CN117237059A - 商品推荐方法和终端 - Google Patents
商品推荐方法和终端 Download PDFInfo
- Publication number
- CN117237059A CN117237059A CN202311487649.6A CN202311487649A CN117237059A CN 117237059 A CN117237059 A CN 117237059A CN 202311487649 A CN202311487649 A CN 202311487649A CN 117237059 A CN117237059 A CN 117237059A
- Authority
- CN
- China
- Prior art keywords
- commodity
- target
- target commodity
- preset weight
- heat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006399 behavior Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 21
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种商品推荐方法和终端。该商品推荐方法包括:步骤S1:确定与用户的行为记录相关的目标商品;步骤S2:基于热度预设权重的热度和时间预设权重的时效性对所述目标商品评分,其中,所述热度用于表征所述目标商品在线期间的营销反馈,所述时效性用于表征所述目标商品所处的营销阶段;步骤S3:根据评分将所述目标商品排序,根据排序结果对所述目标商品分配曝光流量;步骤S4:基于所述曝光流量将所述目标商品向用户推荐。本申请引入了热度和时效性作为商品推荐的参数,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种商品推荐方法和终端。
背景技术
在相关技术方案中,电商平台通常是根据用户喜好匹配相同或者相近类型的商品进行推荐,这种商品推荐方式从单一维度确定用于推荐的商品,所以仅适用于传统的电商平台,而不适用于其他更多的电商场景;例如,折扣类电商平台在推送商品时,除了满足用户喜好之外,还需要考虑商品的时效性、折扣比例、折扣价等因素,这些因素也是影响用户点击和购买的关键。
此外,由于用户感兴趣的商品可能存在很多种类,或者可能多个店铺均在销售用户感兴趣的同种商品,因此上述传统的商品推荐方式也无法满足用户在电商购物中对于商品信息的实际参考需求,影响了用户的购物体验。
涉及本申请的其他技术问题,在后文进一步阐述。上述内容仅用于辅助理解本申请的技术方案,并不表示上述内容全部都是现有技术。
发明内容
本发明的主要目的在于提供一种商品推荐方法和终端,旨在使得折扣类电商平台推荐商品时能够在满足用户喜好之外,还考虑到商品的时效性、折扣比例、折扣价等因素,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。
为实现上述目的,本申请提出一种商品推荐方法和终端,所述商品推荐方法包括:
步骤S1:确定与用户的行为记录相关的目标商品;
步骤S2:基于热度预设权重的热度和时间预设权重的时效性对所述目标商品评分,其中,所述热度用于表征所述目标商品在线期间的营销反馈,所述时效性用于表征所述目标商品所处的营销阶段;
步骤S3:根据评分将所述目标商品排序,根据排序结果对所述目标商品分配曝光流量;
步骤S4:基于所述曝光流量将所述目标商品向用户推荐。
本申请的其他特征和技术效果在说明书的后面部分进行阐述说明。本申请的技术问题解决思路和相关产品设计方案为:
在相关技术方案中,电商平台通常是根据用户喜好匹配相同或者相近类型的商品进行推荐,这种商品推荐方式从单一维度确定用于推荐的商品,所以仅适用于传统的电商平台,而不适用于其他更多的电商场景;例如,折扣类电商平台在推送商品时,除了满足用户喜好之外,还需要考虑商品的时效性、折扣比例、折扣价等因素,这些因素也是影响用户点击和购买的关键。
此外,由于用户感兴趣的商品可能存在很多种类,或者可能多个店铺均在销售用户感兴趣的同种商品,因此上述传统的商品推荐方式也无法满足用户在电商购物中对于商品信息的实际参考需求,影响了用户的购物体验。
事实上,申请人发现,在包括折扣类电商平台的其他电商场景中,商品推荐除了需要满足用户喜好之外,还需要考虑到商品的营销时效性、折扣比例、折扣价等因素,可以理解,购买成本也会影响用户的购买意愿和购物体验,因此上述因素也是影响用户点击和购买的关键。若在折扣类电商平台直接应用传统电商的推荐逻辑,则会导致用户虽然能看到喜欢的商品,但是商品的营销时效性、折扣比例、折扣价等因素并未得到体现,从而难以满足用户在电商购物中对于商品信息的实际参考需求,影响了用户的购物体验。
