CN114493779A - 订单推荐方法、装置、可读存储介质及电子设备 - Google Patents
订单推荐方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN114493779A CN114493779A CN202210074397.3A CN202210074397A CN114493779A CN 114493779 A CN114493779 A CN 114493779A CN 202210074397 A CN202210074397 A CN 202210074397A CN 114493779 A CN114493779 A CN 114493779A
- Authority
- CN
- China
- Prior art keywords
- user
- users
- information
- historical order
- order information
- 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
- 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
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种订单推荐方法、装置、可读存储介质及电子设备,方法包括:响应于接收到用户输入的订单匹配指令,获取所述用户的历史订单信息和其他用户的历史订单信息;根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户相匹配的目标用户;将所述目标用户的历史订单推荐给所述用户。如此,可以实现有针对性地为用户推荐订单的目的,简化用户网上购物过程,进而提升用户的下单率以及购物体验。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种订单推荐方法、装置、可读存储介质及电子设备。
背景技术
随着电商平台的发展,越来越多的用户倾向于网络购物。为了便于用户在海量的商品中找到待购买的商品,电商平台有必要为用户推荐一些商品,因此,商品推荐是电商平台进行商品销售的一种重要途径。在众多电商平台中都会有一些推荐模块以为用户推荐商品。电商平台所推荐的商品会影响用户的浏览,以及用户的购买情况。
通常情况下,通过关键词搜索为用户推荐商品是一个较为常用的方式,其借助于搜索功能,用户可以浏览目标类别的商品,并做出购物决策,进而下单购买。然而,用户根据其输入的关键词通常会搜索出的较多的商品,仍需要用户花费较长时间在该较多的商品中选购,并且,在利用该方式为用户推荐商品时,需要用户对自己将要购买的商品有一个清晰的认知才能输入精准的关键词。而在实际应用中,有时候用户对将要购买的物品并没有一个清晰的认知,因此,无法输入精准的关键词,从而导致电商平台无法为用户推荐出其需要的商品。
发明内容
本公开的目的是提供一种订单推荐方法、装置、可读存储介质及电子设备,以部分地解决相关技术中存在的上述问题。
为了实现上述目的,本公开第一方面提供一种订单推荐方法,所述方法包括:
响应于接收到用户输入的订单匹配指令,获取所述用户的历史订单信息和其他用户的历史订单信息;
根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户相匹配的目标用户;
将所述目标用户的历史订单推荐给所述用户。
可选地,所述历史订单信息为多维度的历史订单信息;
所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
针对每一维度的历史订单信息,确定所述用户的该维度的历史订单信息与所述其他用户的该维度的历史订单信息的匹配度;
针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户。
可选地,所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,还包括:
针对每一所述其他用户,若所述其他用户的匹配度大于或等于第二预设值的维度的数量大于或等于预设数量,则将所述其他用户确定为所述用户的关联用户;
所述针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户,包括:
针对每一所述关联用户,若所述关联用户中存在至少一个维度的历史订单信息的匹配度大于或等于所述第一预设值,则将所述关联用户确定为目标用户。
可选地,所述将所述目标用户的历史订单推荐给所述用户,包括:
将所述目标用户中的匹配度大于或等于所述第一预设值的维度的历史订单信息对应的历史订单推荐给所述用户。
可选地,所述方法还包括:
获取所述用户的个人信息和所述其他用户的个人信息;
根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集;
所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
根据所述用户的历史订单信息和所述相似用户集中各用户的历史订单信息,确定与所述用户相匹配的目标用户。
可选地,所述根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集,包括:
对所述用户的个人信息进行特征提取,得到所述用户的个人特征信息,以及,对所述其他用户的个人信息进行特征提取,以得到每一所述其他用户的个人特征信息;
确定每一所述其他用户的个人特征信息与所述用户的个人特征信息的匹配度;
确定所述匹配度大于或等于第三预设值的用户,得到相似用户集。
可选地,所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
对所述用户的历史订单信息进行特征提取,得到所述用户的历史订单特征信息,以及,对每一其他用户的历史订单信息,得到每一所述其他用户的历史订单特征信息;
根据所述用户的历史订单特征信息和每一所述其他用户的历史订单特征信息,确定与所述用户相匹配的目标用户。
可选地,所述历史订单信息包括下单时间信息、收货地址信息和商品信息,所述方法还包括:
根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户在同一时间段内购买同类别商品且收货地址属于同一区域的其他用户,并将该其他用户确定为所述用户的待拼单用户;
在检测到所述用户在所述时间段购买所述类别商品且接收到所述用户输入的拼单请求时,向所述待拼单用户发送所述拼单请求。
本公开第二方面提供一种订单推荐装置,所述装置包括:
第一获取模块,用于响应于接收到用户输入的订单匹配指令,则获取所述用户的历史订单信息和其他用户的历史订单信息;
第一确定模块,用于根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户;
推荐模块,用于将所述目标用户的历史订单推荐给所述用户。
可选地,所述历史订单信息为多维度的历史订单信息;所述第一确定模块包括:
第一确定子模块,用于针对每一维度的历史订单信息,确定所述用户的该维度的历史订单信息与所述其他用户的该维度的历史订单信息的匹配度;
第二确定子模块,用于针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户。
可选地,所述第一确定模块还包括:
第三确定子模块,用于针对每一所述其他用户,若所述其他用户的匹配度大于或等于第二预设值的维度的数量大于或等于预设数量,则将所述其他用户确定为所述用户的关联用户;
所述第二确定子模块用于:针对每一所述关联用户,若所述关联用户中存在至少一个维度的历史订单信息的匹配度大于或等于所述第一预设值,则将所述关联用户确定为目标用户。
可选地,所述推荐模块包括:
推荐子模块,用于将所述目标用户中的匹配度大于或等于所述第一预设值的维度的历史订单信息对应的历史订单推荐给所述用户。
可选地,所述装置还包括:
获取模块,用于获取所述用户的个人信息和所述其他用户的个人信息;
第二确定模块,用于根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集;
所述第一确定模块包括:
第四确定子模块,用于根据所述用户的历史订单信息和所述相似用户集中各用户的历史订单信息,确定与所述用户相匹配的目标用户。
可选地,所述第二确定模块包括:
第一提取子模块,用于对所述用户的个人信息进行特征提取,得到所述用户的个人特征信息,以及,对所述其他用户的个人信息进行特征提取,以得到每一所述其他用户的个人特征信息;
第五确定子模块,用于确定每一所述其他用户的个人特征信息与所述用户的个人特征信息的匹配度;
第六确定子模块,用于确定所述匹配度大于或等于第三预设值的用户,得到相似用户集。
可选地,所述第一确定模块包括:
第二提取子模块,用于对所述用户的历史订单信息进行特征提取,得到所述用户的历史订单特征信息,以及,对每一其他用户的历史订单信息,得到每一所述其他用户的历史订单特征信息;
第七确定子模块,用于根据所述用户的历史订单特征信息和每一所述其他用户的历史订单特征信息,确定与所述用户相匹配的目标用户。
可选地,所述历史订单信息包括下单时间信息、收货地址信息和商品信息,所述装置还包括:
第三确定模块,用于根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户在同一时间段内购买同类别商品且收货地址属于同一区域的其他用户,并将该其他用户确定为所述用户的待拼单用户;
发送模块,用于在检测到所述用户在所述时间段购买所述类别商品且接收到所述用户输入的拼单请求时,向所述待拼单用户发送所述拼单请求。
本公开第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面提供的任一项所述方法的步骤。
本公开第四方面提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面提供的任一项所述方法的步骤。
通过上述技术方案,服务器根据用户的历史订单信息和其他用户的历史订单信息,确定出与用户相匹配的目标用户,并将目标用户的历史订单推送给用户,以实现有针对性地为用户推荐订单的目的,简化用户网上购物过程,进而提升用户的下单率以及购物体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种订单推荐方法的流程图。
图2是根据一示例性实施例示出的另一种订单推荐方法的流程图。
图3是根据一示例性实施例示出的另一种订单推荐方法的流程图。
图4是根据一示例性实施例示出的另一种订单推荐方法的流程图。
