CN111160981B - 一种基于线下店铺优化用户喜好信息的方法和装置 - Google Patents
一种基于线下店铺优化用户喜好信息的方法和装置 Download PDFInfo
- Publication number
- CN111160981B CN111160981B CN201911408756.9A CN201911408756A CN111160981B CN 111160981 B CN111160981 B CN 111160981B CN 201911408756 A CN201911408756 A CN 201911408756A CN 111160981 B CN111160981 B CN 111160981B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- commodity
- obtaining
- preference information
- 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.)
- Active
Links
Images
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于线下店铺优化用户喜好信息的方法和装置,涉及数据处理技术领域,通过获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息,达到了优化用户的喜好信息,提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于线下店铺优化用户喜好信息的方法和装置。
背景技术
实体店铺是网络购物后出现的名词,如淘宝为虚拟店铺,相对的在现实中的店就称之为实体店铺,通俗点说逛街逛的就是实体店,包括现实体市场、商业区、学校、夜市、车站码头、游乐场的店面及固定店面。在商业流通领域,传统实体店铺销售方式与线上营销宣传方式之间并非相互竞争的关系,而是要做到两者相互融合、互相补充的发展。在线下精心打造消费体验的环境、线上做好品牌的宣传和推广。让消费者完成实体店体验商品并在网店或实体店下单购买的良性循环,最终实现线上与线下资源的整合和统一,实现经营的增长。
但本发明申请人发现现有技术至少存在如下技术问题:
线上店铺的用户关注点在商品的样式和商家介绍,而用户在线下店铺的关注点在商品的材质及整体性效果,导致线上店铺获取的用户喜好较为片面,店铺向用户推荐的商品准确性差,用户购买体验感差。
发明内容
本发明实施例提供了一种基于线下店铺优化用户喜好信息的方法和装置,解决了现有技术中商家无法全面掌握用户的喜好,无法向用户精准推荐商品,存在用户在线上店铺的购买体验感差的技术问题,达到了基于用户在线下店铺良好的购物体验优化线上店铺的用户的喜好信息,实现了提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果。
鉴于上述问题,提出了本申请实施例以便提供一种基于线下店铺优化用户喜好信息的方法和装置。
第一方面,本发明提供了一种基于线下店铺优化用户喜好信息的方法,所述方法包括:获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
优选地,所述方法包括:
获得所述第一线下店铺的第一上新商品;根据所述第一上新商品确定第一商品类别;获得所述第一用户在所述第一线下店铺的第二购买信息;判断所述第二购买信息与所述第一商品类别是否具有第一关联关系;当所述第二购买信息与所述第一商品类别具有第一关联关系,根据所述第一商品类别优化第一最优喜好信息,确定所述第一用户的第二最优喜好信息。
优选地,所述方法包括:
获得所述第一用户在所述第一线上店铺购买的第一商品;获得所述第一商品的第一评价信息,其中,所述第一评价信息包含所述第一用户评价第一商品的缺点;获得所述第一用户在所述第一线下店铺购买的第二商品,其中,所述第二商品与所述第一商品属于同一商品类别;判断所述第一评价信息与所述第二商品是否具有第二关联关系;当所述第一评价信息与所述第二商品具有第二关联关系时,根据所述第二商品确定所述第一用户的第二购买特征信息;根据所述第二购买特征信息优化所述第一最优喜好信息,确定所述第一用户的第三最优喜好信息。
优选地,所述方法包括:
根据所述第一线下店铺获得所述第一用户的第一浏览商品信息,其中,所述第一浏览商品信息包含第三商品;根据所述第一浏览商品信息确定第一用户浏览所述第三商品的第一浏览时间;判断所述第一浏览时间是否超过第二预设阈值;当所述第一浏览时间超过第二预设阈值时,确定所述第一用户对所述第三商品的第一喜好率;根据所述第三商品与所述第一喜好率优化所述第一最优喜好信息,确定所述第一用户的第四最优喜好信息。
优选地,所述方法包括:
获得所述第一线下店铺的所述第一用户的第一头像信息;根据所述第一头像信息获得所述第一用户的第一个人属性信息;根据所述第一个人属性信息优化所述第一最优喜好信息,确定所述第一用户的第五最优喜好信息。
