WO2020238363A1 - 信息推送方法、装置、电子商务系统以及存储介质 - Google Patents
信息推送方法、装置、电子商务系统以及存储介质 Download PDFInfo
- Publication number
- WO2020238363A1 WO2020238363A1 PCT/CN2020/080877 CN2020080877W WO2020238363A1 WO 2020238363 A1 WO2020238363 A1 WO 2020238363A1 CN 2020080877 W CN2020080877 W CN 2020080877W WO 2020238363 A1 WO2020238363 A1 WO 2020238363A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- product
- recommended
- electronic device
- store
- 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]
- G06Q30/0631—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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种信息推送方法、装置、电子商务系统以及存储介质,涉及电子商务技术领域,其中方法包括:根据用户行为数据建立用户的第一电子设备标识信息与第一推荐商品之间的第一关联关系(102),基于第一关联关系、店铺的店铺商品信息和与店铺相对应的设备标识采集的第二电子设备标识信息,建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系(104),根据第二关联关系生成推荐信息并发送至相应的用户(105)。该方法、装置、电子商务系统以及存储介质,可以将线上数据与线下数据相结合,向用户推送店铺商品推荐信息,可以降低线下店铺的推广成本,缩小推广目标的范围,增加推广精准性,从而提高回报率并提高了用户的使用感受度。
Description
相关申请的交叉引用
本公开是以CN申请号为201910462859.7申请日为2019年5月30日的申请为基础,并主张其优先权,该CN申请的公开内容在此作为整体引入本公开中。
本公开涉及电子商务技术领域,尤其涉及一种信息推送方法、装置、电子商务系统以及存储介质。
随着电子商务规模的不断扩大,商品种类和数量快速增长,用户需要花费大量的时间才能从海量商品中找到所需商品。为了提升用户购物体验,购物网站通过推荐系统为用户提供个性化的决策支持和商品信息服务,并对用户进行线下推广。
发明内容
本公开的发明人发现上述相关技术中的信息推送的技术方案存在缺陷:相关的线下推广方式的推广成本高;线下推广方式的目标无针对性,不了解推广对象的喜好,往往投入多、回报率低。
根据本公开的第一方面,提供一种信息推送方法,包括:根据用户行为数据获得与用户相对应的第一推荐商品;获得用户的第一电子设备标识信息,建立所述第一电子设备标识信息与所述第一推荐商品之间的第一关联关系;接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息;基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系;根据所述第二关联关系生成推荐信息并发送至相应的用户。
在一些实施例中,所述基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系包括:基于所述第一关联关系获得全部第一推荐商品信息;根据所述全部第一推荐商品和所述店铺商品信息确定与所述店铺相对应的所述第二推荐商品;基于所述 第一关联关系获得与所述第二推荐商品相对应的全部第一电子设备标识;根据所述全部第一电子标识与所述第二电子设备标识信息确定与所述第二推荐商品相对应的所述第二电子设备标识集合;建立所述第二推荐商品与所述第二电子设备标识集合之间的第二关联关系。
在一些实施例中,所述根据所述全部第一推荐商品和所述店铺商品信息确定与所述店铺相对应的所述第二推荐商品包括:基于商品标识信息计算店铺内的店铺商品与所述第一推荐商品的相似度,基于所述相似度确定所述第二推荐商品;或者,如果店铺内的店铺商品的SKU与所述第一推荐商品的SKU相同,则将此店铺商品确定为所述第二推荐商品。
在一些实施例中,所述根据所述第二关联关系生成推荐信息并发送至相应的用户包括:基于推荐策略确定与所述店铺相对应的第二推荐商品;基于所述第二关联关系获得与所述第二推荐商品相对应的所述第二电子设备集合;生成与所述第二推荐商品相对应的推荐信息,将此推荐信息发送给此第二电子设备集合中的至少一个电子设备。
