CN110443640A - 一种基于大数据的商品推送方法及存储介质 - Google Patents

一种基于大数据的商品推送方法及存储介质 Download PDF

Info

Publication number
CN110443640A
CN110443640A CN201910647893.1A CN201910647893A CN110443640A CN 110443640 A CN110443640 A CN 110443640A CN 201910647893 A CN201910647893 A CN 201910647893A CN 110443640 A CN110443640 A CN 110443640A
Authority
CN
China
Prior art keywords
user
commodity
shopping
brand
push
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
CN201910647893.1A
Other languages
English (en)
Inventor
陈锐
张彩霞
袁国文
李纲
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.)
Foshan University
Original Assignee
Foshan 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 Foshan University filed Critical Foshan University
Priority to CN201910647893.1A priority Critical patent/CN110443640A/zh
Publication of CN110443640A publication Critical patent/CN110443640A/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history

Abstract

本发明涉及一种基于大数据的商品推送方法及存储介质，包括以下：步骤一：获取用户的身份信息；步骤二：根据用户的身份信息获取用户在云端存储的购物特征信息，确定用户的以往购物倾向；步骤三：根据用户的以往购物倾向推送n件商品给用户。本发明能够通过对用户上一次购物的情况进行分析得出本次购物的购物需求，并按照分析得出的用户的购物需求推送用户感兴趣的商品给用户，让用户充分体验到人工智能带来的购物乐趣。

