TWI823036B - 推薦目標用戶的選擇方法、系統、設備及儲存媒體 - Google Patents
推薦目標用戶的選擇方法、系統、設備及儲存媒體 Download PDFInfo
- Publication number
- TWI823036B TWI823036B TW109142961A TW109142961A TWI823036B TW I823036 B TWI823036 B TW I823036B TW 109142961 A TW109142961 A TW 109142961A TW 109142961 A TW109142961 A TW 109142961A TW I823036 B TWI823036 B TW I823036B
- Authority
- TW
- Taiwan
- Prior art keywords
- target user
- recommended
- item
- user
- candidate target
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 34
- 230000036772 blood pressure Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010187 selection method Methods 0.000 description 9
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Circuits Of Receivers In General (AREA)
Abstract
一種推薦目標用戶的選擇方法、系統、設備及儲存媒體,該方法包括:獲取待推薦的物品信息;從社交平台獲取推薦者的關聯用戶,將關聯用戶作為物品推薦的備選目標用戶,並獲取備選目標用戶的用戶信息;根據待推薦的物品信息和備選目標用戶的用戶信息,從備選目標用戶中選擇待推薦的物品的推薦目標用戶;將推薦目標用戶信息推播給推薦者的用戶終端。本發明在基於社交平台推薦物品時,選擇有高機率接受物品的被推薦者,提高推薦轉換率,並且避免被推薦者接收到過多無用信息。
Description
本發明涉及數據處理技術領域,尤其涉及一種推薦目標用戶的選擇方法、系統、設備及儲存媒體。
商家為了提高出貨量,對於購買量大的消費者通常願意給予更為優惠的價格以刺激購買。現有的消費者進行團購多受限於地域,經常是同一小區的鄰居或是同一公司的同事集體進行購買以取得團購價;而隨著網路與物流的發達,一些購物平台也可以提供在線開團並單的功能,可以直接從網路上加入團購行列,且可以分別配送至不同區域,打破地域的限制。
例如,在現有技術中,為成功提高出貨量,同時也協助消費者可以成功獲得團購價,增加對於平台的依賴度,購物平台將「電商」與「社交」進行融合,使用戶可將推薦目標用戶的選擇通過社交平台發送給家人、朋友以進行拼團而用優惠的價格購買商品。
然而,一般用戶如果沒有個別詢問,其實是無法得知家人、朋友是否需要所推薦的商品的,如果為了取得團購價而廣發推薦信息,對多數被推薦者都會接收到不需要的商品的信息,而過多無益的推薦可能會造成朋友的困擾,甚至是影響被推薦者對推薦者的評價。
針對現有技術中的問題,本發明的目的在於提供一種推薦目標用戶的選擇方法、系統、設備及儲存媒體,在基於社交平台推薦物品時,選擇有高機率接受物品的被推薦者,提高推薦轉換率,並且避免被推薦者接收到過多無用信息。
在一些實施例,推薦目標用戶的選擇方法,包括如下步驟:
獲取待推薦的物品信息;
從社交平台獲取推薦者的關聯用戶,將關聯用戶作為物品推薦的備選目標用戶,並獲取備選目標用戶的用戶信息;
根據待推薦的物品信息和備選目標用戶的用戶信息,從備選目標用戶中選擇待推薦的物品的推薦目標用戶;
將推薦目標用戶信息推播給推薦者的用戶終端。
在一些實施例,根據待推薦的物品信息和備選目標用戶的用戶信息,確定待推薦的物品的推薦目標用戶,包括如下步驟:
獲取各個備選目標用戶在購物平台的歷史行為日誌;
根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶。
在一些實施例,根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶,包括如下步驟:
根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品;
判斷待推薦的物品是否屬備選目標用戶的關聯物品;
如果是,則備選目標用戶為待推薦的物品的推薦目標用戶。
在一些實施例,根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶,包括如下步驟:
根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品;
根據關聯物品在物品模型中查詢關聯物品的相似物品,物品模型配置為儲存多個物品各自的相似物品;
判斷待推薦的物品是否屬備選目標用戶的關聯物品或關聯物品的相似物品;
如果是,則備選目標用戶為待推薦的物品的推薦目標用戶。
在一些實施例,獲取備選目標用戶在購物平台的歷史行為日誌之後,還包括如下步驟:
如果未獲取到備選目標用戶的歷史行為日誌,或備選目標用戶的歷史行為日誌不符合預設的日誌分析條件,則根據用戶模型查詢備選目標用戶的相似用戶,用戶模型配置為儲存多個用戶各自的相似用戶;
