CN109711867B - 基于收视大数据的购物者画像构建营销方法和系统 - Google Patents
基于收视大数据的购物者画像构建营销方法和系统 Download PDFInfo
- Publication number
- CN109711867B CN109711867B CN201811494449.2A CN201811494449A CN109711867B CN 109711867 B CN109711867 B CN 109711867B CN 201811494449 A CN201811494449 A CN 201811494449A CN 109711867 B CN109711867 B CN 109711867B
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- data
- marketing
- viewing
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于收视大数据的购物者画像构建营销方法和系统,方法包括:根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;根据待销售商品的类别和价位,通过用户画像识别销售人群;通过营销短信对销售人群进行商品营销;根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化。本发明同时根据用户收视数据和商品数据进行用户画像的刻画,提高了用户画像的准确性,并基于准确的用户画像来进行短信营销,针对性强,降低了用户流失率;另外,本发明还能根据营销结果进行用户画像的优化,进一步提高了准确率,可广泛应用于大数据技术领域。
Description
技术领域
本发明涉及大数据技术领域,尤其是基于收视大数据的购物者画像构建营销方法和系统。
背景技术
大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合,因此,市场上出现了一些大数据技术,用于从各种各样类型的数据中快速获得有价值的能力,包括大规模并行处理(MPP)数据库,数据挖掘电网,分布式文件系统,分布式数据库,云计算平台,互联网和可拓展的存储系统等。而收视大数据则是通过用户收看电视的机顶盒的数据回传,采集到的用户在电视端的交互行为的数据。
画像是指基于大数据平台,通过采集机器自动学习识别方法来全面评估用户,其中,对于有标签数据的用户,一般采用系统建立的预测模型进行用户识别;对于无标签数据的用户,则根据数据挖掘分析算法进行深度挖掘,以识别用户的关系,从而达到用户特征库的实时、自动刻画。而购物者画像则是指对于收看购物频道的用户群体的用户画像,以挖掘该类群体的用户特征。
在基于用户画像的电视营销过程中,现有的做法是:通过电视用户观看的频道和节目表来划分用户画像,然后通过用户画像进行短信营销,这种方法得到的画像准确率较低,并使得用户收到不满意的营销短信,进而造成较高的用户流失率。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种准确率高且用户流失率低的,基于收视大数据的购物者画像构建营销方法和系统。
本发明一方面所采取的技术方案为:
基于收视大数据的购物者画像构建营销方法,包括以下步骤:
根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
根据待销售商品的类别和价位,通过用户画像识别销售人群;
通过营销短信对销售人群进行商品营销;
根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化。
进一步,还包括获取购物频道的用户收视数据以及商品数据这一步骤。
进一步,所述获取购物频道的用户收视数据以及商品数据这一步骤,包括以下步骤:
通过用户机顶盒采集购物频道的用户收视数据;
通过网站爬虫获取购物频道的商品数据。
进一步,所述根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像这一步骤,包括以下步骤:
对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
进一步,所述根据待销售商品的类别和价位,通过用户画像识别销售人群这一步骤,包括以下步骤:
获取待销售商品的类别和价位,提取待销售商品的特征向量;
通过用户画像对待销售商品的特征向量进行匹配,识别销售人群。
进一步,所述通过营销短信对销售人群进行商品营销这一步骤,包括以下步骤:
向销售人群发送营销短信;
根据销售人群的回复信息,进行交易确认;
其中,所述根据销售人群的回复信息,进行交易确认这一步骤,包括以下步骤:
对销售人群的收货地址进行信息确认;
根据商品信息进行交易确认。
进一步,所述根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化这一步骤,包括以下步骤:
根据销售人群的回复信息,计算相应商品类别和商品价格的购买转化率;
计算用户对各类商品的偏好指数;
根据商品类别的购买转化率,将用户对商品类别的偏好指数进行更新;
计算用户对商品价格的偏好指数;
根据商品价格的购买转化率,将用户对商品价格的偏好指数进行更新。
本发明另一方面所采取的技术方案是:
基于收视大数据的购物者画像构建营销系统,包括:
用户画像生成模块,用于根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
识别模块,用于根据待销售商品的类别和价位,通过用户画像识别销售人群;
营销模块,用于通过营销短信对销售人群进行商品营销;
