信息和所述浏览时长生成商品购买意向表的步骤，包括：

逐一计算各个所述商品信息和对应的所述浏览时长的乘积T＝m*t，得到多个商品预测值T＝m*t；

按照所述商品信息对应的商品种类的不同，将属于同一个所述商品种类的所述商品预测值进行累加，得到多个种类预测值z；

按照所述商品种类由多到少的顺序，将多个所述种类预测值z进行排序，且，每个所述种类预测值z中嵌套有各个所述商品信息，其中，各个所述商品信息是按照所述商品预测值T由大到小进行排序的。

结合第一方面，在一种可能的实施方式中，所述记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止的步骤，包括：

当所述购物商店首次被触发时，记录所述移动终端用户的登录时间；

从所述登录时间开始，按照时间先后顺序依次记录所述购物商店中被浏览的各个所述商品信息；

当所述移动终端用户退出所述购物商店时，记录所述移动终端用户的退出时间，且，停止记录所述购物商店中被浏览的所述商品信息；

计算所述退出时间和所述登录时间之间的时间差值；

根据各个所述商品信息和所述时间差值生成所述浏览轨迹。

结合第一方面，在一种可能的实施方式中，所述方法还包括：

当所述浏览时长超过标准浏览时长时，将所述浏览时长对应的所述商品信息从所述浏览轨迹中剔除。

第二方面，提供一种预测移动终端用户的购买意向的方法，所述方法应用于电商服务器，包括：

在各个购物商店内查找与商品购买意向表相匹配的商品；

将查找到的所述商品按照品种的不同分别生成不同商品展示列表；

获取查找到的所述商品的销量，且，按照所述销量由多到少的顺序调整所述商品展示列表的展示顺序；

将所述商品展示列表发送给移动终端界面上的各个所述购物商店。

结合第二方面，在一种可能的实施方式中，所述在各个购物商店内查找与商品购买意向表相匹配的商品的步骤，包括：

从所述商品购买意向表中解析出商品信息对应的多个商品；

在各个购物商店内逐一比较产品的相似度与预设相似度的大小，且，将所述相似度超过所述预设相似度的产品归纳为相匹配的商品。

结合第二方面，在一种可能的实施方式中，所述方法还包括：

当所述产品的个数超过所述商品展示列表的容纳个数时，将所述相似度临近所述预设相似度的产品剔除；

当所述产品的个数未达到所述商品展示列表的容纳个数时，将所述相似度低于所述预设相似度的产品归纳为相匹配的商品。

第三方面，提供一种预测移动终端用户的购买意向的装置，应用于移动终端，包括：

获取模块，用于获取移动终端用户对应的购物商店，其中，所述购物商店的个数为多个，且，多个所述购物商店均布设在所述移动终端的界面上；

记录模块，用于当所述购物商店被触发时，记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止；

轨迹提取模块，用于提取所述浏览轨迹中所包含的多个商品信息m，以及每个所述商品信息对应的浏览时长t；

意向生成模块，用于根据多个所述商品信息和所述浏览时长生成商品购买意向表，且，将所述商品购买意向表发送给电商服务器，以使电商服务器向所述购物商店推送预测商品。

第四方面，提供一种预测移动终端用户的购买意向的装置，应用于电商服务器，包括：

查找模块，用于在各个购物商店内查找与商品购买意向表相匹配的商品；

列表生成模块，用于将查找到的所述商品按照品种的不同分别生成不同商品展示列表；

调整模块，用于获取查找到的所述商品的销量，且，按照所述销量由多到少的顺序调整所述商品展示列表的展示顺序；

展示模块，用于将所述商品展示列表发送给移动终端界面上的各个所述购物商店。本发明公开了一种预测移动终端用户的购买意向的方法和装置，先是获取移动终端用户对应的购物商店，进而得知移动终端用户在移动终端上能够使用的所有购物商店，这样，当购物商店被触发(例如，移动终端用户登录到某个购物商店的内部)时，记录移动终端用户在被触发的购物商店内的浏览轨迹，直到移动终端用户退出购物商店为止，之后以上述购物商店内的浏览轨迹为参考来预测移动终端用户的购物目标，具体的提取浏览轨迹中所包含的多个商品信息，以及每个商品信息对应的浏览时长，从而根据多个商品信息和浏览时长生成商品购买意向表，并且，将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品，这样，当移动终端用户登录移动终端上的其他购物商店或者是再次登录该购物商店时，能够在购物商店中直接显示电商服务器推送的预测商品，从而省去了再次查找的繁琐过程。该方法能够根据人们的浏览习惯有效的在所有购物商店内为其推送目标商品，从而节约了移动终端用户找寻类似的商品的时间，方便高效。

