[發明專利]針對電商滿減活動的湊單商品推薦的方法

在審

• 申請號: 201510734661.1
• 申請日: 2015-11-03
• 公開（公告）號: CN106651418A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 何興洋
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 中原信達知識產權代理有限責任公司11219
• 代理人: 張一軍,姜勁

技術領域

本發明涉及計算機技術領域，尤其涉及一種針對電商滿減活動的湊單商品推薦的方法。

背景技術

滿減滿送活動是電子商務模式中一種常見的促銷方式，當消費者消費達到滿減金額(例如滿減活動為滿200減100，則滿減金額為200)時，商家或電商平臺會給出相應的費用減免或者一定的禮品贈送，如此，商家能夠銷售更多的商品，消費者能夠得到更多的優惠，進而達到雙贏的目的。

此外，商品推薦技術是在電子商務中比較流行的一種技術，其根據消費者自身屬性或商品屬性，利用大數據分析和商品推薦算法將消費者可能感興趣的商品推薦給消費者，但是這種技術一般被電子商務平臺應用在消費者購買完成時向其推薦相關商品。

以某電商平臺為例，現有的滿減滿送活動一般是消費者購買滿減促銷商品時，在商品頁面提示商品所在的滿減活動，消費者點進活動鏈接獲取參與滿減促銷活動的商品列表，瀏覽商品并自行選擇商品與已選商品搭配進行滿減湊單。

但目前這種消費模式存在一定的問題：由于促銷商品列表普遍過長，消費者不能準確地選擇能滿足其購買目的的商品；目前商品推薦技術多數被用在消費者購買完成之后，消費者在滿減湊單時的購買需求大于相關產品二次購買的需求；此外，若消費者購買的促銷商品未能達到滿減金額下線可能會放棄購買，直接影響商家和電子商務平臺 盈利；而消費者為了能夠補滿滿減差額購買與自身偏喜程度不符的商品會傷害消費者的購買體驗。

隨著多種促銷模式在電子商務中的普及，消費者已習慣在購買促銷商品的同時選購其他促銷商品以達到滿減的目的，但是商品推薦技術并未完全引入商品促銷(滿減滿送)活動過程中，不便于消費者在促銷的過程中對商品的選擇。

發明內容

有鑒于此，本發明提供一種針對電商滿減活動的湊單商品推薦的方法，能夠使商品推薦技術與商品促銷活動相結合，使消費者獲取其滿意的湊單推薦商品，提高電商平臺促銷活動的有效性，增加商家盈利的同時提高用戶的體驗效果。

為實現上述目的，本發明提供了一種針對電商滿減活動的湊單商品推薦的方法。

本發明的針對電商滿減活動的湊單商品推薦的方法包括：通過聚類的方式將促銷商品劃分為不同的等價類；將不同等價類區分為相似等價類和相關等價類，并計算各相關等價類的需求推薦等級；根據不同的推薦策略，從相似等價類和/或相關等價類中選擇向消費者推薦以補滿滿減差額的促銷商品或商品組合，并輸出推薦結果集，其中，將不同等價類區分為相似等價類和相關等價類包括：若消費者已選擇商品，則消費者已選擇商品所屬的等價類為相似等價類，其余等價類為相關等價類；若消費者未選擇商品，則消費者近期購買的商品所屬的等價類為相似等價類，其余等價類為相關等價類。

可選地，通過聚類的方式將促銷商品劃分為不同的等價類包括：

根據促銷商品的屬性進行語義聚類，將促銷商品劃分為不同等價類。

可選地，計算各相關等價類的需求推薦等級包括：若消費者已選擇商品，則根據消費者已選擇商品與各相關等價類的關聯等級以及消費者對各相關等價類的偏喜程度兩個因素，利用商品推薦技術加權計算各相關等價類的需求推薦等級；若消費者未選擇商品，則根據消費者近期購買的商品與各相關等價類的關聯等級以及消費者對各相關等價類的偏喜程度兩個因素，利用商品推薦技術加權計算各相關等價類的需求推薦等級。

可選地，根據不同的推薦策略，從相似等價類和/或相關等價類中選擇向消費者推薦以補滿滿減差額的促銷商品或商品組合包括使用下列策略中的一個或多個：策略一：從需求推薦等級高的相關等價類中推薦價格接近滿減差額的商品或商品組合，以補滿滿減差額；策略二：在消費者已選擇的某一商品所屬的相似等價類中尋找相似商品替代所述已選擇的某一商品，以補滿滿減差額；策略三：利用策略二選擇相似商品進行替代，當選擇的相似商品接近消費者的偏喜度但是價錢未能補滿滿減差額時，利用策略一從需求推薦等級高的相關等價類中推薦價格接近滿減差額的商品或商品組合，以補滿滿減差額。

可選地，所述策略一還包括：選擇需求推薦等級最高的相關等價類中的一個商品加入推薦結果集的當前元素中，并判斷所述當前元素中的商品價格之和是否小于滿減差額，若小于滿減差額，則繼續選擇需求推薦等級最高的相關等價類中一個商品加入所述當前元素，重復執行當前的步驟；若大于滿減差額，則判斷所述當前元素中的商品價格之和是否大于推薦閾值，若大于推薦閾值，則刪除所述當前元素中最后加入的一個商品，并且重復執行當前的步驟；若小于推薦閾值，則所述當前元素商品加入結束；重復上述步驟，直至得到含有多個元素的推薦結果集。