优化模块,用于根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化。
进一步,所述用户画像生成模块包括:
匹配单元,用于对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
特征提取单元,用于根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
生成单元,用于根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
本发明另一方面所采取的技术方案是:
基于收视大数据的购物者画像构建营销系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的基于收视大数据的购物者画像构建营销方法。
本发明的有益效果是:本发明同时根据用户收视数据和商品数据进行用户画像的刻画,相较于现有仅通过用户收看频道来刻画用户画像的方法,本发明提高了用户画像的准确性,并基于准确的用户画像来进行短信营销,针对性强,降低了用户流失率;另外,本发明还能根据营销结果进行用户画像的优化,进一步提高了准确率。
附图说明
图1为本发明实施例的步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1,本发明实施例提供了一种基于收视大数据的购物者画像构建营销方法,包括以下步骤:
根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
根据待销售商品的类别和价位,通过用户画像识别销售人群;
通过营销短信对销售人群进行商品营销;
根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化。
进一步作为优选的实施方式,还包括获取购物频道的用户收视数据以及商品数据这一步骤。
进一步作为优选的实施方式,所述获取购物频道的用户收视数据以及商品数据这一步骤,包括以下步骤:
通过用户机顶盒采集购物频道的用户收视数据;
通过网站爬虫获取购物频道的商品数据。
进一步作为优选的实施方式,所述根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像这一步骤,包括以下步骤:
对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
进一步作为优选的实施方式,所述根据待销售商品的类别和价位,通过用户画像识别销售人群这一步骤,包括以下步骤:
获取待销售商品的类别和价位,提取待销售商品的特征向量;
通过用户画像对待销售商品的特征向量进行匹配,识别销售人群。
进一步作为优选的实施方式,所述通过营销短信对销售人群进行商品营销这一步骤,包括以下步骤:
向销售人群发送营销短信;
根据销售人群的回复信息,进行交易确认;
其中,所述根据销售人群的回复信息,进行交易确认这一步骤,包括以下步骤:
对销售人群的收货地址进行信息确认;
根据商品信息进行交易确认。
进一步作为优选的实施方式,所述根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化这一步骤,包括以下步骤:
根据销售人群的回复信息,计算相应商品类别和商品价格的购买转化率;
计算用户对各类商品的偏好指数;
根据商品类别的购买转化率,将用户对商品类别的偏好指数进行更新;
计算用户对商品价格的偏好指数;
根据商品价格的购买转化率,将用户对商品价格的偏好指数进行更新。
与图1的方法相对应,本发明实施例还提供了一种基于收视大数据的购物者画像构建营销系统,包括:
用户画像生成模块,用于根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
识别模块,用于根据待销售商品的类别和价位,通过用户画像识别销售人群;
营销模块,用于通过营销短信对销售人群进行商品营销;
优化模块,用于根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化。
进一步作为优选的实施方式,所述用户画像生成模块包括:
匹配单元,用于对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
特征提取单元,用于根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
生成单元,用于根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
与图1的方法相对应,本发明实施例还提供了一种基于收视大数据的购物者画像构建营销系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的基于收视大数据的购物者画像构建营销方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
下面以具体的商品营销流程为例,详细描述本发明基于收视大数据的购物者画像构建营销方法的实施步骤:
S1、从用户机顶盒采集回来的用户收视数据,从网站爬虫回购物频道的商品信息;
具体地,例如在“好享购物”的网页可以爬虫到商品的一级类型、二级类型、三级类型、商品名称和商品价格等商品信息。同时还存在其他的购物频道(例如京东购物网站和淘宝购物网站等),不同的购物频道对于商品类型划分或名称会存在不同,此时通过分类算法得到统一的商品类型分类对照表。
首先,从大型的购物网站(如天猫)爬虫得到商品类型对照表(一级类型和二级类型),并以二级类型为分类基准。
