CN110288433A - 一种基于点击率模型预测o2o实时个性化排序方法 - Google Patents

一种基于点击率模型预测o2o实时个性化排序方法 Download PDF

Info

Publication number
CN110288433A
CN110288433A CN201910503760.7A CN201910503760A CN110288433A CN 110288433 A CN110288433 A CN 110288433A CN 201910503760 A CN201910503760 A CN 201910503760A CN 110288433 A CN110288433 A CN 110288433A
Authority
CN
China
Prior art keywords
user
commodity
information
merchandise news
clicking rate
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
CN201910503760.7A
Other languages
English (en)
Inventor
韩强
周小草
柳晛
王浩
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.)
Dajiang Network Technology (shanghai) Co Ltd
Original Assignee
Dajiang Network Technology (shanghai) Co Ltd
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 Dajiang Network Technology (shanghai) Co Ltd filed Critical Dajiang Network Technology (shanghai) Co Ltd
Priority to CN201910503760.7A priority Critical patent/CN110288433A/zh
Publication of CN110288433A publication Critical patent/CN110288433A/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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • 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
    • 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]
    • G06Q30/0641—Shopping interfaces

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

一种基于点击率模型预测O2O实时个性化排序方法，包括以下步骤：S1、获取店铺中的商品信息；S2、获取用户信息；用户信息包括：用户对商品的点击率和以购买商品信息，以及获取用户的社交信息；S3、用户信息，对用户进行画像；S4、商品信息和用户的画像真作为特征提供给GBDT+LR处理；其中，首先李勇渐进GBDT对特征进行筛选；然后，将筛选特征投入LR模型进行处理；最后，LR模型预测出用户对商品的点击概率；S5、根据点击概率的大小对商品进行重新排序；S6、将商品按照排序发送至用户端，供用户查阅。本发明中，采用GBDT+LR的算法对用户信息和商品信息进行处理，做出更加准确的预测，提高用户的购买体验，便于向用户推荐用户更加青睐的产品，增加用户的购买乐趣。

Description

一种基于点击率模型预测O2O实时个性化排序方法
技术领域
本发明涉及商品排序方法领域，尤其涉及一种基于点击率模型预测O2O实时个性化排序方法。
背景技术
O2O即Online To Offline(在线离线/线上到线下)，是指将线下的商务机会与互联网结合，让互联网成为线下交易的平台，用户在购物平台上消费时，商家会对用户进行相关商品的推荐，以达到吸引用户，增大销量的目的。
但是，不同客户的消费标准不一致，消费商品种类也不一致，往往出现发费大量精力向用户推荐一些用户不需要的商品，极大的浪费了用户的精力，并且使得用户对此次购买形成非常不好的购买体验。
因此，如何保证向用户推荐合适的商品，是需要解决的问题。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种基于点击率模型预测O2O实时个性化排序方法，根据商品信息和用户信息对商品进行排序，提高用户的购买体验，增加用户的乐趣，节省用户的时间。
(二)技术方案
为解决上述问题，本发明提供了一种基于点击率模型预测O2O实时个性化排序方法，包括以下步骤：
S1、获取店铺中的商品信息；
S2、获取用户信息；用户信息包括：用户对商品的点击率和以购买商品信息，以及获取用户的社交信息；
S3、用户信息，对用户进行画像；
S4、商品信息和用户的画像真作为特征提供给GBDT+LR处理；其中，首先李勇渐进GBDT对特征进行筛选；然后，将筛选特征投入LR模型进行处理；最后，LR模型预测出用户对商品的点击概率；
S5、根据点击概率的大小对商品进行重新排序；
S6、将商品按照排序发送至用户端，供用户查阅。
优选的，商品信息包括商品种类和品牌，以及商品成交价格、商品折扣率、是否科使用优惠卷，以及商品的配送信息。
优选的，用户信息还包括商品历史完成订单信息、用户的商品浏览信息、商品收藏关注信息，以及用户放在商品购物车内但未进行付款的商品信息。
优选的，对用户进行实时跟踪，再次获取用户对新排序商品的点击率，并将该信息发送至GBDT+LR，GBDT+LR根据信息对商品进行重新排序。
本发明还提出一种基于点击率模型预测O2O实时个性化排序方法的工作系统，工作系统包括数据存储模块和数据更新模块；数据处理模块用于将商品信息和用户信息分别存储；数据更新模块用于及时更新用户信息和商品信息。
优选的，还包括信息提示模块，用于向用户发送最新的商品排序列单或通知信息。
本发明的上述技术方案具有如下有益的技术效果：
本发明中，采用GBDT+LR的算法对用户信息和商品信息进行处理，做出更加准确的预测，提高用户的购买体验，便于向用户推荐用户更加青睐的产品，增加用户的乐趣，节省用户的时间。
附图说明
图1为本发明提出的基于点击率模型预测O2O实时个性化排序方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1所示，本发明提出的一种基于点击率模型预测O2O实时个性化排序方法，包括以下步骤：
S1、获取店铺中的商品信息；
S2、获取用户信息；用户信息包括：用户对商品的点击率和以购买商品信息，以及获取用户的社交信息；
S3、用户信息，对用户进行画像；
S4、商品信息和用户的画像真作为特征提供给GBDT+LR处理；其中，首先李勇渐进GBDT对特征进行筛选；然后，将筛选特征投入LR模型进行处理；最后，LR模型预测出用户对商品的点击概率；
S5、根据点击概率的大小对商品进行重新排序；
S6、将商品按照排序发送至用户端，供用户查阅。
本发明中，采用GBDT+LR的算法对用户信息和商品信息进行处理，做出更加准确的预测，提高用户的购买体验，便于向用户推荐用户更加青睐的产品，增加用户的乐趣，节省用户的时间。
在一个可选的实施例中，商品信息包括商品种类和品牌，以及商品成交价格、商品折扣率、是否科使用优惠卷，以及商品的配送信息；。
在一个可选的实施例中，用户信息还包括商品历史完成订单信息、用户的商品浏览信息、商品收藏关注信息，以及用户放在商品购物车内但未进行付款的商品信息。
需要说明的是：GBDT+LR系统根据上述商品信息和用户信息能够更加了解客户的购买想法，以及商品是否符合用户的购买需求，从而做出更加准确的预判。
在一个可选的实施例中，对用户进行实时跟踪，再次获取用户对新排序商品的点击率，并将该信息发送至GBDT+LR，GBDT+LR根据信息对商品进行重新排序。
需要说明的是，系统根据反馈信息及时调整商品排序，不断更新向用户发出的商品列单，给用户更好的体验。
本发明根据上述基于点击率模型预测O2O实时个性化排序方法，还提出一种基于点击率模型预测O2O实时个性化排序方法的工作系统，工作系统包括数据存储模块和数据更新模块；数据处理模块用于将商品信息和用户信息分别存储；数据更新模块用于及时更新用户信息和商品信息。
在一个可选的实施例中，还包括信息提示模块，用于向用户发送最新的商品排序列单或通知信息。
需要说明的是，数据处理模块能够用于存储打两个用户信息，并且将每个用户的用户信息以及对应的商品信息进行联系；数据更新模块能够对用户信息和对应的商品信息进行及时更新，提高对用户购买商品预测的正确率和可靠性，提高用户的购物体验。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (6)