查詢備選目標用戶的相似用戶的關聯物品;
判斷待推薦的物品是否屬備選目標用戶的相似用戶的關聯物品;
如果是,則備選目標用戶為待推薦的物品的推薦目標用戶。
在一些實施例,根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品,包括如下步驟:
備選目標用戶為群組時,獲取群組中所有單人用戶的歷史行為日誌;
根據群組中所有單人用戶的歷史行為日誌確定群組的關聯物品,作為群組的關聯物品。
在一些實施例,推薦目標用戶的選擇方法還包括如下步驟:
在向推薦目標用戶發送物品推薦信息之後,獲取推薦目標用戶的反饋數據;
根據反饋數據調整推薦目標用戶所對應的關聯物品。
在一些實施例,推薦目標用戶的選擇系統,用於實現推薦目標用戶的選擇方法,其中推薦目標用戶的選擇系統包括:
物品信息採集模組,用於獲取待推薦的物品信息;
備選用戶獲取模組,用於從社交平台獲取推薦者的關聯用戶,將關聯用戶作為物品推薦的備選目標用戶,並獲取備選目標用戶的用戶信息;
目標用戶選擇模組,用於根據待推薦的物品信息和備選目標用戶的用戶信息,從備選目標用戶中選擇待推薦的物品的推薦目標用戶;
目標用戶推播模組,用於將推薦目標用戶信息推播給推薦者的用戶終端。
在一些實施例,推薦目標用戶的選擇設備,包括:
處理器;
儲存器,其中儲存有處理器的可執行指令;
其中,處理器配置為經由執行可執行指令來執行推薦目標用戶的選擇方法的步驟。
在一些實施例,電腦可讀取儲存媒體,用於儲存程序,程序被執行時實現推薦目標用戶的選擇方法的步驟。
應當理解的是,以上的一般描述和後文的細節描述僅是示例性和解釋性的,並不能限制本公開。
本發明的推薦目標用戶的選擇方法、系統、設備及儲存媒體具有如下有益效果:
本發明在基於社交平台推薦物品時,通過用戶與物品之間的關聯性,從推薦者的社交平台好友中選擇物品推薦的目標用戶,從而可以選擇有高機率接受物品的被推薦者,大幅降低推薦錯誤對象的機會,提高推薦轉換率,對於被推薦者來說,其接受到的推薦信息大概率是自己比較感興趣的,從而可以避免被推薦者接收到過多無用信息,提升用戶的使用體驗,也避免了物品推薦流量的浪費。
現在將參考附圖更全面地描述示例實施方式。然而,示例實施方式能夠以多種形式實施,且不應被理解為限於在此闡述的範例;相反,提供這些實施方式使得本公開將更加全面和完整,並將示例實施方式的構思全面地傳達給本領域的技術人員。所描述的特徵、結構或特性可以以任何合適的方式結合在一個或更多實施方式中。
此外,圖式僅為本公開的示意性圖解,並非一定是按比例繪製。圖中相同的圖式符號表示相同或類似的部分,因而將省略對它們的重複描述。圖式中所示的一些方塊圖是功能實體,不一定必須與物理或邏輯上獨立的實體相對應。可以採用軟體形式來實現這些功能實體,或在一個或多個硬體模組或積體電路中實現這些功能實體,或在不同網路和/或處理器裝置和/或微控制器裝置中實現這些功能實體。
圖1為根據本案一些實施例所繪示之推薦目標用戶的選擇方法的流程圖。如圖1所示,在一些實施例,推薦目標用戶的選擇方法,包括如下步驟:
步驟S100:獲取待推薦的物品信息;
步驟S200:從社交平台獲取推薦者的關聯用戶,將關聯用戶作為物品推薦的備選目標用戶,並獲取備選目標用戶的用戶信息;
步驟S300:根據待推薦的物品信息和備選目標用戶的用戶信息,從備選目標用戶中選擇待推薦的物品的推薦目標用戶;
步驟S400:將推薦目標用戶信息推播給推薦者的用戶終端。
在一些實施例,推薦目標用戶的選擇方法中,首先通過步驟S100和步驟S200獲取到待推薦的物品信息和備選目標用戶的用戶信息。其中,步驟S100中,物品是一個廣義的概念,可以是待推薦的商品,例如,用戶在購物平台上選中的商品想要推薦給其他好友,或者也可以是待推薦的活動、待推薦的影視、待推薦的文章等等。步驟S200中,備選目標用戶是從社交平台中推薦者的關聯用戶中確定的。此處,社交平台可以包括例如微信、支付寶等社交網路平台,推薦者的關聯用戶可以包括推薦者在社交平台上的好友以及參加的群組等等。
進一步地,在一些實施例,通過步驟S300在基於社交平台推薦物品時,通過用戶與物品之間的關聯性,從推薦者的社交平台好友中選擇物品推薦的目標用戶。在選中了目標用戶之後,通過步驟S400將目標用戶信息推播給推薦者的用戶終端,推薦者可以直接在用戶終端上操作將物品推薦給目標用戶的用戶終端。此處用戶終端指的是用戶使用的終端設備,包括但不限於手機、平板電腦、筆記型電腦等等,此處目標用戶信息可以是目標用戶的ID等標識信息。例如,在推薦者選擇推薦物品時,其用戶終端跳轉至用戶選擇的社交平台的APP介面中,供推薦者選擇推薦對象,此時,通過採用步驟S100~S300選擇了推薦的目標用戶之後,將目標用戶的信息推播給用戶終端,用戶終端接收到目標用戶的信息之後,顯示推薦對象選擇介面。
圖2為根據本案一些實施例所繪示之推薦對象選擇介面J100的介面示意圖。如圖2所示,在一些實施例,圖2為在用戶終端中顯示的推薦對象選擇介面J100的示意圖。推薦對象選擇介面J100的好友選擇區可以顯示各個目標用戶的暱稱或備註名稱,推薦者可以在該介面中直接選擇推薦對象,發出推薦信息。具體地,好友選擇區可以分為兩個部分:推薦目標用戶的選擇區J110和非推薦目標用戶的選擇區J120。選擇區J110中顯示的即為通過步驟S100~S300選擇的推薦目標用戶,而推薦者的其他好友則可以列在選擇區J120中。兩個選擇區J110和J120可以採用不同的方式進行標識,例如採用不同的背景顔色,採用不同的選擇圖標,採用不同的文字格式等等。
