CN113888281A - 商品推荐方法、装置、系统及存储介质 - Google Patents
商品推荐方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113888281A CN113888281A CN202111205482.0A CN202111205482A CN113888281A CN 113888281 A CN113888281 A CN 113888281A CN 202111205482 A CN202111205482 A CN 202111205482A CN 113888281 A CN113888281 A CN 113888281A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- data
- embedded
- behavior data
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种商品推荐方法、装置、系统及存储介质,该方法应用于第一平台,第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,该方法包括:获取用户在N个嵌入商城中产生的用户行为数据,用户行为数据是用户对N个嵌入商城内的商品进行购买操作所产生的数据,N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;基于用户行为数据确定用户画像,用户画像用于表征用户对不同商品标识对应商品的感兴趣程度;通过N个嵌入商城向用户推荐符合用户画像的商品。这种获得用户画像的方式既能维护用户个人信息安全性要求、符合法律规范,而且每个用户画像可以更加充分、全面地反映出该用户对N个嵌入商城中的不同商品的感兴趣程度,从而提高商品推荐的准确性。
Description
技术领域
本申请涉及移动互联网技术领域,尤其涉及一种商品推荐方法、装置、系统及存储介质。
背景技术
随着移动互联网技术的飞速发展,电子商务在人们日常生活中占据的比重也越来越高。电子商务平台经常会向用户推送各类商品,以提高商品的转化率和复购率。但现有电子商务平台的商品推荐方式,通常是随机推荐,或者基于自身平台上收集到的用户行为数据进行商品推荐,不能跨平台收集用户行为数据,因而经常推荐给用户的商品消息并不是用户真正感兴趣的消息,存在推荐的商品消息的准确性较低的问题。
发明内容
本申请提供了一种商品推荐方法、装置、系统及存储介质,以解决现有的商品推荐方式推荐的商品的准确性较低的问题。
第一方面,本申请提供了一种商品推荐方法,应用于第一平台,所述第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,所述方法包括:
获取用户在所述N个嵌入商城中产生的用户行为数据,所述用户行为数据是所述用户对所述N个嵌入商城内的商品进行购买操作所产生的数据,所述N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;
基于所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品。
可选地,所述用户行为数据包括如下至少一种数据类型:商品访问数据、商品支付数据、商品售后数据和商品评价数据,所述商品访问数据、所述商品支付数据、所述商品售后数据和所述商品评价数据均携带有对应商品的商品标识;
所述基于所述用户行为数据确定用户画像,包括:
根据所述用户行为数据中所包含的商品标识和数据类型,确定所述用户对不同商品标识对应商品的感兴趣程度;
根据所述用户对不同商品标识对应商品的感兴趣程度,确定所述用户画像。
可选地,所述根据所述用户行为数据中所包含的商品标识和数据类型,确定所述用户对不同商品标识对应商品的感兴趣程度,包括:
根据所述用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定所述用户对不同商品标识对应商品的感兴趣程度;
其中,所述第一商品标识为所述用户行为数据中所包含的任一商品标识,所述第一商品访问数据用于表征所述用户对所述第一商品标识对应商品的查看时间和查看次数,所述第一商品支付数据用于表征所述用户对所述第一商品标识对应商品的支付状态和支付时间,所述第一商品售后数据用于表征所述用户对所述第一商品标识对应商品是否存在退货行为,所述第一商品评价数据用于表征所述用户对所述第一商品标识对应商品的评价结果。
可选地,所述根据所述用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定所述用户对不同商品标识对应商品的感兴趣程度,包括:
在所述用户行为数据中的所述第一商品访问数据表征为查看次数达到第一预设阈值,且所述用户行为数据中不包含所述第一商品支付数据的情况下,将所述用户对所述第一商品标识对应商品的感兴趣程度调高;或者,
在所述用户行为数据中包含所述第一商品支付数据,且所述第一商品支付数据表征为支付成功的情况下,将所述用户对所述第一商品标识对应商品在第一预设时段内的感兴趣程度调低,所述第一预设时段的起始时间为所述第一商品支付数据对应的支付时间;或者,
在所述用户行为数据中包含所述第一商品售后数据,且所述第一商品售后数据表征为存在退货行为的情况下,和/或在所述用户行为数据中包含所述第一商品评价数据,且所述第一商品评价数据表征为差评的情况下,将所述用户对所述第一商品标识对应商品的感兴趣程度调低;或者,
在所述用户行为数据中包含所述第一商品支付数据,且所述第一商品支付数据的支付时间具备周期性的情况下,将所述用户对所述第一商品标识对应商品在目标时间的感兴趣程度调高,所述目标时间为所述支付时间的周期性所反映的所述用户对所述第一商品标识对应商品的需求时间段。
可选地,所述通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品,包括:
根据所述用户画像中所述用户对K个商品标识对应商品的感兴趣程度,确定出P个商品标识对应的商品,所述P个商品标识为所述K个商品标识中排序靠前的P个商品标识,所述用户画像中的各商品标识按照所述用户对各商品标识对应商品的感兴趣程度进行降序排序,K为所述用户画像中所包含的商品标识的总数量,P为小于或等于K的正整数;