图5是根据一示例性实施例示出的一种订单匹配装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
相关技术中,电商平台还可以根据用户画像和兴趣点信息、以及好友订单信息为用户推荐商品。其中,基于用户画像和兴趣点信息为用户推荐商品的方式,主要是将商家或者商品进行打标,然后和用户的画像进行匹配,建立的是用户和商家/商品的关系。该方式过于机械且单一,只是简单的依据分类进行匹配,但是很多时候用户的感觉都是多维度的,需要人为来选择,可靠度较差。基于好友订单信息为用户推荐商品的方式,主要是通过访问用户的通讯录获取用户的好友信息,之后,逐条展示各个好友的订单信息,当用户看到比较感兴趣的订单时可以跟随下单。但是,该方式需要无差别的将好友的全部订单均公开,导致用户需要浏览的订单数量较大,不能为用户定向推荐订单,从而不能简化用户选购商品的过程,导致用户的下单率以及购买体验较低。
有鉴于此,本公开提供一种订单推荐方法、装置、可读存储介质及电子设备,以实现有针对性地为用户推荐订单的目的,简化用户网上购物过程,进而提升用户的下单率以及购物体验。
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是根据一示例性实施例示出的一种订单推荐方法的流程图。如图1所示,该方法可以包括以下步骤。
在步骤S11中,响应于接收到用户输入的订单匹配指令,获取用户的历史订单信息和其他用户的历史订单信息。
在本公开中,执行订单推荐方法的主体可以为服务器,相应地,用户可以在用户终端输入订单匹配指令。示例地,用户终端设置有匹配模块,在用户开启该匹配模块时用户终端生成订单匹配指令,并发送给服务器。
在一种方式中,订单匹配指令中包括用户标识,其中,用户标识可以是用户名称、网购平台账号等。这样,服务器在接收到该订单匹配指令时,在用户授权许可的情况下可以从网购平台对应的订单池中获取到该用户的历史订单信息,以及在其他用户授权许可的情况下,从网购平台对应的订单池中获取到其他用户的历史订单信息。
值的说明的是,在本公开中,订单可以是订餐、购买蔬菜以及购买水果的订单等,也可以是购买衣物、日用商品的订单,等等,本公开对此不作具体限定。
示例地,以订单为订餐、购买蔬菜以及购买水果的订单为例进行说明。历史订单信息可以包括:商家信息、订单对应的收货位置信息、口味信息、菜系信息、品类、价格、评分、配送时间以下信息中的一者或多者。
在步骤S12中,根据用户的历史订单信息和其他用户的历史订单信息,确定与用户相匹配的目标用户。
在步骤S13中,将目标用户的历史订单推荐给用户。
在本公开中,服务器根据用户的历史订单信息和其他用户的历史订单信息,确定出与用户的历史订单较为相似的历史订单对应的目标用户,并在该目标用户授权许可的情况下将目标用户的订单推荐给用户。这样,由于所确定出的目标用户的历史订单与用户的历史订单较为相似,目标用户在网购平台购买的商品与用户购买的商品相似,因此,可认为目标用户的购物喜好与用户的购物喜好相似,进而定向地将目标用户的订单推荐给用户。
采用上述技术方案,服务器根据用户的历史订单信息和其他用户的历史订单信息,确定出与用户相匹配的目标用户,并将目标用户的历史订单推送给用户,以实现有针对性地为用户推荐订单的目的,简化用户网上购物过程,进而提升用户的下单率以及购物体验。
为了便于本领域技术人员更好的理解本公开所提供的订单推荐方法,下面以一个完整的实施例对该订单推荐方法进行说明。
应当理解的是,不同年龄段、不同区域以及不同国籍用户群体的饮食习惯或者对商品的喜好不同。为了更精准地确定与用户相匹配的目标用户,在第一种可能的方式中,首先确定出用户的相似用户集,之后,根据在该相似用户集中确定与用户相匹配的目标用户。
示例地,如图2所示,该方法还可以包括步骤S14和步骤S15。
在步骤S14中,获取用户的个人信息和其他用户的个人信息。
在本公开中,在用户和其他用户授权许可的情况下,服务器可以从网购平台中获取到用户和其他用户的个人信息。值的说明的是,当用户或其他用户在网购平台上购物之前,需在该网购平台中注册个人信息。其中,该个人信息可以包括但不限于年龄、性别、身高、体重、国籍和收货地址。
在步骤S15中,根据用户的个人信息和其他用户的个人信息,在其他用户中确定用户的相似用户集。
示例地,个人信息可以包括年龄、国籍和收货地址,服务器可以基于用户的个人信息和其他用户个人信息,将与用户的年龄位于同一年龄段、国籍相同、收货地址为同一区域的其他用户作为相似用户集。其中,同一区域可以是同一城市或者同一省份。
在本公开中,为了简化用户的个人信息与其他用户的个人信息进行匹配的过程,在一种实施例中,首先,对用户的个人信息进行特征提取,得到用户的个人特征信息,以及,对其他用户的个人信息进行特征提取,以得到每一其他用户的个人特征信息,接着,再确定每一其他用户的个人特征信息与用户的个人特征信息的匹配度,最后,确定匹配度大于或等于预设值(为了便于描述此处成为第三预设值)的用户,得到相似用户集。其中,该相似用户集中包括有个人特征信息的匹配度大于或等于第三预设值的其他用户。
值的说明的是,可以采用相关技术中的特征提取提取到个人特征信息,以及采用相关技术中的特征匹配的方式确定出每一其他用户与该用户的匹配度,本公开对此不作限制。此外,本公开中,获取个人信息和历史订单信息的先后顺序可以不作限定,示例地,可以先执行步骤S11再执行步骤S14(如图2所示),还可以先执行步骤S14再执行步骤S11,也可以在执行步骤S14的同时执行步骤S11。