优选地,所述方法包括:
获得所述第一用户在所述第一线下店铺的第一询问信息,其中,所述第一询问信息包含第四商品;根据所述第一询问信息确定所述第一用户的第一关注点;获得所述第四商品的第一购买指数;判断所述第一购买指数是否超过第三预设阈值;当所述第一购买指数超过第三预设阈值时,根据所述第一关注点优化所述第一最优喜好信息,确定所述第一用户的第六最优喜好信息。
第二方面,本发明提供了一种基于线下店铺优化用户喜好信息的装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;
第二获得单元,所述第二获得单元用于获得所述第一用户在所述第一线下店铺的第一购买信息;
第三获得单元,所述第三获得单元用于根据所述第一购买信息获得所述第一用户的第一购买活跃度;
第一判断单元,所述第一判断单元用于判断所述第一购买活跃度是否超过第一预设阈值;
第四获得单元,所述第四获得单元用于当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;
第一确定单元,所述第一确定单元用于根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
优选地,所述装置包括:
第五获得单元,所述第五获得单元用于获得所述第一线下店铺的第一上新商品;
第二确定单元,所述第二确定单元用于根据所述第一上新商品确定第一商品类别;
第六获得单元,所述第六获得单元用于获得所述第一用户在所述第一线下店铺的第二购买信息;
第二判断单元,所述第二判断单元用于判断所述第二购买信息与所述第一商品类别是否具有第一关联关系;
第三确定单元,所述第三确定单元用于当所述第二购买信息与所述第一商品类别具有第一关联关系,根据所述第一商品类别优化第一最优喜好信息,确定所述第一用户的第二最优喜好信息。
优选地,所述装置包括:
第七获得单元,所述第七获得单元用于获得所述第一用户在所述第一线上店铺购买的第一商品;
第八获得单元,所述第八获得单元用于获得所述第一商品的第一评价信息,其中,所述第一评价信息包含所述第一用户评价第一商品的缺点;
第九获得单元,所述第九获得单元用于获得所述第一用户在所述第一线下店铺购买的第二商品,其中,所述第二商品与所述第一商品属于同一商品类别;
第三判断单元,所述第三判断单元用于判断所述第一评价信息与所述第二商品是否具有第二关联关系;
第四确定单元,所述第四确定单元用于当所述第一评价信息与所述第二商品具有第二关联关系时,根据所述第二商品确定所述第一用户的第二购买特征信息;
第五确定单元,所述第五确定单元用于根据所述第二购买特征信息优化所述第一最优喜好信息,确定所述第一用户的第三最优喜好信息。
优选地,所述装置包括:
第十获得单元,所述第十获得单元用于根据所述第一线下店铺获得所述第一用户的第一浏览商品信息,其中,所述第一浏览商品信息包含第三商品;
第六确定单元,所述第六确定单元用于根据所述第一浏览商品信息确定第一用户浏览所述第三商品的第一浏览时间;
第四判断单元,所述第四判断单元用于判断所述第一浏览时间是否超过第二预设阈值;
第七确定单元,所述第七确定单元用于当所述第一浏览时间超过第二预设阈值时,确定所述第一用户对所述第三商品的第一喜好率;
第八确定单元,所述第八确定单元用于根据所述第三商品与所述第一喜好率优化所述第一最优喜好信息,确定所述第一用户的第四最优喜好信息。
优选地,所述装置包括:
第十一获得单元,所述第十一获得单元用于获得所述第一线下店铺的所述第一用户的第一头像信息;
第十二获得单元,所述第十二获得单元用于根据所述第一头像信息获得所述第一用户的第一个人属性信息;
第九确定单元,所述第九确定单元用于根据所述第一个人属性信息优化所述第一最优喜好信息,确定所述第一用户的第五最优喜好信息。
优选地,所述装置包括:
第十三获得单元,所述第十三获得单元用于获得所述第一用户在所述第一线下店铺的第一询问信息,其中,所述第一询问信息包含第四商品;
第十确定单元,所述第十确定单元用于根据所述第一询问信息确定所述第一用户的第一关注点;
第十四获得单元,所述第十四获得单元用于获得所述第四商品的第一购买指数;
第五判断单元,所述第五判断单元用于判断所述第一购买指数是否超过第三预设阈值;
第十一确定单元,所述第十一确定单元用于当所述第一购买指数超过第三预设阈值时,根据所述第一关注点优化所述第一最优喜好信息,确定所述第一用户的第六最优喜好信息。
第三方面,本发明提供了一种基于线下店铺优化用户喜好信息的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项所述方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于线下店铺优化用户喜好信息的方法和装置,通过获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息,从而解决了现有技术中商家无法全面掌握用户的喜好,无法向用户精准推荐商品,存在用户在线上店铺的购买体验感差的技术问题,达到了基于用户在线下店铺良好的购物体验优化线上店铺的用户的喜好信息,实现了提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种基于线下店铺优化用户喜好信息的方法的流程示意图;
