WO2017028735A1 - 选择及推荐展示对象的方法及装置 - Google Patents
选择及推荐展示对象的方法及装置 Download PDFInfo
- Publication number
- WO2017028735A1 WO2017028735A1 PCT/CN2016/094661 CN2016094661W WO2017028735A1 WO 2017028735 A1 WO2017028735 A1 WO 2017028735A1 CN 2016094661 W CN2016094661 W CN 2016094661W WO 2017028735 A1 WO2017028735 A1 WO 2017028735A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- user
- display object
- determining
- store
- identifier
- Prior art date
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]
- G06Q30/0609—Buyer or seller confidence or verification
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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]
- G06Q30/0641—Shopping interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/75—Indicating network or usage conditions on the user display
Abstract
本申请提供一种选择及推荐展示对象的方法及装置,用以解决现有的人工确定参与业务的展示对象存在的主观性较强、效率较低且容易出错的问题。该选择方法包括:子服务器接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
Description
本发明涉及数据处理技术领域,尤其涉及一种选择及推荐展示对象的方法及装置。
电子商务平台,尤其是C2C(Consumer to Consumer,消费者对消费者)电子商务平台,为了吸引消费者,以及多方位推广展示对象,提高展示对象的成交量,通常在一个总服务器(用于运行一个商务平台)下关联不同的子服务器(用于运行子商务平台),每个子服务器承载不同的业务。
例如,将总服务器A下关联子服务器A1和子服务器A2,总服务器A用来承载展示对象的常规出售业务,子服务器A1用来承载展示对象的团购促销业务,子服务器A2用来承载展示对象的返利促销业务。
此时,总服务器A内的展示对象具有参与子服务器A1的团购促销业务的报名资格,具体能否参与,需要对展示对象进行能否参与团购促销业务的确定。若展示对象O1被选择为可以参与团购促销业务,则展示对象O1的第一用户(例如,提供展示对象O1的卖家用户等)就可以在子服务器A1上对展示对象O1组织团购促销。同样的,总服务器A内的展示对象具有参与子服务器A2的返利促销业务的报名资格,具体能否参与,需要对展示对象进行能否参与返利促销业务的确定。若展示对象O2被选择为可以参与返利促销业务,则展示对象O2的第一用户就可以在子服务器A2上对展示对象O2组织返利促销。
子服务器的管理者为了防止有问题(例如,假冒伪劣)的展示对象在子服务器上展示,影响第二用户(例如,查看或购买展示对象的用户等)体验,甚至对第二用户造成损害,通常在需要依据参与业务的展示对象的各种信息,例如,展示对象的价格和历史交易信息等来选择能参与业务的展示对象,避免将
有问题的展示对象提供给消费者。
目前,上述选择参与业务的展示对象大多是通过人工依据经验进行确定。这种确定方法存在主观性较强,工作量较大,效率较低,加大人力成本,且人工确定参与业务的展示对象易出错以及存在较大的廉政风险的缺陷。
发明内容
本发明实施例提供一种选择及推荐展示对象的方法及装置,用以解决现有的人工确定参与业务的展示对象存在的主观性较强、效率较低且容易出错的问题。
一种选择展示对象的方法,包括:
子服务器接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;
根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;
从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;
根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;
从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
一种对利用上述的方法选择出的展示对象进行推荐的方法,每一展示对象对应一个或多个消费层级,且对应一个或多个兴趣标签,所述进行推荐的方法包括:
根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;
在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;
在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户。
一种选择展示对象的装置,包括:
接收模块,用于接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;
第一确定模块,用于根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;
第二确定模块,用于从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;
第三确定模块,用于根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;
第一选择模块,用于从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
一种对上述所述的装置选择出的展示对象的进行推荐的装置,每一展示对象对应一个或多个消费层级,且对应一个或多个兴趣标签,所述进行推荐的装置包括:
第五确定模块,用于根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;
第二选择模块,用于在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;
推荐模块,用于在该第二用户访问所述子服务器时,将包含进一步选择的
所述展示对象的网页推荐给该第二用户。
在本申请实施例的方案中,事先设置了第一用户的展示参与条件,并根据第一用户的历史行为信息,确定第一用户是否为满足设定的业务参与条件的第一用户,在该第一用户满足设定的业务参与条件时,从该第一用户的请求参与业务的展示对象中选择部分或全部展示对象;这就使得在选择总服务器中能够参与子服务器的业务的展示对象时,可以自动化地、相对客观地和准确地确定总服务器中能参与子服务器的展示业务的展示对象;并且由于先从第一用户来对参与业务的展示对象进行过滤,有效地从第一用户源头制止了将有问题的展示对象提供给消费者,减少了后续确定展示对象的数量,不但提高了第二用户的购物体验,而且提高了选择展示对象的效率。
图1为本申请实施例一提供的选择展示对象的方法的流程图;
图2为本申请实施例二提供的推荐展示对象的方法的流程图;
图3为本申请实施例三提供的选择展示对象的装置的结构示意图;
图4为本申请实施例四提供的推荐展示对象的装置的结构示意图。
为了避免子服务器在确定总服务器中能够参与子服务器的业务的展示对象时,出现的主观性较强、效率较低且容易出错的问题,本申请实施例提供一种选择展示对象的方法。该方法中,首先,子服务器接收第一用户终端发送的携带有展示对象的标识的业务参与请求消息,利用总服务器中存储的展示对象的标识和第一用户的标识之间的对应关系,确定请求参与业务的展示对象对应的第一用户;然后根据从总服务器中获取确定的所述第一用户的历史行为信息,并根据该历史行为信息,判断确定的所述第一用户是否满足设定的业务参与条件;最后,在确定第一用户满足设定的业务参与条件时,从该第一用户的
请求参与业务的展示对象中,选择部分或全部展示对象作为确定的展示对象。这就使得在选择总服务器中能够参与子服务器的业务的展示对象时,可以自动化地、相对客观地和准确地确定参与业务的展示对象;并且由于先从第一用户来对参与业务的展示对象进行过滤,有效地从第一用户源头制止了将有问题展示对象提供给消费者,减少了后续确定展示对象的数量,不但提高了第二用户的购物体验,而且提高了确定展示对象的效率。
为了清楚地说明本申请实施例的方案,下面先对总服务器上存储或记录的信息进行说明:
1)包含的每一展示对象的特征以及历史交易行为特征,展示对象的特征可以包括:价格、库存、所属类目、性别偏好等中一种或多种,对应的一个或多个叶子类目和对应的一个或多个消费层级,展示对象的历史交易行为特征包括:销量、退款率、好评率、差评率、收藏量、搜索量、浏览量和历史文本评价信息等中一种或多种;以及各店铺的经营特征包括:店铺的星级、发货速度、服务质量、开店时长等中一种或多种;
2)每一第一用户的标识和该第一用户在总服务器上展示的展示对象的标识之间的对应关系;
3)每一第一用户售卖其在该总服务器上展示其展示对象的过程中以及为售卖所述展示对象所做的准备产生的行为信息,这些已经发生的行为信息相对于当前正在发生的行为信息就称为历史行为信息,第一用户的历史行为信息是记录了第一用户的历史行为。
例如:店铺注册记录(注册时间、注册的主营类目、注册的现居住地、注册使用的手机号和注册使用的邮箱地址等)、店铺登录记录(登录店铺的时长、登录店铺使用的设备的标识和登录店铺使用的IP(Internet Protocal,网络互联协议)地址等,还可包括:历史处罚分值、售卖假货记录、欺诈第二用户记录、出售违禁展示对象记录、虚假认证记录、行贿记录中的一种或多种;上述还可包括的信息可以通过第二用户的投诉记录以及网络管理者的审查记录获得;
这里的售卖假货记录、欺诈第二用户记录、出售违禁展示对象记录、虚假认证记录、行贿记录可称为不良记录,历史处罚分值即是从总体上反映这些不良记录的严重程度以及发生次数的多少;每发生一次不良记录,即可将历史处罚分值增加该次的不良记录对应的分值。总体而言,售卖假货记录、欺诈记录、出售违禁展示对象记录、虚假认证记录和行贿记录的次数越多,历史处罚分值越高。
4)每一第二用户访问该总服务器时产生的行为信息,也即第二用户的历史行为信息,例如:行为(如购买/浏览/收藏/加购),该行为针对的展示对象的标识、该行为发生的时间信息;对展示对象的文本评价信息、对展示对象所属店铺的发货速度、服务质量、描述相符程度等的评价信息等。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本申请。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
下面结合附图,用具体实施例对本申请提供的方法及装置进行详细描述。
实施例一
如图1所示,其为本申请实施例一提供的选择展示对象的方法,包括以下步骤:
步骤101:子服务器接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;
总服务器中包含的第一用户的标识所表示的第一用户,在需要将其在总服务器中的展示对象参与子服务器的业务时,可以使用第一用户终端将需要参与业务的展示对象的标识携带在业务参与请求中,并将该业务参与请求发送给子服务器。
这里,业务参与请求消息中携带的展示对象的标识所表示的展示对象,即为请求参与业务的展示对象;子服务器通过本步骤101即可获知请求参与业务
的展示对象,后续针对这些请求参与业务的展示对象进行是否能够参与展示进行确定。
步骤102:子服务器根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;
这里,总服务器中存储了每一第一用户的标识和该第一用户在该总服务器上展示的展示对象的标识之间的对应关系;第一用户每新增一个展示对象,总服务器即可以建立该新增的展示对象与该第一用户的标识之间的对应关系,第一用户每删除一个展示对象,即可以相应地删除该删除的展示对象与该第一用户的标识之间的对应关系。
子服务器可以在接收各第一用户终端发送的业务参与请求消息之后,通过向总服务器发送对应关系请求消息,进而从总服务器中获得上述对应关系;这种方式获得的对应关系由于是最新的,因此,可较为准确地利用这种方式获得的对应关系确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;
子服务器也可以在接收各第一用户终端发送的业务参与请求消息之前,通过向总服务器发送对应关系请求消息,进而从总服务器中获得上述对应关系;
步骤103:子服务器从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;
第一用户的历史行为信息已在上文中已经介绍,这里不再赘述。
本步骤103获得第一用户的历史行为信息,是为了后续对请求参与业务的展示对象对应的第一用户进行是否满足设定的业务参与条件的确定提供依据。
步骤104:子服务器根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;
这里设定的业务参与条件是对第一用户进行过滤的条件,主要目的是过滤出售有问题的展示对象的第一用户。
考虑到出售过有问题的某一展示对象的第一用户,当前及未来其极可能也会出售其它有问题的展示对象,因此,本步骤104中,将由问题的第一用户过滤掉,达到有效地从第一用户源头制止了将有问题的展示对象提供给消费者的效果。
由于有问题的展示对象是来自第一用户的,因此,有问题的展示对象被展示及售卖后,第二用户及其它利害关系人会对该出问题的展示对象以及该店铺进行反馈,例如:给予差评、投诉该第一用户售假、投诉该第一用户欺诈、举报该第一用户出售违禁展示对象、举报该第一用户进行了虚假认证、举报该第一用户存在行贿等;这些反馈及举报最终反映该第一用户的历史行为,被记录在该第一用户的历史行为信息中;
基于上述分析,避免将有问题的展示对象展示给访问子服务器的第二用户,可以根据有问题的展示对象是所来自的第一用户的历史行为信息来确定上述设定的业务参与条件,当然,也可以结合其它因素来确定上述设定的业务参与条件,这里并不对此进行限定。
下面给出两种优选的实施方式:
第一种优选的实施方式:将历史处罚分值小于第一设定值作为设定的业务参与条件;
也即:针对每一确定的所述第一用户的标识所表示的第一用户,判断该第一用户的历史处罚分值是否小于第一设定值;
若是,则确定该第一用户为满足设定的业务参与条件的第一用户;
若否,则确定该第一用户为不满足设定的业务参与条件的第一用户。
由于历史处罚分值从总体上反映了第一用户的不良记录的次数及严重程度,分值越高,就表示了该第一用户的不良记录次数越多及严重程度越高,因此,应将这类历史处理分值不小于第一设定值的第一用户过滤掉。
第二种优选的实施方式:将历史处罚分值小于第一设定值,且与确定出的不良第一用户不为同一第一用户作为设定的业务参与条件;
该第二种优选的实施方式的具体实现步骤包括如下第一步至第五步:
第一步:根据总服务器中存储的各第一用户的标识所表示的第一用户中,除确定出的所述第一用户的标识所表示的第一用户外的历史行为信息,确定不良第一用户;
所述不良第一用户包括:售卖假货的第一用户、欺诈第二用户的第一用户、出售违禁展示对象的第一用户、虚假认证的第一用户和存在行贿问题的第一用户;
总服务器中记录了所有第一用户的历史行为信息,因此,可以利用总服务器中存储的各第一用户的标识所表示的第一用户中,除确定出的所述第一用户的标识所表示的第一用户外的历史行为信息确定上述不良第一用户。
第二步:针对每一确定的所述第一用户的标识所表示的第一用户,判断该第一用户的历史处罚分值是否小于第一设定值;若是,则执行第三步;若否,则执行第五步;
这里的第二步与上述第一种优选的实施方式中的判断过程相同,因此,不再赘述。
第三步:根据该第一用户的店铺注册记录和店铺登陆记录,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户;若是,则执行第四步;若否,则执行第五步;
这里的店铺注册记录和店铺登录记录在上文中已经介绍,因此,不再赘述。
考虑到在网络中,一个第一用户可以注册多个账号(也即第一用户的标识),同时经营多个店铺,尽管第一用户的标识不同,而实际中可能对应的是同一第一用户。为了防止第一用户在其一个店铺A1中展示及售卖没有问题的展示对象,历史处罚分值小于设定值,但在另一个店铺A2中展示及售卖有问题的展示对象,这时该第一用户针对店铺A1所使用的第一用户的标识所表示的第一用户就可以达到满足设定的业务参与条件,一旦满足设定的业务参与条件,该第一用户可能利用有问题的展示对象参与子服务器的业务,因此,这里
的第三步中需要判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户,也即对该第一用户是否与不良第一用户中的某一不良第一用户为同一第一用户进行判断,最大程度上避免将有问题的展示对象提供给第二用户。
对于经营多个店铺的同一第一用户,由于在注册不同的店铺时填写的注册信息也即店铺注册记录的相似性较大的可能性很高,并且在登录店铺时使用的设备、登录店铺的时间段、登录店铺的使用的IP地址等这些店铺登录记录的相似性较大的可能性也较高,因此,可以利用该第一用户的店铺注册记录和店铺登陆记录,与不良第一用户中的各不良第一用户的店铺注册记录和店铺登陆记录进行比较,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户。
