[發明專利]一種基于用戶瀏覽行為的商品推薦方法

在審

• 申請號: 201710200470.6
• 申請日: 2017-03-29
• 公開（公告）號: CN108665329A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 楊俊
• 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: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 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

本發明提供一種基于用戶瀏覽行為的商品推薦的方法，包括：由購買行為預測器分析一個或多個用戶的商品瀏覽歷史數據，確定在一未來時段較有可能進行購買的第一用戶集合；針對所確定的第一用戶集合中的每個用戶：從該用戶的商品瀏覽歷史數據中獲取該用戶瀏覽過的一個或多個商品，將所述一個或多個商品與目標商品進行商品相似度計算，基于所述商品相似度計算的結果，確定所述用戶在所述未來時段較有可能購買目標商品，以及將所述用戶添加至第二用戶集合；以及向所確定的第二用戶集合中的每個用戶推薦所述目標商品。

技術領域

本發明涉及一種基于用戶瀏覽行為的商品推薦方法、系統、電子設備和可讀存儲介質。

背景技術

隨著互聯網的興起，越來越多的人到網上購物。電商行業的競爭也越來越激烈。各種營銷手段也層出不窮。為了促進商品的銷售，市場營銷部門會進行商品的宣傳，通常都會通過email、短信、移動電話推送消息等向用戶發送各種營銷信息。挖掘最有可能購買商品的潛在用戶已經成為市場營銷部門不可或缺的一環。

向用戶發送營銷信息之前，需要分析潛在購買所推銷的目標商品的用戶。目前一般有三種常見的商品推薦方法：

基于人群標簽的推薦：分析用戶的各種標簽，如性別標簽、收入標簽、消費力標簽、職業標簽等等，針對具有相應標簽的人群進行營銷。基于人群標簽方法，實際效果并不好，標簽的確認是一個復雜的過程，并且很多標簽是一個動態變化的過程，導致標簽的準確率不高。

基于商品的推薦：找出與目標營銷商品相似的商品，然后提取購買相似商品的用戶進行營銷。基于商品的方法，完全從商品屬性方面考慮，忽略了用戶本身的特征，比如兩款商品雖然很相似，但是品牌不同，如果用戶的品牌忠誠度很高，這樣的營銷甚至會導致用戶的反感。

基于模型訓練的推薦：目前使用的基于模型訓練的推薦主要是以用戶評價和對商品的評分作為基礎數據的。但是用戶評價和評分受很多主觀因素影響，并且在用戶對評分或評價不感興趣而未進行相應行為的情況下，數據的收集并不全面。因此，以評價或評分進行模型訓練，無法獲取到用戶最真實的購買習慣，也無法精確分析潛在購買目標商品的人群。

發明內容

有鑒于此，本發明實施例提供一種基于用戶瀏覽行為的商品推薦方法，能夠利用模型計算結合相似度計算的方法，精確分析潛在購買目標商品的人群，提高了用戶的實際訂單轉化率。利用模型計算來針對每個用戶的歷史數據進行分析，確定出每個用戶在未來時段進行購買的可能性，從而得到較有可能進行購買行為的用戶集合；然后針對目標商品和有可能進行購買行為的用戶曾瀏覽過的商品進行相似度計算，最終得到在未來時段有可能購買該目標商品的用戶。從而能夠向有可能購買該目標商品的用戶推薦該目標商品。

為實現上述目的，根據本發明的技術方案的一個方面，提供了一種基于用戶瀏覽行為的商品推薦方法。

根據本發明的技術方案的一個方面的基于用戶瀏覽行為的商品推薦方法，包括：由購買行為預測器分析一個或多個用戶的商品瀏覽歷史數據，確定在一未來時段較有可能進行購買的第一用戶集合；針對所確定的第一用戶集合中的每個用戶：從該用戶的商品瀏覽歷史數據中獲取該用戶瀏覽過的一個或多個商品，將所述一個或多個商品與目標商品進行商品相似度計算，基于所述商品相似度計算的結果，確定所述用戶在所述未來時段較有可能購買目標商品，以及將所述用戶添加至第二用戶集合；以及向所確定的第二用戶集合中的每個用戶推薦所述目標商品。

可選地，其中由所述購買行為預測器分析所述一個或多個用戶的所述商品瀏覽歷史數據，確定在所述未來時段較有可能進行購買的所述第一用戶集合包括：針對所述一個或多個用戶中的每個用戶：基于該用戶的商品瀏覽歷史數據，由所述購買行為預測器確定該用戶在所述未來時段進行購買行為的可能性；響應于確定所述可能性大于閾值，將該用戶添加到所述第一用戶集合。