CN110135948A - 一种面向电子商务平台商品的推荐系统及方法 - Google Patents

一种面向电子商务平台商品的推荐系统及方法 Download PDF

Info

Publication number
CN110135948A
CN110135948A CN201910385673.6A CN201910385673A CN110135948A CN 110135948 A CN110135948 A CN 110135948A CN 201910385673 A CN201910385673 A CN 201910385673A CN 110135948 A CN110135948 A CN 110135948A
Authority
CN
China
Prior art keywords
commodity
user
probability
data
classification
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.)
Pending
Application number
CN201910385673.6A
Other languages
English (en)
Inventor
万福成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest Minzu University
Original Assignee
Northwest Minzu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest Minzu University filed Critical Northwest Minzu University
Priority to CN201910385673.6A priority Critical patent/CN110135948A/zh
Publication of CN110135948A publication Critical patent/CN110135948A/zh
Pending legal-status Critical Current

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向电子商务平台商品的推荐系统及方法，所述系统包括用户行为记录模块、筛选商品数据模块、模型分析模块、情景划分模块；所述用户行为记录模块用于捕捉用户特征；所述筛选商品数据模块用于捕捉商品的基本特征；所述模型分析模块用于在用户、商品数据的基础上，按照有无账号、有无cookie信息、有无购买行为进行划分为不同的情景；所述情景划分模块以用户、商品为核心，系统这对用户，划分为两个情景。本发明还公开了一种面向电子商务平台商品的推荐方法。本发明针对不同的用户特征进行分类，针对用户的行为进行分类，以达到个性化、柔性化精准推荐的目的，使首次浏览系统的用户有商品可推荐。

