CN115409575A - 商品推荐方法、装置、电子设备和存储介质 - Google Patents
商品推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115409575A CN115409575A CN202211042654.1A CN202211042654A CN115409575A CN 115409575 A CN115409575 A CN 115409575A CN 202211042654 A CN202211042654 A CN 202211042654A CN 115409575 A CN115409575 A CN 115409575A
- Authority
- CN
- China
- Prior art keywords
- recommended
- commodity
- flow
- platform
- coefficient
- 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
Abstract
本公开提供了一种互联网平台商品推荐方法、装置、电子设备和存储介质,涉及计算机技术领域,尤其涉及数据处理领域。实现方案为:在待推荐商品的建库、召回和排序环节同时考虑与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,能够更好的兼顾平台、买家和卖家的利益关系,合理分配平台分发的流量,提高平台流量的价值。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及数据处理领域,具体涉及一种商品推荐方法的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
随着计算机以及互联网技术的发展,消费者和企业在互联网平台上的交易越来越频繁。互联网平台是一个为买家与卖家之间通过互联网进行产品、服务及信息交换的平台,根据买家对象的不同,分为面向消费者的B2C(Business to Customer)互联网平台以及面向企业的B2B(Business to Business)互联网平台。
商品推荐在互联网电商平台中已较为常见,其带动的流量规模甚至已经占据平台流量的半壁江山。商品推荐对于平台、买家和卖家都具有重要意义。对于平台,商品推荐流量作为平台的机动流量,不受相关性等其他因素,可充分发挥平台的权益价值,成为平台最灵活调配的流量资源之一;对于买家,通过商品推荐可以提高寻源的效率且满足多方比价的需求;对于卖家,通过商品推荐可以为卖家提供更多的流量扶持与商品冷启,从而提升卖家商品去化效率。
现有平台上的商品推荐系统以用户体验为最优先,主要从买家体验角度考虑推荐结果的多样性、新颖性、惊喜度以及准确性,而忽略了卖家体验,难以满足各方的需求,也影响了平台的健康发展。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种商品推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种互联网平台商品推荐方法,包括:根据所述互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库;从所述待推荐商品库中确定待推荐商品;对所述待推荐商品进行排序以将经排序的待推荐商品推荐给所述买家,其中,所述排序按照基于商域流量的第一排序策略和基于非商域流量的第二排序策略中的至少一者进行。
根据本公开的另一方面,提供了一种互联网平台商品推荐装置,包括:建库模块根据所述互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库;召回模块,被配置为从所述待推荐商品库中确定待推荐商品并进行召回;排序模块,被配置为对所述待推荐商品进行排序以将经排序的待推荐商品推荐给所述买家,其中所述排序模块包括第一排序策略执行模块和第二排序策略执行模块,所述第一排序策略执行模块被配置为按照基于商域流量的第一排序策略进行排序,所述第二排序策略执行模块被配置为按照基于非商域流量的第二排序策略进行排序。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述互联网平台商品推荐方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行所述互联网平台商品推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现所述互联网平台商品推荐方法。
根据本公开的另一方面,提供了根据本公开的一个或多个实施例,可以兼顾买家和卖家的平台体验,提高平台的流量价值。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的商品推荐方法的流程图;
图3示出了根据本公开的实施例的计算排序因子的步骤的流程图;
图4示出了根据本公开的实施例的构建待推荐商品库的步骤的流程图;
图5示出了可以实现根据本公开的实施例的商品推荐方法的场景图;
图6示出了根据本公开的实施例的商品推荐装置的结构框图;
图7示出了根据本公开的另一实施例的商品推荐装置的结构框图;
图8示出了根据本公开的另一实施例的第二操作模块的结构框图;
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在商品推荐的相关技术中,商品推荐本质上是盘活二次流量,为买卖双方提供更多的交易场景与空间,极大地提高了买卖双方在平台的体验。现有B2C平台的推荐策略是基于人、货、场三者关系的有效匹配,平台通过挖掘人、货以及场的特征,向用户推荐符合需求的商品。因此现有平台在设定商品推荐系统时是以用户体验为最优先,仅从用户体验角度考虑推荐结果的多样性、新颖性、惊喜度以及准确性进行评估。但是,卖家作为平台在线交易的参与者,是实现交易闭环必不可少的重要主体,其对平台的使用体验同样是无法被轻视的。因此,如何在商品的推荐方法上同时兼顾买家、卖家和平台三方的利益关系是具有重要意义的。
针对上述技术问题,根据本公开的实施例,提供了一种商品推荐方法。
在详细描述根据本公开实施例的方法之前,首先结合图1描述可以将本文描述的各种方法和装置在其中实施的示例性系统。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行互联网平台商品推荐的方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收并浏览互联网平台推荐的商品信息。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
下面将结合附图详细描述本公开的实施例。
图2示出了根据本公开的实施例的商品推荐方法的流程图。
参考图2,本公开的实施例提供一种互联网平台商品推荐方法200,包括以下步骤:
步骤S201:根据互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库;
步骤S202:从待推荐商品库中确定待推荐商品;
步骤S203:对待推荐商品进行排序以将经排序的待推荐商品推荐给买家,其中,排序按照基于商域流量的第一排序策略和基于非商域流量的第二排序策略中的至少一者进行。