如图2所示,图1中的步骤S12可以进一步包括步骤S121。
在步骤S121中,根据用户的历史订单信息和相似用户集中各用户的历史订单信息,确定与用户相匹配的目标用户。
采用上述技术方案,在确定出用户的相似用户集之后,在该相似用户集包括的其他用户中确定与出该用户相匹配的目标用户,可以更精准地确定出与用户相匹配的目标用户,并将该目标用户的订单推荐给用户,进一步提升用户的下单率以及购物体验。
在本公开中,还可以首先根据用户的个人信息和其他用户的个人信息确定给出用户的相似用户集,之后,获取用户的历史订单信息和相似用户集中各用户的历史订单信息,最后,根据用户的历史订单信息和相似用户集中各用户的历史订单信息,确定与用户相匹配的目标用户。如此,可以减少获取其他用户的历史订单信息的工作量。
类似地,为了简化用户的历史订单信息与其他用户的历史订单信息进行匹配的过程,还可以对历史订单信息进行特征提取。示例地,图1中步骤S12根据用户的历史订单信息和其他用户的历史订单信息,确定与用户相匹配的目标用户的具体实施方式可以为:对用户的历史订单信息进行特征提取,得到用户的历史订单特征信息,以及,对每一其他用户的历史订单信息,得到每一其他用户的历史订单特征信息;根据用户的历史订单特征信息和每一其他用户的历史订单特征信息,确定与用户相匹配的目标用户。
应当理解的是,在确定与用户相匹配的目标用户时,参考信息的维度越多,所确定的目标用户与用户的相似度就越高,进而为用户推荐的订单更符合用户的下单需求。因此,在一种可能的实施例中,历史订单信息为多维度的历史订单信息,相应地,如图3所示,图1中步骤S12可以包括以下步骤。
在步骤S122中,针对每一维度的历史订单信息,确定用户的该维度的历史订单信息与其他用户的该维度的历史订单信息的匹配度。
示例地,以订单为外卖订单为例,多维度的历史订单信息可以包括但不限于商家信息、订单对应的收货位置信息、口味信息、菜系信息、品类、价格、评分、配送时间。
步骤S122的具体实施方式可以为:针对每一维度的历史订单信息进行特征提取,以得到每一维度的订单特征信息,之后,针对每一维度的订单特征信息,根据用户的该维度的订单特征信息与每一其他用户的该维度的订单特征信息,确定用户的该维度的历史订单信息与所其用户的该维度的历史订单信息的匹配度。
在步骤S123中,针对每一其他用户,若该其他用户中至少存在一个维度的历史订单信息的匹配度大于或等于第一预设值,则将该其他用户确定为目标用户。
示例地,假设其他用户A、其他用户B的历史订单信息均包括商家信息、收货位置信息和菜系信息,且针对商家信息这一维度,确定用户A与用户的匹配度为kA1、用户B与用户的匹配度为kB1,针对收货位置信息这一维度,确定用户A与用户的匹配度为kA2、用户B与用户的匹配度为kB2,针对菜系信息这一维度,确定用户A与用户的匹配度为kA3、用户B与用户的匹配度为kB3。第一预设值为80%,若用户A中的匹配度kA1、kA2和kA3中至少一个大于或等于80%,则可以将用户A确定为目标用户。若用户B中的匹配度kB1、kB2和kB3均小于第一预设值,则用户B不为目标用户。
在又一种实施例中,如图4所示,在步骤S123之前,上述步骤S12还包括步骤S124。
在步骤S124中,针对每一其他用户,若其他用户的匹配度大于或等于第二预设值的维度的数量大于或等于预设数量,则将其他用户确定为用户的关联用户。
沿用上述例子,假设第二预设值为60%,预设数量2。若kA1、kA2和kA3大于或等于60%的数量大于或等于2,则其他用户A为用户的关联用户。同样地,若kB1、kB2和kB3大于或等于60%的数量大于或等于2,则其他用户B也为用户的关联用户。
相应地,如图4所示,图3中步骤S123包括步骤S1231。
在步骤S1231中,针对每一关联用户,若关联用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将关联用户确定为目标用户。
采用上述技术方案,通过多维度的历史订单信息确定用户的关联用户,之后从关联用户中确定与用户相匹配的目标用户,如此,提高了所确定的目标用户与该用户的相似度,进而可以针对性地为用户推荐订单,进一步提升用户的下单率以及购物体验。
如3和图4所示,图1中的步骤S13可以进一步包括步骤S131。
在步骤S131中,将目标用户中的匹配度大于或等于第一预设值的维度的历史订单信息对应的历史订单推荐给用户。
示例地,若目标用户为其他用户A,且在菜系信息这一维度中其他用户A的包含川菜菜品的历史订单与用户的历史订单匹配度大于80%,则在其他用户A授权许可的情况下,将其他用户A中包含川菜菜品的历史订单推荐给用户,以便用户获知其他用户A历史所订的川菜的菜品。
如此,仅将目标用户中的匹配度大于或等于第一预设值的维度的历史订单信息对应的历史订单推荐给用户,有效降低了推荐给用户的历史订单的数量,进一步实现了有针对性地为用户推荐订单的目的,减少了用户浏览的工作量,提升用户下单的效率。
在一种可能的方式中,历史订单信息至少可以包括下单时间信息、收货地址信息和商品信息。相应地,该订单推荐方法还可以包括:
根据用户的历史订单信息和其他用户的历史订单信息,确定与用户在同一时间段内购买同类别商品且收货地址属于同一区域的其他用户,并将该其他用户确定为该用户的待拼单用户;
