CN110599297A - 车型推荐方法、装置、计算机设备和存储介质 - Google Patents

车型推荐方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110599297A
CN110599297A CN201910791744.2A CN201910791744A CN110599297A CN 110599297 A CN110599297 A CN 110599297A CN 201910791744 A CN201910791744 A CN 201910791744A CN 110599297 A CN110599297 A CN 110599297A
Authority
CN
China
Prior art keywords
vehicle type
preset
candidate
vehicle
types
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.)
Granted
Application number
CN201910791744.2A
Other languages
English (en)
Other versions
CN110599297B (zh
Inventor
吴亮亮
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.)
Zhejiang Dasou Vehicle Software Technology Co Ltd
Original Assignee
Zhejiang Dasou Vehicle Software Technology 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 Zhejiang Dasou Vehicle Software Technology Co Ltd filed Critical Zhejiang Dasou Vehicle Software Technology Co Ltd
Priority to CN201910791744.2A priority Critical patent/CN110599297B/zh
Publication of CN110599297A publication Critical patent/CN110599297A/zh
Application granted granted Critical
Publication of CN110599297B publication Critical patent/CN110599297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0605Supply or demand aggregation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种车型推荐方法、装置、计算机设备和存储介质。所述方法包括:获取用户需求标签;根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;获取各所述候选车型的量化值;按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。采用本方法得到的车型是符合用户需求的,即推荐的车型是比较准确的。

Description

车型推荐方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域,特别是涉及一种车型推荐方法、装置、计算机设备和存储介质。
背景技术
随着近几年互联网技术的飞速发展,将互联网技术应用到车辆相关领域的技术也越来越成熟,目前大多数车辆电商、实体商户等都通过互联网向用户推荐更好的产品和服务,以实现产品或服务的推广,维系和用户之间的关系。
一般车辆销售人员在向用户推荐车型时,基本都是在特定品牌下寻找哪款车型卖的最好,找到之后就将该卖的最好的车型推荐给用户。
然而上述方法并没有考虑用户的需求,存在推荐的车型不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高推荐的车型准确性的车型推荐方法、装置、计算机设备和存储介质。
一种车型推荐方法,该方法包括:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述用户需求标签对应的至少一个候选车型;
获取各上述候选车型的量化值;
按照预设的选取规则和各上述候选车型的量化值,从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐上述目标车型。
本实施例通过标签得到的车型是符合用户需求的,即推荐的车型是比较准确的,按照候选车型的量化值确定目标车型,可以保证得到的目标车型的准确性更高,同时可以在一定程度上保证得到的目标车型的公允性。
在其中一个实施例中,上述根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述用户需求标签对应的至少一个候选车型,包括:
将上述用户需求标签和预设标签库中的标签进行匹配,确定上述预设标签库中与上述用户需求标签匹配的目标标签;
根据预设的标签和车型之间的映射关系,在上述车型库中确定上述目标标签对应的至少一个候选车型。
