CN115187330A - 基于用户标签的产品推荐方法、装置、设备和介质 - Google Patents

基于用户标签的产品推荐方法、装置、设备和介质 Download PDF

Info

Publication number
CN115187330A
CN115187330A CN202210730281.0A CN202210730281A CN115187330A CN 115187330 A CN115187330 A CN 115187330A CN 202210730281 A CN202210730281 A CN 202210730281A CN 115187330 A CN115187330 A CN 115187330A
Authority
CN
China
Prior art keywords
user
product
data
product recommendation
products
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
Application number
CN202210730281.0A
Other languages
English (en)
Inventor
胡金凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202210730281.0A priority Critical patent/CN115187330A/zh
Publication of CN115187330A publication Critical patent/CN115187330A/zh
Pending legal-status Critical Current

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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于用户标签的产品推荐方法、装置、设备和介质。方法包括：获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；对所述用户数据进行处理，得到用户标签；按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。通过用户标签圈定特定的客户群，将产品精准展示在对应客户的面前，使得推荐的产品配置更灵活、更丰富。减少广告资源的浪费，让用户能够获取符合自己需求的产品，增强了用户的体验感。最终提升产品销售收入，实现产品推荐的用户精准匹配，提高广告资源利用率和转化率。

Description

基于用户标签的产品推荐方法、装置、设备和介质
技术领域
本发明涉及互联网技术领域，尤其涉及一种基于用户标签的产品推荐方法、装置、设备和介质。
背景技术
伴随互联网时代到来，现在各类产品都采用线上渠道作为销售方式，5G(5thGeneration Mobile Communication Technology)的基础通信设施趋于完善，线上场景运营活动日趋丰富，但是对于商品或者产品的推荐，现在基本是根据产品权重、库存以及产品的客户评价等维度来展示。这种展示方式对于客户来说，无法精准的把自己所需的产品推荐给自己。对于商家来说，这种原始的展示方式，浪费了广告资源，降低了客户的转化率。
业内目前使用基于客户搜索关键词、客户浏览记录、客户评价等客户主动行为的数据来进行产品关联推荐。这种推荐方式对于客户来说是主动类型的推荐，按照客户意向来主动推荐关联产品，这种方案会存在大量的推荐误差，对于客户来说存在很多干扰性，客户体验不好。
发明内容
有鉴于此，本发明的目的是为了克服现有技术中的不足，提供一种基于用户标签的产品推荐方法、装置、设备和介质，旨在解决当前按照客户意向来主动推荐关联产品，存在推荐误差的问题。
本发明提供如下技术方案：
第一方面，本公开实施例中提供了一种基于用户标签的产品推荐方法，所述方法包括：
获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
对所述用户数据进行处理，得到用户标签；
按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
进一步地，所述用户数据包括用户行为数据，所述获取用户数据，包括：
获取用户使用应用程序时的行为数据，作为所述用户行为数据。
进一步地，所述用户数据包括用户信息数据，所述获取用户数据，包括：
通过用户使用的应用程序获取用户的基础信息，作为所述用户信息数据。
进一步地，所述按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群，包括：
按照业务场景选择对应的用户标签，结合所述用户数据，通过标签加工平台对所述用户标签进行加工；
对加工后的用户标签进行特定的标签组合，确定组合的用户标签对应的客户群。
进一步地，所述根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群，包括：
根据预设的产品推荐模型配置所述产品推荐策略；
根据所述产品推荐策略在产品推荐平台配置需要推荐的产品；
将配置好的产品推荐给指定的客户群。
进一步地，所述将配置好的产品推荐给指定的客户群之前，包括：
获取所述用户的产品购买记录；
根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品。
进一步地，所述根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品之后，还包括：
根据所述用户数据以及所述产品的信息，预测所述用户购买每个所述产品的概率值；
将概率值超过预设阈值的产品推荐给所述用户。
第二方面，本公开实施例中提供了一种基于用户标签的产品推荐装置，所述装置包括：
获取模块，用于获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
用户标签生成模块，用于对所述用户数据进行处理，得到用户标签；
客户群生成模块，用于按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
产品推荐模块，用于根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