因此,本發明可以選擇有高機率接受物品的被推薦者,大幅降低推薦錯誤對象的機會,提高推薦轉換率,對於被推薦者來說,其接受到的推薦信息大概率是自己比較感興趣的,從而可以避免被推薦者接收到過多無用信息。本發明通過將社交平台與購物平台(在其他場景中,可以是影視平台、活動平台、電子書平台等等)聯繫起來,在根據個人用戶的特徵進行廣告推薦的基礎上,充分利用社交網路的優勢,實現了用戶之間有針對性的相互推薦,在提高廣告流量轉換率的情况下,也更便於用戶獲知更多自己感興趣的商品信息。
圖3為根據本案一些實施例所繪示之選擇推薦目標用戶的流程圖。如圖3所示,在一些實施例,步驟S300中,根據待推薦的物品信息和備選目標用戶的用戶信息,確定待推薦的物品的推薦目標用戶,包括如下步驟:
步驟S310:獲取各個備選目標用戶在購物平台的歷史行為日誌;
步驟S320:根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶。
在一些實施例,步驟S320:根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶,包括如下步驟:
根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品;
判斷待推薦的物品是否屬備選目標用戶的關聯物品;
如果是,則備選目標用戶為待推薦的物品的推薦目標用戶。
因此,在一些實施例,本發明可以結合每個用戶在購物平台的歷史行為日誌來分析得到目標用戶的關聯物品,根據關聯物品來選擇推薦目標用戶,從而可以根據用戶的歷史操作行為來選擇合適的推薦目標用戶,提高目標用戶選擇的針對性。
在一些實施例,考慮到用戶的歷史行為日誌的數量有限,只依靠關聯物品來選擇目標用戶有很大的局限性。因此,還可以根據物品之間的關聯度構建物品模型,基於物品模型來對關聯物品進一步擴大範圍,加入關聯物品的相似物品,來選擇備選目標用戶。
步驟S320:根據備選目標用戶的歷史行為日誌確定備選目標用戶是否為待推薦的物品的推薦目標用戶,包括如下步驟:
步驟S321:根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品;
此處確定備選目標用戶的關聯物品,可以根據歷史行為日誌中用戶瀏覽過的、點擊過的或購買過的物品來進行選擇,並且可以根據用戶不同的操作類型計算用戶對每個物品的評分,例如,用戶瀏覽過且瀏覽時間大於一定閾值的物品的評分為「a」,用戶點擊過的物品的評分為「b」等等,如果用戶拒絕過某一物品的推薦,則用戶對於該物品的評分减去一定分值,最終選擇評分高於一定評分閾值的物品作為用戶的關聯物品;
步驟S322:根據關聯物品在物品模型中查詢關聯物品的相似物品,物品模型配置為儲存多個物品各自的相似物品,也就是儲存各個物品的相似物品;
步驟S323:判斷待推薦的物品是否屬備選目標用戶的關聯物品或關聯物品的相似物品;
如果是,則繼續步驟S324:備選目標用戶為待推薦的物品的推薦目標用戶;
如果否,則繼續步驟S325:備選目標用戶不是待推薦的物品的推薦目標用戶。
在一些實施例,物品模型可以基於物品之間的相似程度來構建。對於每個物品,依靠該物品的各個屬性的屬性值構建物品的特徵向量,物品的屬性可以包括名稱、商品類別、適用群體、搜索該物品的群體特徵等。然後根據兩兩物品的特徵向量可以計算其相似度,相似度可以採用餘弦相似度、歐氏距離等計算方法。在計算得到相似度「sim(j,i)」之後,可以構建物品矩陣,對於n個物品,物品矩陣中包括第i個物品和第j個物品的相似度值的陣列。此外,還可以進一步結合用戶的搜索關聯度來計算兩個物品的相似度,例如多個用戶都會在搜索「A物品」的時候同時搜索「B物品」,則可以認為「A物品」和「B物品」屬相似物品。最終得到的物品模型可以包括各個物品的相似物品合集「N(u)」,該相似物品與該物品之間的相似度大於預設相似度閾值。
在一些實施例,例如,對於血壓計來說,可以找到其相似物品合集「N(u)」包括血糖儀、電子血壓計、老年人養生、電子産品代理、智能電子血壓計等等。在一個用戶搜索過血壓計之後,如果其社交平台好友有一個血糖儀的推薦,也可以將該搜索過血壓計的用戶作為血糖儀的推薦目標用戶。
在一些實施例,如果一個用戶在購物平台中的歷史行為日誌數量很少,還可以進一步結合構建的用戶模型,結合用戶之間的關聯度,來選擇推薦目標用戶。
具體地,步驟S310:獲取各個備選目標用戶在購物平台的歷史行為日誌之後,如果獲取到的歷史行為日誌符合預設的日誌分析條件,則繼續步驟S320,此處預設的日誌分析條件可以是一個預定的日誌數量,如果日誌數量過少,則不符合預設的日誌分析條件,如果日誌數量達到預定的日誌數量要求,則可以繼續步驟S320。
如果未獲取到備選目標用戶的歷史行為日誌,或備選目標用戶的歷史行為日誌不符合預設的日誌分析條件,則繼續如下步驟:
步驟S331:根據用戶模型查詢備選目標用戶的相似用戶,用戶模型配置為儲存多個用戶各自的相似用戶,也就是儲存各個用戶的相似用戶;
步驟S332:查詢備選目標用戶的相似用戶的關聯物品,此處進一步還可以根據物品模型擴大相似用戶的關聯物品的範圍,將相似用戶的關聯物品的相似物品也作為相似用戶的關聯物品;
步驟S333:判斷待推薦的物品是否屬備選目標用戶的相似用戶的關聯物品;
如果是,則繼續步驟S324:備選目標用戶為待推薦的物品的推薦目標用戶;
如果否,則繼續步驟S325:備選目標用戶不是待推薦的物品的推薦目標用戶。