通过所述N个嵌入商城向所述用户推荐所述P个商品标识对应的商品。
可选地,所述获取用户在所述N个嵌入商城中产生的用户行为数据,包括:
获取M个用户在所述N个嵌入商城中产生的M个用户行为数据,所述M个用户为登录所述N个嵌入商城中的部分或全部嵌入商城进行购买操作的用户,同一用户在不同嵌入商城中的用户标识相同,M为大于1的整数;
在所述获取用户在所述N个嵌入商城中产生的用户行为数据之后,所述方法还包括:
在所述M个用户行为数据中的第二商品标识对应的第二商品支付数据的数量达到第二预设阈值,且每个所述第二商品支付数据表征为好评的情况下,触发所述N个嵌入商城向第一用户推荐所述第二商品标识对应的商品,其中,所述第一用户为所述M个用户行为数据中不包含所述第二商品支付数据的用户行为数据所对应的用户,所述第二商品标识为所述M个用户行为数据中所包含的任一商品标识。
第二方面,本申请还提供了一种商品推荐方法,应用于第二平台,所述第二平台为内嵌于合作渠道的应用程序中的嵌入商城,所述第二平台的数量为N个,N个所述第二平台均与第一平台连接,N为大于1的整数,所述方法包括:
采集所述用户的用户行为数据;
将所述用户行为数据发送至所述第一平台,所述第一平台用于基于N个所述第二平台采集的N个所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
接收所述第一平台发送的推荐指令,所述推荐指令用于向所述用户推荐符合所述用户画像的商品。
第三方面,本申请还提供了一种商品推荐装置,应用于第一平台,所述第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,所述商品推荐装置包括:
第一获取模块,用于获取用户在所述N个嵌入商城中产生的用户行为数据,所述用户行为数据是所述用户对所述N个嵌入商城内的商品进行购买操作所产生的数据,所述N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;
确定模块,用于基于所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
第一推荐模块,用于通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品。
第四方面,本申请还提供了一种商品推荐装置,应用于第二平台,所述第二平台为内嵌于合作渠道的应用程序中的平台,所述第二平台的数量为N个,N个所述第二平台均与第一平台连接,N为大于1的整数,所述商品推荐装置包括:
采集模块,用于采集所述用户的用户行为数据;
发送模块,用于将所述用户行为数据发送至所述第一平台,所述第一平台用于基于N个所述第二平台采集的N个所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
接收模块,用于接收所述第一平台发送的推荐指令,所述推荐指令用于向所述用户推荐符合所述用户画像的商品。
第五方面,本申请还提供了一种商品推荐系统,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的商品推荐方法的步骤,或者所述处理器执行所述程序时实现第二方面实施例所述的商品推荐方法。
第六方面,本申请还提供了一种计算机可读存储介质,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实施例所述的商品推荐方法的步骤,或者实现第二方面实施例所述的商品推荐方法。
在本申请实施例中,通过获取用户在N个嵌入商城中产生的用户行为数据,所述用户行为数据是所述用户对所述N个嵌入商城内的商品进行购买操作所产生的数据,所述N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;基于所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品。通过这种方式,使得每个用户画像综合考虑了该用户在N个嵌入商城中产生的所有用户行为数据,这种获得用户画像的方式既能维护用户个人信息安全性要求、符合法律规范,而且每个用户画像可以更加充分、全面地反映出该用户对N个嵌入商城中的不同商品的感兴趣程度,因此根据每个用户的用户画像进行商品推荐,可以保证每个用户得到的商品均是用户感兴趣的商品,从而提高了商品推荐的准确性。
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商品推荐方法的流程示意图之一;
图2为本申请实施例提供的商品推荐方法的流程示意图之二;
图3为本申请实施例提供的第一平台的示意图;
图4为本申请实施例提供的移动终端的示意图;
图5为本申请实施例提供的第一平台和第二平台的业务实现过程的流程示意图;
图6为本申请实施例提供的商品推荐装置的结构示意图之一;
图7为本申请实施例提供的商品推荐装置的结构示意图之二;
图8为本申请实施例提供的商品推荐系统的结构示意图。
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。
参见图1,图1为本申请实施例提供的商品推荐方法的流程示意图之一。如图1所示,该商品推荐方法应用于第一平台,第一平台用于为N个合作渠道的应用程序提供N个嵌入商城。在此,第一平台可以通过不同的合作渠道进行商品销售,在每个合作渠道注册的用户可以通过该合作渠道的应用程序购买商品。在具体实施例中,在合作渠道的应用程序中内嵌第一平台的SDK来形成该合作渠道的嵌入商城,也即,形成该合作渠道的自身商城,也就是说,嵌入商城中的商品来源于第一平台中的商品。在此,可以理解的是,用户在合作渠道自身商城进行商品下单时,虽然商品来源于其接入的第一平台,但用户并不感知,而是认为所下单商品是合作渠道自身售卖的商品。该方法具体包括如下步骤:
步骤101、获取用户在N个嵌入商城中产生的用户行为数据,用户行为数据是用户对N个嵌入商城内的商品进行购买操作所产生的数据,N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数。
具体地,本申请实施例中的商品推荐方法由第一平台执行,该第一平台用于为N个合作渠道的应用程序提供N个嵌入商城。此处的合作渠道的应用程序可以是媒体类应用程序、社交类应用程序、浏览器类应用程序、视频播放类应用程序等。该合作渠道的应用程序可以是指合作渠道对应的原生应用程序(APPlication,简称APP)或者小程序等,后续实施例均以合作渠道的原生APP为例,则合作渠道1对应的应用程序可以用APP1表示,合作渠道2对应的应用程序可以用APP2表示,合作渠道N对应的应用程序可以用APPN表示。每个合作渠道的应用程序均内嵌有一个嵌入商城,合作渠道的应用程序可以通过各自的嵌入商城上线第一平台中的部分或者全部商品,供用户选择购买。
需要说明的是,每个嵌入商城是通过在合作渠道的应用程序中内嵌第一平台的软件开发工具包(Software Development Kit,简称SDK)来实现,该第一平台的软件开发工具包可以为合作渠道的嵌入商城提供获取第一平台中的商品的接口,运营人员只需要在第一平台上可以对商品进行统一规范标识,这样就可以使得N个嵌入商城内的同一商品使用同一商品标识,这样,用户在不同嵌入商城中的用户行为数据可以根据商品标识来区分,方便第一平台能够基于商品标识对不同嵌入商城中获取到的用户行为数据进行聚合分析。
在本步骤中,当用户登录合作渠道的应用程序,在嵌入商城中进行商品浏览、下单、支付、售后处理或者评论等操作时,第一平台可以通过开发工具包提供的数据接口直接获取用户行为数据,也可以由嵌入商城对用户行为数据进行采集,再将采集到的用户行为数据发送至第一平台,本申请不做具体限定。
步骤102、基于用户行为数据确定用户画像,用户画像用于表征用户对不同商品标识对应商品的感兴趣程度。
具体地,上述用户行为数据可以包括该用户在N个嵌入商城中所产生的携带有商品标识的数据,如某商品标识对应商品的查看次数、某商品标识对应商品的支付次数、某商品标识对应商品的评价结果、某商品标识对应商品的退货次数等等。这样,第一平台可以根据用户行为数据,对不同商品标识对应商品的全生命周期的状态进行分析,以此得到用户对不同商品的感兴趣程度,由此确定该用户的用户画像。
步骤103、通过N个嵌入商城向用户推荐符合用户画像的商品。
第一平台在确定用户对应的用户画像之后,可以根据用户画像确定需要推荐给该用户的待推荐的商品,进而通过N个嵌入商城将待推荐的商品推荐给用户。例如,假设用户A登录合作渠道1的应用程序APP1、合作渠道2的应用程序APP2和合作渠道3的应用程序APP3选购商品,第一平台根据用户A的用户行为数据分析得到用户A的用户画像中对商品1感兴趣程度最高,此时可以通过APP1、APP2和APP3中的任意一个嵌入商城、任意两个嵌入商城或者全部嵌入商城向用户A推荐商品1。
在该步骤中,第一平台可以直接通过开发工具包提供的数据接口向嵌入商城发送推荐商品的相关信息,也可以向嵌入商城发送携带有推荐商品的相关信息的推荐指令,再通过嵌入商城展示给用户。具体的,推荐商品的相关信息包括但不限于待推荐商品的列表页、站内信、推送消息等。
需要说明的是,每个用户画像与每个用户标识一一对应,该用户标识可以是登录合作渠道的应用程序的用户账号、手机号码、用户终端标识等信息。
在本实施例中,由于每个用户画像综合考虑了该用户在N个嵌入商城中产生的所有用户行为数据,因而每个用户画像可以更加充分、全面地反映出该用户对N个嵌入商城中的不同商品的感兴趣程度,因此根据用户画像进行商品推荐,可以保证每个用户得到的商品是用户感兴趣的商品,从而提高了商品推荐的准确性。
进一步地,用户行为数据包括如下至少一种数据类型:商品访问数据、商品支付数据、商品售后数据和商品评价数据,商品访问数据、商品支付数据、商品售后数据和商品评价数据均携带有对应商品的商品标识;
上述步骤102、基于用户行为数据确定用户画像,包括:
根据用户行为数据中所包含的商品标识和数据类型,确定用户对不同商品标识对应商品的感兴趣程度;
根据用户对不同商品标识对应商品的感兴趣程度,确定用户画像。
在一实施例中,具体可以根据获取到的用户行为数据中所包含的商品标识和数据类型,对不同商品标识对应商品进行分析,从而得到用户对不同商品标识对应商品的感兴趣程度,进而确定出用户画像。具体地,第一平台可以根据商品访问数据确定该用户对不同商品标识对应商品的查看时间和查看次数,其中,查看次数越多,可以表示用户对该商品的感兴趣程度越高;查看次数越少,可以表示用户对该商品的感兴趣程度越低。第一平台还可以根据商品支付数据确定该用户对不同商品标识对应商品的支付状态和支付时间,通过支付状态和支付时间可以进一步确定该用户是否有周期购买某商品的习惯等,如果该用户对某一商品标识对应商品具有周期性购买习惯,可以表示用户在对应时间周期对该商品的感兴趣程度越高。第一平台还可以根据商品售后数据确定该用户对不同商品标识对应商品的是否存在退货行为,如果某商品标识对应商品存在退货行为,可以表示用户对该商品的感兴趣程度较低;如果某商品标识对应商品不存在退货行为,可以表示用户对该商品的感兴趣程度较高。第一平台还可以根据商品评价数据确定该用户对不同商品标识对应商品的评价结果,若评价结果为好评,表示用户对该商品的感兴趣程度较高;若评价结果为差评,表示用户对该商品的感兴趣程度较低等。当然,第一平台还可以综合上述商品访问数据、商品支付数据、商品售后数据和商品评价数据中的任意多种进行综合考虑,以此确定该用户的用户画像。
在本实施例中,每个用户画像综合考虑了该用户在N个嵌入商城中产生的所有用户行为数据,这种获得用户画像的方式既能维护用户个人信息安全性要求、符合法律规范,而且每个用户画像可以更加充分、全面地反映出该用户对N个嵌入商城中的不同商品的感兴趣程度,因此根据每个用户的用户画像进行商品推荐,可以保证每个用户得到的商品均是用户感兴趣的商品,从而提高了商品推荐的准确性。现有技术中,例如,行业内广告联盟,对于跨平台的信息收集,受限制于各个电商平台竞争关系,各个平台商品信息不能统一规范和映射,另外法律法规要求平台保护用户隐私,并且广告联盟收集到的大数据仅限于商品访问情况、下单(不包含支付)情况,不能够收集到用户真实购买商品付款情况、退换货情况、售后情况、评论情况、复购情况,即不能够按照商品统一维度对应分析全生命周期的购买行为,不能够精确的进行用户画像和商品推荐,本发明克服了现有技术的缺陷。
进一步地,上述步骤、根据用户行为数据中所包含的商品标识和数据类型,确定用户对不同商品标识对应商品的感兴趣程度,包括:
根据用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定用户对不同商品标识对应商品的感兴趣程度;
其中,第一商品标识为用户行为数据中所包含的任一商品标识,第一商品访问数据用于表征用户对第一商品标识对应商品的查看时间和查看次数,第一商品支付数据用于表征用户对第一商品标识对应商品的支付状态和支付时间,第一商品售后数据用于表征用户对第一商品标识对应商品是否存在退货行为,第一商品评价数据用于表征用户对第一商品标识对应商品的评价结果。
在一实施例中,在确定用户画像时,需要确定用户对不同商品标识对应商品的感兴趣程度,因而需要分别确定用户对每个商品标识对应的商品的感兴趣程度。具体地,可以获取用户行为数据中的第一商品访问数据,根据第一商品访问数据来确定第一商品标识对应商品的查看时间和查看次数;获取用户行为数据中的第一商品支付数据,根据第一商品支付数据来确定第一商品标识对应商品的支付状态和支付时间;获取用户行为数据中的第一商品售后数据,根据第一商品售后数据来确定第一商品标识对应商品是否存在退货行为;获取用户行为数据中的第一商品评价数据,根据第一商品评价数据来确定第一商品标识对应商品的评价结果,并将上述第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,来确定用户对第一商品标识对应商品的感兴趣程度。由于所有的商品标识对应商品均可以采用上述方式来确定用户对其感兴趣程度,因而可以得到用户对所有不同商品标识对应商品的感兴趣程度。
需要说明的是,这里的用户画像可以使用权重比值来表示用户对不同商品标识对应商品的感兴趣程度。例如,假设用户A对商品1的感兴趣程度最高,对商品2的感兴趣程度较中,对商品3的感兴趣程度最低,则可以为商品1、商品2和商品3分别分配一个权重比值,商品1为50%,商品2为30%,商品3为20%。
在本实施例中,可以通过获取第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,以此确定用户对不同商品标识对应商品的感兴趣程度,从而得到用户画像。
进一步地,根据用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定用户对不同商品标识对应商品的感兴趣程度,包括:
在用户行为数据中的第一商品访问数据表征为查看次数达到第一预设阈值,且用户行为数据中不包含第一商品支付数据的情况下,将用户对第一商品标识对应商品的感兴趣程度调高;或者,
在用户行为数据中包含第一商品支付数据,且第一商品支付数据表征为支付成功的情况下,将用户对第一商品标识对应商品在第一预设时段内的感兴趣程度调低,第一预设时段的起始时间为第一商品支付数据对应的支付时间;或者,
在用户行为数据中包含第一商品售后数据,且第一商品售后数据表征为存在退货行为的情况下,和/或在用户行为数据中包含第一商品评价数据,且第一商品评价数据表征为差评的情况下,将用户对第一商品标识对应商品的感兴趣程度调低;或者,
在用户行为数据中包含第一商品支付数据,且第一商品支付数据的支付时间具备周期性的情况下,将所述用户对所述第一商品标识对应商品在目标时间的感兴趣程度调高,所述目标时间为所述支付时间的周期性所反映的所述用户对所述第一商品标识对应商品的需求时间段。
具体地,上述第一预设阈值和上述第一预设时段可以根据实际需要具体设置,本申请不做具体限定。例如,上述第一预设阈值可以为5次、10次或者其他数量等,上述第一预设时段可以为1天、1周或者1个月等。
在一实施例中,当第一商品访问数据表征为查看次数达到第一预设阈值,且用户行为数据中不包含第一商品支付数据时,表示该用户已经浏览查看过很多次第一商品标识对应商品,但还没有购买成功,也即该用户对第一商品标识对应商品的购买意愿较为强烈,因而可以将用户对第一商品标识对应商品的感兴趣程度调高,在后续进行商品推荐时,可将第一商品标识对应的商品的推荐优先权提高。
在另一实施例中,当用户行为数据中包含第一商品支付数据,且第一商品支付数据表征为支付成功时,表示该用户已经成功购买了第一商品标识对应商品,在购买成功后的第一预设时间内,再次购买的可能性较小,因而可以将用户对第一商品标识对应商品在第一预设时段内的感兴趣程度调低,在后续进行商品推荐时,可将第一商品标识对应的商品的推荐优先权降低。例如,假设用户A在合作渠道应用程序APP1成功购买了商品1,那么可以在该用户下单支付的第一预设时段之内(如1天内),将商品1推荐给该用户的权重比例进行降低,以保证在各个嵌入商城中不会优先推荐该商品1。
在又一实施例中,当用户行为数据中包含第一商品售后数据,且第一商品售后数据表征为存在退货行为时,和/或当用户行为数据中包含第一商品评价数据,且第一商品评价数据表征为差评时,表示该用户在购买第一商品标识对应商品后对该商品的认可度不高,因而可将用户对第一商品标识对应商品的感兴趣程度调低,在后续进行商品推荐时,可将第一商品标识对应的商品的推荐优先权降低。例如,假设用户A在合作渠道应用程序APP1退货了购买的商品1,并给予差评,将商品1推荐给该用户的权重比例进行降低,以保证在各个嵌入商城不再推荐该商品。
在一实施例中,当用户行为数据中包含第一商品支付数据,且第一商品支付数据的支付时间具备周期性时,表示该用户对第一商品标识对应商品具有周期性购买需求,因而可将用户对第一商品标识对应商品在目标时间的感兴趣程度调高。例如,假设用户A在前几年的秋季通过合作渠道应用程序APP1购买了某种水果,并给予好评,那么可以在接下来每年的秋季可将该水果推荐给该用户的权重比例进行提升,以保证在各个嵌入商城对该水果进行推荐,提高该水果的转化率和复购率。又例如,假设用户A在9月1日通过合作渠道应用程序APP1购买了某X1款牛奶1箱,并给予好评(X为品牌名称),用户A在9月15日通过合作渠道应用程序APP2购买了某X2款牛奶1箱,用户A在10月3日通过合作渠道应用程序APP1购买了某X1款牛奶1箱,通过以上周期性行为分析,在各个合作渠道应用程序中进行强加权推荐,推荐某X1-Xn款牛奶。
进一步地,上述步骤103、通过N个嵌入商城向用户推荐符合用户画像的商品,包括:
根据用户画像中用户对K个商品标识对应商品的感兴趣程度,确定出P个商品标识对应的商品,P个商品标识为K个商品标识中排序靠前的P个商品标识,用户画像中的各商品标识按照用户对各商品标识对应商品的感兴趣程度进行降序排序,K为用户画像中所包含的商品标识的总数量,P为小于或等于K的正整数;
通过N个嵌入商城向用户推荐P个商品标识对应的商品。