Description

一种基于大数据的商品推送方法及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种基于大数据的商品推送方法及存储介质。
背景技术
随着科技的不断发展，人们已经对现有的生活水平不再满足，人工智能的出现给人们的生活带来了巨大的便利。
当即市场的商品推送往往不够智能化，推送的商品品牌以及价格都不符合用户的喜好，导致用户的体验度不高。
当今市场继续一种基于大数据的商品推送方法，能够通过对用户上一次购物的情况进行分析得出本次购物的购物需求，并按照分析得出的用户的购物需求推送用户感兴趣的商品给用户，让用户充分体验到人工智能带来的购物乐趣。
发明内容
本发明的目的是解决现有技术的不足，提供一种基于大数据的商品推送方法及存储介质，能够通过对用户上一次购物的情况进行分析得出本次购物的购物需求，并按照分析得出的用户的购物需求推送用户感兴趣的商品给用户，让用户充分体验到人工智能带来的购物乐趣。
为了实现上述目的，本发明采用以下的技术方案：
提出一种基于大数据的商品推送方法，包括以下：
步骤一：获取用户的身份信息；
步骤二：根据用户的身份信息获取用户在云端存储的购物特征信息，确定用户的以往购物倾向；
步骤三：根据用户的以往购物倾向推送n件商品给用户。
进一步，上述步骤一中获取用户的身份信息的方式为，设置一个用于用户注册登录的窗口，该窗口连接云端，用户通过填写自身的身份信息完成注册。
进一步，上述步骤一确定用户的以往购物倾向的方式为:
获取用户在云端存储的相对本次购物的上一次的购物信息，所述上一次的购物信息具体包括：
用户已浏览的同类商品的种类，以及各个种类下的商品数量，将具有最高商品数量的商品种类作为最终同类商品；
用户已浏览的最终同类商品价格集{I1，I2，…，Im}，以及所述最终同类商品价格集中的每个价格所对应的权值{W1，W2，…，Wm}；
计算用户上一次购物的最终价格期望为根据E(I)计算均方差为
计算所述均方差在最终同类商品价格集中的比例其中IMAX＝MAX{I1，I2，…，Im}，IMIN＝MIN{I1，I2，…，Im}；
用户已浏览的最终同类商品品牌集{L1，L2，…，Lm}，以及所述最终同类商品品牌集中的每个品牌所对应的权值{w1，w2，…，wm}；
取wMAX＝MAX{w1，w2，…，wm}，计算最高权值对应的品牌在最终同类商品品牌集中的比例
进一步，上述步骤三中根据用户的以往购物倾向推送n件商品给用户的方式为：
判断P1是否大于第一阈值，若是则判定价格不会对用户的选择造成影响，则推送在区间[IMIN，IMAX]内随机价格的且为最终同类商品的商品给用户，若否则判定价格会对用户的选择造成影响，则推送在区间内随机价格的且为最终商品种类的商品给用户；
判断P2是否大于第二阈值，若是则判定品牌不会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，…，Lm}的随机品牌的商品给用户，若否则判定品牌会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，…，Lm}中的最高权值对应的品牌给用户。
进一步，所述第一阈值为30％，所述第二阈值为30％。
进一步，还包括对本次购物进行计时，判断用户本次购物累积时间是否高于阈值时间T，
若是，则将在阈值时间T前的购物信息定义为上一次的购物信息，重新对用户进行商品推送；
若否，则用户继续进行购物，不对用户进行商品推送。
进一步，所述阈值时间T为5-8分钟。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
本发明的有益效果为：
本发明通过提出一种基于大数据的商品推送方法及存储介质，能够通过对用户上一次购物的情况进行分析得出本次购物的购物需求，并按照分析得出的用户的购物需求推送用户感兴趣的商品给用户，让用户充分体验到人工智能带来的购物乐趣。
附图说明
图1所示为一种基于大数据的商品推送方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1，本发明提出一种基于大数据的商品推送方法，包括以下：
步骤一：获取用户的身份信息；
步骤二：根据用户的身份信息获取用户在云端存储的购物特征信息，确定用户的以往购物倾向；
步骤三：根据用户的以往购物倾向推送n件商品给用户。
推荐n件商品的数量可以人工设定，本方案根据常用的推送将n设置为8
作为本方案的具体实施方式，上述步骤一中获取用户的身份信息的方式为，设置一个用于用户注册登录的窗口，该窗口连接云端，用户通过填写自身的身份信息完成注册。采用云端进行信息存储的方式已经相对成熟，而通过用户自己注册登录的方式登录云端也能够对用户的隐私进行保护。
作为本方案的具体实施方式，上述步骤一确定用户的以往购物倾向的方式为:
获取用户在云端存储的相对本次购物的上一次的购物信息，所述上一次的购物信息具体包括：
用户已浏览的同类商品的种类，以及各个种类下的商品数量，将具有最高商品数量的商品种类作为最终同类商品；
用户已浏览的最终同类商品价格集{I1，I2，…，Im}，以及所述最终同类商品价格集中的每个价格所对应的权值{W1，W2，…，Wm}；
计算用户上一次购物的最终价格期望为根据E(I)计算均方差为
计算所述均方差在最终同类商品价格集中的比例其中IMAX＝MAX{I1，I2，…，Im}，IMIN＝MIN{I1，I2，…，Im}；
用户已浏览的最终同类商品品牌集{L1，L2，…，Lm}，以及所述最终同类商品品牌集中的每个品牌所对应的权值{w1，w2，…，wm}；
取wMAX＝MAX{w1，w2，…，wm}，计算最高权值对应的品牌在最终同类商品品牌集中的比例
作为本方案的具体实施方式，上述步骤三中根据用户的以往购物倾向推送n件商品给用户的方式为：
判断P1是否大于第一阈值，若是则判定价格不会对用户的选择造成影响，则推送在区间[IMIN，IMAX]内随机价格的且为最终同类商品的商品给用户，若否则判定价格会对用户的选择造成影响，则推送在区间内随机价格的且为最终商品种类的商品给用户；
判断P2是否大于第二阈值，若是则判定品牌不会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，…，Lm}的随机品牌的商品给用户，若否则判定品牌会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，…，Lm}中的最高权值对应的品牌给用户。
通过计算价值因素以及品牌因素的均方差在其对应的集合中的比例，结合正态分布的规律，可以自行设置一个阈值，若高于这个阈值则说明用户对该因素的倾向度不够高，则可以采用随机的方式进行该因素的推送。
作为本方案的具体实施方式，所述第一阈值为30％，所述第二阈值为30％。根据正态分布的规律，一般将第一阈值以及第二阈值均设置为30％，当然也可以根据实际情况进行调整，低于30％则代表需要的精确度更高，高于30％则代表需要的精确度更低。
具体实施例，用户A使用本方法，获取计算得出针对用户A的P1以及P2，若P1以及P2均低于30％，则说明用户A对于品牌和价值都是有倾向的，此时会将最终同类商品品牌集中浏览的对应商品最多的品牌即权重值最高的品牌中推送n件价格在区间的商品给用户；
若P1低于30％，P2不低于30％，则用户对于价格有所倾向而对于品牌而对品牌没有特别的爱好，所以此时推送n件在最终同类商品品牌集{L1，L2，…，Lm}中价格在区间的随机品牌商品给用户；
若P1不低于30％，P2低于30％，则用户对于品牌有所倾向而对价格无特别的倾向，所以此时推送n件在最终同类商品品牌集中权重值最高的品牌且价格在[IMIN，IMAX]区间的商品给用户；
若P1不低于30％，P2不低于30％，则用户对于品牌及价格均无倾向，此时推送n件在最终同类商品品牌集{L1，L2，…，Lm}中价格在[IMIN，IMAX]的随机品牌商品给用户。
作为本方案的具体实施方式，还包括对本次购物进行计时，判断用户本次购物累积时间是否高于阈值时间T，
若是，则将在阈值时间T前的购物信息定义为上一次的购物信息，重新对用户进行商品推送；
若否，则用户继续进行购物，不对用户进行商品推送。
通过对用户的购物进行计时，并每隔时间T对用户进行重新推送，可以在一定程度上提高推送的精确度，进而增加用户的满意度。
作为本方案的具体实施方式，所述阈值时间T为5-8分钟。一般每隔5-8分钟用户会看完推送的内容，这时候进行重新推送是较佳的，但是也可以根据实际情况自行设定。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
所述集成的模块/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (8)