在此基础上,本申请基于用户在折扣类电商平台购买商品时主要的参考因素,在推荐商品时满足用户喜好之外,还考虑到商品的时效性、折扣比例、折扣价等因素,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。具体地,首先根据用户的行为记录,如购买记录、咨询信息以及搜索记录等,确定符合用户需求和喜好的目标商品;然后分别以热度预设权重的热度和时间预设权重的时效性对目标商品评分,其中,热度用于表征所述目标商品在线期间的营销反馈,具体衡量指标可以为商品的曝光量、销售量以及优惠券使用情况等,从而判断该目标商品的受欢迎程度,时效性则是用于表征目标商品所处营销阶段的相关信息,如目标商品的折扣活动开始时长、目标商品是否刚上线,用户需要及时抢购,又或者,目标商品的折扣活动是否即将结束、目标商品即将下线,因此剩余购买时间有限等等;接着,根据目标商品的评分情况进行排序,并根据排序结果依次递增或者递减对目标商品分配对应的曝光流量,并将目标商品向用户进行推荐显示。
相较于现有商品推荐方式,本申请引入了热度和时效性作为商品推荐的参数,并且分别赋予热度和时效性对应的权重,使得商品推荐方法能够满足用户对商品的折扣比例和折扣价等其他要求,而调节热度和时效性对应的权重也使得该商品推荐方法能够适用于多种电商场景,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。
本申请还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品推荐程序,所述商品推荐程序被所述处理器执行时实现如本申请各方法步骤的操作指令。
附图说明
附图用来提供对本申请的进一步理解,不构成对本申请的限制;附图所示内容可以是实施例的真实数据,属于本申请的保护范围。
图1示出了本申请一个实施例中的商品推荐方法的流程示意图。
图2示出了本申请一个实施例中的确定商品热度的流程示意图。
图3示出了本申请一个实施例中的商品推荐方法的应用示意图。
实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本申请实施例做进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本申请,并不用于限定本申请。
图1示出了本申请一个实施例中的商品推荐方法的步骤流程图,如图1所示,该商品推荐方法主要可以包括如下的步骤S1至步骤S4。
步骤S1:确定与用户的行为记录相关的目标商品;
步骤S2:基于热度预设权重的热度和时间预设权重的时效性对所述目标商品评分,其中,所述热度用于表征所述目标商品在线期间的营销反馈,所述时效性用于表征所述目标商品所处的营销阶段;
步骤S3:根据评分将所述目标商品排序,根据排序结果对所述目标商品分配曝光流量;
步骤S4:基于所述曝光流量将所述目标商品向用户推荐。
在此基础上,本申请基于用户在折扣类电商平台购买商品时主要的参考因素,在推荐商品时满足用户喜好之外,还考虑到商品的时效性、折扣比例、折扣价等因素,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。具体地,首先根据用户的行为记录,如购买记录、咨询信息以及搜索记录等,确定符合用户需求和喜好的目标商品;然后分别以热度预设权重的热度和时间预设权重的时效性对目标商品评分,其中,热度用于表征所述目标商品在线期间的营销反馈,具体衡量指标可以为商品的曝光量、销售量以及优惠券使用情况等,从而判断该目标商品的受欢迎程度,时效性则是用于表征目标商品所处营销阶段的相关信息,如目标商品的折扣活动开始时长、目标商品是否刚上线,用户需要及时抢购,又或者,目标商品的折扣活动是否即将结束、目标商品即将下线,因此剩余购买时间有限等等;接着,根据目标商品的评分情况进行排序,并根据排序结果依次递增或者递减对目标商品分配对应的曝光流量,并将目标商品向用户进行推荐显示。
相较于现有商品推荐方式中仅以商品是否符合用户需求和爱好作为单一的判断标准,本申请引入了热度和时效性作为商品推荐的参数,并且分别赋予热度和时效性对应的权重,使得商品推荐方法能够满足用户对商品的折扣比例和折扣价等其他要求,而调节热度和时效性对应的权重也使得该商品推荐方法能够适用于多种电商场景,进而提升商品的推荐质量,以及确保新旧商品均能够得到对应充裕的曝光机会。
在一实施例中,例如,当用户进入折扣类电商平台的网页时,该折扣类电商平台根据用户账号的上网记录,如用户点击浏览了某些商品、用户将某些商品添加到购物车、用户的历史购买记录等,确定满足用户需求或者喜爱的多个目标商品,进而根据优惠券领取情况、折扣活动开始时间以及结束时间,对该多个目标商品进行评分和排序,最后选取排序前十的目标商品分配对应的曝光流量,并推荐给用户。