其中,用戶模型可以是預先採集每個用戶的特徵向量,根據兩兩用戶之間的特徵向量的相似度找到每個用戶的相似用戶合集「N(u)」,此相似用戶合集中的每個相似用戶與該用戶的相似度大於預設相似度閾值。具體地,每兩個用戶之間的相似度可以採用餘弦相似度、歐氏距離等等。根據用戶之間的相似度可以構建用戶矩陣,用戶矩陣包括第i個用戶和第j個用戶之間的相似度。用戶的特徵向量可以由用戶的多個屬性的屬性值組成,用戶的屬性可以包括基本屬性,例如用戶的年齡、性別、所屬地區等,還可以包括根據用戶的行為習慣分析得到的屬性,例如包括用戶的購物頻率、用戶的消費習慣等等。
於此,在一些實施例,以一個推薦血壓計的實例具體說明選擇推薦目標用戶的方法。在一個「用戶A」想要推薦血壓計給他的好友們時,首先獲取「用戶A」的「好友1、2、3……」的好友行為日誌,然後判斷「好友1、2、3……」在購物平台的操作中是否有瀏覽過或點擊過心電圖、血糖儀、血壓計等相關聯的物品,如果是,如果「好友1」曾經瀏覽過血糖儀,由於根據物品模型可以確定血糖儀為血壓計的相似物品,則「好友1」對血壓計高機率感興趣,將「好友1」選擇為推薦目標用戶。
如果「好友2」無歷史行為日誌,或者歷史行為日誌的數據很少,則根據用戶模型查找「好友2」的相似用戶,得到「相似用戶B」、「相似用戶C」等,如果「相似用戶B」的關聯物品有血壓計,則可以確定「好友2」對血壓計高機率感興趣,將「好友2」選擇為推薦目標用戶。
由此,在一些實施例,可以根據用戶模型與物品模型將好友分成對待推薦的物品有高機率感興趣或者低機率感興趣,用戶在需要推薦物品時,可以優先選擇有高機率感興趣的推薦目標用戶,避免干擾到沒有興趣的好友,降低用戶接收到無意義的不感興趣的推薦的可能,對於被推薦者來說,可以收到相關需求或喜好的商品或活動。購物平台可以給予優惠價格吸引消費者將商品推薦給其他人,活動主辦單位為吸引更多參與者、影視平台為吸引更多觀看人數,多願意提供優惠/紅利/積分等方式吸引現有用戶協助推廣。推薦者在推薦物品時,可以精準發現相似喜好的社交友人,可以精準推薦商品、活動等,達到團購的目的,從而可以使得推薦者和被推薦者都可獲益。
在一些實施例,步驟S321中,根據備選目標用戶的歷史行為日誌確定備選目標用戶的關聯物品,包括如下步驟:
備選目標用戶為群組時,獲取群組中所有單人用戶的歷史行為日誌,其中群組包括多個單人用戶,也就是獲取群組中所有的多個單人用戶的歷史行為日誌;
根據群組中所有單人用戶的歷史行為日誌確定群組的關聯物品,作為群組的關聯物品。具體地,即尋找群組中所有單人用戶的重合的關聯物品,作為群組的關聯物品。例如,一個群組中基本上所有用戶都曾經瀏覽過健身産品,則可以將健身物品作為群組的關聯物品。
在一些實施例,推薦目標用戶的選擇方法還包括如下步驟:
在向推薦目標用戶發送物品推薦信息之後,獲取推薦目標用戶的反饋數據,反饋數據可以包括用戶對推薦物品的瀏覽、點擊、購買等操作,也可以包括用戶對推薦物品的拒絕操作;
根據反饋數據調整推薦目標用戶所對應的關聯物品,即根據用戶的拒絕歷史情况,對物品進行降權處理,根據用戶對推薦物品的瀏覽、點擊、購買等操作,將物品加入用戶的關聯物品。
圖4為根據本案一些實施例所繪示之推薦目標用戶的選擇系統100的結構示意圖。如圖4所示,在一些實施例,推薦目標用戶的選擇系統100,用於實現所述的推薦目標用戶的選擇方法,推薦目標用戶的選擇系統100包括:
物品信息採集模組M100,用於獲取待推薦的物品信息;
備選用戶獲取模組M200,用於從社交平台獲取推薦者的關聯用戶,將關聯用戶作為物品推薦的備選目標用戶,並獲取備選目標用戶的用戶信息;
目標用戶選擇模組M300,用於根據待推薦的物品信息和備選目標用戶的用戶信息,從備選目標用戶中選擇待推薦的物品的推薦目標用戶;
目標用戶推播模組M400,用於將推薦目標用戶信息推播給推薦者的用戶終端。
在一些實施例,推薦目標用戶的選擇系統100首先通過物品信息採集模組M100和備選用戶獲取模組M200分別獲取待推薦的物品信息和可供選擇的備選目標用戶信息,目標用戶選擇模組M300通過用戶與物品之間的關聯性,從推薦者的社交平台好友中選擇物品推薦的目標用戶,並通過目標用戶推播模組M400將目標用戶信息推播給推薦者的用戶終端,從而可以選擇有高機率接受物品的被推薦者,大幅降低推薦錯誤對象的機會,提高推薦轉換率,對於被推薦者來說,其接受到的推薦信息大概率是自己比較感興趣的,從而可以避免被推薦者接收到過多無用信息,提升用戶的使用體驗,也避免了物品推薦流量的浪費。
在一些實施例,推薦目標用戶的選擇系統100中,各個模組的功能可以採用如上所述的推薦目標用戶的選擇方法的具體實施方式來實現,此處不予贅述。
在一些實施例,推薦目標用戶的選擇設備,包括處理器及儲存器。其中,儲存器儲存有處理器的可執行指令。其中,處理器配置為經由執行可執行指令來執行推薦目標用戶的選擇方法的步驟。在一些實施例,儲存器又稱為儲存裝置。
所屬技術領域的技術人員能夠理解,本發明的各個方面可以實現為系統、方法或程序産品。因此,本發明的各個方面可以具體實現為以下形式,即:完全的硬體實施方式、完全的軟體實施方式(包括固件、微代碼等),或硬體和軟體方面結合的實施方式,這裡可以統稱為「電路」、「模組」或「平台」。
圖5為根據本案一些實施例所繪示之推薦目標用戶的選擇設備的結構示意圖。下文以參照圖5來描述根據本發明的這種實施方式的電子設備600。圖5顯示的電子設備600僅僅是一個示例,不應對本發明實施例的功能和使用範圍帶來任何限制。
