CN110163694A - 一种基于大数据的电商系统及方法 - Google Patents

Abstract

本发明涉及一种基于大数据的电商系统及其方法，包括：数据采集模块、数据处理模块、数据推荐模块，数据采集模块、数据处理模块以及数据推荐模块互相关联，数据采集模块用于采集收货人的收货数据以及收货人的收货地址的收货数据，数据处理模块用于根据数据采集模块采集的收货数据生成收货人的喜好，并根据收货人的喜好进行商品筛选，数据推荐模块根据数据处理模块筛选的商品进行商品推荐。

Description

一种基于大数据的电商系统及方法

技术领域

本发明涉及大数据以及电商领域，尤其涉及一种基于大数据的电商系统及方法。

背景技术

国内最大的电商平台淘宝网每日访问用户达6000万，每日在线商品数目已经超过了8亿件。面对急速增长的数据规模，用户正面临着“信息超载问题”，如果不借助于搜索引擎、推荐系统或者信息分类等辅助技术，用户从海量的互联网资源中找到自己真正感兴趣的信息是一件非常困难的事情,使得信息的有效利用率反而降低了。搜索引擎和个性化推荐系统是解决“信息超载”问题的两种手段。搜索引擎根据用户输入的关键字反馈给用户查询的结果，由于搜索引擎根据的是所有人的行为规律返回搜索结果，无法根据每个用户提供个性化服务，使得可能用户真正感兴趣的内容被海量的搜索结果所掩盖。个性化推荐在此问题上弥补了搜索引擎的不足，即代替用户评估其所有未看过的产品，并通过分析用户的兴趣爱好和历史行为，主动推荐符合用户喜好的项目。

在大数据时代下的推荐系统会面临海量的训练规模，传统单机环境下的推荐系统不能满足大数据时代推荐的需求。因此以分布式计算平台作为模型计算平台的推荐系统渐次诞生。进入Web2.0时代后，实时推荐的需求越来越多，而传统推荐系统，都是定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，训练效率低下，同时因为没有完善的机制配合对实时用户做出反馈，因此存在着推荐满意度以及交易转化率低下的问题。因此构建基于新型分布式流并行处理技术,能够分析实时用户行为并且做出实时推荐反馈的系统是非常有研究意义的。

发明内容

发明目的：

针对上述问题，本发明提供一种基于大数据的电商系统及方法。

技术方案：

一种基于大数据的电商系统及方法，包括：数据采集模块、数据处理模块、数据推荐模块，所述数据采集模块、数据处理模块以及数据推荐模块互相关联，所述数据采集模块用于采集收货人的收货数据以及收货人的收货地址的收货数据，所述数据处理模块用于根据所述数据采集模块采集的收货数据生成收货人的喜好，并根据收货人的喜好进行商品筛选，所述数据推荐模块根据所述数据处理模块筛选的商品进行商品推荐。

作为本发明的一种优选方式，所述数据采集模块包括总数据采集模块以及若干子数据采集模块，所述子数据采集模块根据不同采集方向采集商品特征数据，所述总数据采集模块整合采集所述子数据采集模块采集的商品特征数据。

作为本发明的一种优选方式，所述数据处理模块用于计算子数据采集模块采集的商品特征数据占所述总数据采集模块整合的商品特征数据的比例，并根据所述比例进行商品特征数据的排序。