在一些实施例中,所述基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系包括:获得实时接收到的所述第二电子设备标识信息,基于所述第一关联关系获得与此第二电子设备标识信息相对应第一推荐商品集合;根据所述第一推荐商品集合和所述店铺商品信息确定与所述店铺相对应的第二推荐商品集合;建立所述第二电子设备标识信息与所述第二推荐商品集合之间的第二关联关系。
在一些实施例中,所述根据所述第一推荐商品集合和所述店铺商品信息确定与所述店铺相对应的第二推荐商品集合包括:基于商品标识信息计算店铺内的店铺商品与所述第一推荐商品集合中的第一推荐商品的相似度,基于所述相似度确定所述第二推荐商品;或者,如果店铺内的店铺商品的SKU与所述第一推荐商品集合中的第一推荐商品的SKU相同,则将此店铺商品确定为所述第二推荐商品。
在一些实施例中,所述根据所述第二关联关系生成推荐信息并发送至相应的用户包括:生成与所述第二推荐商品集合中的至少一个第二推荐商品相对应的推荐信息;将此推荐信息发送给与实时接收的所述第二电子设备标识信息相对应的电子设备。
在一些实施例中,所述根据用户行为数据获得与用户相对应的第一推荐商品包括:获得用户行为数据以及与所述用户行为数据相对应的商品属性特征;其中,所述用户行为数 据包括搜索行为、收藏行为、浏览行为、购物行为、评论行为数据中的至少一种;所述商品属性特征包括商品的分类、品牌、价格、点击率中的至少一项;基于所述用户行为数据、所述商品属性特征提取标签信息并计算标签的权值,用以构建用户画像;基于所述用户画像获得与用户相对应的第一推荐商品。
在一些实施例中,所述设备标识采集设备包括:WIFI设备;第一电子设备和第二电子设备都包括:手机;所述第一电子设备标识信息和所述第二电子设备标识信息都包括MAC地址、手机号码和手机标识码中的至少一个。
根据本公开的第二方面,提供一种信息推送装置,包括:第一关联信息建立模块,用于根据用户行为数据获得与用户相对应的第一推荐商品;获得用户的第一电子设备标识信息,建立所述第一电子设备标识信息与所述第一推荐商品之间的第一关联关系;店铺信息接收模块,用于接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息;第二关联信息建立模块,用于基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系;推荐信息处理模块,用于根据所述第二关联关系生成推荐信息并发送至相应的用户。
根据本公开的第三方面,提供一种信息推送装置,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中的指令,执行如上所述的方法。
根据本公开的第四方面,提供一种电子商务系统,包括:如权利要求上所述的信息推送装置。
根据本公开的第五方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如上所述的方法。
为了更清楚地说明本公开实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本公开的信息推送方法的一些实施例的流程示意图;
图2为根据本公开的信息推送方法的一些实施例中的建立第二关联关系的流程示意 图;
图3为根据本公开的信息推送方法的一些实施例中的生成并发送推荐信息的流程示意图;
图4为根据本公开的信息推送方法的另一些实施例中的建立第二关联关系的流程示意图;
图5为根据本公开的信息推送方法的另一些实施例中的生成并发送推荐信息的流程示意图;
图6为根据本公开的信息推送方法的一些实施例中的收集店铺数据的示意图;
图7为根据本公开的信息推送装置的一些实施例的模块示意图;
图8为根据本公开的信息推送装置的一些实施例中的第二关联信息建立模块的模块示意图;
图9为根据本公开的信息推送装置的一些实施例中的第一关联信息建立模块的模块示意图;
图10为根据本公开的信息推送装置的另一些实施例的示意图。
下面参照附图对本公开进行更全面的描述,其中说明本公开的示例性实施例。下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。下面结合各个图和实施例对本公开的技术方案进行多方面的描述。
下文中的“第一”、“第二”等仅用于描述上相区别,并没有其他特殊的含义。
发明人所知晓的相关技术中,线下推广的方式主要有以下几种方案:1.广告宣传:以海报的形式进行推广,出现在公共场所,交通工具等地方;2.活动宣传:线下活动推广,通过举办一些活动的形式进行推广;3.名片推广,通过线下发名片的形式推广;4.宣传单推广,通过请人发宣传单形式推广;5.赠品推广,通过在赠品上印刷品牌信息,然后寄给客户进行推广;6.二维码推广,在实体店,或者是名片二维码推广等。
上述的信息推送方式至少具备如下缺点之一:1.推广成本高,要投入大量的人力财力;2.线下推广方式的目标无针对性,不了解推广对象的喜好,往往投入多并且产出少等。