在一些實施例,如圖5所示,電子設備600以通用計算設備的形式表現。電子設備600的組件可以包括但不限於:至少一個處理單元610、至少一個儲存單元620、連接不同系統組件(包括儲存單元620和處理單元610)的匯流排630、顯示單元640等。
其中,儲存單元儲存有程序代碼,程序代碼可以被處理單元610執行,使得處理單元610執行本說明書上述推薦目標用戶的選擇方法部分中描述的根據本發明各種示例性實施方式的步驟。例如,處理單元610可以執行如圖1中所示的步驟。
在一些實施例,儲存單元620又稱為記憶體,儲存單元620可以包括揮發性儲存單元形式的可讀媒體,例如隨機存取記憶體(RAM)6201和/或快取記憶體6202,還可以進一步包括唯讀記憶體(ROM)6203。
儲存單元620還可以包括具有一組(至少一個)程序模組6205的程序/實用工具6204,這樣的程序模組6205包括但不限於:操作系統、一個或者多個應用程序、其它程序模組以及程序數據,這些示例中的每一個或某種組合中可能包括網路環境的實現。
匯流排630可以為表示幾類匯流排結構中的一種或多種,包括儲存單元匯流排或者儲存單元控制器、外圍匯流排、圖形加速端口、處理單元或者使用多種匯流排結構中的任意匯流排結構的區域匯流排。
電子設備600也可以與一個或多個外部設備700(例如鍵盤、指向設備、藍牙設備等)通信,還可與一個或者多個使得用戶能與該電子設備600交互的設備通信,和/或與使得該電子設備600能與一個或多個其它計算設備進行通信的任何設備(例如路由器、數據機等等)通信。這種通信可以通過輸入/輸出(I/O)接口650進行。並且,電子設備600還可以通過網路適配器660(網路適配器又稱為網卡)與一個或者多個網路(例如區域網路(LAN),廣域網路(WAN)和/或公共網路,例如網際網路)通信。網路適配器660可以通過匯流排630與電子設備600的其它模組通信。應當明白,儘管圖中未示出,可以結合電子設備600使用其它硬體和/或軟體模組,包括但不限於:微代碼、設備驅動器、冗餘處理單元、外部磁碟驅動陣列、RAID系統、磁帶驅動器以及數據備份儲存系統等。
在一些實施例,電腦可讀取儲存媒體,用於儲存程序,程序被執行時實現推薦目標用戶的選擇方法的步驟。在一些可能的實施方式中,本發明的各個方面還可以實現為一種程序産品的形式,其包括程序代碼,當程序産品在終端設備上執行時,程序代碼用於使終端設備執行本說明書上述推薦目標用戶的選擇方法部分中描述的根據本發明各種示例性實施方式的步驟。
圖6為根據本案一些實施例所繪示之電腦可讀取儲存媒體的結構示意圖。參考圖6所示,在一些實施例,圖6描述了根據本發明的實施方式的用於實現上述方法的程序産品800,其可以採用唯讀記憶光碟(CD-ROM)並包括程序代碼,並可以在終端設備,例如個人電腦上執行。然而,本發明的程序産品不限於此,在本文件中,可讀取儲存媒體可以是任何包含或儲存程序的有形媒體,該程序可以被指令執行系統、裝置或者器件使用或者與其結合使用。
程序産品800可以採用一個或多個可讀取媒體的任意組合。可讀取媒體可以是可讀信號媒體或者可讀取儲存媒體。可讀取儲存媒體例如可以為但不限於電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件,或者任意以上的組合。可讀取儲存媒體的更具體的例子(非窮舉的列表)包括:具有一個或多個導線的電連接、行動硬碟、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除可程式唯讀記憶體(EPROM或快閃記憶體)、光纖、唯讀記憶光碟(CD-ROM)、光儲存器件、磁儲存器件、或者上述的任意合適的組合。
電腦可讀取儲存媒體可以包括在基帶中或者作為載波一部分傳播的數據信號,其中承載了可讀程序代碼。這種傳播的數據信號可以採用多種形式,包括但不限於電磁信號、光信號或上述的任意合適的組合。可讀儲存媒體還可以是可讀儲存媒體以外的任何可讀媒體,該可讀媒體可以發送、傳播或者傳輸用於由指令執行系統、裝置或者器件使用或者與其結合使用的程序。可讀儲存媒體上包含的程序代碼可以用任何適當的媒體傳輸,包括但不限於無線、有線、光纜、RF等等,或者上述的任意合適的組合。
可以以一種或多種程序設計語言的任意組合來編寫用於執行本發明操作的程序代碼,程序設計語言包括面向對象的程序設計語言—諸如「Java」、「C++」等,還包括常規的過程式程序設計語言—諸如「C」語言或類似的程序設計語言。程序代碼可以完全地在用戶計算設備上執行、部分地在用戶設備上執行、作為一個獨立的軟體包執行、部分在用戶計算設備上部分在遠程計算設備上執行、或者完全在遠程計算設備或服務器上執行。在涉及遠程計算設備的情形中,遠程計算設備可以通過任意種類的網路,包括區域網路(LAN)或廣域網路(WAN),連接到用戶計算設備,或者,可以連接到外部計算設備(例如利用網際網路服務提供商來通過網際網路連接)。
綜上所述,通過採用本發明的推薦目標用戶的選擇方法、系統、設備及儲存媒體,在基於社交平台推薦物品時,通過用戶與物品之間的關聯性,從推薦者的社交平台好友中選擇物品推薦的目標用戶,從而可以選擇有高機率接受物品的被推薦者,大幅降低推薦錯誤對象的機會,提高推薦轉換率,對於被推薦者來說,其接受到的推薦信息大概率是自己比較感興趣的,從而可以避免被推薦者接收到過多無用信息,提升用戶的使用體驗,也避免了物品推薦流量的浪費。
