CN116308657A - 一种用于数字化营销平台的商品推荐方法及系统 - Google Patents

一种用于数字化营销平台的商品推荐方法及系统 Download PDF

Info

Publication number
CN116308657A
CN116308657A CN202310269436.XA CN202310269436A CN116308657A CN 116308657 A CN116308657 A CN 116308657A CN 202310269436 A CN202310269436 A CN 202310269436A CN 116308657 A CN116308657 A CN 116308657A
Authority
CN
China
Prior art keywords
commodity
time
user
recommendation
real
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
CN202310269436.XA
Other languages
English (en)
Inventor
李佳
范倩怡
周荧
张姮
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.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
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 Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN202310269436.XA priority Critical patent/CN116308657A/zh
Publication of CN116308657A publication Critical patent/CN116308657A/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
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及商品推荐技术领域，特别是涉及一种用于数字化营销平台的商品推荐方法及系统，包括：获取预设时间段内全部历史订单数据，根据历史订单数据生成商品推荐数据库和数据库索引字符；获取实时用户索引字符和用户历史订单数据，判断实时用户索引字符类别，并根据实时用户索引字符，用户历史订单数据和数据库索引字符设定推荐模式并生成推荐商品表；获取用户浏览数据，并根据用户浏览数据修正推荐商品表。本申请根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。