1.一种基于大数据的商品推送方法，其特征在于，包括以下：
步骤一：获取用户的身份信息；
步骤二：根据用户的身份信息获取用户在云端存储的购物特征信息，确定用户的以往购物倾向；
步骤三：根据用户的以往购物倾向推送n件商品给用户。
2.根据权利要求1所述的一种基于大数据的商品推送方法，其特征在于，上述步骤一中获取用户的身份信息的方式为，设置一个用于用户注册登录的窗口，该窗口连接云端，用户通过填写自身的身份信息完成注册。
3.根据权利要求1所述的一种基于大数据的商品推送方法，其特征在于，上述步骤一确定用户的以往购物倾向的方式为：
获取用户在云端存储的相对本次购物的上一次的购物信息，所述上一次的购物信息具体包括：
用户已浏览的同类商品的种类，以及各个种类下的商品数量，将具有最高商品数量的商品种类作为最终同类商品；
用户已浏览的最终同类商品价格集{I1，I2，...，Im}，以及所述最终同类商品价格集中的每个价格所对应的权值{W1，W2，...，Wm}；
计算用户上一次购物的最终价格期望为根据E(I)计算均方差为
计算所述均方差在最终同类商品价格集中的比例其中IMAX＝MAX{I1，I2，...，Im}，IMIN＝MIN{I1，I2，...，Im}；
用户已浏览的最终同类商品品牌集{L1，L2，...，Lm}，以及所述最终同类商品品牌集中的每个品牌所对应的权值{w1，w2，...，wm}；
取wMAX＝MAX{w1，w2，...，wm}，计算最高权值对应的品牌在最终同类商品品牌集中的比例
4.根据权利要求3所述的一种基于大数据的商品推送方法，其特征在于，上述步骤三中根据用户的以往购物倾向推送n件商品给用户的方式为：
判断P1是否大于第一阈值，若是则判定价格不会对用户的选择造成影响，则推送在区间[IMIN，IMAX]内随机价格的且为最终同类商品的商品给用户，若否则判定价格会对用户的选择造成影响，则推送在区间内随机价格的且为最终商品种类的商品给用户；
判断P2是否大于第二阈值，若是则判定品牌不会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，...，Lm}的随机品牌的商品给用户，若否则判定品牌会对用户的选择造成影响，则推送在最终同类商品品牌集{L1，L2，...，Lm}中的最高权值对应的品牌给用户。
5.根据权利要求4所述的一种基于大数据的商品推送方法，其特征在于，所述第一阈值为30％，所述第二阈值为30％。
6.根据权利要求4所述的一种基于大数据的商品推送方法，其特征在于，还包括对本次购物进行计时，判断用户本次购物累积时间是否高于阈值时间T，
若是，则将在阈值时间T前的购物信息定义为上一次的购物信息，重新对用户进行商品推送；
若否，则用户继续进行购物，不对用户进行商品推送。
7.根据权利要求6所述的一种基于大数据的商品推送方法，其特征在于，所述阈值时间T为5-8分钟。
8.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
CN201910647893.1A 2019-07-18 2019-07-18 一种基于大数据的商品推送方法及存储介质 Pending CN110443640A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910647893.1A CN110443640A (zh) 2019-07-18 2019-07-18 一种基于大数据的商品推送方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910647893.1A CN110443640A (zh) 2019-07-18 2019-07-18 一种基于大数据的商品推送方法及存储介质