图2为本发明实施例中一种基于线下店铺优化用户喜好信息的装置的结构示意图;
图3为本发明实施例中另一种基于线下店铺优化用户喜好信息的装置的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一判断单元14,第四获得单元15,第一确定单元16,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种基于线下店铺优化用户喜好信息的方法和装置,用于解决现有技术中商家无法全面掌握用户的喜好,无法向用户精准推荐商品,存在用户在线上店铺的购买体验感差的技术问题。
本发明提供的技术方案总体思路如下:获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息,从而达到了基于用户在线下店铺良好的购物体验优化线上店铺的用户的喜好信息,实现了提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种基于线下店铺优化用户喜好信息的方法的流程示意图。如图1所示,本发明实施例提供了一种基于线下店铺优化用户喜好信息的方法,所述方法包括:
步骤110:获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺。
具体而言,第一喜好信息是线上平台的第一线上店铺对第一用户购买、浏览的商品进行数据统计分析获得的第一用户的喜好信息。第一线上店铺也具有第一线下店铺,也就是说,第一线上店铺开设的有实体店,第一线下店铺与第一线上店铺属于同品牌的店铺。举例而言,第一线上店铺是一家品牌服装店,第一用户在该品牌服装店的线上店铺购买过宽松韩版式外套,且在该品牌服装店的线上店铺浏览的商品多为休闲宽松版衣服,且模特的身高在175cm,第一用户浏览的衣服偏向于长款大衣和风衣。故第一线上店铺通过第一用户的购买信息与浏览信息获得第一用户的第一喜好信息为宽松休闲长款外套。
步骤120:获得所述第一用户在所述第一线下店铺的第一购买信息。
步骤130:根据所述第一购买信息获得所述第一用户的第一购买活跃度。
具体而言,通过第一线下店铺的视频信息或订单信息可以获得第一用户前往第一线下店铺的第一购买信息,其中,第一购买信息为第一用户在第一线下店铺购买的商品的订单信息,第一购买信息包括第一用户购买的商品的名称、价格、折扣、支付金额以及店铺名称等。根据第一购买信息可以获得第一用户购买商品的频率,进而获得第一用户的第一购买活跃度。举例而言,第一线下店铺为某品牌服装店,根据该品牌服装店的摄像头获得第一用户进入该品牌服装店,并根据第一用户的结账信息获得第一用户购买毛呢大衣的第一购买信息,并且第一用户在两个月后又前往该品牌服装店购买了其他商品,表明第一用户是该品牌线下服装店的回头客,购买体验感好,则第一用户的第一购买活跃度高。进而可以通过第一用户在第一线下店铺购买商品的次数与时间间隔确定第一购买活跃度的值。
步骤140:判断所述第一购买活跃度是否超过第一预设阈值。
步骤150:当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息。
具体而言,设定第一购买活跃度的第一预设阈值,如设定第一预设阈值为0.5。判断第一购买活跃度与第一预设阈值的大小,当第一购买活跃度超过第一预设阈值时,根据第一用户在第一线下店铺的第一购买信息获得第一用户的第一购买特征信息。举例而言,第一用户的第一购买活跃度为0.62,第一预设阈值为0.5,则根据第一用户在某品牌服装店的线下店铺购买的毛呢大衣确定第一用户的第一购买特征信息为修身、100%羊毛、中长款大衣。
步骤160:根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
具体而言,根据第一用户在第一线下店铺购买商品获得的第一购买特征信息调整第一线上店铺获得的第一用户的第一喜好信息,进而可以优化第一喜好信息,确定第一用户的第一最优喜好信息。换言之,第一用户在第一线上店铺注重商品样式和模特试穿介绍,而在第一线下店铺购买商品时,更注重商品的材质、手感以及整体性感觉(试穿适合度、舒适度等),进而通过第一用户在第一线下店铺购买商品的购买特征对第一线上店铺获得的第一用户的第一喜好信息进行调整,确定第一用户的第一最优喜好信息,能够提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率。