在一实施例中,用户画像中的K个商品标识对应商品能够按照用户的感兴趣程度由高到低进行排序,在进行商品推荐时,可以从排序后的K个商品标识中选取排序靠前的P个商品标识,确定为待推荐商品的商品标识。进而再通过触发N个嵌入商城对该P个商品标识对应的进行推荐。具体地,可以触发N个嵌入商城中的全部嵌入商城进行推荐,也可以触发N个嵌入商城中的部分嵌入商城进行推荐,本实施例不做具体限定。
需要说明的是,此处的P可以为大于或等于1,且小于K的任一正整数。当P为大于1的正整数时,推荐的P个商品标识对应的商品可以采用商品列表或者多个单品页面的方式进行推荐。
在本实施例中,可以基于用户画像中用户对各商品的感兴趣程度进行商品消息推荐,使得推荐给用户的商品能够符合用户的喜好和需求,从而提高商品的转化率和复购率。
进一步地,上述步骤101、获取用户在N个嵌入商城中产生的用户行为数据,包括:
获取M个用户在N个嵌入商城中产生的M个用户行为数据,M个用户为登录N个嵌入商城中的部分或全部嵌入商城进行购买操作的用户,同一用户在不同嵌入商城中的用户标识相同,M为大于1的整数;
在获取用户在N个嵌入商城中产生的用户行为数据之后,该方法还包括:
在M个用户行为数据中的第二商品标识对应的第二商品支付数据的数量达到第二预设阈值,且每个第二商品支付数据表征为好评的情况下,触发N个嵌入商城向第一用户推荐第二商品标识对应的商品,其中,第一用户为M个用户行为数据中不包含第二商品支付数据的用户行为数据所对应的用户,第二商品标识为M个用户行为数据中所包含的任一商品标识。
具体地,上述第二预设阈值可以根据实际需要进行设置,本申请不做具体限定。
在一实施例中,当M个用户在合作渠道的N个嵌入商城中进行商品浏览、下单、支付、售后处理和评价等操作时,第一平台可以根据M个用户对应的用户标识,将N个嵌入商城中产生的用户行为数据,按照用户标识进行聚合,这样,第一平台就可以根据每个用户对应的用户标识,得到该用户在多个不同嵌入商城中的用户行为数据,并根据得到的该用户在多个不同嵌入商城中的用户行为数据,准确、全面地确定该用户的用户画像。同样,第一平台也可以根据M个用户对应的M个用户行为数据,来对N个嵌入商城中的商品(即第一平台中的商品)进行整体评价,从而确定出第一平台中受欢迎的商品。具体地,可以对M个用户的用户行为数据进行分析,确定是否存在第二商品支付数据的数量达到第二预设阈值,且每个第二商品支付数据表征为好评的第二商品标识对应商品,即受大众欢迎的商品。若存在,则将这些受大众欢迎的商品进一步推荐给还未购买该第二商品标识对应商品的其他用户。例如,假设用户A通过合作渠道1的应用程序APP1购买了商品1,并给予好评,用户B也通过合作渠道2的应用程序APP2购买了商品1,并给予好评,用户C也通过合作渠道3的应用程序APP3购买了商品1,并给予好评,那么可以将商品1推荐给除用户A、用户B和用户C外的嵌入商城的其他使用用户,如当用户D登录APP4时可将商品1的商品推荐给用户D等。这样,可以进一步提高嵌入商城中商品的购买率。
参见图2,图2为本申请实施例提供的商品推荐方法的流程示意图之二。如图2所示,该商品推荐方法,应用于第二平台,第二平台为内嵌于合作渠道的应用程序中的嵌入商城,第二平台的数量为N个,N个第二平台均与第一平台连接,N为大于1的整数,该方法具体可以包括如下步骤:
步骤201、采集用户的用户行为数据。
具体地,本申请实施例中的商品推荐方法由第二平台执行,该第二平台为内嵌于合作渠道的应用程序中的嵌入商城,该第二平台用于为用户提供在合作渠道的应用程序内进行商品购买的平台。该第二平台是通过在合作渠道的应用程序中内嵌第一平台的软件开发工具包(Software Development Kit,简称SDK)来实现。
第二平台可以实时采集用户的用户行为数据,如用户对某商品标识对应商品的查看数据、对某商品标识对应商品的支付数据、某商品标识对应商品的评价数据、某商品标识对应商品的退货数据等等,这些数据都携带有商品标识,方便第二平台能够区分用户行为数据中的不同商品。具体地,第二平台可以通过预设的数据埋点来采集用户行为数据,当然,也可以采用其他方式获取,本申请不做具体限定。
步骤202、将用户行为数据发送至第一平台,第一平台用于基于N个第二平台采集的N个用户行为数据确定用户画像,用户画像用于表征用户对不同商品标识对应商品的感兴趣程度。
第二平台采集到用户行为数据后,可以将用户行为数据发送至第一平台,由于第一平台与N个第二平台连接,因而第一平台可以根据N个第二平台采集的N个用户行为数据,并根据N个用户行为数据对不同商品标识对应商品的全生命周期的状态进行分析,以此得到用户对不同商品的感兴趣程度,由此确定该用户的用户画像,具体过程与上述实施例中的相同,在此不再赘述。
步骤203、接收第一平台发送的推荐指令,推荐指令用于向用户推荐符合用户画像的商品。
第一平台在确定用户画像后,可以向第二平台发送推荐指令,该推荐指令中携带有待推荐的商品的相关信息。第二平台在接收该推荐指令后,可以根据推荐指令向用户待推荐的商品。其中,该待推荐的商品为符合用户的用户画像的商品。
在本实施例中,由于每个用户画像综合考虑了该用户在N个嵌入商城中产生的全部用户行为数据,因而每个用户画像可以更加充分、全面地反映出该用户对N个嵌入商城中的不同商品的感兴趣程度,因而根据用户画像进行商品推荐,可以保证每个用户得到的商品是用户感兴趣的商品,从而提高商品推荐的准确性。
在实际应用中,第一平台作为综合管理平台,其运营人员可以在该第一平台进行商品管理、合作渠道管理和运营管理,如图3所示。其中,该商品管理是指制定商品统一的商品标识,使得不同合作渠道的应用程序可以根据该统一的商品标识上线第一平台中的商品,使得在不同合作渠道的嵌入商城内的相同商品拥有相同的商品标识。该合作渠道管理是指为合作渠道设置各自的身份标识,用于进行合作渠道识别,这样,在获取嵌入商城的用户行为数据和通过嵌入商城推荐商品消息时,可以根据合作渠道的标识进行区分。该运营管理是指对N个嵌入商城中产生的用户行为数据进行分析,确定每个用户的用户画像,并根据用户画像进行人工推荐或者平台自动推荐商品消息。
作为用户,可以在移动终端上安装至少一个合作渠道的应用程序,并通过该至少一个合作渠道的应用程序内的嵌入商城,获取该用户的用户行为数据,如商品访问数据、商品支付数据、商品售后数据和商品评价数据等。如图4所示,该用户的移动终端可以安装m个合作渠道的应用程序,即合作渠道APP1、合作渠道APP2,...,合作渠道APPm。每个合作渠道应用程序内均内嵌有一个内嵌商城,如合作渠道APP1对应内嵌商城1,合作渠道APP2对应内嵌商城2,合作渠道APPm对应内嵌商城m。用户可以登录任一嵌入商城进行商品访问、下单、支付、售后处理和评价等操作,由此可以获取到该用户的用户行为数据,构建该用户的用户画像。
参见图5,图5为本申请实施例提供的第一平台和第二平台的业务实现过程的流程示意图。在第一平台和第二平台的业务实现过程中,需要运营人员在第一平台先进行商品管理,将制定好的统一的商品标识分发到合作渠道。这样,合作渠道可以根据统一的商品标识在第二平台内上线各自所需的商品。用户则可通过合作渠道提供的嵌入商城进行商品访问、下单、支付、售后处理和评价等操作,生成用户行为数据,第一平台可以根据用户行为数据构建用户画像,并进行人工推荐,同时第一平台也可以根据用户行为数据判断待推荐的商品中是否有退货或差评的商品,若待推荐的商品中有退货或差评的商品,则第一平台将屏蔽对这些待推荐的商品的推荐;若待推荐的商品中无退货或差评的商品,则第一平台将对这些待推荐的商品进行推荐。这样,第一平台在人工推荐和系统推荐的共同作用下,可以实现跨合作渠道用户复购。通过上述方式,第一平台可以针对用户的购买行为的全生命周期进行聚合分析,例如:商品搜索、商品浏览、分类访问、下单、支付订单、退款、退货、评论、售后投诉等,从而分析出用户画像、用户购买行为规律、统一规范的商品维度,以此进行高效商品推荐,提高转化率、复购率。同时也将用户退货、差评后的商品信息进行屏蔽,避免推荐给用户不符合用户期望的商品。
参见图6,图6为本申请实施例提供的商品推荐装置的结构示意图之一。如图6所示,该商品推荐装置600,应用于第一平台,第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,该商品推荐装置600包括:
第一获取模块601,用于获取用户在N个嵌入商城中产生的用户行为数据,用户行为数据是用户对N个嵌入商城内的商品进行购买操作所产生的数据,N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;
确定模块602,用于基于用户行为数据确定用户画像,用户画像用于表征用户对不同商品标识对应商品的感兴趣程度;
第一推荐模块603,用于通过N个嵌入商城向用户推荐符合用户画像的商品。
可选地,用户行为数据包括如下至少一种数据类型:商品访问数据、商品支付数据、商品售后数据和商品评价数据,商品访问数据、商品支付数据、商品售后数据和商品评价数据均携带有对应商品的商品标识;
确定模块602包括:
第一确定子模块,用于根据用户行为数据中所包含的商品标识和数据类型,确定用户对不同商品标识对应商品的感兴趣程度;
第二确定子模块,用于根据用户对不同商品标识对应商品的感兴趣程度,确定用户画像。
可选地,第一确定子模块包括:
确定单元,用于根据用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定用户对不同商品标识对应商品的感兴趣程度;
其中,第一商品标识为用户行为数据中所包含的任一商品标识,第一商品访问数据用于表征用户对第一商品标识对应商品的查看时间和查看次数,第一商品支付数据用于表征用户对第一商品标识对应商品的支付状态和支付时间,第一商品售后数据用于表征用户对第一商品标识对应商品是否存在退货行为,第一商品评价数据用于表征用户对第一商品标识对应商品的评价结果。
可选地,确定单元具体用于:
在用户行为数据中的第一商品访问数据表征为查看次数达到第一预设阈值,且用户行为数据中不包含第一商品支付数据的情况下,将用户对第一商品标识对应商品的感兴趣程度调高;或者,
在用户行为数据中包含第一商品支付数据,且第一商品支付数据表征为支付成功的情况下,将用户对第一商品标识对应商品在第一预设时段内的感兴趣程度调低,第一预设时段的起始时间为第一商品支付数据对应的支付时间;或者,
在用户行为数据中包含第一商品售后数据,且第一商品售后数据表征为存在退货行为的情况下,和/或在用户行为数据中包含第一商品评价数据,且第一商品评价数据表征为差评的情况下,将用户对第一商品标识对应商品的感兴趣程度调低;或者,
在用户行为数据中包含第一商品支付数据,且第一商品支付数据的支付时间具备周期性的情况下,将用户对第一商品标识对应商品在目标时间的感兴趣程度调高,所述目标时间为所述支付时间的周期性所反映的所述用户对所述第一商品标识对应商品的需求时间段。
可选地,第一推荐模块603包括:
第三确定子模块,用于根据用户画像中用户对K个商品标识对应商品的感兴趣程度,确定出P个商品标识对应的商品,P个商品标识为K个商品标识中排序靠前的P个商品标识,用户画像中的各商品标识按照用户对各商品标识对应商品的感兴趣程度进行降序排序,K为用户画像中所包含的商品标识的总数量,P为小于或等于K的正整数;
推荐子模块,用于通过N个嵌入商城向用户推荐P个商品标识对应的商品。
可选地,第一获取模块601具体用于:
获取M个用户在N个嵌入商城中产生的M个用户行为数据,M个用户为登录N个嵌入商城中的部分或全部嵌入商城进行购买操作的用户,同一用户在不同嵌入商城中的用户标识相同,M为大于1的整数;
该商品推荐装置600还包括:
第二推荐模块,用于在M个用户行为数据中的第二商品标识对应的第二商品支付数据的数量达到第二预设阈值,且每个第二商品支付数据表征为好评的情况下,触发N个嵌入商城向第一用户推荐第二商品标识对应的商品,其中,第一用户为M个用户行为数据中不包含第二商品支付数据的用户行为数据所对应的用户,第二商品标识为M个用户行为数据中所包含的任一商品标识。
需要说明的是,该商品推荐装置600可以实现上述图1所示实施例的步骤,且能达到相同的技术效果,在此不再一一赘述。
参见图7,图7为本申请实施例提供的商品推荐装置的结构示意图之二。如图7所示,该商品推荐装置700,应用于第二平台,第二平台为内嵌于合作渠道的应用程序中的嵌入商城,第二平台的数量为N个,N个第二平台均与第一平台连接,N为大于1的整数,该商品推荐装置700包括:
采集模块701,用于采集用户的用户行为数据;
发送模块702,用于将用户行为数据发送至第一平台,第一平台用于基于N个第二平台采集的N个用户行为数据确定用户画像,用户画像用于表征用户对不同商品标识对应商品的感兴趣程度;
接收模块703,用于接收第一平台发送的推荐指令,推荐指令用于向用户推荐符合用户画像的商品。
需要说明的是,该商品推荐装置700可以实现上述图2所示实施例的步骤,且能达到相同的技术效果,在此不再一一赘述。
除此之外,本申请实施例提供了一种商品推荐系统。如图8所示,本申请实施例提供提供了一种商品推荐系统,包括处理器811、通信接口812、存储器813和通信总线814,其中,处理器811,通信接口812,存储器813通过通信总线814完成相互间的通信,
存储器813,用于存放计算机程序;
在本申请一个实施例中,处理器811,用于执行存储器813上所存放的程序时,实现前述任意一个方法实施例提供的商品推荐方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如前述任意一个方法实施例提供的商品推荐方法的步骤。
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 (11)
1.一种商品推荐方法,其特征在于,应用于第一平台,所述第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,所述方法包括:
获取用户在所述N个嵌入商城中产生的用户行为数据,所述用户行为数据是所述用户对所述N个嵌入商城内的商品进行购买操作所产生的数据,所述N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;
基于所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品。
2.根据权利要求1所述的方法,其特征在于,所述用户行为数据包括如下至少一种数据类型:商品访问数据、商品支付数据、商品售后数据和商品评价数据,所述商品访问数据、所述商品支付数据、所述商品售后数据和所述商品评价数据均携带有对应商品的商品标识;
所述基于所述用户行为数据确定用户画像,包括:
根据所述用户行为数据中所包含的商品标识和数据类型,确定所述用户对不同商品标识对应商品的感兴趣程度;
根据所述用户对不同商品标识对应商品的感兴趣程度,确定所述用户画像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户行为数据中所包含的商品标识和数据类型,确定所述用户对不同商品标识对应商品的感兴趣程度,包括:
根据所述用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定所述用户对不同商品标识对应商品的感兴趣程度;
其中,所述第一商品标识为所述用户行为数据中所包含的任一商品标识,所述第一商品访问数据用于表征所述用户对所述第一商品标识对应商品的查看时间和查看次数,所述第一商品支付数据用于表征所述用户对所述第一商品标识对应商品的支付状态和支付时间,所述第一商品售后数据用于表征所述用户对所述第一商品标识对应商品是否存在退货行为,所述第一商品评价数据用于表征所述用户对所述第一商品标识对应商品的评价结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述用户行为数据中第一商品标识对应的第一商品访问数据、第一商品支付数据、第一商品售后数据和第一商品评价数据,确定所述用户对不同商品标识对应商品的感兴趣程度,包括:
在所述用户行为数据中的所述第一商品访问数据表征为查看次数达到第一预设阈值,且所述用户行为数据中不包含所述第一商品支付数据的情况下,将所述用户对所述第一商品标识对应商品的感兴趣程度调高;或者,
在所述用户行为数据中包含所述第一商品支付数据,且所述第一商品支付数据表征为支付成功的情况下,将所述用户对所述第一商品标识对应商品在第一预设时段内的感兴趣程度调低,所述第一预设时段的起始时间为所述第一商品支付数据对应的支付时间;或者,
在所述用户行为数据中包含所述第一商品售后数据,且所述第一商品售后数据表征为存在退货行为的情况下,和/或在所述用户行为数据中包含所述第一商品评价数据,且所述第一商品评价数据表征为差评的情况下,将所述用户对所述第一商品标识对应商品的感兴趣程度调低;或者,
在所述用户行为数据中包含所述第一商品支付数据,且所述第一商品支付数据的支付时间具备周期性的情况下,将所述用户对所述第一商品标识对应商品在目标时间的感兴趣程度调高,所述目标时间为所述支付时间的周期性所反映的所述用户对所述第一商品标识对应商品的需求时间段。
5.根据权利要求1所述的方法,其特征在于,所述通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品,包括:
根据所述用户画像中所述用户对K个商品标识对应商品的感兴趣程度,确定出P个商品标识对应的商品,所述P个商品标识为所述K个商品标识中排序靠前的P个商品标识,所述用户画像中的各商品标识按照所述用户对各商品标识对应商品的感兴趣程度进行降序排序,K为所述用户画像中所包含的商品标识的总数量,P为小于或等于K的正整数;
通过所述N个嵌入商城向所述用户推荐所述P个商品标识对应的商品。
6.根据权利要求1所述的方法,其特征在于,所述获取用户在所述N个嵌入商城中产生的用户行为数据,包括:
获取M个用户在所述N个嵌入商城中产生的M个用户行为数据,所述M个用户为登录所述N个嵌入商城中的部分或全部嵌入商城进行购买操作的用户,同一用户在不同嵌入商城中的用户标识相同,M为大于1的整数;
在所述获取用户在所述N个嵌入商城中产生的用户行为数据之后,所述方法还包括:
在所述M个用户行为数据中的第二商品标识对应的第二商品支付数据的数量达到第二预设阈值,且每个所述第二商品支付数据表征为好评的情况下,触发所述N个嵌入商城向第一用户推荐所述第二商品标识对应的商品,其中,所述第一用户为所述M个用户行为数据中不包含所述第二商品支付数据的用户行为数据所对应的用户,所述第二商品标识为所述M个用户行为数据中所包含的任一商品标识。
7.一种商品推荐方法,其特征在于,应用于第二平台,所述第二平台为内嵌于合作渠道的应用程序中的嵌入商城,所述第二平台的数量为N个,N个所述第二平台均与第一平台连接,N为大于1的整数,所述方法包括:
采集所述用户的用户行为数据;
将所述用户行为数据发送至所述第一平台,所述第一平台用于基于N个所述第二平台采集的N个所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
接收所述第一平台发送的推荐指令,所述推荐指令用于向所述用户推荐符合所述用户画像的商品。
8.一种商品推荐装置,其特征在于,应用于第一平台,所述第一平台用于为N个合作渠道的应用程序提供N个嵌入商城,所述商品推荐装置包括:
第一获取模块,用于获取用户在所述N个嵌入商城中产生的用户行为数据,所述用户行为数据是所述用户对所述N个嵌入商城内的商品进行购买操作所产生的数据,所述N个嵌入商城内的相同商品的商品标识相同,N为大于1的整数;
确定模块,用于基于所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
第一推荐模块,用于通过所述N个嵌入商城向所述用户推荐符合所述用户画像的商品。
9.一种商品推荐装置,其特征在于,应用于第二平台,所述第二平台为内嵌于合作渠道的应用程序中的平台,所述第二平台的数量为N个,N个所述第二平台均与第一平台连接,N为大于1的整数,所述商品推荐装置包括:
采集模块,用于采集所述用户的用户行为数据;
发送模块,用于将所述用户行为数据发送至所述第一平台,所述第一平台用于基于N个所述第二平台采集的N个所述用户行为数据确定用户画像,所述用户画像用于表征所述用户对不同商品标识对应商品的感兴趣程度;
接收模块,用于接收所述第一平台发送的推荐指令,所述推荐指令用于向所述用户推荐符合所述用户画像的商品。
10.一种商品推荐系统,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如权利要求1-6中任一所述的商品推荐方法,或者所述处理器执行所述程序时实现如权利要求7所述的商品推荐方法。
11.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的商品推荐方法,或者用于执行如权利要求7所述的商品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111205482.0A CN113888281A (zh) | 2021-10-15 | 2021-10-15 | 商品推荐方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111205482.0A CN113888281A (zh) | 2021-10-15 | 2021-10-15 | 商品推荐方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888281A true CN113888281A (zh) | 2022-01-04 |
Family
ID=79003131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111205482.0A Pending CN113888281A (zh) | 2021-10-15 | 2021-10-15 | 商品推荐方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888281A (zh) |
-
2021
- 2021-10-15 CN CN202111205482.0A patent/CN113888281A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481114B (zh) | 商品推荐方法、装置、电子商务系统及存储介质 | |
WO2007004792A1 (en) | Method and system for deciding advertising fee | |
CN103890762A (zh) | 信息处理装置、信息处理方法、信息处理程序以及记录介质 | |
CN103023747B (zh) | 基于消息内容的信息推荐方法和系统 | |
CN112948521B (zh) | 对象处置方法及装置 | |
US20050192861A1 (en) | Advertisement management method | |
CN112948522B (zh) | 对象处置方法及装置 | |
CN111311294A (zh) | 数据处理方法、装置、介质及电子设备 | |
US20070179933A1 (en) | Method and system for providing information on article of commerce | |
CN111461827A (zh) | 产品评价信息的推送方法和装置 | |
CN104462438A (zh) | 一种信息处理方法及装置 | |
CN115131084A (zh) | 推荐方法及相关设备 | |
CN110400193A (zh) | 菜品推荐方法及装置、电子设备及存储介质 | |
CN112435059A (zh) | 物品价值实时评估方法、装置、电子设备及存储介质 | |
CN106326270A (zh) | 一种数据交互处理方法、装置以及系统 | |
JP2002304568A (ja) | 相関アイテム検出方法および装置、お薦めアイテム紹介方法および装置、相関アイテム検出プログラム、お薦めアイテム紹介プログラム | |
CN113888281A (zh) | 商品推荐方法、装置、系统及存储介质 | |
CN110020131B (zh) | 一种排列商品的方法和装置 | |
CN103745390B (zh) | 第三方网购商品差评方法及装置 | |
CN115689646A (zh) | 一种广告推送方法及其相关产品 | |
CN112351056B (zh) | 用于分享信息的方法和装置 | |
CN108389055B (zh) | 设备描述信息可靠性评估方法及装置 | |
KR20150046816A (ko) | 구매이력 정보를 기반으로 최저가 가격비교목록을 제공하기 위한 서비스 장치, 시스템 및 방법 | |
CN110058847B (zh) | 店铺管理方法和系统 | |
JP2011128839A (ja) | オークション処理装置、オークション処理方法、及びオークション処理プログラム |
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 |