第三方面，本公开实施例中提供了一种计算机设备，用以解决当前按照客户意向来主动推荐关联产品，存在推荐误差的问题，该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述基于用户标签的产品推荐方法的步骤。
第四方面，本公开实施例中提供了一种计算机可读存储介质，用以解决当前按照客户意向来主动推荐关联产品，存在推荐误差的问题，该计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述基于用户标签的产品推荐方法的步骤。
本申请的实施例具有如下优点：
本申请实施例提供的基于用户标签的产品推荐方法，通过获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；对所述用户数据进行处理，得到用户标签；按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。基于用户标签圈定特定的客户群，将产品精准展示在对应客户的面前，使得推荐的产品配置更灵活、更丰富。减少广告资源的浪费，让用户能够获取符合自己需求的产品，增强了用户的体验感。最终提升产品销售收入，实现产品推荐的用户精准匹配，提高广告资源利用率和转化率。
为使本发明的上述目的、特征和优点能更明显和易懂，下文特举较佳实施例，并配合所附附图，做详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例提供的一种基于用户标签的产品推荐方法的流程图；
图2示出了本申请实施例提供的另一种基于用户标签的产品推荐方法的流程图；
图3示出了本申请实施例提供的一种基于用户标签的产品推荐装置的结构示意图；
图4示出了本申请实施例提供的计算机设备的硬件架构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在模板的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例1
如图1所示，为本申请实施例中的一种基于用户标签的产品推荐方法的流程图，本申请实施例提供的基于用户标签的产品推荐方法包括以下步骤：
步骤110，获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
具体地，根据本次需要进行推荐的产品，分析出需要进行采集的用户数据内容，进行用户数据采集工作。基于用户在使用应用程序时，获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据。
在一种可选地实施方式中，获取用户使用应用程序时的行为数据，作为所述用户行为数据，所述用户行为数据包括但不仅限于：登录事件、浏览时长、用户在页面的停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数、用户所使用的搜索引擎、关键词、关联关键词和站内关键字等。
在另一种可选地实施方式中，通过用户使用的应用程序获取用户的基础信息，作为所述用户信息数据。依赖用户使用的应用程序的元数据分析，得出用户信息数据，所述用户信息数据包括但不仅限于：用户姓名、用户性别、用户邮箱、用户年龄、用户家庭住址、用户教育水平、用户职业、用户产品购买资格判断、用户家庭住址等。
步骤120，对所述用户数据进行处理，得到用户标签；
具体地，基于步骤110的用户数据，加上预设的业务规则，进行数据处理，最终产出用户标签，并且所述用户标签以key-value的形式存储。可以理解的是，所述预设的业务规则包括但不仅限于：可根据每个用户的用户数据，生成每个用户的特征向量；将每个用户的特征向量与预设用户标签库中各个用户标签的特征向量进行匹配；根据匹配结果，生成每个用户对应的用户标签。
可选地，本发明实施例中可以通过如下步骤来生成各个用户标签的特征向量集：定义多个用户标签；确定各个用户标签对应的一个或多个用户特征；获取每个用户标签对应各个用户特征的特征值；根据每个用户标签对应各个用户特征的特征值，生成每个用户标签的特征向量集，其中，特征向量集中包含：多个特征向量，每个特征向量对应各个用户特征的一组特征值。
需要说明的是，用户标签的标签特征向量集是指依据该用户标签的定义规则，该用户标签可能由多个特征构成，每个特征可能包含多个取值，多个特征的一组取值构成该标签的一条特征向量，因此，用户标签的所有特征向量就构成了该用户标签的用户标签特征向量集。例如，一维用户标签：职业类别；二维用户标签：年龄性别；三维用户标签：购买产品最近消费与消费频率及消费金额；多维用户标签(三维以上)：健康状况等。
本发明实施例中，定义的用户标签以key-value的形式存储，key-value分布式存储系统查询速度快、存放数据量大。key包括用户的属性名称和属性取值；其中，属性名称表示客户的某个特征，例如，职业、性别、年龄等；属性取值表示相应特征的取值集合，例如，职业特征有七种取值：资深专业人士、外资企业高管、党政机关单位干部、普通员工、国有/集体企事业高管、私营企业主/个体工商户、其他职业等。value指用户对应的值，例如资深专业人士电销通话时长标签，其中，资深专业人士就是用户标签的key，电销通话时长就是用户标签的value。
步骤130，按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
具体地，可按照业务场景选择对应的用户标签，结合所述用户数据，通过用户标签加工平台对所述用户标签进行加工；然后对加工后的用户标签进行特定的用户标签组合，确定组合的用户标签对应的客户群，形成一个个可以进行独立营销的圈子，例如电销接通通话时长大于2分钟的客户群等。
需要说明的是，由于不同客户群的用户特征信息不同，对产品的需求也就不同，因而，可针对不同的客户群，关联不同的产品信息，以便在将对待推送产品信息的多个客户进行分群后，向不同客户群的用户，推送不同的产品信息。
步骤140，根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
具体地，可首先梳理产品推荐模型，包含特定的客户群、产品推荐逻辑、投放广告素材整理等前期工作。最终把客户群和产品策略结合大数据、产品服务、核心系统等各个应用能力，整合前端页面组件、产品橱窗、推荐平台、旅程平台、变量中心等内容，配置产品推荐策略。然后根据所述产品推荐策略在产品推荐平台配置需要推荐的产品，进行产品推荐信息获取，根据当前用户标签的key，匹配出推荐的产品列表信息。最后将配置好的产品推荐给指定的客户群。