Description

一种用于数字化营销平台的商品推荐方法及系统
技术领域
本申请涉及商品推荐技术领域，特别是涉及一种用于数字化营销平台的商品推荐方法及系统。
背景技术
目前，随着各行业移动媒介、互联网发展及全球市场竞争，实现高效用户内容交互展示体验已成为新的趋势。在信息爆炸的今天，基于直播的粉丝经济具有极大的市场价值，用户每日从不同渠道平台获得大量的产品信息，但是如何有针对性地从繁杂的信息中挑选出最热的最适合的产品信息，是需要进行一定的数字化营销的。
现在的推荐系统主要是利用用户的历史购买记录和用户的社交网络关系来对用户进行推荐，这些方法只能被动地去预测和推荐用户下一次购买的商品，很少能够去指导或者吸引用户去选择购买一些商品。在现在的推荐方法中，利用了已购买的商品之间的相似性去分析用户的喜好，但是却忽略了已购买的商品内部之间的关系，商品之间不是相互独立的，而是存在依赖关系。
而且现阶段地推荐系统无法根据用户的状态，进行实时有效的调整，用户在使用过程中因大量推荐信息而导致用户体验差，其推荐内容与无法有效引导和吸引用户进行购物，在用户的购物过程中实现正反馈。
发明内容
本申请的目的是：为解上述问题，本申请提供了
为了实现上述目的，本申请提供了一种用于数字化营销平台的商品推荐方法及系统，旨在实现更加精准有效的商品推荐。
本申请的一些实施例中，根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。
本申请的一些实施例中，针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。
本申请的一些实施例中提供了一种用于数字化营销平台的商品推荐方法，包括：
步骤一：获取预设时间段内全部历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；
步骤二：获取实时用户索引字符和用户历史订单数据，判断实时用户索引字符类别，并根据所述实时用户索引字符，所述用户历史订单数据和所述数据库索引字符设定推荐模式并生成推荐商品表；
步骤三：获取用户浏览数据，并根据所述用户浏览数据修正所述推荐商品表。
判断所述实时用户索引字符类别时，包括：
预设一级用户索引字符和二级用户索引字符类别；
当所述实时用户索引字符为一级用户索引字符时，设定一级推荐模式；
当所述实时用户索引字符为二级用户索引字符时，设定二类推荐模式。
本申请的一些实施例中，所述步骤一包括：
选定目标商品，获取包含所述目标商品的全部历史订单；
根据所述目标商品的全部历史订单中的非目标商品数据，并生成非目标商品占比值；
设定第一占比阈值，当所述非目标商品的占比值大于所述第一占比阈值时，设定所述非目标商品为关联商品；
根据所述非目标商品的占比值生成所述关联商品推荐值；
生成关联商品列表，并根据所述目标商品生成所述数据库索引字符；
根据所述关联商品列表生成所述商品推荐数据库。
本申请的一些实施例中，所述生成推荐商品表时，包括：
获取用户消费影响因子数据，所述用户消费影响因子包括消费金额因子，消费频率因子；
根据所述消费频率因子数据设定目标商品与关联商品比值；
根据所述消费金额因子数据设定推荐顺序；
根据所述目标商品与关联商品比值与所述推荐顺序生成推荐商品表。
本申请的一些实施例中，根据所述消费金额因子数据设定推荐顺序时，包括：
生成目标推荐金额，并根据所述历史订单数据生成推荐变化趋势；
当所述推荐模式为一级推荐模式时，根据第一时间间隔内的所述历史订单数据生成第一目标推荐金额；
当所述推荐模式为二级推荐模式时，根所述实时用户索引字符生成第二目标推荐金额。
本申请的一些实施例中，所述设定一级推荐模式时，包括：
判断用户是否选择商品；
若用户选择商品，获取用户首次选择商品数据，根据所述用户首次选择商品数据生成二级用户索引字符，并根据生成的所述二级用户索引字符设定二级推荐模式。
本申请的一些实施例中，所述设定目标商品与关联商品比值时，包括：
预设消费频率矩阵A，设定A(A1,A2,A3,A4)，其中A1为第一预设消费频率，A2为第二预设消费频率，A3为第三预设消费频率，A4为第四预设消费频率，其中A1＜A2＜A3＜A4;
预设目标商品与关联商品比值矩阵B，设定B(B1,B2,B3,B4)，其中，B1为第一预设目标商品与关联商品比值，B2为第二预设目标商品与关联商品比值，B3为第三预设目标商品与关联商品比值，B4为第四预设目标商品与关联商品比值，且B1＜B2＜B3＜B4;
根据所述消费频率因子数据a设定实时目标商品与关联商品比值b，其具体为：
当A1＜a＜A2时，设定实时目标商品与关联商品比值b为B4，即b=B4;
当A2＜a＜A3时，设定实时目标商品与关联商品比值b为B3，即b=B3;
当A3＜a＜A4时，设定实时目标商品与关联商品比值b为B2，即b=B2；
