CN110555748A - 业务对象的推荐方法、装置和旅行平台 - Google Patents

Abstract

本申请实施例提供了一种业务对象的推荐方法、装置和旅行平台，所述方法包括：获取用户的需求信息；针对所述需求信息，确定当前的旅行阶段；基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；获取与所述旅行意图相匹配的业务对象；向所述用户推荐所述业务对象。本实施例以用户视角触发，充分分析用户需求，从而根据不同的旅行阶段，分别挑选出满足用户需求的旅行产品，满足了用户对旅行产品的个性化差异化的诉求。

Description

业务对象的推荐方法、装置和旅行平台

技术领域

本申请涉及信息技术领域，特别是涉及一种业务对象的推荐方法、一种业务对象的推荐装置和一种旅行平台。

背景技术

经济的发展促进了人们消费品质的提高，旅游消费作为一种新的消费形式，在人们的生活中所占的比重也逐年增加。国内游、境外游等各类旅游产品越来越受到人们的追捧。

随着互联网技术的发展，旅游网站等在线旅游平台如雨后春笋般涌现。用户可以通过在旅游网站上进行注册，选购相应的旅游产品并支付，从而便捷地预订旅行行程。同时，旅游网站还可以根据用户的浏览历史或订购记录，自动地向用户推荐相关的其他旅游产品，实现“机票+酒店”或“机票+酒店+X”的组合商品推荐。例如，当用户通过旅游网站预订两张广州至北京的机票时，旅游网站可以根据用户的预订记录，同时向该用户推荐北京的酒店，以及北京当地的其他旅游项目(即X商品)。

但是，无论是“机票+酒店”或者“机票+酒店+X”的推荐方式，旅游网站基本都是将自采商品作为商品组合形成备选商品集，然后优先打包高佣金商品并向用户进行推荐。这种传统的旅游产业供给模式严重滞后于用户需求的变化，无法针对用户的实际需求或偏好进行个性化推荐。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种业务对象的推荐方法、一种业务对象的推荐装置和相应的一种旅行平台。

为了解决上述问题，本申请实施例公开了一种业务对象的推荐方法，包括：

获取用户的需求信息；

针对所述需求信息，确定当前的旅行阶段；

基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

获取与所述旅行意图相匹配的业务对象；

向所述用户推荐所述业务对象。

为了解决上述问题，本申请实施例公开了一种业务对象的推荐方法，包括：

获取用户的需求信息；

针对所述需求信息，调用预置的旅行模型；

采用所述预置的旅行模型，确定当前的旅行阶段；以及，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

向所述用户推荐所述业务对象。

为了解决上述问题，本申请实施例公开了一种旅行平台，包括一旅行模型，所述旅行模型包括：

场景识别子模型，用于获取用户的需求信息，针对所述需求信息，确定当前的旅行阶段；

需求分析子模型，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

智能决策子模型，用于获取与所述旅行意图相匹配的业务对象，并向所述用户推荐所述业务对象。

为了解决上述问题，本申请实施例公开了一种业务对象的推荐装置，包括：

需求信息获取模块，用于获取用户的需求信息；

旅行阶段确定模块，用于针对所述需求信息，确定当前的旅行阶段；

旅行意图识别模块，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

业务对象获取模块，用于获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块，用于向所述用户推荐所述业务对象。

为了解决上述问题，本申请实施例公开了一种业务对象的推荐装置，包括：

需求信息获取模块，用于获取用户的需求信息；

旅行模型调用模块，用于针对所述需求信息，调用预置的旅行模型；

旅行模型应用模块，用于采用所述预置的旅行模型，确定当前的旅行阶段；以及，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块，用于向所述用户推荐所述业务对象。

与背景技术相比，本申请实施例包括以下优点：

本申请实施例，通过获取用户的需求信息，并针对上述需求信息，确定当前的旅行阶段，从而可以基于当前的旅行阶段，识别需求信息对应的旅行意图，并在获取到与旅行意图相匹配的业务对象后，向用户进行推荐。本实施例以用户视角触发，充分分析用户需求，从而根据不同的旅行阶段，分别挑选出满足用户需求的旅行产品，解决了现有技术中只能向用户推荐事先组合好或搭配好的旅游产品的问题。本实施例根据用户需求自动组合或搭配其所需的旅行产品，满足了用户对旅行产品的个性化差异化的诉求，实现了个性化推荐，做到了旅行产品和行程的千人千面。

附图说明

图1是本申请一个实施例的一种业务对象的推荐方法的步骤流程示意图；

图2是本申请一个实施例的另一种业务对象的推荐方法的步骤流程示意图；

图3是本申请一个实施例的一种构建旅行模型的示意图；

图4是本申请一个实施例的又一种业务对象的推荐方法的步骤流程示意图；

图5是本申请一个实施例的一种业务对象决策过程的示意图；

图6是本申请一个实施例的一种旅行平台的示意性结构框图；

图7是本申请一个实施例的一种旅行平台的示意性系统架构图；

图8是本申请一个实施例的一种商品组合的推荐过程的示意图；

图9是本申请一个实施例的一种业务对象的推荐装置的示意性结构框图；

图10是本申请一个实施例的另一种业务对象的推荐装置的示意性结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请一个实施例的一种业务对象的推荐方法的步骤流程示意图，具体可以包括如下步骤：

步骤101，获取用户的需求信息；

在本申请实施例中，用户的需求信息可以是用户当前的一种想法或愿望，上述想法或愿望可以通过用户当前的各种行为体现出来。例如，用户在旅行前，通过在旅行网站中搜索热门景点的信息，查看相关目的地的旅行攻略，或者将某旅行产品加入购物车等等。