Description

一种面向电子商务平台商品的推荐系统及方法
技术领域
本发明属于电子商务技术领域，具体地说，涉及一种面向电子商务平台商品的推荐系统及方法。
背景技术
电子商务平台即是一个为企业或个人提供网上交易洽谈的平台。企业电子商务平台是建立在Internet网上进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境；是协调、整合信息流、货物流、资金流有序、关联、高效流动的重要场所。企业、商家可充分利用电子商务平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展自己的商业活动。
发明内容
本发明的目的在于提出了一种面向电子商务平台商品的推荐系统及方法。其技术方案如下：
一种面向电子商务平台商品的推荐系统，包括用户行为记录模块、筛选商品数据模块、模型分析模块、情景划分模块；
所述用户行为记录模块用于捕捉用户特征；
所述筛选商品数据模块用于捕捉商品的基本特征；
所述模型分析模块用于在用户、商品数据的基础上，按照有无账号、有无cookie信息、有无购买行为进行划分为不同的情景；
所述情景划分模块以用户、商品为核心，系统这对用户，划分为两个情景。
进一步，用户行为特征包括以地域为标志的用户特征、浏览记录、购买记录、收藏记录四个方面。
进一步，筛选商品数据的特征包括针对商品的用户IP地址数据、用户浏览商品数据、购买商品数据、收藏商品数据。
进一步，所述情景划分模块划分的两个情景具体为：
（1）情景一：游客模式（用户首次进入系统模式）
游客模式，用户首次访问系统，还没有成为系统的会员，系统中还没有该用户的过往记录。
该模式按照IP地址，推荐当地销量最高的几类商品，目前拟定推荐个数为8个，依次按照销量高低顺序显示。
（2）情景二：会员模式（用户首次进入系统模式）
会员模式，用户非首次访问系统，已经成为系统的会员，并且用户有了浏览行为、购物车、收藏、搜索功能中都有了相应的数据。
这种模式的推荐，首先，先根据统计概率信息筛选出数据的来源，来源划分为购物车、收藏、浏览、详情页浏览时间4个方面。
1）购物车商品-未购买：
A：同一商品出现在该栏的概率相等的情况下，优先级最高，记为a；
B：按照每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C：商品已过期，移除该数据
D：按照搜索出来结果每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
2）收藏商品
A: 同一商品出现在该栏的概率相等的情况下，优先级为b；
B: 按照每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C: 商品已过期，移除该数据
3) 搜索结果
同一商品出现在该栏的概率相等的情况下，优先级为c。
4) 详情页面浏览时长T（单位：秒）
同一商品出现在该栏的概率相等的情况下，优先级为d；
按照页面浏览时长，将商品类型划分为四个层次：
A：T<5s
感兴趣为a1，推荐概率t1；
用户不感兴趣，不需要推荐，直接从数据库删除；
B：5=<T<180
感兴趣概率为b1,推荐概率为t2;
将b1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C：180=<T<=480
感兴趣概率为c1,推荐概率为t3;
将c1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
D：T>480
感兴趣概率为d1,推荐概率为t4;
用户可能打开详情页面，长时间未关，感兴趣的程度低；
将d1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
一种面向电子商务平台商品的推荐方法，具体步骤如下：
步骤1、根据用户是否已经注册成为会员进行区分，用户未注册的情况下，根据IP地址，推荐当地排行靠前的几种商品，如用户是会员，转到步骤2；
步骤2、该步骤的前提是用户已经注册为会员，根据用户的购物车、收藏、浏览3方面特征进行推荐；
步骤3、该步骤的前提是用户购物车有数据，根据数据特征进行推荐，如果已经加入购物车未购买，优先推荐该类商品，商品过期，移除这类商品；
步骤4、该步骤的前提是用户已经收藏了商品，根据收藏的商品分类，优先推荐该类商品，过期则移除该类商品；
步骤5、该步骤的前提是用户具有浏览行为，根据浏览的商品特征，根据浏览商品的时间进行推荐。
本发明的有益效果为：
本发明针对不同的用户特征进行分类，针对用户的行为进行分类，以达到个性化、柔性化精准推荐的目的，使首次浏览系统的用户有商品可推荐，经常使用系统的用户达到依赖本系统的目标。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
本发明以用户行为记录、筛选商品数据、模型分析、情景划分四个模块为基点，通过逐步细化分析四个模块的用户特征，展开对智能推荐系统的研究，最终形成了以用户、商品特征为基础的、涵盖两种情景模式的特色农产品智能推荐系统。
1.用户行为记录
对于特色农产品的智能推荐系统，用户行为记录是相对容易捕捉的用户特征。用户行为特征包括以地域为标志的用户特征、浏览记录、购买记录（相同购买此商品用户的购买行为）、收藏记录四个方面。
2.筛选商品数据
上一个方面以用户为核心，捕捉用户的基本特征，这个方面以商品为核心，捕捉商品的基本特征。筛选商品数据的特征包括针对商品的用户IP地址数据、用户浏览商品数据、购买商品数据、收藏商品数据。
3.模型分析模块
模型分析模块，在用户、商品数据的基础上，按照有无账号、有无cookie信息、有无购买行为进行划分为不同的情景。
（1）有账号，无cookie信息：适用于情景一；
（2）无账号，有cookie信息：适用于情景一、二；
（3）有账号，无购买行为：适用于情景一、二；
（4）有账号，有购买行为（购买了商品，对该商品的衍生产品有意向）：适用于情景一、二。
系统共有8个推荐位置，按照情景划分的算法进行详细推荐。
4. 情景划分
推荐系统以上面两个数据，即用户、商品为核心，系统这对用户，划分为两个情景。
（1）情景一：游客模式（用户首次进入系统模式）
游客模式，用户首次访问系统，还没有成为系统的会员，系统中还没有该用户的过往记录。
该模式按照IP地址，推荐当地销量最高的几类商品，目前拟定推荐个数为8个，依次按照销量高低顺序显示。
（2）情景二：会员模式（用户首次进入系统模式）
会员模式，用户非首次访问系统，已经成为系统的会员，并且用户有了浏览行为、购物车、收藏、搜索功能中都有了相应的数据。
这种模式的推荐，首先，先根据统计概率信息筛选出数据的来源，来源划分为购物车、收藏、浏览、详情页浏览时间4个方面。
1）购物车商品-未购买：
A：同一商品出现在该栏的概率相等的情况下，优先级最高，记为a；
B：按照每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C：商品已过期，移除该数据
D：按照搜索出来结果每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
2）收藏商品
A: 同一商品出现在该栏的概率相等的情况下，优先级为b；
B: 按照每个类目出现的概率（属于该类目的商品/总商品），选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C: 商品已过期，移除该数据
3) 搜索结果
同一商品出现在该栏的概率相等的情况下，优先级为c。
4) 详情页面浏览时长T（单位：秒）
同一商品出现在该栏的概率相等的情况下，优先级为d；
按照页面浏览时长，将商品类型划分为四个层次：
A：T<5s
感兴趣为a1，推荐概率t1；
用户不感兴趣，不需要推荐，直接从数据库删除；
B：5=<T<180
感兴趣概率为b1,推荐概率为t2;
将b1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
C：180=<T<=480
感兴趣概率为c1,推荐概率为t3;
将c1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
D：T>480
感兴趣概率为d1,推荐概率为t4;
用户可能打开详情页面，长时间未关，感兴趣的程度低；
将d1筛选出来商品每个类目出现的概率（属于该类目的商品/总商品），选出数据源（来自哪个类目），在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (5)