作为本发明的一种优选方式，所述数据处理模块还用于根据商品特征数据进行商品数据的筛选并排序。

作为本发明的一种优选方式，所述数据推荐模块用于根据所述商品数据的排序进行商品的推荐。

作为本发明的一种优选方式，所述方法包括以下步骤：

S010：数据采集模块采集收货人的收货数据以及收货人采用的收货地址的收货数据；

S020：数据采集模块根据收货数据采集收货人所收货物的单个商品特征数据并整合；

S030：数据采集模块根据收货数据采集收货人所收货物的结合商品特征数据并整合；

S040：数据处理模块计算各个商品特征数据在单个商品特征数据的整合数据中的占比；

S050：数据处理模块根据结合商品特征数据的整合以及单个商品特征数据在整合数据中占比的数值计算结合商品特征的比重；

S060：数据处理模块根据占比的数值进行单个商品特征数据的排序；

S070：数据处理模块根据单个商品特征数据的排序进行结合商品特征数据的排序；

S080：数据推荐模块根据结合商品特征的比重、单个商品特征数据的排序以及结合商品特征数据的排序进行商品推荐。

作为本发明的一种优选方式，所述结合商品特征数据为基于实际收货的商品数据得来的商品特征数据。

作为本发明的一种优选方式，所述数据采集模块还用于针对当次购买的商品进行数据采集。

作为本发明的一种优选方式，所述方法还包括以下步骤：

S090：数据采集模块根据用户当次购买的商品采集商品特征数据

S100：数据处理模块将当次采集的商品特征数据写入大数据。

本发明实现以下有益效果：

1.根据收货人以往所收的商品以及收货人收货地址所收的商品进行商品特征数据的采集，并针对商品特征数据以及实际收货的商品进行收货人喜好的推荐。

2.通过定性、定量的分析影响不同用户购买行为的各种因素，判断每种因素在用户购买时对其影响的权重大小，从而选择合理的商品信息推送给用户，从而有效解决了仅根据用户浏览历史选择推送商品的单一化的、盲目的推送的方式，大大提高了电商对于不同层次消费人员的购买意向的把握，有效提高了电商在运营中的核心竞争力。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。

图1为本发明工作步骤图；

图2为本发明系统框架图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例一：

参考图为图1-2。一种基于大数据的电商系统，包括：数据采集模块1、数据处理模块2、数据推荐模块3，所述数据采集模块1、数据处理模块2以及数据推荐模块3互相关联，所述数据采集模块1用于采集收货人的收货数据以及收货人的收货地址的收货数据，所述数据处理模块2用于根据所述数据采集模块1采集的收货数据生成收货人的喜好，并根据收货人的喜好进行商品筛选，所述数据推荐模块3根据所述数据处理模块2筛选的商品进行商品推荐。

作为本发明的一种优选方式，所述数据采集模块1包括总数据采集模块11以及若干子数据采集模块12，所述子数据采集模块12根据不同采集方向采集商品特征数据，所述总数据采集模块11整合采集所述子数据采集模块12采集的商品特征数据。

作为本发明的一种优选方式，所述数据处理模块2用于计算子数据采集模块12采集的商品特征数据占所述总数据采集模块11整合的商品特征数据的比例，并根据所述比例进行商品特征数据的排序。

作为本发明的一种优选方式，所述数据处理模块2还用于根据商品特征数据进行商品数据的筛选并排序。

作为本发明的一种优选方式，所述数据推荐模块3用于根据所述商品数据的排序进行商品的推荐。

在具体实施过程中，数据采集模块1包括若干子数据采集模块12以及一个总数据采集模块11，子数据采集模块12用于进行单个商品特征数据进行采集，单个子数据采集模块12针对单个数据进行采集，子数据采集模块12搜索收货人以及收货人地址签收的货物，数据处理模块2根据收货人以及收货人地址签收的货物进行分析，获取签收的货物的商品特征，子数据采集模块12根据各个商品特征进行商品特征数据的采集并记录采集次数，总数据采集模块11将子数据采集模块12采集的商品特征数据进行整合，数据处理模块2根据子数据采集模块12以及总数据采集模块11计算单个商品特征数据在总商品特征数据占比的比例，并根据占比比例的数值进行商品特征数据排序，数据处理模块2根据商品特征数据的排序进行商品数据的筛选，并根据单个商品特征数据进行商品数据的排序。

对于同一商品包含多种商品特征时，总数据采集模块11在商品特征数据整合时，根据采集的以往购买的记录进行整合商品特征数据的采集，数据处理模块2根据整合商品特征数据以及单个商品特征数据的占比进行整合商品特征数据的计算，计算得出的数据即为根据大数据得出的收货人对于商品特征的综合喜好占比，数据处理模块2将计算得出的多个综合喜好占比进行整合商品数据排序。