在检测到用户在时间段购买类别商品且接收到用户输入的拼单请求时,向待拼单用户发送拼单请求。
示例地,假设根据用户的历史订单信息和其他用户的历史订单信息,确定其他用户A、其他用户B和用户有相同的点餐习惯,例如,会在每周二下午14:00-15:00的时间段内都会在外卖平台购买奶茶,且其他用户A、其他用户B与用户的收货地址位于同一区域,则可以将其他用户A、其他用户B确定为用户的待拼单用户。在检测到用户在周二下午14:00-15:00的时间段内在该外卖平台购买奶茶时,服务器自动向其他用户A、其他用户B的终端发送拼单请求。
采用上述技术方案,可以自动确定用户的待拼单用户,进而在用户下单时向该待拼单用户发送拼单请求,进一步提升用户的下单率以及购物体验。
基于同一发明构思,本公开还提供一种订单推荐装置。图5是根据一示例性实施例示出的一种订单匹配装置的框图。如图5所示,该订单推荐装置500可以包括:
第一获取模块501,用于响应于接收到用户输入的订单匹配指令,则获取所述用户的历史订单信息和其他用户的历史订单信息;
第一确定模块502,用于根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户;
推荐模块503,用于将所述目标用户的历史订单推荐给所述用户。
可选地,所述历史订单信息为多维度的历史订单信息;所述第一确定模块502包括:
第一确定子模块,用于针对每一维度的历史订单信息,确定所述用户的该维度的历史订单信息与所述其他用户的该维度的历史订单信息的匹配度;
第二确定子模块,用于针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户。
可选地,所述第一确定模块502还包括:
第三确定子模块,用于针对每一所述其他用户,若所述其他用户的匹配度大于或等于第二预设值的维度的数量大于或等于预设数量,则将所述其他用户确定为所述用户的关联用户;
所述第二确定子模块用于:针对每一所述关联用户,若所述关联用户中存在至少一个维度的历史订单信息的匹配度大于或等于所述第一预设值,则将所述关联用户确定为目标用户。
可选地,所述推荐模块503包括:
推荐子模块,用于将所述目标用户中的匹配度大于或等于所述第一预设值的维度的历史订单信息对应的历史订单推荐给所述用户。
可选地,所述装置还包括:
获取模块,用于获取所述用户的个人信息和所述其他用户的个人信息;
第二确定模块,用于根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集;
所述第一确定模块502包括:
第四确定子模块,用于根据所述用户的历史订单信息和所述相似用户集中各用户的历史订单信息,确定与所述用户相匹配的目标用户。
可选地,所述第二确定模块包括:
第一提取子模块,用于对所述用户的个人信息进行特征提取,得到所述用户的个人特征信息,以及,对所述其他用户的个人信息进行特征提取,以得到每一所述其他用户的个人特征信息;
第五确定子模块,用于确定每一所述其他用户的个人特征信息与所述用户的个人特征信息的匹配度;
第六确定子模块,用于确定所述匹配度大于或等于第三预设值的用户,得到相似用户集。
可选地,所述第一确定模块502包括:
第二提取子模块,用于对所述用户的历史订单信息进行特征提取,得到所述用户的历史订单特征信息,以及,对每一其他用户的历史订单信息,得到每一所述其他用户的历史订单特征信息;
第七确定子模块,用于根据所述用户的历史订单特征信息和每一所述其他用户的历史订单特征信息,确定与所述用户相匹配的目标用户。
可选地,所述历史订单信息包括下单时间信息、收货地址信息和商品信息,所述装置还包括:
第三确定模块,用于根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户在同一时间段内购买同类别商品且收货地址属于同一区域的其他用户,并将该其他用户确定为所述用户的待拼单用户;
发送模块,用于在检测到所述用户在所述时间段购买所述类别商品且接收到所述用户输入的拼单请求时,向所述待拼单用户发送所述拼单请求。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种电子设备的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理器1922,其数量可以为一个或多个,以及存储器1932,用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器1922可以被配置为执行该计算机程序,以执行上述的订单推荐方法。
另外,电子设备1900还可以包括电源组件1926和通信组件1950,该电源组件1926可以被配置为执行电子设备1900的电源管理,该通信组件1950可以被配置为实现电子设备1900的通信,例如,有线或无线通信。此外,该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的订单推荐方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器1932,上述程序指令可由电子设备1900的处理器1922执行以完成上述的订单推荐方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的订单推荐方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (11)