当然，用户的需求信息还可以根据该用户过往的各种行为进行推算而得到。例如，在某用户过往的行为中，每隔一定时间都会安排一次旅行，则可以认为在距离其最近一次旅行的时间已经达到上述间隔后，该用户有较大的概率会再次外出旅行；或者，某个家庭在每个暑假期间均有外出旅行的安排，则当暑假再次到来时，该家庭也可能有再次安排假期旅行的需求，本实施例对如何获取用户的需求信息不作限定。

步骤102，针对所述需求信息，确定当前的旅行阶段；

通常，用户的每次旅行都可以包括多个不同的旅行阶段。例如，行前阶段，即旅行前的准备阶段；行中阶段，即正在旅行途中的阶段；以及，行后阶段，即完成本次旅行后的阶段。

各个不同的旅行阶段又可以进一步细分为多个子阶段。例如，在旅行前的准备阶段，可以分为内容种草、萌生想法、规划行程、行前准备等具体的时间段。当然，上述对旅行阶段的划分仅为一种示例，本实施例对如何划分不同的旅行阶段不作限定。

在本申请实施例中，在获取到用户的需求信息后，可以根据该需求信息确定出用户当前所处的旅行阶段。

例如，当用户在旅行网站中浏览多个热门旅游城市的用户评价信息时，可以认为该用户还处在旅行前的萌生想法阶段；如果该用户已经开始在旅行网站中挑选或比较某个旅游城市的多家酒店时，可以认为该用户已经处于行前准备阶段。

步骤103，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

在本申请实施例中，在确定当前的旅行阶段后，可以进一步识别用户在该阶段的旅行意图。

通常，对于不同的旅行阶段，用户的意图应当是不同。例如，在行前的萌生想法阶段，用户可能需要对其想法中的多个目的地进行比较，以确定究竟应当选择哪个目的地出游；在确定了出游目的地后，用户的需求可能就会变为如何预订到该目的地城市的火车或航班，如何选择该城市的酒店，哪个酒店更方便、更卫生；如何用户出游的城市是境外城市，用户可能还需要考虑如何与当地人沟通等等。

步骤104，获取与所述旅行意图相匹配的业务对象；

在本申请实施例中，在确定当前的旅行阶段并识别出用户在该阶段的旅行意图后，可以生成与用户的旅行意图相匹配的业务对象，上述业务对象可以是旅行产品或商品。例如，机票、酒店、景点门票、旅行用车或出境签证等等。

对于不同的旅行阶段和意图，用户所需要的旅行产品或商品可以是不同的。例如，在规划行程阶段，用户需要的旅行产品可以是机票+酒店，或者火车票+酒店；而根据用户需求的差异，酒店又可以分为星级酒店、便捷酒店、普通民宿等等。

在本申请实施例中，可以根据用户实际的需求，为用户选择匹配其意图的旅行产品。

在具体实现中，可以从匹配用户旅行意图的多个类目的商品中分别选择一种，然后组合成商品包。例如，对于机票类别，可以选择A航空公司的一个航班；对于酒店类别，则可以选择B酒店的一间套房，组成“机票+酒店”的商品组合包。

需要说明的是，在最终生成并用于向用户推荐的商品组合包中，各个类别的产品应当是唯一的。例如，在某个商品组合包中，应当最多只有一家酒店。

步骤105，向所述用户推荐所述业务对象。

在根据用户的旅行意图及当前的旅行阶段确定出适合该用户的旅行产品后，可以将上述旅行产品向用户进行推荐，减少用户自行搜索比较的时间。

在本申请实施例中，通过获取用户的需求信息，并针对上述需求信息，确定当前的旅行阶段，从而可以基于当前的旅行阶段，识别需求信息对应的旅行意图，并在获取到与旅行意图相匹配的业务对象后，向用户进行推荐。本实施例以用户视角触发，充分分析用户需求，从而根据不同的旅行阶段，分别挑选出满足用户需求的旅行产品，解决了现有技术中只能向用户推荐事先组合好或搭配好的旅游产品的问题。本实施例根据用户需求自动组合或搭配其所需的旅行产品，满足了用户对旅行产品的个性化差异化的诉求，实现了个性化推荐，做到了旅行产品和行程的千人千面。

参照图2，示出了本申请一个实施例的另一种业务对象的推荐方法的步骤流程示意图，具体可以包括如下步骤：

步骤201，获取用户的需求信息；

需要说明的是，本方法可以应用于旅行网站等各类旅行平台。以旅行网站为例，用户可以在该网站中查看目的地的旅行攻略、预订机票火车票、预订酒店、购买景点门票，以及，选购其他旅行产品或商品。当然，以上仅为对旅行网站所具有的功能的一种简单示例，旅行网站还可以具备其他功能，例如，发表旅行日志，向其他用户发起组团申请等等，本实施例对此不作限定。

通常，用户可以根据自己的旅行需求，在旅行网站中选择相应的旅行产品。

在本申请实施例中，用户的需求可以是用户当前的一种想法或一种愿望，上述想法或愿望可以通过用户各种行为体现出来。

在具体实现中，旅行网站可以获取用户的行为信息，上述行为信息可以包括用户当前的行为信息和/或历史行为信息，然后根据上述当前的行为信息和/或历史行为信息，确定用户的需求信息。例如，用户在旅行网站中查看某个城市的旅行攻略，预定飞往该城市的机票等等。

或者，旅行网站也可以通过接收接收用户输入的搜索关键词，然后根据上述搜索关键词，生成用户的需求信息。例如，用户可以在旅行网站的搜索页面输入“十一哪个城市最好玩”，通过分析上述搜索关键词，可以认为该用户计划在十一黄金周出游，因此，可以识别该用户的需求为十一黄金周旅行需求。