在一种可选地实施方式中，在根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群之前，还包括：
步骤141，获取所述用户的产品购买记录；
步骤142，根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品。
如图3所示，具体地，可根据所述产品购买记录，从所述多个产品中筛选出所述用户未购买过的目标产品。其中，用户的产品购买记录指的是用户过去一段时间内在所述应用程序中购买产品的记录，包括产品的产品类型、产品编号、购买时间等等，根据所述购买记录，判断多个产品中是否存在用户尚未购买过的产品，若是，则筛选出所述用户未购买过的目标产品，并推荐给所述用户。
进一步地，可根据所述用户标签提取所述用户的特征向量，使用预设的排序模型计算所述多个目标产品与所述特征向量的相关性，根据相关性的高低对所述多个目标产品进行排序，将排在前M位的目标产品推荐给所述用户，以实现精准推荐。其中，M可以是5、8或10不等，可以根据实际需求设定，本申请实施例对此不做限定。
可以理解的是，在计算所述各个目标产品与所述特征向量的相关性时，可提取各个目标产品的产品信息，基于产品信息确定各个目标产品的产品特征，并将该产品特征转换为产品特征向量，根据产品特征向量与用户的特征向量计算两者之间的关联度，以确定各个目标产品与特征向量的相关性。
在一种可选地实施方式中，在根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品之后，还包括：
步骤143，根据所述用户数据以及所述产品的信息，预测所述用户购买每个所述产品的概率值；
步骤144，将概率值超过预设阈值的产品推荐给所述用户。
如图3所示，本实施例中可利用预先训练好的预测模型预测用户意图购买每个目标产品的概率值，以便根据概率值确定向所述用户推荐的目标产品，实现精准推荐。
具体地，可基于所述用户数据及产品信息对应预测所述用户购买每个所述目标产品的概率值时，可提取各个目标产品的产品信息，基于产品信息确定各个目标产品的产品特征，并将该产品特征转换为产品特征向量，根据所述用户标签提取所述用户的特征向量，根据产品特征向量与用户的特征向量计算两者之间的关联度，基于关联度换算成用户购买每个所述目标产品的概率值。其中，该概率值与关联度成正相关。
本申请实施例提供的基于用户标签的产品推荐方法，通过获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；对所述用户数据进行处理，得到用户标签；按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。基于用户标签圈定特定的客户群，将产品精准展示在对应客户的面前，使得推荐的产品配置更灵活、更丰富。减少广告资源的浪费，让用户能够获取符合自己需求的产品，增强了用户的体验感。最终提升产品销售收入，实现产品推荐的用户精准匹配，提高广告资源利用率和转化率。
实施例2
如图2所示，为本申请实施例中的一种基于用户标签的产品推荐装置200的结构示意图，其装置包括：
获取模块201，用于获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
用户标签生成模块202，用于对所述用户数据进行处理，得到用户标签；
客户群生成模块203，用于按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
产品推荐模块204，用于根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
可选地，上述基于用户标签的产品推荐装置还可以包括：
行为数据模块，用于获取用户使用应用程序时的行为数据，作为所述用户行为数据。
可选地，上述基于用户标签的产品推荐装置还可以包括：
信息数据模块，用于通过用户使用的应用程序获取用户的基础信息，作为所述用户信息数据。
可选地，上述基于用户标签的产品推荐装置还可以包括：
加工模块，用于按照业务场景选择对应的用户标签，结合所述用户数据，通过标签加工平台对所述用户标签进行加工；
组合模块，用于对加工后的用户标签进行特定的标签组合，确定组合的用户标签对应的客户群。
可选地，上述基于用户标签的产品推荐装置还可以包括：
产品推荐策略配置模块，用于根据预设的产品推荐模型配置所述产品推荐策略；
产品配置模块，用于根据所述产品推荐策略在产品推荐平台配置需要推荐的产品；
第一推荐模块，用于将配置好的产品推荐给指定的客户群。
可选地，上述基于用户标签的产品推荐装置还可以包括：
产品购买记录获取模块，用于获取所述用户的产品购买记录；
筛选模块，用于根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品。
可选地，上述基于用户标签的产品推荐装置还可以包括：
预测模块，用于根据所述用户数据以及所述产品的信息，预测所述用户购买每个所述产品的概率值；
第二推荐模块，用于将概率值超过预设阈值的产品推荐给所述用户。
本申请实施例提供的基于用户标签的产品推荐装置，基于用户标签圈定特定的客户群，将产品精准展示在对应客户的面前，使得推荐的产品配置更灵活、更丰富。减少广告资源的浪费，让用户能够获取符合自己需求的产品，增强了用户的体验感。最终提升产品销售收入，实现产品推荐的用户精准匹配，提高广告资源利用率和转化率。
实施例3
图3示出了本申请提供的计算机设备的硬件架构示意图，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现实施例1所述的基于用户标签的产品推荐方法的步骤。
本实施例中，计算机设备300是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图3示，计算机设备300至少包括但不限于：可通过系统总线相互通信链接存储器310、处理器320、网络接口330。其中：