在所述店铺登录记录包括登录店铺的时长、登录店铺使用的设备的标识和登录店铺使用的网络互联协议IP地址时,这里的第三步的优选的实施方式可以如下:
判断确定出的不良第一用户中是否存在以下三种不良第一用户中的任一种或多种不良第一用户,若是,则判断为存在与该第一用户为同一第一用户的不良第一用户;若否,则判断为不存在与该第一用户为同一第一用户的不良第一用户;
第一种不良第一用户:登录店铺使用的设备的标识与该第一用户登录店铺使用的设备的标识相同,且使用该设备登录店铺的时长大于第二设定值不良第一用户;
第二种不良第一用户:登录店铺使用的IP地址与该第一用户登录店铺使用的IP地址相同,且使用该IP地址登录店铺的时长大于第二设定值不良第一用户;
第三种不良第一用户:店铺注册记录与该第一用户的店铺注册记录的相似度大于第三设定值的不良第一用户。
第四步:确定该第一用户为满足设定的业务参与条件的第一用户。
第五步:确定该第一用户为不满足设定的业务参与条件的第一用户。
步骤105:子服务器从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象;
本步骤105中,子服务器可以使用多种方法从从满足设定的业务参与条件的第一用户的请求参与业务的部分展示对象中,选择展示对象。例如,方法一:随机选择;方法二:按照展示对象的价格选择;方法三:依据请求参与业务的展示对象所属的类目与子服务器承载的业务当前针对的类目是否匹配进行选择,在匹配时,选择该请求参与业务的展示对象;在不匹配时,不选择该请求参与业务的展示对象。
步骤105中选择出的展示对象,可以是全部展示对象,也可以是部分展示对象。
下面给出本步骤105的优选实施方式:
可以通过以下方式从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象:
针对每一满足设定的业务参与条件的第一用户的每一请求参与业务的展示对象,执行以下步骤a1至步骤f1:
步骤a1:确定该展示对象的劣质指标值;
对于一些展示对象,其不为假冒展示对象,但其本身的质量存在问题,为了避免将此类展示对象提供给第二用户,需要对反映该展示对象的为劣质展示对象的信息进行量化,进而确定出该展示对象的劣质指标值;
确定的劣质指标值的高低反映了展示对象劣质程度的厉害性,劣质指标值越高,表明展示对象的劣质程度越高。
具体的,可以通过以下方式来确定该展示对象的劣质指标值:
根据该展示对象所属店铺的DSR(Detail Seller Rating,详尽第一用户评级)分值、价格信息、历史文本评价信息和退款率信息中的一种或多种,确定该展
示对象的劣质指标值。
DSR包括宝贝描述相符度、第一用户服务态度、快递发货速度等三个维度,分值高低直接指向展示对象的品质和细节,因此,可以利用DSR确定展示对象的劣质指标值;
在该展示对象的价格偏离相同款式、相同材质的展示对象的平均价格较远时,表明该展示对象可能为劣质的展示对象,可以利用偏离程度的大小确定该展示对象的劣质指标值;
历史文本评价信息中通常包含“好”、“赞”、“差”等反映展示对象的品质的词语,因此,与DSR相似,也可以用来确定展示对象的劣质指标值;
在该展示对象的退款率较高时,表明多数第二用户在购买到该展示对象后,可能不满意该展示对象,此时,该展示对象可能为劣质的展示对象,可以利用退款率确定该展示对象的劣质指标值;
更具体的,可以使用现有的逐步回归模型,利用该展示对象所属店铺的DSR分值、价格信息、历史文本评价信息和退款率对步骤a1中的劣质指标值进行确定。
步骤b1:预测该展示对象的成交销量指标值;
展示对象之前在总服务器中进行了常规出售,可以利用常规出售时的历史成交销量,并结合一些其他因素(例如促销力度值、季节因素)等预测展示对象的成交销量指标值;
具体的,可以通过以下优选的实施方式来预测该展示对象的成交销量指标值:
根据该展示对象的特征、历史交易行为特征、所属店铺的经营特征和所要投放的网购平台的业务特征中的一种或多种,预测该展示对象的成交销量指标值;
其中,步骤b1中使用到的展示对象的特征包括:价格、库存、所属类目、性别偏好、消费层级中的一种或多种;
步骤b1中使用到的历史交易行为特征包括:销量、退款率、好评率、销量、退款率、好评率、收藏量、搜索量、浏览量中的一种或多种;
步骤b1中使用到的店铺的经营特征包括:店铺的星级、发货速度、服务质量、开店时长中的一种或多种;
步骤b1中使用到的网购平台的业务特征包括:主营类目、促销力度值中的一种或两种。
具体的,可以对上述特征、历史交易行为特征、所属店铺的经营特征和所要投放的网购平台的业务特征中的一种或多种所涉及的数据进行初步处理后,使用现有的迭代决策树GBRT预测算法,预测该展示对象的成交销量。
步骤c1:根据确定的劣指标值和预测的成交销量指标值,确定该展示对象的综合评分;
由于确定的劣指指标值可以反映展示对象的劣质程度,预测的成交销量反映了第二用户对展示对象的需求程度,本申请中,子服务器对展示对象进行选择的目的就是要选择出那些质量相对较好,且第二用户需求量相对大的展示对象,因此,需要根据确定的劣质指标值和预测的成交销量指标值,确定展示对象的综合评分,该综合评分能对展示对象的质量的高低和需求量大小做出反映。
假设归一化后的劣质指标值为p,归一化后的成交销量指标值为q,则本步骤c1中,可以利用以下公式(1)得到展示对象的综合评分S:
当然,也不限于使用其他公式确定展示对象的综合评分,例如,采用公式(2)得到展示对象的综合评分S:
其中,M表示劣质指标值;P1、P2表示加权因子,P1+P2=1;N表示成交销量指标值;X和Y为固定值。
步骤d1:判断该该展示对象的综合评分是否在设定区间范围内,若是,则
执行步骤e1;若否,则执行步骤f1;
所述设定区间范围可以根据经验值确定。
步骤e1:将该展示对象作为选择的展示对象。
此时,步骤e1中选择出的展示对象通常为劣质指标值较低且预测出的成交销量较高的展示对象,这些展示对象将被选择,后续能够参与子服务器的业务。
步骤f1:将该展示对象过滤掉。
此时,步骤f1中选择出的展示对象通常为预测出的成交销量和劣质指标值两个均较低的展示对象,这些展示对象将被过滤掉,后续不能参与子服务器的业务。
经过上述步骤a1至步骤f1的选择过程,使得劣质指标值较高的展示对象和预测的成交销量较低的展示对象被过滤掉,在后续提供给第二用户的展示对象为劣质指标值较低的展示对象和预测的成交销量较高的展示对象,这些展示对象可被认为是优质的展示对象,对第二用户来说,就减少了第二用户选择需要购买的展示对象占用的时间,提高了购买体验;对子服务器来说,省去了存储预测的成交销量较低的展示对象和劣质的展示对象信息的空间,减少了第二用户对劣质指标值较高的展示对象和预测的成交销量较低的展示对象的浏览(该浏览很大程度上不会带来成交销量)带来的压力,并且,由于子服务器后续提供给第二用户的为劣质指标值较低且预测出的成交销量较高的展示对象,这些展示对象被第二用户购买的可能性较大,因此,提高了展示对象的购买转化率。
在子服务器选择出展示对象后,可以将选择的展示对象推荐给访问该子服务器的第二用户,下面通过实施例二的方案对推荐展示对象的方法进行说明。
实施例二
本申请实施例二提供一种推荐展示对象的方法,该展示对象可以为利用实
施例一中的选择展示对象的方法选择出的展示对象,其流程图如图2所示,包括以下步骤:
步骤201:根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;
这里,每一展示对象对应一个或多个消费层级,且对应一个或多个兴趣标签。
每一展示对象均对应一个具体的价格信息,根据该展示对象的价格信息与其同类的展示对象的价格信息(也即与该展示对象处于同一类目下的展示对象),将价格划分为至少两个价格区间,并建立价格区间与消费层级的对应关系,之后确定该展示对象的价格所处的价格区间,进而从上述价格区间与消费层级的对应关系,即可获得该展示对象所对应的消费层级。
所述兴趣标签可以是指展示对象适用的场景或者展示对象被使用后传达的购买者的偏好;例如,针对冲锋衣这一展示对象,其适用于旅游及户外运动,其对应的兴趣标签可以为旅游和户外运动;针对格子包这一展示对象,其被使用后传达的购买者的偏好为爱逛街、气质、小香风或名媛淑女等,其对应的兴趣标签可以为气质、小香风、名媛淑女和爱逛街。
具体的,可以通过以下方式确定该第二用户的购买力层级:
根据该第二用户购买的各展示对象的价格所属的价格区间所对应的消费层级,确定该第一用户的购买力层级,其中,所述价格区间为展示对象所属类目的价格区间,每一类目对应多个价格区间。
例如:若第一用户1购买的每一第二用户A品牌女性单肩包的价格为300元,该300在格子包这一类目下所属的价格区间为大于等于250小于等于400,该大于等于280小于等于500所对应的消费层级为2级;则该第一用户的购买力层级为2级。
这里为了简化,举例中只使用了第二用户的购买的一个展示对象的价格进行说明,当然,可以根据该第二用户购买的多个展示对象的价格来确定该第二
用户的购买力层级,此时,得到的该第二用户的购买力层级将会更为准确。