1.一种面向电子商务平台商品的推荐系统，其特征在于，包括用户行为记录模块、筛选商品数据模块、模型分析模块、情景划分模块；
所述用户行为记录模块用于捕捉用户行为特征；
所述筛选商品数据模块用于捕捉商品的基本特征；所述模型分析模块用于在用户、商品数据的基础上，按照有无账号、有无cookie信息、有无购买行为进行划分为不同的情景；
所述情景划分模块以用户、商品为核心，系统这对用户，划分为两个情景。
2.根据权利要求1所述的面向电子商务平台商品的推荐系统，其特征在于，用户行为特征包括以地域为标志的用户特征、浏览记录、购买记录、收藏记录四个方面。
3.根据权利要求1所述的面向电子商务平台商品的推荐系统，其特征在于，筛选商品数据的特征包括针对商品的用户IP地址数据、用户浏览商品数据、购买商品数据、收藏商品数据。
4.根据权利要求1所述的面向电子商务平台商品的推荐系统，其特征在于，所述情景划分模块划分的两个情景具体为：
(1)情景一：游客模式
游客模式，用户首次访问系统，还没有成为系统的会员，系统中还没有该用户的过往记录；
该模式按照IP地址，推荐当地销量最高的几类商品，目前拟定推荐个数为8个，依次按照销量高低顺序显示；
(2)情景二：会员模式
会员模式，用户非首次访问系统，已经成为系统的会员，并且用户有了浏览行为、购物车、收藏、搜索功能中都有了相应的数据；
这种模式的推荐，首先，先根据统计概率信息筛选出数据的来源，来源划分为购物车、收藏、浏览、详情页浏览时间4个方面；
1)购物车商品-未购买：
A：同一商品出现在该栏的概率相等的情况下，优先级最高，记为a；
B：按照每个类目出现的概率，选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置；
C：商品已过期，移除该数据
D：按照搜索出来结果每个类目出现的概率，选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置；
2)收藏商品
A:同一商品出现在该栏的概率相等的情况下，优先级为b；
B:按照每个类目出现的概率，选出商品来自于哪个类目，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置；
C:商品已过期，移除该数据
3)搜索结果
同一商品出现在该栏的概率相等的情况下，优先级为c；
4)详情页面浏览时长T，单位：秒
同一商品出现在该栏的概率相等的情况下，优先级为d；
按照页面浏览时长，将商品类型划分为四个层次：
A：T<5s
感兴趣为a1，推荐概率t1；
用户不感兴趣，不需要推荐，直接从数据库删除；
B：5＝<T<180
感兴趣概率为b1,推荐概率为t2；
将b1筛选出来商品每个类目出现的概率，选出数据源(来自哪个类目)，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置；
C：180＝<T<＝480
感兴趣概率为c1,推荐概率为t3；
将c1筛选出来商品每个类目出现的概率，选出数据源，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置；
D：T>480
感兴趣概率为d1,推荐概率为t4；
用户可能打开详情页面，长时间未关，感兴趣的程度低；
将d1筛选出来商品每个类目出现的概率，选出数据源，在该类目的目前销量排名前10位的商品中随机选出1个商品推荐到该位置。
5.一种面向电子商务平台商品的推荐方法，其特征在于，具体步骤如下：
步骤1、根据用户是否已经注册成为会员进行区分，用户未注册的情况下，根据IP地址，推荐当地排行靠前的几种商品，如用户是会员，转到步骤2；
步骤2、该步骤的前提是用户已经注册为会员，根据用户的购物车、收藏、浏览3方面特征进行推荐；
步骤3、该步骤的前提是用户购物车有数据，根据数据特征进行推荐，如果已经加入购物车未购买，优先推荐该类商品，商品过期，移除这类商品；
步骤4、该步骤的前提是用户已经收藏了商品，根据收藏的商品分类，优先推荐该类商品，过期则移除该类商品；
步骤5、该步骤的前提是用户具有浏览行为，根据浏览的商品特征，根据浏览商品的时间进行推荐。
CN201910385673.6A 2019-05-09 2019-05-09 一种面向电子商务平台商品的推荐系统及方法 Pending CN110135948A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910385673.6A CN110135948A (zh) 2019-05-09 2019-05-09 一种面向电子商务平台商品的推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910385673.6A CN110135948A (zh) 2019-05-09 2019-05-09 一种面向电子商务平台商品的推荐系统及方法