下面分别对商品推荐方法中的各个方法步骤做详细说明。
步骤S1:确定与用户的行为记录相关的目标商品。
具体地,可以根据用户在互联网的上网痕迹确定与用户需求或者喜爱相关的目标商品,进而推荐给用户。
例如,假定用户近期在网上购买了宠物,则可以确定与该宠物相关的宠物用品为符合用户需求的目标商品,或者,根据用户近期浏览的家具购物网址以及网站停留时长确定某些家具商品作为用户喜爱的目标商品。
可以理解,在一实施例中,若用户预先选择某类商品设置为喜爱商品,则该喜好商品在后续的评分过程中具有相应的加分项。即在该实施例中,商品推荐方法尊重用户的主观选择,并在商品的曝光流量分配中进行侧重调整,但用户的主观选择并非决定商品推荐流量的唯一因素。
步骤S2:基于热度预设权重的热度和时间预设权重的时效性对所述目标商品评分,其中,所述热度用于表征所述目标商品在线期间的营销反馈,所述时效性用于表征所述目标商品所处的营销阶段。
具体地,用于反映热度的参数包括销售量、曝光量以及优惠券领取量等;时效性用于表征商品的上线时长,或者折扣活动开始时长等相关信息。在不同应用场景,或者针对不同的商品,可以调节热度预设权重和时间预设权重,以达到更好的商品推荐效果。例如,在某些营销时段内,为了使用户能够快速获取热门商品的信息,可以提高热度预设权重,使得针对目标商品的评分过程中热度能够占据较大的分值比重,因此营销反馈较好的商品能够获得更好的排名、更多的曝光流量,从而推荐给用户。
步骤S3:根据评分将所述目标商品排序,根据排序结果对所述目标商品分配曝光流量。
具体地,在针对目标商品进行评分后,将目标商品根据评分的分值高低依次排序,并根据排序结果对应分配曝光流量。
例如,假定存在10个目标商品,根据评分分值由高至低依次排序为1至10,则针对排名为1的目标商品分配最多的曝光流量,排名为10的目标商品分配最少的曝光流量,排序2至9的目标商品对应分配的曝光流量则对应依次递减。
步骤S4:基于所述曝光流量将所述目标商品向用户推荐。
根据上述目标商品分配的曝光流量,以对应的显示频率、显示位置等方式将目标商品向用户进行推荐。
进一步地,在一实施例中,所述时间预设权重包括第一预设权重,上述步骤S2中的基于时间预设权重的时效性对所述目标商品评分,包括如下的步骤S2.1和步骤S2.2。
步骤S2.1:确定当前时间与所述目标商品的预设营销开始时间之间的第一时间差值;
步骤S2.2:根据所述第一时间差值和所述第一预设权重确定所述目标商品的时效性,基于所述时效性对所述目标商品评分。
具体地,在衡量目标商品的时效性的参数中,其中一项为当前时间与目标商品的预设营销开始时间之间的第一时间差值,其中,预设营销开始时间可以为商品的上线时间或者折扣活动开始时间。
例如,通过对折扣活动开始不久的商品给予较高的评分以及较多的曝光流量,使用户及时获取及抢购刚开始打折的商品,从而达到较好的营销效果;可以理解,折扣活动已经开始较长的目标商品,由于商品的新鲜度已经降低了很多,市场需求度相对不高,则以相对较少的曝光流量进行推荐。
其中,存在公式:
第一时效性分值=【1-(当前时间距离预设营销开始时间之间的时差)/24】*第一预设权重;
进一步地,在以上实施例的基础上,所述时间预设权重包括第二预设权重,上述步骤S2.2中的根据所述第一时间差值和所述第一预设权重确定所述目标商品的时效性,包括如下的步骤S2.21和步骤S2.22。
步骤S2.21:确定当前时间与所述目标商品的预设营销结束时间之间的第二时间差值;
步骤S2.22:根据所述第一预设权重对应的第一时间差值,所述第二预设权重对应的第二时间差值确定所述目标商品的时效性。
具体地,在衡量目标商品的时效性的参数中,其中一项为当前时间与目标商品的预设营销结束时间之间的第二时间差值其中,预设营销结束时间可以为商品的下线时间或者折扣活动结束时间。
例如,通过对折扣活动即将结束的商品给予较高的评分以及较多的曝光流量,提醒用户在折扣活动结束前及时购买,避免用户因错过折扣活动而增加购买成本;可以理解,距离预设营销结束时间较长的目标商品,由于可供用户购买时间较为充裕,则以相对较少的曝光流量进行推荐。
其中,存在公式:
第二时效性分值=【1-(当前时间距离预设营销结束时间之间的时差)/24】*第二预设权重;
可以理解,在一实施例中,上述第一时间差值和第二时间差值均作为衡量目标商品时效性的参数,可以在针对目标商品评分过程中单独或者同时采用。
进一步地,在一实施例中,如图2所示,上述步骤S2中的基于热度预设权重的热度对所述目标商品评分,包括如下的步骤S2.3。
步骤S2.3:基于所述目标商品的销售量、曝光量以及优惠券领取量的至少一项和所述热度预设权重确定所述目标商品的热度,基于所述热度对所述目标商品评分。
