CN112700307A - 一种基于数据分析的商品推荐方法 - Google Patents
一种基于数据分析的商品推荐方法 Download PDFInfo
- Publication number
- CN112700307A CN112700307A CN202110019465.1A CN202110019465A CN112700307A CN 112700307 A CN112700307 A CN 112700307A CN 202110019465 A CN202110019465 A CN 202110019465A CN 112700307 A CN112700307 A CN 112700307A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- shopping
- community
- keywords
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 102
- 230000000694 effects Effects 0.000 claims description 58
- 238000012216 screening Methods 0.000 claims description 52
- 238000013500 data storage Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据分析的商品推荐方法,涉及互联网技术领域,解决了现有技术方案仅适用于网上商城商品的推荐,不能充分的以客户的角度去推荐商品的技术问题;本发明设置了行为分析模块,该设置能够精准地分析用户喜欢的商品及对应的价位,为商品的精准推荐奠定了基础;本发明设置了线上推荐模块和线下推荐模块;线上推荐模块和线下推荐模块的设置有助于为不同购物爱好的用户进行商品推荐,满足不同用户的需求,保证了推荐的商品与用户购物需求的契合度;本发明设置了数据互动模块,该设置从用户的购物记录出发,为目标商家提供营销对象,同时为用户提供了更多线下购物的机会。
Description
技术领域
本发明属于互联网技术领域,涉及数据分析技术,具体是一种基于数据分析的商品推荐方法。
背景技术
随着时代的发展,人们开始青睐电子商务的商品选择和购买方式,这也对于传统的实体商店带来了很大的冲击,实体商店的运营成本较高,实体商店的经营越来越难;从客户的角度来说,购买商品在乎的是商品本身,而不是单纯因为购物方式,因此,如何精准地推荐符合客户需求的商品是一个亟待解决的问题。
公开号为CN111062768A的发明专利提供了一种网上商城的商品推荐方法及商品推荐系统,包括网上商城平台以及商品推荐平台,所述网上商城平台包括身份证认证模块、区块链模块、支付模块、用户中心和数据中心,所述商品推荐模块包括获取单元、定位单元、推荐单元以及定制单元,所述方法包括数据收数据定位、商品信息预处理、商品推荐以及商品定制。
上述方案可以根据用户的习惯结合商品信息完成商品的智能推荐,大大节省用户检索商品的时间;但是,上述方案使用范围单一,仅适用于网上商城商品的推荐,不能充分的以客户的角度去推荐商品;因此,上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题,本发明提供了一种基于数据分析的商品推荐方法。
本发明的目的可以通过以下技术方案实现:一种基于数据分析的商品推荐方法,所述商品推荐方法包括以下步骤:
步骤一:行为分析模块通过智能终端获取用户的购物记录,根据购物记录获取用户的活动范围和爱好关键字;根据活动范围评估系数判定用户的购物喜好;
步骤二:通过用户的爱好关键字获取商品初筛范围,根据商品初筛范围获取商品排序表,线上推荐模块结合商品排序表为用户推荐商品;
步骤三:通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围,根据商品次筛范围获取线下排序表,线下推荐模块结合线下排序表为用户推荐商品;
步骤四:获取社区中用户的购物记录,通过购物记录提取购物关键词,并以社区为圆心划定社区区域,通过社区关键词搜索社区区域内的商家并标记为目标商家;将社区关键词、社区人口数和社区地址发送至目标商家的智能终端。
优选的,所述行为分析模块是控制系统的组成部分,所述控制系统还包括处理器、线上推荐模块、线下推荐模块、数据互动模块、后台维护模块和数据存储模块;
所述行为分析模块用于获取用户的活动范围和爱好关键字,包括:
通过智能终端获取用户的购物记录;所述购物记录包括购物次数、时间、购物地址和商品名称;
按照购物记录中时间的先后、购物地址与用户现居住地的距离远近生成购物活动曲线;
获取购物活动曲线的距离总长,并将距离总长标记为ZC;获取购物地址中与用户现居住地的最长距离,并将最长距离标记为ZJ;
以用户现居住地以圆心,以半径设定值BZ为半径划定圆形区域,并将圆形区域标记为活动范围;
通过智能终端获取用户的搜索记录;所述搜索记录包括时间和商品名称;
通过购物记录和搜索记录提取爱好关键字;所述爱好关键字包括商品名称和商品价格,所述商品价格为购物记录和搜索记录中商品的最低价格和最高价格组成的区间;
将购物次数标记为GC,获取活动范围的区域面积,并将区域面积标记为QM;
通过公式HFPX=α3×GC×ln(α4×QM)获取活动范围评估系数HFPX;其中α3和α4为比例系数,且α3和α4均为大于1的实数;
当活动范围评估系数HFPX满足0<HFPX<L1时,则判定用户喜欢线上购物,通过处理器发送线上推荐信号至线上推荐模块;当活动范围评估系数HFPX满足L1≤HFPX<L2时,则判定既喜欢线上购物又喜欢线下购物,通过处理器分别发送商品推荐信号至线上推荐模块和线下推荐模块;当活动范围评估系数HFPX满足L2≤HFPX时,则判定用户喜欢线下购物,通过处理器发送线下推荐信号至线下推荐模块;其中L1和L2为活动范围评估系数阈值,且L1<L2;
通过处理器将活动范围评估系数和推荐发送信号的发送记录发送至数据存储模块进行存储。
优选的,所述线上推荐模块通过线上为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线上推荐信号时,获取用户的爱好关键字;
通过爱好关键字在购物平台进行筛选获取商品初筛范围;所述购物平台包括淘宝、天猫和京东;
获取商品初筛范围内商品的评价次数、销售总量和评价均分,并分别将评价次数、销售总量和评价均分分别标记为PC、XZ和PJ;其中商品初筛范围内商品的评价次数、销售总量和评价均分均大于0;
当商品评估系数SPPX满足0<SPPX≤K1时,则判定商品不满足要求,将商品从商品初筛范围中删除;当商品评估系数SPPX满足K1<SPPX时,将商品筛选范围中的商品按照评价均分进行降序排列获取商品排序表;其中K1为商品评估系数阈值,且K1>0;
按照设定比例将商品排序表从上到下分为第一部分、第二部分和第三部分;所述设定比例包括2:7:1、1:5:4和3:3:4;将第一部分商品排序表中的商品按照设定周期Z1推送至用户的智能终端,将第二部分商品排序表中的商品按照设定周期Z2推送至用户的智能终端,将第三部分商品排序表中的商品按照设定周期Z3推送至用户的智能终端;其中0<Z1<Z2<Z3;
通过处理器将商品排序表和商品的推送记录发送至数据存储模块进行存储。
优选的,所述线下推荐模块通过线下为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线下推荐信号时,获取用户的爱好关键字;
通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围;所述第三方生活平台包括美团和口碑;
获取商品次筛范围内商品的评价总数、评价总分以及与用户之间的地理距离,并分别将评价总数、评价总分以及与用户之间的地理距离分别标记为PZ、PF和YJ;其中评价总数、评价总分以及与用户之间的地理距离均大于0;
当线下评估系数XPX满足0<XPX<K2时,则判定商品不满足推荐要求;当线下评估系数XPX满足K2≤XPX时,则判定商品满足推荐要求;其中K2为线下评估系数阈值,且K2为大于0的实数;
将满足推荐要求的商品按照与用户之间地理距离的从小到大排序获取线下排序表;
按照线下排序表中的商品顺序依次将商品推送至用户的智能终端。
优选的,所述数据互动模块用于分析社区用户的购物记录,包括:
获取社区中用户的购物记录,通过购物记录提取购物关键词,按照购物关键词的出现次数从大到小进行排序,提取出现次数前N名的关键词并记为社区关键词;
以社区为圆心,以设定值R为半径划定社区区域;通过社区关键词搜索社区区域内的商家并标记为目标商家;
将社区关键词、社区人口数和社区地址发送至目标商家的智能终端;目标商家接收到社区关键词、社区人口数和社区地址之后安排线下促销活动,并将促销活动的详细信息发送至社区用户的智能终端。
优选的,所述后台维护模块用于监测数据存储模块中数据的安全性。
优选的,所述处理器与用户的智能终端通信连接;用户通过所述智能终端完成注册,包括:
用户通过智能终端发送身份验证信息至处理器;所述身份验证信息包括用户姓名、身份证照片、现居住地、面部图像和用户手机号;所述身份证照片和面部图像均经过图像预处理,所述图像预处理包括图像分割、图像去噪和灰度变换;所述智能终端包括智能手机、平板电脑和笔记本电脑;
处理器接收到身份验证信息之后,通过第三方平台验证身份证的真伪,当身份证为真时,提取身份证照片中的名字并标记为标准姓名,将用户姓名与标准姓名进行匹配,当用户姓名和标准姓名匹配一致时,则提取身份证照片中的人脸图像经过预处理之后标记为标准图像;所述第三方平台包括公安警务综合系统;
将标准图像与面部图像进行匹配,当标准图像与面部图像匹配成功时,为用户生成会员账户;否则,判定标准图像与面部图像不一致,发送证件异常信号至用户的智能终端;
通过处理器将会员账户分别发送至数据存储模块和用户的智能终端,同时将身份验证信息发送至数据存储模块进行存储。
与现有技术相比,本发明的有益效果是:
1、本发明设置了行为分析模块,该设置用于获取用户的活动范围和爱好关键字;行为分析模块通过智能终端获取用户的购物记录,根据购物记录获取用户的活动范围和爱好关键字,根据活动范围评估系数判定用户的购物喜好,能够精准地分析用户喜欢的商品及对应的价位,为商品的精准推荐奠定了基础;
2、本发明设置了线上推荐模块和线下推荐模块;线上推荐模块通过用户的爱好关键字获取商品初筛范围,根据商品初筛范围获取商品排序表,结合商品排序表为用户推荐商品;线下推荐模块通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围,根据商品次筛范围获取线下排序表,结合线下排序表为用户推荐商品;线上推荐模块和线下推荐模块的设置有助于为不同购物爱好的用户进行商品推荐,满足不同用户的需求,保证了推荐的商品与用户购物需求的契合度;
3、本发明设置了数据互动模块,该设置用于分析社区用户的购物记录;获取社区中用户的购物记录,通过购物记录提取购物关键词,并以社区为圆心划定社区区域,通过社区关键词搜索社区区域内的商家并标记为目标商家,将社区关键词、社区人口数和社区地址发送至目标商家的智能终端;数据互动模块从用户的购物记录出发,为目标商家提供营销对象,同时为用户提供了更多线下购物的机会。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的步骤示意图;
图2为本发明控制系统的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,一种基于数据分析的商品推荐方法,商品推荐方法包括以下步骤:
步骤一:行为分析模块通过智能终端获取用户的购物记录,根据购物记录获取用户的活动范围和爱好关键字;根据活动范围评估系数判定用户的购物喜好;
步骤二:通过用户的爱好关键字获取商品初筛范围,根据商品初筛范围获取商品排序表,线上推荐模块结合商品排序表为用户推荐商品;
步骤三:通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围,根据商品次筛范围获取线下排序表,线下推荐模块结合线下排序表为用户推荐商品;
步骤四:获取社区中用户的购物记录,通过购物记录提取购物关键词,并以社区为圆心划定社区区域,通过社区关键词搜索社区区域内的商家并标记为目标商家;将社区关键词、社区人口数和社区地址发送至目标商家的智能终端。
进一步地,行为分析模块是控制系统的组成部分,控制系统还包括处理器、线上推荐模块、线下推荐模块、数据互动模块、后台维护模块和数据存储模块;
行为分析模块用于获取用户的活动范围和爱好关键字,包括:
通过智能终端获取用户的购物记录;购物记录包括购物次数、时间、购物地址和商品名称;
按照购物记录中时间的先后、购物地址与用户现居住地的距离远近生成购物活动曲线;
获取购物活动曲线的距离总长,并将距离总长标记为ZC;获取购物地址中与用户现居住地的最长距离,并将最长距离标记为ZJ;
以用户现居住地以圆心,以半径设定值BZ为半径划定圆形区域,并将圆形区域标记为活动范围;
通过智能终端获取用户的搜索记录;搜索记录包括时间和商品名称;
通过购物记录和搜索记录提取爱好关键字;爱好关键字包括商品名称和商品价格,商品价格为购物记录和搜索记录中商品的最低价格和最高价格组成的区间;
将购物次数标记为GC,获取活动范围的区域面积,并将区域面积标记为QM;
通过公式HFPX=α3×GC×ln(α4×QM)获取活动范围评估系数HFPX;其中α3和α4为比例系数,且α3和α4均为大于1的实数;
当活动范围评估系数HFPX满足0<HFPX<L1时,则判定用户喜欢线上购物,通过处理器发送线上推荐信号至线上推荐模块;当活动范围评估系数HFPX满足L1≤HFPX<L2时,则判定既喜欢线上购物又喜欢线下购物,通过处理器分别发送商品推荐信号至线上推荐模块和线下推荐模块;当活动范围评估系数HFPX满足L2≤HFPX时,则判定用户喜欢线下购物,通过处理器发送线下推荐信号至线下推荐模块;其中L1和L2为活动范围评估系数阈值,且L1<L2;
通过处理器将活动范围评估系数和推荐发送信号的发送记录发送至数据存储模块进行存储。
进一步地,线上推荐模块通过线上为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线上推荐信号时,获取用户的爱好关键字;
通过爱好关键字在购物平台进行筛选获取商品初筛范围;购物平台包括淘宝、天猫和京东;
获取商品初筛范围内商品的评价次数、销售总量和评价均分,并分别将评价次数、销售总量和评价均分分别标记为PC、XZ和PJ;其中商品初筛范围内商品的评价次数、销售总量和评价均分均大于0;
当商品评估系数SPPX满足0<SPPX≤K1时,则判定商品不满足要求,将商品从商品初筛范围中删除;当商品评估系数SPPX满足K1<SPPX时,将商品筛选范围中的商品按照评价均分进行降序排列获取商品排序表;其中K1为商品评估系数阈值,且K1>0;
按照设定比例将商品排序表从上到下分为第一部分、第二部分和第三部分;设定比例包括2:7:1、1:5:4和3:3:4;将第一部分商品排序表中的商品按照设定周期Z1推送至用户的智能终端,将第二部分商品排序表中的商品按照设定周期Z2推送至用户的智能终端,将第三部分商品排序表中的商品按照设定周期Z3推送至用户的智能终端;其中0<Z1<Z2<Z3;
通过处理器将商品排序表和商品的推送记录发送至数据存储模块进行存储。
进一步地,线下推荐模块通过线下为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线下推荐信号时,获取用户的爱好关键字;
通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围;第三方生活平台包括美团和口碑;
获取商品次筛范围内商品的评价总数、评价总分以及与用户之间的地理距离,并分别将评价总数、评价总分以及与用户之间的地理距离分别标记为PZ、PF和YJ;其中评价总数、评价总分以及与用户之间的地理距离均大于0;
当线下评估系数XPX满足0<XPX<K2时,则判定商品不满足推荐要求;当线下评估系数XPX满足K2≤XPX时,则判定商品满足推荐要求;其中K2为线下评估系数阈值,且K2为大于0的实数;
将满足推荐要求的商品按照与用户之间地理距离的从小到大排序获取线下排序表;
按照线下排序表中的商品顺序依次将商品推送至用户的智能终端。
进一步地,数据互动模块用于分析社区用户的购物记录,包括:
获取社区中用户的购物记录,通过购物记录提取购物关键词,按照购物关键词的出现次数从大到小进行排序,提取出现次数前N名的关键词并记为社区关键词;
以社区为圆心,以设定值R为半径划定社区区域;通过社区关键词搜索社区区域内的商家并标记为目标商家;
将社区关键词、社区人口数和社区地址发送至目标商家的智能终端;目标商家接收到社区关键词、社区人口数和社区地址之后安排线下促销活动,并将促销活动的详细信息发送至社区用户的智能终端。
进一步地,后台维护模块用于监测数据存储模块中数据的安全性。
进一步地,处理器与用户的智能终端通信连接;用户通过智能终端完成注册,包括:
用户通过智能终端发送身份验证信息至处理器;身份验证信息包括用户姓名、身份证照片、现居住地、面部图像和用户手机号;身份证照片和面部图像均经过图像预处理,图像预处理包括图像分割、图像去噪和灰度变换;智能终端包括智能手机、平板电脑和笔记本电脑;
处理器接收到身份验证信息之后,通过第三方平台验证身份证的真伪,当身份证为真时,提取身份证照片中的名字并标记为标准姓名,将用户姓名与标准姓名进行匹配,当用户姓名和标准姓名匹配一致时,则提取身份证照片中的人脸图像经过预处理之后标记为标准图像;第三方平台包括公安警务综合系统;
将标准图像与面部图像进行匹配,当标准图像与面部图像匹配成功时,为用户生成会员账户;否则,判定标准图像与面部图像不一致,发送证件异常信号至用户的智能终端;
通过处理器将会员账户分别发送至数据存储模块和用户的智能终端,同时将身份验证信息发送至数据存储模块进行存储。
进一步地,处理器分别与行为分析模块、线上推荐模块、线下推荐模块、数据互动模块、后台维护模块和数据存储模块通信连接;数据存储模块与后台维护模块通信连接。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
通过智能终端获取用户的购物记录;按照购物记录中时间的先后、购物地址与用户现居住地的距离远近生成购物活动曲线;获取购物活动曲线的距离总长,并将距离总长标记为ZC;获取购物地址中与用户现居住地的最长距离,并将最长距离标记为ZJ;获取半径设定值BZ;以用户现居住地以圆心,以半径设定值BZ为半径划定圆形区域,并将圆形区域标记为活动范围;通过智能终端获取用户的搜索记录;通过购物记录和搜索记录提取爱好关键字;将购物次数标记为GC,获取活动范围的区域面积,并将区域面积标记为QM;获取活动范围评估系数HFPX;当活动范围评估系数HFPX满足0<HFPX<L1时,则判定用户喜欢线上购物,通过处理器发送线上推荐信号至线上推荐模块;当活动范围评估系数HFPX满足L1≤HFPX<L2时,则判定既喜欢线上购物又喜欢线下购物,通过处理器分别发送商品推荐信号至线上推荐模块和线下推荐模块;当活动范围评估系数HFPX满足L2≤HFPX时,则判定用户喜欢线下购物,通过处理器发送线下推荐信号至线下推荐模块;
通过处理器将活动范围评估系数和推荐发送信号的发送记录发送至数据存储模块进行存储。通过用户的爱好关键字获取商品初筛范围,根据商品初筛范围获取商品排序表,线上推荐模块结合商品排序表为用户推荐商品;
通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围,根据商品次筛范围获取线下排序表,线下推荐模块结合线下排序表为用户推荐商品;
获取社区中用户的购物记录,通过购物记录提取购物关键词,并以社区为圆心划定社区区域,通过社区关键词搜索社区区域内的商家并标记为目标商家;将社区关键词、社区人口数和社区地址发送至目标商家的智能终端。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于数据分析的商品推荐方法,其特征在于,所述商品推荐方法包括以下步骤:
步骤一:行为分析模块通过智能终端获取用户的购物记录,根据购物记录获取用户的活动范围和爱好关键字;根据活动范围评估系数判定用户的购物喜好;
步骤二:通过用户的爱好关键字获取商品初筛范围,根据商品初筛范围获取商品排序表,线上推荐模块结合商品排序表为用户推荐商品;
步骤三:通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围,根据商品次筛范围获取线下排序表,线下推荐模块结合线下排序表为用户推荐商品;
步骤四:获取社区中用户的购物记录,通过购物记录提取购物关键词,并以社区为圆心划定社区区域,通过社区关键词搜索社区区域内的商家并标记为目标商家;将社区关键词、社区人口数和社区地址发送至目标商家的智能终端。
2.根据权利要求1所述的一种基于数据分析的商品推荐方法,其特征在于,所述行为分析模块是控制系统的组成部分,所述控制系统还包括处理器、线上推荐模块、线下推荐模块、数据互动模块、后台维护模块和数据存储模块;
所述行为分析模块用于获取用户的活动范围和爱好关键字,包括:
通过智能终端获取用户的购物记录;所述购物记录包括购物次数、时间、购物地址和商品名称;
按照购物记录中时间的先后、购物地址与用户现居住地的距离远近生成购物活动曲线;
获取购物活动曲线的距离总长,并将距离总长标记为ZC;获取购物地址中与用户现居住地的最长距离,并将最长距离标记为ZJ;
以用户现居住地以圆心,以半径设定值BZ为半径划定圆形区域,并将圆形区域标记为活动范围;
通过智能终端获取用户的搜索记录;所述搜索记录包括时间和商品名称;
通过购物记录和搜索记录提取爱好关键字;所述爱好关键字包括商品名称和商品价格,所述商品价格为购物记录和搜索记录中商品的最低价格和最高价格组成的区间;
将购物次数标记为GC,获取活动范围的区域面积,并将区域面积标记为QM;
通过公式HFPX=α3×GC×ln(α4×QM)获取活动范围评估系数HFPX;其中α3和α4为比例系数,且α3和α4均为大于1的实数;
当活动范围评估系数HFPX满足0<HFPX<L1时,则判定用户喜欢线上购物,通过处理器发送线上推荐信号至线上推荐模块;当活动范围评估系数HFPX满足L1≤HFPX<L2时,则判定既喜欢线上购物又喜欢线下购物,通过处理器分别发送商品推荐信号至线上推荐模块和线下推荐模块;当活动范围评估系数HFPX满足L2≤HFPX时,则判定用户喜欢线下购物,通过处理器发送线下推荐信号至线下推荐模块;其中L1和L2为活动范围评估系数阈值,且L1<L2;
通过处理器将活动范围评估系数和推荐发送信号的发送记录发送至数据存储模块进行存储。
3.根据权利要求2所述的一种基于数据分析的商品推荐方法,其特征在于,所述线上推荐模块通过线上为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线上推荐信号时,获取用户的爱好关键字;
通过爱好关键字在购物平台进行筛选获取商品初筛范围;
获取商品初筛范围内商品的评价次数、销售总量和评价均分,并分别将评价次数、销售总量和评价均分分别标记为PC、XZ和PJ;其中商品初筛范围内商品的评价次数、销售总量和评价均分均大于0;
当商品评估系数SPPX满足0<SPPX≤K1时,则判定商品不满足要求,将商品从商品初筛范围中删除;当商品评估系数SPPX满足K1<SPPX时,将商品筛选范围中的商品按照评价均分进行降序排列获取商品排序表;其中K1为商品评估系数阈值,且K1>0;
按照设定比例将商品排序表从上到下分为第一部分、第二部分和第三部分;将第一部分商品排序表中的商品按照设定周期Z1推送至用户的智能终端,将第二部分商品排序表中的商品按照设定周期Z2推送至用户的智能终端,将第三部分商品排序表中的商品按照设定周期Z3推送至用户的智能终端;其中0<Z1<Z2<Z3;
通过处理器将商品排序表和商品的推送记录发送至数据存储模块进行存储。
4.根据权利要求2所述的一种基于数据分析的商品推荐方法,其特征在于,所述线下推荐模块通过线下为用户推荐商品,包括:
当线上推荐模块接收到商品推荐信号和线下推荐信号时,获取用户的爱好关键字;
通过爱好关键字结合第三方生活平台和活动范围进行筛选获取商品次筛范围;
获取商品次筛范围内商品的评价总数、评价总分以及与用户之间的地理距离,并分别将评价总数、评价总分以及与用户之间的地理距离分别标记为PZ、PF和YJ;其中评价总数、评价总分以及与用户之间的地理距离均大于0;
当线下评估系数XPX满足0<XPX<K2时,则判定商品不满足推荐要求;当线下评估系数XPX满足K2≤XPX时,则判定商品满足推荐要求;其中K2为线下评估系数阈值,且K2为大于0的实数;
将满足推荐要求的商品按照与用户之间地理距离的从小到大排序获取线下排序表;
按照线下排序表中的商品顺序依次将商品推送至用户的智能终端。
5.根据权利要求2所述的一种基于数据分析的商品推荐方法,其特征在于,所述数据互动模块用于分析社区用户的购物记录,包括:
获取社区中用户的购物记录,通过购物记录提取购物关键词,按照购物关键词的出现次数从大到小进行排序,提取出现次数前N名的关键词并记为社区关键词;
以社区为圆心,以设定值R为半径划定社区区域;通过社区关键词搜索社区区域内的商家并标记为目标商家;
将社区关键词、社区人口数和社区地址发送至目标商家的智能终端;目标商家接收到社区关键词、社区人口数和社区地址之后安排线下促销活动,并将促销活动的详细信息发送至社区用户的智能终端。
6.根据权利要求2所述的一种基于数据分析的商品推荐方法,其特征在于,所述处理器与用户的智能终端通信连接;用户通过所述智能终端完成注册,包括:
用户通过智能终端发送身份验证信息至处理器;所述身份验证信息包括用户姓名、身份证照片、现居住地、面部图像和用户手机号;所述身份证照片和面部图像均经过图像预处理,所述图像预处理包括图像分割、图像去噪和灰度变换;所述智能终端包括智能手机、平板电脑和笔记本电脑;
处理器接收到身份验证信息之后,通过第三方平台验证身份证的真伪,当身份证为真时,提取身份证照片中的名字并标记为标准姓名,将用户姓名与标准姓名进行匹配,当用户姓名和标准姓名匹配一致时,则提取身份证照片中的人脸图像经过预处理之后标记为标准图像;所述第三方平台包括公安警务综合系统;
将标准图像与面部图像进行匹配,当标准图像与面部图像匹配成功时,为用户生成会员账户;否则,判定标准图像与面部图像不一致,发送证件异常信号至用户的智能终端;
通过处理器将会员账户分别发送至数据存储模块和用户的智能终端,同时将身份验证信息发送至数据存储模块进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019465.1A CN112700307A (zh) | 2021-01-07 | 2021-01-07 | 一种基于数据分析的商品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019465.1A CN112700307A (zh) | 2021-01-07 | 2021-01-07 | 一种基于数据分析的商品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700307A true CN112700307A (zh) | 2021-04-23 |
Family
ID=75515066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110019465.1A Withdrawn CN112700307A (zh) | 2021-01-07 | 2021-01-07 | 一种基于数据分析的商品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700307A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934948A (zh) * | 2021-10-29 | 2022-01-14 | 广州紫麦信息技术有限公司 | 一种产品智能推荐方法及系统 |
CN114708070A (zh) * | 2022-06-06 | 2022-07-05 | 广东鑫兴科技有限公司 | 一种信息智能推送方法、装置、电子设备和存储介质 |
CN116433336A (zh) * | 2023-06-13 | 2023-07-14 | 北京易享信息技术有限公司 | 一种基于多数据库的用户体验评测方法及系统 |
-
2021
- 2021-01-07 CN CN202110019465.1A patent/CN112700307A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934948A (zh) * | 2021-10-29 | 2022-01-14 | 广州紫麦信息技术有限公司 | 一种产品智能推荐方法及系统 |
CN113934948B (zh) * | 2021-10-29 | 2022-08-05 | 广州紫麦信息技术有限公司 | 一种产品智能推荐方法及系统 |
CN114708070A (zh) * | 2022-06-06 | 2022-07-05 | 广东鑫兴科技有限公司 | 一种信息智能推送方法、装置、电子设备和存储介质 |
CN114708070B (zh) * | 2022-06-06 | 2022-09-23 | 广东鑫兴科技有限公司 | 一种信息智能推送方法、装置、电子设备和存储介质 |
CN116433336A (zh) * | 2023-06-13 | 2023-07-14 | 北京易享信息技术有限公司 | 一种基于多数据库的用户体验评测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876526B (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
Christl et al. | Corporate surveillance in everyday life | |
CN107291732B (zh) | 一种信息推送方法及装置 | |
CN112700307A (zh) | 一种基于数据分析的商品推荐方法 | |
US8650141B2 (en) | System and method of segmenting and tagging entities based on profile matching using a multi-media survey | |
KR101868583B1 (ko) | 객관적 빅데이터 분석을 이용한 가맹점 추천 서비스 제공 방법 | |
CN105490823B (zh) | 一种数据处理方法及装置 | |
US20120047014A1 (en) | Method and system for using email receipts for targeted advertising | |
CN110163715A (zh) | 信息推荐方法、装置、设备及系统 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
KR102222159B1 (ko) | 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 | |
JP7357244B2 (ja) | 店舗利用情報配信装置及びこれを備えた店舗利用情報配信システム並びに店舗利用情報配信方法 | |
CN104978346A (zh) | 提供用户评价信息的方法及系统 | |
US11232525B2 (en) | Method and apparatus for measuring influence on social network | |
CN108429776B (zh) | 网络对象的推送方法、装置、客户端、交互设备以及系统 | |
KR20160090509A (ko) | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
WO2005114511A1 (en) | Method and system for detecting search terms whose popularity increase rapidly | |
KR20020072939A (ko) | 인터넷 쇼핑 에이전트에서의 다이알로그 마이닝 기법을이용한 개인화된 구매의사결정 지원과 마케팅 정보 추출방법 | |
CN109829593B (zh) | 目标对象的信用度确定方法、装置、存储介质及电子装置 | |
CN112131477A (zh) | 一种基于用户画像的图书馆图书推荐系统及方法 | |
JP2020091869A (ja) | Snsシステム、コンピュータプログラム、snsを用いたマーケティングオートメーション方法及び表示方法 | |
US20220172271A1 (en) | Method, device and system for recommending information, and storage medium | |
TWM633789U (zh) | 媒合系統 | |
JP6779965B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210423 |