有鉴于此,本公开的实施例提供了一种信息推送方法、装置、电子商务系统以及存 储介质;本公开实施例的信息推送方法、装置、电子商务系统以及存储介质,根据用户行为数据建立用户的第一电子设备标识信息与第一推荐商品之间的第一关联关系,基于第一关联关系、店铺的店铺商品信息和与店铺相对应的设备标识采集的第二电子设备标识信息,建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系,根据第二关联关系生成推荐信息并发送至相应的用户;可以将线上数据与线下数据相结合,向用户推送店铺商品推荐信息,可以降低线下店铺的推广成本,增加推广精准性。图1为根据本公开的信息推送方法的一些实施例的流程示意图,如图1所示:
步骤101,根据用户行为数据获得与用户相对应的第一推荐商品。
步骤102,获得用户的第一电子设备标识信息,建立第一电子设备标识信息与第一推荐商品之间的第一关联关系。
步骤103,接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息。
与店铺相对应的设备标识采集设备可以为多种WIFI设备,例如为无线路由器、雷达设备等,可以设置在店铺内。电子设备可以为手机等,第一电子设备标识信息和第二电子设备标识信息可以为MAC地址、手机号码和手机标识码等,手机标识码可以为手机PIN、IMSI等。
店铺商品信息可以为店铺内的商品的SKU(Stock Keeping Unit,库存量单位)信息。用户能够通过手机APP进行浏览、访问、购物等,手机APP获得用户的第一电子设备标识信息,并将用户的第一电子设备标识信息返回服务端。
步骤104,基于第一关联关系、店铺商品信息和第二电子设备标识信息建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系。
步骤105,根据第二关联关系生成推荐信息并发送至相应的用户。可以调用短信接口采用为用户推送短信的方式发送推荐信息,或者使用APP推送功能为用户推送推荐信息,达到店铺精准推广的目的。
在一些实施例中,建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系可以有多种方式。图2为根据本公开的信息推送方法的一些实施例中的建立第二关联关系的流程示意图,如图2所示:
步骤201,基于第一关联关系获得全部第一推荐商品信息。
步骤202,根据全部第一推荐商品和店铺商品信息确定与店铺相对应的第二推荐商品。
步骤203,基于第一关联关系获得与第二推荐商品相对应的全部第一电子设备标识。
步骤204,根据全部第一电子标识与第二电子设备标识信息确定与第二推荐商品相对应的第二电子设备标识集合。
步骤205,建立第二推荐商品与第二电子设备标识集合之间的第二关联关系。
根据全部第一推荐商品和店铺商品信息确定与店铺相对应的第二推荐商品可以有多种方式。例如,基于商品标识信息计算店铺内的店铺商品与第一推荐商品的相似度,基于相似度确定第二推荐商品;或者,如果店铺内的店铺商品的SKU与第一推荐商品的SKU相同,则将此店铺商品确定为第二推荐商品。
基于商品标识信息计算店铺内的店铺商品与第一推荐商品的相似度可以有多种方式。例如,商品标识信息可以包括商品名称、型号、厂家等。预设机器学习模型,生成训练样本,训练样本包括多个商品的商品标识信息,以及商品之间的相似度信息,使用训练样本对机器学习模型进行训练。
将店铺商品的商品标识信息与第一推荐商品的商品标识信息输入训练好的机器学习模型,机器学习模型输出店铺商品与第一推荐商品的相似度值。如果店铺商品与第一推荐商品的相似度值大于预设的相似度阈值,则确定此店铺商品为第二推荐商品。机器学习模型可以为神经网络模型等。
图3为根据本公开的信息推送方法的一些实施例中的生成并发送推荐信息的流程示意图,如图3所示:
步骤301,基于推荐策略确定与店铺相对应的第二推荐商品。
推荐策略可以有多种。例如,在店铺内的商品打折时,将打折的商品确定为第二推荐商品;或者,在店铺进行多种活动时,将参加活动的商品确定为第二推荐商品。
步骤302,基于第二关联关系获得与第二推荐商品相对应的第二电子设备集合。
步骤303,生成与第二推荐商品相对应的推荐信息,将此推荐信息发送给此第二电子设备集合中的至少一个电子设备。
在一些实施例中,电子商务系统中的大数据平台获得用户行为数据,可以根据用户行为数据获得与用户相对应的第一推荐商品,获得用户的第一MAC信息,建立第一MAC信息与第一推荐商品之间的第一关联关系。大数据平台可以使用非关系数据库(Hbase,Redis等)存储相关的数据。
店铺内的雷达设备实时扫描附近经过的用户的第二MAC信息,上报至消息队列,然后 转发至大数据平台存储。进行全天数据的离线聚合。基于第一关联关系获得全部第一推荐商品信息,例如,全部第一推荐商品信息为第一推荐商品A、B、C、D的SKU信息,店铺A内的店铺商品为A、E、F、G。