Publications (1)

Publication Number Publication Date
CN110443640A true CN110443640A (zh) 2019-11-12

Family

ID=68430674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910647893.1A Pending CN110443640A (zh) 2019-07-18 2019-07-18 一种基于大数据的商品推送方法及存储介质

Country Status (1)

Country Link
CN (1) CN110443640A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231585A (zh) * 2020-12-10 2021-01-15 北京每日优鲜电子商务有限公司 推荐信息显示方法、装置、设备和计算机可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120303376A1 (en) * 2011-05-24 2012-11-29 JVC Kenwood Corporation Information selecting apparatus and method, and computer program
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
WO2014147776A1 (ja) * 2013-03-21 2014-09-25 日立コンシューマエレクトロニクス株式会社 商品提示サーバおよび商品提示方法
JP2014203427A (ja) * 2013-04-10 2014-10-27 株式会社Ｊｖｃケンウッド 情報選択装置、情報選択方法、および情報選択プログラム
CN104217334A (zh) * 2013-06-05 2014-12-17 北京京东尚科信息技术有限公司 一种产品信息推荐方法、装置和系统
CN105894332A (zh) * 2016-04-22 2016-08-24 深圳市永兴元科技有限公司 基于用户行为分析的商品推荐方法、装置及系统
CN109978580A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 对象推荐方法、装置以及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120303376A1 (en) * 2011-05-24 2012-11-29 JVC Kenwood Corporation Information selecting apparatus and method, and computer program
WO2014147776A1 (ja) * 2013-03-21 2014-09-25 日立コンシューマエレクトロニクス株式会社 商品提示サーバおよび商品提示方法
JP2014203427A (ja) * 2013-04-10 2014-10-27 株式会社Ｊｖｃケンウッド 情報選択装置、情報選択方法、および情報選択プログラム
CN104217334A (zh) * 2013-06-05 2014-12-17 北京京东尚科信息技术有限公司 一种产品信息推荐方法、装置和系统
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
CN105894332A (zh) * 2016-04-22 2016-08-24 深圳市永兴元科技有限公司 基于用户行为分析的商品推荐方法、装置及系统
CN109978580A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 对象推荐方法、装置以及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗锋: "B2C购物网站商品信息推送系统的研究与设计" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231585A (zh) * 2020-12-10 2021-01-15 北京每日优鲜电子商务有限公司 推荐信息显示方法、装置、设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN103617230B (zh) 一种基于微博的广告推荐方法及系统
Nikhashemi et al. The significant role of customer brand identification towards brand loyalty development: An empirical study among Malaysian hypermarkets customer
CN109542916A (zh) 平台商品入驻方法、装置、计算机设备及存储介质
CN106484777A (zh) 一种多媒体数据处理方法以及装置
WO2018035164A1 (en) Description information generation and presentation systems, methods, and devices
CN104813315A (zh) 顾客数据分析/验证系统
CN103353880B (zh) 一种利用相异度聚类和关联的数据挖掘方法
CN105117463A (zh) 信息处理方法和信息处理装置
CN104718547A (zh) 顾客数据解析系统
CN108256537A (zh) 一种用户性别预测方法和系统
CN110933472B (zh) 一种用于实现视频推荐的方法和装置
CN103295148A (zh) 数字消费者数据模型和客户分析记录
CN108876430B (zh) 一种基于人群特征的广告推送方法、电子设备及存储介质
CN109711917A (zh) 信息推送方法和装置
CN104615721B (zh) 用于基于退货关联信息推荐商品的方法和系统
CN104731809A (zh) 对象的属性信息的处理方法及装置
CN111767458A (zh) 信息推送方法、装置、系统及存储介质
CN110807691B (zh) 一种跨商品品类的商品推荐方法和装置
WO2018161677A1 (zh) 一种推送消息的方法、装置及存储介质
CN115496566A (zh) 基于大数据的地区特产推荐方法及系统
CN111612585A (zh) 一种虚拟资源的发放方法及装置
CN109064283B (zh) 商品推荐方法及装置、计算机可读存储介质
CN110443640A (zh) 一种基于大数据的商品推送方法及存储介质
CN106204163B (zh) 一种用户属性特征的确定方法和装置
CN115880037A (zh) 基于多项目规划整合分析的商品推荐方法

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: 20191112