存储器310至少包括一种类型的计算机可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器310可以是计算机设备300的内部存储模块，例如该计算机设备300的硬盘或内存。在另一些实施例中，存储器310也可以是计算机设备300的外部存储设备，例如该计算机设备300上配备的插接式硬盘，智能存储卡(SmartMedia Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，存储器310还可以既包括计算机设备300的内部存储模块也包括其外部存储设备。本实施例中，存储器310通常用于存储安装于计算机设备300的操作系统和各类应用软件，例如视频播放方法的程序代码等。此外，存储器310还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器320在一些实施例中可以是中央处理器(Central Processing Unit，简称为CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器320通常用于控制计算机设备300的总体操作，例如执行与计算机设备300进行数据交互或者通信相关的控制和处理等。本实施例中，处理器320用于运行存储器310中存储的程序代码或者处理数据。
网络接口330可包括无线网络接口或有线网络接口，该网络接口330通常用于在计算机设备300与其他计算机设备之间建立通信链接。例如，网络接口330用于通过网络将计算机设备300与外部终端相连，在计算机设备300与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication，简称为GSM)、宽带码分多址(Wideband CodeDivisionMultiple Access，简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图3仅示出了具有部件310-330的计算机设备，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器310中的基于用户标签的产品推荐方法还可以被分割为一个或者多个程序模块，并由一个或多个处理器(本实施例为处理器320)所执行，以完成本发明。
实施例4
本实施例还提供一种计算机可读存储介质，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实施例中基于用户标签的产品推荐方法的步骤。
本实施例中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种基于用户标签的产品推荐方法，其特征在于，所述方法包括：
获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
对所述用户数据进行处理，得到用户标签；
按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
2.根据权利要求1所述的基于用户标签的产品推荐方法，其特征在于，所述用户数据包括用户行为数据，所述获取用户数据，包括：
获取用户使用应用程序时的行为数据，作为所述用户行为数据。
3.根据权利要求1所述的基于用户标签的产品推荐方法，其特征在于，所述用户数据包括用户信息数据，所述获取用户数据，包括：
通过用户使用的应用程序获取用户的基础信息，作为所述用户信息数据。
4.根据权利要求1所述的基于用户标签的产品推荐方法，其特征在于，所述按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群，包括：
按照业务场景选择对应的用户标签，结合所述用户数据，通过标签加工平台对所述用户标签进行加工；
对加工后的用户标签进行特定的标签组合，确定组合的用户标签对应的客户群。
5.根据权利要求1所述的基于用户标签的产品推荐方法，其特征在于，所述根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群，包括：
根据预设的产品推荐模型配置所述产品推荐策略；
根据所述产品推荐策略在产品推荐平台配置需要推荐的产品；
将配置好的产品推荐给指定的客户群。
6.根据权利要求5所述的基于用户标签的产品推荐方法，其特征在于，所述将配置好的产品推荐给指定的客户群之前，包括：
获取所述用户的产品购买记录；
根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品。
7.根据权利要求6所述的基于用户标签的产品推荐方法，其特征在于，所述根据所述产品购买记录，从需要推荐的产品中筛选出所述用户未购买过的产品之后，还包括：
根据所述用户数据以及所述产品的信息，预测所述用户购买每个所述产品的概率值；
将概率值超过预设阈值的产品推荐给所述用户。
8.一种基于用户标签的产品推荐装置，其特征在于，所述装置包括：
获取模块，用于获取用户数据，其中，所述用户数据包括用户行为数据和/或用户信息数据；
用户标签生成模块，用于对所述用户数据进行处理，得到用户标签；
客户群生成模块，用于按照业务场景选择对应的用户标签进行组合，确定组合的用户标签对应的客户群；
产品推荐模块，用于根据产品推荐模型配置产品推荐策略，将所述产品推荐给指定的客户群。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述基于用户标签的产品推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述基于用户标签的产品推荐方法的步骤。
CN202210730281.0A 2022-06-24 2022-06-24 基于用户标签的产品推荐方法、装置、设备和介质 Pending CN115187330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210730281.0A CN115187330A (zh) 2022-06-24 2022-06-24 基于用户标签的产品推荐方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210730281.0A CN115187330A (zh) 2022-06-24 2022-06-24 基于用户标签的产品推荐方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN115187330A true CN115187330A (zh) 2022-10-14