当然，上述仅为本实施例的一种示例，本领域技术人员也可以根据实际需要，通过其他合适的方式获取用户的需求信息，本实施例对此不作限定。

步骤202，获取所述用户当前的位置信息；

在本申请实施例中，用户当前的位置信息通过用户在旅行网站APP端进行定位获得的位置信息，也可以通过用户近期的访问行为数据或近期的类型消费数据获得，本实施例对此亦不作限定。

步骤203，根据所述需求信息和当前的位置信息，确定当前的旅行阶段；

通常，用户的每次旅行都可以包括多个不同的旅行阶段。例如，为旅行进行准备的阶段，实际出行阶段，以及，完成旅行安全返回后的阶段等等。

在本申请实施例中，可以将一个完整的旅行阶段划分为行前阶段，即旅行前的准备阶段；行中阶段，即正在旅行途中的阶段；以及，行后阶段，即完成本次旅行后的阶段。对于行前阶段，本实施例又可以进一步将其划分为内容种草、萌生想法、规划行程、行前准备等几个具体的子阶段。

例如，当用户意识到离上次出游已经很久了，或者犹豫最近要不要规划一次旅行时，可以确定其为内容种草阶段；当用户已经开始在旅行网站中挑选或比较某个旅游城市的多家酒店时，可以认为该用户已经处于行前准备阶段。

在本申请实施例中，在获取到用户的需求信息和当前的位置信息后，可以根据该需求信息和位置信息，确定出用户当前所处的旅行阶段。

在具体实现中，可以调用预置的旅行模型，该旅行模型可以包括场景识别子模型，并采用该场景识别子模型对上述需求信息和当前的位置信息进行识别，以确定当前的旅行阶段。

在本申请实施例中，在构建旅行模型时，可以首先获取旅行数据，上述旅行数据可以包括用户数据、场景数据，以及，业务对象数据。其中，用户数据可以是指群体用户过往的旅行数据，场景数据可以是指不同的旅行目的地或景点的相关信息，业务对象数据可以是指旅行产品或商品的各类信息。

然后，通过确定旅行模型的训练目标，并提取旅行数据中与上述训练目标相匹配的目标旅行数据，从而在对目标旅行数据进行模型训练后，可以构建出相应的旅行模型。

如图3所示，本申请一个实施例的一种构建旅行模型的示意图。在图3中，可以基于用户和旅行商品大数据进行基础参数挖掘和整理，分别在旅行目的地、旅行目的和旅行阶段等三个维度对用户所处的场景进行数据化描述和表示。其中，在旅行目的地维度，可以着重考察用户对于该目的地的熟悉程度、该目的地的地理属性、以及目的地主题特色；在旅行目的维度，可以分别衡量旅行人群、用户旅行意图、以及本次旅行类型等方面；在旅行阶段维度，可以针对用户所处位置的变化，分为行前、行中和行后三个阶段，并在各自阶段进行进一步细粒度区分和刻画。通过以上用户、商品和场景数据，从而构建出通用的旅行模型体系。该旅行模型体系又可以进一步包括场景识别子模型、需求分析子模块，以及，智能决策子模型。

上述三种子模型是基于统一的用户、商品和场景进行数据化建模得到的。但是，针对不同的模型具有不同的训练目标和差异化的特征挖掘工作。例如，针对场景识别子模型，其训练目标为判断用户当前所处场景或旅行阶段，可以分为行前、行中和行后等三个主要阶段。同时，在行前阶段又可以分为内容种草、萌生想法、规划行程和行前准备等四个子阶段。对于不同的旅行阶段，分别对旅行数据进行了数据标记，通过采取有监督的建模方法进行机器学习，例如，采用逻辑回归和GBDT(Gradient Boosting Decison Tree，梯度提升决策树)等两种建模方式进行测试和验证，均收到了较好的拟合效果，从而可以对用户的当前场景或旅行阶段进行精准识别和确认。

在构建出场景识别子模型后，可以采用该子模型，基于旅行网站的用户浏览、购买、服务等行为进行数据获取，同时利用与该旅行网站相关联的其他数据平台全方位洞察用户；利用旅行网站平台上的商家、货品以及多维度供给数据进行旅行商品维度的数据表达；以及，利用用户实时位移数据、近期交互行为、以及内容消费数据对用户实时场景进行精准判断。

如图3所示，在构建出上述旅行模型后，还可以将模型能力和具体业务场景以及运营经验相结合，以互联网产品的形式对外输出，分别在用户端(To C)、商家端(To B)以及平台端(To P)打造核心产品，从而实现动态商品组合的前台能力输出。

在用户端，上述模型提供了智能的旅行方案生成和基于商品元素颗粒度的商品个性化组合，并将以上商品作为整体服务产品推出，交付消费者使用；在商家端，模型能够提供商家精准分析客群属性和分布、洞察流量结构、发现供给结构性问题、以及智能组合商品要素，提升商家运营效率等功能；在平台端，模型可以深度嵌入到平台导购系统中，为导购系统的智能化改造提供重要支持。同时，模型也可以深入到智能营销系统中，为精准触达用户、动态补贴用户和商品、提升营销ROI(Return on Investment，投资回报率)等方面提供支撑。

步骤204，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

通常，用户所处的旅行阶段不同，其需求所对应的旅行意图也会不同。例如，在行前的萌生想法阶段，用户可能需要对其想法中的多个目的地进行比较，其意图可能是确定究竟应当选择哪个目的地出游；而在确定了出游目的地后，用户需求所对应的意图可能就会变为如何预订到该目的地城市的火车或航班，如何在该城市选择一家方便、卫生的酒店等等。