店铺商品A的SKU与第一推荐商品A的SKU相同,则将店铺商品A确定为第二推荐商品。将第一推荐商品B、C、D和店铺商品为E、F、G的商品标识信息输入训练好的机器学习模型,机器学习模型输出第一推荐商品与店铺商品之间的相似度值,将大于预设阈值的相似度值所对应的店铺商品E、F确定为第二推荐商品。
基于第一关联关系获得与第二推荐商品A相对应的全部第一MAC信息,为MAC1、2、3、4信息。店铺A内的雷达设备扫描附近经过的用户的第二MAC信息为MAC1、2、3信息。根据MAC1、2、3、4信息与MAC1、2、3信息确定与第二推荐商品A相对应的第二电子设备标识集合,此第二电子设备标识集合包括MAC1、2、3信息,建立第二推荐商品A与此第二电子设备标识集合之间的第二关联关系。基于相同的方法,可以分别建立第二推荐商品E、F与第二电子设备标识集合之间的第二关联关系。
当店铺A内的店铺商品A有打折优惠时,基于第二关联关系查询出与第二推荐商品A的SKU对应的第二电子设备标识集合,生成与第二推荐商品A相对应的推荐信息,将此推荐信息发送给此第二电子设备集合中的MAC1、2、3信息对应的至少一个电子设备。
图4为根据本公开的信息推送方法的另一些实施例中的建立第二关联关系的流程示意图,如图4所示:
步骤401,获得实时接收到的第二电子设备标识信息,基于第一关联关系获得与此第二电子设备标识信息相对应第一推荐商品集合。
步骤402,根据第一推荐商品集合和店铺商品信息确定与店铺相对应的第二推荐商品集合。
步骤403,建立第二电子设备标识信息与第二推荐商品集合之间的第二关联关系。
基于商品标识信息计算店铺内的店铺商品与第一推荐商品集合中的第一推荐商品的相似度,基于相似度确定第二推荐商品。例如,将店铺商品的商品标识信息和第一推荐商品集合中的第一推荐商品的商品标识信息输入训练好的机器学习模型,机器学习模型输出店铺商品与第一推荐商品集合中的第一推荐商品的相似度值。
将大于预设阈值的相似度值所对应的店铺商品确定为第二推荐商品;或者,如果店铺内的店铺商品的SKU与第一推荐商品集合中的第一推荐商品的SKU相同,则将此店铺商品确定为第二推荐商品。
图5为根据本公开的信息推送方法的另一些实施例中的生成并发送推荐信息的流程示意图,如图5所示:
步骤501,生成与第二推荐商品集合中的至少一个第二推荐商品相对应的推荐信息。
步骤502,将此推荐信息发送给与实时接收的第二电子设备标识信息相对应的电子设备。
在一些实施例中,店铺B内的雷达设备实时扫描附近经过的用户W的第二MAC信息,上报至消息队列,电子商务系统通过实时计算引擎(SparkStreaming、Storm、flink等)实时获得第二MAC信息。如图6所示,店铺商品信息为店铺内的所有商品的sku信息,可通过对接店铺内的商品进销存系统获得。经过店铺附近的第二MAC信息可以通过硬件设备(具有WIFI探针功能)扫描获得;获得的店铺附近经过的用户的手机MAC信息(第二MAC信息)通过接口上报至IOT平台,再转存至大数据平台,或者进行实时分析。
基于第一关联关系获得与此第二MAC信息相对应第一推荐商品集合;例如,第一推荐商品集合包括第一推荐商品A、B、C、D,店铺A内的店铺商品信息为店铺商品A、E、F、G的SKU。将第一推荐商品A、B、C、D和店铺商品A、E、F、G的商品标识信息输入训练好的机器学习模型,机器学习模型输出第一推荐商品与店铺商品之间的相似度值,将相似度值大于预设阈值的店铺商品A、E确定为第二推荐商品,建立用户W的第二MAC信息与第二推荐商品集合之间的第二关联关系,第二推荐商品集合包含有店铺商品A、E。
生成与第二推荐商品集合中的至少一个第二推荐商品A、E相对应的推荐信息,将此推荐信息发送给与实时接收的用户W的第二MAC信息相对应的电子设备,告知用户经过的店铺有感兴趣的商品,可以进店体验等。
在一些实施例中,根据用户行为数据获得与用户相对应的第一推荐商品可以采用多种方法。例如,获得用户行为数据以及与用户行为数据相对应的商品属性特征,用户行为数据包括搜索行为、收藏行为、浏览行为、购物行为、评论行为数据中的至少一种,商品属性特征包括商品的分类、品牌、价格、点击率中的至少一项。基于用户行为数据、商品属性特征提取标签信息并计算标签的权值,用以构建用户画像,基于用户画像获得与用户相对应的第一推荐商品。
从多种日志数据中提取用户的行为数据,获得用户行为对应的商品的属性特征,用户的行为数据包括搜索行为、收藏行为、浏览行为、购物行为、评论行为等数据;商品属性特征包括商品的分类、品牌、价格、点击率。基于用户的行为数据、商品属性特征提取标 签信息,用以构建用户画像,用户画像包括用户兴趣偏好标签、位置标签、消费能力标签、活跃度标签、忠诚度标签等多个标签。
例如,将用户的行为数据和商品属性特征信息输入训练好的机器学习模型,可以输出对于用户兴趣偏好标签、位置标签、消费能力标签、活跃度标签、忠诚度标签等的权重值,根据用户兴趣偏好标签、位置标签、消费能力标签、活跃度标签、忠诚度标签等的权重值生成用户画像。可以采用相关的多种推荐引擎或推荐系统基于用户画像获得与用户相对应的第一推荐商品,实现线上数据与线下数据结合,利用已有的推荐引擎获得用户可能感兴趣的商品或者商品。