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是本发明一个实施例中预测移动终端用户的购买意向的方法的流程示意图。

图2是本发明另一个实施例中预测移动终端用户的购买意向的方法的流程示意图。

图3是本发明一个实施例中预测移动终端用户的购买意向的装置的结构示意图。

图4是本发明另一个实施例中预测移动终端用户的购买意向的装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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的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。

人们的移动终端内通常会下载多个购物商店(例如，X宝、Y东等)，在人们使用移动终端进行网络购物时，人们会点击进入上述任意一个购物商店，并在购物商店内按照自己的需求挑选商品，最后，对选定的商品进行支付。在挑选商品的过程中，人们会在不同的购物商店内找寻类似的商品，权衡类似商品之间的性能差异、价格差异等，之后做出购买选择。但是，由于移动终端的显示性能和处理性能有限，移动终端无法根据人们的浏览习惯自动在所有的购物商店内为其推送目标商品，这样，在不同的购物商店内找寻类似的商品的过程会浪费移动终端用户的大量时间。

基于此，本发明实施例提供了一种预测移动终端用户的购买意向的方法和装置，下面通过实施例进行描述。

实施例一

图1是本发明一个实施例中预测移动终端用户的购买意向的方法的流程示意图，提出了一种预测移动终端用户的购买意向的方法，应用于移动终端，具体包括以下步骤：

步骤S101：获取移动终端用户对应的购物商店，其中，购物商店的个数为多个，且，多个购物商店均布设在移动终端的界面上。

由于，人们的移动终端内通常会预先下载多个购物商店(例如，X宝、Y东等)，为了便于后续全面准确的为移动终端用户(例如，人们登录购物商店时的用户名、人们使用的移动终端的手机号等)推送预测商品，在该方法中，移动终端先获取移动终端用户对应的所有购物商店。需要说明的是，上述购物商店的个数通常为多个，并且，上述多个购物商店均布设在移动终端的界面上，从而方便移动终端用户进行登录等。

步骤S102：当购物商店被触发时，记录移动终端用户在被触发的购物商店内的浏览轨迹，直到移动终端用户退出购物商店为止。

当人们有购物需求时会登录上述多个购物商店中的一个，相应的，移动终端会相应监测是哪个购物商店被触发，这里所说的被触发是指人们使用用户名等进入到购物商店内部或者点击了购物商店内的某个商品。

上述记录移动终端用户在被触发的购物商店内的浏览轨迹，直到移动终端用户退出购物商店为止的步骤，具体包括：

(1)当购物商店首次被触发时，记录移动终端用户的登录时间。

为了有效记录移动终端用户的浏览轨迹，当购物商店首次被触发时，移动终端会记录移动终端用户的登录时间。需要说明的是，上述购物商店首次被触发通常是带有节点性质的，为了准确描述移动终端用户是否要购买商品，上述首次被触发的时间起点通常是移动终端用户完成上次支付开始，具体实施过程中首次被触发的时间起点是可以灵活进行设置的，例如，可以是以自然日记录的一段周期、以移动终端用户特定的手势开启等等。

移动终端记录了移动终端用户的登录时间后，即开始了对移动终端用户的浏览轨迹的监测。

(2)从登录时间开始，按照时间先后顺序依次记录购物商店中被浏览的各个商品信息。

在实施过程中，浏览轨迹的具体监测包括：移动终端按照时间先后顺序依次记录购物商店中被浏览的各个商品信息。由于，购物商店中的商品通常是以某个页面的形式进行具体展示的，当购物商店中的某个商品页面被打开时，移动终端会相应记录商品信息；当购物商店中的多个商品页面被先后打开时，移动终端会按照时间先后顺序相应的逐一记录多个商品信息。