因此，在确定当前的旅行阶段后，可以进一步对用户的需求信息进行分析，确定用户的旅行意图。

在具体实现中，可以采用需求分析子模型，对用户的需求信息进行识别，以确定该用户的旅行意图。

在本申请实施例中，旅行意图的识别是对用户当前场景或当前旅行阶段进行定位后的需求分析和意图判断，根据分析和判断结果可以提供给用户适宜的出行方案并定制化生成商品类别推荐。

在具体实现中，可以采用需求分析子模型，利用上述用户场景化数据输入，对用户的需求进行精准分类和识别。例如，当用户处于最初内容种草阶段，可以针对用户可能感兴趣的旅游目的地进行相关类型的攻略游记推送，并结合用户行程生命周期，将旅行内容消费分级、并逐步推送以促成用户到下一阶段的流转。在萌生想法阶段，可以针对用户场景化数据输入，对用户需求进行细化。例如：何时去、去几天、和谁去、去哪里等等。进而再次锁定聚焦用户需求。同时，本实施例还可以结合用户历史购买交易数据，对用户的跨类目购买顺序进行判断和识别，按照用户习惯顺序和商品类型偏好，为用户进行个性化算法甄别。

步骤205，获取与所述旅行意图相匹配的业务对象；

在本申请实施例中，在识别出用户准确的旅行意图后，可以确定与该意图相匹配的业务对象，即能够满足用户的上述意图的旅行产品或商品等等。

在具体实现中，可以首先确定多个业务对象。例如，旅行目的地的酒店、机票、火车票、门票、度假服务、签证送关服务、出境电话卡、邮轮线路等产品或商品，以及，目的地介绍、旅游攻略、用户游记、用户评价评论、用户旅游经验分享等内容信息。

然后，可以采用智能决策子模型，对上述多个业务对象进行组合，以生成与用户的旅行意图相匹配的一个或多个业务对象组合。业务对象组合可以是对上述多个不同的旅行产品或商品、内容信息进行组合得到的待推荐信息。

在本申请实施例中，可以采用智能决策子模型，识别满足当前的旅行阶段的多个业务对象类别，然后根据上述旅行意图，从多个业务对象类别中分别确定目标业务对象，进而将目标业务对象组合成业务对象组合。需要说明的是，同一业务对象组合中目标业务对象的类别可以是不同的。

在具体实现中，可以通过智能决策子模型，首先确定当前的旅行阶段中需要的产品类别，例如，在行程规划阶段，用户需要的旅行产品可能包括机票和酒店。然后，可以根据用户旅行意图，分别从机票类目和酒店类目中各挑选一种组合成“机票+酒店”的商品组合包。

当然，也可以从机票类目和酒店类目中挑选多个产品，但在组成商品组合包中，该组合包中的机票或酒店产品应当是唯一的，不会出现同一类目的产品在同一个组合包中被重复选择的情形。

智能决策子模型可以解决用户在以上类目和内容间的需求类型识别，同时也会承担部分商品和内容初步召回的工作。该子模型主要解决用户在众多类目商品间如何选取最优商品元素，同时将不同类目间的商品元素加以组合拼接，进而生成最满足用户需求的唯一组合商品。

因此，在得到多个业务对象组合后，可以从一个或多个业务对象组合中提取目标业务对象组合。目标业务对象组合可以是最能匹配用户的旅行意图，且满足用户的需求的推荐信息。

在确定目标业务对象组合时，可以首先确定用户的旅行偏好信息，并根据上述旅行偏好信息，计算一个或多个业务对象组合的评分值，然后提取评分值超过预设阈值的至少一个目标业务对象组合。

在本申请实施例中，可以基于机器学习算法并引入深度学习机制拟合用户决策时的具体依据，通过衡量不同商品组合的用户满意度，结合多目标最优化算法进行智能商品组合，得到最终用于向用户进行推荐的组合。

例如，智能决策子模型可以辅助用户进行包括酒店、机票、景点门票、旅行用车和出境签证等商品元素的组合和拼接。模型首先在用户偏好层面对全量商品池进行召回和粗选；其次，通过算法对不同时间、行程安排、线路组合进行遍历生成；再次，可以选取用户重点关注的几个维度，例如：价格、体验、时间灵活度等衡量不同商品组合的综合评分，基于评分确定最终商品组合排名从而推荐给用户。值得注意的是，不同用户关注的决策维度均不相同，也在各维度间的权重分布存在较大差异。以上维度的确认和各维度的权重占比均基于用户偏好和历史数据进行机器学习测定。

在具体实现中，可以基于用户偏好，利用模型抽取用户决策维度，例如：价格、时间灵活度、用户体感等方面，通过不同权重分配，得到不同的商品组合最优解。然后，基于不同的决策维度和权重配比，进行决策依据解释。从而将不同的最优解关联到不同的决策依据类型中，包括：整体优选方案、最经济方案、极致品质方案等等。

步骤206，向所述用户推荐所述业务对象。

在生成至少一个目标业务对象组合后，可以向用户推荐上述至少一个目标业务对象组合。

例如，对于一个亲子度假旅游用户，在面对目的地筛选和商品选择难题时，通过本实施例提供的方法，在引入用户历史交易数据、用户属性偏好数据以及近期浏览内容数据后，可以利用人工智能算法将用户需求锁定在海岛游、周期5-7天、伴游人群为家庭亲子、出境游偏好、中高消费层级、避免红眼航班、选取亲子高档型酒店等方面。然后，利用智能决策子模型，为用户在数以十计目的地、数以百计条航线、数以千计家酒店、以及数以万计的度假碎片化商品中进行智能组合，生成适合用户的智能线路和个性化商品组合，并将该个性化商品组合推荐给用户。

需要说明的是，若最终向用户推荐的个性化商品组合仍未命中用户需求，本实施例还提供了用户微调入口，允许用户对部分商品或服务进行重新选择，使得用户选品更具自由度。

在本申请实施例中，在用户选择向其推荐的上述至少一个目标业务对象后，还可以接收该用户针对上述至少一个目标业务对象组合的反馈信息，并能够根据该反馈信息，对旅行模型进行优化处理，从而通过将用户的行为选择作全链路的数据指标映射，并将以上信息以数据化的形式反馈到模型中，进一步优化模型的相应功能。

在本申请实施例中，通过获取用户的需求信息和当前的位置信息，从而可以根据上述需求信息和当前的位置信息，确定当前的旅行阶段，在基于当前的旅行阶段，识别出需求信息对应的旅行意图后，可以获取与该旅行意图相匹配的业务对象并向用户推荐。本实施例利用用户、商品、商家以及平台大数据，通过人工智能算法还原用户场景、识别用户需求；再将平台多类目供给进行系统整合，完成商品组合候选集的生成；最后通过拟合用户决策依据，并构建智能决策模型为用户挑选最优商品组合。本实施例以用户视角出发，应用大数据和人工智能算法，充分分析和挖掘用户需求，同时将用户需求以数据形态传递到旅游供给端，个性化地定制旅行商品组合，提供给特定消费者，本实施例发挥了旅行平台特有的数据优势和技术优势，实现了旅游产业C2B的供给重构，满足了消费者个性化差异化的产品诉求，真正做到了旅行商品和行程的千人千面。

参照图4，示出了本申请一个实施例的又一种业务对象的推荐方法的步骤流程示意图，具体可以包括如下步骤：

步骤401，获取用户的需求信息；

需要说明的是，本方法可以应用于旅行网站等各类旅行平台。用户可以根据自己的旅行需求，在旅行网站中选择相应的旅行产品。

在本申请实施例中，用户的需求可以是用户当前的一种想法或一种愿望，上述想法或愿望可以通过用户各种行为体现出来。例如，通过分析用户在旅行网站的搜索页面输入的搜索关键词，可以识别出用户的需求信息。

步骤402，针对所述需求信息，调用预置的旅行模型；

在本申请实施例中，上述旅行模型可以包括场景识别子模型、需求分析子模型，以及，智能决策子模型。

在具体实现中，可以基于用户和商品大数据进行基础参数挖掘和整理，分别在旅行目的地、旅行目的和旅行阶段等三个维度对用户所处的场景进行数据化描述和表示。其中，在旅行目的地维度，可以着重考察用户对于该目的地的熟悉程度、该目的地的地理属性、以及目的地主题特色；在旅行目的维度，可以分别衡量旅行人群、用户旅行意图、以及本次旅行类型等方面；在旅行阶段维度，可以针对用户所处位置的变化，分为行前、行中和行后三个阶段，并在各自阶段进行进一步细粒度区分和刻画。通过以上用户、商品和场景数据，可以构建出上述场景识别子模型、需求分析子模型，以及，智能决策子模型。

在具体实现中，通过引入多维度用户、商家、货品和平台数据，进行决策场景判断和还原，充分理解用户即时即刻所面临的场景和决策难题，同时，通过引入运营经验和行业知识，对决策场景进行抽象和数据建模，生成场景识别子模型，其次，通过分析特定用户在特定场景下的主要决策依据和考察要素，构建智能决策子模型。

步骤403，采用所述预置的旅行模型，确定当前的旅行阶段；以及，

步骤404，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

在本申请实施例中，可以采用预置的旅行模型确定用户当前的旅行阶段，识别用户的旅行意图，筛选出满足用户需求的旅行产品。

如图5所示，是本申请一个实施例的一种业务对象决策过程的示意图。在图5中，首先通过引入多商品类目供应链，形成多种商品组合包；然后，通过智能决策子模型的拟合和计算，从所有候选商品组合池中输出多维度对比方案，例如，整体优选方案、最经济方案、极致品质方案等等，辅助用户进行最终决策。在此过程中，如果仍未命中用户需求，本实施例同时提供了用户微调入口，使得用户选品更具自由度。最后，可以将以上的用户行为选择做全链路的数据指标映射，并将以上信息以数据化的形式反馈到模型中，建立增强学习机制。通过以上算法实现，构建出全链路的AI(Artificial Intelligence，人工智能)智能决策模型，在此过程中，应用多种机器学习、深度学习以及动态规划算法进行算法实现，完成最优商品组合的选取工作。

步骤405，向所述用户推荐所述业务对象。

由于本实施例中步骤401-步骤405与上述实施例中步骤201-步骤206类似，可以相互参阅，因此本实施例对此描述得较为简单。

在本申请实施例中，通过构建包括场景识别子模型、需求分析子模型，以及，智能决策子模型的旅行模型，并采用上述旅行模型进行用户场景的识别、用户需求的分析，以及，商品组合的筛选，从而可以为用户挑选最优的商品组合，满足消费者个性化差异化的产品诉求。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图6，示出了本申请一个实施例的一种旅行平台的示意性结构框图，该旅行平台可以包括一旅行模型600，上述旅行模型600具体可以包括如下子模型：

场景识别子模型601，用于获取用户的需求信息，针对所述需求信息，确定当前的旅行阶段；

需求分析子模型602，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

智能决策子模型603，用于获取与所述旅行意图相匹配的业务对象，并向所述用户推荐所述业务对象。

上述旅行模型的构建过程可以参见上述实施例中步骤203-步骤205，以及步骤402-步骤404中的相关介绍，本实施例对此不再赘述。

如图7所示，是本申请一个实施例的一种旅行平台的示意性系统架构图。该旅行平台可以包括数据平台层、基础服务层、旅行系统中台层、以及业务应用层。

在数据平台层，可以深入分析和挖掘用户、商品以及用户场景数据。上述各类数据可以基于旅行网站用户浏览、购买、服务等行为进行数据获取，同时可以利用与旅行网站相关联的其他生态系统全方位洞察用户。另一方面，可以利用旅行网站上的商家、货品以及多维度供给数据进行商品维度的数据表达。第三，还可以获取用户实时位移数据、近期交互行为、以及内容消费数据。

在基础服务层，通过应用大规模机器学习算法和深度学习算法创新性的构建了三个旅行场景的平台级模型服务。三个创新模型服务包括：旅行场景溯源服务(TravelScenario Tracking)、旅行意图识别服务(Travel Intention Recognition)、以及旅行智能决策服务(Intelligent Decision-Making)。其中，旅行场景溯源服务主要应用人工智能分类算法解决用户场景识别和场景定位追踪的问题。该服务旨在判断用户当前场景，为识别用户需求和智能决策提供背景知识和数据化输入。具体实现时，可以利用用户在APP端提供的LBS(Location Based Service，基于位置的服务)位移数据、用户近期访问行为数据、用户近期旅行攻略内容消费数据等深度挖掘用户潜在目的地信息、用户旅行规划细节、以及用户出行的可能伴有人群等。

旅行意图识别服务是对用户当前场景定位后的需求分析和意图判断工作，为用户提供出行方案并定制化生成商品类别推荐。该服务以上述用户场景化数据作为输入，对于用户的需求进行精准分类和识别。例如，当用户处于最初内容种草阶段，可以针对用户可能感兴趣的旅游目的地进行相关类型的攻略游记推送，并结合用户行程生命周期，将旅行内容消费分级、并逐步推送以促成用户到下一阶段的流转。在萌生想法阶段，可以针对用户场景化数据输入，对于用户需求进行细化，例如：何时去、去几天、和谁去、去哪里。进而再次锁定聚焦用户需求。同时，还可以结合用户历史购买交易数据，对用户的跨类目购买顺序进行判断和识别，按照用户习惯顺序和商品类型偏好，为用户进行个性化算法甄别。以上算法判断的需求可以为作为下一阶段的输入进行再次处理。

智能决策服务是对于特定类目商品和特定内容服务进行智能组合和动态打包，从而可以基于机器学习算法并引入深度学习机制拟合用户决策时的具体依据，通过衡量不同商品组合的用户满意度，结合多目标最优化算法进行智能商品组合。特定类目的商品可以包括酒店、机票、火车票、门票、度假服务、签证送关服务、出境电话卡、邮轮线路商品等等；特定内容可以包括目的地介绍、旅游攻略、用户游记、用户评价评论、用户旅游经验分享等等。旅行意图识别服务主要解决用户在以上类目和内容间的需求类型识别，同时也会承担部分商品和内容初步召回的工作，而智能决策服务则主要解决用户在众多类目商品间如何选取最优商品元素，同时将不同类目间的商品元素加以组合拼接，进而生成最满足用户需求的唯一组合商品。

通过将以上模型能力沉淀成平台级基础服务，可以以组件形式无缝嵌入到旅行平台中，并得到大规模应用。其中，在商品导购系统、商家后台系统、智能营销系统以及行业运营系统中都能够得到深度结合和广泛应用。其中，商品导购系统可以包括商品搜索、商品推荐、定向引导等部分；商家后台系统可以是面向商家端的运营操作系统，包括商品发布、商品维护、店铺运营、数据监控等功能；智能营销系统可以是旅行平台的统一营销系统，包括日常、节假日和促销时间段的营销投放，营销方式主要有APP内消息中心触达、手机短信提醒、定向优惠红包发放等等；行业运营系统可以是面向旅行平台各运营角色的日常工作后台，主要面向旅行平台的商家运营人员、平台规则运营人员、用户运营人员、商务拓展人员等等。

在上层业务产品矩阵中，AI动态打包产品创新在用户行前和行中体验中进行了诸多探索。例如，在用户行前规划阶段，AI动态打包涉及到旅行内容导购、精准营销、场景决策、行程规划以及商品定制组合等方面的应用；在用户行中服务承接阶段，AI动态打包涉及到基于用户所在目的地的玩法推介和导购、以及行中实时商品推荐的应用。

另一方面，针对不同的应用层，可以有相应的系统功能区域与之对应。例如，对于数据平台层，可以对应有旅行数据资产管理、旅行数据质量监控，以及，旅行数据服务输出等等。对于基础服务层，相应的系统功能区域则可以包括模型效能评估、线上模型监控，以及，模型增益反馈机制等等。对于旅行系统中台层，也可以包括组件级系统嵌入和运营适配机制等功能区域。在业务应用层，系统功能区域可以包括多场景迁移应用、AB TEST(一种测试方法)检验和反馈迭代机制等等。当然，本领域技术人员可以根据实际需要，为不同应用层配置其他功能区域，本实施例对此不作限定。

为了便于理解，下面以一个完整的实施例对采用上述旅行平台进行商品组合的推荐过程作一介绍。

如图8所示，是本申请一个实施例的一种商品组合的推荐过程的示意图。在图8中，可以包括用户诉求、用户场景主线、旅行平台后台技术能力，以及，旅行平台前台承接方案等四部分，各个部分可以按照用户场景主线中不同的旅行阶段进行划分。

