CN110135915A - 商品推荐方法和系统 - Google Patents

Abstract

本公开提供了一种商品推荐方法和系统，涉及数据处理领域。其中的方法包括：获取预定时间内与已购商品具有相同属性的商品的复购率；若拟向用户推荐的候选商品与已购商品属性相同，则判断与已购商品具有相同属性的商品的复购率是否大于复购率阈值；若复购率大于复购率阈值，则确定复购率对应的购买商品的时间窗；在拟向用户推荐候选商品的时间与已购商品的下单时间之差大于时间窗时，将候选商品推荐给用户。由于考虑了商品的复购率和商品购买时间，因此可以合理的向用户推荐商品。

Description

商品推荐方法和系统

本申请是申请号为201610701608.6的原申请(申请日为2016年8月22日，发明名称：商品推荐方法和系统)的分案申请。

技术领域

本公开涉及数据处理领域，尤其涉及一种商品推荐方法和系统。

背景技术

近年来电子商务不断的发展，用户通过浏览购物网站很快可以找到自己心仪的商品，因此网上购物也越来越普遍。购物网站的推荐系统可以根据用户历史浏览信息向用户推荐一定的商品。如果用户近期已经购买过一类商品，又确实想重新购买该商品，则推荐系统向用户推荐用户近期已经成单的商品是一种合理的推荐；而如果用户在短期内不再可能购买对应商品，这种已购商品的推荐会极大地影响用户体验，从而影响用户对相应推荐系统乃至网站的依赖程度。

发明内容

本公开要解决的一个技术问题是提供一种合理向用户推荐商品的方案。

根据本公开一方面，提出一种商品推荐方法，包括：获取预定时间内与已购商品具有相同属性的商品的复购率；若拟向用户推荐的候选商品与已购商品属性相同，则判断与已购商品具有相同属性的商品的复购率是否大于复购率阈值；若复购率大于复购率阈值，则确定复购率对应的购买商品的时间窗；在拟向用户推荐候选商品的时间与已购商品的下单时间之差大于时间窗时，将候选商品推荐给用户。

在一个实施例中，获取预定时间内与已购商品具有相同属性的商品的复购率包括：获取预定时间内与已购商品具有相同属性的商品的总订单数和复购订单数，其中复购订单数为两次购买具有相同属性的商品的时间间隔小于窗口阈值的次数；将复购订单数与总订单数的比值作为与已购商品具有相同属性的商品的复购率。

在一个实施例中，若预定时间内与已购商品具有相同属性的商品的总订单数小于订单阈值，则将预定时间内与已购商品具有相同属性的商品的复购订单数设置为0。

在一个实施例中，根据用户画像和用户行为数据确定拟向用户推荐的候选商品。

在一个实施例中，已购商品具有相同属性的商品为与已购商品同分类或同产品词的商品。

根据本公开的另一方面，还提出一种商品推荐系统，包括：复购率获取单元，被配置为获取预定时间内与已购商品具有相同属性的商品的复购率；商品推荐单元，被配置为若拟向用户推荐的候选商品与已购商品属性相同，则判断与已购商品具有相同属性的商品的复购率是否大于复购率阈值；若复购率大于复购率阈值，则确定复购率对应的购买商品的时间窗；在拟向用户推荐候选商品的时间与已购商品的下单时间之差大于时间窗时，将候选商品推荐给用户。

在一个实施例中，复购率获取单元被配置为获取预定时间内与已购商品具有相同属性的商品的总订单数和复购订单数，其中复购订单数为两次购买具有相同属性的商品的时间间隔小于窗口阈值的次数；将复购订单数与总订单数的比值作为与已购商品具有相同属性的商品的复购率。

在一个实施例中，复购率获取单元还被配置为若预定时间内与已购商品具有相同属性的商品的总订单数小于订单阈值，则将预定时间内与已购商品具有相同属性的商品的复购订单数设置为0。

根据本公开的另一方面，还提出一种商品推荐系统，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的方法。

根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的方法的步骤。

与现有技术相比，本公开通过获取预定时间内与已购商品具有相同属性的商品的复购率；如果候选商品与已购商品属性相同，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。由于考虑了商品的复购率和商品购买时间，因此可以合理的向用户推荐商品。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开商品推荐方法的一个实施例的流程示意图。

图2为本公开商品推荐方法的另一个实施例的流程示意图。

图3为本公开商品推荐系统的一个实施例的结构示意图。

图4为本公开商品推荐系统的另一个实施例的结构示意图。

图5为本公开商品推荐系统的又一个实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

图1为本公开商品推荐方法的一个实施例的流程示意图。该商品推荐方法包括以下步骤：

在步骤110，获取预定时间内与已购商品具有相同属性的商品的复购率。例如，获取预定时间内与已购商品同分类或同产品词的商品的复购率。其中，按照商品的用途、原材料、生产方法、化学成分、使用状态等可以将商品分为不同的分类，例如，洗衣粉和洗衣皂可以分为同一类商品。按照商品的名称、种类、型号、品牌等可以确定商品是否属于同产品词，例如按照商品名称，A矿泉水和B矿泉水可以属于同产品词商品。

在本实施例中，可以从数据库或后台系统获取三个月内与A商品同分类或同产品词的商品的总订单数和复购订单数，计算复购订单数与总订单数的比值，则为与A商品同分类或同产品词的商品的复购率。其中，复购订单数为两次购买同分类或同产品词的商品的时间间隔小于阈值的次数。

在步骤120，响应于用户访问商品推荐系统，根据用户信息确定拟向用户推荐的候选商品。该步骤可以基于协同过滤及基于内容的方法来实现。例如，当用户访问商品推荐系统时，系统在保存有用户信息的数据库中获取用户画像及近期用户的行为数据等用户信息，通过用户画像及近期用户的行为数据确定拟向用户推荐的候选商品。

在步骤130，如果候选商品与已购商品属于同分类或同产品词，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。例如用户30天前购买了A商品，本次再次访问购物网站时，推荐系统判断候选商品B与A商品属于同分类或同产品词商品，并且与A商品同分类或同产品词的商品的复购率为20％，若统计出用户两次购买与A商品同分类或同产品词的商品的平均时长为50天，则判断此时用户可能不需要候选商品B，因此不需要将候选商品B推荐给用户。如果统计出用户两次购买与A商品同分类或同产品词的商品的平均时长为20天，则判断用户可能需要候选商品B，因此可以将候选商品B推荐给用户。

在该实施例中，通过获取预定时间内与已购商品同分类或同产品词的商品的复购率，如果推荐系统推荐的候选商品与已购商品属于同分类或同产品词，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。本实施例的技术方案充分利用了大数据中商品的复购率和商品购买时间，整个数据处理过程具有客观性，在大量商品中找出最符合条件的商品，可以更加合理的向用户推荐商品。例如，根据复购率和商品购买时间，如果用户的一定时间内重复购买与已购商品同分类或同产品词的商品的概率比较大，则将该已购商品同分类或同产品词的商品推荐给用户，如果再次购买的概率比较小，则不再向该用户推荐相关产品，极大的提高了用户的体验效果。

图2为本公开商品推荐方法的另一个实施例的流程示意图。该商品推荐方法包括以下步骤：

在步骤210，商品推荐系统从数据库中获取同分类商品或同产品词商品对应的复购订单数和订单数。例如，可以以天为单位先计算用户在某商品分类下两次下单的时间差。统计用户在商品分类下复购订单数，统计规则可以如下：在一段时间内H(如一年)，以一段时间为窗口h(如一个月)，如果用户在商品分类下两次购买的时间间隔小于这个窗口h，则购买的订单为复购订单，复购订单数加一，窗口向后滑动，直到滑动到这段时间H的最后，此时应统计H+h时间内的复购订单数。

在步骤220，商品推荐系统计算同分类商品或同产品词商品对应的分类复购率或产品词复购率。其中，计算同分类商品的复购订单数与总订单数的比值，则为同分类商品的复购率。其中，可以分别计算出与已购商品同分类或同产品词的商品对应的分类复购率或产品词复购率，以List(列表)形式存储。

如果用户在一段时间内，在某商品分类下订单数目小于订单阈值，则确定复购订单数为0。例如，C商品分类下订单数小于3，则确定与C商品同分类商品的分类复购订单数为0，则复购率也为0，从而提高复购率的可靠性。

在步骤230，商品推荐系统将分类复购率或产品词复购率表导入对应场景的推荐位，当用户查看对应的推荐位时，商品推荐系统通过估算用户复购的可能性来推断是否应该给用户推荐某一个已购商品的同类或同产品词商品。