推荐系统可以分为数据层、召回层、排序层等。数据层用于数据生成和数据存储,主要是利用各种数据处理工具对原始日志进行清洗,处理成格式化的数据,落地到不同类型的存储系统中,供下游的算法和模型使用。
召回层主要是从用户的历史行为、实时行为等角度利用各种触发策略产生推荐的候选集,对不同的策略和算法产生的候选集进行融合并按照产品规则进行过滤,在召回层一般还会有粗排序,对融合的候选集进行一次粗排序,过滤掉粗排分数较低的候选集。排序层主要是利用机器学习的模型对召回层筛选出来的候选集进行精排序。
在一些实施例中,如图7所示,本公开提供一种信息推送装置80,包括:第一关联信息建立模块81、店铺信息接收模块82、第二关联信息建立模块83和推荐信息处理模块84。
第一关联信息建立模块81根据用户行为数据获得与用户相对应的第一推荐商品。第一关联信息建立模块81获得用户的第一电子设备标识信息,建立第一电子设备标识信息与第一推荐商品之间的第一关联关系。店铺信息接收模块82接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息。第二关联信息建立模块83基于第一关联关系、店铺商品信息和第二电子设备标识信息建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系。推荐信息处理模块84根据第二关联关系生成推荐信息并发送至相应的用户。
在一些实施例中,如图8所示,第二关联信息建立模块83包括:第一商品获得单元831、第一设备获得单元832和第一关系建立单元833。第一商品获得单元831基于第一关联关系获得全部第一推荐商品信息,根据全部第一推荐商品和店铺商品信息确定与店铺相对应的第二推荐商品。
第一设备获得单元832基于第一关联关系获得与第二推荐商品相对应的全部第一电子设备标识,根据全部第一电子标识与第二电子设备标识信息确定与第二推荐商品相对应的第二电子设备标识集合。第一关系建立单元833建立第二推荐商品与第二电子设备标识集合之间的第二关联关系。
第一商品获得单元831基于商品标识信息计算店铺内的店铺商品与第一推荐商品的相似度,基于相似度确定第二推荐商品;或者,如果店铺内的店铺商品的SKU与第一推荐商品的SKU相同,则第一商品获得单元831将此店铺商品确定为第二推荐商品。
推荐信息处理模块84基于推荐策略确定与店铺相对应的第二推荐商品,基于第二关联关系获得与第二推荐商品相对应的第二电子设备集合。推荐信息处理模块84生成与第二推荐商品相对应的推荐信息,将此推荐信息发送给此第二电子设备集合中的至少一个电子设备。
在一些实施例中,如图8所示,第二关联信息建立模块83包括:第二设备获得单元834、第二商品获得单元835和第二关系建立单元836。第二设备获得单元834获得实时接收到的第二电子设备标识信息。第二商品获得单元835基于第一关联关系获得与此第二电子设备标识信息相对应第一推荐商品集合。第二关系建立单元836根据第一推荐商品集合和店铺商品信息确定与店铺相对应的第二推荐商品集合,建立第二电子设备标识信息与第二推荐商品集合之间的第二关联关系。
第二商品获得单元835基于商品标识信息计算店铺内的店铺商品与第一推荐商品集合中的第一推荐商品的相似度,基于相似度确定第二推荐商品;或者,如果店铺内的店铺商品的SKU与第一推荐商品集合中的第一推荐商品的SKU相同,则第二商品获得单元835将此店铺商品确定为第二推荐商品。
推荐信息处理模块84生成与第二推荐商品集合中的至少一个第二推荐商品相对应的推荐信息,将此推荐信息发送给与实时接收的第二电子设备标识信息相对应的电子设备。
在一些实施例中,如图9所示,第一关联信息建立模块81包括:第三商品获得单元811。第三商品获得单元811获得用户行为数据以及与用户行为数据相对应的商品属性特征,用户行为数据包括搜索行为、收藏行为、浏览行为、购物行为、评论行为数据中的至少一种;商品属性特征包括商品的分类、品牌、价格、点击率中的至少一项。第三商品获得单元811基于用户行为数据、商品属性特征提取标签信息并计算标签的权值,用以构建用户画像,基于用户画像获得与用户相对应的第一推荐商品。
图10为根据本公开的信息推送装置的另一些实施例的模块示意图。如图10所示,该装置可包括存储器1001、处理器1002、通信接口1003以及总线1004。存储器1001用于存储指令,处理器1002耦合到存储器1001,处理器1002被配置为基于存储器1001存储的指令执行实现上述的信息推送方法。
存储器1001可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器1001也可以是存储器阵列。存储器1001还可能被分块,并且块可按一定的规则组合成虚拟卷。处理器1002可以为中央处理器CPU,或专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本公开的信息推送方法的一个或多个集成电路。