1.一种基于点击率模型预测O2O实时个性化排序方法，其特征在于，包括以下步骤：
S1、获取店铺中的商品信息；
S2、获取用户信息；用户信息包括：用户对商品的点击率和以购买商品信息，以及获取用户的社交信息；
S3、用户信息，对用户进行画像；
S4、商品信息和用户的画像真作为特征提供给GBDT+LR处理；其中，首先李勇渐进GBDT对特征进行筛选；然后，将筛选特征投入LR模型进行处理；最后，LR模型预测出用户对商品的点击概率；
S5、根据点击概率的大小对商品进行重新排序；
S6、将商品按照排序发送至用户端，供用户查阅。
2.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，商品信息包括商品种类和品牌，以及商品成交价格、商品折扣率、是否科使用优惠卷，以及商品的配送信息。
3.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，用户信息还包括商品历史完成订单信息、用户的商品浏览信息、商品收藏关注信息，以及用户放在商品购物车内但未进行付款的商品信息。
4.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，对用户进行实时跟踪，再次获取用户对新排序商品的点击率，并将该信息发送至GBDT+LR，GBDT+LR根据信息对商品进行重新排序。
5.根据权利要求1-4任一条所述的基于点击率模型预测O2O实时个性化排序方法，还提出一种基于点击率模型预测O2O实时个性化排序方法的工作系统，其特征在于，工作系统包括数据存储模块和数据更新模块；数据处理模块用于将商品信息和用户信息分别存储；数据更新模块用于及时更新用户信息和商品信息。
6.根据权利要求6所述的一种基于点击率模型预测O2O实时个性化排序方法的工作系统，其特征在于，还包括信息提示模块，用于向用户发送最新的商品排序列单或通知信息。
CN201910503760.7A 2019-06-12 2019-06-12 一种基于点击率模型预测o2o实时个性化排序方法 Pending CN110288433A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910503760.7A CN110288433A (zh) 2019-06-12 2019-06-12 一种基于点击率模型预测o2o实时个性化排序方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910503760.7A CN110288433A (zh) 2019-06-12 2019-06-12 一种基于点击率模型预测o2o实时个性化排序方法