因此,通过本实施例中的基于线下店铺优化用户喜好信息的方法可以针对第一线上店铺已经获得的第一用户的第一喜好信息,进而确定第一用户在第一线下店铺的第一购买信息,如果第一用户购买的第一购买信息中的商品的第一购买活跃度高,则根据第一购买信息确定第一用户在线下店铺的第一购买特征信息,并根据第一购买特征信息优化调整第一用户的第一喜好信息,从而确定第一用户的第一最优喜好信息,达到了基于用户在线下店铺良好的购物体验优化线上店铺的用户的喜好信息,实现了提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果,从而解决了现有技术中商家无法全面掌握用户的喜好,无法向用户精准推荐商品,存在用户在线上店铺的购买体验感差的技术问题。
进一步的,本实施例中的数据融合方法也可结合人工智能技术来实现,其中,人工智能(Artificial Intelligence,缩写为AI)亦称机器智能,是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。具体的步骤为:获得第一用户在第一线下店铺的第一购买信息的照片;将所述第一购买信息的照片输入模型中,其中,所述模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:第一购买信息、用来标识第一购买信息的第一购买活跃度的第一标识信息以及用来标识第一购买信息的第一购买特征信息的第二标识信息;获取所述模型的输出信息,其中,所述输出信息为第一用户的第一最优喜好信息;其中的所述模型的输出信息是利用第一标识信息中判断第一购买活跃度是否超过第一预设阈值,当第一购买活跃度是否超过第一预设阈值时,结合第二标识信息中第一购买信息的第一购买特征信息,对第一用户在第一线上店铺的第一喜好信息进行调整,确定第一用户的第一最优喜好信息。
进一步的,本实施例中的训练模型是通过采用多组数据利用机器学习训练得出的,其中,机器学习是实现人工智能的一种途径,它和数据挖掘有一定的相似性,也是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。对比于数据挖掘从大数据之间找相互特性而言,机器学习更加注重算法的设计,让计算机能够白动地从数据中“学习”规律,并利用规律对未知数据进行预测。
进一步的,所述方法还包括:获得所述第一线下店铺的第一上新商品;根据所述第一上新商品确定第一商品类别;获得所述第一用户在所述第一线下店铺的第二购买信息;判断所述第二购买信息与所述第一商品类别是否具有第一关联关系;当所述第二购买信息与所述第一商品类别具有第一关联关系,根据所述第一商品类别优化第一最优喜好信息,确定所述第一用户的第二最优喜好信息。
具体而言,第一上新商品为第一线下店铺上新的新类型的商品。通过获得第一线下店铺的第一上新商品,并根据第一上新商品的商品属性等信息确定第一商品的第一商品类别,如第一线下店铺为某品牌服装店,第一上新商品为女靴,则第一商品类别为鞋类。获得第一用户在第一线下店铺的第二购买信息,即第一用户在第一线下店铺的回购信息。判断第二购买信息中的商品与第一商品类别是否具有第一关联关系,其中,第一关联关系是第二购买信息中商品的商品类别与第一商品类别具有的相似性或商品种类相关,如两者的商品种类均为女性穿着品或两者的商品种类均为海鲜品等。当第二购买信息与第一商品类别具有第一关联关系,根据第一商品类别以及第二购买信息中商品的属性信息优化第一最优喜好信息,确定第一用户的第二最优喜好信息,如根据第二购买信息中商品的舒适度、材质等信息以及结合第一商品类别优化第一用户的第一最优喜好信息。
进一步的,所述方法还包括:获得所述第一用户在所述第一线上店铺购买的第一商品;获得所述第一商品的第一评价信息,其中,所述第一评价信息包含所述第一用户评价第一商品的缺点;获得所述第一用户在所述第一线下店铺购买的第二商品,其中,所述第二商品与所述第一商品属于同一商品类别;判断所述第一评价信息与所述第二商品是否具有第二关联关系;当所述第一评价信息与所述第二商品具有第二关联关系时,根据所述第二商品确定所述第一用户的第二购买特征信息;根据所述第二购买特征信息优化所述第一最优喜好信息,确定所述第一用户的第三最优喜好信息。
具体而言,通过获得第一用户在第一线上店铺购买的第一商品,并获得第一用户对第一商品的第一评价信息,其中,第一评价信息是第一用户在第一线上店铺购买第一商品的订单完成后向第一用户发起的评价商品的信息,第一用户可根据第一商品的材质、使用效果、实物图等方面对第一商品进行评价。第一评价信息包含第一用户对第一商品的差评信息,即第一用户描述的第一商品的缺点,如尺码偏小、材质问题等。进而获得第一用户在第一线下店铺购买的第二商品,且第二商品与第一商品属于相同的商品类别。判断第一评价信息与第二商品是否具有第二关联关系,如第一评价信息中提高的材质问题,第一用户喜欢全羊毛制品的大衣、毛衣等,第二商品的材质是100%羊毛的大衣,则第一评价信息与第二商品具有第二关联关系。当第一评价信息与第二商品具有第二关联关系时,根据第二商品的商品属性、材质、商品种类等信息确定第一用户的第二购买特征信息,根据第二购买特征信息优化第一最优喜好信息,确定第一用户的第三最优喜好信息。