其次,将从购物频道爬虫得到的商品类型与天猫商品类型进行卡方检验,得到统一的购物频道商品类型分类表:
例如:“好享购物”网页中获取的“万洗夫人生物酵素洁净爆杀组”这一商品,其分类为:家居生活-家居日用-清洁用品,此时利用卡方检验,算出清洁用品属于天猫二级类型中每一类的卡方值,取最大卡方值对应的商品类型作为该商品的二级类型,则对应天猫商品类型可以得到该商品类型的一级类型。例如对清洁用品对应的类别进行卡方值计算,得到属于家居用品的卡方值最大,且在天猫中家居用品属于家居类,则可以得到“万洗夫人生物酵素洁净爆杀组”这一商品新分类为家居-家居用品。
本发明通过卡方检验可以得到所有购物频道中所有商品的标准新分类,即统一的商品分类准则。
S2、将用户收视数据和商品信息进行匹配关联,得到用户在购物频道的收视行为及收看具体的商品信息;
S3、利用分类算法,将商品特征进行提取及简化,提取特征向量,结合用户收视行为数据刻画出各商品类别、各价位下的用户画像;
S4、获取合作商的待销售商品及价格,提取其商品的主要特征,匹配购物者画像,得到适合该商品的销售人群;
本实施例在得到“好享购物”中所有商品类型后,其商品类型即为其特征(如家居、家用电器、服装配饰等),结合用户收看好享购物的收视时长,得到每一类商品下的偏好用户,其他购物频道亦如此,刻画出各商品类别下的用户画像,算出每个用户对每个商品类型的偏好指数。
S5、对该类人群发送营销短信,用户向该短信回复直接购买,无需进行链接跳转,然后系统通过用户注册时绑定的银行卡进行资金划扣;
本实施例获取待销售商品的商品类型,在该商品类型下,提取偏好指数最高的N个用户进行短信销售。
S6、当用户回复“购买”相关信息时,进一步确认收货地址是否为用户登记时绑定的家庭地址,同时提供更改收货地址服务;
具体地,若用户回复短信“购买”,则在该用户的绑定银行卡下进行资金划扣,并确定用户绑定的家庭地址是否为送货地址,提供更改送货地址服务。
S7、采集用户的短信回复情况,分析该商品的购买转化率,根据每次商品销售采集到的用户反馈信息,逐渐优化商品与画像间的关联性,不断得到更优化的购物者画像,形成闭环。
本实施例在活动结束后采集用户购买情况,若用户购买,则在用户购买该类别的指数加上转化率。最后,随着不同活动效果的反馈,每次对于同类商品的转化率逐步增加,再算出用户对于每个商品的偏好指数,后加上该商品的转化率之和,得到优化后的偏好指数,进而不断完善用户偏好的商品类型。
例如:本实施例共推广了三次活动,分别是:活动1家居类、活动2家电类、活动3家居类,则对于用户A而言,可以得到:
1、家居类优化后的偏好指数=通过家居类的收视时长求出偏好指数+活动1家居类的转化率+活动3家居类的转化率;
2、家电类优化后的偏好指数=通过家电类的收视时长求出偏好指数+活动2家电类的转化率。
其中,本实施例通过收视时长求出的偏好指数也会由于用户收视行为的改变而变化,本实施例通过不断的活动推出,获得不断的转化率,不断完善用户A对于各种商品类型的偏好指数,当下次推出新商品时,又再根据排名筛选出符合条件的用户进行营销,以此类推,形成闭环。
同理,用户偏好商品价格也可以求出用户偏好的商品价格,当需要销售一种商品时,可根据商品类型或商品价格选择用户进行销售。
综上所述,本发明基于收视大数据的购物者画像构建营销方法和系统具有以下优点:
1、本发明同时根据用户收视数据和商品数据进行用户画像的刻画,相较于现有仅通过用户收看频道来刻画用户画像的方法,本发明提高了用户画像的准确性,并基于准确的用户画像来进行短信营销,针对性强,降低了用户流失率。
2、本发明能够不断优化用户画像,使得商品和购物者画像的匹配程度越来越好,针对性更高,降低了用户流失率。
3、现有的短信营销方法中,商家通过在短信中插入链接,使得用户通过点击链接跳转到相应页面来进行交易,这种方法会因为网络等问题打不开页面而导致的用户流失;本发明直接通过回复短信订购来实现交易,避免了因为网络等问题打不开页面而导致的用户流失,提高了商品的订购转化率。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.基于收视大数据的购物者画像构建营销方法,其特征在于:包括以下步骤:
根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
根据待销售商品的类别和价位,通过用户画像识别销售人群;
通过营销短信对销售人群进行商品营销,向销售人群发送营销短信,根据销售人群的回复信息,进行交易确认;
根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化;
根据所述销售人群的回复信息,计算相应商品类别和商品价格的购买转化率;
计算用户对各类商品的偏好指数;
根据商品类别的购买转化率,将用户对商品类别的偏好指数进行更新;
计算用户对商品价格的偏好指数;
根据商品价格的购买转化率,将用户对商品价格的偏好指数进行更新。
2.根据权利要求1所述的基于收视大数据的购物者画像构建营销方法,其特征在于:还包括获取购物频道的用户收视数据以及商品数据这一步骤。
3.根据权利要求2所述的基于收视大数据的购物者画像构建营销方法,其特征在于:所述获取购物频道的用户收视数据以及商品数据这一步骤,包括以下步骤:
通过用户机顶盒采集购物频道的用户收视数据;
通过网站爬虫获取购物频道的商品数据。
4.根据权利要求1所述的基于收视大数据的购物者画像构建营销方法,其特征在于:所述根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像这一步骤,包括以下步骤:
对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
