CN115797014A - 一种家装行业线上线下商品推荐方法、装置及存储介质 - Google Patents

Abstract

本发明提供了一种家装行业线上线下商品推荐方法、装置及存储介质，包括以下步骤：S1、通过用户账号登录界面进行登录，登录信息通过无线通讯装置将信息上传至身份数据采集进行验证，或是通过身份识别模块的指纹模块扫描用户指纹或移动支付的支付用户ID，判断用户是否在界面预设列表内，如果在则允许通过本界面交易，如果不在界面预设列表内，则不允许通过本界面交易；S2、获取线上用户的属性以及历史购物信息，获取GMV值，并调用线上用户的历史购物信息，向线下用户推荐商品。本公开的方案打通线上线下数据，将线上线下数据有效地结合，能够提高商品推荐的准确性，提升用户体验，充分地结合了用户的历史数据，可以精准地为用户推荐商品。

Description

一种家装行业线上线下商品推荐方法、装置及存储介质

技术领域

本发明涉及一种上线下商品推荐方法，具体为一种家装行业线上线下商品推荐方法、装置及存储介质，属于计算机技术领域。

背景技术

虽然随着互联网技术的不断发展，线上消费行为越来越普及。但是，线上消费始终无法取代线下消费。人们购物、娱乐、社交仍然注重线下的真实体验。

目前，在为用户推荐商品时，通常都是先确定用户浏览了哪些商品或者收藏了哪些商品，然后粗略地基于这些浏览商品或者收藏商品为用户进行推荐，如浏览的商品有杯子就为用户推荐杯子，哪怕用户只是泛泛地浏览过一遍而实际上并不偏爱，因而这种方式推荐方式准确率不是太高，且当用户收藏或者浏览商品太多时，效率也比较低，为此，提出一种家装行业线上线下商品推荐方法、装置及存储介质。

发明内容

有鉴于此，本发明希望提供家装行业线上线下商品推荐方法、装置及存储介质，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。

本发明实施例的技术方案是这样实现的：一种家装行业线上线下商品推荐方法，所述方法包括以下步骤：

S1、通过用户账号登录界面进行登录，登录信息通过无线通讯装置将信息上传至身份数据采集进行验证，或是通过身份识别模块的指纹模块扫描用户指纹或移动支付的支付用户ID，判断用户是否在界面预设列表内，如果在则允许通过本界面交易，如果不在界面预设列表内，则不允许通过本界面交易；

S2、获取线上用户的属性以及历史购物信息，获取GMV值；

S3、根据线下用户的属性划分的线下用户群，根据与所述线下用户属性相同的线上用户的历史购物信息，构建商品推荐集合并对商品类别；

S4、根据商品推荐集合中各个商品的用户关注度，确定向所述线下用户推荐的商品；

所述商品的用户关注度是根据商品的访问次数、商品与用户习惯匹配度、商品性价比中至少一项，以及用户反馈信息确定；

S5、计算待推荐商品与所述多个预设商品之间的相似度；

根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品；

S6、获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率；根据投资回报率，将推荐商品推送给目标用户。

进一步优选的：所述商品的访问次数越高、用户反馈越好、商品与用户习惯匹配度越高、商品性价比越高，则商品的用户关注度越高，所述访问次数包括浏览次数、购买次数、分享次数、评论次数、收藏次数中至少一项，商品与用户习惯匹配度根据商品和用户地域风俗匹配确定，商品的性价比通过好评度与价格的比对确定。