进一步的,所述方法还包括:根据所述第一线下店铺获得所述第一用户的第一浏览商品信息,其中,所述第一浏览商品信息包含第三商品;根据所述第一浏览商品信息确定第一用户浏览所述第三商品的第一浏览时间;判断所述第一浏览时间是否超过第二预设阈值;当所述第一浏览时间超过第二预设阈值时,确定所述第一用户对所述第三商品的第一喜好率;根据所述第三商品与所述第一喜好率优化所述第一最优喜好信息,确定所述第一用户的第四最优喜好信息。
具体而言,通过获得第一用户进入第一线下店铺浏览商品的第一浏览商品信息,其中,第一用户浏览的商品中包含第三商品。进而确定第一用户浏览第三商品的第一浏览时间,并设定第一浏览时间的第二预设阈值,如设定第二预设阈值为5min。判断第一浏览时间是否超过第二预设阈值,当第一浏览时间超过第二预设阈值时,通过第一浏览时间确定第一用户对第三商品的第一喜好率。根据第三商品的商品属性、材质、商品种类等信息以及结合第一喜好率的值优化第一最优喜好信息,确定第一用户的第四最优喜好信息。
进一步的,所述方法还包括:获得所述第一线下店铺的所述第一用户的第一头像信息;根据所述第一头像信息获得所述第一用户的第一个人属性信息;根据所述第一个人属性信息优化所述第一最优喜好信息,确定所述第一用户的第五最优喜好信息。
具体而言,通过第一线下店铺的摄像头获得第一用户的第一头像信息,其中,第一头像信息包括第一用户的外貌特征及身材外形特征。根据第一用户的第一头像信息获得第一用户的第一个人属性信息,即通过对第一头像信息的比对分析获得第一用户的身材比例、外形气质、肤色、发型等外在个人属性信息。并根据第一个人属性信息优化第一最优喜好信息,确定第一用户的第五最优喜好信息。
进一步的,所述方法还包括:获得所述第一用户在所述第一线下店铺的第一询问信息,其中,所述第一询问信息包含第四商品;根据所述第一询问信息确定所述第一用户的第一关注点;获得所述第四商品的第一购买指数;判断所述第一购买指数是否超过第三预设阈值;当所述第一购买指数超过第三预设阈值时,根据所述第一关注点优化所述第一最优喜好信息,确定所述第一用户的第六最优喜好信息。
具体而言,第一询问信息为第一用户进入第一线下店铺后,向第一线下店铺的店员询问第四商品的商品信息。通过对第一询问信息进行语义分析,确定第一用户的第一关注点,如第一关注点为第四商品的版型、材质、价格、整体性感觉等。进而获得第一用户的潜在购买意向,比如第一用户的试产体验或购买记录,即第一用户对第四商品的第一购买指数。设定第一购买指数的第三预设阈值,如设定第三预设阈值为60%。当第一购买指数超过第三预设阈值时,根据第一用户对第四商品的第一关注点优化第一最优喜好信息,确定第一用户的第六最优喜好信息。
实施例二
基于与前述实施例中一种基于线下店铺优化用户喜好信息的方法同样的发明构思,本发明还提供一种基于线下店铺优化用户喜好信息的方法装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;
第二获得单元12,所述第二获得单元12用于获得所述第一用户在所述第一线下店铺的第一购买信息;
第三获得单元13,所述第三获得单元13用于根据所述第一购买信息获得所述第一用户的第一购买活跃度;
第一判断单元14,所述第一判断单元14用于判断所述第一购买活跃度是否超过第一预设阈值;
第四获得单元15,所述第四获得单元15用于当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;
第一确定单元16,所述第一确定单元16用于根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
进一步的,所述装置包括:
第五获得单元,所述第五获得单元用于获得所述第一线下店铺的第一上新商品;
第二确定单元,所述第二确定单元用于根据所述第一上新商品确定第一商品类别;
第六获得单元,所述第六获得单元用于获得所述第一用户在所述第一线下店铺的第二购买信息;
第二判断单元,所述第二判断单元用于判断所述第二购买信息与所述第一商品类别是否具有第一关联关系;
第三确定单元,所述第三确定单元用于当所述第二购买信息与所述第一商品类别具有第一关联关系,根据所述第一商品类别优化第一最优喜好信息,确定所述第一用户的第二最优喜好信息。
进一步的,所述装置包括:
第七获得单元,所述第七获得单元用于获得所述第一用户在所述第一线上店铺购买的第一商品;
第八获得单元,所述第八获得单元用于获得所述第一商品的第一评价信息,其中,所述第一评价信息包含所述第一用户评价第一商品的缺点;
第九获得单元,所述第九获得单元用于获得所述第一用户在所述第一线下店铺购买的第二商品,其中,所述第二商品与所述第一商品属于同一商品类别;
第三判断单元,所述第三判断单元用于判断所述第一评价信息与所述第二商品是否具有第二关联关系;
第四确定单元,所述第四确定单元用于当所述第一评价信息与所述第二商品具有第二关联关系时,根据所述第二商品确定所述第一用户的第二购买特征信息;
第五确定单元,所述第五确定单元用于根据所述第二购买特征信息优化所述第一最优喜好信息,确定所述第一用户的第三最优喜好信息。
进一步的,所述装置包括:
第十获得单元,所述第十获得单元用于根据所述第一线下店铺获得所述第一用户的第一浏览商品信息,其中,所述第一浏览商品信息包含第三商品;
第六确定单元,所述第六确定单元用于根据所述第一浏览商品信息确定第一用户浏览所述第三商品的第一浏览时间;
第四判断单元,所述第四判断单元用于判断所述第一浏览时间是否超过第二预设阈值;
第七确定单元,所述第七确定单元用于当所述第一浏览时间超过第二预设阈值时,确定所述第一用户对所述第三商品的第一喜好率;
第八确定单元,所述第八确定单元用于根据所述第三商品与所述第一喜好率优化所述第一最优喜好信息,确定所述第一用户的第四最优喜好信息。
进一步的,所述装置包括:
第十一获得单元,所述第十一获得单元用于获得所述第一线下店铺的所述第一用户的第一头像信息;
第十二获得单元,所述第十二获得单元用于根据所述第一头像信息获得所述第一用户的第一个人属性信息;
第九确定单元,所述第九确定单元用于根据所述第一个人属性信息优化所述第一最优喜好信息,确定所述第一用户的第五最优喜好信息。
进一步的,所述装置包括:
第十三获得单元,所述第十三获得单元用于获得所述第一用户在所述第一线下店铺的第一询问信息,其中,所述第一询问信息包含第四商品;
第十确定单元,所述第十确定单元用于根据所述第一询问信息确定所述第一用户的第一关注点;
第十四获得单元,所述第十四获得单元用于获得所述第四商品的第一购买指数;
第五判断单元,所述第五判断单元用于判断所述第一购买指数是否超过第三预设阈值;
第十一确定单元,所述第十一确定单元用于当所述第一购买指数超过第三预设阈值时,根据所述第一关注点优化所述第一最优喜好信息,确定所述第一用户的第六最优喜好信息。
前述图1实施例一中的一种基于线下店铺优化用户喜好信息的方法的各种变化方式和具体实例同样适用于本实施例的一种基于线下店铺优化用户喜好信息的装置,通过前述对一种基于线下店铺优化用户喜好信息的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于线下店铺优化用户喜好信息的装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种基于线下店铺优化用户喜好信息的方法同样的发明构思,本发明还提供一种基于线下店铺优化用户喜好信息的装置,如图3所示,包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时实现前文所述基于线下店铺优化用户喜好信息的方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种基于线下店铺优化用户喜好信息的方法同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
在具体实施过程中,该程序被处理器执行时,还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于线下店铺优化用户喜好信息的方法和装置,通过获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;获得所述第一用户在所述第一线下店铺的第一购买信息;根据所述第一购买信息获得所述第一用户的第一购买活跃度;判断所述第一购买活跃度是否超过第一预设阈值;当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息,从而解决了现有技术中商家无法全面掌握用户的喜好,无法向用户精准推荐商品,存在用户在线上店铺的购买体验感差的技术问题,达到了基于用户在线下店铺良好的购物体验优化线上店铺的用户的喜好信息,实现了提高商家推荐商品的准确率,提升用户线上购物体验感,增加商品转化率的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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设备上,使得在计算机或其他可编程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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于线下店铺优化用户喜好信息的方法,其特征在于,所述方法包括:
获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;
获得所述第一用户在所述第一线下店铺的第一购买信息;
根据所述第一购买信息获得所述第一用户的第一购买活跃度;
判断所述第一购买活跃度是否超过第一预设阈值;
当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;
根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述第一线下店铺的第一上新商品;
根据所述第一上新商品确定第一商品类别;
获得所述第一用户在所述第一线下店铺的第二购买信息;
判断所述第二购买信息与所述第一商品类别是否具有第一关联关系;
当所述第二购买信息与所述第一商品类别具有第一关联关系,根据所述第一商品类别优化第一最优喜好信息,确定所述第一用户的第二最优喜好信息。
3.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述第一用户在所述第一线上店铺购买的第一商品;
获得所述第一商品的第一评价信息,其中,所述第一评价信息包含所述第一用户评价第一商品的缺点;
获得所述第一用户在所述第一线下店铺购买的第二商品,其中,所述第二商品与所述第一商品属于同一商品类别;
判断所述第一评价信息与所述第二商品是否具有第二关联关系;
当所述第一评价信息与所述第二商品具有第二关联关系时,根据所述第二商品确定所述第一用户的第二购买特征信息;
根据所述第二购买特征信息优化所述第一最优喜好信息,确定所述第一用户的第三最优喜好信息。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
根据所述第一线下店铺获得所述第一用户的第一浏览商品信息,其中,所述第一浏览商品信息包含第三商品;
根据所述第一浏览商品信息确定第一用户浏览所述第三商品的第一浏览时间;
判断所述第一浏览时间是否超过第二预设阈值;
当所述第一浏览时间超过第二预设阈值时,确定所述第一用户对所述第三商品的第一喜好率;
根据所述第三商品与所述第一喜好率优化所述第一最优喜好信息,确定所述第一用户的第四最优喜好信息。
5.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述第一线下店铺的所述第一用户的第一头像信息;
根据所述第一头像信息获得所述第一用户的第一个人属性信息;
根据所述第一个人属性信息优化所述第一最优喜好信息,确定所述第一用户的第五最优喜好信息。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述第一用户在所述第一线下店铺的第一询问信息,其中,所述第一询问信息包含第四商品;
根据所述第一询问信息确定所述第一用户的第一关注点;
获得所述第四商品的第一购买指数;
判断所述第一购买指数是否超过第三预设阈值;
当所述第一购买指数超过第三预设阈值时,根据所述第一关注点优化所述第一最优喜好信息,确定所述第一用户的第六最优喜好信息。
7.一种基于线下店铺优化用户喜好信息的装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一线上店铺的第一用户的第一喜好信息,其中,所述第一线上店铺具有第一线下店铺;
第二获得单元,所述第二获得单元用于获得所述第一用户在所述第一线下店铺的第一购买信息;
第三获得单元,所述第三获得单元用于根据所述第一购买信息获得所述第一用户的第一购买活跃度;
第一判断单元,所述第一判断单元用于判断所述第一购买活跃度是否超过第一预设阈值;
第四获得单元,所述第四获得单元用于当所述第一购买活跃度超过第一预设阈值时,根据所述第一购买信息获得所述第一用户的第一购买特征信息;
第一确定单元,所述第一确定单元用于根据所述第一购买特征信息调整所述第一喜好信息,确定所述第一用户的第一最优喜好信息。
8.一种基于线下店铺优化用户喜好信息的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408756.9A CN111160981B (zh) | 2019-12-31 | 2019-12-31 | 一种基于线下店铺优化用户喜好信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408756.9A CN111160981B (zh) | 2019-12-31 | 2019-12-31 | 一种基于线下店铺优化用户喜好信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160981A CN111160981A (zh) | 2020-05-15 |
CN111160981B true CN111160981B (zh) | 2022-11-18 |
Family
ID=70559701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911408756.9A Active CN111160981B (zh) | 2019-12-31 | 2019-12-31 | 一种基于线下店铺优化用户喜好信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160981B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296329A (zh) * | 2015-06-09 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 业务对象信息处理、凭证信息处理方法及装置 |
CN108876488A (zh) * | 2018-08-30 | 2018-11-23 | 尹庆伟 | 一种数据处理方法和装置 |
CN109658152A (zh) * | 2018-12-21 | 2019-04-19 | 重庆锐云科技有限公司 | 房地产营销广告投放方法、装置、服务器 |
-
2019
- 2019-12-31 CN CN201911408756.9A patent/CN111160981B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296329A (zh) * | 2015-06-09 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 业务对象信息处理、凭证信息处理方法及装置 |
CN108876488A (zh) * | 2018-08-30 | 2018-11-23 | 尹庆伟 | 一种数据处理方法和装置 |
CN109658152A (zh) * | 2018-12-21 | 2019-04-19 | 重庆锐云科技有限公司 | 房地产营销广告投放方法、装置、服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN111160981A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6857638B2 (ja) | ユーザの身体的特徴に基づいた推薦システム | |
Wong et al. | Intelligent product cross-selling system with radio frequency identification technology for retailing | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
CN109993595A (zh) | 个性化推荐商品及服务的方法、系统及设备 | |
CN110910179B (zh) | 一种拼团营销方法和装置 | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
CN110751537A (zh) | 一种基于线上线下的智能营销方法和装置 | |
CN110782259A (zh) | 一种会员等级管理方法和装置 | |
Liao et al. | Big data analysis on the business process and management for the store layout and bundling sales | |
CN108229997A (zh) | 一种互联网购物促销的方法和系统 | |
US20200320468A1 (en) | Computer System for Optimizing Garment Inventory of Retailer Based on Shapes of Users | |
CN110807691B (zh) | 一种跨商品品类的商品推荐方法和装置 | |
US11321887B2 (en) | Article design | |
CN111160981B (zh) | 一种基于线下店铺优化用户喜好信息的方法和装置 | |
CN110781399A (zh) | 一种跨平台的信息推送方法和装置 | |
CN110992095B (zh) | 一种消费者画像生成方法和装置 | |
CN111178974B (zh) | 一种提高多平台融合性的方法和装置 | |
CN110738521B (zh) | 一种多电商品牌的客户销售方法和装置 | |
US20210304233A1 (en) | Method and system for real-time prediction of one or more aspects associated with fashion retailer | |
CN111178968B (zh) | 一种线上店铺与线下店铺的营销方法和装置 | |
CN110782325B (zh) | 一种会员信息的推荐方法和装置 | |
CN112085561A (zh) | 一种基于大数据的云平台电子商务数据处理方法和系统 | |
Wong et al. | Intelligent apparel product cross-selling using radio frequency identification (RFID) technology for fashion retailing | |
CN111192112A (zh) | 一种多平台的交互方法和装置 | |
CN110969435B (zh) | 一种基于线下进店行为的电子凭证推送方法和装置 |
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 |