在一些实施例中,本公开提供一种电子商务系统,包括如上任一实施例中的信息推送装置。
在一些实施例中,本公开还提供一种计算机可读存储介质,其中计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上任一实施例涉及的信息推送方法。
在一些实施例中,本公开还提供一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算程序,计算程序包括程序指令,当程序指令被计算机执行时,使计算机执行如上任一实施例涉及的信息推送方法。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供被配置为实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述实施例中的信息推送方法、装置、电子商务系统以及存储介质,根据用户行为数据建立用户的第一电子设备标识信息与第一推荐商品之间的第一关联关系,基于第一关联关系、店铺的店铺商品信息和与店铺相对应的设备标识采集的第二电子设备标识信息,建立与店铺相对应的第二推荐商品和第二电子设备信息之间的第二关联关系,根据第二关联关系生成推荐信息并发送至相应的用户;可以将线上数据与线下数据相结合,向用户推送店铺商品推荐信息,可以降低线下店铺的推广成本,节约投入到线下推广的人力,可以缩小推广目标的范围,增加推广精准性,从而提高回报率并提高了用户的使用感受度。
本公开的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用,并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (13)
- 一种信息推送方法,包括:根据用户行为数据获得与用户相对应的第一推荐商品;获得用户的第一电子设备标识信息,建立所述第一电子设备标识信息与所述第一推荐商品之间的第一关联关系;接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息;基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系;根据所述第二关联关系生成推荐信息并发送至相应的用户。
- 如权利要求1所述的方法,所述基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系包括:基于所述第一关联关系获得全部第一推荐商品信息;根据所述全部第一推荐商品和所述店铺商品信息确定与所述店铺相对应的所述第二推荐商品;基于所述第一关联关系获得与所述第二推荐商品相对应的全部第一电子设备标识;根据所述全部第一电子标识与所述第二电子设备标识信息确定与所述第二推荐商品相对应的所述第二电子设备标识集合;建立所述第二推荐商品与所述第二电子设备标识集合之间的第二关联关系。
- 如权利要求2所述的方法,所述根据所述全部第一推荐商品和所述店铺商品信息确定与所述店铺相对应的所述第二推荐商品包括:基于商品标识信息计算店铺内的店铺商品与所述第一推荐商品的相似度,基于所述相似度确定所述第二推荐商品;或者,如果店铺内的店铺商品的SKU与所述第一推荐商品的SKU相同,则将此店铺商品确定为所述第二推荐商品。
- 如权利要求2所述的方法,所述根据所述第二关联关系生成推荐信息并发送至相应的用户包括:基于推荐策略确定与所述店铺相对应的第二推荐商品;基于所述第二关联关系获得与所述第二推荐商品相对应的所述第二电子设备集合;生成与所述第二推荐商品相对应的推荐信息,将此推荐信息发送给此第二电子设备集合中的至少一个电子设备。
- 如权利要求1所述的方法,所述基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系包括:获得实时接收到的所述第二电子设备标识信息,基于所述第一关联关系获得与此第二电子设备标识信息相对应第一推荐商品集合;根据所述第一推荐商品集合和所述店铺商品信息确定与所述店铺相对应的第二推荐商品集合;建立所述第二电子设备标识信息与所述第二推荐商品集合之间的第二关联关系。
- 如权利要求5所述的方法,所述根据所述第一推荐商品集合和所述店铺商品信息确定与所述店铺相对应的第二推荐商品集合包括:基于商品标识信息计算店铺内的店铺商品与所述第一推荐商品集合中的第一推荐商品的相似度,基于所述相似度确定所述第二推荐商品;或者,如果店铺内的店铺商品的SKU与所述第一推荐商品集合中的第一推荐商品的SKU相同,则将此店铺商品确定为所述第二推荐商品。