以上內容是結合具體的優選實施方式對本發明所作的進一步詳細說明,不能認定本發明的具體實施只局限於這些說明。對於本發明所屬技術領域的普通技術人員來說,在不脫離本發明構思的前提下,還可以做出若干簡單推演或替換,都應當視為屬本發明的保護範圍。
S100~S400:步驟
J100:推薦對象選擇介面
J110:選擇區
J120:選擇區
S310、S320、S321~S325、S331~S333:步驟
100:推薦目標用戶的選擇系統
M100:物品信息採集模組
M200:備選用戶獲取模組
M300:目標用戶選擇模組
M400:目標用戶推播模組
600:電子設備
610:處理單元
620:儲存單元
6201:隨機存取記憶體
6202:快取記憶體
6203:唯讀記憶體
6204:程序/實用工具
6205:程序模組
630:匯流排
640:顯示單元
650:輸入/輸出接口
660:網路適配器
700:外部設備
800:程序產品
圖1為根據本案一些實施例所繪示之推薦目標用戶的選擇方法的流程圖。
圖2為根據本案一些實施例所繪示之推薦對象選擇介面的介面示意圖。
圖3為根據本案一些實施例所繪示之選擇推薦目標用戶的流程圖。
圖4為根據本案一些實施例所繪示之推薦目標用戶的選擇系統的結構示意圖。
圖5為根據本案一些實施例所繪示之推薦目標用戶的選擇設備的結構示意圖。
圖6為根據本案一些實施例所繪示之電腦可讀取儲存媒體的結構示意圖。
S100~S400:步驟
Claims (6)
- 一種推薦目標用戶的選擇方法,包括如下步驟:一處理器獲取一待推薦的物品信息;該處理器從一社交平台獲取一推薦者的一關聯用戶,將該關聯用戶作為一物品推薦的一備選目標用戶,並獲取該備選目標用戶的一用戶信息;該處理器根據該待推薦的物品信息和該備選目標用戶的該用戶信息,從該備選目標用戶中選擇一待推薦的物品的一推薦目標用戶;及該處理器將一推薦目標用戶信息推播給該推薦者的一用戶終端;其中,該處理器根據該待推薦的物品信息和該備選目標用戶的該用戶信息,確定該待推薦的物品的該推薦目標用戶,包括如下步驟:該處理器獲取該備選目標用戶在一購物平台的一歷史行為日誌;及該處理器根據該備選目標用戶的該歷史行為日誌確定該備選目標用戶是否為該待推薦的物品的該推薦目標用戶;其中,該處理器獲取該備選目標用戶在該購物平台的該歷史行為日誌之後,還包括如下步驟:如果該處理器未獲取到該備選目標用戶的該歷史行為日誌,或該備選目標用戶的該歷史行為日誌不符合一預設的日誌分析條件,則根據一用戶模型查詢該備選目標用戶的一相似用戶,該用戶模型配置為儲存多個用戶各自的一相似用戶,該多個用戶具有一用戶屬性,該用戶屬性包含所屬地區;該處理器查詢該備選目標用戶的該相似用戶的一關聯物品; 該處理器判斷該待推薦的物品是否屬該備選目標用戶的該相似用戶的該關聯物品;及如果是,則該備選目標用戶為該待推薦的物品的該推薦目標用戶;其中,該處理器根據該備選目標用戶的該歷史行為日誌確定該備選目標用戶的一關聯物品;該處理器判斷該待推薦的物品是否屬該備選目標用戶的該關聯物品;及如果是,則該備選目標用戶為該待推薦的物品的該推薦目標用戶;其中,該備選目標用戶為一群組時,該處理器獲取該群組中所有的多個單人用戶的一歷史行為日誌;及該處理器根據該群組中所有的該些單人用戶的該歷史行為日誌確定該群組的一關聯物品,作為該群組的該關聯物品。
- 如請求項1所述的推薦目標用戶的選擇方法,其中該處理器根據該備選目標用戶的該歷史行為日誌確定該備選目標用戶是否為該待推薦的物品的該推薦目標用戶,包括如下步驟:該處理器根據該備選目標用戶的該歷史行為日誌確定該備選目標用戶的一關聯物品;該處理器根據該關聯物品在一物品模型中查詢該關聯物品的一相似物品,該物品模型配置為儲存多個物品各自的該相似物品;該處理器判斷該待推薦的物品是否屬該備選目標用戶的該關聯物品或該關聯物品的該相似物品;及如果是,則該備選目標用戶為該待推薦的物品的該推薦目標用戶。
- 如請求項1或2所述的推薦目標用戶的選擇方法,其中該推薦目標用戶的選擇方法還包括如下步驟:在向該推薦目標用戶發送一物品推薦信息之後,該處理器獲取該推薦目標用戶的一反饋數據;及該處理器根據該反饋數據調整該推薦目標用戶所對應的一關聯物品。
- 一種推薦目標用戶的選擇系統,用於實現請求項1至3中任一項所述的推薦目標用戶的選擇方法,其中該推薦目標用戶的選擇系統包括:一物品信息採集模組,用於獲取一待推薦的物品信息;一備選用戶獲取模組,用於從一社交平台獲取一推薦者的一關聯用戶,將該關聯用戶作為一物品推薦的一備選目標用戶,並獲取該備選目標用戶的一用戶信息;一目標用戶選擇模組,用於根據該待推薦的物品信息和該備選目標用戶的該用戶信息,從該備選目標用戶中選擇一待推薦的物品的一推薦目標用戶;及一目標用戶推播模組,用於將一推薦目標用戶信息推播給該推薦者的一用戶終端。
- 一種推薦目標用戶的選擇設備,包括:一處理器;及一儲存器,其中儲存有該處理器的一可執行指令;其中,該處理器配置為經由執行該可執行指令來執行請求項1至3中任一項所述的推薦目標用戶的選擇方法的步驟。
- 一種電腦可讀取儲存媒體,用於儲存一程序,其中該程序被執行時實現請求項1至3中任一項所述的推薦目標用戶的選擇方法的步驟。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010834920.9A CN111914188A (zh) | 2020-08-19 | 2020-08-19 | 推荐目标用户的选择方法、系统、设备及存储介质 |