Family

ID=83516007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210730281.0A Pending CN115187330A (zh) 2022-06-24 2022-06-24 基于用户标签的产品推荐方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN115187330A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116010693A (zh) * 2022-12-28 2023-04-25 广州市玄武无线科技股份有限公司 基于客群的信息推送方法、装置、设备和计算机存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116010693A (zh) * 2022-12-28 2023-04-25 广州市玄武无线科技股份有限公司 基于客群的信息推送方法、装置、设备和计算机存储介质
CN116010693B (zh) * 2022-12-28 2023-11-07 广州市玄武无线科技股份有限公司 基于客群的信息推送方法、装置、设备和计算机存储介质

Similar Documents

Publication Publication Date Title
US20200195737A1 (en) Clickstream analysis methods and systems related to determining actionable insights relating to a path to purchase
CN108665329B (zh) 一种基于用户浏览行为的商品推荐方法
US11580447B1 (en) Shared per content provider prediction models
CN111080398B (zh) 商品推荐方法、装置、计算机设备和存储介质
US9292545B2 (en) Entity fingerprints
CN109582876B (zh) 旅游行业用户画像构造方法、装置和计算机设备
CN107426328B (zh) 信息推送方法和装置
US20210075875A1 (en) Utilizing a recommendation system approach to determine electronic communication send times
JP2019079302A (ja) 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
JP5253519B2 (ja) スマートテキストを生成するための方法、装置、及び記憶媒体
CN114663198A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN107016006B (zh) 一种页面展示方法及系统
CN112613938A (zh) 模型训练方法、装置及计算机设备
CN110674391A (zh) 基于大数据的产品数据推送方法、系统和计算机设备
JP2023507043A (ja) データ処理方法、装置、機器、記憶媒体及びコンピュータプログラム
CN111552835A (zh) 文件推荐方法、装置及服务器
CN110209944B (zh) 一种股票分析师推荐方法、装置、计算机设备和存储介质
US20140372207A1 (en) Profit index value generation system and profit index value generation method
CN115187330A (zh) 基于用户标签的产品推荐方法、装置、设备和介质
US11514481B2 (en) Sales support marketing system
US20200160359A1 (en) User-experience development system
CN112560938B (zh) 模型训练方法、装置及计算机设备
CN113159877B (zh) 数据处理方法、装置、系统、计算机可读存储介质
CN111460300B (zh) 网络内容推送方法、装置及存储介质
CN114463085A (zh) 自动化营销的通用沟通互动方法、装置、电子设备及存储介质

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