所述第二用户的历史行为信息可以包括:行为、该行为的发生时间和该行为针对的业务对象的标识,所述行为包括:购买、浏览、加购和收藏;
具体的,可以通过以下步骤a2至步骤d2确定该第二用户的感兴趣的兴趣标签:
步骤a2:确定该第二用户的历史行为信息中包含的各展示对象的标识所表示的展示对象对应的叶子类目;
其中,叶子类目是其下没有子类目的类目;
例如,在第二用户1的历史行为信息如下表(1)所示,其中,0112890这一标识所表示的展示对象为A品牌女性单肩格子包,0112899这一标识所表示的展示对象为B品牌的女性手提格子包,确定A品牌女性单肩包以及B品牌女性手提格子包对应的叶子类目为格子包;
表(1)
表(1)中,以第2列为例,表示的意思是第二用户1在2015年7月5日12:00浏览了标识为0112890的展示对象;
针对确定的每一叶子类目,执行以下操作:
步骤b2:将该第二用户在该叶子类目下的行为划分为至少一个行为簇,其中,属于同一行为簇的任两个行为的发生时间之差在设定的时间范围内;
考虑到第二用户在搜感兴趣的展示对象的时候,一般不会一直不停地去只去看、搜藏、加购单一的展示对象,这就使得若利用单个展示对象去计算行为簇的时候过于分散,一个第二用户很难在某个单一的商品上有连续、连贯足够
多的行为行程一个大的簇,因此,本实施例中的行为簇采用在叶子类目下的行为簇,而不是采用单个展示对象下的行为簇。
沿用步骤a2中的例子,假设设定的时间范围为2小时,则可将第二用户1在格子包下的行为划分为2个行为簇:行为簇1和行为簇2,行为簇1包含浏览、收藏共2个行为;行为簇2包含浏览、购买、浏览、收藏共4个行为;
步骤c2:根据划分的所述行为簇,确定该第二用户对该叶子类目感兴趣与否;
具体的,可以通过以下两种方式来根据划分的所述行为簇,确定该第二用户对该叶子类目感兴趣与否:
方式一:事先为每一行为对应一个设定分值,然后对每一行为簇中包含的各行为对应的设定分值进行求和,得到每一行为簇的分值;之后将第二用户在该类目下的行为簇的分值的最大值与设定的第一感兴趣阈值进行比较,若大于第一感兴趣阈值,则确定该第二用户对该叶子类目感兴趣;反之,则确定该第二用户对该叶子类目不感兴趣;
沿用步骤b2中的例子,假设收藏对应的设定分值为3分,浏览对应的设定分值为2分,购买对应的设定值为6分,则方式一中得到行为簇1的分值为5分,行为簇2对应的分值为13分。第二用户1在格子包这一叶子类目下的行为簇的最高分值为13分,假设设定的第一感兴趣阈值为6,由于最高分值13分大于6分,则确定该第二用户1对格子包这一叶子类目感兴趣。
方式二:统计各行为簇中包含的行为的个数;确定包含行为的个数的最大值,在该最大值大于设定的第二感兴趣阈值时,确定大于第二感兴趣阈值,则确定该第二用户对该叶子类目感兴趣;反之,则确定该第二用户对该叶子类目不感兴趣;
仍然沿用步骤b2中的例子,第二用户1在格子包这一叶子类目下的行为簇1中包含的行为的个数为2,在行为簇2中包含的行为的个数为4,在第二感兴趣阈值为3时,确定该第二用户1对格子包这一叶子类目感兴趣。
步骤d2:在确定该第二用户对该叶子类目感兴趣时,将该叶子类目对应的兴趣标签作为该第二用户的感兴趣的兴趣标签。
沿用步骤c2中的例子,步骤d2中,确定了第二用户1对将格子包这一叶子类目感兴趣,将格子包对应的兴趣标签气质、小香风、名媛淑女和爱逛街为第一用户1的感兴趣的兴趣标签。
步骤202:在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;
第二用户的购买力层级和其感兴趣的展示对象所属的消费层级相匹配时,第二用户购买该感兴趣的展示对象的可能性较大;
这里的相匹配可以为相同,也可以为两者之差的绝对值在设定数量个级别以内;
本步骤202中,在进一步选择时,除了考虑上述第二用户感兴趣的兴趣标签、消费层级,在展示对象具有性别倾向时,还可以考虑第二用户的性别,也即进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,所对应的消费层级与该第二用户的购买力层级、且所对应的性别与第二用户的性别相匹配的展示对象。
步骤203:在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户。
在推荐时,可以针对该第二用户设置个性化展示网页,将包含进一步确定的所述展示对象或者所属的类目展示在访问时打开的首页中,也可以将进一步确定的所述展示对象展示在每一网页的展示对象推荐区域。
考虑到进一步选择的所述展示对象的个数可能大于设定的推荐个数,也可能小于设定的推荐个数,为了能为第二用户推荐设定的推荐个数个展示对象,较佳的,在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户之前,所述方法还包括:
判断进一步选择的所述展示对象的个数是否小于设定的推荐个数;
若判断结果为是,则根据该第二用户的特征、选择出的展示对象的特征、选择出的展示对象所属店铺的经营特征和所要投放的网购平台的业务特征,确定该第二用户购买,每一选择出的展示对象中除进一步选择的所述展示对象外,的展示对象的概率,按照该第二用户购买展示对象的概率由大到小的顺序,对选择出的展示对象中除进一步选择的所述展示对象外的展示对象进行排序,其中,第二用户的特征包括购买力层级、性别、浏览特征、购买特征中的一种或多种;
具体可以利用GBRT算法根据该第二用户的特征、选择出的展示对象的特征、选择出的展示对象所属店铺的经营特征和所要投放的网购平台的业务特征,确定该第二用户购买,每一选择出的展示对象中除进一步选择的所述展示对象外,的展示对象的概率;
此时,本步骤203具体包括:在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象和排序在前M位展示对象的网页推荐给该第一用户,其中,所述M为设定的推荐个数与进一步选择的所述展示对象的个数之差。
若判断结果为否,则针对进一步选择出的每一展示对象,确定该展示对象对应的各兴趣标签的得分,将得分的最大值作为第二用户对该展示对象的兴趣值;按照确定的兴趣值由大到小的顺序,对进一步选择出的展示对象进行排序;
这里,沿用步骤d2中的例子进行说明:
由步骤d2中可知,第二用户1在的感兴趣的兴趣标签为气质、小香风、名媛淑女和爱逛街,此时,可将第二用户1在格子包这一叶子类目下的行为簇的最高分值为13分作为气质、小香风、名媛淑女和爱逛街这些兴趣标签的兴趣值;并将进一步选择出的展示对象对应的兴趣标签与上述第二用户1在的感兴趣的兴趣标签相匹配的兴趣标签的兴趣值也设置为13;例如:假设进一步选择出的展示对象包含A品牌休闲连衣裙和B品牌手链,A品牌休闲连衣裙对
应的兴趣标签中包含爱逛街,B品牌手链对应的兴趣标签中也包含名媛淑女,则将该A品牌休闲连衣裙对应的爱逛街这一兴趣标签的兴趣值也设置为13;将该B品牌手链对应的名媛淑女这一兴趣标签的兴趣值也设置为13;
此时,本步骤203具体包括:在该第二用户访问所述子服务器时,将包含排序在前设定的推荐个数位的展示对象的网页推荐给该第二用户。
在本申请实施例二的方案中,在对实施例一选择出的展示对象推荐给用户时,结合第二用户的历史行为信息,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;由于推荐的展示对象是与第二用户相匹配的展示对象,使得第二用户可以快速地从推荐的展示对象中选择需要的展示对象,因此,提升了用户体验,提高了展示对象的购买转化率。
实施例三
与实施例一相对应的,本申请实施例三提供一种选择展示对象的装置,其结构示意图如图3所示,包括:
接收模块31,用于接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;
第一确定模块32,用于根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;
第二确定模块33,用于从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;
第三确定模块34,用于根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;
第一选择模块35,用于从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
较佳的,所述第一用户的历史行为信息包括:历史处罚分值、售卖假货记录、欺诈第二用户记录、出售违禁展示对象记录、虚假认证记录、行贿记录中的一种或多种,其中,售卖假货记录、欺诈记录、出售违禁展示对象记录、虚假认证记录和行贿记录的次数越多,历史处罚分值越高。
较佳的,所述第三确定模块34,具体用于针对每一确定的所述第一用户的标识所表示的第一用户,判断该第一用户的历史处罚分值是否小于第一设定值;若是,则确定该第一用户为满足设定的业务参与条件的第一用户;若否,则确定该第一用户为不满足设定的业务参与条件的第一用户。
较佳的,所述第一用户历史行为信息还包括:店铺注册记录和店铺登陆记录;所述装置还包括:
第四确定模块36,用于根据总服务器中存储的各第一用户的标识所表示的第一用户中,除确定出的所述第一用户的标识所表示的第一用户外的历史行为信息,确定不良第一用户,所述不良第一用户包括:售卖假货的第一用户、欺诈第二用户的第一用户、出售违禁展示对象的第一用户、虚假认证的第一用户和存在行贿问题的第一用户;
所述装置还包括:第一判断模块37,用于在第三确定模块判断该第一用户的历史处罚分值小于第一设定值之后,确定该第一用户为满足设定的业务参与条件的第一用户之前,根据该第一用户的店铺注册记录和店铺登陆记录,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户;
所述第三确定模块34,具体用于若第一判断模块的判断结果为不存在时,则确定该第一用户为满足设定的业务参与条件的第一用户。
较佳的,所述店铺登录记录包括登录店铺的时长、登录店铺使用的设备的标识和登录店铺使用的网络互联协议IP地址;
所述第四确定模块36,具体用于判断确定出的不良第一用户中是否存在以下三种不良第一用户中的任一种或多种不良第一用户,若是,则判断为存在与
该第一用户为同一第一用户的不良第一用户;若否,则判断为不存在与该第一用户为同一第一用户的不良第一用户;
第一种不良第一用户:登录店铺使用的设备的标识与该第一用户登录店铺使用的设备的标识相同,且使用该设备登录店铺的时长大于第二设定值不良第一用户;
第二种不良第一用户:登录店铺使用的IP地址与该第一用户登录店铺使用的IP地址相同,且使用该IP地址登录店铺的时长大于第二设定值不良第一用户;
第三种不良第一用户:店铺注册记录与该第一用户的店铺注册记录的相似度大于第三设定值的不良第一用户。
较佳的,所述第一选择模块35,具体用于针对每一满足设定的业务参与条件的第一用户的每一请求参与业务的展示对象,执行以下操作:确定该展示对象的劣质指标值;并预测该展示对象的成交销量指标值;根据确定的劣指标值和预测的成交销量指标值,确定该展示对象的综合评分;若该展示对象的综合评分在设定区间范围内,则将该展示对象作为选择的展示对象。
较佳的,所述第一选择模块35,具体用于根据该展示对象所属店铺的详尽第一用户评级DSR分值、价格信息、历史文本评价信息和退款率信息中的一种或多种,确定该展示对象的劣质指标值。
较佳的,所述第一选择模块35,具体用于根据该展示对象的特征、历史交易行为特征、所属店铺的经营特征和所要投放的网购平台的业务特征中的一种或多种,预测该展示对象的成交销量指标值;其中,展示对象的特征包括:价格、库存、所属类目;历史交易行为特征包括:销量、退款率、好评率;店铺的经营特征包括:店铺的星级、发货速度、服务质量;网购平台的业务特征包括:主营类目、促销力度值。
实施例四
与实施例二相对应的,本申请实施例四提供一种选择展示对象的装置,其结构示意图如图4所示,其中,每一展示对象对应一个或多个购买力层级,且对应一个或多个兴趣标签,所述进行推荐的装置包括:
第五确定模块41,用于根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;
第二选择模块42,用于在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;
推荐模块43,用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户。
较佳的,每一叶子类目对应一个或多个兴趣标签,所述第二用户的历史行为信息包括:行为、该行为的发生时间和该行为针对的展示对象的标识,所述行为包括:购买、浏览、加购和收藏;
所述第二选择模块42,具体用于通过以下方式确定该第二用户的感兴趣的兴趣标签:确定该第二用户的历史行为信息中包含的各展示对象的标识所表示的展示对象对应的叶子类目;针对确定的每一叶子类目,执行以下操作:将该第二用户在该叶子类目下的行为划分为至少一个行为簇,其中,属于同一行为簇的任两个行为的发生时间之差在设定的时间范围内;根据划分的所述行为簇,确定该第二用户对该叶子类目感兴趣与否;在确定该第二用户对该叶子类目感兴趣时,将该叶子类目对应的兴趣标签作为该第二用户的感兴趣的兴趣标签。
较佳的,所述进行推荐的装置还包括:第二判断模块44,用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户之前,判断进一步选择的所述展示对象的个数是否小于设定的推荐个数;
第六确定模块45,用于在进一步选择的所述展示对象的个数小于设定的推
荐个数时,根据该第二用户的特征、选择出的展示对象的特征、选择出的展示对象所属店铺的经营特征和所要投放的网购平台的业务特征,确定该第二用户购买,每一选择出的展示对象中除进一步选择的所述展示对象外,的展示对象的概率,其中,第二用户的特征包括购买力层级、性别、浏览特征、购买特征中的一种或多种;
排序模块46,用于按照该第二用户购买展示对象的概率由大到小的顺序,对择出的展示对象中除进一步选择的所述展示对象外的展示对象进行排序;
所述推荐模块43,具体用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象和排序在前M位展示对象的网页推荐给该第一用户,其中,所述M为设定的推荐个数与进一步选择的所述展示对象的个数之差。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式实现。基于这样的理解,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
本领域技术人员可以理解附图只是一个优选实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中终端中的模块可以按照实施例描述进行分布于实施例的终端中,也可以进行相应变化位于不同于本实施例的一个或多个终端中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (22)
- 一种选择展示对象的方法,其特征在于,包括:子服务器接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
- 如权利要求1所述的方法,其特征在于,所述第一用户的历史行为信息包括:历史处罚分值,以及售卖假货记录、欺诈第二用户记录、出售违禁展示对象记录、虚假认证记录、行贿记录中的一种或多种。
- 如权利要求2所述的方法,其特征在于,根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户,包括:针对每一确定的所述第一用户的标识所表示的第一用户,判断该第一用户的历史处罚分值是否小于第一设定值;若是,则确定该第一用户为满足设定的业务参与条件的第一用户;若否,则确定该第一用户为不满足设定的业务参与条件的第一用户。
- 如权利要求3所述的方法,其特征在于,所述第一用户历史行为信息还包括:店铺注册记录和店铺登陆记录;所述方法还包括:根据总服务器中存储的各第一用户的标识所表示的第一用户中,除确定出的所述第一用户的标识所表示的第一用户外的历史行为信息,确定不良第一用 户,所述不良第一用户包括:售卖假货的第一用户、欺诈第二用户的第一用户、出售违禁展示对象的第一用户、虚假认证的第一用户和存在行贿问题的第一用户;在判断该第一用户的历史处罚分值小于第一设定值之后,确定该第一用户为满足设定的业务参与条件的第一用户之前,所述方法还包括:根据该第一用户的店铺注册记录和店铺登陆记录,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户;所述确定该第一用户为满足设定的业务参与条件的第一用户,具体包括:若判断结果为不存在,则确定该第一用户为满足设定的业务参与条件的第一用户。
- 如权利要求4所述的方法,其特征在于,所述店铺登录记录包括登录店铺的时长、登录店铺使用的设备的标识和登录店铺使用的网络互联协议IP地址;根据该第一用户的店铺注册记录和店铺登陆记录,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户,包括:判断确定出的不良第一用户中是否存在以下三种不良第一用户中的任一种或多种不良第一用户,若是,则判断为存在与该第一用户为同一第一用户的不良第一用户;若否,则判断为不存在与该第一用户为同一第一用户的不良第一用户;第一种不良第一用户:登录店铺使用的设备的标识与该第一用户登录店铺使用的设备的标识相同,且使用该设备登录店铺的时长大于第二设定值不良第一用户;第二种不良第一用户:登录店铺使用的IP地址与该第一用户登录店铺使用的IP地址相同,且使用该IP地址登录店铺的时长大于第二设定值不良第一用户;第三种不良第一用户:店铺注册记录与该第一用户的店铺注册记录的相似 度大于第三设定值的不良第一用户。