CN202010834920.9 | 2020-08-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202209220A TW202209220A (zh) | 2022-03-01 |
TWI823036B true TWI823036B (zh) | 2023-11-21 |
Family
ID=73279378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109142961A TWI823036B (zh) | 2020-08-19 | 2020-12-04 | 推薦目標用戶的選擇方法、系統、設備及儲存媒體 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111914188A (zh) |
TW (1) | TWI823036B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744018A (zh) * | 2020-11-23 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 物品信息推送方法及装置、计算机可存储介质 |
CN113158031B (zh) * | 2021-03-15 | 2024-04-23 | 北京水滴科技集团有限公司 | 用户资源信息的确定方法及装置、计算机存储介质、终端 |
CN113434762A (zh) * | 2021-06-28 | 2021-09-24 | 平安银行股份有限公司 | 基于用户信息的关联推送方法、装置、设备及存储介质 |
CN113609386A (zh) * | 2021-07-21 | 2021-11-05 | 深圳供电局有限公司 | 一种电价政策文档推送方法及其系统、存储介质 |
CN113689233A (zh) * | 2021-08-03 | 2021-11-23 | 广州华多网络科技有限公司 | 广告投放选品方法及其相应的装置、设备、介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7962505B2 (en) * | 2005-12-19 | 2011-06-14 | Strands, Inc. | User to user recommender |
CN106204144A (zh) * | 2016-07-14 | 2016-12-07 | 乐视控股(北京)有限公司 | 一种信息推送方法及信息推送装置 |
CN107862530A (zh) * | 2016-09-19 | 2018-03-30 | 阿里巴巴集团控股有限公司 | 建立用户人际关系信息的方法及装置 |
TW202004618A (zh) * | 2018-05-22 | 2020-01-16 | 香港商阿里巴巴集團服務有限公司 | 產品推薦方法和裝置 |
CN111475737A (zh) * | 2020-03-23 | 2020-07-31 | 威比网络科技(上海)有限公司 | 用户推荐方法、装置、电子设备、存储介质 |
CN111475741A (zh) * | 2019-01-24 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281622B (zh) * | 2013-07-11 | 2017-12-05 | 华为技术有限公司 | 一种社交媒体中的信息推荐方法和装置 |
CN106534984B (zh) * | 2016-12-23 | 2020-07-14 | 深圳Tcl数字技术有限公司 | 电视节目推送方法及装置 |
CN108320213A (zh) * | 2018-01-31 | 2018-07-24 | 深圳春沐源控股有限公司 | 电商商品推荐方法和电商平台服务器 |
CN109903127A (zh) * | 2019-02-14 | 2019-06-18 | 广州视源电子科技股份有限公司 | 一种群组推荐方法、装置、存储介质及服务器 |
CN110046965A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
-
2020
- 2020-08-19 CN CN202010834920.9A patent/CN111914188A/zh active Pending
- 2020-12-04 TW TW109142961A patent/TWI823036B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7962505B2 (en) * | 2005-12-19 | 2011-06-14 | Strands, Inc. | User to user recommender |
CN106204144A (zh) * | 2016-07-14 | 2016-12-07 | 乐视控股(北京)有限公司 | 一种信息推送方法及信息推送装置 |
CN107862530A (zh) * | 2016-09-19 | 2018-03-30 | 阿里巴巴集团控股有限公司 | 建立用户人际关系信息的方法及装置 |
TW202004618A (zh) * | 2018-05-22 | 2020-01-16 | 香港商阿里巴巴集團服務有限公司 | 產品推薦方法和裝置 |