第一特征是与买家相关联的特征,在示例中,第一特征可以包括买家点击偏好、买家地域、历史检索记录以及不同买家之间的关系等。通过第一特征能够对买家进行画像,分析买家的购物习惯和购物偏好,这样在进行商品推荐时能够更针对性的满足买家的购买需求,促进交易行为的发生。
第二特征是与卖家相关联的特征,在示例中,第二特征可以包括商家会员等级、商家名下的店铺等级、交易勋章等级、商家所处时期和商家名下商品广告付费情况。通过第二特征能够分析卖家的权益等级、付费意愿、付费能力以及潜在需求等相关特点,这样在设置商品推荐策略时能够有效针对卖家的特点指定对应的扶持策略,使得平台流量调控更加精准,更高效的提高卖家的平台使用体验,进而给平台带来更多的利益。
在示例中,卖家的权益等级可以根据卖家会员等级、付费广告等级等付费权益和卖家的店铺等级、交易勋章等级确定的。卖家的会员等级可以根据卖家入驻平台时购买的费用决定其权益,包括免费会员、普通付费会员和高级付费会员。付费广告等级可以根据卖家为商品所购买的投放广告类型确定,例如包括站外广告和站内广告,其中,站外广告可以包括竞价广告、暗投广告等,站内广告可以指商品推广广告。店铺等级可以是平台根据店铺的商品质量、服务质量以及运营质量等因素确定的级别。交易勋章等级可以是平台根据订单量、交易商品数量、交易服务情况等情况确定的级别。一般地,卖家的权益等级越高,其在平台上展业时的付费意愿和付费能力越强,越能够为平台创造更多的收益。
在示例中,商家所处时期可以是指商家入驻平台的时间的长短以及在当前时点所处的阶段,不同时期的商家,在平台上的活动形式和活动意愿是不同的,需要平台有针对性的引导和扶持。在示例中,对于一些刚入驻平台的商家,由于这个时期的商家对于平台有着较强的新鲜感,往往具有较高的活跃度,对流量的获取意愿也更强烈更积极,同时对于平台的推广效果也有较高的期待,这个时候平台在进行商品推荐时就有必要考虑到这部分卖家的需求,在推荐策略上给与一定的流量扶持,满足其流量获取的需要,帮助其迅速提升销量,提高卖家体验;另一方面,对于一些入驻平台有一段时间的卖家,这个时候的主动性和积极性往往不会更高,那么就需要平台制定一些针对性的策略来激活他们的主动性,例如对于会员即将到期的卖家,平台可以更加主动地去提供一些流量扶持,增强卖家对平台的好感,提升他们的续费意愿。
第三特征是与商品相关联的特征,在示例中,第三特征包括了商品的参数、类目、产地、型号、质量等级、历史点击数据、历史转化数据以及不同商品之间的关系中的一种或多种。商品是平台推荐的对象,是平台上买家、卖家和平台的利益载体,将合适的商品以合适的方式推送给买家是促进平台交易的重要手段。
商品推荐的排序环节的合理与否,将直接影响到买家在平台上的购物体验,进而影响到买家后续的点击和转化,而点击和转化是交易能够在互联网平台完成的重要步骤。
在推荐商品的排序上,理论上排序位置越靠前的商品,其获得的曝光机会越多,而曝光机会越多意味着被点击、被转化的可能性越高,因此,排序靠前的位置相对而言具有一定的稀缺性,在这样的位置放置一些能为平台创造更多收益的商品能够将平台的收益最大化,有效的提升流量的价值。但与此同时,排序位置越靠前的商品,对买家的视觉冲击越强烈,会直接影响买家的平台使用体验。例如,推荐给买家的第一个商品就正好是买家想要的,这样会极大增加买家对于平台的好感,相反,若是排序最靠前的商品都与买家的期望相差甚远,买家会认为平台的推荐是无意义的,甚至会对平台的推荐行为产生反感。与此同时,每一个待推荐商品能为平台创造的价值也是不同的,可能买家最想要的商品对平台几乎没有创造收益,那么这样的商品的点击价值和转化价值对于平台而言就不高。因此,在对待推荐商品进行排序时,仅仅考虑买家体验是不够的,还需要考虑商品可能给平台带来的价值大小。
商域流量是平台从公域流量划出来,以付费为主要分配标准的流量。商域流量能够为平台直接创造收益,是平台流量变现的重要手段之一,非商域流量则能够吸引更多的卖家入驻,增加平台的活跃度,有助于平台的长期可持续发展。在对商品排序时,针对商域流量下的商品和非商域流量下的商品分别按照不同的排序策略进行排序,能够很好的兼顾平台的收益和流量的可持续性,促进平台的健康发展。因此,对于有限的排序位置,如何对待推荐商品合理排序以合理、高效地分配流量亦是必要和重要的。
根据本公开的实施例,在构建待推荐商品库时就会同时考虑与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,同时在商品排序时,平台可以当前需要和重点扶持方向采取按照基于商域流量的第一排序策略和基于非商域流量的第二排序策略中的至少一者进行,使得推荐的商品在考虑买家体验的同时充分理解卖家需求,能够兼顾买家、卖家和平台三方的利益,也有助于平台流量调控策略的精准实现,平台的流量分配更加合理,提高平台流量的价值。
在一些实施例中,第一排序策略可以包括根据待推荐商品的权益价值排序,第二排序策略可以包括计算待推荐商品的排序因子并根据排序因子排序。
待推荐商品的权益价值可以是指平台推广该商品能够获得的权益收益,本实施例中第一排序策略根据待推荐商品的权益价值排序就是将能给平台带来更多权益收益的商品排在前面,这样能给提高平台的收益。对于非商域流量,则可以通过计算商品的排序因子,并根据排序因子的大小进行排序,根据设定的排序因子排序能够很好的执行平台的流量调控策略。
第二排序策略根据待推荐商品的排序因子的大小进行排序。排序因子的计算主要考虑点击预期系数ctr、转化预期系数ct(cvr)、点击价值F1以及转化价值F2。
点击预期系数ctr和转化预期系数ct(cvr)代表该商品被推荐后可能被点击和转化的概率,点击价值F1以及转化价值F2则是该商品被点击和转化对平台产生的价值影响的高低。对于互联网平台而言,撮合交易在平台上完成闭环是平台最重要的目标,交易成功不仅能给平台上的买家和卖家解决实际的需求,还能够提高买家和卖家对平台的粘性,提升平台的流量,是平台发展和壮大的基础。从平台的角度看,平台希望尽可能的提高推荐商品的点击率和转化率,与此同时,还希望每次被点击和转化的商品能够给平台创造尽可能多的收益,这样平台才能在保证买卖双方的需求得到满足的前提下,实现收益的最大化。因此,本实施例中对于第二排序策略中的计算排序因子时既需要考虑点击预期系数ctr和转化预期系数ct(cvr),也要考虑商品的点击价值F1以及转化价值F2,这样基于第二排序策略得到的排序结果能够兼顾买家、卖家和平台三方的利益需求,使得平台流量分配更合理。
在一些实施例中,待推荐商品的权益价值可以包括ECPM(effective cost permile,指的是每一千次展示可以获得的广告收入)、广告价值和商品推广质量中的至少一者。
在示例中,第一排序策略优先按照待推荐商品的ECPM值的大小进行排序,其次按照广告价值的大小排序,最后再根据商品推广质量进行排序。
ECPM可以是反映网站盈利能力的重要指标,ECPM越高表明对平台价值的认可度越高,这样的商品的权益价值也就越高,在排序是非常值得考虑的因素。平台广告价值可以为不同的广告类型对应的价值,在示例中,站内广告的价值高于站外广告的价值,站内广告指的是平台上的商家为推广在平台上架的商品而投放的广告,这类广告由于广告主和商品都是在平台上的,对于平台的交易量有着非常好的正向作用,因此,本实施例中,站内广告价值可以是高于站外广告的,站外广告可以包括竞价广告和暗投广告,由于竞价广告通常是对相对稀缺的广告位进行竞价拍卖,由价高者竞得,在示例中,竞价广告的广告价值高于暗投广告;此外,还可以根据商品推广质量来反映商品的权益价值,商品推广质量可以是将商品以及商品所属的卖家是否符合平台的扶持策略来判断商品的权益价值的高低,这样能够帮助平台实现更有效的流量调控。