当a>A4时，设定实时目标商品与关联商品比值b为B1，即b=B1。
本申请的一些实施例中，根据所述用户浏览数据修正所述推荐商品表时，包括：
预设第一修正系数n1，预设第二修正系数n2，预设第三修正系数n3，预设第四修正系数n4；其中0.8＜n1＜n2＜1＜n3＜n4＜1.2；
预设浏览时间矩阵C，设定C(C1,C2,C3,C4)，其中，C1为第一预设浏览时间，C2为第二预设浏览时间，C3为第三预设浏览时间，C4为第四预设浏览时间，且C1＜C2＜C3＜C4;
获取用户单次索引实时浏览时间c，并根据预设浏览时间矩阵B，修正实时目标商品与关联商品比值b，具体为：
当c＜C1时，实时修正系数为预设第一修正系数n1，修正后实时目标商品与关联商品比值b=n1*Bi；
当C1＜c＜c2时，实时修正系数为预设第二修正系数n2，修正后实时目标商品与关联商品比值b=n2*Bi；
当C3＜c＜C4时，实时修正系数为预设第三修正系数n3，修正后实时目标商品与关联商品比值b=n3*Bi；
当c>C4时，实时修正系数为预设第四修正系数n4，修正后实时目标商品与关联商品比值b=n4*Bi。
本申请的一些实施例中，还包括：
预设更新时间节点，根据所述更新时间节点更新商品所述推荐数据库。
本申请的一些实施例中，提供了一种用于数字化营销平台的商品推荐系统，包括：
数据处理模块，用于获取历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；
查询模块，用于获取实时用户索引字符和用户历史订单数据，并根据所述实时用户索引字符查询所述数据库索引字符；
判断模块，用于判断所述实时用户索引字符类别，并生产判断结果；
控制模块，用于获取所述判断模块的判断结果，并根据所述判断结果设定推荐模式。
本申请的一些实施例中，还包括：
监测模块，用于设定更新时间节点，并根据所述更新时间节点发送更新指令至所述处理模块。
本申请实施例一种用于数字化营销平台的商品推荐方法与现有技术相比，其有益效果在于：
根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。
针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。
附图说明
图1是本申请实施例优选实施例中一种用于数字化营销平台的商品推荐方法的流程示意图；
图2是本申请实施例优选实施例中一种用于数字化营销平台的商品推荐方法中推荐模式设定流程示意图；
图3是本申请实施例优选实施例中一种用于数字化营销平台的商品推荐系统的结构示意图。
具体实施方式
下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
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。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
如图1和图2所示，本申请实施例优选实施例的一种用于数字化营销平台的商品推荐方法，包括：
步骤一：获取预设时间段内全部历史订单数据，根据历史订单数据生成商品推荐数据库和数据库索引字符；
步骤二：获取实时用户索引字符和用户历史订单数据，判断实时用户索引字符类别，并根据实时用户索引字符，用户历史订单数据和数据库索引字符设定推荐模式并生成推荐商品表；
步骤三：获取用户浏览数据，并根据用户浏览数据修正推荐商品表。
预设更新时间节点，根据更新时间节点更新商品推荐数据库。
判断实时用户索引字符类别时，包括：
预设一级用户索引字符和二级用户索引字符类别；
当实时用户索引字符为一级用户索引字符时，设定一级推荐模式；
当实时用户索引字符为二级用户索引字符时，设定二类推荐模式。
具体而言，一级推荐模式为模糊推荐模式，是指用户在不进行索引或者仅针对商品类型进行索引时设定的模式；
具体而言，二级推荐模式为精准推荐，是指用户在索引具体商品时设定的推荐模式。
具体而言，设定一级推荐模式时，包括：
判断用户是否选择商品；
若用户选择商品，获取用户首次选择商品数据，根据用户首次选择商品数据生成二级用户索引字符，并根据生成的二级用户索引字符设定二级推荐模式。
具体而言，步骤一包括：
选定目标商品，获取包含目标商品的全部历史订单；
根据目标商品的全部历史订单中的非目标商品数据，并生成非目标商品占比值；
设定第一占比阈值，当非目标商品的占比值大于第一占比阈值时，设定非目标商品为关联商品；
根据非目标商品的占比值生成关联商品推荐值；
生成关联商品列表，并根据目标商品生成数据库索引字符；
根据关联商品列表生成商品推荐数据库。