在步骤240，当用户访问商品推荐系统时，商品推荐系统获取数据库中保存的用户信息，例如用户的实时信息及用户画像等。

在步骤250，商品推荐系统根据用户信息，结合当前推荐场景中的商品等信息为用户找到合适的候选商品。

在步骤260，商品推荐系统实时访问数据库获得用户所有有效订单及下单时间。

在步骤270，如果候选商品与已购商品属于同分类或同产品词，商品推荐系统则根据复购率，结合最近购买时间与请求时间的时间差判断是否将候选商品推荐给用户。例如，商品推荐系统遍历每件待推荐商品，如果候选商品与某已购商品同分类或同产品词，且与已购商品同分类或同产品词的商品的复购率大于复购率阈值，则确定该复购率对应的购买商品的时间窗。该时间窗可以由系统确定也可以人为设定。如果本次用户请求访问推荐系统的时间与已购商品下单的时间的时间差大于时间窗，则将候选商品推荐给所述用户，否则，不向用户推荐该候选商品。

在该实施例中，如果商品推荐系统推荐的候选商品与已购商品属于同分类或同产品词，则根据数据库中商品的复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。一个店铺的商品众多，在推荐位展示所有商品并不现实，本实施例充分利用了数据库中商品的复购率和商品购买时间，并且在推荐位引入了分类复购率或产品词复购率，在不改变推荐位的商品数量的同时，将用户更可能购买的商品展示在推荐位，使得推荐过程更加客观、合理。

图3为本公开商品推荐系统的一个实施例的结构示意图。该商品推荐系统包括复购率获取单元310、候选商品确定单元320和商品推荐单元330，其中：

复购率获取单元310被配置为获取预定时间内与已购商品具有相同属性的商品的复购率，例如获取预定时间内与已购商品同分类或同产品词的商品的复购率。例如，从数据库或后台系统获取三个月内与A商品同分类或同产品词的商品的总订单数和复购订单数，计算复购订单数与总订单数的比值，则为与A商品同分类或同产品词的商品的复购率。其中，复购订单数为两次购买同分类或同产品词的商品的时间间隔小于阈值的次数。

候选商品确定单元320被配置为响应于用户访问商品推荐系统，根据用户信息确定拟向用户推荐的候选商品。例如，当用户访问商品推荐系统时，候选商品确定单元320在保存有用户信息的数据库中获取用户画像及近期用户的行为数据等用户信息，根据用户画像及近期用户的行为数据确定拟向用户推荐的候选商品。

商品推荐单元330被配置为如果候选商品与已购商品属于同分类或同产品词，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。例如用户30天前购买了A商品，本次再次访问购物网站时，推荐系统判断候选商品B与A商品属于同分类或同产品词商品，并且与A商品同分类或同产品词的商品的复购率为20％，若统计出用户两次购买与A商品同分类或同产品词的商品的平均时长为50天，则判断此时用户可能不需要候选商品B，因此不需要将候选商品B推荐给用户。如果统计出用户两次购买与A商品同分类或同产品词的商品的平均时长为20天，则判断用户可能需要候选商品B，因此可以将候选商品B推荐给用户。

在该实施例中，通过获取预定时间内与已购商品同分类或同产品词的商品的复购率，如果推荐系统推荐的候选商品与已购商品属于同分类或同产品词，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。本实施例的技术方案充分利用了大数据中商品的复购率和商品购买时间，处理过程具有客观性，可以更加合理的推断是否应该给用户推荐已购商品的同类或同产品词的商品。

在本公开的另一个实施例中，复购率获取单元310被配置为从数据库中获取同分类商品或同产品词商品对应的分类复购率或产品词复购率。例如，可以以天为单位先计算用户在某商品分类下两次下单的时间差。统计用户在商品分类下复购订单数，统计规则可以如下：在一段时间内H(如一年)，以一段时间为窗口h(如一个月)，如果用户在商品分类下两次购买的时间间隔小于这个窗口h，则购买的订单为复购订单，复购订单数加一，窗口向后滑动，直到滑动到这段时间H的最后，此时应统计H+h时间内的复购订单数。计算复购订单数与订单数的比值，则为同分类商品的复购率。其中，可以分别计算出与已购商品同分类或同产品词的商品对应的分类复购率或产品词复购率，以List形式存储。

如果用户在一段时间内，在某商品分类下订单数目小于订单阈值，订单阈值例如为3，如果订单数小于3，则确定复购订单数为0。从而提高复购率的可靠性。

候选商品确定单元320被配置为响应于用户访问商品推荐系统，获取数据库中保存的用户信息，例如用户的实时信息及用户画像等，根据用户的实时信息及用户画像，结合当前推荐场景中的商品等信息为用户找到合适的候选商品。