本实施例中的第一排序策略能够在保证平台收益的前提下,对符合平台的调控策略或扶持策略的商品在排序时给与一定的倾斜,使得平台的调控策略或扶持策略能够更好的得到落实,这有助于平台更有效的发挥其调控作用,使流量分配更加合理,提高流量价值。
在一些实施例中,如图3所示,计算待推荐商品的排序因子的步骤300可以包括:
步骤S301:根据待推荐商品的历史数据和与买家相关联的第一特征确定待推荐商品的点击预期系数和转化预期系数;
步骤S302:根据与待推荐商品所属的卖家相关联的第二特征以及平台流量数据,确定待推荐商品的点击价值和转化价值,其中,平台流量数据包括点击流量数据、搜索流量转化数据和推荐流量转化数据;以及
步骤S303:根据点击预期系数、点击价值、转化预期系数和转化价值,确定待推荐商品的排序因子。
在示例中,待推荐商品的历史数据可以包括:与该商品相关联的第三特征,以及与该商品历次被推荐后的点击和转化涉及的买家相关联的第一特征,本实施例中的第三特征包括商品的参数、产地、型号、质量、头部特征、历史点击数据和历史转化数据等,第一特征包括买家的地域偏好、品牌偏好、价格偏好以及点击与转化偏好等。通过历史数据建立关于买家和商品之间的可能发生点击和转化的交易预测模型,根据这个交易预测模型就可以预测不同买家对待推荐商品的点击预期和转化预期,并输出对应的点击预期系数和转化预期系数,点击预期系数以及转化预期系数越高表明买家点击和转化的可能性越高。本实施例中将与买家相关的第一特征输入到交易预测模型就可以得到点击预期系数ctr以及转化预期系数ct(cvr)。
一般而言,互联网平台的运营收入主要包括交易金额的抽成佣金和卖家为推广商品而支出的权益费用和广告费用,因而商品所属的卖家的付费能力和付费意愿对于商品被推荐后所能产生的点击价值和转化价值具有重要的影响。
因此,本实施例根据点击预期系数、点击价值、转化预期系数和转化价值来计算确定的待推荐商品的排序因子同时考虑了后续买家点击和转化的概率以及点击和转化后能为平台产生多大的效益,并以此计算得到排序因子作为衡量参数,排序因子越大,意味着待推荐商品可能给平台带来更多的益处,这样的排序结果能够识别出能给平台带来最大价值的商品,能够实现平台利益的最大化,提高平台流量的价值。
在一些实施例中,根据与待推荐商品的卖家相关联的第二特征、与待推荐商品相关的第三特征以及平台流量数据,确定待推荐商品的点击价值和转化价值包括:
根据与待推荐商品的卖家相关联的第二特征中的权益等级确定的卖家等级系数M;
根据平台流量数据确定平台流量调控系数N;
根据卖家等级系数M和平台流量调控系数N确定点击价值F1,其中,点击价值F1被配置为卖家权益系数M和平台流量调控系数N之和,即
F1=M+N。
在示例中,权益等级包括卖家会员等级、付费广告等级、卖家的店铺等级和交易勋章等级中的至少一种。
本实施例中,点击价值主要根据卖家等级系数和平台流量调控系数来确定,卖家等级系数越高,意味着商品所属的卖家在平台上具有较高的权益等级,这样的商品被点击可以为平台所创造的收益也会越多,这样的卖家对于平台而言是非常重要和有价值的,在推荐排序时就需要予以重点考虑;平台流量调控系数是平台根据自身的利益需要或发展需要而对当前平台分发流量的一个调控策略而制定的,而平台流量的调控策略能够对不同行业、不同店铺的商品在推广时的流量分配上做主动调整,实现更合理的分配流量,提高平台流量的价值,将其纳入点击价值的计算能够保证当前待推荐的商品的点击能够兼顾平台的直接利益和间接利益、短期利益和长期发展,使得平台的流量分布更加合理,促进平台的可持续、健康发展。
在一些实施例中,根据平台流量数据确定平台流量调控系数N包括:
根据点击流量数据确定待推荐商品所属的店铺当天的点击流量Xi和平台同商品类目下相同星级的店铺当天的平均点击流量Xav;
根据待推荐商品所属的店铺当天的点击流量和平台同商品类目下相同星级的店铺当天的平均点击流量确定店铺流量控制系数X;
根据搜索流量转化数据、推荐流量转化数据确定待推荐商品所属行业的流量质量系数C;
根据店铺流量控制系数X和待推荐商品所属行业的流量质量系数C确定平台流量调控系数N。
本实施例中平台流量调控系数N包括店铺流量控制系数X和商品所属行业的流量质量系数C两个方面,可以针对不同行业、不同店铺之间实现流量的调配,从而使得平台的流量调控策略能够得到实现,增强平台的流量调控能力和精准度,提升平台流量的价值。
在一些实施例中,平台流量调控系数N满足以下条件:
响应于待推荐商品所属的店铺当天的点击流量Xi超过平台同商品类目下相同星级的店铺当天的平均点击流量Xav的情况下为负值,
响应于待推荐商品所属的店铺当天的点击流量Xi低于平台同商品类目下相同星级的店铺当天的平均点击流量Xav的情况下为正值,
响应于待推荐商品所属的店铺当天的点击流量Xi等于平台同商品类目下相同星级的店铺当天的平均点击流量Xav的情况下为0。
本实施例中,通过将平台流量调控系数与商品所属店铺当天的点击流量关联起来,能够对待推荐商品所属的店铺的流量进行一个调整,即限流或补流,使得点击量较少的店铺的商品能够有更靠前的曝光机会,调控全平台内流量分配符合店铺星级进行分布,从而使得平台的流量分布更合理。
在一些实施例中,平台流量调控系数N还被配置为与待推荐商品所属行业的流量质量系数C成正相关;待推荐商品所属行业的流量质量系数C为待推荐商品所属行业搜索流量的转化系数ct(cvr)1与待推荐商品所属行业推荐流量的转化系数的比值ct(cvr)2。
平台流量可以包括搜索流量、推荐流量和其他流量,而由于搜索流量通常是买家自己主动搜索自己所要的目标商品,因而搜索流量具有更高的点击率和转化率,但是搜索流量由于是被动的,其给平台带来的收益实际上的低于推荐流量的。本实施例中,考虑不同行业的采购习惯不同,为平衡平台上不同行业的流量分配,将平台流量调控系数N还被配置为与待推荐商品所属行业的流量质量系数C成正相关,使平台流量分布更加合理,另外将流量质量系数C设为待推荐商品所属行业搜索流量的转化系数ct(cvr)1与待推荐商品所属行业推荐流量的转化系数ct(cvr)2的比值,即C=ct(cvr)1/ct(cvr)2,能够针对不同行业的搜索流量和推荐流量的转化率的不同,并与店铺的点击流量结合起来调整流量质量系数,使得流量的调控目的能够准确实现,避免调控手段失效。
在一些实施例中,根据与待推荐商品的卖家相关联的第二特征、与待推荐商品相关的第三特征以及平台流量数据,确定待推荐商品的点击价值和转化价值还包括:
根据大盘平均分发流量和大盘平均转化流量确定转化价值系数,
根据待推荐商品的商品类型是否为预设商品类型确定商品类型系数,
根据转化价值系数和商品类型系数确定转化价值。
在示例中,转化价值系数为大盘平均分发流量和大盘平均转化流量的比值。预设商品类型可以是平台根据需要自主设定的商品类型,以满足平台的发展方向和扶持策略的贯彻落实。例如,对于B2B平台而言,其撮合交易的方式主要包括:询盘、电话沟通、分类咨询和在线交易,其中在线交易能够在平台上实现整个撮合交易的闭环,对于提高平台的流量和用户的粘性有着重要意义,因此,可在线交易的商品就是平台需要扶持的商品类型,在推荐排序是就应当给与一定的扶持和优待。