具体而言，其关联商品列表通过全部历史数据和用户意向调查生成，具体过程为，选定目标商品，并筛选出包含目标商品的全部历史订单，获取历史订单中除目标商品外的全部商品种类和数量信息，根据占比情况生成列表，并设置第一占比阈值，其商品占比小于第一占比阈值时，判定为非关联商品进行剔除，并根据商品占比大小判断关联性大小，同时可以通过用户意向调查进行关联性的修正。
可以理解的是，上述实施例中根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。
本申请实施例优选实施例中，生成推荐商品表时，包括：
获取用户消费影响因子数据，用户消费影响因子包括消费金额因子，消费频率因子；
根据消费频率因子数据设定目标商品与关联商品比值；
根据消费金额因子数据设定推荐顺序；
根据目标商品与关联商品比值与推荐顺序生成推荐商品表。
具体而言，根据消费金额因子数据设定推荐顺序时，包括：
生成目标推荐金额，并根据历史订单数据生成推荐变化趋势；
当推荐模式为一级推荐模式时，根据第一时间间隔内的历史订单数据生成第一目标推荐金额；
当推荐模式为二级推荐模式时，根实时用户索引字符生成第二目标推荐金额。
具体而言，先根据用消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过获取用户消费金额因子判断其推荐商品的价格范围，可以更好地匹配用户的消费需求，提高推荐商品的准确性。
具体而言，用户消费影响因子数据根据用户历史消费数据获得。
本申请实施例优选实施例中，设定目标商品与关联商品比值时，包括：
预设消费频率矩阵A，设定A(A1,A2,A3,A4)，其中A1为第一预设消费频率，A2为第二预设消费频率，A3为第三预设消费频率，A4为第四预设消费频率，其中A1＜A2＜A3＜A4;
预设目标商品与关联商品比值矩阵B，设定B(B1,B2,B3,B4)，其中，B1为第一预设目标商品与关联商品比值，B2为第二预设目标商品与关联商品比值，B3为第三预设目标商品与关联商品比值，B4为第四预设目标商品与关联商品比值，且B1＜B2＜B3＜B4;
具体而言，根据消费频率因子数据a设定实时目标商品与关联商品比值b时，包括：
当A1＜a＜A2时，设定实时目标商品与关联商品比值b为B4，即b=B4;
当A2＜a＜A3时，设定实时目标商品与关联商品比值b为B3，即b=B3;
当A3＜a＜A4时，设定实时目标商品与关联商品比值b为B2，即b=B2；
当a>A4时，设定实时目标商品与关联商品比值b为B1，即b=B1。
具体而言，根据用户浏览数据修正推荐商品表时，包括：
预设第一修正系数n1，预设第二修正系数n2，预设第三修正系数n3，预设第四修正系数n4；其中0.8＜n1＜n2＜1＜n3＜n4＜1.2；
预设浏览时间矩阵C，设定C(C1,C2,C3,C4)，其中，C1为第一预设浏览时间，C2为第二预设浏览时间，C3为第三预设浏览时间，C4为第四预设浏览时间，且C1＜C2＜C3＜C4;
获取用户单次索引实时浏览时间c，并根据预设浏览时间矩阵B，修正实时目标商品与关联商品比值b，具体为：
当c＜C1时，实时修正系数为预设第一修正系数n1，修正后实时目标商品与关联商品比值b=n1*Bi；
当C1＜c＜c2时，实时修正系数为预设第二修正系数n2，修正后实时目标商品与关联商品比值b=n2*Bi；
当C3＜c＜C4时，实时修正系数为预设第三修正系数n3，修正后实时目标商品与关联商品比值b=n3*Bi；
当c>C4时，实时修正系数为预设第四修正系数n4，修正后实时目标商品与关联商品比值b=n4*Bi。
可以理解的上述实施例中，针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。
如图2所示，基于上述实施例的另一种优选的实施方式中，本实施方式提供了一种用于数字化营销平台的商品推荐系统，包括：
数据处理模块，用于获取历史订单数据，根据历史订单数据生成商品推荐数据库和数据库索引字符；
查询模块，用于获取实时用户索引字符和用户历史订单数据，并根据实时用户索引字符查询数据库索引字符；
判断模块，用于判断实时用户索引字符类别，并生产判断结果；
控制模块，用于获取判断模块的判断结果，并根据判断结果设定推荐模式。
监测模块，用于设定更新时间节点，并根据更新时间节点发送更新指令至处理模块。
用户通过查询模块进行查询，查询模块获取索引字符后，通过判断模块进行字符类型的判断，控制模块通过判断结果设定推荐模式，并通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，完成整个推荐过程。
根据本申请的第一构思，根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。
根据本申请的第二构思，针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。

Claims (10)

1.一种用于数字化营销平台的商品推荐方法，其特征在于，包括：
步骤一：获取预设时间段内全部历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；
步骤二：获取实时用户索引字符和用户历史订单数据，判断实时用户索引字符类别，并根据所述实时用户索引字符，所述用户历史订单数据和所述数据库索引字符设定推荐模式并生成推荐商品表；
步骤三：获取用户浏览数据，并根据所述用户浏览数据修正所述推荐商品表；
判断所述实时用户索引字符类别时，包括：
预设一级用户索引字符和二级用户索引字符类别；
当所述实时用户索引字符为一级用户索引字符时，设定一级推荐模式；
当所述实时用户索引字符为二级用户索引字符时，设定二类推荐模式。
2.如权利要求1所述的用于数字化营销平台的商品推荐方法，其特征在于，所述步骤一包括：
选定目标商品，获取包含所述目标商品的全部历史订单；
根据所述目标商品的全部历史订单中的非目标商品数据，并生成非目标商品占比值；
设定第一占比阈值，当所述非目标商品的占比值大于所述第一占比阈值时，设定所述非目标商品为关联商品；
根据所述非目标商品的占比值生成所述关联商品推荐值；
生成关联商品列表，并根据所述目标商品生成所述数据库索引字符；
根据所述关联商品列表生成所述商品推荐数据库。
3.如权利要求2所述的用于数字化营销平台的商品推荐方法，其特征在于，所述生成推荐商品表时，包括：
获取用户消费影响因子数据，所述用户消费影响因子包括消费金额因子，消费频率因子；
根据所述消费频率因子数据设定目标商品与关联商品比值；
根据所述消费金额因子数据设定推荐顺序；
根据所述目标商品与关联商品比值与所述推荐顺序生成推荐商品表。
4.如权利要求3所述的用于数字化营销平台的商品推荐方法，其特征在于，根据所述消费金额因子数据设定推荐顺序时，包括：
生成目标推荐金额，并根据所述历史订单数据生成推荐变化趋势；
当所述推荐模式为一级推荐模式时，根据第一时间间隔内的所述历史订单数据生成第一目标推荐金额；
当所述推荐模式为二级推荐模式时，根所述实时用户索引字符生成第二目标推荐金额。
5.如权利要求4所述的用于数字化营销平台的商品推荐方法，其特征在于，所述设定一级推荐模式时，包括：
判断用户是否选择商品；
若用户选择商品，获取用户首次选择商品数据，根据所述用户首次选择商品数据生成二级用户索引字符，并根据生成的所述二级用户索引字符设定二级推荐模式。
6.如权利要求3所述的用于数字化营销平台的商品推荐方法，其特征在于，所述设定目标商品与关联商品比值时，包括：
预设消费频率矩阵A，设定A(A1,A2,A3,A4)，其中A1为第一预设消费频率，A2为第二预设消费频率，A3为第三预设消费频率，A4为第四预设消费频率，其中A1＜A2＜A3＜A4;
预设目标商品与关联商品比值矩阵B，设定B(B1,B2,B3,B4)，其中，B1为第一预设目标商品与关联商品比值，B2为第二预设目标商品与关联商品比值，B3为第三预设目标商品与关联商品比值，B4为第四预设目标商品与关联商品比值，且B1＜B2＜B3＜B4;
根据所述消费频率因子数据a设定实时目标商品与关联商品比值b，其具体为：
当A1＜a＜A2时，设定实时目标商品与关联商品比值b为B4，即b=B4;
当A2＜a＜A3时，设定实时目标商品与关联商品比值b为B3，即b=B3;
当A3＜a＜A4时，设定实时目标商品与关联商品比值b为B2，即b=B2；
当a>A4时，设定实时目标商品与关联商品比值b为B1，即b=B1。
7.如权利要求6所述的用于数字化营销平台的商品推荐方法，其特征在于，根据所述用户浏览数据修正所述推荐商品表时，包括：
预设第一修正系数n1，预设第二修正系数n2，预设第三修正系数n3，预设第四修正系数n4；其中0.8＜n1＜n2＜1＜n3＜n4＜1.2；
预设浏览时间矩阵C，设定C(C1,C2,C3,C4)，其中，C1为第一预设浏览时间，C2为第二预设浏览时间，C3为第三预设浏览时间，C4为第四预设浏览时间，且C1＜C2＜C3＜C4;
获取用户单次索引实时浏览时间c，并根据预设浏览时间矩阵B，修正实时目标商品与关联商品比值b，具体为：
当c＜C1时，实时修正系数为预设第一修正系数n1，修正后实时目标商品与关联商品比值b=n1*Bi；
当C1＜c＜c2时，实时修正系数为预设第二修正系数n2，修正后实时目标商品与关联商品比值b=n2*Bi；
当C3＜c＜C4时，实时修正系数为预设第三修正系数n3，修正后实时目标商品与关联商品比值b=n3*Bi；
当c>C4时，实时修正系数为预设第四修正系数n4，修正后实时目标商品与关联商品比值b=n4*Bi。
8.如权利要求1-7中任一项所述的用于数字化营销平台的商品推荐方法，其特征在于，还包括：
预设更新时间节点，根据所述更新时间节点更新商品所述推荐数据库。
9.一种用于数字化营销平台的商品推荐系统，其特征在于，包括：
数据处理模块，用于获取历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；
查询模块，用于获取实时用户索引字符和用户历史订单数据，并根据所述实时用户索引字符查询所述数据库索引字符；
判断模块，用于判断所述实时用户索引字符类别，并生产判断结果；
控制模块，用于获取所述判断模块的判断结果，并根据所述判断结果设定推荐模式。
10.如权利要求9所述的用于数字化营销平台的商品推荐系统，其特征在于，还包括：
监测模块，用于设定更新时间节点，并根据所述更新时间节点发送更新指令至所述处理模块。
CN202310269436.XA 2023-03-16 2023-03-16 一种用于数字化营销平台的商品推荐方法及系统 Pending CN116308657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310269436.XA CN116308657A (zh) 2023-03-16 2023-03-16 一种用于数字化营销平台的商品推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310269436.XA CN116308657A (zh) 2023-03-16 2023-03-16 一种用于数字化营销平台的商品推荐方法及系统