(3)当移动终端用户退出购物商店时，记录移动终端用户的退出时间，且，停止记录购物商店中被浏览的商品信息。

在实施过程中，当移动终端用户退出购物商店时，移动终端用户记录移动终端用户的退出时间，即标记为浏览轨迹的终点。同时，在移动终端用户退出购物商店时，移动终端停止再继续记录购物商店中被浏览的商品信息。

(4)计算退出时间和登录时间之间的时间差值。

为了有效描述浏览轨迹对应的时间线，移动终端会计算退出时间和登录时间之间的时间差值，在实施过程中，移动终端可以用登录时间减去退出时间得到时间长度，并且，结合退出时间和登录时间等时间节点来形成完整的时间线。在一些实施例中，移动终端还可以按照预设时间间隔将上述时间差值进行均匀划分，从而更清晰的描述浏览轨迹对应的时间线。

(5)根据各个商品信息和时间差值生成浏览轨迹。

在实施过程中，移动终端在生成浏览轨迹的过程中，还会提取被浏览的各个商品信息以及各个商品信息被浏览的时间点。之后，移动终端综合上述各个商品信息、时间差值等生成浏览轨迹。常见的浏览轨迹可用曲线或者表格来表示，例如，将曲线的横轴设置为时间，以纵轴表示相对应的商品信息，并且，为了便于展示，在曲线上还可以进行具体的商品信息的标注。

步骤S103：提取浏览轨迹中所包含的多个商品信息m，以及每个商品信息对应的浏览时长t。

当人们想要购买某个商品时，会在商品信息对应的商品页面进行停留，以查看商品的性能、使用方法和维护措施等。而据统计，当人们真心想购买某个商品时，在其对应的商品页面的浏览时长会处于某个区间(即标准浏览时长)内。在实施过程中，移动终端会提取浏览轨迹中所包含的多个商品信息m，以及每个商品信息对应的浏览时长t。需要说明的是，浏览时长的提取起点是移动终端用户进入到商品页面的时间点，而浏览时长的提取终点是移动终端用户离开商品页面的时间点。

此外，为了有效避免用户的误操作导致的浏览时长超出上述区间的情况，上述方法还包括：

当浏览时长超过标准浏览时长时，移动终端将该浏览时长对应的商品信息从浏览轨迹中剔除，这样，浏览时长过短或者过长的记录就能够从浏览轨迹中剔除，进而保证了浏览轨迹的准确性和有效性。

步骤S104：根据多个商品信息和浏览时长生成商品购买意向表，且，将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品。

这里先说明下，上述根据多个商品信息和浏览时长生成商品购买意向表的步骤，具体包括：

(1)逐一计算各个商品信息和对应的浏览时长的乘积T＝m*t，得到多个商品预测值T＝m*t。

上述浏览轨迹的形成全面描述了人们的购买意向，但无法有效聚焦到商品上，表明各个商品的购买欲望。在本实施例中，移动终端会逐一计算各个商品信息和对应的浏览时长的乘积T＝m*t，例如，人们在X宝上浏览XX商品信息的次数为3，相应的浏览时长为10分钟，这样，商品的预测值为3*10＝30，从而通过商品信息和对应的浏览时长的乘积来得到某个具体的商品预测值，来分别表明人们对各个商品的购买欲望。

(2)按照商品信息对应的商品种类的不同，将属于同一个商品种类的商品预测值进行累加，得到多个种类预测值z。

另外，由于购物商店中的商品种类繁多，为了更加清晰的表明人们的购物意向。在实施过程中，移动终端还会按照商品信息对应的商品种类的不同，例如，将移动终端用户浏览的三个高跟鞋归结为女鞋，将移动终端用户浏览的四个不同款式的包归结为女包，之后，将属于同一个商品种类的商品预测值进行累加，即将女鞋下对应的三个高跟鞋的商品预测值进行累加或者将四个不同款式的包的商品预测值进行累加，从而得到多个种类预测值z。

(3)按照商品种类由多到少的顺序，将多个种类预测值z进行排序，且，每个种类预测值z中嵌套有各个商品信息，其中，各个商品信息是按照商品预测值T由大到小进行排序的。

移动终端在得到上述多个种类预测值z后，会按照商品种类由多到少的顺序，将多个种类预测值z进行排序。由于，在通常的购物活动中，人们所查看的商品的种类越多，则表示人们的购买欲望越强。例如，将上述四个不同款式的包对应的女包的种类预测值排在三个高跟鞋对应的女鞋的种类预测值前面，从而通过排序能够更加清晰全面的表征人们的购买欲望。另外，为了具体表明各个商品信息，移动终端还会在每个种类预测值z中嵌套有各个商品信息，并且，各个商品信息是按照商品预测值T由大到小进行排序的。

这样，当综合上述步骤生成商品购买意向表之后，移动终端将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品。

本发明公开了一种预测移动终端用户的购买意向的方法和装置，应用于移动终端，该方法先是获取移动终端用户对应的购物商店，进而得知移动终端用户在移动终端上能够使用的所有购物商店，这样，当购物商店被触发时，记录移动终端用户在被触发的购物商店内的浏览轨迹，之后以上述购物商店内的浏览轨迹为参考来预测移动终端用户的购物目标，具体的提取浏览轨迹中所包含的多个商品信息，以及每个商品信息对应的浏览时长，从而根据多个商品信息和浏览时长生成商品购买意向表，并且，将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品，这样，当移动终端用户登录移动终端上的其他购物商店或者是再次登录该购物商店时，能够在购物商店中直接显示电商服务器推送的预测商品，从而省去了再次查找的繁琐过程。该方法能够根据人们的浏览习惯有效的在所有购物商店内为其推送目标商品，从而节约了移动终端用户找寻类似的商品的时间，方便高效。

实施例二

图2是本发明另一个实施例中预测移动终端用户的购买意向的方法的流程示意图，提出了一种预测移动终端用户的购买意向的方法，应用于电商服务器，具体包括以下步骤：

步骤S201：在各个购物商店内查找与商品购买意向表相匹配的商品。

电商服务器在执行上述步骤时，具体包括：

(1)从商品购买意向表中解析出商品信息对应的多个商品。

实施过程中，电商服务器(例如，X宝的后台服务器、Y东的后台服务器)在接收到商品购买意向表后，首先会从上述商品购买意向表中解析出移动终端用户想要购买的多个商品，具体解析步骤为：电商服务器先从商品购买意向表中解析出商品信息，之后，查找与商品信息对应的多个商品。

(2)在各个购物商店内逐一比较产品的相似度与预设相似度的大小，且，将相似度超过预设相似度的产品归纳为相匹配的商品。

为了方便各个电商服务器查找与人们浏览的商品比较匹配的产品，实施过程中，电商服务器在各个购物商店内逐一比较产品的相似度与预设相似度的大小，需要说明的是，预设相似度的大小可以根据不同场景进行灵活设定，但对于每个不同的购物商店，预设相似度的大小通常都是根据经验获得的。在此基础上，电商服务器将相似度超过预设相似度的产品归纳为相匹配的商品，通过相似度的比较能够使电商服务器更加精准的找到相匹配的商品。

步骤S202：将查找到的商品按照品种的不同分别生成不同商品展示列表。

当电商服务器找到相匹配的商品后，电商服务器会将查找到的商品按照品种的不同分别生成不同商品展示列表，从而更加清楚的展示给用户，以供其参考和购买。具体实施过程中，电商服务器会分别按照各个购物商店中对商品品种的不同划分来生成不同的商品展示列表，例如，在X宝中，女鞋为一个商品展示列表，女包为另一个商品展示列表。在Y东中将女鞋和女包归结为女士用品的商品展示列表。