- 如权利要求1所述的方法,其特征在于,从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中选择展示对象包括:针对每一满足设定的业务参与条件的第一用户的每一请求参与业务的展示对象,执行以下操作:确定该展示对象的劣质指标值;并预测该展示对象的成交销量指标值;根据确定的劣指标值和预测的成交销量指标值,确定该展示对象的综合评分;若该展示对象的综合评分在设定区间范围内,则将该展示对象作为选择的展示对象。
- 如权利要求6所述的方法,其特征在于,确定该展示对象的劣质指标值,包括:根据该展示对象所属店铺的详尽第一用户评级DSR分值、价格信息、历史文本评价信息和退款率信息中的一种或多种,确定该展示对象的劣质指标值。
- 如权利要求6所述的方法,其特征在于,预测该展示对象的成交销量指标值,包括:根据该展示对象的特征、历史交易行为特征、所属店铺的经营特征和所要投放的网购平台的业务特征中的一种或多种,预测该展示对象的成交销量指标值;其中,展示对象的特征包括:价格、库存、所属类目、性别偏好、消费层级中的一种或多种;历史交易行为特征包括:销量、退款率、好评率、收藏量、搜索量、浏览量中的一种或多种;店铺的经营特征包括:店铺的星级、发货速度、服务质量、开店时长中的一种或多种;网购平台的业务特征包括:主营类目、促销力度值中的一种或两种。
- 一种对利用权利要求1至8任一所述的方法选择出的展示对象进行推荐的方法,其特征在于,每一展示对象对应一个或多个消费层级,且对应一个或多个兴趣标签,所述进行推荐的方法包括:根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户。
- 如权利要求9所述的进行推荐的方法,其特征在于,每一叶子类目对应一个或多个兴趣标签,所述第二用户的历史行为信息包括:行为、该行为的发生时间和该行为针对的展示对象的标识,所述行为包括:购买、浏览、加购和收藏;通过以下方式确定该第二用户的感兴趣的兴趣标签:确定该第二用户的历史行为信息中包含的各展示对象的标识所表示的展示对象对应的叶子类目;针对确定的每一叶子类目,执行以下操作:将该第二用户在该叶子类目下的行为划分为至少一个行为簇,其中,属于同一行为簇的任两个行为的发生时间之差在设定的时间范围内;根据划分的所述行为簇,确定该第二用户对该叶子类目感兴趣与否;在确定该第二用户对该叶子类目感兴趣时,将该叶子类目对应的兴趣标签作为该第二用户的感兴趣的兴趣标签。
- 如权利要求10所述的进行推荐的方法,其特征在于,在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户之前,所述方法还包括:判断进一步选择的所述展示对象的个数是否小于设定的推荐个数;在进一步选择的所述展示对象的个数小于设定的推荐个数时,根据该第二用户的特征、选择出的展示对象的特征、选择出的展示对象所属店铺的经营特征和所要投放的网购平台的业务特征,确定该第二用户购买,每一选择出的展示对象中除进一步选择的所述展示对象外,的展示对象的概率,其中,第二用户的特征包括购买力层级、性别、浏览特征、购买特征中的一种或多种;按照该第二用户购买展示对象的概率由大到小的顺序,对选择出的展示对象中除进一步选择的所述展示对象外的展示对象进行排序;在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户,具体包括:在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象和排序在前M位展示对象的网页推荐给该第一用户,其中,所述M为设定的推荐个数与进一步选择的所述展示对象的个数之差。
- 一种选择展示对象的装置,其特征在于,包括:接收模块,用于接收各第一用户终端发送的业务参与请求消息,所述业务参与请求消息中携带有展示对象的标识;第一确定模块,用于根据从总服务器获取的展示对象的标识与第一用户的标识之间的对应关系,确定接收的各业务参与请求消息中携带的展示对象的标识对应的第一用户的标识;第二确定模块,用于从总服务器获取确定的各第一用户的标识所表示的第一用户的历史行为信息;第三确定模块,用于根据获取的第一用户的历史行为信息,确定满足设定的业务参与条件的第一用户;第一选择模块,用于从满足设定的业务参与条件的第一用户的请求参与业务的展示对象中,选择展示对象。
- 如权利要求12所述的装置,其特征在于,所述第一用户的历史行为 信息包括:历史处罚分值,以及售卖假货记录、欺诈第二用户记录、出售违禁展示对象记录、虚假认证记录、行贿记录中的一种或多种。
- 如权利要求13所述的装置,其特征在于,所述第三确定模块,具体用于针对每一确定的所述第一用户的标识所表示的第一用户,判断该第一用户的历史处罚分值是否小于第一设定值;若是,则确定该第一用户为满足设定的业务参与条件的第一用户;若否,则确定该第一用户为不满足设定的业务参与条件的第一用户。
- 如权利要求14所述的装置,其特征在于,所述第一用户历史行为信息还包括:店铺注册记录和店铺登陆记录;所述装置还包括:第四确定模块,用于根据总服务器中存储的各第一用户的标识所表示的第一用户中,除确定出的所述第一用户的标识所表示的第一用户外的历史行为信息,确定不良第一用户,所述不良第一用户包括:售卖假货的第一用户、欺诈第二用户的第一用户、出售违禁展示对象的第一用户、虚假认证的第一用户和存在行贿问题的第一用户;所述装置还包括:第一判断模块,用于在第三确定模块判断该第一用户的历史处罚分值小于第一设定值之后,确定该第一用户为满足设定的业务参与条件的第一用户之前,根据该第一用户的店铺注册记录和店铺登陆记录,判断确定出的不良第一用户中是否存在与该第一用户为同一第一用户的不良第一用户;所述第三确定模块,具体用于若第一判断模块的判断结果为不存在时,则确定该第一用户为满足设定的业务参与条件的第一用户。
- 如权利要求15所述的装置,其特征在于,所述店铺登录记录包括登录店铺的时长、登录店铺使用的设备的标识和登录店铺使用的网络互联协议IP地址;所述第四确定模块,具体用于判断确定出的不良第一用户中是否存在以下三种不良第一用户中的任一种或多种不良第一用户,若是,则判断为存在与该 第一用户为同一第一用户的不良第一用户;若否,则判断为不存在与该第一用户为同一第一用户的不良第一用户;第一种不良第一用户:登录店铺使用的设备的标识与该第一用户登录店铺使用的设备的标识相同,且使用该设备登录店铺的时长大于第二设定值不良第一用户;第二种不良第一用户:登录店铺使用的IP地址与该第一用户登录店铺使用的IP地址相同,且使用该IP地址登录店铺的时长大于第二设定值不良第一用户;第三种不良第一用户:店铺注册记录与该第一用户的店铺注册记录的相似度大于第三设定值的不良第一用户。
- 如权利要求12所述的装置,其特征在于,所述第一选择模块,具体用于针对每一满足设定的业务参与条件的第一用户的每一请求参与业务的展示对象,执行以下操作:确定该展示对象的劣质指标值;并预测该展示对象的成交销量指标值;根据确定的劣指标值和预测的成交销量指标值,确定该展示对象的综合评分;若该展示对象的综合评分在设定区间范围内,则将该展示对象作为选择的展示对象。
- 如权利要求17所述的装置,其特征在于,所述第一选择模块,具体用于根据该展示对象所属店铺的详尽第一用户评级DSR分值、价格信息、历史文本评价信息和退款率信息中的一种或多种,确定该展示对象的劣质指标值。
- 如权利要求17所述的装置,其特征在于,所述第一选择模块,具体用于根据该展示对象的特征、历史交易行为特征、所属店铺的经营特征和所要投放的网购平台的业务特征中的一种或多种,预测该展示对象的成交销量指标值;其中,展示对象的特征包括:价格、库存、所属类目;历史交易行为特征包括:销量、退款率、好评率;店铺的经营特征包括:店铺的星级、发货速度、服务质量;网购平台的业务特征包括:主营类目、促销力度值。
- 一种对利用权利要求12至19任一所述的装置选择出的展示对象的进行推荐的装置,其特征在于,每一展示对象对应一个或多个消费层级,且对应一个或多个兴趣标签,所述进行推荐的装置包括:第五确定模块,用于根据第二用户的历史行为信息,确定该第二用户的购买力层级和感兴趣的兴趣标签;第二选择模块,用于在所述选择出的展示对象中,进一步选择所对应的兴趣标签中包含该第二用户感兴趣的兴趣标签,且所对应的消费层级与该第二用户的购买力层级相匹配的展示对象;推荐模块,用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户。
- 如权利要求20所述的进行推荐的装置,其特征在于,每一叶子类目对应一个或多个兴趣标签,所述第二用户的历史行为信息包括:行为、该行为的发生时间和该行为针对的展示对象的标识,所述行为包括:购买、浏览、加购和收藏;所述第二选择模块,具体用于通过以下方式确定该第二用户的感兴趣的兴趣标签:确定该第二用户的历史行为信息中包含的各展示对象的标识所表示的展示对象对应的叶子类目;针对确定的每一叶子类目,执行以下操作:将该第二用户在该叶子类目下的行为划分为至少一个行为簇,其中,属于同一行为簇的任两个行为的发生时间之差在设定的时间范围内;根据划分的所述行为簇,确定该第二用户对该叶子类目感兴趣与否;在确定该第二用户对该叶子类目感兴趣时,将该叶子类目对应的兴趣标签作为该第二用户的感兴趣的兴趣标签。