进一步优选的：所述根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品，包括：

当存在多个待推荐商品时，基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品。

进一步优选的：所述基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品，包括：

根据所述各待推荐商品与所述各预设商品之间的各相似度和对所述各预设商品的打分数据，计算所述各待推荐商品对应的推荐指数；

将所述各待推荐商品对应的推荐指数进行排序；

根据排序结果，从所述各待推荐商品中选出所述目标推荐商品。

进一步优选的：所述构建商品推荐集合包括：

获取与所述线下用户属性相同的线上用户群作为基础用户群；

从所述基础用户群历史访问的商品中选取被访问次数超过阈值的至少一个商品，构建商品推荐集合。

进一步优选的：所述根据商品类别，将目标用户进行分组，包括： 根据商品类别，建立若干类别组，所述类别组与商品类别一一对应；

将目标用户的历史订单信息对应的商品类别作为类别标签，所述目标用户至少存在一个类别标签，所述类别标签与类别组一一对应；

根据目标用户的类别标签，将目标用户添加至类别标签对应的类别组内。

进一步优选的：所述获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率，包括：

获取每组目标用户对应商品类别下的商品及商品信息，并将获取的商品作为推荐商品，将商品信息作为推荐商品信息；

确定目标用户的权益属性，所述权益属性表示目标用户购买推荐商品能够享受的优惠金额； 根据目标用户的权益属性和推荐商品信息，获取投资回报率。

进一步优选的：所述推荐方法还包括：根据历史订单信息，确定推荐商品的历史权益属性，所述历史订单信息包括历史权益属性，所述历史权益属性表示用户的历史订单信息中商品享受的优惠金额。

根据本公开的又一些实施例，提供的一种商品推荐装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器设备中的指令，执行如前述任意实施例的商品推荐方法。

根据本公开的再一些实施例，提供的一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意实施例的商品推荐方法。

本发明实施例由于采用以上技术方案，其具有以下优点：

一、本发明通过对线下用户进行人脸属性分析，确定线下用户的属性，通过匹配线上用户以及线下用户的属性，并调用线上用户的历史购物信息，向线下用户推荐商品。本公开的方案打通线上线下数据，将线上线下数据有效地结合，能够提高商品推荐的准确性，提升用户体验，充分地结合了用户的历史数据，可以精准地为用户推荐商品。

二、本发明通过对用户的GMV值进行计算，可以准确地寻找到目标用户，使商品的推荐更加准确。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或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，下面描述中的附图仅仅是本申请的一些实施例，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的附图。

图1为本发明的商品推荐方法的流程示意图；

图2为本发明实施例提出的一种商品推荐装置的框图；

图3为本发明实施例提出的一种存储介质的框图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

下面结合附图对本发明的实施例进行详细说明。

实施例

如图1所示，本发明实施例提供了一种家装行业线上线下商品推荐方法，所述方法包括以下步骤：

S1、通过用户账号登录界面进行登录，登录信息通过无线通讯装置将信息上传至身份数据采集进行验证，或是通过身份识别模块的指纹模块扫描用户指纹或移动支付的支付用户ID，判断用户是否在界面预设列表内，如果在则允许通过本界面交易，如果不在界面预设列表内，则不允许通过本界面交易；

S2、获取线上用户的属性以及历史购物信息，获取GMV值；

通过GMV值确定目标用户，可以为用户推荐更加符合其购买习惯的商品。值得说明的是，本处确定的目标用户包括多个用户。

S3、根据线下用户的属性划分的线下用户群，根据与所述线下用户属性相同的线上用户的历史购物信息，构建商品推荐集合并对商品类别；

S4、根据商品推荐集合中各个商品的用户关注度，确定向所述线下用户推荐的商品；

所述商品的用户关注度是根据商品的访问次数、商品与用户习惯匹配度、商品性价比中至少一项，以及用户反馈信息确定；

S5、计算待推荐商品与所述多个预设商品之间的相似度；

根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品；

S6、获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率；根据投资回报率，将推荐商品推送给目标用户。

在一些实施例中，所述商品的访问次数越高、用户反馈越好、商品与用户习惯匹配度越高、商品性价比越高，则商品的用户关注度越高，所述访问次数包括浏览次数、购买次数、分享次数、评论次数、收藏次数中至少一项，商品与用户习惯匹配度根据商品和用户地域风俗匹配确定，商品的性价比通过好评度与价格的比对确定。

线下用户的属性例如包括：年龄、性别、种族、颜值等基本用户属性中至少一项，进一步，用户属性还可以包括附加用户属性，例如表情、是否戴眼镜、是否戴墨镜、是否戴口罩、是否留胡子、中的至少一项。可以根据实际需求选取要确定的线下用户的属性，不限于上述示例。

在一些实施例中，所述根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品，包括：

当存在多个待推荐商品时，基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品。

例如可以将年龄划分为多个年龄段，可以确定线下用户属于哪一个年龄段；将性别划分为男和女，可以确定线下用户属于哪种性别；将种族划分为黄种人、黑种人、白种人，可以确定线下用户属于哪个种族。进一步，还可以确定线下用户的表情是心情好或心情不好，是否戴眼镜、是否戴墨镜、是否戴口罩、是否留胡子等等。对于每一项属性可以赋予具体数值进行表示，例如，性别为男用1表示，性别为女用0表示。对于每一个线下用户，可以将对应的属性用属性向量进行表示，向量中每一项表示该用户的一项属性的取值。例如，线下用户A的属性向量为(2,1,1,1,0,1,0)表示该用户年龄为30～40，男性，黄种人，戴眼镜，不戴墨镜，戴口罩，没有胡子。

在一些实施例中，所述基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品，包括：

根据所述各待推荐商品与所述各预设商品之间的各相似度和对所述各预设商品的打分数据，计算所述各待推荐商品对应的推荐指数；

将所述各待推荐商品对应的推荐指数进行排序；

根据排序结果，从所述各待推荐商品中选出所述目标推荐商品。

在一些实施例中，所述构建商品推荐集合包括：

获取与所述线下用户属性相同的线上用户群作为基础用户群；

从所述基础用户群历史访问的商品中选取被访问次数超过阈值的至少一个商品，构建商品推荐集合。

根据历史订单信息，确定推荐商品的历史权益属性，所述历史订单信息包括历史权益属性，所述历史权益属性表示用户的历史订单信息中商品享受的优惠金额，历史订单信息是指商品的历史订单所对应的信息。

在一些实施例中，所述根据商品类别，将目标用户进行分组，包括： 根据商品类别，建立若干类别组，所述类别组与商品类别一一对应；

将目标用户的历史订单信息对应的商品类别作为类别标签，所述目标用户至少存在一个类别标签，所述类别标签与类别组一一对应；

根据目标用户的类别标签，将目标用户添加至类别标签对应的类别组内。

在一些实施例中，所述获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率，包括：

获取每组目标用户对应商品类别下的商品及商品信息，并将获取的商品作为推荐商品，将商品信息作为推荐商品信息；

将推荐商品推送给目标用户不限于上述推送方法，还可以包括：将投资回报率按从大到小的顺序进行排列，选取前M个推荐商品，并将前M个推荐商品推送给用户。

确定目标用户的权益属性，所述权益属性表示目标用户购买推荐商品能够享受的优惠金额；

根据目标用户的权益属性和推荐商品信息，获取投资回报率。

在一些实施例中，所述推荐方法还包括：根据历史订单信息，确定推荐商品的历史权益属性，所述历史订单信息包括历史权益属性，所述历史权益属性表示用户的历史订单信息中商品享受的优惠金额。

根据本公开的又一些实施例，提供的一种商品推荐装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器设备中的指令，执行如前述任意实施例的商品推荐方法。

根据本公开的再一些实施例，提供的一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意实施例的商品推荐方法。图2为本公开商品推荐装置的一些实施例的结构图。如图2所示，该实施例的装置70包括：存储器110以及耦接至该存储器710的处理器720，处理器120被配置为基于存储在存储器710中的指令，执行本公开中任意一些实施例中的商品推荐方法。

其中，存储器710例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。

图3为本公开商品推荐装置的另一些实施例的结构图。如图3所示，该实施例的装置80包括：存储器810以及处理器820，分别与存储器710以及处理器720类似。还可以包括输入输出接口830、网络接口840、存储接口850等。这些接口830，840，850以及存储器810和处理器820之间例如可以通过总线860连接。其中，输入输出接口830为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口840为各种联网设备提供连接接口，例如可以连接到数据库服务器或者云端存储服务器等。存储接口850为SD卡、U盘等外置存储设备提供连接接口。

本发明通过对线下用户进行人脸属性分析，确定线下用户的属性，通过匹配线上用户以及线下用户的属性，并调用线上用户的历史购物信息，向线下用户推荐商品。本公开的方案打通线上线下数据，将线上线下数据有效地结合，能够提高商品推荐的准确性，提升用户体验，充分地结合了用户的历史数据，可以精准地为用户推荐商品；本发明通过对用户的GMV值进行计算，可以准确地寻找到目标用户，使商品的推荐更加准确。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种家装行业线上线下商品推荐方法，其特征在于，所述方法包括以下步骤：

S1、通过用户账号登录界面进行登录，登录信息通过无线通讯装置将信息上传至身份数据采集进行验证，或是通过身份识别模块的指纹模块扫描用户指纹或移动支付的支付用户ID，判断用户是否在界面预设列表内，如果在则允许通过本界面交易，如果不在界面预设列表内，则不允许通过本界面交易；

S2、获取线上用户的属性以及历史购物信息，获取GMV值；

S3、根据线下用户的属性划分的线下用户群，根据与所述线下用户属性相同的线上用户的历史购物信息，构建商品推荐集合并对商品类别；

S4、根据商品推荐集合中各个商品的用户关注度，确定向所述线下用户推荐的商品；

所述商品的用户关注度是根据商品的访问次数、商品与用户习惯匹配度、商品性价比中至少一项，以及用户反馈信息确定；

S5、计算待推荐商品与所述多个预设商品之间的相似度；

根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品；

S6、获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率；根据投资回报率，将推荐商品推送给目标用户。

2.根据权利要求1所述的家装行业线上线下商品推荐方法，其特征在于：所述商品的访问次数越高、用户反馈越好、商品与用户习惯匹配度越高、商品性价比越高，则商品的用户关注度越高，所述访问次数包括浏览次数、购买次数、分享次数、评论次数、收藏次数中至少一项，商品与用户习惯匹配度根据商品和用户地域风俗匹配确定，商品的性价比通过好评度与价格的比对确定。

3.根据权利要求1所述的家装行业线上线下商品推荐方法，其特征在于：所述根据所述待推荐商品与所述多个预设商品之间的相似度以及对所述多个预设商品的打分数据，确定目标推荐商品，包括：

当存在多个待推荐商品时，基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品。

4.根据权利要求3所述的家装行业线上线下商品推荐方法，其特征在于：所述基于各待推荐商品与各预设商品之间的各相似度以及对所述各预设商品的打分数据，从所述多个待推荐商品中筛选出所述目标推荐商品，包括：

根据所述各待推荐商品与所述各预设商品之间的各相似度和对所述各预设商品的打分数据，计算所述各待推荐商品对应的推荐指数；

将所述各待推荐商品对应的推荐指数进行排序；

根据排序结果，从所述各待推荐商品中选出所述目标推荐商品。

5.根据权利要求1所述的家装行业线上线下商品推荐方法，其特征在于：所述构建商品推荐集合包括：

获取与所述线下用户属性相同的线上用户群作为基础用户群；

从所述基础用户群历史访问的商品中选取被访问次数超过阈值的至少一个商品，构建商品推荐集合。

6.根据权利要求1所述的家装行业线上线下商品推荐方法，其特征在于：所述根据商品类别，将目标用户进行分组，包括： 根据商品类别，建立若干类别组，所述类别组与商品类别一一对应；

将目标用户的历史订单信息对应的商品类别作为类别标签，所述目标用户至少存在一个类别标签，所述类别标签与类别组一一对应；

根据目标用户的类别标签，将目标用户添加至类别标签对应的类别组内。

7.根据权利要求6所述的家装行业线上线下商品推荐方法，其特征在于：所述获取每组目标用户的推荐商品以及推荐商品信息，并根据推荐商品信息获取投资回报率，包括：

获取每组目标用户对应商品类别下的商品及商品信息，并将获取的商品作为推荐商品，将商品信息作为推荐商品信息；

确定目标用户的权益属性，所述权益属性表示目标用户购买推荐商品能够享受的优惠金额； 根据目标用户的权益属性和推荐商品信息，获取投资回报率。

8.根据权利要求1所述的家装行业线上线下商品推荐方法，其特征在于：所述推荐方法还包括：根据历史订单信息，确定推荐商品的历史权益属性，所述历史订单信息包括历史权益属性，所述历史权益属性表示用户的历史订单信息中商品享受的优惠金额。

9.一种商品推荐装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器设备中的指令，执行如权利要求1-8任一项所述的商品推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。

Images