CN112085549A - 一种基于数据处理技术的电商平台用商品推荐方法 - Google Patents
一种基于数据处理技术的电商平台用商品推荐方法 Download PDFInfo
- Publication number
- CN112085549A CN112085549A CN201910516376.0A CN201910516376A CN112085549A CN 112085549 A CN112085549 A CN 112085549A CN 201910516376 A CN201910516376 A CN 201910516376A CN 112085549 A CN112085549 A CN 112085549A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- analysis
- record
- commerce platform
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
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
本发明公开了一种基于数据处理技术的电商平台用商品推荐方法,能够对用户信息进行收集,包括其购物车中未购买的商品记录、历史购买记录、历史评价记录等,并且对以上收集的用户信息进行数据分析处理,数据分析处理包括A、B、C、D四组分析,通过A和B两组分析得出第一商品种类和第二商品种类,再通过C和D两组分析对以上两种商品种类进行筛选和限制,并得出最终推荐商品,而且能够在用户好友的电商平台主页面上推荐出与该用户的最终推荐商品相同或相似的商品。本发明能够过对收集的用户信息进行分析得出用户最可能购买的商品,并及时对其进行推荐,从而引导客户的购买行为,促成交易的达成,进而能够在一定程度上促进电商平台的发展。
Description
技术领域
本发明涉及电商平台商品推荐方法技术领域,特别是涉及一种基于数据处理技术的电商平台用商品推荐方法。
背景技术
电子商务的蓬勃发展为用户提供了丰富的可选商品,以淘宝为例,仅呢大衣就有四百万件以上,在这种情况下,用户如何在网上找到自己心仪的商品已经成为了一个不小的难题。目前各类电子商务网站为迎合用户的需求不断改进系统的功能,力图缩短用户查寻商品的时间,方便用户选购商品,优化用户体验,进而提高用户对网站的忠诚度,提升用户从点击到购买的转化率。其中较为有效的当属商品个性化推荐系统。
所谓商品个性化推荐系统是指电子商务网站通过商品智能推荐系统向用户提供商品推荐服务。其工作原理是电子商务网站通过统计客户对某类商品的浏览时间、点击频率、购买经历、咨询次数、网页的收藏数量等信息分析客户的购买心理、个人喜好和习惯,从而预测客户的购买倾向,及时向客户推荐相关的商品和信息,引导客户的购买行为,积极促成交易的达成。正是因为这个原因,近年来对商品智能推荐系统的研究得到了业界的广泛关注,如特设计一种依据数据处理得出的商品推荐方法成为了本领域人员亟待解决的技术问题
发明内容
解决的技术问题
针对现有技术的不足,本发明提供了一种基于数据处理技术的电商平台用商品推荐方法,使其能够通过数据处理对用户的信息进行分析,及时的向客户推荐相关的商品和信息。
技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于数据处理技术的电商平台用商品推荐方法,包括以下步骤:
S1、收集用户信息:使web服务器通过日志系统来获取用户的Web页面浏览记录,并对用户的购物车中未购买的商品记录、历史购买记录、历史评价记录和好友列表中的好友ID信息进行获取;
S2、数据分析处理:对S1中收集的用户信息进行分析,包括对用户的Web页面浏览记录进行分析记为A组分析、对用户购物车中未购买的商品记录进行分析记为B组分析,对用户的历史购买记录进行分析记为C组分析、对其历史评价记录进行分析记为D组分析;
S3、商品种类及特性的确定:通过A、B组分析的结果获得用户有购买倾向的第一商品种类,及与所述第一商品种类相关联的第二商品种类;通过C、D组分析的结果得出用户在购买过程中重视的商品特性和价格区间;
S4、用户推荐结果:通过S3中商品特征和价格区间对第一商品种类和第二商品种类进行筛选限制,得出最终推荐商品;
S5、用户好友推荐结果:通过用户好友的ID信息,向所述好友推荐相似的商品。
更进一步地,所述S2中数据分析处理的技术手段包括数据挖掘技术、神经元网络、模型化算法和其他数据信息分析手段。
更进一步地,所述S2中的A组分析能够得出用户的购买意向、B组分析得出用户的购买需求、C组分析能够获得用户的购买能力及消费水平、D组分析获得用户在消费过程中重视的商品特性,所述所述商品特性包括商品的价格定位区间、商品的质量、商品的使用寿命及商品的适用人群等。
更进一步地,所述S3中的第一商品种类为用户有直接购买倾向的种类,所述第二商品种类为与第一商品种类相关联的商品种类,所述关联包括其适用环境相同或其适用人群相同等。
更进一步地,所述S4的推荐结果中依据第一商品种类得出的最终推荐商品所占的比例大于依据第二商品种类得出的最终推荐商品。
更进一步地,所述S5中的用户好友推荐结果,就是在所述好友的电商平台主页面上推荐出与所述用户的最终推荐商品相同或相似的商品。
与现有技术相比,本发明实现的有益效果:本发明通过对收集的用户信息进行分析,能够依据用户的历史购买记录、评价记录、等相关信息得出用户有购买倾向的商品,然后在依据分析对商品的种类和特性进行筛选限制,从而能够得出用户最可能购买的商品,并及时对其进行推荐,从而能够引导客户的购买行为,积极促成交易的达成,进而能够在一定程度上促进电商平台的发展,产生积极影响。
附图说明
以下结合附图和具体实施方式来进一步详细说明本发明:
图1为本发明的方法步骤流程图;
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1
本实施例的一种基于数据处理技术的电商平台用商品推荐方法,参照附图1:包括以下步骤:
S1、收集用户信息:使web服务器通过日志系统来获取用户的Web页面浏览记录,并对用户的购物车中未购买的商品记录、历史购买记录、历史评价记录和好友列表中的好友ID信息进行获取;
S2、数据分析处理:对S1中收集的用户信息进行分析,包括对用户的Web页面浏览记录进行分析记为A组分析、对用户购物车中未购买的商品记录进行分析记为B组分析,对用户的历史购买记录进行分析记为C组分析、对其历史评价记录进行分析记为D组分析;
S3、商品种类及特性的确定:通过A、B组分析的结果获得用户有购买倾向的第一商品种类,及与第一商品种类相关联的第二商品种类;通过C、D组分析的结果得出用户在购买过程中重视的商品特性和价格区间;
S4、用户推荐结果:通过S3中商品特征和价格区间对第一商品种类和第二商品种类进行筛选限制,得出最终推荐商品;
S5、用户好友推荐结果:通过用户好友的ID信息,向好友推荐相似的商品。
其中,S2中数据分析处理的技术手段包括数据挖掘技术、神经元网络、模型化算法和其他数据信息分析手段;S2中的A组分析能够得出用户的购买意向、B组分析得出用户的购买需求、C组分析能够获得用户的购买能力及消费水平、D组分析获得用户在消费过程中重视的商品特性,商品特性包括商品的价格定位区间、商品的质量、商品的使用寿命及商品的适用人群等;S3中的第一商品种类为用户有直接购买倾向的种类,第二商品种类为与第一商品种类相关联的商品种类,关联包括其适用环境相同或其适用人群相同等;S4的推荐结果中依据第一商品种类得出的最终推荐商品所占的比例大于依据第二商品种类得出的最终推荐商品;S5中的用户好友推荐结果,就是在好友的电商平台主页面上推荐出与用户的最终推荐商品相同或相似的商品。
使用时,首先对用户信息进行收集,包括其购物车中未购买的商品记录、历史购买记录、历史评价记录等,然后对以上收集的用户信息进行数据分析处理,数据分析处理包括A、B、C、D四组分析,通过A和B两组分析得出第一商品种类和第二商品种类,再通过C和D两组分析对以上两种商品种类进行筛选和限制,并得出最终推荐商品,最后在用户好友的电商平台主页面上推荐出与该用户的最终推荐商品相同或相似的商品。本发明能够过对收集的用户信息进行分析得出用户最可能购买的商品,并及时对其进行推荐,从而引导客户的购买行为,积极促成交易的达成,进而能够在一定程度上促进电商平台的发展,产生积极影响。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
Claims (6)
1.一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,包括以下步骤:
S1、收集用户信息:使web服务器通过日志系统来获取用户的Web页面浏览记录,并对用户的购物车中未购买的商品记录、历史购买记录、历史评价记录和好友列表中的好友ID信息进行获取;
S2、数据分析处理:对S1中收集的用户信息进行分析,包括对用户的Web页面浏览记录进行分析记为A组分析、对用户购物车中未购买的商品记录进行分析记为B组分析,对用户的历史购买记录进行分析记为C组分析、对其历史评价记录进行分析记为D组分析;
S3、商品种类及特性的确定:通过A、B组分析的结果获得用户有购买倾向的第一商品种类,及与所述第一商品种类相关联的第二商品种类;通过C、D组分析的结果得出用户在购买过程中重视的商品特性和价格区间;
S4、用户推荐结果:通过S3中商品特征和价格区间对第一商品种类和第二商品种类进行筛选限制,得出最终推荐商品;
S5、用户好友推荐结果:通过用户好友的ID信息,向所述好友推荐相似的商品。
2.根据权利要求1所述的一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,所述S2中数据分析处理的技术手段包括数据挖掘技术、神经元网络、模型化算法和其他数据信息分析手段。
3.根据权利要求1所述的一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,所述S2中的A组分析能够得出用户的购买意向、B组分析得出用户的购买需求、C组分析能够获得用户的购买能力及消费水平、D组分析获得用户在消费过程中重视的商品特性,所述所述商品特性包括商品的价格定位区间、商品的质量、商品的使用寿命及商品的适用人群等。
4.根据权利要求1所述的一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,所述S3中的第一商品种类为用户有直接购买倾向的种类,所述第二商品种类为与第一商品种类相关联的商品种类,所述关联包括其适用环境相同或其适用人群相同等。
5.根据权利要求1所述的一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,所述S4的推荐结果中依据第一商品种类得出的最终推荐商品所占的比例大于依据第二商品种类得出的最终推荐商品。
6.根据权利要求1所述的一种基于数据处理技术的电商平台用商品推荐方法,其特征在于,所述S5中的用户好友推荐结果,就是在所述好友的电商平台主页面上推荐出与所述用户的最终推荐商品相同或相似的商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516376.0A CN112085549A (zh) | 2019-06-14 | 2019-06-14 | 一种基于数据处理技术的电商平台用商品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516376.0A CN112085549A (zh) | 2019-06-14 | 2019-06-14 | 一种基于数据处理技术的电商平台用商品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085549A true CN112085549A (zh) | 2020-12-15 |
Family
ID=73733993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516376.0A Pending CN112085549A (zh) | 2019-06-14 | 2019-06-14 | 一种基于数据处理技术的电商平台用商品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085549A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648391A (zh) * | 2022-05-18 | 2022-06-21 | 湖南工商大学 | 一种网购信息推荐方法 |
CN116029798A (zh) * | 2023-03-22 | 2023-04-28 | 北京新发地农产品网络配送中心有限责任公司 | 一种用户需求推荐方法、系统、电子设备和可读存储介质 |
CN117132368A (zh) * | 2023-10-26 | 2023-11-28 | 深圳企域数字科技有限公司 | 一种基于ai的新媒体智能营销平台 |
CN117522528A (zh) * | 2024-01-04 | 2024-02-06 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
-
2019
- 2019-06-14 CN CN201910516376.0A patent/CN112085549A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648391A (zh) * | 2022-05-18 | 2022-06-21 | 湖南工商大学 | 一种网购信息推荐方法 |
CN114648391B (zh) * | 2022-05-18 | 2022-08-12 | 湖南工商大学 | 一种网购信息推荐方法 |
CN116029798A (zh) * | 2023-03-22 | 2023-04-28 | 北京新发地农产品网络配送中心有限责任公司 | 一种用户需求推荐方法、系统、电子设备和可读存储介质 |
CN117132368A (zh) * | 2023-10-26 | 2023-11-28 | 深圳企域数字科技有限公司 | 一种基于ai的新媒体智能营销平台 |
CN117132368B (zh) * | 2023-10-26 | 2024-01-30 | 深圳企域数字科技有限公司 | 一种基于ai的新媒体智能营销平台 |
CN117522528A (zh) * | 2024-01-04 | 2024-02-06 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
CN117522528B (zh) * | 2024-01-04 | 2024-03-12 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
See-To et al. | Customer reviews for demand distribution and sales nowcasting: a big data approach | |
US10909608B2 (en) | Merchant recommendations associated with a persona | |
Lo et al. | Understanding behaviors that lead to purchasing: A case study of pinterest | |
Liu et al. | Online purchaser segmentation and promotion strategy selection: evidence from Chinese E-commerce market | |
JP5960887B1 (ja) | 算出装置、算出方法及び算出プログラム | |
US7577579B2 (en) | Method of predicting sales based on triple-axis mapping of customer value | |
Bawm et al. | A Conceptual Model for effective email marketing | |
CN112085549A (zh) | 一种基于数据处理技术的电商平台用商品推荐方法 | |
Sılahtaroğlu et al. | Analysis and prediction of Ε-customers' behavior by mining clickstream data | |
US20160140656A1 (en) | Evaluation device, evaluation method, and non-transitory computer readable storage medium | |
JP5852218B1 (ja) | 生成装置、生成方法及び生成プログラム | |
CN102663626A (zh) | 基于区域特征的协同过滤推荐方法 | |
KR102343474B1 (ko) | 실구매에 기반한 바이럴 마케팅을 이용한 쇼핑몰 서비스 제공 시스템 | |
JP6709775B2 (ja) | 算出装置、算出方法及び算出プログラム | |
CN110634015A (zh) | 一种基于计算机软件的消费习惯分析系统 | |
Altunan et al. | A data mining approach to predict E-Commerce customer behaviour | |
Munnia et al. | Big data, predictive marketing and churn management in the IoT era | |
KR101026544B1 (ko) | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 | |
JP6329284B2 (ja) | 生成装置、生成方法及び生成プログラム | |
JP6297534B2 (ja) | 生成装置、生成方法及び生成プログラム | |
Kim et al. | Recommender systems using SVD with social network information | |
CN105590234A (zh) | 一种向目标用户推荐商品的方法和系统 | |
JP6152215B2 (ja) | 算出装置、算出方法及び算出プログラム | |
JP6067169B2 (ja) | 算出装置、算出方法及び算出プログラム | |
Somya et al. | A novel approach to collect and analyze market customer behavior data on online shop |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201215 |