CN112258260A - 基于用户特征的页面展示方法、装置、介质及电子设备 - Google Patents
基于用户特征的页面展示方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112258260A CN112258260A CN202010819808.8A CN202010819808A CN112258260A CN 112258260 A CN112258260 A CN 112258260A CN 202010819808 A CN202010819808 A CN 202010819808A CN 112258260 A CN112258260 A CN 112258260A
- Authority
- CN
- China
- Prior art keywords
- user
- page
- similarity
- user group
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000013598 vector Substances 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 235000014510 cooky Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0257—User requested
- G06Q30/0258—Registration
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于用户特征的页面展示方法、装置、介质及电子设备,在需要向某个用户进行产品推荐时,获取表示该用户的特征的标签数据,根据该标签数据计算用户与预先得到的多个用户群中每个用户群的相似度,然后基于该相似度选择出多个用户群中与该用户相似度最高的一个或者多个目标用户群,然后获取这些目标用户群对应的页面模块,然后在向用户展示的推荐页面上通过这些页面模块分别推荐产品的信息,每个页面模块中都聚类了一种属性的产品,通过对用户的特征进行考虑,向该用户推荐其最相似的用户群对应的产品,更贴近用户喜好,针对不同的用户可以动态的进行产品推荐,不需要单独制作素材图片,实现简单。
Description
技术领域
本发明涉及大数据分析技术领域,尤其涉及一种基于用户特征的页面展示方法、装置、介质及电子设备。
背景技术
随着互联网技术的快速发展,用户通过网购购买产品也称为日常,在购物网站中存在大量的产品,对于用户来说,筛选比较浪费时间。因此很多购物网站或者网购的应用程序中,均对产品进行了推荐。
目前,对于产品的推荐主要通过落地页进行推荐,大部分的落地页依托于落地页工具进行人工搭建,制作素材图片,选择组件,上传产品sku,调整页面结构,以完成页面搭建得到对应的落地页。在用户打开网页或者应用程序之后,将该落地页进行显示,或者针对订阅了推荐的用户,推送该落地页,向用户进行产品的推荐。
然而,目前的产品推荐方式实现复杂,落地成本较高,并且不同用户需要的产品不同,上述方案中的推荐方式用户还是需要较多时间筛选产品。
发明内容
本发明实施例提供一种基于用户特征的页面展示方法、装置、介质及电子设备,以解决现有技术中的产品推荐方式实现复杂,落地成本较高,用户需要较多时间筛选产品的问题。
第一方面,本发明实施例提供一种基于用户特征的页面展示方法,包括:
获取用户的标签数据,所述标签数据用于表示所述用户的特征;
根据所述标签数据计算所述用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户;
根据所述用户与每个用户群的相似度,获取至少一个目标用户群,所述至少一个目标用户群与所述用户的相似度大于其他用户群与所述用户的相似度;
获取与所述至少一个目标用户群对应的至少一个页面模块;
在所述用户对应的推荐页面上展示所述至少一个页面模块,所述每个页面模块中包括至少一个产品的信息。
在一种具体实施方式中,所述推荐页面上还显示每个页面模块中的产品的聚类属性。
可选的,其中,所述聚类属性至少包括:精选产品,热销产品,好评产品,或者新上线产品。
在一种具体实施方式中,所述根据所述标签数据计算所述用户与预先获取的每个用户群的相似度,包括:
针对每个用户群,采用余弦相似度计算方式计算所述标签数据与所述用户群的特征信息之间的余弦相似度,所述用户与所述用户群的相似度包括所述余弦相似度。
在一种具体实施方式中,所述采用余弦相似度计算方式计算所述标签数据与所述用户群的特征信息之间的余弦相似度,包括:
采用余弦相似度公式:
在一种具体实施方式中,所述根据所述用户与每个用户群的相似度,获取至少一个目标用户群,包括:
将所述用户与每个用户群的相似度从大到小或者从小到大进行排序,从相似度最大的开始获取相似度最大的至少一个目标相似度;
根据所述至少一个目标相似度获取对应的至少一个目标用户群。
在一种具体实施方式中,目标用户群的个数是根据所述推荐页面确定的。
在一种具体实施方式中,所述获取用户的标签数据,包括:
在接收到携带所述用户的身份信息的页面获取请求时,根据所述用户的身份信息,获取所述用户的历史消费数据;
根据所述历史消费数据获取所述用户的标签数据。
在一种具体实施方式中,所述获取用户的标签数据,包括:
根据页面推荐订阅信息中订阅页面推荐的用户的身份信息,获取所述用户的历史消费数据;
根据所述历史消费数据获取所述用户的标签数据。
在一种具体实施方式中,所述方法还包括:
根据所述用户访问的渠道信息,获取与所述渠道信息对应的所述推荐页面,所述推荐页面上能够显示至少一个页面模块。
在另一种具体实施方式中,所述方法还包括:
根据标注的用户数据,获取每个用户的标签特征向量,所述标签特征向量中包括所述用户对应的多个标签;
根据每个用户的特征向量将用户进行聚类,得到多个用户群;
针对每个用户群,根据所述用户群中的每个用户的特征向量,采用CBOW模型,计算得到所述用户群对应的特征信息。
在另一种具体实施方式中,所述方法还包括:
根据多个产品的聚类属性进行页面模块配置,得到多个页面模块;
根据每个用户群的特征信息,建立并存储所述页面模块与用户群之间的映射关系。
在又一种具体实施方式中,所述获取与所述至少一个目标用户群对应的至少一个页面模块,包括:
根据所述页面模块与用户群之间的映射关系,获取与所述至少一个目标用户群对应的至少一个页面模块。
第二方面,本发明实施例提供一种基于用户特征的页面展示装置,包括:
获取模块,用于获取用户的标签数据,所述标签数据用于表示所述用户的特征;