- 如权利要求21所述的进行推荐的装置,其特征在于,所述进行推荐的装置还包括:第二判断模块,用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象的网页推荐给该第二用户之前,判断进一步选择的所述展示对象的个数是否小于设定的推荐个数;第六确定模块,用于在进一步选择的所述展示对象的个数小于设定的推荐 个数时,根据该第二用户的特征、选择出的展示对象的特征、选择出的展示对象所属店铺的经营特征和所要投放的网购平台的业务特征,确定该第二用户购买,每一选择出的展示对象中除进一步选择的所述展示对象外,的展示对象的概率,其中,第二用户的特征包括购买力层级、性别、浏览特征、购买特征中的一种或多种;排序模块,用于按照该第二用户购买展示对象的概率由大到小的顺序,对选择出的展示对象中除进一步选择的所述展示对象外的展示对象进行排序;所述推荐模块,具体用于在该第二用户访问所述子服务器时,将包含进一步选择的所述展示对象和排序在前M位展示对象的网页推荐给该第一用户,其中,所述M为设定的推荐个数与进一步选择的所述展示对象的个数之差。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018509903A JP6753578B2 (ja) | 2015-08-20 | 2016-08-11 | 電子配信プラットフォーム上で提示対象を選択および推奨するための方法および装置 |
US15/753,201 US20180253769A1 (en) | 2015-08-20 | 2016-08-11 | Method and apparatus for selecting and recommending presentation objects on electronic distribution platforms |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510515860.3 | 2015-08-20 | ||
CN201510515860.3A CN106469392A (zh) | 2015-08-20 | 2015-08-20 | 选择及推荐展示对象的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2017028735A1 true WO2017028735A1 (zh) | 2017-02-23 |
Family
ID=58050741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2016/094661 WO2017028735A1 (zh) | 2015-08-20 | 2016-08-11 | 选择及推荐展示对象的方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180253769A1 (zh) |
JP (1) | JP6753578B2 (zh) |
CN (1) | CN106469392A (zh) |
WO (1) | WO2017028735A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229604B (zh) | 2017-05-27 | 2020-12-18 | 北京小米移动软件有限公司 | 交易记录信息显示方法、装置及计算机可读存储介质 |
CN107730313B (zh) * | 2017-09-30 | 2020-11-03 | 口碑(上海)信息技术有限公司 | 基于推荐理由的店铺推荐方法及装置 |
CN107657485A (zh) * | 2017-10-07 | 2018-02-02 | 张嘉雯 | 一种依托网络服务器的营销系统 |
CN107767227A (zh) * | 2017-10-31 | 2018-03-06 | 深圳春沐源控股有限公司 | 网上商城的商品推荐方法、商品推荐系统 |
CN109615423B (zh) * | 2018-11-29 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 业务的处理方法及装置 |
CN109816483B (zh) * | 2019-01-08 | 2021-02-09 | 上海上湖信息技术有限公司 | 信息推荐方法及装置、可读存储介质 |
US11609579B2 (en) | 2019-05-01 | 2023-03-21 | Smartdrive Systems, Inc. | Systems and methods for using risk profiles based on previously detected vehicle events to quantify performance of vehicle operators |
US11300977B2 (en) * | 2019-05-01 | 2022-04-12 | Smartdrive Systems, Inc. | Systems and methods for creating and using risk profiles for fleet management of a fleet of vehicles |
US11262763B2 (en) | 2019-05-01 | 2022-03-01 | Smartdrive Systems, Inc. | Systems and methods for using risk profiles for creating and deploying new vehicle event definitions to a fleet of vehicles |
CN110610404A (zh) * | 2019-09-11 | 2019-12-24 | 中国联合网络通信集团有限公司 | 网络课程推荐方法、装置、系统、电子设备、存储介质 |
CN115204322B (zh) * | 2022-09-16 | 2022-11-22 | 成都新希望金融信息有限公司 | 行为链路异常识别方法和装置 |
CN116489419B (zh) * | 2023-06-16 | 2023-08-18 | 上海云梯信息科技有限公司 | 面向目标用户终端集合的信息推送方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206753A (zh) * | 2007-12-25 | 2008-06-25 | 腾讯科技(深圳)有限公司 | 电子商务实现方法及电子商务服务器以及电子商务客户端 |
US20140012645A1 (en) * | 2012-07-05 | 2014-01-09 | Share Magnet, LLC | Syndicated sharing of promotional information |
CN103729365A (zh) * | 2012-10-12 | 2014-04-16 | 阿里巴巴集团控股有限公司 | 一种搜索方法和系统 |
CN103839178A (zh) * | 2014-02-28 | 2014-06-04 | 珠海市君天电子科技有限公司 | 一种获得商品质量信息的方法及系统 |
CN103903156A (zh) * | 2012-12-25 | 2014-07-02 | 时空创意(北京)科技文化发展有限公司 | 一种在社交网络中进行抢位促销的系统和方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003235270A1 (en) * | 2002-05-15 | 2003-12-02 | Elady Ltd. | Buying and selling intermediation system and buying and selling intermediation method |
US8611856B2 (en) * | 2005-10-18 | 2013-12-17 | Google Inc. | Identifying spurious requests for information |
JP5433394B2 (ja) * | 2009-12-17 | 2014-03-05 | 楽天株式会社 | 商取引処理装置、不正評価判定方法、及び不正評価判定処理プログラム |
CN102103729A (zh) * | 2009-12-22 | 2011-06-22 | 阿里巴巴集团控股有限公司 | 基于网络交易的消费者保障服务系统及方法、网上交易架构 |
US20110238516A1 (en) * | 2010-03-26 | 2011-09-29 | Securefraud Inc. | E-commerce threat detection |