商品推荐单元330被配置为实时访问数据库获得用户所有有效订单及下单时间，如果候选商品与已购商品属于同分类或同产品词，则根据复购率，结合最近购买时间与请求时间的时间差判断是否将候选商品推荐给用户。例如，遍历每件待推荐商品，如果候选商品与某已购商品同分类或同产品词，且与已购商品同分类或同产品词的商品的复购率大于复购率阈值，则确定该复购率对应的购买商品的时间窗。该时间窗可以由系统确定也可以人为设定。如果本次用户请求访问商品推荐系统的时间与已购商品下单的时间的时间差大于时间窗，则将候选商品推荐给所述用户，否则，不向用户推荐该候选商品。

在本实施例中，商品推荐系统可以将分类复购率或产品词复购率表导入对应场景的推荐位，当用户查看对应的推荐位时，商品推荐系统通过估算用户复购的可能性来推断是否应该给用户推荐某一个已购商品的同类或同产品词商品。

在该实施例中，如果商品推荐系统推荐的候选商品与已购商品属于同分类或同产品词，则根据复购率以及已购商品的下单时间判断是否将候选商品推荐给用户。本实施例充分利用了数据库中商品的复购率和商品购买时间，并且在推荐位引入了分类复购率或产品词复购率，在不改变推荐位的商品数量的同时，将用户更可能购买的商品展示在推荐位，使得推荐过程更加客观、合理。

图4为本公开商品推荐系统的另一个实施例的结构示意图。该商品推荐系统包括存储器410和处理器420。其中：

存储器410可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1-2所对应实施例中的指令。

处理器420耦接至存储器410，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器420用于执行存储器中存储的指令，能够实现向用户合理的推荐商品。

在一个实施例中，还可以如图5所示，商品推荐系统500包括存储器510和处理器520。处理器520通过BUS总线530耦合至存储器510。该商品推荐系统500还可以通过存储接口540连接至外部存储装置550以便调用外部数据，还可以通过网络接口560连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，由于充分利用了数据库中商品的复购率和商品购买时间，处理过程具有客观性，因此可以更加合理的向用户推荐商品。

在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1、2所对应实施例中的方法的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本公开的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种商品推荐方法，包括：

获取预定时间内与已购商品具有相同属性的商品的复购率；

若拟向用户推荐的候选商品与所述已购商品属性相同，则判断所述与已购商品具有相同属性的商品的复购率是否大于复购率阈值；

若所述复购率大于复购率阈值，则确定所述复购率对应的购买商品的时间窗；

在拟向所述用户推荐候选商品的时间与所述已购商品的下单时间之差大于所述时间窗时，将所述候选商品推荐给所述用户。

2.根据权利要求1所述的方法，其中，所述获取预定时间内与已购商品具有相同属性的商品的复购率包括：

获取预定时间内与所述已购商品具有相同属性的商品的总订单数和复购订单数，其中所述复购订单数为两次购买具有相同属性的商品的时间间隔小于窗口阈值的次数；

将所述复购订单数与所述总订单数的比值作为与所述已购商品具有相同属性的商品的复购率。

3.根据权利要求2所述的方法，还包括：

若预定时间内与所述已购商品具有相同属性的商品的总订单数小于订单阈值，则将预定时间内与所述已购商品具有相同属性的商品的复购订单数设置为0。

4.根据权利要求1-3任一所述的方法，还包括：

根据用户画像和用户行为数据确定拟向所述用户推荐的候选商品。

5.根据权利要求1-3任一所述的方法，其中，所述已购商品具有相同属性的商品为与所述已购商品同分类或同产品词的商品。

6.一种商品推荐系统，包括：

复购率获取单元，被配置为获取预定时间内与已购商品具有相同属性的商品的复购率；

商品推荐单元，被配置为若拟向用户推荐的候选商品与所述已购商品属性相同，则判断所述与已购商品具有相同属性的商品的复购率是否大于复购率阈值；若所述复购率大于复购率阈值，则确定所述复购率对应的购买商品的时间窗；在拟向所述用户推荐候选商品的时间与所述已购商品的下单时间之差大于所述时间窗时，将所述候选商品推荐给所述用户。

7.根据权利要求6所述的系统，其中，

所述复购率获取单元被配置为获取预定时间内与所述已购商品具有相同属性的商品的总订单数和复购订单数，其中所述复购订单数为两次购买具有相同属性的商品的时间间隔小于窗口阈值的次数；将所述复购订单数与所述总订单数的比值作为与所述已购商品具有相同属性的商品的复购率。

8.根据权利要求7所述的系统，其中，

所述复购率获取单元还被配置为若预定时间内与所述已购商品具有相同属性的商品的总订单数小于订单阈值，则将预定时间内与所述已购商品具有相同属性的商品的复购订单数设置为0。

9.一种商品推荐系统，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至5任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至5任一项所述的方法的步骤。