处理模块,用于根据所述标签数据计算所述用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户;
所述处理模块还用于根据所述用户与每个用户群的相似度,获取至少一个目标用户群,所述至少一个目标用户群与所述用户的相似度大于其他用户群与所述用户的相似度;
所述处理模块还用于获取与所述至少一个目标用户群对应的至少一个页面模块;
交互模块,用于在所述用户对应的推荐页面上展示所述至少一个页面模块,所述每个页面模块中包括至少一个产品的信息。
第三方面,本发明实施例提供一种电子设备,包括:
处理器,存储器,以及,接口;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面任一项所述的基于用户特征的页面展示方法。
第四方面,本发明实施例提供一种存储介质,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第一方面任一项所述的基于用户特征的页面展示方法。
本发明实施例提供的基于用户特征的页面展示方法、装置、介质及电子设备,在需要向某个用户进行产品推荐时,获取表示该用户的特征的标签数据,根据该标签数据计算用户与预先得到的多个用户群中每个用户群的相似度,然后基于该相似度选择出多个用户群中与该用户相似度最高的一个或者多个目标用户群,然后获取这些目标用户群对应的页面模块,然后在向用户展示的推荐页面上通过这些页面模块分别推荐产品的信息,每个页面模块中都聚类了一种属性的产品,通过对用户的特征进行考虑,向该用户推荐其最相似的用户群对应的产品,更贴近用户喜好,针对不同的用户可以动态的进行产品推荐,不需要单独制作素材图片,实现简单。
附图说明
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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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基于用户特征的页面展示方法实施例一的流程示意图;
图2为本申请实施例提供的一种推荐页面的示意图;
图3为本申请提供的页面展示的整体架构示意图;
图4为本申请实施例提供的基于用户特征的页面展示方法实施例二的流程示意图;
图5为本申请实施例提供的用户的标签特征向量的One-Hot表征示意图;
图6为本申请实施例提供的word2vec表征用户特征的示意图;
图7为本申请实施例提供的基于用户特征的页面展示方法实施例三的流程示意图;
图8为本申请实施例提供的一种基于用户特征的页面展示装置实施例一的结构示意图;
图9是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在根据本实施例的启示下作出的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着互联网技术的快速发展,广告业务范围也逐步扩大,广告落地页越来越受到人们的关注。广告落地页,也就是向用户展示的页面,也可以称为推荐页面。现有技术中需要对落地页面进行人工搭建,制作素材图片,选择组件,上传产品,调整页面结构,以完成页面搭建得到对应的落地页。
然而,这种产品推荐方式实现复杂,落地成本较高,并且不同用户需要的产品不同,上述方案中的推荐方式用户还是需要较多时间筛选产品。
广告落地页通常是指用户在点击网页或者视频后跳转后的页面,落地页主要是为了向用户推荐合适的产品,方便用户购买产品,并且能够提高出售方的产品交易效率。大数据的不断崛起,为了降低广告主制作落地页的成本,智能落地页逐渐步入大家的视野。每个智能落地页设定页面展示的模块,然后将店铺中的产品(或者产品)进行不同维度的分类,例如从销量、好评、上新等维度分别选取产品,填充至对应的模块,即页面中各楼层的产品根据楼层属性聚合,然后按照预估点击率进行排序,以组成完成的智能落地页,前端的页面渲染和主题配色固定,页面的层级结构和模块的顺序也固定不变。
鉴于上述情况,本申请提供一种基于用户特征的页面展示方法,该方案的核心思路是基于用户的标签数据的智能落地页动态展示技术方案,利用已知的用户对于页面模块的偏向性和获取的用户的特征,还可以基于一些媒体渠道信息的重要因素,完成了向用户的推荐页面的模块层级的动态展示,使得每个用户获取到的推荐页面不再千篇一律,毫无新意的同时,实现了提高了向用户推荐产品的效果,并且采用这种智能的方式,实现过程简单,成本较低,并且还能解决推荐页面难以进行对比实验的难题。
下面,通过几个具体实施方式对本申请提供的基于用户特征的页面展示方案进行详细说明。
本方案可应用在购物网站或者商家的服务器中或者其他的服务平台中,或者还可以应用在能够获取到用户的账号信息以及历史消费记录等历史数据的云端平台,或者其他的电子设备中,对此本方案不做限制。
图1为本申请实施例提供的基于用户特征的页面展示方法实施例一的流程示意图,如图1所示,该基于用户特征的页面展示方法具体包括以下步骤:
S101:获取用户的标签数据,标签数据用于表示用户的特征;
在本步骤中,在需要向用户推荐产品信息时,需要获取该用户的标签数据,也就是能够表示用户特征的一些标签,可以是一个或者多个标签得到的标签数据。一般来说,标签或者特征是一个具体的词语,无法直接进行运算,因此可以将每个词语标识成一个数值型的词向量构成这里的标签数据。
在该方案的具体实现中,可以根据用户的身份信息(例如登陆账号,或者还可以采用cookie信息)获取该用户的一些数据进行画像得到上述标签数据,或者对于未登陆的用户,可以使用device维度画像数据存储表得到上述的标签数据(主要用于站外用户)。
在该方案的另一种具体实现中,如果该方案应用在网页或者是应用程序(例如:购物网站等,购物应用程序等),服务器获取用户标签数据进行页面对推荐至少包括以下几种场景:注册用户订阅了产品推荐,或者页面推荐功能;或者,用户授权允许平台进行产品推荐;或者,或者用户在进入应用程序之后进行的产品推荐等,或者用户从广告投放点击进入推荐页面等。在这几种场景下均需要获取该用户的标签数据。下面对具体获取用户的标签数据进行举例说明:
第一种实现方式,在用户点击了广告或者推送的通知等之后,服务器在接收到携带所述用户的身份信息的页面获取请求时,根据所述用户的身份信息,获取所述用户的历史消费数据,根据所述历史消费数据获取所述用户的标签数据。即在用户的触发下,根据用户的身份信息获取历史消费数据,对该历史消费数据进行分析获取该用户的标签数据。
第二种实现方式,如果用户订阅了推荐信息,在预设的推荐时间到达时,可以根据页面推荐订阅信息中订阅页面推荐的用户的身份信息,获取所述用户的历史消费数据,根据所述历史消费数据获取所述用户的标签数据。与上述类似,也是根据用户的身份信息,获取历史消费数据,从而分析得到该用户的标签数据。
S102:根据标签数据计算用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户。
在本步骤中,在得到了用户的标签数据之后,需要确定该用户与哪个用户群更接近或者属于哪个用户群,以便后续基于用户群选择合适的页面模块向用户推荐产品。
在该方案中,主要通过基于标签数据计算用户与每个用户群的相似度,同一个用户群用来表示一类用户。具体计算中可以根据该用户群的特征信息与标签数据之间计算出最终的相似度的值。
S103:根据用户与每个用户群的相似度,获取至少一个目标用户群,至少一个目标用户群与用户的相似度大于其他用户群与用户的相似度;
在本步骤中,在分别计算出了用户与每个用户群的相似度之后,则需要获取出该用户最相似的一个或者多个用户群作为目标用户群。具体的目标用户群的数量,可以根据推荐页面上能够布局的页面模块的数量决定,具体数量不做限制。
在一种具体实现中,可以将所述用户与每个用户群的相似度从大到小或者从小到大进行排序,从相似度最大的开始获取相似度最大的至少一个目标相似度;根据所述至少一个目标相似度获取对应的至少一个目标用户群。
该方案的含义是从多个用户群中,选择出与该用户相似度最高的一个或者多个用户群作为目标用户群。
S104:获取与至少一个目标用户群对应的至少一个页面模块。
在本步骤中,在得到一个或者多个目标用户群之后,可根据预先确定出的用户群与页面模块之间的关系,确定出这些目标用户群对应的页面模块。其中,页面模块均是与用户群中用户的特征关联的属性页面,例如,某一些用户的消费习惯或者记录可以确定这类用户喜欢好评产品,某一些用户喜欢购买新的产品等等。本方案实现的前提是通过大数据的分析,将用户进行归类也就是分为固定的一些用户群,并将每个用户群中用户的消费历史数据,或者历史浏览数据等进行聚类,并配置对应的页面模块,将页面模块和用户群对应起来。
S105:在用户对应的推荐页面上展示至少一个页面模块,每个页面模块中包括至少一个产品的信息。
在本步骤中,在选择除了至少一个页面模块之后,则可以在向用户推送的推荐页面上展示整这些页面模块,页面模块中包括一个或者多个产品的信息。
可选的,在该方案的具体实现中,首选需要获取该推荐页面,才能够在该推荐页面上展示这些页面模块。一般来说该推荐页面的框架可以是预先配置好的,在使用时候直接读取,将相应的页面模块布局在推荐页面中即可。然而,用户在移动端的应用程序,或者PC端的浏览器,或者其他场景中,最终呈现的推荐页面有所不同,因此,在本步骤的实现中,还需要获取用户的访问渠道,即获取用户的渠道信息。然后根据所述用户访问的渠道信息,获取与所述渠道信息对应的所述推荐页面。应理解,不同的访问渠道获取得到的推荐页面布局和能够布局的页面模块的数量可以相同也可以不同,对此本方案不做限制。
在获取到的页面模块为多个时,在推荐页面上布局这些页面模块时可以按照预设的规则,或者随即布局,最次本方案不做限制。例如,可以按照与该用户的相似度从高到低的顺序,最前面布局相似度最高的目标用户群对应的页面模块,对此本方案不做限制。
在该方案的具体实现中,向不同的用户展示的推荐页面均是不同的,随着用户的消费习惯的改变,这些落地的推荐页面也不是一成不变的,可以实现向用户动态展现页面模块的方案。
图2为本申请实施例提供的一种推荐页面的示意图,如图2所示,在该推荐页面中,总共为用户展示了三个页面模块:页面模块1,页面模块2以及页面模块3,每个页面模块中均可以推荐一个或者一个以上的产品的信息。
可选的,在推荐页面中还可以显示不同的页面模块中的产品的聚类属性,例如图2中示出的精选产品,热销产品,好评产品等等。在该方案的具体应用中聚类属性至少包括:精选产品,热销产品,好评产品,或者新上线产品。还可以通过销量,优惠,限时特价,秒杀,特殊用户专享等等各种属性进行聚类召回,对此本方案不做限制。
本实施例提供的基于用户特征的页面展示方法,在需要向某个用户进行产品推荐时,获取表示该用户的特征的标签数据,根据该标签数据计算用户与预先得到的多个用户群中每个用户群的相似度,然后基于该相似度选择出多个用户群中与该用户相似度最高的一个或者多个目标用户群,然后获取这些目标用户群对应的页面模块,然后在向用户展示的推荐页面上通过这些页面模块分别推荐产品的信息,每个页面模块中都聚类了一种属性的产品,通过对用户的特征进行考虑,向该用户推荐其最相似的用户群对应的产品,更贴近用户喜好,针对不同的用户可以动态的进行产品推荐,不需要单独制作素材图片,实现简单。
在上述实施例的基础上,可知,本方案提供的基于用户特征的页面展示方法中,推荐页面中的页面模块和用户群(也就是用户)之间具有一定的映射关系,用户的标签数据也称为用户画像数据,可以通过表格的形式进行存储,在本申请所有的实施例中,应理解,标签数据,用户画像,用户特征,特征标签,标签,标签向量,或者标签特征向量等词语均是用来表示用户的特征的,只是不同的表示形式,其含义类似,在不用处理过程中需要的数据形式不同。同样的针对用户群,特征向量,特征信息,特征数据等也是用于表示用户群的特征的不同形式,在不同的处理过程中,可匹配合适的形式,本方案不做限制。下面对方案的整体架构进行解释。
图3为本申请提供的页面展示的整体架构示意图,如图3所示,该方案的整个过程中,首先获需要进行推荐的购买用户的身份信息,然后从DMP用户画像数据存储表获取用户标签,也就是上述的标签数据。下一步结合用户的标签数据和渠道特征共同作为该用户的数据表征,计算与每个用户群的相似度,最后根据相似度动态向每个用户展示不同的页面模块。
展示给用户的推荐页面(也就是智能落地页)由多个产品的页面模块组合而成,每个页面模块中的产品根据商家店铺中产品的某种特性进行召回,例如销量、优惠、秒杀、好评、上新、plus专享、产品月度访问次数等特性,分别对应的页面模块如畅销爆款(按照产品销量召回)、限时抢购(具有秒杀和闪购的产品)、特价优惠等等。每一个页面模块有其对应的多种前端界面样式,例如一行一列、一行两列、以及视觉的不同设计(颜色)等。
每个页面模块,都有对应的购买用户人群,可以获取对应页面模块的用户标签(促销敏感度、产品折扣率偏好、产品评价敏感度、秒杀产品偏好、颜色偏好、用户活跃度、性别、年龄、购买力、教育程度等)。比如购买特价优惠模块一行两列样式的产品的主要是中年女性用户,青年男性用户更倾向于购买好评模块的产品。
假设在展示的推荐页面中有N个页面模块,每个页面模块M种样式,则总共有N*M个候选集。记Nm为模块N的样式m,对应的用户群U的特征集合为B={b1,b2,b3,...,bj},bj代表用户的一个特征。
如图3所示,在具体的映射中,获取每个页面模块对应的下单用户的pin(用户账号),与pin维度的用户画像数据存储表进行关联,以此得到该模块的用户群的特征信息。标签特征信息的准确度和质量评估由DMP平台保证。用户群中的每一个特征为该群体用户数量最多的为准。例如该用户群的第一个特征为‘促销不敏感’,则表示该用户群中大多数的用户均对促销不敏感。
在目前的产品推荐场景中,不同渠道的流量情况不一致也会影响用户的偏好,为更好地表征用户特征,进一步提高推荐的概率,还可以基于DMP提供的用户基础标签数据,加入渠道特性因子T。即页面模块N对应的用户群的特征信息为B={b1,b2,b3,...,bj,T}。
具体的用户的数据的表征如下:
图4为本申请实施例提供的基于用户特征的页面展示方法实施例二的流程示意图,如图4所示,在上述实施例的基础上,该基于用户特征的页面展示方法还包括以下步骤:
S201:根据标注的用户数据,获取每个用户的标签特征向量,标签特征向量中包括用户对应的多个标签。
S202:根据每个用户的特征向量将用户进行聚类,得到多个用户群。
在上述步骤中,为了能够对用户进行用户群的聚类,需要大量的标注数据,即需要得到很多用户的标签特征向量才能进行后续处理。
根据标注的用户的标签特征向量,可以将不同的用户进行区分,也就是根据特征进行聚类,得到多个用户群,在得到不同的用户群之后,可以将不同用户群中的用户的特征采用一个特征信息进行表示。
S203:针对每个用户群,根据用户群中的每个用户的特征向量,采用CBOW模型,计算得到用户群对应的特征信息。
在本步骤中,图5为本申请实施例提供的用户的标签特征向量的One-Hot表征示意图,如图5所示,由于用户标签或者特征是一个具体的词语,无法直接进行相似度计算,需要将每个词表示成一个数值型的词向量。设有j个特征,则第一个特征被表示为特征值b_1=[1,0,0,0,0,.....0](One-Hot Vector),第n个特征则在第n为置为1,每个特征表征为j维。则该用户群U的特征被表示为i*j维。
图6为本申请实施例提供的神经网络中的词嵌入模型(word2vec)表征用户特征的示意图。使用上述方式将一个用户群的特征表征为一个非常高维且稀疏的向量,为了将模块Nm对应的用户群U的用户标签B从高维稀疏特征向量向低维稠密特征向量进行转换,可采用神经网络中的word2vec进行处理,如图6所示。由于数据集小,且需要输出特定词的词向量,因此选用连续词袋(Continuous Bag-of-Words,CBOW)模型,训练输入是某一个特征词的上下文相关的词对应的词向量,而输出就是这特定的一个词的词向量。若用户的第j个标签表示为bj,其词向量为uj∈Rd,其中d是低维空间中的用户标签嵌入维数。
其中,C是上下文的特征个数,即w1,w2,…wi是上下文中的特征值,vw是单词w的输入向量。
隐藏层和输出层之间,存在一个不同的矩阵W′,该矩阵的维度是N×V。获得模型训练数据所学得的隐层权重矩阵后,即可计算出每个特征uj的得分:
uj=v′wj Th
v′wj是权重矩阵W′的第j列。损失函数定义为:v
处理的目标是最小化E,j*是真实输出值的索引。对E求偏导获取隐藏层和输出层权重更新方程。
通过上述的方式,可以得到最终的表示每个用户群的特征信息,也就是表示用户群的特征向量,该向量为低维稠密特征向量。本方案对于用户特征使用word2vec模型对用户标签进行表征,不同于直接简单的比对和传统的机器学习方法,可以不断进行迭代更新算法,标签的数据表征使得模块推荐结果更加准确。
图7为本申请实施例提供的基于用户特征的页面展示方法实施例三的流程示意图,如图7所示,在上述图4实施例的基础上,该基于用户特征的页面展示方法还包括以下步骤:
S204:根据多个产品的聚类属性进行页面模块配置,得到多个页面模块。
在本步骤中,上述方案中根据大数据的处理得到不同用户群的特征信息。为了实现针对不同用户群的动态的产品推荐,需要配置与不同的用户群对应的页面模块。
该方案的具体实现中,可以通过获取每个用户群中的用户在一段时间内的历史消费数据,或者是所有的消费数据,通过对用户购买的产品进行分析,确定一个用户群中的用户购买产品的主要属性特征,得到该用户群最容易购买的产品的属性,根据该属性配置对应的页面模块。
S205:根据每个用户群的特征信息,建立并存储页面模块与用户群之间的映射关系。
在本步骤中,服务器或者服务平台在得到每个用户群的特征信息之后,需要建立页面模块与用户群之间的映射关系,具体的,该映射关系可以是页面模块与用户群直接对应,并存储每个群的特征信息。也可以是页面模块和用户群的特征信息直接进行映射,对此本方案不做限制。该方案中将页面模块与用户群进行映射,获取页面模块对应的用户画像,对页面模块的呈现做了更为细粒度的拆解。
在本实施例的基础上,实施例一的步骤S104中,获取与至少一个目标用户群对应的至少一个页面模块,可以具体实现为:根据所述页面模块与用户群之间的映射关系,获取与所述至少一个目标用户群对应的至少一个页面模块。
上述实施例提供的基于用户特征的页面展示方法,通过对用户的特征的分析进行聚类得到不同的用户群,为不同的用户群配置不同的页面模块,在进行产品推荐过程中,基于用户的特征,着眼于页面模块的维度,对推荐页面进行动态展示,在提高页面灵活性的同时,抓住用户的眼球,提升页面转化率。同时还考考虑渠道信息,进一步提高推荐准确度。
基于上述方案,下面介绍一种具体的向用户推荐产品的方案。
当用户A访问页面发起请求时,获取用户的cookie信息,对于未登录的用户,使用device维度画像数据存储表得到上述选取的用户标签(主要用户站外用户),对于已登录的用户使用user_log_acct(用户登录账号)。相同地,对于获取后的标签进行词向量嵌入,记为
1、计算用户与用户群的相似度
针对每个用户群,采用余弦相似度计算方式计算所述标签数据与所述用户群的特征信息之间的余弦相似度,所述用户与所述用户群的相似度包括所述余弦相似度。
具体的,为获取更适合用户A的页面模块,可采用余弦相似度计算用户A与各个用户群之间的差异大小。
如果他们之间的夹角越小,则确定这两个向量是越相似的,即用户A购买用户群uj对应的页面模块Nm的产品的概率更大。
2、页面动态展示
计算出用户A与各个用户群的余弦相似度后,由高到底进行排列,若设定页面由K个模块组成,则取概率为top-K的模块进行由上到下的展示。由此,对于每一个用户,均能展示不同的推荐页面,从而实现基于用户标签和渠道特性的页面动态展示技术。
特别地,对于已在数据集中的用户,为使得用户有更好的购物体验,页面的最后一个产品模块为产品推荐模块(猜你喜欢),模块中的产品将会根据用户标签进行个性化推荐。
本申请实施例提供的基于用户特征的页面展示方案,旨在设计基于用户标签和渠道特性的智能落地页动态展示技术,以对不同用户进行精准触达,对用户提供个性化的精准产品推荐,实现精细化页面运营,提升落地页页面的转化效果。对基于电商平台的系统而言,落地页承载了推荐和下单之间转化的重要作用,但当渠道越来越多,类目结构多样,流量质量相差甚大时,智能落地页便无法进行流量的高效匹配,页面的优化。本方案通过挖掘用户标签和渠道特性,从页面模块的维度实现千人千面,对于智能落地页的各个产品模块进行动态展示,让每一个细分的流量和不同类型的用户都有对应的落地页呈现,显著改善用户体验,增加用户粘性,同时帮助商家更好地解决产品的“长尾”问题,提升页面转化率。
图8为本申请实施例提供的一种基于用户特征的页面展示装置实施例一的结构示意图,如图8所示,该基于用户特征的页面展示装置10包括:
获取模块11,用于获取用户的标签数据,所述标签数据用于表示所述用户的特征;
处理模块12,用于根据所述标签数据计算所述用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户;
所述处理模块12还用于根据所述用户与每个用户群的相似度,获取至少一个目标用户群,所述至少一个目标用户群与所述用户的相似度大于其他用户群与所述用户的相似度;
所述处理模块12还用于获取与所述至少一个目标用户群对应的至少一个页面模块;
交互模块13,用于在所述用户对应的推荐页面上展示所述至少一个页面模块,所述每个页面模块中包括至少一个产品的信息。
本实施例提供的基于用户特征的页面展示装置,用于执行前述任一方法实施例提供的技术方案,其实现原理和技术效果类似,通过对用户的特征进行考虑,向该用户推荐其最相似的用户群对应的产品,更贴近用户喜好,针对不同的用户可以动态的进行产品推荐,不需要单独制作素材图片,实现简单。
在上述实施例的基础上,在该基于用户特征的页面展示装置10的具体实现中,所述推荐页面上还显示每个页面模块中的产品的聚类属性,其中,所述聚类属性至少包括:精选产品,热销产品,好评产品,或者新上线产品。
可选的,所述处理模块12具体用于:
针对每个用户群,采用余弦相似度计算方式计算所述标签数据与所述用户群的特征信息之间的余弦相似度,所述用户与所述用户群的相似度包括所述余弦相似度。
可选的,所述处理模块12具体用于:
采用余弦相似度公式:
可选的,所述处理模块12具体用于:
将所述用户与每个用户群的相似度从大到小或者从小到大进行排序,从相似度最大的开始获取相似度最大的至少一个目标相似度;
根据所述至少一个目标相似度获取对应的至少一个目标用户群。
可选的,目标用户群的个数是根据所述推荐页面确定的。
可选的,所述获取模块11具体用于:
在接收到携带所述用户的身份信息的页面获取请求时,根据所述用户的身份信息,获取所述用户的历史消费数据;
所述处理模块12还用于根据所述历史消费数据获取所述用户的标签数据。
可选的,所述获取模块11具体用于:
根据页面推荐订阅信息中订阅页面推荐的用户的身份信息,获取所述用户的历史消费数据;
所述处理模块12还用于根据所述历史消费数据获取所述用户的标签数据。
所述处理模块12还用于:
根据所述用户访问的渠道信息,获取与所述渠道信息对应的所述推荐页面,所述推荐页面上能够显示至少一个页面模块。
在上述任一实施例的基础上,所述处理模块12还用于:
根据标注的用户数据,获取每个用户的标签特征向量,所述标签特征向量中包括所述用户对应的多个标签;
根据每个用户的特征向量将用户进行聚类,得到多个用户群;
针对每个用户群,根据所述用户群中的每个用户的特征向量,采用CBOW模型,计算得到所述用户群对应的特征信息。
可选的,所述处理模块12还用于:
根据多个产品的聚类属性进行页面模块配置,得到多个页面模块;
根据每个用户群的特征信息,建立并存储所述页面模块与用户群之间的映射关系。
可选的,所述处理模块12具体用于:
根据所述页面模块与用户群之间的映射关系,获取与所述至少一个目标用户群对应的至少一个页面模块。
上述任一实施例提供的基于用户特征的页面展示,用于实现前述任一方法实施例的技术方案,其实现原理和技术效果类似,在此不再赘述。
图9是本申请实施例提供的电子设备的结构示意图。如图9所示,本实施例提供的一种电子设备20包括:
处理器21,存储器22,以及,接口23;
存储器22,用于存储所述处理器的可执行指令,该存储器22还可以是flash(闪存);
其中,所述处理器21配置为经由执行所述可执行指令来执行上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器22既可以是独立的,也可以跟处理器21集成在一起。
当所述存储器22是独立于处理器21之外的器件时,所述电子设备还可以包括:
总线24,用于连接所述处理器21以及所述存储器22以及接口23。该接口23包括用于进行数据传输的通信接口以及用于进行人机交互的显示界面或者操作界面等。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机程序,当电子设备的至少一个处理器执行该计算机程序时,电子设备执行上述的各种实施方式提供的基于用户特征的页面展示方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的基于用户特征的页面展示方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种基于用户特征的页面展示方法,其特征在于,包括:
获取用户的标签数据,所述标签数据用于表示所述用户的特征;
根据所述标签数据计算所述用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户;
根据所述用户与每个用户群的相似度,获取至少一个目标用户群,所述至少一个目标用户群与所述用户的相似度大于其他用户群与所述用户的相似度;
获取与所述至少一个目标用户群对应的至少一个页面模块;
在所述用户对应的推荐页面上展示所述至少一个页面模块,所述每个页面模块中包括至少一个产品的信息。
2.根据权利要求1所述的方法,其特征在于,所述推荐页面上还显示每个页面模块中的产品的聚类属性。
3.根据权利要求1所述的方法,其特征在于,所述根据所述标签数据计算所述用户与预先获取的每个用户群的相似度,包括:
针对每个用户群,采用余弦相似度计算方式计算所述标签数据与所述用户群的特征信息之间的余弦相似度,所述用户与所述用户群的相似度包括所述余弦相似度。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述用户与每个用户群的相似度,获取至少一个目标用户群,包括:
将所述用户与每个用户群的相似度从大到小或者从小到大进行排序,从相似度最大的开始获取相似度最大的至少一个目标相似度;
根据所述至少一个目标相似度获取对应的至少一个目标用户群。
5.根据权利要求4所述的方法,其特征在于,目标用户群的个数是根据所述推荐页面确定的。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述获取用户的标签数据,包括:
在接收到携带所述用户的身份信息的页面获取请求时,根据所述用户的身份信息,获取所述用户的历史消费数据;
根据所述历史消费数据获取所述用户的标签数据。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述获取用户的标签数据,包括:
根据页面推荐订阅信息中订阅页面推荐的用户的身份信息,获取所述用户的历史消费数据;
根据所述历史消费数据获取所述用户的标签数据。
8.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
根据所述用户访问的渠道信息,获取与所述渠道信息对应的所述推荐页面,所述推荐页面上能够显示至少一个页面模块。
9.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
根据标注的用户数据,获取每个用户的标签特征向量,所述标签特征向量中包括所述用户对应的多个标签;
根据每个用户的特征向量将用户进行聚类,得到多个用户群;
针对每个用户群,根据所述用户群中的每个用户的特征向量,采用连续词袋CBOW模型,计算得到所述用户群对应的特征信息。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据多个产品的聚类属性进行页面模块配置,得到多个页面模块;
根据每个用户群的特征信息,建立并存储所述页面模块与用户群之间的映射关系。
11.根据权利要求10所述的方法,其特征在于,所述获取与所述至少一个目标用户群对应的至少一个页面模块,包括:
根据所述页面模块与用户群之间的映射关系,获取与所述至少一个目标用户群对应的至少一个页面模块。
12.一种基于用户特征的页面展示装置,其特征在于,包括:
获取模块,用于获取用户的标签数据,所述标签数据用于表示所述用户的特征;
处理模块,用于根据所述标签数据计算所述用户与预先获取的每个用户群的相似度;每个用户群用于表示一类用户;
所述处理模块还用于根据所述用户与每个用户群的相似度,获取至少一个目标用户群,所述至少一个目标用户群与所述用户的相似度大于其他用户群与所述用户的相似度;
所述处理模块还用于获取与所述至少一个目标用户群对应的至少一个页面模块;
交互模块,用于在所述用户对应的推荐页面上展示所述至少一个页面模块,所述每个页面模块中包括至少一个产品的信息。
13.一种电子设备,其特征在于,包括:
处理器,存储器,以及,接口;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至11任一项所述的基于用户特征的页面展示方法。
14.一种存储介质,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11任一项所述的基于用户特征的页面展示方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819808.8A CN112258260A (zh) | 2020-08-14 | 2020-08-14 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
US18/041,533 US20230306491A1 (en) | 2020-08-14 | 2021-08-13 | User feature-based page displaying method and apparatus, medium, and electronic device |
PCT/CN2021/112612 WO2022033590A1 (zh) | 2020-08-14 | 2021-08-13 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
EP21855640.5A EP4198864A4 (en) | 2020-08-14 | 2021-08-13 | METHOD AND APPARATUS FOR DISPLAYING USER CHARACTERISTICS-BASED PAGES, MEDIUM AND ELECTRONIC DEVICE |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819808.8A CN112258260A (zh) | 2020-08-14 | 2020-08-14 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258260A true CN112258260A (zh) | 2021-01-22 |
Family
ID=74224638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010819808.8A Pending CN112258260A (zh) | 2020-08-14 | 2020-08-14 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230306491A1 (zh) |
EP (1) | EP4198864A4 (zh) |
CN (1) | CN112258260A (zh) |
WO (1) | WO2022033590A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077298A (zh) * | 2021-04-30 | 2021-07-06 | 口碑(上海)信息技术有限公司 | 一种目标信息发送方法、装置、存储介质及电子设备 |
CN113179430A (zh) * | 2021-04-19 | 2021-07-27 | 广州欢网科技有限责任公司 | 针对不同用户的智能电视信息加载方法和系统 |
CN114035883A (zh) * | 2021-11-26 | 2022-02-11 | 中国银行股份有限公司 | 一种基于聚类分析的终端界面设置方法及系统 |
WO2022033590A1 (zh) * | 2020-08-14 | 2022-02-17 | 北京沃东天骏信息技术有限公司 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
CN114491249A (zh) * | 2022-01-20 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
CN114971021A (zh) * | 2022-05-27 | 2022-08-30 | 中国银行股份有限公司 | 交易选项卡预测方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391669B (zh) * | 2022-10-31 | 2023-03-10 | 江西渊薮信息科技有限公司 | 一种智能推荐方法、装置、电子设备 |
CN116883121B (zh) * | 2023-09-06 | 2023-11-14 | 深圳鼎智通讯有限公司 | 基于大数据分析的pos机用户推荐方法 |
CN117874357B (zh) * | 2024-03-12 | 2024-05-24 | 中国电子信息产业集团有限公司第六研究所 | 一种针对指显系统的信息推荐方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589237B1 (en) * | 2015-11-17 | 2017-03-07 | Spotify Ab | Systems, methods and computer products for recommending media suitable for a designated activity |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109784973A (zh) * | 2018-12-14 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法、装置及电子设备 |
CN110020107A (zh) * | 2017-09-08 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 页面展示方法及系统 |
CN111242752A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种基于多任务预测的确定推荐对象的方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4822317B2 (ja) * | 2005-10-03 | 2011-11-24 | Kddi株式会社 | レコメンド方法およびシステムならびにレコメンドプログラムおよびその記憶媒体 |
CA2863531A1 (en) * | 2012-02-02 | 2013-08-08 | Unityworks! Media, Inc. | Method and system for creating data-driven multimedia advertisements for dynamically targeted audience |
CN108960945A (zh) * | 2017-05-18 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 商品推荐方法和装置 |
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 |
CN109658206B (zh) * | 2019-01-14 | 2022-07-26 | 京东方科技集团股份有限公司 | 信息推荐方法和装置 |
CN111461801A (zh) * | 2019-01-18 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 一种页面生成方法及其装置 |
CN110363617A (zh) * | 2019-06-03 | 2019-10-22 | 北京三快在线科技有限公司 | 一种推荐方法、装置、电子设备及可读存储介质 |
CN112258260A (zh) * | 2020-08-14 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
-
2020
- 2020-08-14 CN CN202010819808.8A patent/CN112258260A/zh active Pending
-
2021
- 2021-08-13 US US18/041,533 patent/US20230306491A1/en active Pending
- 2021-08-13 WO PCT/CN2021/112612 patent/WO2022033590A1/zh unknown
- 2021-08-13 EP EP21855640.5A patent/EP4198864A4/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589237B1 (en) * | 2015-11-17 | 2017-03-07 | Spotify Ab | Systems, methods and computer products for recommending media suitable for a designated activity |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN110020107A (zh) * | 2017-09-08 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 页面展示方法及系统 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109784973A (zh) * | 2018-12-14 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法、装置及电子设备 |
CN111242752A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种基于多任务预测的确定推荐对象的方法及系统 |
Non-Patent Citations (2)
Title |
---|
李成庆: "《视觉营销》", 30 June 2020, 杭州:浙江工商大学出版社, pages: 101 - 105 * |
杨银辉: "《网店运营实务》", 31 July 2020, 北京:北京理工大学出版社, pages: 93 - 102 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022033590A1 (zh) * | 2020-08-14 | 2022-02-17 | 北京沃东天骏信息技术有限公司 | 基于用户特征的页面展示方法、装置、介质及电子设备 |
CN113179430A (zh) * | 2021-04-19 | 2021-07-27 | 广州欢网科技有限责任公司 | 针对不同用户的智能电视信息加载方法和系统 |
CN113077298A (zh) * | 2021-04-30 | 2021-07-06 | 口碑(上海)信息技术有限公司 | 一种目标信息发送方法、装置、存储介质及电子设备 |
CN114035883A (zh) * | 2021-11-26 | 2022-02-11 | 中国银行股份有限公司 | 一种基于聚类分析的终端界面设置方法及系统 |
CN114491249A (zh) * | 2022-01-20 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
CN114491249B (zh) * | 2022-01-20 | 2024-03-01 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
CN114971021A (zh) * | 2022-05-27 | 2022-08-30 | 中国银行股份有限公司 | 交易选项卡预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP4198864A1 (en) | 2023-06-21 |
US20230306491A1 (en) | 2023-09-28 |
WO2022033590A1 (zh) | 2022-02-17 |
EP4198864A4 (en) | 2024-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112258260A (zh) | 基于用户特征的页面展示方法、装置、介质及电子设备 | |
US10409821B2 (en) | Search result ranking using machine learning | |
US9881332B2 (en) | Systems and methods for customizing search results and recommendations | |
US10275818B2 (en) | Next generation improvements in recommendation systems | |
CN111767466B (zh) | 基于人工智能的推荐信息推荐方法、装置及电子设备 | |
CN111784455A (zh) | 一种物品推荐方法及推荐设备 | |
US20120330778A1 (en) | Product comparison and feature discovery | |
CN113744016B (zh) | 一种对象推荐方法及装置、设备、存储介质 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20130204701A1 (en) | Apparatus, system and methods for marketing targeted products to users of social media | |
WO2022081267A1 (en) | Product evaluation system and method of use | |
CA2870804A1 (en) | Method and system for on-line sale of goods and services using influencer hosting sites | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
US10803481B2 (en) | Automated generation of personalized mail | |
CN115860870A (zh) | 一种商品推荐方法、系统、装置及可读介质 | |
KR20210131198A (ko) | 추천 상품 광고 방법, 장치 및 컴퓨터 프로그램 | |
Wei et al. | Online shopping behavior analysis for smart business using big data analytics and blockchain security | |
CN116089745A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN116911926A (zh) | 基于数据分析的广告营销推荐方法 | |
Ou et al. | An Intelligent Recommendation System for Real Estate Commodity. | |
CN110781399A (zh) | 一种跨平台的信息推送方法和装置 | |
CN112015970A (zh) | 产品推荐方法、相关设备及计算机存储介质 | |
Liu et al. | Research on assistant decision-makings of E-commerce platform with refinement tools | |
CN113781171A (zh) | 信息推送方法、装置、设备及存储介质 | |
KR20210112258A (ko) | 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치 |
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 |