CN115760275A - 一种电商平台的产品销售智能推荐方法和系统 - Google Patents
一种电商平台的产品销售智能推荐方法和系统 Download PDFInfo
- Publication number
- CN115760275A CN115760275A CN202211365948.8A CN202211365948A CN115760275A CN 115760275 A CN115760275 A CN 115760275A CN 202211365948 A CN202211365948 A CN 202211365948A CN 115760275 A CN115760275 A CN 115760275A
- Authority
- CN
- China
- Prior art keywords
- product
- push
- pushing
- retrieval
- historical
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电商平台相关领域,公开了一种电商平台的产品销售智能推荐方法和系统,其通过产品检索关键词的检索推送,并根据用户对部分推送内容的浏览反馈结果对相关内容的历史浏览用户进行相似筛选,进而实现根据用户间的相似性进行产品库中产品的选择和推送,相交于现有技术中基于关键词质检筛选检索的方式,通过用户间的相似性进行用户间高满意度产品的互相推送能够达到更好的推送效果,通过用户主观感受的掺杂,用户间的推送产品能够获得更高的用户认可度。
Description
技术领域
本发明涉及电商平台相关领域,具体是一种电商平台的产品销售智能推荐方法和系统。
背景技术
电商平台区别于实体线下经济,在实体线下经济中,商店的产品销售在产品本身影响力的基础下,一定程度上还取决于商店的地理位置等,能够被更多的人所找到,就意味着可能会存在更多的潜在客户。
在电商平台中,商品的售卖则更多的通过广告和推送投放的形式来实现,而推送投放对于客户需求的精准度,也会影响到产品的销量以及客户对平台的依赖性,现有技术中多通过客户的关键词检索来实现产品的推送,推送方式较为简单,也造成推送的精准性较差,而利用用户自身历史浏览偏好进行推送的方式,也会局限于用户自身的产品浏览量产生一定的局限性。
发明内容
本发明的目的在于提供一种电商平台的产品销售智能推荐方法和系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种电商平台的产品销售智能推荐系统,包含:
属性建立模块,用于接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性;
属性优化模块,用于根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况;
动态筛选模块,用于获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户;
产品推送模块,用于获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
作为本发明的进一步方案:所述产品推送模块包括:
动态指定推送单元,用于获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
作为本发明的再进一步方案:所述属性建立模块包括:
属性关联优化单元,用于对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表;
历史关联优化单元,用于对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
作为本发明的再进一步方案:还包括附加筛选模块;
所述附加筛选模块,用于接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
作为本发明的再进一步方案:还包括推送输出单元;
所述推送输出单元,用于基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
本发明实施例旨在提供一种电商平台的产品销售智能推荐方法,包括步骤:
接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性;
根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况;
获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户;
获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
作为本发明的进一步方案:所述获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接的步骤包括并列执行步骤:
获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
作为本发明的再进一步方案:所述获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表的步骤还包括附加处理步骤:
对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表;
对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
作为本发明的再进一步方案:还包括步骤:
接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
作为本发明的再进一步方案:还包括步骤:
基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
与现有技术相比,本发明的有益效果是:通过产品检索关键词的检索推送,并根据用户对部分推送内容的浏览反馈结果对相关内容的历史浏览用户进行相似筛选,进而实现根据用户间的相似性进行产品库中产品的选择和推送,相交于现有技术中基于关键词质检筛选检索的方式,通过用户间的相似性进行用户间高满意度产品的互相推送能够达到更好的推送效果,通过用户主观感受的掺杂,用户间的推送产品能够获得更高的用户认可度。
附图说明
图1为一种电商平台的产品销售智能推荐系统的组成框图。
图2为一种电商平台的产品销售智能推荐方法的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述,为本发明一个实施例提供的一种电商平台的产品销售智能推荐系统,包括以下步骤:
属性建立模块100,用于接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性。
属性优化模块300,用于根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况。
动态筛选模块500,用于获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户。
产品推送模块700,用于获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
本实施例中,给出了一种电商平台的产品销售智能推荐系统,其通过产品检索关键词的检索推送,并根据用户对部分推送内容的浏览反馈结果对相关内容的历史浏览用户进行相似筛选,进而实现根据用户间的相似性进行产品库中产品的选择和推送,相交于现有技术中基于关键词质检筛选检索的方式,通过用户间的相似性进行用户间高满意度产品的互相推送能够达到更好的推送效果,通过用户主观感受的掺杂,用户间的推送产品能够获得更高的用户认可度;具体的,用户通过输入几个关键词,进行初步的产品筛选,获取多个产品推送链接并输出,此时,这里是与现有技术一致的,单本申请这里的初步推送只是为了能够获取对应的用户偏好以进行推送内容的优化,用户在浏览这些内容时,可以对内容进行满意程度(符合预期的程度,例如划分十个等级)进行标记,当被标记的产品达到一个数量(例如十个)时,便会根据这些产品自身预设置的产品固有属性和用户的标记进行分析,生成一个属于该用户此时所需要的产品推送的一个特征模型(优化检索属性),根据该特征模型对其它用户进行筛选,获取重合度高的用户,并获取对应用户在对应关键词下的满意度高的产品,进而生成动态推送列表对推送列表进行优化更新,增强推送的精准性。
作为本发明另一个优选的实施例,所述产品推送模块700包括:
动态指定推送单元,用于获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
本实施例中,这里的动态指定单元的作用是对优化检索属性重合度高的历史用户的最终的购买产品的产品推送链接进行获取并推送给当前用户,从而协助用户方便的进行产品的筛选,通过对历史用户的购买的参考。
作为本发明另一个优选的实施例,所述属性建立模块100包括:
属性关联优化单元,用于对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表。
历史关联优化单元,用于对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
本实施例中,对属性建立模块100进行了进一步的补充,作用在于提升初步推送时的精准性,方便后续的推送优化同时,也能更快的满足用户需求,其中属性关联优化单元的作用在于对用户输入的关键词的相关联的其它关键词进行获取,从而优化筛选的范围,可以减少用户关键词表达不准确或不完全的问题,历史关联优化单元则是基于用户自身历史的产品浏览偏好进行对推送产品的筛选,提升推送的个性化。
作为本发明另一个优选的实施例,还包括附加筛选模块;
所述附加筛选模块,用于接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
本实施例中,附加筛选模块的作用是对某些特定条件的过滤,通过设置附加筛选模块,可以在用户的需求下根据销量、用户评价占比、价格区间以及是否现货等特定的条件进行二次的推送筛选,从而使得推送能够更加的符合用户需求。
作为本发明另一个优选的实施例,还包括推送输出单元;
所述推送输出单元,用于基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
本实施例中,推送输出单元的作用在于对推送列表中产品的序列推送,确保用户能够最快的浏览到更加符合要求的内容。
如图2所示,本发明还提供了一种电商平台的产品销售智能推荐方法,其包含:
S200,接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性。
S400,根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况。
S600,获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户。
S800,获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
作为本发明另一个优选的实施例,所述获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接的步骤包括并列执行步骤:
获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
作为本发明另一个优选的实施例,所述获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表的步骤还包括附加处理步骤:
对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表。
对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
作为本发明另一个优选的实施例,还包括步骤:
接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
作为本发明另一个优选的实施例,还包括步骤:
基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种电商平台的产品销售智能推荐系统,其特征在于,包含:
属性建立模块,用于接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性;
属性优化模块,用于根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况;
动态筛选模块,用于获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户;
产品推送模块,用于获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
2.根据权利要求1所述的一种电商平台的产品销售智能推荐系统,其特征在于,所述产品推送模块包括:
动态指定推送单元,用于获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
3.根据权利要求2所述的一种电商平台的产品销售智能推荐系统,其特征在于,所述属性建立模块包括:
属性关联优化单元,用于对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表;
历史关联优化单元,用于对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
4.根据权利要求3所述的一种电商平台的产品销售智能推荐系统,其特征在于,还包括附加筛选模块;
所述附加筛选模块,用于接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
5.根据权利要求1所述的一种电商平台的产品销售智能推荐系统,其特征在于,还包括推送输出单元;
所述推送输出单元,用于基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
6.一种电商平台的产品销售智能推荐方法,其特征在于,包括步骤:
接收来自用户的产品检索关键词,基于所述产品检索关键词对产品库进行检索,获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表,所述产品检索关键词为表征产品自身信息的产品固有属性;
根据所述产品基本推送列表输出所述产品推送链接,并基于所述产品推送链接接收来自用户对产品满意程度的反馈标记,当所述反馈标记达到预设数目时,基于所述反馈标记以及相对应的产品固有属性生成用户的优化检索属性,所述优化检索属性用于表征用户在多个不同产品固有属性下的满意度分布情况;
获取产品基本推送列表中所述产品推送链接的历史推送用户,基于所述优化检索属性对数个历史推送用户进行筛选,获取所述优化检索属性达到预设重合度的数个历史推送用户;
获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接,基于数个所述产品推送链接以生成并输出动态推送列表。
7.根据权利要求6所述的一种电商平台的产品销售智能推荐方法,其特征在于,所述获取数个所述历史推送用户对产品推送链接的反馈标记,获取所述反馈标记中产品满意程度达到预设值的所述产品推送链接的步骤包括并列执行步骤:
获取数个所述历史推送用户最终购买产品的产品推送链接,基于数个所述产品推送链接以生成动态指定推送列表,输出所述动态指定推送列表。
8.根据权利要求7所述的一种电商平台的产品销售智能推荐方法,其特征在于,所述获取与所述产品检索关键词相符产品的产品推送链接以生成产品基本推送列表的步骤还包括附加处理步骤:
对通过所述产品检索关键词获取的所述产品推送链接的其它产品固有属性进行获取,并根据多个所述产品固有属性对产品库进行二次检索,生成间接推送列表,所述间接推送列表用于补充所述产品基本推送列表;
对所述产品检索关键词的历史检索记录进行获取,判断用户在多个所述产品检索关键词下的历史浏览偏好,基于所述历史浏览偏好对所述产品基本推送列表进行筛选过滤。
9.根据权利要求8所述的一种电商平台的产品销售智能推荐方法,其特征在于,还包括步骤:
接收来自用户的附加筛选条件,基于所述附加筛选条件对所述产品推送链的对应产品进行附加条件判断,若所述附加条件判断未通过,则对所述产品推送链接进行滤除,所述附加筛选条件包括销量、用户评价占比、价格区间以及是否现货。
10.根据权利要求6所述的一种电商平台的产品销售智能推荐方法,其特征在于,还包括步骤:
基于产品推送链接中产品对产品检索关键词的相符程度或历史推送用户对所述优化检索属性的重合度分别对产品推送列表和动态推送列表中的产品推送链接进行顺序排列,从而以一定的次序序列输出产品推送链接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365948.8A CN115760275A (zh) | 2022-10-31 | 2022-10-31 | 一种电商平台的产品销售智能推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365948.8A CN115760275A (zh) | 2022-10-31 | 2022-10-31 | 一种电商平台的产品销售智能推荐方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115760275A true CN115760275A (zh) | 2023-03-07 |
Family
ID=85356069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211365948.8A Pending CN115760275A (zh) | 2022-10-31 | 2022-10-31 | 一种电商平台的产品销售智能推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115760275A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117290608A (zh) * | 2023-11-23 | 2023-12-26 | 深圳数拓科技有限公司 | 一种营销方案智能推送方法、系统及存储介质 |
-
2022
- 2022-10-31 CN CN202211365948.8A patent/CN115760275A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117290608A (zh) * | 2023-11-23 | 2023-12-26 | 深圳数拓科技有限公司 | 一种营销方案智能推送方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844787B (zh) | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 | |
US6078892A (en) | Method for customer lead selection and optimization | |
US20180165745A1 (en) | Intelligent Recommendation Method and System | |
CN109766491A (zh) | 商品搜索方法、装置、计算机设备和存储介质 | |
WO2018014109A1 (en) | System and method for analyzing and searching for features associated with objects | |
US11682060B2 (en) | Methods and apparatuses for providing search results using embedding-based retrieval | |
CN111429203A (zh) | 基于用户行为数据的商品推荐方法和装置 | |
CN111400345A (zh) | 支持多平台的商品搜索方法和装置 | |
CN110990695A (zh) | 推荐系统内容召回方法及装置 | |
KR20180113111A (ko) | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 | |
CN109034941B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN115760275A (zh) | 一种电商平台的产品销售智能推荐方法和系统 | |
CN115239421A (zh) | 商品推荐方法、装置、设备及介质 | |
CN110889748B (zh) | 店商平台产品推荐方法、装置、计算机设备以及存储介质 | |
Pratama et al. | Product recommendation in offline retail industry by using collaborative filtering | |
CN115641179A (zh) | 信息推送方法、装置及电子设备 | |
CN106777405B (zh) | 基于SaaS服务促进低频类商品交易的方法 | |
CN110807149A (zh) | 检索方法、装置及存储介质 | |
CN115545755A (zh) | 一种互联网营销受众筛选方法及系统 | |
CN115511576A (zh) | 一种基于多源数据的产品推送方法及系统 | |
CN114820113A (zh) | 基于区块链的电商平台推荐调整方法及系统 | |
CN111639274B (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
CN111161026A (zh) | 基于电商平台的商品信息推送方法和装置 | |
Soonsiripanichkul et al. | Domination dependency analysis of sales marketing based on multi-label classification using label ordering and cycle chain classification | |
JP6499332B1 (ja) | 提案装置、提案方法、ならびに、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 |