5.根据权利要求1所述的基于收视大数据的购物者画像构建营销方法,其特征在于:所述根据待销售商品的类别和价位,通过用户画像识别销售人群这一步骤,包括以下步骤:
获取待销售商品的类别和价位,提取待销售商品的特征向量;
通过用户画像对待销售商品的特征向量进行匹配,识别销售人群。
6.根据权利要求1所述的基于收视大数据的购物者画像构建营销方法,其特征在于:所述根据销售人群的回复信息,进行交易确认这一步骤,包括以下步骤:
对销售人群的收货地址进行信息确认;
根据商品信息进行交易确认。
7.基于收视大数据的购物者画像构建营销系统,其特征在于:包括:
用户画像生成模块,用于根据用户收视数据以及商品数据,生成对应商品类别和商品价位的用户画像;
识别模块,用于根据待销售商品的类别和价位,通过用户画像识别销售人群;
营销模块,用于通过营销短信对销售人群进行商品营销,向销售人群发送营销短信,根据销售人群的回复信息,进行交易确认;
优化模块,用于根据商品营销结果,分析商品的购买转化率,并对用户画像进行优化;
以及,用于根据所述销售人群的回复信息,计算相应商品类别和商品价格的购买转化率;
计算用户对各类商品的偏好指数;
根据商品类别的购买转化率,将用户对商品类别的偏好指数进行更新;
计算用户对商品价格的偏好指数;
根据商品价格的购买转化率,将用户对商品价格的偏好指数进行更新。
8.根据权利要求7所述的基于收视大数据的购物者画像构建营销系统,其特征在于:所述用户画像生成模块包括:
匹配单元,用于对购物频道的用户收视数据以及商品数据进行关联匹配,得到用户在购物频道的收视行为数据;其中,所述收视行为数据包括收看的频道以及收看的商品信息;
特征提取单元,用于根据购物频道的商品数据,通过分类算法进行商品特征提取,得到特征向量;
生成单元,用于根据特征向量和收视行为数据,生成对应商品类别和商品价位的用户画像。
9.根据权利要求8所述的基于收视大数据的购物者画像构建营销系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-6中任一项所述的基于收视大数据的购物者画像构建营销方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811494449.2A CN109711867B (zh) | 2018-12-07 | 2018-12-07 | 基于收视大数据的购物者画像构建营销方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811494449.2A CN109711867B (zh) | 2018-12-07 | 2018-12-07 | 基于收视大数据的购物者画像构建营销方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711867A CN109711867A (zh) | 2019-05-03 |
CN109711867B true CN109711867B (zh) | 2023-05-30 |
Family
ID=66254015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811494449.2A Active CN109711867B (zh) | 2018-12-07 | 2018-12-07 | 基于收视大数据的购物者画像构建营销方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711867B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751492A (zh) * | 2019-10-10 | 2020-02-04 | 深圳市云积分科技有限公司 | 一种高价值人群识别方法和装置 |
CN111008867A (zh) * | 2019-12-03 | 2020-04-14 | 深圳市云积分科技有限公司 | 一种基于营销效果收取费用的短信营销方法和装置 |
CN110992095B (zh) * | 2019-12-03 | 2022-11-11 | 深圳市云积分科技有限公司 | 一种消费者画像生成方法和装置 |
CN111192084A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市云积分科技有限公司 | 一种会员身份评定管理方法和装置 |
CN111400567B (zh) * | 2020-03-11 | 2023-06-27 | 北京古杉数据科技有限公司 | 一种基于ai的用户数据的处理方法、装置及系统 |
CN111601171A (zh) * | 2020-05-21 | 2020-08-28 | 广州欢网科技有限责任公司 | 定位智能电视家庭成员的方法、装置及控制器 |
CN116049553A (zh) * | 2023-01-28 | 2023-05-02 | 北京安录国际技术有限公司 | 一种基于多源信息的用户画像构建方法和系统 |
CN116205675B (zh) * | 2023-04-28 | 2023-09-08 | 华南师范大学 | 一种基于线程划分的数据采集方法及装置 |
CN117350770B (zh) * | 2023-12-05 | 2024-03-08 | 西安柚子信息科技有限公司 | 一种基于用户画像的精准营销方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5033816B2 (ja) * | 2007-02-14 | 2012-09-26 | 株式会社マスターリンク | 商品又は役務の提供方法、サーバ、端末、及びシステム |