Publications (1)

Publication Number Publication Date
CN110135948A true CN110135948A (zh) 2019-08-16

Family

ID=67577031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910385673.6A Pending CN110135948A (zh) 2019-05-09 2019-05-09 一种面向电子商务平台商品的推荐系统及方法

Country Status (1)

Country Link
CN (1) CN110135948A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956532A (zh) * 2019-11-29 2020-04-03 重庆慕士塔格能源管理有限公司 一种发用电侧市场化电能撮合交易方法
CN111127155A (zh) * 2019-12-24 2020-05-08 北京每日优鲜电子商务有限公司 商品推荐方法、装置、服务器和存储介质
CN111582997A (zh) * 2020-05-28 2020-08-25 广州蓝深科技有限公司 一种基于云电子商务活跃用户分析的搜索系统
CN111914187A (zh) * 2020-07-23 2020-11-10 向杰 一种商品推荐及推荐关系链跟踪的方法
CN111966900A (zh) * 2020-08-17 2020-11-20 中国银行股份有限公司 基于局部敏感哈希的用户冷启动产品推荐方法及系统
CN112116427A (zh) * 2020-09-22 2020-12-22 深圳市分期乐网络科技有限公司 一种商品推荐方法、装置、电子设备及存储介质
CN112581238A (zh) * 2020-12-30 2021-03-30 平潭综合实验区澄心贸易有限公司 一种电商商品展示系统及其工作方法
CN112613715A (zh) * 2020-12-16 2021-04-06 重庆电子工程职业学院 中药病害智慧化管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN106779946A (zh) * 2016-12-16 2017-05-31 Tcl集团股份有限公司 一种电影推荐方法及装置
US20170213274A1 (en) * 2013-01-18 2017-07-27 24/7 Customer, Inc. Intent prediction based recommendation system using data combined from multiple channels
CN107256512A (zh) * 2017-06-08 2017-10-17 贵州优联博睿科技有限公司 一种购房个性化推荐方法及系统
CN109685631A (zh) * 2019-01-10 2019-04-26 博拉网络股份有限公司 一种基于大数据用户行为分析的个性化推荐方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170213274A1 (en) * 2013-01-18 2017-07-27 24/7 Customer, Inc. Intent prediction based recommendation system using data combined from multiple channels
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN106779946A (zh) * 2016-12-16 2017-05-31 Tcl集团股份有限公司 一种电影推荐方法及装置
CN107256512A (zh) * 2017-06-08 2017-10-17 贵州优联博睿科技有限公司 一种购房个性化推荐方法及系统
CN109685631A (zh) * 2019-01-10 2019-04-26 博拉网络股份有限公司 一种基于大数据用户行为分析的个性化推荐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
叶红霞: ""基于多模型的移动电子商务推荐系统设计与实现"", 《中国优秀博硕士学位论文全文数据库（硕士) 信息科技辑(月刊)》 *
崔亚洲: ""一种B2C模式下多模型推荐系统的研究"", 《中国优秀博硕士学位论文全文数据库（硕士) 经济与管理科学辑(月刊)》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956532A (zh) * 2019-11-29 2020-04-03 重庆慕士塔格能源管理有限公司 一种发用电侧市场化电能撮合交易方法
CN111127155A (zh) * 2019-12-24 2020-05-08 北京每日优鲜电子商务有限公司 商品推荐方法、装置、服务器和存储介质
CN111582997A (zh) * 2020-05-28 2020-08-25 广州蓝深科技有限公司 一种基于云电子商务活跃用户分析的搜索系统
CN111582997B (zh) * 2020-05-28 2023-11-07 广州蓝深科技有限公司 一种基于云电子商务活跃用户分析的搜索系统
CN111914187A (zh) * 2020-07-23 2020-11-10 向杰 一种商品推荐及推荐关系链跟踪的方法
CN111914187B (zh) * 2020-07-23 2023-09-08 向杰 一种商品推荐及推荐关系链跟踪的方法
CN111966900A (zh) * 2020-08-17 2020-11-20 中国银行股份有限公司 基于局部敏感哈希的用户冷启动产品推荐方法及系统
CN112116427A (zh) * 2020-09-22 2020-12-22 深圳市分期乐网络科技有限公司 一种商品推荐方法、装置、电子设备及存储介质
CN112613715A (zh) * 2020-12-16 2021-04-06 重庆电子工程职业学院 中药病害智慧化管理系统
CN112613715B (zh) * 2020-12-16 2023-09-05 重庆电子工程职业学院 中药病害智慧化管理系统
CN112581238A (zh) * 2020-12-30 2021-03-30 平潭综合实验区澄心贸易有限公司 一种电商商品展示系统及其工作方法