本实施例由于可以将用户需求标签先在预设标签库中匹配出目标标签,这样在利用目标标签在车型库中和车型匹配时,得到的候选车型会更加准确,从而会使得到的目标车型会更加准确。
在其中一个实施例中,按照预设的选取规则和各上述候选车型的量化值,从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,包括:
将各上述候选车型的量化值进行排序,得到量化值排序结果;
根据上述量化值排序结果,按照预设的选取规则从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
本实施例由于在候选车型中选取了一定数量的候选车型作为目标车型,这样在给用户或者销售推荐车型时,一方面可以便于用户或者销售快速选择,另一方面也可以给客户或者销售留有一定的选择空间,在选择的目标车型不合适时,还可以继续从其他剩余的候选车型中选取目标车型,并且销售推荐给客户的车型有较大差异,使得用户更容易选择需求车型。
在其中一个实施例中,若上述量化值排序结果为量化值从高到低的排序结果,则上述根据上述量化值排序结果,按照预设的选取规则从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,包括:
获取上述排序结果中的前两个候选车型和最后一个候选车型;
将上述前两个候选车型和上述最后一个候选车型确定为目标车型。
本实施例的选取规则,用户从销售推荐的车型中进行挑选时,通过大反差的车型对比,更易选到符合自己需求的,也即是自己更心仪的车型,同时不会丧失对销售商的兴趣,造成客源的流失。
在其中一个实施例中,若上述预设的车型库中不存在上述用户需求标签对应的候选车型时,则上述方法还包括:
从上述用户需求标签中选取第二预设数量的标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述第二预设数量的标签对应的候选车型。
本实施例可以避免出现考虑所有用户需求标签时没有对应的目标车型的情况。
在其中一个实施例中,上述方法还包括:
获取各个车型的活动数据;上述活动数据用于表示车型对应的车辆的销售力度;
将上述各个车型的活动数据进行排序,并按照排序结果推荐上述各个车型。
本实施例由于可以按照各个车型的活动数据推荐车型,这样也可以帮助车辆平台快速销售车辆。
在其中一个实施例中,上述方法还包括:
获取用户标识;
根据上述用户标识确定用户权限。
本实施例可以避免一些没有用户权限的人随意获取聊天软件中的用户需求标签,造成用户信息的损失,可以保证用户需求标签的安全性。
一种车型推荐装置,该装置包括:
第一获取模块,用于获取用户需求标签;
确定模块,用于根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述用户需求标签对应的至少一个候选车型;
第二获取模块,用于获取各上述候选车型的量化值;
推荐模块,用于按照预设的选取规则和各上述候选车型的量化值,从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐上述目标车型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述用户需求标签对应的至少一个候选车型;
获取各上述候选车型的量化值;
按照预设的选取规则和各上述候选车型的量化值,从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐上述目标车型。
一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定上述用户需求标签对应的至少一个候选车型;
获取各上述候选车型的量化值;
按照预设的选取规则和各上述候选车型的量化值,从上述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐上述目标车型。
上述车型推荐方法、装置、计算机设备和存储介质,通过获取用户需求标签,并根据预设的标签和车型之间的映射关系,在预设的车型库中确定该用户需求标签对应的至少一个候选车型,同时获取各个候选车型的量化值,并按照预设的选取规则和各个候选车型的量化值,从至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐该目标车型。在本实施例中,由于目标车型是根据用户需求标签和候选车型的量化值来共同确定的,而用户需求标签即用户的需求,因此,该方法得到的车型是符合用户需求的,即推荐的车型是比较准确的;另外,按照候选车型的量化值确定目标车型,可以保证得到的目标车型的准确性更高,同时可以在一定程度上保证得到的目标车型的公允性。
附图说明
图1为一个实施例中计算机设备的内部结构图;
图2为一个实施例中车型推荐方法的流程示意图;
图3为另一个实施例中车型推荐方法的流程示意图;
图4为另一个实施例中车型推荐方法的流程示意图;
图5为另一个实施例中车型推荐方法的流程示意图;
图6为另一个实施例中车型推荐方法的流程示意图;
图7为另一个实施例中车型推荐方法的流程示意图;
图8为另一个实施例中车型推荐方法的详细过程示意图;
图9为一个实施例中车型推荐装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的车型推荐方法,可以应用于如图1所示的计算机设备,该计算机设备可以是终端、笔记本电脑、平板电脑、台式电脑等。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车型推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