CN111475741A (zh) * | 2019-01-24 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法和装置 |
CN111475737A (zh) * | 2020-03-23 | 2020-07-31 | 威比网络科技(上海)有限公司 | 用户推荐方法、装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111914188A (zh) | 2020-11-10 |
TW202209220A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI823036B (zh) | 推薦目標用戶的選擇方法、系統、設備及儲存媒體 | |
US9065727B1 (en) | Device identifier similarity models derived from online event signals | |
RU2641268C2 (ru) | Способ, устройство и система для рекомендации информации о продукте | |
JP4947477B1 (ja) | レコメンド装置、レコメンド方法およびレコメンドプログラム | |
US20090216639A1 (en) | Advertising selection and display based on electronic profile information | |
US10853424B1 (en) | Content delivery using persona segments for multiple users | |
US11244359B2 (en) | Location-based bid modifiers | |
US20120054042A1 (en) | Id-value assessment device, id-value assessment system, and id-value assessment method | |
US20120310731A1 (en) | Method and system for displaying related product information | |
US20160042403A1 (en) | Extraction device, extraction method, and non-transitory computer readable storage medium | |
US9436766B1 (en) | Clustering of documents for providing content | |
JP2018147045A (ja) | 検索装置、検索方法及び検索プログラム | |
US20210158398A1 (en) | User data segmentation augmented with public event streams for facilitating customization of online content | |
US8886575B1 (en) | Selecting an algorithm for identifying similar user identifiers based on predicted click-through-rate | |
JP6754808B2 (ja) | 情報処理装置、情報処理方法 | |
US20090077093A1 (en) | Feature Discretization and Cardinality Reduction Using Collaborative Filtering Techniques | |
JP2018185575A (ja) | 提供装置、提供方法、及び提供プログラム | |
CN113139115A (zh) | 信息推荐方法、搜索方法、装置及客户端、介质及设备 | |
CN107169837B (zh) | 用于辅助搜索的方法、装置、电子设备及计算机可读介质 | |
WO2023137050A1 (en) | Systems and methods for generating a personality profile based on user data from different sources | |
TWM633789U (zh) | 媒合系統 | |
US10185982B1 (en) | Service for notifying users of item review status changes | |
de Almeida et al. | Personalizing the top-k spatial keyword preference query with textual classifiers | |
KR20210059000A (ko) | 구매를 위한 대안적인 제품들의 플러그-인 인에이블형 식별 및 디스플레이 | |
Beer et al. | Implementation of a map-reduce based context-aware recommendation engine for social music events |