此外，要说明的是，由于，移动终端的屏幕有限，为了使商品展示列表的展示与移动终端相匹配，上述方法还包括：

(1)当产品的个数超过商品展示列表的容纳个数时，即电商服务器找出来的产品较多时，电商服务器将相似度临近预设相似度的产品剔除，具体实施时，电商服务器将相似度由高到低进行排序，并且，将排序在后面临近预设相似度的产品截取掉。

(2)当产品的个数未达到商品展示列表的容纳个数时，即电商服务器找出来的产品较少时，电商服务器将相似度低于预设相似度的产品归纳为相匹配的商品。具体实施时，电商服务器将相似度由高到低进行排序，并且，将排序在后面还没有达到预设相似度的产品截取掉，要说明的是，排序相对靠前也没有达到预设相似度的产品视容纳个数的需要进行部分保留。

步骤S203：获取查找到的商品的销量，且，按照销量由多到少的顺序调整商品展示列表的展示顺序。

之后，电商服务器从消费者已经进行购买的数据中获取查找到的各个商品的销量，并且，电商服务器能够按照销量由多到少的顺序调整商品展示列表的展示顺序，从而实现了商品展示列表中的商品按照销量进行降幂排列的目的，这样，能够为移动终端用户提供更好的购物参考。

步骤S204：将商品展示列表发送给移动终端界面上的各个购物商店。

综上，在电商服务器得到上述商品展示列表后将其发送给移动终端，使移动终端的各个购物商店能够按照上述商品展示列表的顺序来展示不同的商品，从而省去了人们再在购物商店中查找相关商品的过程，使购物过程更加快捷。

本发明公开了一种预测移动终端用户的购买意向的方法和装置，应用于电商服务器，该方法先通过电商服务器在各个购物商店内查找与商品购买意向表相匹配的商品，之后，将查找到的商品按照品种的不同分别生成不同商品展示列表，即根据人们的需求进行商品的种类的划分和聚集，然后，电商服务器还能够获取查找到的商品的销量，并且，按照销量由多到少的顺序调整商品展示列表的展示顺序，最后，将商品展示列表发送给移动终端界面上的各个购物商店，进而能够在获取到人们的购物需求后为其匹配相关的商品展示列表，从而使移动终端用户能够在购物商店内快速找寻类似的商品，方便快捷。

实施例三

图3是本发明一个实施例中预测移动终端用户的购买意向的装置的结构示意图，提出了一种预测移动终端用户的购买意向的装置，应用于移动终端，包括：

获取模块11，用于获取移动终端用户对应的购物商店，其中，购物商店的个数为多个，且，多个购物商店均布设在移动终端的界面上；

记录模块12，用于当购物商店被触发时，记录移动终端用户在被触发的购物商店内的浏览轨迹，直到移动终端用户退出购物商店为止；

轨迹提取模块13，用于提取浏览轨迹中所包含的多个商品信息m，以及每个商品信息对应的浏览时长t；

意向生成模块14，用于根据多个商品信息和浏览时长生成商品购买意向表，且，将商品购买意向表发送给电商服务器，以使电商服务器向购物商店推送预测商品。

本发明实施例提供的预测移动终端用户的购买意向的装置，与上述实施例一提供的预测移动终端用户的购买意向的方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

实施例四

图4是本发明另一个实施例中预测移动终端用户的购买意向的装置的结构示意图，提出了一种预测移动终端用户的购买意向的装置，应用于电商服务器，包括：

查找模块21，用于在各个购物商店内查找与商品购买意向表相匹配的商品；

列表生成模块22，用于将查找到的商品按照品种的不同分别生成不同商品展示列表；

调整模块23，用于获取查找到的商品的销量，且，按照销量由多到少的顺序调整商品展示列表的展示顺序；

展示模块24，用于将商品展示列表发送给移动终端界面上的各个购物商店。

本发明实施例提供的预测移动终端用户的购买意向的装置，与上述实施例二提供的预测移动终端用户的购买意向的方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

需要说明的是，在本文中，诸如第一和第二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因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.一种预测移动终端用户的购买意向的方法，其特征在于，所述方法应用于移动终端，包括：