CN102956009B (zh) * | 2011-08-16 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的电子商务信息推荐方法与装置 |
CN103729383B (zh) * | 2012-10-16 | 2017-04-12 | 阿里巴巴集团控股有限公司 | 商品信息的推送方法和装置 |
US10332139B2 (en) * | 2013-03-14 | 2019-06-25 | Feedvisor Ltd. | Dynamic re-pricing of items on electronic marketplaces and/or online stores |
WO2014204900A2 (en) * | 2013-06-19 | 2014-12-24 | Alibaba Group Holding Limited | Method and system for recommending information |
US20150154687A1 (en) * | 2013-12-04 | 2015-06-04 | Sellershood LLC | Reseller sales force |
CN104268761A (zh) * | 2014-09-29 | 2015-01-07 | 深圳市百科在线科技发展有限公司 | 基于消费特征的后台产品推荐辅助决策方法及系统 |
CN108197331B (zh) * | 2015-01-21 | 2020-02-04 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
-
2015
- 2015-08-20 CN CN201510515860.3A patent/CN106469392A/zh active Pending
-
2016
- 2016-08-11 US US15/753,201 patent/US20180253769A1/en not_active Abandoned
- 2016-08-11 JP JP2018509903A patent/JP6753578B2/ja active Active
- 2016-08-11 WO PCT/CN2016/094661 patent/WO2017028735A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206753A (zh) * | 2007-12-25 | 2008-06-25 | 腾讯科技(深圳)有限公司 | 电子商务实现方法及电子商务服务器以及电子商务客户端 |
US20140012645A1 (en) * | 2012-07-05 | 2014-01-09 | Share Magnet, LLC | Syndicated sharing of promotional information |
CN103729365A (zh) * | 2012-10-12 | 2014-04-16 | 阿里巴巴集团控股有限公司 | 一种搜索方法和系统 |
CN103903156A (zh) * | 2012-12-25 | 2014-07-02 | 时空创意(北京)科技文化发展有限公司 | 一种在社交网络中进行抢位促销的系统和方法 |
CN103839178A (zh) * | 2014-02-28 | 2014-06-04 | 珠海市君天电子科技有限公司 | 一种获得商品质量信息的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106469392A (zh) | 2017-03-01 |
US20180253769A1 (en) | 2018-09-06 |
JP6753578B2 (ja) | 2020-09-09 |
JP2019508756A (ja) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017028735A1 (zh) | 选择及推荐展示对象的方法及装置 | |
US20200410531A1 (en) | Methods, systems, and apparatus for enhancing electronic commerce using social media | |
US20180150914A1 (en) | Identity mapping between commerce customers and social media users | |
US10733647B2 (en) | Cumulative evaluation and review systems and methods | |
TWI534733B (zh) | Based on interpersonal distance ranking, search methods and devices | |
TW201305944A (zh) | 商品資訊投放方法和設備 | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
US20140379617A1 (en) | Method and system for recommending information | |
US9818145B1 (en) | Providing product recommendations based on user interactions | |
KR102006900B1 (ko) | 온라인 쇼핑을 위한 정보 제공방법 및 이를 위한 통합 서버 | |
US20130006713A1 (en) | Method for aggregating pricing information and assigning a fair market value to goods sold in a peer-to-peer e-commerce transaction | |
CN103853948A (zh) | 用户身份的识别、信息的过滤及搜索方法和服务器 | |
WO2017092602A1 (zh) | 一种信息投放用户的筛选方法和服务器 | |
CN107004215A (zh) | 用于即将到期库存的电子市场平台 | |
CN108429776B (zh) | 网络对象的推送方法、装置、客户端、交互设备以及系统 | |
US20170024783A1 (en) | Methods and systems for ranking merchants | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6440661B2 (ja) | 判定装置、判定方法および判定プログラム | |
JP6417002B1 (ja) | 生成装置、生成方法及び生成プログラム | |
US20230334538A1 (en) | Electronic commerce management computer for providing product information, product information management computer, and product information provision method | |
CN109829593B (zh) | 目标对象的信用度确定方法、装置、存储介质及电子装置 | |
KR102576123B1 (ko) | 제품 공동구매 연계 시스템 및 방법 | |
KR20200137500A (ko) | 상품 체험 대상자 매칭 서버 | |
Li et al. | An appraisal mechanism for a social marketplace | |
JP2019032827A (ja) | 生成装置、生成方法及び生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16836599 Country of ref document: EP Kind code of ref document: A1 |
|
WWE | Wipo information: entry into national phase |
Ref document number: 15753201 Country of ref document: US |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
NENP | Non-entry into the national phase |
Ref country code: JP |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16836599 Country of ref document: EP Kind code of ref document: A1 |