需要说明的是,本申请实施例的执行主体可以是车型推荐装置,也可以是计算机设备,下述实施例以计算机设备为执行主体进行说明。
在一个实施例中,提供了一种车型推荐方法,本实施例涉及的是计算机设备如何通过用户需求标签和车型的量化值,确定目标车型的具体过程,如图2所示,该方法可以包括以下步骤:
S202,获取用户需求标签。
其中,用户需求标签指的是用户的画像标签,该画像标签里面包括用户的需求,例如用户的需求为:月供3000-5000、SUV车等;该画像标签包括销售预先采集的用户的历史数据、用户在网上的注册信息、用户浏览痕迹、用户主动填写的信息、用户的购买行为等等。另外,用户需求标签可以是一个标签,也可以是多个标签,本实施例对此不做限定。
具体的,计算机设备可以通过网络来得到用户的画像标签,并将包括用户需求的画像标签作为用户需求标签。
S204,根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型。
其中,在确定候选车型之前,计算机设备可以预先建立车型库,该车型库的建立方法可以包括:获取多个车型,并将车型和预设的标签之间建立映射关系,并保存该映射关系,得到车型库;也就是说,车型库中存有各个预设标签和对应的车型,以及各个预设标签和各个车型之间的映射关系。可选的,该车型库中可以包括各个品牌全部的车型,也可以是只包括部分品牌的全部车型,当然也可以只包括一些比较热门的品牌的部分车型。另外,候选车型可以为一个,也可以为多个,一般情况下,得到的候选车型都是多个。
具体的,在车型库建立好之后,计算机设备就可以将上面采集到的用户需求标签和车型库中的车型匹配,如果匹配成功,则会在车型库中得到该用户需求标签匹配的车型,该匹配的车型记为候选车型。
S206,获取各所述候选车型的量化值。
其中,车型的量化值可以是车型的评分分数,该车型的评分分数可以是第三方平台统计的评分分数,当然,也可以是车辆厂商自己统计的车型的评分分数,例如可以根据车型的销售情况、车型的性能参数等等对车型进行评分,得到车型的评分分数,另外,第三方平台可以是懂车帝、汽车之家等等。
具体的,计算机设备可以通过第三方平台将各个车型的量化值(即评分分数)导入到预设的车型库中,然后在所有车型的量化值(即评分分数)里寻找候选车型的量化值(即评分分数),这样就可以得到各个候选车型的量化值(即评分分数)。
S208,按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
其中,预设的选取规则指的是按照各个候选车型的量化值设置的车型选取规则,例如可以是将各个候选车型的量化值从高到低排序,或者将各个候选车型的量化值从低到高排序,或者按照其他排序规则进行排序等,然后从排序结果里面选取第一预设数量的候选车型。第一预设数量可以是1个、2个、3个、4个等等整数。
具体的,计算机设备在得到各个候选车型的量化值之后,可以按照预设的选取规则从各个候选车型中选取第一预设数量的候选车型作为目标车型,并向销售或者用户推荐该目标车型。利用量化值、选取规则来确定目标车型,这样做的目的是在得到的候选车型太多时,通过车型的量化值和选取规则,一方面可以更准确的匹配用户的需求,另一方面也可以使得到目标车型有更好的公允性。选取第一预设数量的车型,这样在候选车型非常多时,可以便于销售向用户推荐。
上述车型推荐方法中,通过获取用户需求标签,并根据预设的标签和车型之间的映射关系,在预设的车型库中确定该用户需求标签对应的至少一个候选车型,同时获取各个候选车型的量化值,并按照预设的选取规则和各个候选车型的量化值,从至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐该目标车型。在本实施例中,由于目标车型是根据用户需求标签和候选车型的量化值来共同确定的,而用户需求标签即用户的需求,因此,该方法得到的车型是符合用户需求的,即推荐的车型是比较准确的;另外,按照候选车型的量化值确定目标车型,可以保证得到的目标车型的准确性更高,同时可以在一定程度上保证得到的目标车型的公允性。
在另一个实施例中,提供了另一种车型推荐方法,本实施例涉及的是计算机设备如何根据预设的标签和车型之间的映射关系,在预设的车型库中确定用户需求标签对应的至少一个候选车型的具体过程。在上述实施例的基础上,如图3所示,上述S204可以包括以下步骤:
S302,将所述用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与所述用户需求标签匹配的目标标签。
其中,由于用户需求标签中可能会存在一些不便于识别或者非常规标签,或者车型库中的车型没有的标签,这样在车型库中就不易与找到匹配的车型,因此这时就需要将用户需求标签先在预设标签库中进行匹配,在标签库中匹配之前,需要先建立标签库,建立的方法可以包括:获取多个用户的需求标签,并将该多个用户的需求标签和预设的标签之间建立映射关系,并保存该映射关系,得到标签库。
具体的,计算机设备在得到用户的需求标签之后,可以将该用户的需求标签和标签库中的标签进行匹配,如果匹配成功,则就可以在标签库中得到该用户需求标签匹配的标签,该匹配的目标标签记为目标标签。其中,目标标签可以是一个,也可以是多个,目标标签的数量可以和用户需求标签的数量相同,也可以不同,可以是一个用户需求标签对应多个目标标签,也可以是一个用户需求标签对应一个目标标签,当然也可以是多个用户需求标签对应一个目标标签。