例如，在内容种草阶段，用户诉求可以是“离上次出游已经很久了”、“我最近要不要规划一次旅行”、“我应该去哪儿呢”等等。相应地，对于后台技术能力，则可以分析得到“用户最近一次出行是上周回老家探亲”、“用户最近一次出游是半年前去日本”、“用户偏好休闲类、海岛类目的地”等内容。针对上述分析结果，旅行平台的前台，例如旅行网站的相应页面，可以实现内容推荐。

在萌生想法阶段，用户诉求可能已经变化为确定“在十一出去游玩”，因此，旅行平台可以从用户常出行人列表中判断出出游人群为“亲子三人”，并从用户搜索浏览数据分析出出游时间为“十一黄金周”。针对此分析结果，旅行网站可以向用户进行内容导购。

在行程规划阶段，用户诉求可能是考虑如何预订酒店、如何预订航班、以及在出行目的地还能有哪些游玩项目等等。旅行平台可以基于上述诉求，确定用户常购酒店集中在带泳池的四星级或五星级酒店，航班偏好为直飞非红眼航班，游玩项目偏好SPA以及亲子玩乐项目等等。旅行平台可以根据以上识别出的用户意图，生成相应的组合商品推送，帮助用户选购相应的旅行产品。

在行中阶段，旅行平台可以根据用户行中的LBS数据、POI(Point of Interest，兴趣点)数据实现行中服务的预判，并向用户推荐相应的旅行中所需要的商品或商品组合。

在结束旅行后，旅行平台可以挖掘相同兴趣的用户群，提供用户分享旅行经验的圈子；还可以根据用户满意度对旅行模型进行优化，生成优化方案迭代等等。

参照图9，示出了本申请一个实施例的一种业务对象的推荐装置的示意性结构框图，具体可以包括如下模块：

需求信息获取模块901，用于获取用户的需求信息；

旅行阶段确定模块902，用于针对所述需求信息，确定当前的旅行阶段；

旅行意图识别模块903，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

业务对象获取模块904，用于获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块905，用于向所述用户推荐所述业务对象。

在本申请实施例中，所述需求信息获取模块901具体可以包括如下子模块：

搜索关键词接收子模块，用于接收用户输入的搜索关键词；

需求信息生成子模块，用于根据所述搜索关键词，生成所述用户的需求信息。

在本申请实施例中，所述需求信息获取模块901还可以包括如下子模块：

行为信息获取子模块，用于获取用户的行为信息，所述行为信息包括当前的行为信息和/或历史行为信息；

需求信息确定子模块，用于根据所述当前的行为信息和/或历史行为信息，确定所述用户的需求信息。

在本申请实施例中，所述旅行阶段确定模块902具体可以包括如下子模块：

位置信息获取子模块，用于获取所述用户当前的位置信息；

旅行阶段确定子模块，用于根据所述需求信息和当前的位置信息，确定当前的旅行阶段。

在本申请实施例中，所述旅行阶段确定子模块具体可以包括如下单元：

旅行模型调用单元，用于调用预置的旅行模型，所述旅行模型可以包括场景识别子模型；

旅行阶段确定单元，用于采用所述场景识别子模型对所述需求信息和当前的位置信息进行识别，以确定当前的旅行阶段。

在本申请实施例中，所述旅行模型还可以包括需求分析子模型，所述旅行意图识别模块903具体可以包括如下子模块：

旅行意图确定子模块，用于采用所述需求分析子模型，对所述需求信息进行识别，以确定所述用户的旅行意图。

在本申请实施例中，所述旅行模型还可以包括智能决策子模型，所述业务对象获取模块904具体可以包括如下子模块：

业务对象确定子模块，用于确定多个业务对象；

业务对象组合子模块，用于采用所述智能决策子模型，对所述多个业务对象进行组合，以生成与所述旅行意图相匹配的一个或多个业务对象组合；

目标业务对象组合提取子模块，用于从所述一个或多个业务对象组合中提取目标业务对象组合。

在本申请实施例中，所受业务对象组合子模块具体可以包括如下单元：

业务对象类别识别单元，用于采用所述智能决策子模型，识别满足所述当前的旅行阶段的多个业务对象类别；

目标业务对象确定单元，用于根据所述旅行意图，从所述多个业务对象类别中分别确定目标业务对象；

目标业务对象组合单元，用于将所述目标业务对象组合成业务对象组合。

在本申请实施例中，所述目标业务对象组合提取子模块具体可以包括如下单元：

偏好信息确定单元，用于确定所述用户的旅行偏好信息；

评分值计算单元，用于根据所述旅行偏好信息，计算所述一个或多个业务对象组合的评分值；

目标业务对象组合提取单元，用于提取所述评分值超过预设阈值的至少一个目标业务对象组合。

在本申请实施例中，所述旅行模型可以通过调用如下模块构建：

旅行数据获取模块，用于获取旅行数据，所述旅行数据可以包括用户数据、场景数据，以及，业务对象数据；

训练目标确定模块，用于确定旅行模型的训练目标；

目标旅行数据提取模块，用于提取所述旅行数据中与所述训练目标相匹配的目标旅行数据；

旅行模型训练模块，用于对所述目标旅行数据进行模型训练，以构建所述旅行模型。

在本申请实施例中，所述业务对象推荐模块905具体可以包括如下子模块：

目标业务对象组合推荐子模块，用于向所述用户推荐所述至少一个目标业务对象组合。

在本申请实施例中，所述装置还可以包括如下模块：

反馈信息接收模块，用于接收所述用户针对所述至少一个目标业务对象组合的反馈信息；

旅行模型优化模块，用于根据所述反馈信息，对所述旅行模型进行优化处理。

参照图10，示出了本申请一个实施例的另一种业务对象的推荐装置的示意性结构框图，具体可以包括如下模块：

需求信息获取模块1001，用于获取用户的需求信息；

旅行模型调用模块1002，用于针对所述需求信息，调用预置的旅行模型；

旅行模型应用模块1003，用于采用所述预置的旅行模型，确定当前的旅行阶段；以及，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块1004，用于向所述用户推荐所述业务对象。