Publications (1)

Publication Number Publication Date
CN116308657A true CN116308657A (zh) 2023-06-23

Family

ID=86835721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310269436.XA Pending CN116308657A (zh) 2023-03-16 2023-03-16 一种用于数字化营销平台的商品推荐方法及系统

Country Status (1)

Country Link
CN (1) CN116308657A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503142A (zh) * 2023-06-27 2023-07-28 临沂大学 一种合伙人智慧营销调度数据处理系统
CN117151747A (zh) * 2023-10-31 2023-12-01 天津市品茗科技有限公司 一种服务消费机器人智能推荐方法及系统
CN117435817A (zh) * 2023-12-20 2024-01-23 泰安北航科技园信息科技有限公司 一种基于产业大数据的bi智能中心系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503142A (zh) * 2023-06-27 2023-07-28 临沂大学 一种合伙人智慧营销调度数据处理系统
CN116503142B (zh) * 2023-06-27 2023-09-05 临沂大学 一种合伙人智慧营销调度数据处理系统
CN117151747A (zh) * 2023-10-31 2023-12-01 天津市品茗科技有限公司 一种服务消费机器人智能推荐方法及系统
CN117151747B (zh) * 2023-10-31 2024-01-30 天津市品茗科技有限公司 一种服务消费机器人智能推荐方法及系统
CN117435817A (zh) * 2023-12-20 2024-01-23 泰安北航科技园信息科技有限公司 一种基于产业大数据的bi智能中心系统
CN117435817B (zh) * 2023-12-20 2024-03-15 泰安北航科技园信息科技有限公司 一种基于产业大数据的bi智能中心系统

Similar Documents

Publication Publication Date Title
CN116308657A (zh) 一种用于数字化营销平台的商品推荐方法及系统
CN108460082B (zh) 一种推荐方法及装置，电子设备
US11429988B2 (en) Method and system for increasing use of mobile devices to provide answer content in a question and answer based customer support system
US10896458B2 (en) Method, system, and computer-readable medium for product and vendor selection
US20080256054A1 (en) Computer-implemented method and system for targeting contents according to user preferences
CN110674391B (zh) 基于大数据的产品数据推送方法、系统和计算机设备
CN103150696A (zh) 选择目标增值业务潜在客户的方法及装置
CN110766438B (zh) 一种通过人工智能对电网用户的用户行为进行分析的方法
CN110990695A (zh) 推荐系统内容召回方法及装置
CN103425664A (zh) 一种对实体数据单元进行搜索、显示的方法和设备
WO2005003964A2 (en) Evaluating storage options
CN113778286B (zh) 应用控件显示方法、装置、存储介质及电子设备
CN111797320A (zh) 数据处理方法、装置、设备及存储介质
CN107730398A (zh) 用电计费方式的推荐方法、装置及存储介质
CN108551419A (zh) 一种信息处理方法及装置
CN109919651A (zh) 对象的推送方法及装置
CN116128600A (zh) 一种基于ai的推荐信息生成方法
US10394804B1 (en) Method and system for increasing internet traffic to a question and answer customer support system
CN111831892A (zh) 信息推荐方法、信息推荐装置、服务器及存储介质
CN110287218A (zh) 一种税收分类编码匹配的方法、系统及设备
CN114968246B (zh) 数据分析组件生成方法、设备及计算机可读存储介质
CN115391659A (zh) 新闻推荐方法、装置、电子设备及计算机可读存储介质
Flamm et al. Quality Competition at the Competitive Margin in US Residential Broadband Markets
CN107622454A (zh) 一种基于微服务的机会管理方法
CN114840779A (zh) 对象的显示方法及显示装置

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