通过在转化价值的计算中加入商品类型系数,使得符合平台扶持方向的商品能够获得更靠前的排序位置,进而能够获得更多的曝光机会,提高点击和转化的概率。这样平台的流量调控的自主性更强、调控效果更精准,能够充分发挥平台的主观调控能力,提高流量分配的合理性和效率,提升流量价值。
下面结合具体示例阐述上述实施中排序因子的计算方法。
在示例中,待推荐商品的排序因子K根据以下公式计算:
K=ctr×F1+ct(cvr)×F2,
其中,ctr为点击预期系数,F1为点击价值,ct(cvr)为转化预期系数,F2为转化价值。
在示例中,点击价值F1根据以下公式计算:
F1=M+N,
其中,M为根据第二特征中的权益等级确定的卖家等级系数,N为平台流量调控系数。
在示例中,卖家等级系数M可以包括店铺星级得分An、会员等级得分D和交易勋章等级得分Bm,其中n代表店铺的星级,m代表交易勋章的等级。具体卖家等级系数M的计算公式为:
M=An+Bm+D
在示例中,店铺星级得分An、会员等级得分D和交易勋章等级得分Bm的取值如表1所示。
表1卖家等级系数取值示例
在示例中,平台流量调控系数N按照以下公式计算:
N=(1-Xi/Xav)×C
其中,Xi为待推荐商品所属的店铺当天的点击流量,Xav为平台上与待推荐商品的同商品类目下相同星级的店铺当天的平均点击流量,C为待推荐商品所属行业的流量质量系数。
在示例中,Xi/Xav表示当前商品所属的店铺当天的点击流量与平台上同商品类目下相同星级的店铺当天的平均点击流量的比值,可以判断当前商品所属的店铺当天的点击流量是超出平均点击流量的还是低于平均点击流量的,如果是超出平均点击流量,则(1-Xi/Xav)就是一个负值,平台流量调控系数N也就是一个负值,这样就会降低排序因子的大小,使得该商品的排序位置变得靠后,反之如果当前商品所属的店铺当天的点击流量是低于平均点击流量的,那么(1-Xi/Xav)就是一个正值,平台流量调控系数N也就是一个正值,能够增大排序因子的大小,这样排序时就会排在相对靠前的位置;若当前商品所属的店铺当天的点击流量等于平均点击流量,此时平台流量调控系数N为0,排序时就无需进行调控。
在示例中,待推荐商品的转化价值F2根据以下公式计算:
F2=H+E,
其中,H为转化价值系数,转化价值系数取大盘平均分发流量和大盘平均转化流量的比值,或者,在示例中,H取1000。
E为商品类型系数,商品类型系数根据待推荐商品类型是否为预设商品类型确定。若待推荐商品的商品类型为预设商品类型,则商品类型系数取1,否则,商品类型系数取0。
图4示出了根据本公开的实施例的构建待推荐商品库的步骤的示意图。
在一些实施例中,如图4所示,构建待推荐商品库的步骤400(例如,结合图2所述的步骤S201)可以包括:
步骤S401:根据与买家相关联的第一特征确定待推荐的商品类目;
步骤S402:针对待推荐的商品类目下的商品,判断与商品的卖家相关联的第二特征以及与商品相关联的第三特征是否满足相应建库条件;
步骤S403:对满足建库条件的商品去重后纳入待推荐商品库。
在示例中,建库条件可以是针对商品对应的特征(包括第一特征、第二特征、第三特征)选择性地设置限定条件,如果满足则会对商品进行建库,作为后续向用户进行推荐的商品库。
在示例中,建库条件可以针对与商品的卖家相关的第二特征进行设置。第二特征包括卖家的会员等级和卖家的店铺等级,相应的建库条件就可以设定为卖家的会员等级达到预定的会员等级,卖家的店铺等级达到预定的店铺等级。
在示例中,平台上对卖家的会员等级按照入驻平台支付的权益金额的大小分为:免费会员、普通付费会员和高级付费会员。建库条件就可以将限定条件设定为普通付费会员,即只有与商品的卖家相关的第二特征中的卖家会员等级为普通付费会员及以上才能够满足建库条件。
在示例中,平台对于卖家的店铺等级的划分是综合商家商品质量、服务质量以及运营质量等因素进行评定的,从高到低分别定义为五星店铺、四星店铺、三星店铺、二星店铺和一星店铺。
建库条件中还可以对与商品相关的第三特征作为限制条件,在示例中,第三特征包括商品的质量等级,将第三特征中的商品的质量等级是否满足预设等级作为建库条件。可以理解的是,商品的质量等级是平台根据商品的类型、质量参数、售后情况等因素对商品从质量维度进行的等级评定,从高到低分别定义为五星商品、四星商品、三星商品、二星商品和一星商品。
在示例中,建库条件可以设定为针对商家的会员等级、商家店铺等级和商品质量等级三个条件中的任意一个进行限定,也可以同时针对其中的两个、甚至三个条件进行设定,还可以针对不同的条件多维度的限定能够将更符合平台期望的商品得到推广。
可以理解的是,建库条件所确定的限制条件不仅可以作为是否建库的判断依据,还可以作为对建库数量的判断依据。
在示例中,建库条件可以被设定为同时满足以下条件:
(1)卖家的会员等级:普通付费会员及以上建库,免费会员不建库;
(2)商品的质量等级:三星商品以及以上建库,一星商品和二星商品不建库;
(3)商家店铺等级角度:不同星级的店铺对应的商品最大建库比例不同,店铺星级越高,最大建库比例越高。具体参照表2所示。
表2店铺星级与建库比例关系
店铺星级 | 最大建库比例 |
一星 | 30% |
二星 | 40% |
三星 | 50% |
四星 | 75% |
五星 | 100% |
对于满足建库条件的商品进行去重指的是对于重复的商品仅选取其中一个或一部分进行建库。商品重复是指商品头图完全相同、商品参数完全一致。去重的标准可以由平台自行设定,在示例中,去重的标准可以通过卖家的会员等级、商品的质量等级、商家店铺星级中的一个或多个去进行设定,也可以通过其他符合平台扶持方向的条件去设定。
本实施例中,通过在建库环节就将与卖家相关的第二特征和与商品相关的第二特征作为商品是否纳入待推荐商品库的判断依据,使得平台在构建推荐的商品基础上就把卖家体验和平台期望扶持的商品类型考虑进去了,能够有效的保证最终的推荐结果能够提高卖家的平台体验,同时提高平台对流量调整的精准度。
在一些实施例中,从待推荐商品库中确定待推荐商品(例如结合图2所述的步骤S202)可以包括:按照第一召回策略和第二召回策略中的至少一种从待推荐商品库中召回待推荐商品,其中,第一召回策略包括共线召回、相似召回和三级类目召回中的至少一种进行召回,第二召回策略包括对待推荐商品库中满足单独召回条件的商品单独进行召回。
可以理解的是,纳入待推荐商品库中的商品的类目和数量是相对比较大的,在推荐时必然还需要从中再择优推荐,召回就是这个再择优的环节。本实施例中召回策略包括第一召回策略和第二召回策略,第一召回策略包括共线召回、相似召回和三级类目召回中的至少一种,这里第一召回策略主要是围绕买家体验来制定的召回策略,是根据平台上与买家相关的第一特征对买家进行画像,针对其可能感兴趣的商品或关联商品进行召回,提高买家对于平台的信赖程度,增强平台的用户粘性。第二召回策略则是一种单独召回策略,是由平台设定一些单独召回条件,对满足这些单独召回条件的商品进行召回。这些单独召回条件是由平台根据自身的利益需要或发展方向的需要来设定的,可以增强平台的流量调控的自由度,以便平台的流量调控策略能够得到落实。因此,本实施例的召回策略既可以按照以买家体验为主的第一召回策略,也可以按照第二召回策略对符合平台预期的商品进行召回,又或者,考虑到符合平台设定的单独召回条件的商品数量并不会很多,可以采用第一召回策略和第二召回策略相结合的方式,这样能够从待推荐商品库中挑选出能够符合买家预期,又能兼顾卖家体验和平台利益的商品。