具体地,在实际应用中,可以基于商品的销售量、曝光量以及优惠券领取量的一项或多项作为衡量目标商品的热度的参数。其中,商品的销售量虽然能够最直观反映商品的营销情况,然而销售量也受其他因素,如曝光量的影响,即某些商品尽管目前销售量不高,但可能是由于未得到足够曝光造成的;此外,商品的优惠券领取量也能在一定程度上反映用户的需求和购买意愿。可以理解,上述销售量、曝光量以及优惠券领取量可以在不同应用场景中对应采用一项或多项作为商品热度的评分参数,例如,对于电商ERP网站而言,能够获取卖家的商品销售数据,因此能够基于销售量对商品进行评分;而对于某些第三方优惠网站而言,由于无法直接获取卖家的商品销售数据,则可以通过商品的优惠券领取量判断该商品的受欢迎程度。
进一步地,在一实施例中,上述步骤S2.3中的基于所述目标商品的销售量、曝光量以及优惠券领取量的至少一项和所述热度预设权重确定所述目标商品的热度,包括如下的步骤S2.31。
步骤S2.31:根据所述目标商品的优惠券领取量与曝光量之间的比值确定所述目标商品的热度。
具体地,在本实施例中,为了避免某些商品的销售量或者优惠券领取量过低是由于曝光不足造成的,导致热度一项评分过低,因此采用公式:热度分值=(领取量/曝光量)/(最大领取量/最大曝光量) * 热度预设权重;即根据优惠券领取量与曝光量之间的比值计算商品在平等曝光量下对应的优惠券领取量,进而确定商品的热度分值,从而判断该商品的营销反馈。
进一步地,在一实施例中,所述商品推荐方法还包括如下的步骤S2.32和步骤S2.33。
步骤S2.32:判断所述目标商品的优惠券领取量是否达到预设值;
步骤S2.33:若所述目标商品的优惠券领取量达到预设值,将所述目标商品分类至第一分组,以及,若所述目标商品的优惠券领取量未达到所述预设值,将所述目标商品分类至第二分组,以分别对所述第一分组和所述第二分组的目标商品进行评分和排序。
具体地,在实际应用中,由于商品的预设营销开始时间存在差异,因此商品对应获得的曝光量也会存在差异,而曝光量的差异会影响商品的一些直接营销数据,如销售量和优惠券领取量等,从而在商品推荐的评分过程中造成评分偏差,即上线较久或者折扣活动开始较久的商品评分偏高,进而能够分配到更多的曝光流量,而上线不久或者折扣活动开始不久的商品则评分偏低,进而无法得到足够的曝光。
因此,在本实施例中,根据优惠券领取量区分商品所处的营销阶段,进而将商品分类为两个分组,并对该两个分组的商品分别进行评分和排序,最后分别针对两个分组里商品的排序情况分配对应的曝光流量,进而推荐给用户。
例如,在符合用户喜爱或需求的目标商品中,将优惠券领取量大于或等于1的目标商品分类至A组,将优惠券领取量小于1的目标商品分类至B组;然后,针对A组的目标商品进行评分和排序,选取A组中排序前十的目标商品分配对应的曝光流量,以及,针对B组的目标商品进行评分和排序,选取B组中排序前十的目标商品分配对应的曝光流量;最后,将A组和B组里分别排序前十的目标商品推荐给用户。
进一步地,在以上实施例的基础上,热度预设权重与时间预设权重之间的差值为预设权重差值,所述第一分组目标商品的预设权重差值大于所述第二分组目标商品的预设权重差值。
具体地,在根据优惠券领取量区分商品所处的营销阶段,进而将商品分类为两个分组后,该两个分组的商品在评分过程中也会存在对应的评分规则差异。可以理解,对于上线较久或者折扣活动开始较久的商品,其营销反馈是在商品评分中较为侧重的参数,而对于上线不久或者折扣活动开始不久的商品,其营销反馈则显得不那么重要。
例如,在评分过程中,对于优惠券领取量大于或等于1的A组商品,热度预设权重为0.99,而时间预设权重为0.11,此时热度评分占据了A组商品大部分的分值比例;对于优惠券领取量小于1的B组商品,热度预设权重为0.55,而时间预设权重为0.25,即B组商品的热度评分的重要性相较于A组会低一些。
进一步地,在一实施例中,上述步骤S2中的基于时间预设权重的时效性和热度预设权重的热度对所述目标商品评分,包括如下的步骤S2.4和步骤S2.5。
步骤S2.4,确定所述目标商品的价格波动性,所述价格波动性用于表征所述目标商品在线期间的价格变化趋势;
步骤S2.5:基于所述时间预设权重的时效性、所述热度预设权重的热度以及所述价格波动性对所述目标商品评分。
具体地,在本实施例中,在对目标商品评分的过程中,除了表征商品营销反馈的热度,以及表征商品所处营销阶段的时效性,还包括表征商品当前售价折扣力度的价格波动性,该价格波动性作为商品的评分参数之一,能够反映商品的价格变化趋势、价格变化幅度,以及当前价格对应的折扣力度,使得评分排序后进行推荐的商品更契合用户的需求。
进一步地,在以上实施例的基础上,上述步骤S2.4中的确定所述目标商品的价格波动性,包括如下的步骤S2.41和步骤S2.42。
步骤S2.41:获取所述目标商品的历史价格数据,根据所述历史价格数据确定所述目标商品的价格标准差;