S304,根据预设的标签和车型之间的映射关系,在所述车型库中确定所述目标标签对应的至少一个候选车型。
其中,预设的车型库中包括的预设的标签和车型之间的映射关系,可以是目标标签和车型之间的映射关系,这里的预设的标签可以是目标标签。
具体的,计算机设备在预设标签库中得到用户需求标签对应的目标标签之后,可以将目标标签和车型库中的车型匹配,如果匹配成功,则会在车型库中得到该目标标签匹配的车型,该匹配的车型记为候选车型。
本实施例提供的车型推荐方法,通过将用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与用户需求标签匹配的目标标签,并根据预设的标签和车型之间的映射关系,在车型库中确定目标标签对应的至少一个候选车型。在本实施例中,由于可以将用户需求标签先在预设标签库中匹配出目标标签,这样在利用目标标签在车型库中和车型匹配时,得到的候选车型会更加准确,从而会使得到的目标车型会更加准确。
在另一个实施例中,提供了另一种车型推荐方法,本实施例涉及的是计算机设备如何按照预设的选取规则和各所述候选车型的量化值,从至少一个候选车型中选取第一预设数量的候选车型作为目标车型的具体过程。在上述实施例的基础上,如图4所示,上述S208可以包括以下步骤:
S402,将各所述候选车型的量化值进行排序,得到量化值排序结果。
其中,将各个候选车型的量化值进行排序时,可以是将各个车型的量化值从高到低进行排序,也可以是从低到高排序,还可以是别的排序规则,本实施例对此不做限定。
具体的,计算机设备在得到各个候选车型的量化值之后,可以将各个车型的量化值进行排序,这样就可以得到各个车型的量化值的排序结果。
S404,根据所述量化值排序结果,按照预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
具体的,在得到各个车型的量化值的排序结果之后,可以根据排序结果选取目标车型,可选的,若上述量化值排序结果为量化值从高到低的排序结果,那么计算机设备可以获取上述排序结果中的前两个候选车型和最后一个候选车型,并将上述前两个候选车型和上述最后一个候选车型确定为目标车型。可选的,若上述量化值排序结果为量化值从低到高的排序结果,那么计算机设备可以获取上述排序结果中的最后两个候选车型和第一个候选车型,并将上述最后两个候选车型和上述第一个候选车型确定为目标车型。这样做的目的可以使当候选车型较多时,可以过滤一部分推荐给销售或用户,便于销售或用户进行选择。示例地,假如有5个候选车型,分别为A、B、C、D、E,其对应的量化值分别为85、76、92、82、95,如果量化值从高到低排序,则排序结果为E-C-A-D-B,选取的目标车型为E、C、B;如果量化值从低到高排序,则排序结果为B-D-A-C-E,选取的目标车型也是E、C、B。利用这种选取规则,在销售给用户推荐车型时,可以使得每次推荐的车型都是具有很大差异性的,即具有很大的反差,这样用户从销售推荐的车型中进行挑选时,通过大反差的车型对比,更易选到符合自己需求的,也即是自己更心仪的车型;另一方面,当用户不满意第一次推荐的三个车型时,这时可以给用户进行第二次推荐,利用这种选取规则,不至于让用户感觉第二次的车型比第一次的车型差太多,从而丧失对该销售商的兴趣,造成客源的流失。
本实施例提供的车型推荐方法,通过将各候选车型的量化值进行排序,得到量化值排序结果,根据该量化值排序结果,按照预设的选取规则从至少一个候选车型中选取第一预设数量的候选车型作为目标车型。在本实施例中,由于在候选车型中选取了一定数量的候选车型作为目标车型,这样在给用户或者销售推荐车型时,一方面可以便于用户或者销售快速选择,另一方面也可以给客户或者销售留有一定的选择空间,在选择的目标车型不合适时,还可以继续从其他剩余的候选车型中选取目标车型,并且销售推荐给客户的车型有较大差异,使得用户更容易选择需求车型。
在另一个实施例中,提供了另一种车型推荐方法,本实施例涉及的是若预设的车型库中不存在上述用户需求标签对应的候选车型时,计算机设备如何选取目标车型的具体过程。在上述实施例的基础上,如图5所示,上述方法还可以包括以下步骤:
S502,从所述用户需求标签中选取第二预设数量的标签。
其中,第二预设数量可以和上述第一预设数量相同,也可以不同,可以是1个、2个、3个等等整数。例如,用户需求标签为SUV、油耗低、15-20万、月供3000-5000等,则可以从中选取SUV、15-20万两个标签来进行匹配。
具体的,在本实施例中,一般用户需求标签里面可以包括多个标签,如果该多个标签同时与车型库中的车型匹配,在匹配不到合适的车型时,可以从该多个标签中选取第二预设数量的标签来进行相关匹配。其中,该第二预设数量小于用户需求标签原本的数量。
需要说明的是,从多个标签中选取第二预设数量的标签时,可以按照各个标签的重要程度,或者各个标签出现频次,来进行选取。
S504,根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述第二预设数量的标签对应的候选车型。
其中,这次根据第二预设数量的标签确定的候选车型可以是一个,也可以是多个。
具体的,计算机设备在得到第二预设数量的标签之后,可以将该第二预设数量的标签和预设标签库中标签进行匹配,得到匹配的目标标签,然后再将该目标标签和预设车型库中的车型进行匹配,得到该目标标签匹配的候选车型。
当然,如果利用该第二预设数量的标签在车型库中还是匹配不到合适的车型,那么可以在用户需求标签中继续选取第三预设数量的标签,(也可以在第二预设数量的标签中选取),其中,第三预设数量一般小于第二预设数量。
本实施例提供的车型推荐方法,通过从用户需求标签中选取第二预设数量或更少预设数量的标签,并根据预设的标签和车型之间的映射关系,在预设的车型库中确定该第二预设数量的标签对应的候选车型。在本实施例中,由于在使用全部用户需求标签匹配不到合适的车型时,还可以减少标签的数量再重新匹配车型,这样可以避免出现考虑所有用户需求标签时没有对应的目标车型的情况。
在另一个实施例中,提供了另一种车型推荐方法,本实施例涉及的是计算机设备如何根据各个车型的活动数据推荐车型的具体过程。在上述实施例的基础上,如图6所示,上述方法还可以包括以下步骤:
S602,获取各个车型的活动数据;所述活动数据用于表示车型对应的车辆的销售力度。
其中,活动数据可以是各个车型的营销活动力度,也即可以是车型的促销力度等等。
具体的,车辆厂商在做活动时,可以在车辆平台上发布各个车型的活动数据,这样计算机设备就可以在车辆平台上得到各个车型的活动数据。
S604,将所述各个车型的活动数据进行排序,并按照排序结果推荐所述各个车型。
其中,在将各个车型的活动数据进行排序时,可以是从高到底排序,也可以是从低到高排序,当然也可以按照其他规则进行排序,本实施例对此不做限定。
具体的,计算机设备在得到各个车型的活动数据之后,可以将各个车型的活动数据进行排序,得到排序结果,并按照该排序结果依次推荐各个车型。这里在推荐车型时,也可以是从排序结果中选取预设数量的车型进行推荐,当然也可以全部推荐。
本实施例提供的车型推荐方法,通过获取各个车型的活动数据,该活动数据用于表示车型对应的车辆的销售力度,并将该各个车型的活动数据进行排序,并按照排序结果推荐各个车型。在本实施例中,由于可以按照各个车型的活动数据推荐车型,这样也可以帮助车辆平台快速销售车辆。
在另一个实施例中,提供了另一种车型推荐方法,本实施例涉及的是在获取用户需求标签之前,计算机设备如何确定用户权限的具体过程。在上述实施例的基础上,如图7所示,该方法还可以包括以下步骤:
S702,获取用户标识。
其中,用户标识可以是用户密码、用户移动通信号码、用户身份号码、用户通讯软件号码、当然也可以是用户的授权二维码等等。在本实施例中主要是指销售登录聊天软件获取用户需求标签。
具体的,用户在获取用户需求标签之前,需要先登录聊天软件,在用户登录聊天软件时,可以在聊天软件的登录界面上输入用户标识,这样计算机设备就可以得到用户输入的用户标识。可选的,聊天软件可以是微信、米聊等,也可以是后期专门开发的聊天软件等。
S704,根据所述用户标识确定用户权限。
具体的,计算机设备在得到用户输入的用户标识之后,可以将输入的用户标识和预设的用户标识进行匹配,当匹配成功时,就可以确定该用户标识对应的用户登录成功,则就可以获取聊天软件中的用户需求标签;否则,登录不成功,则不能获取聊天软件中的用户需求标签。
本实施例提供的车型推荐方法,获取用户标识,并根据该用户标识确定用户权限。在本实施例中,由于根据用户标识确定用户权限,这样可以避免一些没有用户权限的人随意获取聊天软件中的用户需求标签,造成用户信息的损失,因此,该方法可以保证用户需求标签的安全性。
下面以一个具体的实施例,来对本申请实施例提供的车型推荐过程进行详细说明,如图8所示:门店销售首先向客户采集需求,客户在采集后,可以将自己的需求反馈给门店销售,之后门店销售对反馈的需求进行分析,生成需求标签,并将该需求标签输入至索引/车型库系统中,进行标签和车型的匹配,即将标签进行索引,并搜索查询车辆,索引/车型库系统在查询到车辆后,可以利用预设的算法逻辑对查询到的车辆进行算法逻辑匹配,以选取到最符合客户需求的车型,最后算法逻辑可以将选取到的最符合客户需求的车型返回给门店销售,门店销售就可以将该车型推荐给客户了。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种车型推荐装置,包括:第一获取模块10、确定模块11、第二获取模块12和推荐模块13,其中:
第一获取模块10,用于获取用户需求标签;
确定模块11,用于根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;
第二获取模块12,用于获取各所述候选车型的量化值;
推荐模块13,用于按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
本申请实施例提供的车型推荐装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,上述确定模块11可以包括:第一确定单元、第二确定单元,其中:
第一确定单元,用于将所述用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与所述用户需求标签匹配的目标标签;
第二确定单元,用于根据预设的标签和车型之间的映射关系,在所述车型库中确定所述目标标签对应的至少一个候选车型。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,上述推荐模块13可以包括:排序单元、选取单元,其中:
排序单元,用于将各所述候选车型的量化值进行排序,得到量化值排序结果;
选取单元,用于根据所述量化值排序结果,按照预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,若所述量化值排序结果为量化值从高到低的排序结果,则上述选取单元可以包括:获取子单元、确定子单元,其中:
获取子单元,用于获取所述排序结果中的前两个候选车型和最后一个候选车型;
确定子单元,用于将所述前两个候选车型和所述最后一个候选车型确定为目标车型。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,若所述预设的车型库中不存在所述用户需求标签对应的候选车型时,则上述装置还可以包括:选取模块,其中:
选取模块,用于从所述用户需求标签中选取第二预设数量的标签;
上述确定模块11,还可以用于根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述第二预设数量的标签对应的候选车型。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,上述装置还可以包括:第三获取模块、排序模块,其中:
第三获取模块,用于获取各个车型的活动数据;所述活动数据用于表示车型对应的车辆的销售力度;
排序模块,用于将所述各个车型的活动数据进行排序,并按照排序结果推荐所述各个车型。
在另一个实施例中,提供了另一种车型推荐装置,在上述实施例的基础上,上述装置还可以包括:标识获取模块和权限确定模块,其中:
标识获取模块,用于获取用户标识;
权限确定模块,用于根据所述用户标识确定用户权限。
本申请实施例提供的车型推荐装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;
获取各所述候选车型的量化值;
按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将所述用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与所述用户需求标签匹配的目标标签;
根据预设的标签和车型之间的映射关系,在所述车型库中确定所述目标标签对应的至少一个候选车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将各所述候选车型的量化值进行排序,得到量化值排序结果;
根据所述量化值排序结果,按照预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取所述排序结果中的前两个候选车型和最后一个候选车型;
将所述前两个候选车型和所述最后一个候选车型确定为目标车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从所述用户需求标签中选取第二预设数量的标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述第二预设数量的标签对应的候选车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取各个车型的活动数据;所述活动数据用于表示车型对应的车辆的销售力度;
将所述各个车型的活动数据进行排序,并按照排序结果推荐所述各个车型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取用户标识;
根据所述用户标识确定用户权限。
在一个实施例中,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;
获取各所述候选车型的量化值;
按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将所述用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与所述用户需求标签匹配的目标标签;
根据预设的标签和车型之间的映射关系,在所述车型库中确定所述目标标签对应的至少一个候选车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各所述候选车型的量化值进行排序,得到量化值排序结果;
根据所述量化值排序结果,按照预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取所述排序结果中的前两个候选车型和最后一个候选车型;
将所述前两个候选车型和所述最后一个候选车型确定为目标车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从所述用户需求标签中选取第二预设数量的标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述第二预设数量的标签对应的候选车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各个车型的活动数据;所述活动数据用于表示车型对应的车辆的销售力度;
将所述各个车型的活动数据进行排序,并按照排序结果推荐所述各个车型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取用户标识;
根据所述用户标识确定用户权限。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车型推荐方法,其特征在于,所述方法包括:
获取用户需求标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;
获取各所述候选车型的量化值;
按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型,包括:
将所述用户需求标签和预设标签库中的标签进行匹配,确定所述预设标签库中与所述用户需求标签匹配的目标标签;
根据预设的标签和车型之间的映射关系,在所述车型库中确定所述目标标签对应的至少一个候选车型。
3.根据权利要求1所述的方法,其特征在于,所述按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,包括:
将各所述候选车型的量化值进行排序,得到量化值排序结果;
根据所述量化值排序结果,按照所述预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型。
4.根据权利要求3所述的方法,其特征在于,若所述量化值排序结果为量化值从高到低的排序结果,则所述根据所述量化值排序结果,按照所述预设的选取规则从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,包括:
获取所述排序结果中的前两个候选车型和最后一个候选车型;
将所述前两个候选车型和所述最后一个候选车型确定为目标车型。
5.根据权利要求1所述的方法,其特征在于,若所述预设的车型库中不存在所述用户需求标签对应的候选车型时,则所述方法还包括:
从所述用户需求标签中选取第二预设数量的标签;
根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述第二预设数量的标签对应的候选车型。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取各个车型的活动数据;所述活动数据用于表示车型对应的车辆的销售力度;
将所述各个车型的活动数据进行排序,并按照排序结果推荐所述各个车型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户标识;
根据所述用户标识确定用户权限。
8.一种车型推荐装置,其特征在于,所述装置包括:
第一获取模块,用于获取用户需求标签;
确定模块,用于根据预设的标签和车型之间的映射关系,在预设的车型库中确定所述用户需求标签对应的至少一个候选车型;
第二获取模块,用于获取各所述候选车型的量化值;
推荐模块,用于按照预设的选取规则和各所述候选车型的量化值,从所述至少一个候选车型中选取第一预设数量的候选车型作为目标车型,并推荐所述目标车型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910791744.2A 2019-08-26 2019-08-26 车型推荐方法、装置、计算机设备和存储介质 Active CN110599297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910791744.2A CN110599297B (zh) 2019-08-26 2019-08-26 车型推荐方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910791744.2A CN110599297B (zh) 2019-08-26 2019-08-26 车型推荐方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110599297A true CN110599297A (zh) 2019-12-20
CN110599297B CN110599297B (zh) 2022-06-03

Family

ID=68855701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910791744.2A Active CN110599297B (zh) 2019-08-26 2019-08-26 车型推荐方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110599297B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861680A (zh) * 2020-08-06 2020-10-30 南京三百云信息科技有限公司 基于配置的车型确定方法、装置以及电子终端
CN115438270A (zh) * 2022-10-26 2022-12-06 深圳市信润富联数字科技有限公司 设备信息智能推荐方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107870990A (zh) * 2017-10-17 2018-04-03 北京德塔精要信息技术有限公司 一种汽车推荐方法及装置
CN109271423A (zh) * 2018-09-29 2019-01-25 深圳市轱辘汽车维修技术有限公司 一种对象推荐方法、装置、终端及计算机可读存储介质
CN109300018A (zh) * 2018-10-31 2019-02-01 深圳市元征科技股份有限公司 一种车辆智能推荐方法、装置、设备及存储介质
CN109493199A (zh) * 2019-01-04 2019-03-19 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机设备和存储介质
CN109783730A (zh) * 2019-01-03 2019-05-21 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机设备和存储介质