在一些实施例中,第二召回策略中的单独召回条件包括待推荐商品属于商域物料。
商域物料是卖家在平台上为了推广而付费的商品物料,相对于平台上的浩如烟海的物料总量而言,商域物料在其中的占比是相对较低的,而且对应的商家也比较分散,这类商品如果没有其他干预,在商品推荐的召回环节中很有可能就因为未能符合召回条件而得不到曝光的机会,这样就会形成“长尾效应”,但是,这些商域物料所属的卖家又往往具有较强的付费意愿和付费能力的,将这部分商品盘活能够给平台带来更可观的收益。本实施例针对商域物料采用单独召回的第二召回策略能够很好的满足这类商品对应的商品对流量的需求,避免“长尾效应”。
商品推荐的排序对于互联平台的商品推荐而言是非常重要的一环,排序的合理与否,将直接影响到买家在平台上的购物体验,进而影响到买家后续的点击和转化,而点击和转化是交易能够在互联网平台完成的重要步骤。
在推荐商品的排序上,理论上排序位置越靠前的商品,其获得的曝光机会越多,而曝光机会越多意味着被点击、被转化的可能性越高,因此,排序靠前的位置相对而言具有一定的稀缺性,在这样的位置放置一些能为平台创造更多收益的商品能够将平台的收益最大化,有效的提升流量的价值。但与此同时,排序位置越靠前的商品,对买家的视觉冲击越强烈,会直接影响买家的平台使用体验。例如,推荐给买家的第一个商品就正好是买家想要的,这样会极大增加买家对于平台的好感,相反,若是排序最靠前的商品都与买家的期望相差甚远,买家会认为平台的推荐是无意义的,甚至会对平台的推荐行为产生反感。与此同时,每一个待推荐商品能为平台创造的价值也是不同的,可能买家最想要的商品对平台几乎没有创造收益,那么这样的商品的点击价值和转化价值对于平台而言就不高。因此,在对待推荐商品进行排序时,仅仅考虑买家体验是不够的,还需要考虑商品可能给平台带来的价值大小。
图5示出了可以实现根据本公开的实施例的商品推荐方法的场景图。
如图5所示,按照流量类型的不同采取不同的排序策略,对于商域流量下的待推荐商品采取第一排序策略进行排序,将权益价值高的商品优先排在靠前的位置,按顺序分别排列为Q1、Q2、Q3、Q4…,对于非商域流量下的待推荐商品采取第二排序策略进行排序,将排序因子大的商品优先排在靠前的位置,按顺序分别排列为F1、F2、F3、F4…,然后综合考虑不同位置对于用户的购买体验和对平台的价值,将最终呈现给买家的推荐界面上的商品排序位置中的部分位置用来推荐商域流量下的商品,例如P2、P3、P5、P6等位置,这些位置的商品既不会像第一个商品那样对买家的体验造成强烈的冲击,又是非连续的间隔式布置,避免引起买家的反感,与此同时,这些位置又处于相对靠前的位置能够使推荐的商品得到很好的曝光机会以及点击和转化的机会,从而为平台创造更多的收益。
图6-图7示出了根据本公开的实施例的商品推荐装置的结构框图。
根据本公开的实施例,如图6所示,还提供了一种互联网平台商品推荐装置600,其中,包括:
建库模块610,被配置为根据平台上的第一特征、第二特征和第三特征构建待推荐商品库;第一特征为与互联网平台上的买家相关联的特征,第二特征为与互联网平台上的卖家相关联的特征,第三特征为与互联网平台上的商品相关联的第三特征;
召回模块620,被配置为从待推荐商品库中确定待推荐商品;
排序模块630,被配置为对待推荐商品进行排序以将经排序的待推荐商品推荐给买家,其中排序模块630包括第一排序策略执行模块和第二排序策略执行模块,第一排序策略执行模块被配置为按照基于商域流量的第一排序策略进行排序,第二排序策略执行模块被配置为按照基于非商域流量的第二排序策略进行排序。
在一些实施例中,如图7所示,互联网平台商品推荐装置700包括建库模块710、召回模块720和排序模块730,排序模块730包括第一排序策略执行模块731和第二排序策略执行模块732,第一排序策略执行模块731包括第一计算模块7311和第一处理模块7312,第一计算模块7311被配置为计算商域流量下的待推荐商品的权益价值,第一处理模块7312被配置为按照待推荐商品的权益价值进行排序;第二排序策略执行模块732包括第二计算模块7321和第二处理模块7322,第二计算模块7321被配置为计算非商域流量下的待推荐商品的排序因子,第二处理模块7322被配置为按照待推荐商品的排序因子进行排序。
在一些实施例中,第一计算模块7311被配置为根据待推荐商品的ECPM值、广告价值和推广质量中的至少一种计算待推荐商品的权益价值。
在一些实施例中,如图7所示,第二计算模块7321包括:
第一操作模块7321A,被配置为根据待推荐商品的历史数据,计算待推荐商品的点击预期系数和转化预期系数;
第二操作模块7321B,被配置为根据与待推荐商品的卖家相关联的第二特征、与待推荐商品相关的第三特征以及平台流量数据,计算待推荐商品的点击价值和转化价值,其中,平台流量数据包括点击流量数据、搜索流量转化数据、推荐流量转化数据、大盘平均分发流量和大盘平均转化流量中的至少一者;以及
第三操作模块7321C,被配置为根据点击预期系数、点击价值、转化预期系数和转化价值,计算待推荐商品的排序因子。
在示例中,第三操作模块7321C被配置为根据以下计算公式计算待推荐商品的排序因子:
K=ctr×F1+ct(cvr)×F2,
其中,K为排序因子,ctr为点击预期系数,F1为点击价值,ct(cvr)为转化预期系数,F2为转化价值。
在一些实施例中,如图8所示,第二操作模块800(参见图7所述的第二操作模块7321B)包括确定点击价值的第一运算模块801,第一运算模块801包括第一子模块8011、第二子模块8012和第三子模块8013。
第一子模块8011被配置为根据与所述待推荐商品的卖家相关联的所述第二特征中的权益等级确定的卖家等级系数,所述权益等级包括卖家会员等级、付费广告等级、卖家的店铺等级和交易勋章等级中的至少一种。
第二子模块8012被配置为根据所述平台流量数据确定平台流量调控系数。
第三子模块8013被配置为根据所述卖家权益系数和所述平台流量调控系数确定所述点击价值,其中,所述点击价值为所述卖家权益系数和所述平台流量调控系数之和。
在示例中,权益等级包括卖家会员等级、付费广告等级、卖家的店铺等级和交易勋章等级中的至少一种。
在示例中,第三子模块8013按照以下公式计算待推荐商品的点击价值:
F1=M+N,
其中,M为根据第二特征中的权益等级确定的卖家等级系数,N为平台流量调控系数。
在一些实施例中,如图8所示,第二子模块8012包括:
第一调控处理模块8012A,被配置为根据点击流量数据确定待推荐商品所属的店铺当天的点击流量和平台同商品类目下相同星级的店铺当天的平均点击流量;
第二调控处理模块8012B,被配置为根据待推荐商品所属的店铺当天的点击流量和平台同商品类目下相同星级的店铺当天的平均点击流量确定店铺流量控制系数;
第三调控处理模块8012C,被配置为根据搜索流量转化数据、推荐流量转化数据确定待推荐商品所属行业的流量质量系数;
第四调控处理模块8012D,被配置为根据店铺流量控制系数和待推荐商品所属行业的流量质量系数确定平台流量调控系数。
在一些实施例中,第二子模块8012确定的平台流量调控系数满足以下条件:
响应于待推荐商品所属的店铺当天的点击流量超过平台同商品类目下相同星级的店铺当天的平均点击流量,平台流量调控系数为负值,
响应于待推荐商品所属的店铺当天的点击流量低于平台同商品类目下相同星级的店铺当天的平均点击流量,平台流量调控系数为正值,
响应于待推荐商品所属的店铺当天的点击流量等于平台同商品类目下相同星级的店铺当天的平均点击流量,平台流量调控系数为0。
在一些实施例中,第二子模块8012确定的平台流量调控系数满足以下条件:
平台流量调控系数与待推荐商品所属行业的流量质量系数成正相关;
其中,待推荐商品所属行业的流量质量系数为待推荐商品所属行业搜索流量的转化系数与待推荐商品所属行业推荐流量的转化系数的比值。
在示例中,平台流量调控系数N按照以下公式计算:
N=(1-Xi/Xav)×C
其中,Xi为待推荐商品所属的店铺当天的点击流量,Xav为平台上与待推荐商品的同商品类目下相同星级的店铺当天的平均点击流量,C为待推荐商品所属行业的流量质量系数。
在一些实施例中,第二操作模块800还包括确定待推荐商品的转化价值的第二运算模块802,第二运算模块802包括第四子模块8021、第五子模块8022和第六子模块8023。
第四子模块8021被配置为根据大盘平均分发流量和大盘平均转化流量确定转化价值系数,
第五子模块8022被配置为根据待推荐商品的商品类型是否为预设商品类型确定商品类型系数,
第六子模块8023被配置为根据转化价值系数和商品类型系数确定待推荐商品的转化价值。
在示例中,第二运算模块802被配置为根据以下计算公式计算待推荐商品的转化价值:
F2=H+E,
其中,F2为转化价值,H为转化价值系数,E为商品类型系数。转化价值系数根据大盘平均分发流量和大盘平均转化流量确定,商品类型系数根据待推荐商品类型确定。
在一些实施例中,如图7所示,建库模块710包括:确定模块711,被配置为根据与买家相关联的第一特征确定待推荐的商品类目;判断模块712,针对待推荐的商品类目下的商品,判断与商品的卖家相关联的第二特征以及与商品相关联的第三特征是否满足相应建库条件,其中,与卖家相关联的第二特征的建库条件包括卖家具有预定的会员等级和店铺等级,与商品相关联的第三特征的建库条件包括商品具有预定的质量等级;第三处理模块713,被配置为对满足建库条件的商品去重并将经去重的商品纳入待推荐商品库。
在一些实施例中,召回模块720被配置为按照第一召回策略和第二召回策略中的至少一种从待推荐商品库中召回待推荐商品,其中,第一召回策略包括基于共线召回、相似召回和三级类目召回中的至少一种进行召回,第二召回策略包括对待推荐商品库中满足单独召回条件的商品单独进行召回。
在一些实施例中,召回模块720中第二召回策略的单独召回条件包括待推荐商品属于商域物料。
本公开的技术方案中互联网平台商品推荐装置700可用于实施如图2-4所示的商品推荐方法,实现兼顾买家、卖家和平台三方的利益,有助于平台流量调控策略的精准实现,平台的流量分配更加合理,提高平台流量的价值。相关内容此处就不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如商品推荐方法。例如,在一些实施例中,商品推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM903并由计算单元901执行时,可以执行上文描述的商品推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行商品推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (27)
1.一种互联网平台商品推荐方法,包括:
根据互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库;
从所述待推荐商品库中确定待推荐商品;
对所述待推荐商品进行排序以将经排序的待推荐商品推荐给所述买家,其中,所述排序按照基于商域流量的第一排序策略和基于非商域流量的第二排序策略中的至少一者进行。
2.根据权利要求1所述的方法,其中,所述第一排序策略包括根据所述待推荐商品的权益价值排序,所述第二排序策略包括确定所述待推荐商品的排序因子并根据所述排序因子排序。
3.根据权利要求2所述的方法,其中,所述第一排序策略中的所述待推荐商品的权益价值包括所述待推荐商品的ECPM、广告价值和推广质量中的至少一种。
4.根据权利要求2所述的方法,其中,所述第二排序策略中的确定所述待推荐商品的排序因子包括:
根据所述待推荐商品的历史数据和所述与买家相关联的第一特征,确定所述待推荐商品的点击预期系数和转化预期系数;
根据与所述待推荐商品的卖家相关联的所述第二特征、与所述待推荐商品相关的所述第三特征以及平台流量数据,确定所述待推荐商品的点击价值和转化价值,其中,所述平台流量数据包括点击流量数据、搜索流量转化数据、推荐流量转化数据、大盘平均分发流量和大盘平均转化流量;以及
根据所述点击预期系数、所述点击价值、所述转化预期系数和所述转化价值,确定所述待推荐商品的所述排序因子。
5.根据权利要求4所述的方法,其中,所述根据与所述待推荐商品的卖家相关联的所述第二特征、与所述待推荐商品相关的所述第三特征以及平台流量数据,确定所述待推荐商品的点击价值和转化价值包括:
根据与所述待推荐商品的卖家相关联的所述第二特征中的权益等级确定的卖家等级系数,所述权益等级包括卖家会员等级、付费广告等级、卖家的店铺等级和交易勋章等级中的至少一种;
根据所述平台流量数据确定平台流量调控系数;
根据所述卖家等级系数和所述平台流量调控系数确定所述点击价值;其中,所述点击价值为所述卖家权益系数和所述平台流量调控系数之和。
6.根据权利要求5所述的方法,其中,所述根据所述平台流量数据确定平台流量调控系数包括:
根据所述点击流量数据确定所述待推荐商品所属的店铺当天的点击流量和所述平台同商品类目下相同星级的店铺当天的平均点击流量;
根据所述待推荐商品所属的店铺当天的点击流量和所述平台同商品类目下相同星级的店铺当天的平均点击流量确定店铺流量控制系数;
根据所述搜索流量转化数据、所述推荐流量转化数据确定所述待推荐商品所属行业的流量质量系数;
根据所述店铺流量控制系数和所述待推荐商品所属行业的流量质量系数确定所述平台流量调控系数。
7.根据权利要求6所述的方法,其中,所述平台流量调控系数满足以下条件:
响应于所述待推荐商品所属的店铺当天的点击流量超过所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为负值,
响应于所述待推荐商品所属的店铺当天的点击流量低于所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为正值,
响应于所述待推荐商品所属的店铺当天的点击流量等于所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为0。
8.根据权利要求6或7所述的方法,其中,所述平台流量调控系数还满足以下条件:
所述平台流量调控系数与所述待推荐商品所属行业的流量质量系数成正相关;
其中,所述待推荐商品所属行业的流量质量系数为所述待推荐商品所属行业搜索流量的转化系数与所述待推荐商品所属行业推荐流量的转化系数的比值。
9.根据权利要求4所述的方法,其中,所述根据与所述待推荐商品的卖家相关联的所述第二特征、与所述待推荐商品相关的第三特征以及平台流量数据,确定所述待推荐商品的点击价值和转化价值还包括:
根据所述大盘平均分发流量和所述大盘平均转化流量确定转化价值系数,
根据所述待推荐商品的商品类型是否为预设商品类型确定商品类型系数,
根据所述转化价值系数和所述商品类型系数确定所述转化价值。
10.根据权利要求1所述的方法,其中,所述根据互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库包括:
根据所述与买家相关联的第一特征确定待推荐的商品类目;
针对所述待推荐的商品类目下的商品,判断与所述商品的卖家相关联的第二特征以及与所述商品相关联的第三特征是否满足相应建库条件,其中,所述与卖家相关联的第二特征的所述建库条件包括所述卖家具有预定的会员等级和店铺等级,所述与商品相关联的第三特征的建库条件包括商品具有预定的质量等级;
对满足建库条件的商品去重并将经去重的商品纳入所述待推荐商品库。
11.根据权利要求1所述的方法,其中,所述从所述待推荐商品库中确定待推荐商品包括:
按照第一召回策略和第二召回策略中的至少一种从所述待推荐商品库中召回所述待推荐商品,其中,所述第一召回策略包括基于共线召回、相似召回和三级类目召回中的至少一种进行召回,所述第二召回策略包括对所述待推荐商品库中满足单独召回条件的商品单独进行召回。
12.根据权利要求9所述的方法,其中,所述第二召回策略中的所述单独召回条件包括所述待推荐商品属于商域物料。
13.一种互联网平台商品推荐装置,包括:
建库模块,被配置为根据所述互联网平台上与买家相关联的第一特征、与卖家相关联的第二特征以及与商品相关联的第三特征,构建待推荐商品库;
召回模块,被配置为从所述待推荐商品库中确定待推荐商品;
排序模块,被配置为对所述待推荐商品进行排序以将经排序的待推荐商品推荐给所述买家,其中所述排序模块包括第一排序策略执行模块和第二排序策略执行模块,所述第一排序策略执行模块被配置为按照基于商域流量的第一排序策略进行排序,所述第二排序策略执行模块被配置为按照基于非商域流量的第二排序策略进行排序。
14.根据权利要求13所述的装置,其中,所述第一排序策略执行模块包括第一计算模块和第一处理模块,所述第一计算模块被配置为计算所述商域流量下的所述待推荐商品的权益价值,所述第一处理模块被配置为按照所述待推荐商品的权益价值进行排序;所述第二排序策略执行模块包括第二计算模块和第二处理模块,所述第二计算模块被配置为计算所述非商域流量下的所述待推荐商品的排序因子,所述第一处理模块被配置为按照所述待推荐商品的排序因子进行排序。
15.根据权利要求14所述的装置,其中,所述第一计算模块被配置根据所述待推荐商品的ECPM、广告价值和推广质量中的至少一种确定所述待推荐商品的权益价值。
16.根据权利要求14所述的装置,其中,所述第二计算模块包括:
第一操作模块,被配置为根据所述待推荐商品的历史数据和所述与买家相关的第一特征,确定所述待推荐商品的点击预期系数和转化预期系数;
第二操作模块,被配置为根据与所述待推荐商品所属的卖家相关联的所述第二特征以及平台流量数据,确定所述待推荐商品的点击价值和转化价值,其中,所述平台流量数据包括点击流量数据、搜索流量转化数据、推荐流量转化数据、大盘平均分发流量和大盘平均转化流量中的至少一者;以及
第三操作模块,被配置为根据所述点击预期系数、所述点击价值、所述转化预期系数和所述转化价值,确定所述待推荐商品的所述排序因子。
17.根据权利要求16所述的装置,其中,所述第二操作模块包括确定所述点击价值的第一运算模块,所述第一运算模块包括:
第一子模块,被配置为根据与所述待推荐商品的卖家相关联的所述第二特征中的权益等级确定的卖家等级系数,所述权益等级包括卖家会员等级、付费广告等级、卖家的店铺等级和交易勋章等级中的至少一种;
第二子模块,被配置为根据所述平台流量数据确定平台流量调控系数;
第三子模块,被配置为根据所述卖家权益系数和所述平台流量调控系数确定所述点击价值,其中,所述点击价值为所述卖家权益系数和所述平台流量调控系数之和。
18.根据权利要求17所述的装置,其中,所述第二子模块包括:
第一调控处理模块,被配置为根据所述点击流量数据确定所述待推荐商品所属的店铺当天的点击流量和平台同商品类目下相同星级的店铺当天的平均点击流量;
第二调控处理模块,被配置为根据所述待推荐商品所属的店铺当天的点击流量和所述平台同商品类目下相同星级的店铺当天的平均点击流量确定店铺流量控制系数;
第三调控处理模块,被配置为根据所述搜索流量转化数据、所述推荐流量转化数据确定所述待推荐商品所属行业的流量质量系数;
第四调控处理模块,被配置为根据所述店铺流量控制系数和所述待推荐商品所属行业的流量质量系数确定所述平台流量调控系数。
19.根据权利要求18所述的装置,其中,所述第二子模块确定的所述平台流量调控系数满足以下条件:
响应于所述待推荐商品所属的店铺当天的点击流量超过所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为负值,
响应于所述待推荐商品所属的店铺当天的点击流量低于所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为正值,
响应于所述待推荐商品所属的店铺当天的点击流量等于所述平台同商品类目下相同星级的店铺当天的平均点击流量,所述平台流量调控系数为0。
20.根据权利要求18或19所述的装置,其中,所述第二子模块确定的所述平台流量调控系数还满足以下条件:
所述平台流量调控系数与所述待推荐商品所属行业的流量质量系数成正相关;
其中,所述待推荐商品所属行业的流量质量系数为所述待推荐商品所属行业搜索流量的转化系数与所述待推荐商品所属行业推荐流量的转化系数的比值。
21.根据权利要求16所述的装置,其中,所述第二操作模块包括确定所述转化价值的第二运算模块,所述第二运算模块包括:
第四子模块,被配置为根据所述大盘平均分发流量和所述大盘平均转化流量确定转化价值系数,
第五子模块,被配置为根据所述待推荐商品的商品类型是否为预设商品类型确定商品类型系数,
第六子模块,被配置为根据所述转化价值系数和所述商品类型系数确定所述转化价值。
22.根据权利要求13所述的装置,其中,所述建库模块包括:
确定模块,被配置为根据所述与买家相关联的第一特征确定所述待推荐的商品类目;
判断模块,被配置为针对所述待推荐的商品类目下的商品,判断与所述商品的卖家相关联的第二特征以及与所述商品相关联的第三特征是否满足相应建库条件,其中,所述与卖家相关联的第二特征的所述建库条件包括所述卖家具有预定的会员等级和店铺等级,所述与商品相关联的第三特征的建库条件包括商品具有预定的质量等级;以及
第三处理模块,被配置为对满足建库条件的商品去重并将经去重的商品纳入所述待推荐商品库。
23.根据权利要求13所述的装置,其中,所述召回模块被配置为按照第一召回策略和第二召回策略中的至少一种从所述待推荐商品库中召回所述待推荐商品,其中,所述第一召回策略包括基于共线召回、相似召回和三级类目召回中的至少一种进行召回,所述第二召回策略包括对所述待推荐商品库中满足单独召回条件的商品单独进行召回。
24.根据权利要求23所述的装置,其中,所述第二召回策略中的所述单独召回条件包括所述待推荐商品属于商域物料。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042654.1A CN115409575A (zh) | 2022-08-29 | 2022-08-29 | 商品推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042654.1A CN115409575A (zh) | 2022-08-29 | 2022-08-29 | 商品推荐方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409575A true CN115409575A (zh) | 2022-11-29 |
Family
ID=84161870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211042654.1A Pending CN115409575A (zh) | 2022-08-29 | 2022-08-29 | 商品推荐方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409575A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503143A (zh) * | 2023-06-27 | 2023-07-28 | 中南大学 | 应用于电子商务平台的平台流量的控制方法及系统 |
CN116524647A (zh) * | 2023-07-05 | 2023-08-01 | 广东星云开物科技股份有限公司 | 一种售卖柜商品推荐方法、售卖柜系统及存储介质 |
-
2022
- 2022-08-29 CN CN202211042654.1A patent/CN115409575A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503143A (zh) * | 2023-06-27 | 2023-07-28 | 中南大学 | 应用于电子商务平台的平台流量的控制方法及系统 |
CN116524647A (zh) * | 2023-07-05 | 2023-08-01 | 广东星云开物科技股份有限公司 | 一种售卖柜商品推荐方法、售卖柜系统及存储介质 |
CN116524647B (zh) * | 2023-07-05 | 2023-09-08 | 广东星云开物科技股份有限公司 | 一种售卖柜商品推荐方法、售卖柜系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9460451B2 (en) | Quality scoring system for advertisements and content in an online system | |
US8788338B1 (en) | Unified marketplace for advertisements and content in an online system | |
US9817846B1 (en) | Content selection algorithms | |
US11127032B2 (en) | Optimizing and predicting campaign attributes | |
JP2009104607A (ja) | ウェブサイトの運営方法及びオンラインシステム | |
US11875380B2 (en) | Method for matching influencers to brands and pairing influencer videos to products for intra-video transactions | |
CN115409575A (zh) | 商品推荐方法、装置、电子设备和存储介质 | |
US20150379596A1 (en) | System and method for matching buyers and sellers | |
US10437898B2 (en) | Systems and methods for targeted content presentation based on search query analysis | |
US8583513B1 (en) | Systems and methods for offer selection | |
US20130254025A1 (en) | Item ranking modeling for internet marketing display advertising | |
US20210150573A1 (en) | Real-time financial system advertisement sharing system | |
CA3125641A1 (en) | Smart basket for online shopping | |
US20220358558A1 (en) | Different Action User-Interface Components In A Comparison View | |
US20240078523A1 (en) | Systems and methods for e-commerce checkout with delay loading of checkout options | |
CA2909957A1 (en) | Large-scale customer-product relationship mapping and contact scheduling | |
US8725558B1 (en) | Intra-site product advertising system | |
US10229452B2 (en) | Non-monetary bidding based on bidder-specific data | |
TW201702971A (zh) | 不動產自售的使用者設備及系統 | |
CN113379511A (zh) | 用于输出信息的方法和装置 | |
US20230179676A1 (en) | Method and system for actionable push notifications | |
US11790384B2 (en) | Systems and methods for assisting users in assessing costs of transactions | |
US20230260004A1 (en) | Systems and method for providing contextual product recommendations | |
US20230410187A1 (en) | Systems and methods for dynamically controlling display of search results | |
US20230394537A1 (en) | Systems and methods for processing multimedia data |
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 |