1.一种订单推荐方法,其特征在于,所述方法包括:
响应于接收到用户输入的订单匹配指令,获取所述用户的历史订单信息和其他用户的历史订单信息;
根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户相匹配的目标用户;
将所述目标用户的历史订单推荐给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述历史订单信息为多维度的历史订单信息;
所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
针对每一维度的历史订单信息,确定所述用户的该维度的历史订单信息与所述其他用户的该维度的历史订单信息的匹配度;
针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户。
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,还包括:
针对每一所述其他用户,若所述其他用户的匹配度大于或等于第二预设值的维度的数量大于或等于预设数量,则将所述其他用户确定为所述用户的关联用户;
所述针对每一所述其他用户,若所述其他用户中存在至少一个维度的历史订单信息的匹配度大于或等于第一预设值,则将所述其他用户确定为目标用户,包括:
针对每一所述关联用户,若所述关联用户中存在至少一个维度的历史订单信息的匹配度大于或等于所述第一预设值,则将所述关联用户确定为目标用户。
4.根据权利要求2或3所述的方法,其特征在于,所述将所述目标用户的历史订单推荐给所述用户,包括:
将所述目标用户中的匹配度大于或等于所述第一预设值的维度的历史订单信息对应的历史订单推荐给所述用户。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
获取所述用户的个人信息和所述其他用户的个人信息;
根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集;
所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
根据所述用户的历史订单信息和所述相似用户集中各用户的历史订单信息,确定与所述用户相匹配的目标用户。
6.根据权利要求5所述的方法,其特征在于,所述根据所述用户的个人信息和所述其他用户的个人信息,在所述其他用户中确定所述用户的相似用户集,包括:
对所述用户的个人信息进行特征提取,得到所述用户的个人特征信息,以及,对所述其他用户的个人信息进行特征提取,以得到每一所述其他用户的个人特征信息;
确定每一所述其他用户的个人特征信息与所述用户的个人特征信息的匹配度;
确定所述匹配度大于或等于第三预设值的用户,得到相似用户集。
7.根据权利要求1-3中任一项所述方法,其特征在于,所述根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户,包括:
对所述用户的历史订单信息进行特征提取,得到所述用户的历史订单特征信息,以及,对每一其他用户的历史订单信息,得到每一所述其他用户的历史订单特征信息;
根据所述用户的历史订单特征信息和每一所述其他用户的历史订单特征信息,确定与所述用户相匹配的目标用户。
8.根据权利要求1-3中任一项所述的方法,其特征在于,所述历史订单信息包括下单时间信息、收货地址信息和商品信息,所述方法还包括:
根据所述用户的历史订单信息和所述其他用户的历史订单信息,确定与所述用户在同一时间段内购买同类别商品且收货地址属于同一区域的其他用户,并将该其他用户确定为所述用户的待拼单用户;
在检测到所述用户在所述时间段购买所述类别商品且接收到所述用户输入的拼单请求时,向所述待拼单用户发送所述拼单请求。
9.一种订单推荐装置,其特征在于,所述装置包括:
第一获取模块,用于响应于接收到用户输入的订单匹配指令,则获取所述用户的历史订单信息和其他用户的历史订单信息;
第一确定模块,用于根据所述用户的历史订单信息和其他用户的历史订单信息,确定与所述用户相匹配的目标用户;
推荐模块,用于将所述目标用户的历史订单推荐给所述用户。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
11.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074397.3A CN114493779A (zh) | 2022-01-21 | 2022-01-21 | 订单推荐方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074397.3A CN114493779A (zh) | 2022-01-21 | 2022-01-21 | 订单推荐方法、装置、可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493779A true CN114493779A (zh) | 2022-05-13 |
Family