获取移动终端用户对应的购物商店，其中，所述购物商店的个数为多个，且，多个所述购物商店均布设在所述移动终端的界面上；

当所述购物商店被触发时，记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止；

提取所述浏览轨迹中所包含的多个商品信息m，以及每个所述商品信息对应的浏览时长t；

根据多个所述商品信息和所述浏览时长生成商品购买意向表，且，将所述商品购买意向表发送给电商服务器，以使电商服务器向所述购物商店推送预测商品。

2.根据权利要求1所述的方法，其特征在于，所述根据多个所述商品信息和所述浏览时长生成商品购买意向表的步骤，包括：

逐一计算各个所述商品信息和对应的所述浏览时长的乘积T＝m*t，得到多个商品预测值T＝m*t；

按照所述商品信息对应的商品种类的不同，将属于同一个所述商品种类的所述商品预测值进行累加，得到多个种类预测值z；

按照所述商品种类由多到少的顺序，将多个所述种类预测值z进行排序，且，每个所述种类预测值z中嵌套有各个所述商品信息，其中，各个所述商品信息是按照所述商品预测值T由大到小进行排序的。

3.根据权利要求1所述的方法，其特征在于，所述记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止的步骤，包括：

当所述购物商店首次被触发时，记录所述移动终端用户的登录时间；

从所述登录时间开始，按照时间先后顺序依次记录所述购物商店中被浏览的各个所述商品信息；

当所述移动终端用户退出所述购物商店时，记录所述移动终端用户的退出时间，且，停止记录所述购物商店中被浏览的所述商品信息；

计算所述退出时间和所述登录时间之间的时间差值；

根据各个所述商品信息和所述时间差值生成所述浏览轨迹。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述浏览时长超过标准浏览时长时，将所述浏览时长对应的所述商品信息从所述浏览轨迹中剔除。

5.一种预测移动终端用户的购买意向的方法，其特征在于，所述方法应用于电商服务器，包括：

在各个购物商店内查找与商品购买意向表相匹配的商品；

将查找到的所述商品按照品种的不同分别生成不同商品展示列表；

获取查找到的所述商品的销量，且，按照所述销量由多到少的顺序调整所述商品展示列表的展示顺序；

将所述商品展示列表发送给移动终端界面上的各个所述购物商店。

6.根据权利要求5所述的方法，其特征在于，所述在各个购物商店内查找与商品购买意向表相匹配的商品的步骤，包括：

从所述商品购买意向表中解析出商品信息对应的多个商品；

在各个购物商店内逐一比较产品的相似度与预设相似度的大小，且，将所述相似度超过所述预设相似度的产品归纳为相匹配的商品。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当所述产品的个数超过所述商品展示列表的容纳个数时，将所述相似度临近所述预设相似度的产品剔除；

当所述产品的个数未达到所述商品展示列表的容纳个数时，将所述相似度低于所述预设相似度的产品归纳为相匹配的商品。

8.一种预测移动终端用户的购买意向的装置，其特征在于，应用于移动终端，包括：

获取模块，用于获取移动终端用户对应的购物商店，其中，所述购物商店的个数为多个，且，多个所述购物商店均布设在所述移动终端的界面上；

记录模块，用于当所述购物商店被触发时，记录所述移动终端用户在被触发的所述购物商店内的浏览轨迹，直到所述移动终端用户退出所述购物商店为止；

轨迹提取模块，用于提取所述浏览轨迹中所包含的多个商品信息m，以及每个所述商品信息对应的浏览时长t；

意向生成模块，用于根据多个所述商品信息和所述浏览时长生成商品购买意向表，且，将所述商品购买意向表发送给电商服务器，以使电商服务器向所述购物商店推送预测商品。

9.一种预测移动终端用户的购买意向的装置，其特征在于，应用于电商服务器，包括：

查找模块，用于在各个购物商店内查找与商品购买意向表相匹配的商品；

列表生成模块，用于将查找到的所述商品按照品种的不同分别生成不同商品展示列表；

调整模块，用于获取查找到的所述商品的销量，且，按照所述销量由多到少的顺序调整所述商品展示列表的展示顺序；

展示模块，用于将所述商品展示列表发送给移动终端界面上的各个所述购物商店。