US20190197606A1 (en) * 2017-12-26 2019-06-27 Toyota Jidosha Kabushiki Kaisha Arrangement system for trial use or trial fitting vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107870990A (zh) * 2017-10-17 2018-04-03 北京德塔精要信息技术有限公司 一种汽车推荐方法及装置
US20190197606A1 (en) * 2017-12-26 2019-06-27 Toyota Jidosha Kabushiki Kaisha Arrangement system for trial use or trial fitting vehicle
CN109271423A (zh) * 2018-09-29 2019-01-25 深圳市轱辘汽车维修技术有限公司 一种对象推荐方法、装置、终端及计算机可读存储介质
CN109300018A (zh) * 2018-10-31 2019-02-01 深圳市元征科技股份有限公司 一种车辆智能推荐方法、装置、设备及存储介质
CN109783730A (zh) * 2019-01-03 2019-05-21 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机设备和存储介质
CN109493199A (zh) * 2019-01-04 2019-03-19 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861680A (zh) * 2020-08-06 2020-10-30 南京三百云信息科技有限公司 基于配置的车型确定方法、装置以及电子终端
CN111861680B (zh) * 2020-08-06 2024-03-29 南京三百云信息科技有限公司 基于配置的车型确定方法、装置以及电子终端
CN115438270A (zh) * 2022-10-26 2022-12-06 深圳市信润富联数字科技有限公司 设备信息智能推荐方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110599297B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN108228873B (zh) 对象推荐、发布内容推送方法、装置、存储介质和设备
CN109753603B (zh) 产品推荐信息展示方法、装置、计算机设备和存储介质
CN109492180A (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
US9311650B2 (en) Determining search result rankings based on trust level values associated with sellers
US20120296900A1 (en) Adaptively learning a similarity model
CN108920530B (zh) 一种信息处理方法、装置、存储介质及电子设备
MX2012003721A (es) Sistemas y metodos para analitica de datos graficos sociales para determinar conectividad dentro de una comunidad.
US20120296776A1 (en) Adaptive interactive search
CN109241449A (zh) 一种物品推荐方法及装置
US20130110754A1 (en) Factor-graph based matching systems and methods
CN109447731A (zh) 跨平台产品推荐方法、装置、计算机设备和存储介质
CN110599297B (zh) 车型推荐方法、装置、计算机设备和存储介质
CN110555164A (zh) 群体兴趣标签的生成方法、装置、计算机设备和存储介质
CN115098803A (zh) 一种基于移动图书馆的图书推荐算法以及系统
CN112102002A (zh) 基于知识图谱的商品推荐方法、装置、计算机和存储介质
CN113032668A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN113191838A (zh) 一种基于异质图神经网络的购物推荐方法及系统
KR20210032691A (ko) 네트워크 기반 상품 추천 방법 및 장치
CN111475628B (zh) 会话数据处理方法、装置、计算机设备和存储介质
CN117522519A (zh) 产品推荐方法、装置、设备、存储介质和程序产品
CN113327132A (zh) 多媒体推荐方法、装置、设备及存储介质
CN112084403A (zh) 数据查询方法、装置、计算机设备和存储介质
CN111159575A (zh) 一种基于手机银行的交友方法及装置
CN111538905B (zh) 一种对象的推荐方法及装置
CN113902511A (zh) 基于云仓平台的选品方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant