CN112215657A - 一种推荐商品确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例提供的一种推荐商品确定方法、装置、电子设备及存储介质，获取用户的线上商品浏览行为信息和线下商品浏览行为信息，根据线下商品浏览行为信息确定与用户对应的目标商品品类，根据线上商品浏览行为信息确定目标商品品类中的目标商品，将所述目标商品作为与所述用户对应的推荐商品。通过用户的线下行为信息与线上行为信息相结合的方式，综合分析用户意图和需求，做到更精准的商品推荐。

Description

一种推荐商品确定方法、装置、电子设备及存储介质

技术领域

本申请涉及商品推荐领域，尤其涉及一种推荐商品确定方法、装置、电子设备及存储介质。

背景技术

在当前，大部分的线下门店对于不同的客群提供完全一样的服务。整个销售过程中，店员只能根据与客户短短的交谈内容对客户进行人为分析，确定客户的需求，然后根据客户的需求向客户推荐商品，但是仅通过简单的交谈来确定客户的需求难免会存在误判，导致无法快速、准确的抓住客户的真实需求，从而使得向客户推荐的商品不符合客户的需求，最终流失掉一些潜在客户。

发明内容

为了解决现有通过交谈的方式确定客户需求，导致推荐的商品不准确的技术问题，本申请提供了一种推荐商品确定方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种推荐商品确定方法，包括：

获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

将所述目标商品作为与所述用户对应的推荐商品。

在一种可能的实现方式中，所述获取用户的线下商品浏览信息包括：

获取下述至少一种信息作为所述用户的线下商品信息：

预设时间内到达各预设区域的次数、预设时间内在各预设区域内的停留时长、预设时间内在各预设区域内的表情信息。

在一种可能的实现方式中，所述根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类，包括：

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数，则确定预设时间内所述用户到达次数最多的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内在各预设区域内停留的时长，则确定预设时间内所述用户停留时长最长的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内到达次数最多的候选区域对应的商品品类作为目标商品品类；

若所述用户的商品浏览行为信息包含预设时间内在各预设区域内的停留时长和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内停留时长最长的候选区域对应的商品品类作为目标商品品类。

在一种可能的实现方式中，所述获取用户的线上商品浏览行为信息，包括：

获取与所述用户对应的基本信息；

从预设的线上信息库中获取预先存储的与所述基本信息对应的线上商品浏览行为信息，作为所述用户的线上商品浏览行为信息。

在一种可能的实现方式中，所述获取与所述用户对应的基本信息，包括：

确定所述用户是否是首次到店；

若所述用户非首次到店，则从预先构建的基本信息库中获取所述用户的基本信息；

若所述用户首次到店，则获取输入的所述用户的基本信息，并将所述基本信息存储至预设的基本信息库中。

在一种可能的实现方式中，所述确定所述用户是否是首次到店，包括：

采集所述用户的人脸图像；

将所述人脸图像与预先构建的人脸图像库中的人脸进行匹配；

若所述人脸图像与所述人脸图像库中的人脸图像相匹配，则确定所述用户不是首次到店；

若所述人脸图像与所述人脸图像库中的人脸图像不相匹配，则确定所述用户是首次到店。

在一种可能的实现方式中，根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品，包括；

根据所述线上商品浏览行为信息确定候选商品；

计算所述目标商品品类中包含的各商品与所述候选商品之间的相似度；

从所述目标商品品类中包含的商品中选取相似度满足预设条件的商品作为目标商品。

第二方面，本申请实施例还提供了一种推荐商品确定装置，包括：

获取模块，用于获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

品类确定模块，用于根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

目标商品确定模块，用于根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

推荐商品确定模块，用于将所述目标商品作为与所述用户对应的推荐商品。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的数据处理程序，以实现第一方面所述的推荐商品确定方法。

第四方面，本申请实施例还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面所述的推荐商品确定方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的一种推荐商品确定方法，获取用户的线上商品浏览行为信息和线下商品浏览行为信息，根据线下商品浏览行为信息确定与用户对应的目标商品品类，根据线上商品浏览行为信息确定目标商品品类中的目标商品，将所述目标商品作为与所述用户对应的推荐商品。通过用户的线下行为信息与线上行为信息相结合的方式，综合分析用户意图和需求，做到更精准的商品推荐。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种推荐商品确定方法的流程图；

图2为本申请实施例提供的一种S13的实现流程图；

图3为本申请实施例提供的一种推荐商品确定方法的流程图；

图4为本申请实施例提供的一种推荐商品确定装置的框图；

图5为本申请实施例提供的一种电子设备的示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有的线下门店，通常通过导购与用户交谈来确定用户需求，进而向用户推荐相应的商品，这种方式不不止效率低下，而且通常推荐的商品也不符合用户的真实需求，导致用户体验差。

为了解决上述问题，本申请提供了一种推荐商品确定方法，该方法将用户的线下行为与线上行为相结合，来分析用户的需求，进而根据需求向用户推荐商品，使得最终推荐的商品更加符合用户的真实需求。

图1为本申请实施例提供的一种推荐商品确定方法的流程图，如图1所示，该方法可以包括如下步骤：

S11.获取用户的线上商品浏览行为信息和线下商品浏览行为信息。

其中线上商品浏览行为信息指用户使用线上产品例如购物软件、浏览器等产品时产生的行为数据，线下商品浏览行为信息指用户在线下门店购物时的行为数据。

在一实施例中，用户的线下商品浏览信息可以包括下述信息中的至少一种：预设时间内到达各预设区域的次数、预设时间内在各预设区域内的停留时长、预设时间内在各预设区域内的表情信息等，其中预设时间为根据需求设定的时间区间，例如进店5分钟，比如用户13:00进店，则预设时间就是13:00到13:05这段时间。

在一实现方式中，可以在用户身上设置定位装置(例如GPS定位装置、蓝牙定位装置、WiFi定位装置等)，根据定位装置确定用户的位置信息，并预先根据需求对线下门店进行区域划分，将门店划分为多个预设区域，例如根据商品品类进行区域划分，不同的预设区域对应不同的商品品类，并预先存储各预设区域的位置信息，从而根据预设区域的位置信息和用户的位置信息即可确定用户所在的预设区域。

在一实现方式中，还可以为各预设区域分别设置定时装置，当用户进入某一预设区域时，该预设区域对应的定时装置开始启动，当用户离开后，该定时装置关闭，从而可以获取到用户在各预设区域的停留时间。

在一实现方式中，可以在各预设区域分别设置图像采集装置，通过图像采集装置获取用户的人脸图像，然后通过图像分析技术确定用户的表情信息。

在一实施例中，用户的线上商品浏览行为信息可以包括下述信息中的至少一种：商品收藏信息、商品浏览信息、商品购买信息、商品售后信息。至于用户的线上商品浏览行为信息是如何获取的，在下文中进行描述，此处先不详述。

S12.根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类。

在一实施中，线下门店的预设区域根据商品品类进行划分，因此可以根据线下商品浏览行为信息确定满足预设条件的预设区域作为目标预设区域，进而确定目标预设区域对应的商品品类为目标商品品类，其中预设条件可以为根据需求设定的条件，例如预设时间内达到次数最多、预设时间内停留时间最长等，根据线下商品浏览行为信息包含的信息不同，对应的预设条件也不同。

例如：若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数，则确定预设时间内所述用户到达次数最多的预设区域为目标预设区域，并确定目标预设区域对应的商品品类作为目标商品品类。

若所述线下商品浏览行为信息包含预设时间内在各预设区域内停留的时长，则确定预设时间内所述用户停留时长最长的预设区域为目标预设区域，并确定目标预设区域对应的商品品类作为目标商品品类。

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内到达次数最多的候选区域为目标预设区域，并确定目标预设区域对应的商品品类作为目标商品品类。

若所述用户的商品浏览行为信息包含预设时间内在各预设区域内的停留时长和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内停留时长最长的候选区域为目标预设区域，并确定目标预设区域对应的商品品类作为目标商品品类。

S13.根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品。

在一实施例中，一个商品品类中通常会包含个商品，因为为了更精准的向用户推向，将线下信息与线上信息进行结合，在利用线下商品浏览行为信息确定出目标商品品类后，在根据用户的线上信息也就是线上商品浏览行为信息从目标商品品类中确定出更加符合用户需求的目标商品，至于是如何根据线上商品浏览行为信息确定所述目标商品品类中的目标商品的，在下文中进行描述，此处先不详述。

S14.将所述目标商品作为与所述用户对应的推荐商品。

确定出推荐商品后，可以在线下通过线下门店中的导购人员或门店内设置的导购设备(例如导购屏幕)将推荐商品推荐给用户，也可以在线上通过邮件、短信、线上平台展示、浏览器弹窗等方式将推荐商品推荐给用户。

本申请实施例提供的一种推荐商品确定方法，获取用户的线上商品浏览行为信息和线下商品浏览行为信息，根据线下商品浏览行为信息确定与用户对应的目标商品品类，根据线上商品浏览行为信息确定目标商品品类中的目标商品，将所述目标商品作为与所述用户对应的推荐商品。通过用户的线下行为信息与线上行为信息相结合的方式，综合分析用户意图和需求，做到更精准的商品推荐。

在上述实施例的基础上，S11获取用户的线上商品浏览行为信息，可以采用下述方式：

获取与所述用户对应的基本信息，从预设的线上信息库中获取预先存储的与所述基本信息对应的线上商品浏览行为信息，作为所述用户的线上商品浏览行为信息。

在一实施例中，因为此处获取用户基本信息的目的是根据基本信息从线上信息库中存储的众多线上信息中获取与用户对应的线上信息，因此所述基本信息必须是可以体现用户独有特征的信息，以保证根据用户的基本信息可以准确的确定出唯一的用户，这样才能保证最终获取的线上商品浏览行为信息的准确性，例如基本信息可以为下述信息中的一种或几种：手机号、微信号、会员号、人脸图像、姓名等等。因为不同的用户有时可能会存在相同特征，比如姓名相同，所以优选的，可以选取至少两种信息作为用户基本信息，因为基本信息中包含的信息种类越多，则根据基本信息获取的线上商品浏览行为信息更准确，

在一实施例中，线上商品浏览行为信息指的是用户在使用线上平台时产生的信息，例如线上商品浏览行为信息可以包括下述信息中一种或几种：商品收藏信息、商品浏览信息、商品购买信息、商品售后信息等，其中商品收藏信息就是用户在线上平台中收藏的商品，商品浏览信息就是用户在线上平台中浏览过的商品，商品购买信息就是用户在线上平台中购买过的商品，商品售后信息则为用户对各商品的安装售后记录。

因为通常用户的线上平台账号(线上平台可以为与线下门店对应的线上平台)，通常都会与用户的基本信息(例如手机号、微信号等)相关联，所以在确定了用户的基本信息后，既可以确定出用户相关的账号，预先构建线上信息库，线上信息库中存储线上平台中各用户的行为日志，和各用户的相关购物记录等，所以根据用户基本信息即可确定用户对应的行为日志和购物记录等信息，通过大数据分析等方式对行为日志和购物记录等信息进行处理，即可获取到与用户对应的商品浏览信息、商品收藏信息、商品购买信息和商品售后信息等等，为了使得最终得到的推荐商品更加符合用户现在的需求，可以获取预设时间段内(例如近一周内)的商品浏览信息、商品收藏信息、商品购买信息和/或商品售后信息等作为用户的线上商品浏览行为信息。

在本实施例中，根据用户的基本信息获取用户的线上商品浏览行为信息方便快速。

在一实施例中，可以通过下述方式获取用户的基本信息：

确定所述用户是否是首次到店，若所述用户不是首次到店，则从预先构建的基本信息库中获取与所述用户对应的基本信息，若所述用户是首次到店，则获取输入的所述用户的基本信息，并建立所述用户与所述基本信息之间的对应关系，将所述对应关系存储至预设的基本信息库中。

其中，基本信息库为预先设置的用于存储用户基本信息的数据库，当用户首次到店时，用户可以扫描店中设置的二维码(例如商品二维码、门店二维码、抽奖二维码、小程序二维码等)，当用户扫描二维码后，向用户请求获取微信号、手机号等基本信息权限，在用户授权后，后台即可获取到用户的微信号、手机号等，至于一些无法通过扫码获取的信息，例如用户的人脸图像、姓名、会员号等信息，则可以由用户在预设界面(例如用户基本信息录入界面)中直接输入，或者用户告知店内的工作人员后，由工作人员进行输入，从而即可获取到输入的基本信息，在获取到用户的基本信息后，为了方便随时使用和查看，可避免用户下次到店后重复录入信息，将用户的基本信息进行存储，存储至基本信息库。

在一实施例中，用户的基本信息中还可以包含地址信息，在获取到用户的基本信息后，还可以将用户的地址信息、手机号、微信号等基本信息关联到线上平台，这样可以根据上述信息向用户发送小礼品、或为用户提供送货服务、并且线上平台还可以将一些优惠活动等信息以短信的形式推送给用户，从而打通用户渠道。

在一实施例中，将用户的基本信息存储至基本信息库中，为了方便查找，可以为用户的基本信息设置用户标签，例如将用户的人脸图像等具有唯一性的信息作为标签。因为用户在首次到店时已经完善了基本信息并进行存储到了基本信息库中，所以当用户非首次到店时，可以直接从基本信息库中获取该用户的基本信息，无需再次询问用户，节省了时间，并且提升了用户体验。在从基本信息库中获取基本信息时，先根据基本信息设置的用户标签的类型获取用户的相关信息，例如，若用户标签为人脸图像，则在用户进店时采集用户的人脸图像，若用户标签为用户会员号，则在用户进店时获取用户的会员号，然后将获取的相关信息与基本信息库中各基本信息的用户标签进行比对，将用户标签与获取的相关信息相匹配的基本信息作为该进店用户的基本信息。

在一实施例中，可以采用下述方式确定用户是否是首次到店：

采集用户的人脸图像，将所述人脸图像与预先构建的人脸图像库中的人脸进行匹配；若所述人脸图像与所述人脸图像库中的人脸图像相匹配，则确定所述用户不是首次到店；若所述人脸图像与所述人脸图像库中的人脸图像不相匹配，则确定所述用户是首次到店。

其中预先构建的人脸图像库中包含的人脸图像均是到过店的用户的人脸图像。

在一实现方式中，可以在门店中设置图像采集装置，当用户到店后采集用户的人脸图像，并存储至人脸图像库中，为了避免人脸图像库中存储大量重复的人脸图像，导致占用过多空间，在将采集的人脸图像存储至人脸图像库之前，将采集的人脸图像与人脸图像库中的人脸图像进行比对，若比对到相匹配的人脸则不存储该采集到的人脸，或存储该采集到的人脸，并将人脸图像库中与其相匹配的人脸图像删除。

因为人脸图像库中通常会有多张人脸图像，所以当人脸图像库中有至少一张人脸图像与采集到的人脸图像相匹配时，就确定采集到的人脸图像与人脸图像库中的人脸图像相匹配，若人脸图像库中不存在与采集到的人脸图像相匹配的人脸图像，则确定采集到的人脸图像与所述人脸图像库中的人脸图像不相匹配。

在本实施例中，在用户首次到店时获取用户的基本信息并将基本信息存储到基本信息库中，便于随时使用和查看，且利于与线上平台进行关联，打通线下、线上数据闭环，便于数据的整合和分析。

在上述任一实施例的基础上，如图2所示，S13根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品，可以包括；

S131.根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类。

在一实施例中，若线上商品浏览行为信息中包含商品浏览信息和商品收藏信息，则可以根据商品浏览信息和商品收藏信息确定候选商品。

例如确定用户近一周内收藏的且浏览次数大于预设次数阈值的商品作为候选商品等。

S132.计算所述目标商品品类中包含的各商品与所述候选商品之间的相似度。

在一实施例中，由于各个商品在上线时建立过商品属性表(商品画像信息)，所以本申请可以使用基于内容的推荐算法，根据商品画像利用相似度算法计算目标商品品类中的商品与候选商品的相似度。

具体的计算所述目标商品品类中包含的各商品与所述候选商品之间的相似度，可以包括：

获取候选商品与目标商品品类中各商品的商品画像信息，因为一个商品的商品画像信息中通常会包含多类信息，例如商品成分、商品名称、商品厂商、商品功效、商品使用方法等等，所以针对目标商品品类中的每一个商品，分别计算将该商品与候选商品的各类信息的相似度，比如计算商品成分的相似度、商品名称的相似度、商品功效的相似度等等，然后将得到的各类信息的相似度相加，将相加得到的结果作为该商品与候选商品的相似度，以此类推，计算出目标商品品类中所有商品与候选商品的相似度。

在一实施例中，可以采用余弦相似度算法计算各类信息的相似度，余弦相似度的计算公式如下：

余弦相似度算法为现有的成熟算法，因此计算过程本实施例不再详述。

S133.从所述目标商品品类中包含的商品中选取相似度满足预设条件的商品作为目标商品。

在一实施例中，可以将预设条件设置为相似度大于阈值，其中相似度阈值可以根据需求设定。因为与候选商品相似度越大，说明越符合用户的需求，所以选取相似度大于相似度阈值的商品作为目标商品更满足用户的需求。

在一实施例中，预设条件还可以为相似度排在前n位，其中n的值可以根据需求设定。按照相似度由高到低的顺序对目标商品品类中的商品进行排序，将排在前n位的商品作为目标商品，因为与候选商品相似度越大，说明越符合用户的需求，所以排序越靠前的商品越符合用户需求。

在一实施例中，还可以根据排序结果依次选取目标商品作为推荐商品向用户进行推荐，通过相似度由高到低的顺序先用户推荐商品，保证相似度最大的商品最早推荐给用户，进而可以使得用户更早的找到自己想要的商品。

在本实施例中，根据用户的线上商品浏览行为信息确定用户想要购买的候选商品，从目标商品品类中选取与候选商品相似的商品作为推荐商品推荐给用户，保证了推荐给用户的商品更符合用户的需求。

在上述实施例的基础上，线上商品浏览行为信息中还包括商品购买信息，则在执行S132之前，还包括：

根据商品购买信息确定目标时间段内是否购买过候选商品，若购买过，则获取用户的用户标签类(例如职业、年龄、爱好等)，确定此用户标签类的其他用户最近浏览或者购买的商品为推荐商品，并不再执行S132和S133。

其中用户的用户标签类可以通过预设的Elasticsearch标签库，实时获取，而目标时间段也可以根据需求设定，例如近一周。

在上述实施例的基础上，线上商品浏览行为信息中还包括商品售后信息，则在执行S132之前，还包括：

如果有浏览收藏记录，近一周没有购买记录，根据相似度高低排序推荐商品及相应优惠活动，并根据最新的售后记录，判断是否需要清洗保养等服务，对该顾客进行商品售后服务的推荐。

在本实施例中，通过上述方法可以使得最终的推荐商品更符合用户的需求。

在上述任一实施例的基础上，本申请中的数据采集均可以直接使用Hadoop生态圈的Flume组件进行数据的采集，Flume的数据采集就是在做系统的时候进行数据埋点(用户行为监测：点击了哪些商品，在某些页面的停留时长、收藏行为、下单行为、使用设备等)，检测到这些直接使用http协议上报传输，flume通过协议直接实时采集到大数据平台中，少去了中间很多环节。

一个具体的例子：

下面结合附图3对本申请提供的一种推荐商品确定方法进行说明，如图3所示，该方法主要包括：

S31：用户进店，采集到用户人脸图像；

S32：根据人脸图像判断用户是否首次到店，若是，执行S33，否则，执行S34。

S33：获取用户的基本信息并存储，然后执行S34。

其中主要包括：将用户人脸图像上传到人脸图像库中，返回人脸图像的存储路径，将用户到店信息存储至到店记录中。用户进入店内，店内的商品展示终端带有人脸识别设备、商品二维码、抽奖二维码等，用户在扫码授权时可以获取到客户的微信、手机号等信息，为避免遗漏，导购人员在接待时，也会获取该顾客的姓名、微信、手机号、地址信息，由导购人员进行信息的完善或更新。

S34：获取用户的线下商品浏览行为信息。

主要的可以获取用户本次到店到达每个区域的次数和在每个区域滞留的时间，在各个区域的表情等，由于若用户是首次到店，则可能由于其没有在对应的线上平台进行注册导致无法获取到线上商品浏览行为信息，因此若用户是首次到店，则可以执行完S34后直接根据线下商品浏览行为信息确定推荐商品，不再执行S35和S36，但是由于用户有可能在没有到过门店的情况下，已经在相应的线上平台进行了注册，所以在用户首次到店的情况下，执行完S34后可以继续执行S35和S36。

S35：根据用户的基本信息获取用户的线上商品浏览行为信息。

其中线上商品浏览行为信息可以根据用户基本信息获取。

S36.根据户的线下商品浏览行为信息和线上商品浏览行为信息确定用户对应的推荐商品。

设备采集到顾客本次到店到达每个区域的次数和在每个区域滞留的时间等，结合线上服务得到推荐商品，进而可以将推荐商品推荐给用户。

本申请实施例还提供了一种推荐商品确定装置，如图4所示，该装置可以包括：

获取模块401，用于获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

品类确定模块402，用于根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

目标商品确定模块403，用于根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

推荐商品确定模块404，用于将所述目标商品作为与所述用户对应的推荐商品。

在一实施例中，所述获取模块401具体用于：

获取下述至少一种信息作为所述用户的线下商品信息：

预设时间内到达各预设区域的次数、预设时间内在各预设区域内的停留时长、预设时间内在各预设区域内的表情信息。

在一实施例中，所述品类确定模块402具体用于：

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数，则确定预设时间内所述用户到达次数最多的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内在各预设区域内停留的时长，则确定预设时间内所述用户停留时长最长的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内到达次数最多的候选区域对应的商品品类作为目标商品品类；

若所述用户的商品浏览行为信息包含预设时间内在各预设区域内的停留时长和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内停留时长最长的候选区域对应的商品品类作为目标商品品类。

在一实施例中，所述获取模块401具体用于：

获取与所述用户对应的基本信息；

从预设的线上信息库中获取预先存储的与所述基本信息对应的线上商品浏览行为信息，作为所述用户的线上商品浏览行为信息。

其中，用户的基本信息为体现用户的独特特征的信息，例如可以包括下述信息中的一种或多种：手机号、微信号、人脸图像、会员号等，所述线上商品浏览行为信息是用户在使用线上平台时产生的信息，例如可以包括下述信息中的一种或多种：商品收藏信息、商品浏览信息、商品购买信息、商品售后信息等。

在一实施例中，所述获取与所述用户对应的基本信息，包括：

确定所述用户是否是首次到店；

若所述用户非首次到店，则从预先构建的基本信息库中获取所述用户的基本信息；

若所述用户首次到店，则获取输入的所述用户的基本信息，并将所述基本信息存储至预设的基本信息库中。

在一实施例中，所述确定所述用户是否是首次到店，包括：

采集所述用户的人脸图像；

将所述人脸图像与预先构建的人脸图像库中的人脸进行匹配；

若所述人脸图像与所述人脸图像库中的人脸图像相匹配，则确定所述用户不是首次到店；

若所述人脸图像与所述人脸图像库中的人脸图像不相匹配，则确定所述用户是首次到店。

在一实施例中，所述目标商品确定模块403具体用于；

根据所述线上商品浏览行为信息确定候选商品；

计算所述目标商品品类中包含的各商品与所述候选商品之间的相似度；

确定所述目标商品品类中相似度大于预设相似度阈值的商品为目标商品。

在本申请另一实施例中，还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信；

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

将所述目标商品作为与所述用户对应的推荐商品。

上述电子设备提到的通信总线504可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线504可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口502用于上述电子设备与其他设备之间的通信。

存储器503可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器501可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请另一实施例中，还提供了一种存储介质，所述存储介质上存储有推荐商品确定方法程序，所述推荐商品确定方法程序被处理器执行时实现上述任一所述的推荐商品方法的步骤。

本发明实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。

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、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种推荐商品确定方法，其特征在于，包括：

获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

将所述目标商品作为与所述用户对应的推荐商品。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的线下商品浏览信息包括：

获取下述至少一种信息作为所述用户的线下商品信息：

预设时间内到达各预设区域的次数、预设时间内在各预设区域内的停留时长、预设时间内在各预设区域内的表情信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类，包括：

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数，则确定预设时间内所述用户到达次数最多的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内在各预设区域内停留的时长，则确定预设时间内所述用户停留时长最长的预设区域对应的商品品类作为目标商品品类；

若所述线下商品浏览行为信息包含预设时间内到达各预设区域的次数和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内到达次数最多的候选区域对应的商品品类作为目标商品品类；

若所述用户的商品浏览行为信息包含预设时间内在各预设区域内的停留时长和预设时间内在各预设区域内的表情信息，则确定预设时间内所述用户的表情信息为预设表情信息时所在的预设区域为候选区域，并确定所述用户在所述预设时间内停留时长最长的候选区域对应的商品品类作为目标商品品类。

4.根据权利要求1所述的方法，其特征在于，所述获取用户的线上商品浏览行为信息，包括：

获取与所述用户对应的基本信息；

从预设的线上信息库中获取预先存储的与所述基本信息对应的线上商品浏览行为信息，作为所述用户的线上商品浏览行为信息。

5.根据权利要求4所述的方法，其特征在于，所述获取与所述用户对应的基本信息，包括：

确定所述用户是否是首次到店；

若所述用户非首次到店，则从预先构建的基本信息库中获取所述用户的基本信息；

若所述用户首次到店，则获取输入的所述用户的基本信息，并将所述基本信息存储至预设的基本信息库中。

6.根据权利要求5所述的方法，其特征在于，所述确定所述用户是否是首次到店，包括：

采集所述用户的人脸图像；

将所述人脸图像与预先构建的人脸图像库中的人脸进行匹配；

若所述人脸图像与所述人脸图像库中的人脸图像相匹配，则确定所述用户不是首次到店；

若所述人脸图像与所述人脸图像库中的人脸图像不相匹配，则确定所述用户是首次到店。

7.根据权利要求1所述的方法，其特征在于，根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品，包括；

根据所述线上商品浏览行为信息确定候选商品；

计算所述目标商品品类中包含的各商品与所述候选商品之间的相似度；

从所述目标商品品类中包含的商品中选取相似度满足预设条件的商品作为目标商品。

8.一种推荐商品确定装置，其特征在于，包括：

获取模块，用于获取用户的线上商品浏览行为信息和线下商品浏览行为信息；

品类确定模块，用于根据所述线下商品浏览行为信息确定与所述用户对应的目标商品品类；

目标商品确定模块，用于根据所述线上商品浏览行为信息确定所述目标商品品类中的目标商品；

推荐商品确定模块，用于将所述目标商品作为与所述用户对应的推荐商品。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的数据处理程序，以实现权利要求1-7任一所述的推荐商品确定方法。

10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1-7任一所述的推荐商品确定方法。

Images