Publications (1)

Publication Number Publication Date
CN110288433A true CN110288433A (zh) 2019-09-27

Family

ID=68003804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910503760.7A Pending CN110288433A (zh) 2019-06-12 2019-06-12 一种基于点击率模型预测o2o实时个性化排序方法

Country Status (1)

Country Link
CN (1) CN110288433A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110838183A (zh) * 2019-10-18 2020-02-25 刘一立 基于ai互动3d化课件生成系统的商业模式
CN113763112A (zh) * 2021-02-25 2021-12-07 北京沃东天骏信息技术有限公司 一种信息推送方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100114654A1 (en) * 2008-10-31 2010-05-06 Hewlett-Packard Development Company, L.P. Learning user purchase intent from user-centric data
CN105260471A (zh) * 2015-10-19 2016-01-20 广州唯品会信息科技有限公司 商品个性化排序模型训练方法及系统
CN105808762A (zh) * 2016-03-18 2016-07-27 北京百度网讯科技有限公司 资源排序方法和装置
CN106485562A (zh) * 2015-09-01 2017-03-08 苏宁云商集团股份有限公司 一种基于用户历史行为的商品信息推荐方法及系统
CN106708821A (zh) * 2015-07-21 2017-05-24 广州市本真网络科技有限公司 基于用户个性化购物行为进行商品推荐的方法
CN106779985A (zh) * 2017-02-24 2017-05-31 武汉奇米网络科技有限公司 一种个性化商品排序的方法及系统
CN109495552A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于更新点击率预测模型的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100114654A1 (en) * 2008-10-31 2010-05-06 Hewlett-Packard Development Company, L.P. Learning user purchase intent from user-centric data
CN106708821A (zh) * 2015-07-21 2017-05-24 广州市本真网络科技有限公司 基于用户个性化购物行为进行商品推荐的方法
CN106485562A (zh) * 2015-09-01 2017-03-08 苏宁云商集团股份有限公司 一种基于用户历史行为的商品信息推荐方法及系统
CN105260471A (zh) * 2015-10-19 2016-01-20 广州唯品会信息科技有限公司 商品个性化排序模型训练方法及系统
CN105808762A (zh) * 2016-03-18 2016-07-27 北京百度网讯科技有限公司 资源排序方法和装置
CN106779985A (zh) * 2017-02-24 2017-05-31 武汉奇米网络科技有限公司 一种个性化商品排序的方法及系统
CN109495552A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于更新点击率预测模型的方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110838183A (zh) * 2019-10-18 2020-02-25 刘一立 基于ai互动3d化课件生成系统的商业模式
CN113763112A (zh) * 2021-02-25 2021-12-07 北京沃东天骏信息技术有限公司 一种信息推送方法及装置

Similar Documents

Publication Publication Date Title
CN109544289B (zh) 一种实现线上批发的方法及系统
CN107038629A (zh) 一种商品交易中的订单处理方法、装置及服务器
CN103679516A (zh) 基于购物车的比价系统及方法
CN105096015A (zh) 商品对象信息处理方法及系统
CN106803179A (zh) 即时分润方法及系统
CN107507037B (zh) 服务器、赠品栏的赠品推送方法及存储介质
CN109300003A (zh) 企业推荐方法、装置、计算机设备和存储介质
CN102073737A (zh) 一种自动提供网络销售商实时采购建议的方法和系统
CN103119622A (zh) 辅助购买的方法、装置和系统
CN109064242A (zh) 生鲜时蔬的在线采购方法及装置
CN110490748B (zh) 基于订单的项目推荐方法以及装置
CN109064262A (zh) 一种基于机器人终端的在线商城购物系统及方法
CN107203929A (zh) 一种显示距离、地址和位置的商品买卖网站的交易方法
CN104615721A (zh) 用于基于退货关联信息推荐商品的方法和系统
CN106610818A (zh) 一种属性确定的方法及装置
CN111028049A (zh) 一种商品采购方法、商品采购平台及商品采购系统
CN107480927A (zh) 采购系统及方法
CN110288433A (zh) 一种基于点击率模型预测o2o实时个性化排序方法
CN113763125A (zh) 一种关于购买货物的采购单生成方法及装置
CN108600323A (zh) 一种多中心数据共享系统及其使用方法
CN111127133A (zh) 一种基于位置的周边实体店商品展示售卖方法及系统
CN108629467A (zh) 一种样品信息处理方法及系统
KR101603009B1 (ko) 배송업체 중심 판매 시스템 및 방법
KR20190011399A (ko) 웰빙간식 서브스크립션 시스템
CN108074124A (zh) 团购预约系统及方法

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: 20190927