- 如权利要求5所述的方法,所述根据所述第二关联关系生成推荐信息并发送至相应的用户包括:生成与所述第二推荐商品集合中的至少一个第二推荐商品相对应的推荐信息;将此推荐信息发送给与实时接收的所述第二电子设备标识信息相对应的电子设备。
- 如权利要求1所述的方法,所述根据用户行为数据获得与用户相对应的第一推荐商品包括:获得用户行为数据以及与所述用户行为数据相对应的商品属性特征;其中,所述用户行为数据包括搜索行为、收藏行为、浏览行为、购物行为、评论行为数据中的至少一种;所述商品属性特征包括商品的分类、品牌、价格、点击率中的至少一项;基于所述用户行为数据、所述商品属性特征提取标签信息并计算标签的权值,用以构建用户画像;基于所述用户画像获得与用户相对应的第一推荐商品。
- 如权利要求1至8任一所述的方法,其中,所述设备标识采集设备包括:WIFI设备;第一电子设备和第二电子设备都包括:手机;所述第一电子设备标识信息和所述第二电子设备标识信息都包括MAC地址、手机号码和手机标识码中的至少一个。
- 一种信息推送装置,包括:第一关联信息建立模块,用于根据用户行为数据获得与用户相对应的第一推荐商品;获得用户的第一电子设备标识信息,建立所述第一电子设备标识信息与所述第一推荐商品之间的第一关联关系;店铺信息接收模块,用于接收与店铺相对应的设备标识采集设备采集的第二电子设备标识信息以及店铺商品信息;第二关联信息建立模块,用于基于所述第一关联关系、所述店铺商品信息和所述第二电子设备标识信息建立与店铺相对应的第二推荐商品和所述第二电子设备信息之间的第二关联关系;推荐信息处理模块,用于根据所述第二关联关系生成推荐信息并发送至相应的用户。
- 一种信息推送装置,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中的指令,执行如权利要求1至9中任一项所述的方法。
- 一种电子商务系统,包括:如权利要求10至11任一项所述的信息推送装置。
- 一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如权利要求1至9中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910462859.7 | 2019-05-30 | ||
CN201910462859.7A CN111784428A (zh) | 2019-05-30 | 2019-05-30 | 信息推送方法、装置、电子商务系统以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020238363A1 true WO2020238363A1 (zh) | 2020-12-03 |
Family
ID=72755247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/080877 WO2020238363A1 (zh) | 2019-05-30 | 2020-03-24 | 信息推送方法、装置、电子商务系统以及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111784428A (zh) |
WO (1) | WO2020238363A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883263B (zh) * | 2021-02-09 | 2023-06-20 | 浙江口碑网络技术有限公司 | 信息推荐方法、装置及电子设备 |
CN113129053A (zh) * | 2021-03-29 | 2021-07-16 | 北京沃东天骏信息技术有限公司 | 信息推荐模型训练方法、信息推荐方法及存储介质 |
CN113256388B (zh) * | 2021-06-15 | 2022-05-03 | 新石器慧通(北京)科技有限公司 | 无人车上待售商品的预告方法 |
CN115687786A (zh) * | 2022-11-18 | 2023-02-03 | 广东大比特网络科技有限公司 | 一种个性化推荐方法、系统以及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122369A (ja) * | 2003-10-15 | 2005-05-12 | Kddi Corp | リコメンダシステムにおけるアイテム推薦度提示装置 |
CN107527268A (zh) * | 2017-08-23 | 2017-12-29 | 苏州浩哥文化传播有限公司 | 一种用于购物导航的智能公共服务亭及其工作方法 |
CN108123913A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 基于线下场景的用户行为数据采集方法、装置和系统 |