Similar Documents

Publication Publication Date Title
CN110135948A (zh) 一种面向电子商务平台商品的推荐系统及方法
CN109685631B (zh) 一种基于大数据用户行为分析的个性化推荐方法
CN109636494A (zh) 药品推荐方法及系统
CN103559758B (zh) 一种智能化的售货系统及售货方法
CN106202534A (zh) 一种基于社区用户行为的内容推荐方法及系统
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
CN103136683B (zh) 计算产品参考价格的方法、装置及产品搜索方法、系统
US20220138831A1 (en) Method of Providing Fashion Item Recommendation Service Using User&#39;s Body Type and Purchase History
CN107516235B (zh) 商品偏好预估方法和装置
CN109542916A (zh) 平台商品入驻方法、装置、计算机设备及存储介质
US20090198507A1 (en) Behavior-based web page generation marketing system
CN106687956A (zh) 信息处理系统
CN108109056A (zh) 一种商品的推荐方法及系统
CN103377443A (zh) 网络交易平台及其处理方法
CN103034663A (zh) 一种信息搜索方法和设备
CN107220745B (zh) 一种意图行为数据的识别方法、系统及设备
CN110727859B (zh) 一种推荐信息推送方法及其装置
JP5793794B1 (ja) 情報処理システム、及び、プログラム。
CN110634015A (zh) 一种基于计算机软件的消费习惯分析系统
CN104615721A (zh) 用于基于退货关联信息推荐商品的方法和系统
KR102490798B1 (ko) 인플루언서 마케팅 서비스 방법
CN110619499A (zh) 一种订单信息处理方法、系统及可读存储介质
CN113807896A (zh) 一种基于抖众电商平台的大数据用户挖掘方法
CN109409940A (zh) 基于路径的浏览处理方法、装置、设备和存储介质
US8577754B1 (en) Identifying low utility item-to-item association mappings

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190816