步骤S2.42:根据所述价格标准差和所述目标商品的当前价格确定所述价格波动性。
具体地,本实施例提供了对于商品的价格波动性的具体计算方式:根据商品的历史价格数据计算对应的价格标准差,该价格标准差能够反映商品价格的离散程度,进而根据商品的当前价格与该价格标准差的比值确定价格波动性,存在公式:商品折扣价/价格标准差=价格波动性,其中,商品折扣价为商品在当前打折期间所显示的价格。
图3示出了本申请提供商品推荐方法的一个应用实施例,如图3所示,该应用流程包括如下的步骤S3.1至步骤S3.8。
步骤S3.1,系统根据用户的互联网行为记录,如历史购买记录、浏览记录以及用户在网上的其他行为痕迹,在商品数据库中确定用户可能喜爱或需求的目标商品。
步骤S3.2,将上述目标商品中优惠券领取量≥1的商品分类为A类商品,将优惠券领取量<1的商品分类为B类商品,使得折扣活动开始较久的商品,与折扣活动开始不久的商品在后续评分排序中相互独立。
步骤S3.3,对上述A类商品和B类商品确定热度分值,采用公式:热度分值=(领取量/曝光量)/(最大领取量/最大曝光量) * 热度预设权重;其中,对于热度预设权重,A类商品>B类商品。
步骤S3.4,对上述A类商品和B类商品确定第一时效性分值,采用公式:第一时效性分值=【1-(当前时间距离预设营销开始时间之间的时差)/24】*第一预设权重;其中,对于第一预设权重,A类商品<B类商品。
步骤S3.5,对上述A类商品和B类商品确定第二时效性分值,采用公式:第二时效性分值=【1-(当前时间距离预设营销结束时间之间的时差)/24】*第二预设权重;其中,对于第二预设权重,A类商品<B类商品。
步骤S3.6,对上述A类商品和B类商品确定价格波动性分值,采用公式:价格波动性分值=(商品折扣价/价格标准差)*价格权重;其中,对于价格权重,A类商品=B类商品。
步骤S3.7,由于上述A类商品和B类商品均包含多种类型的商品,若用户预先选择了某些商品类型作为偏好,则在A类商品和B类商品中对应商品增加商品类目分值;其中,对于商品类目分值对应的类目权重,A类商品=B类商品。
步骤S3.8,根据上述热度分值、第一时效性分值、第二时效性分值、价格波动性分值以及商品类目分值相加之和得到商品的总分值,然后根据总分值分别对A类商品和B类商品进行排序,最后根据分值由高至低分别从A类商品和B类商品中各选取预设数量的商品向用户推荐。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是在本申请的发明构思下,利用本申请说明书及附图内容所作的等效变换,或直接/间接运用在其他相关的技术领域均包括在本申请的专利保护范围内。
Claims (10)
1.一种商品推荐方法,用于折扣商品的推荐,其特征在于,所述方法包括:
步骤S1:确定与用户的行为记录相关的目标商品;
步骤S2:基于热度预设权重的热度和时间预设权重的时效性对所述目标商品评分,其中,所述热度用于表征所述目标商品在线期间的营销反馈,所述时效性用于表征所述目标商品所处的营销阶段;
步骤S3:根据评分将所述目标商品排序,根据排序结果对所述目标商品分配曝光流量;
步骤S4:基于所述曝光流量将所述目标商品向用户推荐。
2.如权利要求1所述的商品推荐方法,其特征在于,所述时间预设权重包括第一预设权重,步骤S2中的基于时间预设权重的时效性对所述目标商品评分,包括:
步骤S2.1:确定当前时间与所述目标商品的预设营销开始时间之间的第一时间差值;
步骤S2.2:根据所述第一时间差值和所述第一预设权重确定所述目标商品的时效性,基于所述时效性对所述目标商品评分。
3.如权利要求2所述的商品推荐方法,其特征在于,所述时间预设权重包括第二预设权重,步骤S2.2中的根据所述第一时间差值和所述第一预设权重确定所述目标商品的时效性,包括:
步骤S2.21:确定当前时间与所述目标商品的预设营销结束时间之间的第二时间差值;
步骤S2.22:根据所述第一预设权重对应的第一时间差值,所述第二预设权重对应的第二时间差值确定所述目标商品的时效性。
4.如权利要求1所述的商品推荐方法,其特征在于,步骤S2中的基于热度预设权重的热度对所述目标商品评分,包括:
步骤S2.3:基于所述目标商品的销售量、曝光量以及优惠券领取量的至少一项和所述热度预设权重确定所述目标商品的热度,基于所述热度对所述目标商品评分。
5.如权利要求4所述的商品推荐方法,其特征在于,步骤S2.3中的基于所述目标商品的销售量、曝光量以及优惠券领取量的至少一项和所述热度预设权重确定所述目标商品的热度,包括:
步骤S2.31:根据所述目标商品的优惠券领取量与曝光量之间的比值确定所述目标商品的热度。
6.如权利要求4所述的商品推荐方法,其特征在于,所述方法还包括:
步骤S2.32:判断所述目标商品的优惠券领取量是否达到预设值;
步骤S2.33:若所述目标商品的优惠券领取量达到预设值,将所述目标商品分类至第一分组,以及,若所述目标商品的优惠券领取量未达到所述预设值,将所述目标商品分类至第二分组,以分别对所述第一分组和所述第二分组的目标商品进行评分和排序。
7.如权利要求6所述的商品推荐方法,其特征在于,热度预设权重与时间预设权重之间的差值为预设权重差值,所述第一分组目标商品的预设权重差值大于所述第二分组目标商品的预设权重差值。
8.如权利要求1所述的商品推荐方法,其特征在于,步骤S2中的基于时间预设权重的时效性和热度预设权重的热度对所述目标商品评分,包括:
步骤S2.4:确定所述目标商品的价格波动性,所述价格波动性用于表征所述目标商品在线期间的价格变化趋势;
步骤S2.5:基于所述时间预设权重的时效性、所述热度预设权重的热度以及所述价格波动性对所述目标商品评分。
9.如权利要求8所述的商品推荐方法,其特征在于,步骤S2.4中的确定所述目标商品的价格波动性,包括:
步骤S2.41:获取所述目标商品的历史价格数据,根据所述历史价格数据确定所述目标商品的价格标准差;
步骤S2.42:根据所述价格标准差和所述目标商品的当前价格确定所述价格波动性。
10.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品推荐程序,所述商品推荐程序被所述处理器执行时实现如权利要求1-9中任一项所述的商品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311487649.6A CN117237059A (zh) | 2023-11-09 | 2023-11-09 | 商品推荐方法和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311487649.6A CN117237059A (zh) | 2023-11-09 | 2023-11-09 | 商品推荐方法和终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117237059A true CN117237059A (zh) | 2023-12-15 |
Family
ID=89089676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311487649.6A Pending CN117237059A (zh) | 2023-11-09 | 2023-11-09 | 商品推荐方法和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237059A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895299A (zh) * | 2017-11-08 | 2018-04-10 | 浙江执御信息技术有限公司 | 一种商品的曝光排序方法和装置 |
CN108492150A (zh) * | 2018-04-11 | 2018-09-04 | 口碑(上海)信息技术有限公司 | 实体热度的确定方法及系统 |
CN114663197A (zh) * | 2022-04-15 | 2022-06-24 | 广州欢聚时代信息科技有限公司 | 商品推荐方法及其装置、设备、介质、产品 |
CN115689682A (zh) * | 2022-10-27 | 2023-02-03 | 广州品唯软件有限公司 | 直播过程中的商品讲解顺序调整方法、装置、介质及设备 |
CN115760315A (zh) * | 2022-12-08 | 2023-03-07 | 广州欢聚时代信息科技有限公司 | 商品推荐方法及其装置、设备、介质 |
-
2023
- 2023-11-09 CN CN202311487649.6A patent/CN117237059A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895299A (zh) * | 2017-11-08 | 2018-04-10 | 浙江执御信息技术有限公司 | 一种商品的曝光排序方法和装置 |
CN108492150A (zh) * | 2018-04-11 | 2018-09-04 | 口碑(上海)信息技术有限公司 | 实体热度的确定方法及系统 |
CN114663197A (zh) * | 2022-04-15 | 2022-06-24 | 广州欢聚时代信息科技有限公司 | 商品推荐方法及其装置、设备、介质、产品 |
CN115689682A (zh) * | 2022-10-27 | 2023-02-03 | 广州品唯软件有限公司 | 直播过程中的商品讲解顺序调整方法、装置、介质及设备 |
CN115760315A (zh) * | 2022-12-08 | 2023-03-07 | 广州欢聚时代信息科技有限公司 | 商品推荐方法及其装置、设备、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10304116B2 (en) | System and method for targeting content based on filter activity | |
US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
US10354312B2 (en) | Electronic marketplace recommendations | |
US6466918B1 (en) | System and method for exposing popular nodes within a browse tree | |
US6489968B1 (en) | System and method for exposing popular categories of browse tree | |
CN109087177B (zh) | 向目标用户推荐商品的方法、装置及计算机可读存储介质 | |
US10289736B2 (en) | Systems and methods for ranking results based on dwell time | |
US7814029B1 (en) | Method and system for estimating consumer satisfaction | |
US7831584B2 (en) | System and method for providing real-time search results on merchandise | |
US20140025539A1 (en) | Adjustable priority retailer ranking system | |
US20140095285A1 (en) | System for automating consumer shopping purchase-decision | |
CN111127155A (zh) | 商品推荐方法、装置、服务器和存储介质 | |
US20130013427A1 (en) | Search page topology | |
US20090234722A1 (en) | System and method for computerized sales optimization | |
US10977676B2 (en) | Method and system for digital content pricing | |
JP6285515B2 (ja) | 決定装置、決定方法および決定プログラム | |
JP2013541082A (ja) | 商品推薦 | |
WO2013126648A1 (en) | Methods and apparatus for recommending products and services | |
CN103679516A (zh) | 基于购物车的比价系统及方法 | |
WO2013052081A2 (en) | System for automating consumer shopping purchase-decision | |
US20120078829A1 (en) | Combination domain knowledge and correlation media recommender | |
US20160034937A1 (en) | Systems and Methods for Enhanced Price Adjustment Location and Sharing of Rewards with Partners | |
KR20100092852A (ko) | 선호도 기반의 상품 추천 시스템 및 그 방법 | |
US20020065744A1 (en) | Method for internet matching of user request to specific merchandise | |
US20180089711A1 (en) | Information processing device, information processing method, and information processing program |
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 |