CN108648059A (zh) * | 2018-05-16 | 2018-10-12 | 口口相传(北京)网络技术有限公司 | 订单推荐方法及装置 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
-
2019
- 2019-05-30 CN CN201910462859.7A patent/CN111784428A/zh active Pending
-
2020
- 2020-03-24 WO PCT/CN2020/080877 patent/WO2020238363A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122369A (ja) * | 2003-10-15 | 2005-05-12 | Kddi Corp | リコメンダシステムにおけるアイテム推薦度提示装置 |
CN108123913A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 基于线下场景的用户行为数据采集方法、装置和系统 |
CN107527268A (zh) * | 2017-08-23 | 2017-12-29 | 苏州浩哥文化传播有限公司 | 一种用于购物导航的智能公共服务亭及其工作方法 |
CN108648059A (zh) * | 2018-05-16 | 2018-10-12 | 口口相传(北京)网络技术有限公司 | 订单推荐方法及装置 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111784428A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020238363A1 (zh) | 信息推送方法、装置、电子商务系统以及存储介质 | |
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
US11301761B2 (en) | Behavioral prediction for targeted end users | |
TWI591556B (zh) | Search engine results sorting method and system | |
TW201501059A (zh) | 訊息推薦方法及裝置 | |
TWI512653B (zh) | Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance | |
CN108960719B (zh) | 选品方法和装置以及计算机可读存储介质 | |
CN110020128B (zh) | 一种搜索结果排序方法及装置 | |
CN106934035B (zh) | 一种基于类与特征分布的多标签数据流中概念漂移检测方法 | |
US8341101B1 (en) | Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics | |
CN109816482B (zh) | 电商平台的知识图谱构建方法、装置、设备及存储介质 | |
US8655737B1 (en) | Brand name synonymy | |
CN104778594A (zh) | 一种新型的智能化网络购衣平台系统及方法 | |
CN108429776B (zh) | 网络对象的推送方法、装置、客户端、交互设备以及系统 | |
TW201939378A (zh) | 資源推薦方法及裝置 | |
CN104615721B (zh) | 用于基于退货关联信息推荐商品的方法和系统 | |
CN111949887A (zh) | 物品推荐方法、装置及计算机可读存储介质 | |
CN103605718A (zh) | 一种基于hadoop的改进的物品推荐方法 | |
CN106682923A (zh) | 商品调整方法及系统 | |
KR20210032691A (ko) | 네트워크 기반 상품 추천 방법 및 장치 | |
CN104572775A (zh) | 广告分类方法、装置及服务器 | |
CN114461690A (zh) | 数据处理方法、装置、计算设备和存储介质 | |
CN111091409A (zh) | 客户标签的确定方法、装置和服务器 | |
CN106886934A (zh) | 用于确定商家品类的方法、系统和装置 | |
CN110427545B (zh) | 一种信息推送方法及系统 |
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: 20813902 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20813902 Country of ref document: EP Kind code of ref document: A1 |