US20130215116A1 (en) * | 2008-03-21 | 2013-08-22 | Dressbot, Inc. | System and Method for Collaborative Shopping, Business and Entertainment |
US20100030578A1 (en) * | 2008-03-21 | 2010-02-04 | Siddique M A Sami | System and method for collaborative shopping, business and entertainment |
CN104991917B (zh) * | 2015-06-23 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 广告个性化推送系统及方法 |
CN105741134A (zh) * | 2016-01-26 | 2016-07-06 | 北京百分点信息科技有限公司 | 跨数据源的营销人群在市场营销中应用的方法及装置 |
CN107067289A (zh) * | 2016-10-28 | 2017-08-18 | 广东亿迅科技有限公司 | 一种个性化营销推荐系统 |
CN106651444A (zh) * | 2016-12-20 | 2017-05-10 | 深圳飓风传媒科技有限公司 | 通过将用户标签化进行广告投放的方法和系统 |
CN107679904A (zh) * | 2017-09-28 | 2018-02-09 | 山东浪潮云服务信息科技有限公司 | 一种推荐商品的方法及装置 |
CN108038722A (zh) * | 2017-12-07 | 2018-05-15 | 深圳慧逛信息服务有限公司 | 一种互动营销系统 |
CN108550046B (zh) * | 2018-03-07 | 2021-03-02 | 创新先进技术有限公司 | 一种资源和营销推荐方法、装置及电子设备 |
CN108563680A (zh) * | 2018-03-07 | 2018-09-21 | 阿里巴巴集团控股有限公司 | 资源推荐方法及装置 |
-
2018
- 2018-12-07 CN CN201811494449.2A patent/CN109711867B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109711867A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711867B (zh) | 基于收视大数据的购物者画像构建营销方法和系统 | |
CN107609058B (zh) | 一种销售方法、机器人客服端、人工客服端及用户端 | |
US11558489B2 (en) | Method and apparatus for real-time personalization | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
CN107808325A (zh) | 多电商商品信息实时采集系统及多电商并发实时比价方法 | |
CN108664513B (zh) | 用于推送关键词的方法、装置以及设备 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
WO2020088058A1 (zh) | 生成信息的方法和装置 | |
CN101263522A (zh) | 低需求项目的价格确定 | |
CN106445905B (zh) | 问答数据处理、自动问答方法及装置 | |
CN106326318B (zh) | 搜索方法及装置 | |
CN104537553B (zh) | 重复负序列模式在客户购买行为分析中的应用 | |
US20170068966A1 (en) | Sales analysis system of online shopping mall and online sales analysis server | |
CN113689259A (zh) | 基于用户行为的商品个性化推荐方法及系统 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
Chen et al. | Model-free assortment pricing with transaction data | |
CN105205046A (zh) | 一种基于语义分析的在线用户推荐系统及方法 | |
CN112036987A (zh) | 确定推荐商品的方法和装置 | |
KR20220001617A (ko) | 고객 빅데이터를 활용한 상품 추천 방법, 장치 및 시스템 | |
Böttcher et al. | Escape from Dying Retail by Combining Bricks and Clicks: A Taxonomy of Digital Business Models in Retail. | |
CN111199443A (zh) | 商品信息处理方法、装置和计算机可读存储介质 | |
CN103577601A (zh) | 数据获取方法和装置 | |
CN113689258A (zh) | 一种商品推荐热度生成方法及系统 | |
CN110544140A (zh) | 一种处理浏览数据的方法和装置 |
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 |