数据推荐模块3根据商品特征数据排序、商品数据排序、整合商品数据排序分别进行商品的推荐。

实施例二：

参考图为图1-2。针对实施例一，本实施例的不同点在于：

作为本发明的一种优选方式，所述方法包括以下步骤：

S010：数据采集模块1采集收货人的收货数据以及收货人采用的收货地址的收货数据；

S020：数据采集模块1根据收货数据采集收货人所收货物的单个商品特征数据并整合；

S030：数据采集模块1根据收货数据采集收货人所收货物的结合商品特征数据并整合；

S040：数据处理模块2计算各个商品特征数据在单个商品特征数据的整合数据中的占比；

S050：数据处理模块2根据结合商品特征数据的整合以及单个商品特征数据在整合数据中占比的数值计算结合商品特征的比重；

S060：数据处理模块2根据占比的数值进行单个商品特征数据的排序；

S070：数据处理模块2根据单个商品特征数据的排序进行结合商品特征数据的排序；

S080：数据推荐模块3根据结合商品特征的比重、单个商品特征数据的排序以及结合商品特征数据的排序进行商品推荐。

作为本发明的一种优选方式，所述结合商品特征数据为基于实际收货的商品数据得来的商品特征数据。

作为本发明的一种优选方式，所述数据采集模块1还用于针对当次购买的商品进行数据采集。

作为本发明的一种优选方式，所述方法还包括以下步骤：

S090：数据采集模块1根据用户当次购买的商品采集商品特征数据

S100：数据处理模块2将当次采集的商品特征数据写入大数据。

在具体实施过程中，数据采集模块1根据用户设定的收货人以及收货地址进行收货的商品的采集，并在采集的商品的基础上进行商品特征数据的采集，分为单个商品特征数据的采集，即针对单一商品特征数据进行采集并整合；结合商品特征数据的采集，即针对每个实际商品数据含有的商品特征数据进行采集。数据处理模块2根据单个商品特征数据的整合结果计算单个商品特征数据在整合数据中的占比。数据处理模块2中设置有算法，该算法用于计算结合商品特征数据的比重，该比重作为根据结合商品特征数据进行商品推荐的推荐比重。该算法公式如下：

Per=1-(1-a)*(1-b)*……*(1-n)，其中，Per为商品推荐的比重，a、b...n为不同单个商品特征数据在整合数据中的占比。利用该算法计算得到的商品占比的排序即结合商品特征数据的排序。

在数据处理模块2将采集的数据处理完毕时，数据推荐模块3根据商品特征数据排序、商品数据排序、整合商品数据排序分别进行商品的推荐。

当用户选择并完成商品的购买时，子数据采集模块12、总数据采集模块11进行商品特征数据的采集，数据处理模块2根据采集得到的商品特征数据写入大数据，以便将来进行参考。

上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的电商系统，包括：数据采集模块、数据处理模块、数据推荐模块，所述数据采集模块、数据处理模块以及数据推荐模块互相关联，其特征在于：所述数据采集模块用于采集收货人的收货数据以及收货人的收货地址的收货数据，所述数据处理模块用于根据所述数据采集模块采集的收货数据生成收货人的喜好，并根据收货人的喜好进行商品筛选，所述数据推荐模块根据所述数据处理模块筛选的商品进行商品推荐。

2.根据权利要求1所述的一种基于大数据的电商系统及方法，其特征在于：所述数据采集模块包括总数据采集模块以及若干子数据采集模块，所述子数据采集模块根据不同采集方向采集商品特征数据，所述总数据采集模块整合采集所述子数据采集模块采集的商品特征数据。

3.根据权利要求1所述的一种基于大数据的电商系统，其特征在于：所述数据处理模块用于计算子数据采集模块采集的商品特征数据占所述总数据采集模块整合的商品特征数据的比例，并根据所述比例进行商品特征数据的排序。

4.根据权利要求3所述的一种基于大数据的电商系统，其特征在于：所述数据处理模块还用于根据商品特征数据进行商品数据的筛选并排序。

5.根据权利要求1所述的一种基于大数据的电商系统，其特征在于：所述数据推荐模块用于根据所述商品数据的排序进行商品的推荐。

6.根据权利要求1所述的一种基于大数据的电商系统的工作方法，其特征在于：所述方法包括以下步骤：

S010：数据采集模块采集收货人的收货数据以及收货人采用的收货地址的收货数据；

S020：数据采集模块根据收货数据采集收货人所收货物的单个商品特征数据并整合；

S030：数据采集模块根据收货数据采集收货人所收货物的结合商品特征数据并整合；

S040：数据处理模块计算各个商品特征数据在单个商品特征数据的整合数据中的占比；

S050：数据处理模块根据结合商品特征数据的整合以及单个商品特征数据在整合数据中占比的数值计算结合商品特征的比重；

S060：数据处理模块根据占比的数值进行单个商品特征数据的排序；

S070：数据处理模块根据单个商品特征数据的排序进行结合商品特征数据的排序；

S080：数据推荐模块根据结合商品特征的比重、单个商品特征数据的排序以及结合商品特征数据的排序进行商品推荐。

7.根据权利要求6所述的一种基于大数据的电商系统，其特征在于：所述结合商品特征数据为基于实际收货的商品数据得来的商品特征数据。

8.根据权利要求1所述的一种基于大数据的电商系统，其特征在于：所述数据采集模块还用于针对当次购买的商品进行数据采集。

9.根据权利要求8所述的一种基于大数据的电商系统的工作方法，其特征在于：所述方法还包括以下步骤：

S090：数据采集模块根据用户当次购买的商品采集商品特征数据

S100：数据处理模块将当次采集的商品特征数据写入大数据。