在本申请实施例中，所述旅行模型可以包括场景识别子模型、需求分析子模型，以及，智能决策子模型。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种业务对象的推荐方法、一种业务对象的推荐装置和一种旅行平台，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (17)

1.一种业务对象的推荐方法，其特征在于，包括：

获取用户的需求信息；

针对所述需求信息，确定当前的旅行阶段；

基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

获取与所述旅行意图相匹配的业务对象；

向所述用户推荐所述业务对象。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的需求信息，包括：

接收用户输入的搜索关键词；

根据所述搜索关键词，生成所述用户的需求信息。

3.根据权利要求1所述的方法，其特征在于，所述获取用户的需求信息，包括：

获取用户的行为信息，所述行为信息包括当前的行为信息和/或历史行为信息；

根据所述当前的行为信息和/或历史行为信息，确定所述用户的需求信息。

4.根据权利要求1所述的方法，其特征在于，所述针对所述需求信息，确定当前的旅行阶段，包括：

获取所述用户当前的位置信息；

根据所述需求信息和当前的位置信息，确定当前的旅行阶段。

5.根据权利要求4所述的方法，其特征在于，所述根据所述需求信息和当前的位置信息，确定当前的旅行阶段，包括：

调用预置的旅行模型，所述旅行模型包括场景识别子模型；

采用所述场景识别子模型对所述需求信息和当前的位置信息进行识别，以确定当前的旅行阶段。

6.根据权利要求5所述的方法，其特征在于，所述旅行模型还包括需求分析子模型，所述基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图，包括：

采用所述需求分析子模型，对所述需求信息进行识别，以确定所述用户的旅行意图。

7.根据权利要求5所述的方法，其特征在于，所述旅行模型还包括智能决策子模型，所述获取与所述旅行意图相匹配的业务对象，包括：

确定多个业务对象；

采用所述智能决策子模型，对所述多个业务对象进行组合，以生成与所述旅行意图相匹配的一个或多个业务对象组合；

从所述一个或多个业务对象组合中提取目标业务对象组合。

8.根据权利要求7所述的方法，其特征在于，所述采用所述智能决策子模型，对所述多个业务对象进行组合，以生成与所述旅行意图相匹配的一个或多个业务对象组合，包括：

采用所述智能决策子模型，识别满足所述当前的旅行阶段的多个业务对象类别；

根据所述旅行意图，从所述多个业务对象类别中分别确定目标业务对象；

将所述目标业务对象组合成业务对象组合。

9.根据权利要求7所述的方法，其特征在于，所述从所述一个或多个业务对象组合中提取目标业务对象组合，包括：

确定所述用户的旅行偏好信息；

根据所述旅行偏好信息，计算所述一个或多个业务对象组合的评分值；

提取所述评分值超过预设阈值的至少一个目标业务对象组合。

10.根据权利要求5-9任一所述的方法，其特征在于，所述旅行模型通过如下步骤构建：

获取旅行数据，所述旅行数据包括用户数据、场景数据，以及，业务对象数据；

确定旅行模型的训练目标；

提取所述旅行数据中与所述训练目标相匹配的目标旅行数据；

对所述目标旅行数据进行模型训练，以构建所述旅行模型。

11.根据权利要求9所述的方法，其特征在于，所述向所述用户推荐所述业务对象，包括：

向所述用户推荐所述至少一个目标业务对象组合。

12.根据权利要求11所述的方法，其特征在于，还包括：

接收所述用户针对所述至少一个目标业务对象组合的反馈信息；

根据所述反馈信息，对所述旅行模型进行优化处理。

13.一种业务对象的推荐方法，其特征在于，包括：

获取用户的需求信息；

针对所述需求信息，调用预置的旅行模型；

采用所述预置的旅行模型，确定当前的旅行阶段；以及，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

向所述用户推荐所述业务对象。

14.根据权利要求13所述的方法，其特征在于，所述旅行模型包括场景识别子模型、需求分析子模型，以及，智能决策子模型。

15.一种旅行平台，其特征在于，包括一旅行模型，所述旅行模型包括：

场景识别子模型，用于获取用户的需求信息，针对所述需求信息，确定当前的旅行阶段；

需求分析子模型，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

智能决策子模型，用于获取与所述旅行意图相匹配的业务对象，并向所述用户推荐所述业务对象。

16.一种业务对象的推荐装置，其特征在于，包括：

需求信息获取模块，用于获取用户的需求信息；

旅行阶段确定模块，用于针对所述需求信息，确定当前的旅行阶段；

旅行意图识别模块，用于基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图；

业务对象获取模块，用于获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块，用于向所述用户推荐所述业务对象。

17.一种业务对象的推荐装置，其特征在于，包括：

需求信息获取模块，用于获取用户的需求信息；

旅行模型调用模块，用于针对所述需求信息，调用预置的旅行模型；

旅行模型应用模块，用于采用所述预置的旅行模型，确定当前的旅行阶段；以及，基于所述当前的旅行阶段，识别所述需求信息对应的旅行意图并获取与所述旅行意图相匹配的业务对象；

业务对象推荐模块，用于向所述用户推荐所述业务对象。