ID=81471832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210074397.3A Pending CN114493779A (zh) | 2022-01-21 | 2022-01-21 | 订单推荐方法、装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493779A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333203A (zh) * | 2023-12-01 | 2024-01-02 | 广东付惠吧数据服务有限公司 | 一种结合商业营销解决方案的会员营销平台 |
-
2022
- 2022-01-21 CN CN202210074397.3A patent/CN114493779A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333203A (zh) * | 2023-12-01 | 2024-01-02 | 广东付惠吧数据服务有限公司 | 一种结合商业营销解决方案的会员营销平台 |
CN117333203B (zh) * | 2023-12-01 | 2024-04-16 | 广东付惠吧数据服务有限公司 | 一种结合商业营销解决方案的会员营销平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
US11080773B2 (en) | Shopping assistant with account balance limit display | |
US8762226B2 (en) | Item discovery tools and methods for shopping in an electronic commerce environment | |
US8682929B2 (en) | User access to item information | |
US20140046794A1 (en) | Shopping assistant | |
US20140067596A1 (en) | Methods and apparatus for recommending products and services | |
JP2017539028A (ja) | 会話クイックフレーズを提供するための方法及びシステム | |
WO2012166233A1 (en) | Systems and methods for an electronic shopping list | |
US11776042B2 (en) | Determining generic items for orders on an online concierge system | |
CA3159184C (en) | Determining recommended items for a shopping list | |
KR101695570B1 (ko) | 키워드 추출에 의한 온라인 쇼핑 장바구니의 자동 생성 방법 | |
JP2020177350A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
KR102244660B1 (ko) | 상품 추천 서비스 제공 서버 및 그것의 동작방법 | |
CN114493779A (zh) | 订单推荐方法、装置、可读存储介质及电子设备 | |
US20230260007A1 (en) | Mapping recipe ingredients to products | |
CN105243557A (zh) | 自助式挑选蔬果的方法及系统 | |
US11170428B2 (en) | Method for generating priority data for products | |
KR20160059583A (ko) | 딜 정보 관리 장치, 방법 및 컴퓨터 프로그램 | |
CA2903185A1 (en) | Customized search results on an electronic commerce site | |
US20110246301A1 (en) | Methods to access product placement data | |
US20120316988A1 (en) | Method and system for online searching and purchasing of multiple products simultaneously | |
US20230186363A1 (en) | Context-based content-scoring for an online concierge system | |
JP2019109587A (ja) | 情報提供装置、情報提供方法、およびプログラム | |
CN112232916B (zh) | 商品推荐方法、装置及设备 | |
US20230117762A1 (en) | Context modeling for an online concierge system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |